ความล่าช้าของโครงการ ควรลงโทษใคร? ใช้ ChatGPT ช่วยแยกแยะสาเหตุที่แท้จริงของงานล่าช้า

ทุกเดือนในที่ประชุมประสานงานหน้างานก่อสร้าง คุณคงเคยได้ยินประโยคซ้ำๆ แบบนี้ "งวดนี้ล่าช้าเพราะทีมช่างขาดแรงงาน" "สภาพอากาศกระทบช่วงเทคอนกรีต" "วัสดุเข้าไซต์ช้ากว่ากำหนด" เจ้านายฟังจบมีปฏิกิริยาเดียว: "สรุปแล้วจะลงโทษใคร" ปัญหาคือ ต่อให้ลงโทษผู้รับเหมาไปแล้ว เดือนถัดไปงานก็อาจล่าช้าอีก เพราะไม่มีใครแยกแยะจริงจังว่าสาเหตุที่ล่าช้านั้นเป็น "ข้ออ้าง" หรือ "ข้อเท็จจริง" กันแน่

ทำไม "ลงโทษไปก่อนแล้วค่อยว่ากัน" ถึงแก้ปัญหาไม่ได้

กับดักใหญ่ที่สุดของการบริหารผลงานในไซต์ก่อสร้าง คือการเอา "งานล่าช้า" ไปผูกตรงกับ "มีคนทำงานบกพร่อง" ทันที แต่ในความเป็นจริง ความล่าช้ามักเป็นผลจากปัญหาเล็กๆ หลายอย่างที่ซ้อนทับกัน ไม่ว่าจะเป็นการเปลี่ยนแบบที่ไม่แจ้งทันเวลา ผู้จัดหาวัสดุส่งของล่าช้า การอนุมัติจากผู้ควบคุมงานติดขัด ส่วนสภาพอากาศมักเป็นเพียงฟางเส้นสุดท้าย หากหัวหน้างานใช้ "การปรับเงิน" เป็นยาวิเศษทุกครั้ง สิ่งที่ผู้รับเหมาเรียนรู้ก็คือการผลักความรับผิดชอบไปยังขั้นตอนถัดไป ส่วนคอขวดที่แท้จริงก็ยังคงถูกซ่อนอยู่ต่อไป

สาเหตุของงานล่าช้า โดยทั่วไปแบ่งได้เป็นกี่ประเภท

โดยทั่วไปสามารถแบ่งคร่าวๆ ได้เป็น: การเปลี่ยนแปลงแบบก่อสร้าง วัสดุอุปกรณ์เข้าไซต์ล่าช้า การจัดสรรกำลังคน (รวมถึงแรงงานต่างด้าวและการต่อคิวงานกับผู้รับเหมาช่วง) ปัจจัยด้านสภาพอากาศและสิ่งแวดล้อม ความล่าช้าของขั้นตอนการว่าจ้างและอนุมัติ และปัญหาประสิทธิภาพการทำงานของทีมช่างเอง แต่ละประเภทต้องการมาตรการแก้ไขที่แตกต่างกันโดยสิ้นเชิง การเปลี่ยนแบบต้องตามที่ฝ่ายออกแบบ การจัดสรรกำลังคนต้องดูความสมเหตุสมผลของตารางงาน ส่วนประสิทธิภาพการทำงานถึงจะเป็นเรื่องที่ทีมช่างเองต้องทบทวน หากปนกันแล้วลงโทษรวมๆ ก็เท่ากับยิงมั่วไม่มีเป้าหมาย

ให้ GPT-4 เป็นผู้ช่วยวิเคราะห์สาเหตุรากเหง้ารอบแรกของคุณ

ในเดือนตุลาคม 2023 ผู้ใช้ ChatGPT Plus สามารถใช้ GPT-4 ร่วมกับฟีเจอร์ "Advanced Data Analysis" (ชื่อเดิมคือ Code Interpreter ซึ่งเพิ่งเปลี่ยนชื่อและเปิดให้ผู้ใช้ Plus ทุกคนใช้งานได้เมื่อเดือนก่อนหน้า) อัปโหลดตารางบันทึกความล่าช้าแบบ Excel ให้ AI ช่วยจัดระเบียบข้อมูลและทำสถิติแยกหมวดหมู่เบื้องต้น นี่ไม่ใช่การให้ AI ตัดสินใจแทนคุณ แต่เป็นการแปลงความรู้สึกที่กระจัดกระจายในหัว เช่น "ดูเหมือนทุกครั้งจะเป็นเพราะวัสดุล่าช้า" ให้กลายเป็นผลการจัดหมวดหมู่ที่มีตัวเลขรองรับ ทำให้การประชุมประสานงานครั้งต่อไปคุยกันด้วยข้อมูล ไม่ใช่ต่างคนต่างพูด

🔧 AI ลงมือทำ: ใช้ GPT-4 แยกแยะบันทึกความล่าช้า

เตรียมบันทึกความล่าช้าของโครงการในช่วงสามเดือนล่าสุด (เป็นไฟล์ Excel แต่ละแถวมีวันที่ จำนวนวันที่ล่าช้า และคำอธิบายสาเหตุที่บันทึกจากหน้างาน) อัปโหลดเข้า ChatGPT Plus แล้วเปิดใช้ Advanced Data Analysis ใช้พรอมต์ด้านล่างให้มันช่วยจัดหมวดหมู่และทำสถิติเบื้องต้นก่อน จากนั้นคุณค่อยใช้วิจารณญาณทางวิชาชีพยืนยันว่าแต่ละหมวดหมู่สมเหตุสมผลหรือไม่

คุณคือที่ปรึกษาบริหารโครงการก่อสร้างที่มีประสบการณ์สูง ช่วยฉันวิเคราะห์สาเหตุรากเหง้าของความล่าช้าในงานก่อสร้าง

ฉันได้อัปโหลดตารางบันทึกความล่าช้าของงานในช่วงสามเดือนล่าสุด ซึ่งมีคอลัมน์: วันที่ จำนวนวันที่ล่าช้า คำอธิบายสาเหตุที่บันทึกจากหน้างาน

กรุณา:
1. จัดหมวดหมู่สาเหตุความล่าช้าแต่ละรายการเป็นหนึ่งในประเภทต่อไปนี้: การเปลี่ยนแปลงแบบก่อสร้าง วัสดุอุปกรณ์ล่าช้า การจัดสรรกำลังคน สภาพอากาศและสิ่งแวดล้อม ความล่าช้าของขั้นตอนว่าจ้างและอนุมัติ ปัญหาประสิทธิภาพการทำงาน อื่นๆ
2. สรุปสถิติ "จำนวนครั้งที่เกิดขึ้น" และ "จำนวนวันล่าช้าสะสม" ของแต่ละหมวดหมู่ พร้อมเรียงลำดับ
3. ระบุว่าหมวดหมู่ใดมีสัดส่วนวันล่าช้าสูงสุด และอธิบายว่านี่หมายถึงทิศทางการปรับปรุงที่ควรให้ความสำคัญก่อนในเชิงบริหาร
4. เตือนฉันว่า คำอธิบายสาเหตุใดที่คลุมเครือเกินไป (เช่น เขียนแค่ "คนไม่พอ") ที่ฉันต้องกลับไปสอบถามหน้างานให้ได้ข้อมูลที่ชัดเจนกว่านี้

กรุณานำเสนอผลการจัดหมวดหมู่เป็นตาราง และท้ายสุดสรุปประเด็นสำคัญสามข้อที่คุณสังเกตเห็น

ก้าวแรกที่ทำได้สัปดาห์นี้: ไม่ต้องรอประชุมครั้งหน้า วันนี้ก็รวบรวมบันทึกความล่าช้าสามเดือนที่ผ่านมาให้เป็นไฟล์ Excel แล้วโยนเข้า ChatGPT Plus รันการจัดหมวดหมู่หนึ่งรอบ ประชุมครั้งหน้า คุณจะมีการวิเคราะห์สาเหตุรากเหง้าที่มีตัวเลขรองรับอยู่ในมือ แทนที่จะเป็นการโยนความรับผิดชอบไปมาแบบต่างคนต่างพูดอีกรอบ