گزارش‌نویسی بخشی جدایی‌ناپذیر از فعالیت‌های اداری، مدیریتی، آموزشی و سازمانی است. مدیران به گزارش وضعیت نیاز دارند، کارشناسان باید فعالیت‌های خود را مستند کنند، تیم فروش عملکرد دوره‌ای را ارائه می‌دهد و مدیر پروژه باید پیشرفت، موانع و اقدامات بعدی را توضیح دهد.

مشکل اینجاست که اطلاعات موردنیاز گزارش معمولاً در یک محل قرار ندارد. بخشی از آن در یادداشت‌ها، بخشی در فایل Excel، بخشی در صورت‌جلسه‌ها و بخشی در پیام‌های کاری ذخیره شده است.

هوش مصنوعی می‌تواند این اطلاعات پراکنده را مرتب کند، نکات مهم را استخراج کند و پیش‌نویس گزارش را براساس یک قالب مشخص بنویسد. بااین‌حال، مدل نباید منبع تولید عدد یا واقعیت جدید باشد. گزارش نهایی باید فقط بر داده‌ها و شواهد واقعی تکیه کند.

در این مقاله، فرایند کامل گزارش‌نویسی با هوش مصنوعی را از جمع‌آوری داده تا کنترل نهایی بررسی می‌کنیم.

گزارش حرفه‌ای چه ویژگی‌هایی دارد؟

یک گزارش خوب باید به مخاطب کمک کند در مدت کوتاهی وضعیت را درک کند و در صورت نیاز تصمیم بگیرد.

ویژگی‌های مهم یک گزارش حرفه‌ای عبارت‌اند از:

• هدف مشخص دارد.
• برای مخاطب معینی نوشته شده است.
• اطلاعات مرتبط را از جزئیات غیرضروری جدا می‌کند.
• داده و تفسیر را با یکدیگر اشتباه نمی‌گیرد.
• اعداد آن قابل‌ردیابی هستند.
• ساختار منظم و قابل‌اسکن دارد.
• مشکلات را پنهان نمی‌کند.
• اقدامات بعدی را مشخص می‌کند.
• مسئول و زمان هر اقدام را تعیین می‌کند.
• از عبارت‌های مبهم و کلیشه‌ای دوری می‌کند.

عبارت «پروژه به‌خوبی در حال پیشرفت است» اطلاعات چندانی منتقل نمی‌کند. نسخه دقیق‌تر می‌تواند چنین باشد:

طراحی رابط کاربری تکمیل شده و پیاده‌سازی چهار صفحه از شش صفحه برنامه انجام شده است. اتصال درگاه پرداخت به دلیل نهایی‌نشدن اطلاعات پذیرنده متوقف مانده و تحویل نسخه آزمایشی ممکن است دو روز جابه‌جا شود.

در نسخه دوم، وضعیت، مانع و پیامد آن مشخص است.

هوش مصنوعی در گزارش‌نویسی چه کاری انجام می‌دهد؟

هوش مصنوعی می‌تواند در مراحل مختلف تهیه گزارش کمک کند:

• دسته‌بندی یادداشت‌ها
• استخراج فعالیت‌های انجام‌شده
• تشخیص موارد ناقص
• ساخت ساختار گزارش
• خلاصه‌سازی متن‌های طولانی
• تبدیل لحن محاوره‌ای به رسمی
• مقایسه عملکرد دو دوره
• استخراج نکات کلیدی از جدول‌ها
• نوشتن خلاصه مدیریتی
• تبدیل گزارش بلند به نسخه کوتاه
• پیشنهاد تیتر و زیرعنوان
• استخراج اقدامات بعدی
• تبدیل گزارش به ساختار اسلاید
• ترجمه گزارش فارسی و انگلیسی
• یکسان‌سازی لحن چند نویسنده

مواردی که نباید بدون کنترل انسانی به مدل واگذار شوند:

• ساختن اعداد گمشده
• نتیجه‌گیری قطعی از داده ناکافی
• تعیین علت یک اتفاق بدون شواهد
• تغییر معنای اظهارات افراد
• نسبت‌دادن مسئولیت
• انتشار اطلاعات محرمانه
• ارائه پیش‌بینی به‌عنوان واقعیت

انواع گزارش‌هایی که می‌توان با هوش مصنوعی آماده کرد

فرایند اصلی بیشتر گزارش‌ها مشابه است، اما ساختار و سطح جزئیات آن‌ها تفاوت دارد.

گزارش کار روزانه

برای ثبت فعالیت‌های انجام‌شده، کارهای نیمه‌تمام، مشکلات و برنامه روز بعد استفاده می‌شود.

ساختار پیشنهادی:

• تاریخ
• فعالیت‌های انجام‌شده
• خروجی‌های تولیدشده
• کارهای در حال انجام
• موانع
• نیاز به همکاری
• برنامه روز بعد

گزارش هفتگی یا ماهانه

برای نمایش روند فعالیت‌ها در یک بازه زمانی مناسب است.

ساختار پیشنهادی:

• خلاصه دوره
• دستاوردهای مهم
• شاخص‌های عملکرد
• کارهای تکمیل‌شده
• کارهای در حال اجرا
• انحراف از برنامه
• چالش‌ها
• برنامه دوره بعد

گزارش مدیریتی

برای مدیرانی نوشته می‌شود که به نتیجه، شاخص، مشکل و تصمیم موردنیاز توجه دارند.

ساختار پیشنهادی:

• خلاصه مدیریتی
• وضعیت کلی
• شاخص‌های کلیدی
• تغییرات مهم
• ریسک‌ها و موانع
• تصمیم‌های موردنیاز
• اقدامات بعدی

گزارش پیشرفت پروژه

وضعیت اجرای یک پروژه را در مقایسه با برنامه مشخص می‌کند.

ساختار پیشنهادی:

• مشخصات پروژه
• درصد یا وضعیت پیشرفت تأییدشده
• فعالیت‌های تکمیل‌شده
• نقاط عطف
• فعالیت‌های آتی
• موانع و وابستگی‌ها
• تغییرات دامنه
• اقدامات اصلاحی
• مسئول و مهلت هر اقدام

گزارش فروش

برای بررسی عملکرد فروش در یک بازه زمانی استفاده می‌شود.

ساختار پیشنهادی:

• فروش کل
• تعداد سفارش یا قرارداد
• مقایسه با دوره قبل
• عملکرد محصولات یا کانال‌ها
• مشتریان جدید
• فرصت‌های در جریان
• دلایل احتمالی تغییرات
• اقدامات پیشنهادی

گزارش بازاریابی

می‌تواند شامل این موارد باشد:

• کانال‌های فعال
• بودجه مصرف‌شده
• تعداد نمایش و کلیک
• سرنخ‌های ایجادشده
• نرخ تبدیل
• محتوای پربازدید
• عملکرد کمپین‌ها
• آموخته‌ها
• برنامه دوره بعد

گزارش جلسه

برای ثبت تصمیم‌ها و پیگیری اقدامات کاربرد دارد:

• موضوع جلسه
• شرکت‌کنندگان
• نکات مطرح‌شده
• تصمیم‌ها
• اقدامات
• مسئول هر اقدام
• مهلت
• موارد باز

اگر هدف شما مستندسازی جلسه است، راهنمای ساخت سیستم خلاصه‌سازی جلسات با هوش مصنوعی جزئیات بیشتری ارائه می‌کند.

مرحله اول: هدف و مخاطب گزارش را مشخص کنید

پیش از ارسال داده‌ها به مدل، این چهار سؤال را پاسخ دهید:

1. گزارش برای چه کسی نوشته می‌شود؟
2. مخاطب پس از مطالعه باید چه چیزی بداند؟
3. آیا لازم است تصمیمی بگیرد؟
4. گزارش باید چقدر جزئیات داشته باشد؟

گزارشی که برای مدیرعامل نوشته می‌شود با گزارشی که برای اعضای تیم فنی تهیه می‌شود یکسان نیست.

مدیرعامل احتمالاً به این موارد توجه دارد:

• وضعیت کلی
• شاخص‌های اصلی
• انحراف از هدف
• مشکلات مهم
• تصمیم‌های لازم

تیم اجرایی ممکن است به اطلاعات بیشتری نیاز داشته باشد:

• کارهای تکمیل‌شده
• جزئیات موانع
• وابستگی‌ها
• مسئول هر اقدام
• زمان‌بندی دقیق

پرامپت تعیین ساختار گزارش

می‌خواهم یک گزارش با مشخصات زیر تهیه کنم:

نوع گزارش: [روزانه، هفتگی، مدیریتی، فروش یا پیشرفت پروژه]
مخاطب: [عنوان یا نقش مخاطب]
هدف گزارش: [هدف]
بازه زمانی: [بازه]
تصمیم موردانتظار از مخاطب: [در صورت وجود]
حجم مطلوب: [کوتاه، متوسط یا کامل]
داده‌های در دسترس: [توضیح]

براساس این اطلاعات:
1. ساختار مناسب گزارش را پیشنهاد بده.
2. مشخص کن هر بخش باید به چه سؤالی پاسخ دهد.
3. اطلاعات لازم برای تکمیل هر بخش را فهرست کن.
4. مواردی را که هنوز داده کافی ندارند مشخص کن.
5. هیچ عدد یا واقعیتی تولید نکن.

مرحله دوم: منابع گزارش را جمع‌آوری کنید

قبل از نگارش، یک «بسته ورودی گزارش» بسازید. این بسته می‌تواند شامل موارد زیر باشد:

• یادداشت‌های روزانه
• صورت‌جلسه‌ها
• فهرست وظایف
• فایل‌های Excel یا CSV
• گزارش دوره قبل
• خروجی CRM
• آمار سایت
• شاخص‌های عملکرد
• پیام‌های مرتبط
• وضعیت پروژه
• فهرست مشکلات
• تصمیم‌های ثبت‌شده

برای هر منبع بهتر است این اطلاعات مشخص باشند:

• نام منبع
• تاریخ
• مالک داده
• بازه زمانی
• نسخه فایل
• میزان اعتبار
• واحد اعداد
• توضیحات لازم

اگر در یک جدول مقدار فروش با «میلیون تومان» ثبت شده اما در جدول دیگر «تومان» باشد، مدل ممکن است مقایسه نادرستی انجام دهد. واحدها را پیش از تحلیل یکسان کنید.

مرحله سوم: اطلاعات خام را پاک‌سازی و استاندارد کنید

داده‌های ورودی ممکن است شامل تکرار، غلط تایپی، تاریخ‌های نامنظم یا توضیحات مبهم باشند.

نمونه ورودی خام:

جلسه مشتری شنبه انجام شد
صفحه ثبت نام تقریبا تمومه
مشکل پیامک هنوز هست
نسخه تست شاید سه شنبه آماده شه
رضا باید با سرویس پیامک صحبت کنه

نسخه استانداردشده:

عبارت «سه‌شنبه احتمالی» نباید به «سه‌شنبه قطعی» تبدیل شود.

پرامپت پاک‌سازی یادداشت‌ها

یادداشت‌های زیر را بدون تغییر معنای آن‌ها استاندارد کن:

[یادداشت‌ها]

خروجی را به‌صورت جدول با ستون‌های زیر ارائه بده:
- تاریخ
- دسته‌بندی
- شرح
- وضعیت
- مسئول
- مهلت
- منبع
- میزان قطعیت
- اطلاعات ناقص

قوانین:
- اطلاعات ناموجود را «نامشخص» بنویس.
- تاریخ احتمالی را قطعی نکن.
- افراد، اعداد یا دلایل جدید اضافه نکن.
- موارد تکراری را مشخص کن، اما خودسرانه حذف نکن.

مرحله چهارم: داده، تحلیل و پیشنهاد را از هم جدا کنید

یکی از مهم‌ترین اصول گزارش‌نویسی، تفکیک سه سطح است:

داده

آنچه مستقیماً ثبت یا اندازه‌گیری شده است.

فروش این ماه ۱۲۰ واحد و فروش ماه قبل ۱۰۰ واحد بوده است.

تحلیل

برداشتی که از داده به دست می‌آید.

تعداد فروش نسبت به ماه قبل ۲۰ واحد افزایش یافته است.

تفسیر یا فرضیه

توضیح احتمالی درباره علت تغییر.

هم‌زمانی افزایش فروش با کمپین پیامکی می‌تواند یکی از دلایل احتمالی رشد باشد.

پیشنهاد

اقدامی که براساس وضعیت مطرح می‌شود.

برای سنجش اثر واقعی کمپین، فروش مشتریان دریافت‌کننده پیامک با گروه کنترل مقایسه شود.

در این مثال، نباید بدون داده کافی نوشت:

کمپین پیامکی باعث افزایش فروش شد.

هم‌زمانی دو اتفاق، لزوماً رابطه علت و معلولی را ثابت نمی‌کند.

پرامپت تفکیک واقعیت و برداشت

متن گزارش زیر را بررسی کن:

[متن]

جمله‌ها را در چهار گروه قرار بده:
1. داده یا واقعیت ثبت‌شده
2. محاسبه مستقیم
3. تفسیر یا فرضیه
4. پیشنهاد

هر ادعایی را که منبع یا شاهد کافی ندارد مشخص کن.
اگر جمله‌ای علت قطعی را از روی هم‌زمانی نتیجه گرفته است، آن را بازنویسی کن.
هیچ منبع یا عدد جدیدی اضافه نکن.

مرحله پنجم: پیش‌نویس گزارش را تولید کنید

اکنون می‌توانید داده‌های پاک‌سازی‌شده را همراه با ساختار مطلوب به مدل بدهید.

پرامپت جامع گزارش‌نویسی

براساس اطلاعات زیر یک گزارش حرفه‌ای بنویس.

نوع گزارش: [نوع]
مخاطب: [مخاطب]
هدف: [هدف]
بازه زمانی: [بازه]
لحن: رسمی، روشن و مستقیم
حداکثر طول: [طول]

داده‌ها و شواهد:
[اطلاعات]

ساختار گزارش:
1. عنوان
2. خلاصه مدیریتی
3. وضعیت کلی
4. فعالیت‌ها و نتایج
5. شاخص‌های کلیدی
6. موانع و موارد باز
7. تصمیم‌های موردنیاز
8. اقدامات بعدی
9. مسئول و مهلت هر اقدام

قوانین:
- فقط از اطلاعات ارائه‌شده استفاده کن.
- هیچ عدد، تاریخ، نام یا نتیجه‌ای نساز.
- اطلاعات ناموجود را با عبارت «نیازمند تکمیل» مشخص کن.
- داده، تحلیل و پیشنهاد را از هم جدا نگه دار.
- از عبارت‌های مبهم مانند «پیشرفت چشمگیر» بدون شاهد استفاده نکن.
- تاریخ‌ها و واحدها را تغییر نده.
- در خلاصه مدیریتی فقط مهم‌ترین نکات را بیاور.

مثال عملی: تبدیل یادداشت خام به گزارش هفتگی

فرض کنید یادداشت‌های یک تیم چنین است:

این هفته صفحه ورود تمام شد.
صفحه ثبت نام هنوز مشکل پیامک دارد.
جلسه مشتری برگزار شد و رنگ اصلی تأیید شد.
نسخه آزمایشی قرار بود چهارشنبه آماده شود ولی احتمالاً جمعه می‌شود.
علی API کاربران را تمام کرد.
رضا باید مشکل پیامک را پیگیری کند.
دو باگ فرم ورود هم اصلاح شد.

گزارش تولیدشده می‌تواند چنین باشد:

گزارش هفتگی توسعه محصول

بازه گزارش: نیازمند تکمیل

خلاصه وضعیت

در این هفته پیاده‌سازی صفحه ورود و API کاربران تکمیل شد. دو خطای مربوط به فرم ورود نیز اصلاح شدند. رنگ اصلی رابط کاربری در جلسه با مشتری تأیید شد.

پیاده‌سازی صفحه ثبت‌نام به دلیل مشکل سرویس پیامک هنوز تکمیل نشده است. به همین علت، زمان آماده‌شدن نسخه آزمایشی که برای چهارشنبه در نظر گرفته شده بود، احتمالاً به جمعه منتقل می‌شود. تاریخ جدید هنوز قطعی نیست.

فعالیت‌های تکمیل‌شده

• تکمیل صفحه ورود
• تکمیل API کاربران توسط علی
• اصلاح دو خطای فرم ورود
• برگزاری جلسه با مشتری
• تأیید رنگ اصلی رابط کاربری

فعالیت‌های در حال انجام

• تکمیل صفحه ثبت‌نام

مانع اصلی

• اختلال یا مشکل در سرویس پیامک
• مسئول پیگیری: رضا
• مهلت پیگیری: نیازمند تکمیل

اثر بر برنامه

آماده‌سازی نسخه آزمایشی ممکن است از چهارشنبه به جمعه منتقل شود. این تغییر هنوز قطعی نشده است.

اقدام بعدی

این گزارش اطلاعات تازه‌ای اختراع نکرده و موارد نامعلوم را نیز شفاف نگه داشته است.

نوشتن گزارش کار روزانه با هوش مصنوعی

گزارش روزانه باید کوتاه و اجرایی باشد. می‌توانید در پایان روز یادداشت‌های خود را وارد کنید و خروجی استاندارد بگیرید.

قالب گزارش روزانه

تاریخ:
نام:
واحد یا پروژه:

فعالیت‌های انجام‌شده:
- 

خروجی‌های تولیدشده:
- 

کارهای در حال انجام:
- 

موانع:
- 

نیاز به همکاری:
- 

برنامه روز بعد:
- 

پرامپت گزارش روزانه

از یادداشت‌های زیر یک گزارش کار روزانه کوتاه و رسمی بساز:

[یادداشت‌ها]

ساختار:
- فعالیت‌های انجام‌شده
- خروجی‌ها
- کارهای نیمه‌تمام
- موانع
- نیاز به همکاری
- برنامه روز بعد

هر فعالیت را با فعل دقیق بنویس.
میان «انجام‌شده» و «در حال انجام» تفاوت بگذار.
اگر مسئول، تاریخ یا نتیجه نامشخص است، آن را حدس نزن.

نوشتن گزارش مدیریتی

مدیران معمولاً فرصت مطالعه جزئیات تمام فعالیت‌ها را ندارند. گزارش مدیریتی باید از مهم‌ترین نتیجه آغاز شود.

ترتیب مناسب:

1. اکنون در چه وضعیتی هستیم؟
2. چه چیزی نسبت به دوره قبل تغییر کرده است؟
3. مهم‌ترین مشکل چیست؟
4. این مشکل چه اثری دارد؟
5. چه تصمیم یا اقدامی لازم است؟

پرامپت خلاصه مدیریتی

گزارش کامل زیر را به یک خلاصه مدیریتی تبدیل کن:

[گزارش]

مخاطب: [مدیرعامل، مدیر واحد یا مدیر پروژه]
حداکثر طول: 200 کلمه

خلاصه باید شامل این موارد باشد:
- وضعیت کلی
- مهم‌ترین دستاورد
- مهم‌ترین انحراف یا مشکل
- اثر احتمالی مشکل
- تصمیم موردنیاز
- اقدام بعدی

جزئیات اجرایی کم‌اهمیت را حذف کن.
هیچ عدد یا نتیجه‌ای فراتر از گزارش اصلی اضافه نکن.

نوشتن گزارش فروش با هوش مصنوعی

برای گزارش فروش بهتر است داده‌ها ابتدا در قالب جدول ساختاریافته آماده شوند.

نمونه:

مدل می‌تواند اختلاف‌ها را توضیح دهد، اما علت تغییرات فقط زمانی باید نوشته شود که شواهدی برای آن وجود داشته باشد.

پرامپت گزارش فروش

از جدول فروش زیر یک گزارش مدیریتی تهیه کن:

[جدول]

خروجی:
1. خلاصه عملکرد
2. مقایسه با دوره قبل
3. مقایسه با هدف
4. نقاط مثبت
5. موارد نیازمند بررسی
6. پرسش‌هایی که برای تحلیل علت تغییرات باید پاسخ داده شوند
7. اقدامات پیشنهادی

قوانین:
- محاسبات را مرحله‌به‌مرحله کنترل کن.
- واحد اعداد را حفظ کن.
- نبود داده را پنهان نکن.
- هم‌بستگی را به‌عنوان علت قطعی معرفی نکن.
- پیشنهادها را از یافته‌های قطعی جدا کن.

برای تحلیل فایل‌ها و ساخت فرمول می‌توانید از راهنمای کار با Excel و تحلیل داده با هوش مصنوعی استفاده کنید.

مقایسه عملکرد دو دوره

یکی از کاربردهای متداول، مقایسه این ماه با ماه قبل یا مقایسه عملکرد واقعی با هدف است.

قبل از مقایسه بررسی کنید:

• بازه‌های زمانی طول یکسانی دارند.
• تعریف شاخص تغییر نکرده است.
• واحد اندازه‌گیری یکسان است.
• داده ناقص یا تکراری وجود ندارد.
• فصل، تعطیلات یا کمپین خاص بر نتیجه اثر نگذاشته است.
• عدد تجمعی با عدد همان دوره اشتباه نشده است.

پرامپت مقایسه دوره‌ای

دو مجموعه داده زیر را مقایسه کن:

دوره اول:
[داده‌ها]

دوره دوم:
[داده‌ها]

ابتدا سازگاری بازه، واحد و تعریف شاخص‌ها را بررسی کن.
سپس:
- تغییر مطلق
- تغییر نسبی، فقط در صورت معتبر بودن مبنا
- شاخص‌های بدون تغییر
- موارد غیرعادی
- داده‌های ناقص
- فرضیه‌های قابل‌بررسی

را ارائه کن.

فرضیه‌ها را به‌وضوح از یافته‌های قطعی جدا نگه دار.

ساخت گزارش از فایل Excel یا CSV

برای استفاده از داده‌های جدولی، بهتر است ابتدا ساختار فایل را بررسی کنید:

• هر ستون عنوان مشخص داشته باشد.
• هر ردیف یک رکورد مستقل باشد.
• سلول‌های ادغام‌شده حذف شوند.
• تاریخ‌ها قالب یکسان داشته باشند.
• واحد پول و اندازه‌گیری مشخص باشد.
• سطرهای جمع با داده‌های اصلی مخلوط نشوند.
• مقادیر خالی معنی مشخصی داشته باشند.
• اطلاعات حساس حذف یا ناشناس‌سازی شوند.

سپس از هوش مصنوعی بخواهید پیش از تحلیل، داده‌ها را توصیف کند:

ساختار داده زیر را بررسی کن و قبل از هر تحلیلی مشخص کن:

- هر ستون چه معنایی دارد؟
- نوع داده هر ستون چیست؟
- چه مقادیری خالی هستند؟
- چه ناسازگاری‌هایی وجود دارد؟
- آیا ردیف تکراری دیده می‌شود؟
- چه واحدهایی استفاده شده‌اند؟
- برای تولید گزارش چه اطلاعاتی کم است؟

تا زمانی که کیفیت داده بررسی نشده، نتیجه‌گیری مدیریتی ارائه نکن.

تبدیل گزارش بلند به ارائه

گاهی باید گزارش ۱۰ صفحه‌ای را در چند اسلاید ارائه کنید. ساختار مناسب ارائه مدیریتی می‌تواند شامل این اسلایدها باشد:

1. عنوان و بازه گزارش
2. خلاصه وضعیت
3. شاخص‌های اصلی
4. دستاوردها
5. موانع
6. تصمیم‌های موردنیاز
7. اقدامات بعدی

پرامپت تبدیل گزارش به اسلاید

گزارش زیر را به ساختار یک ارائه مدیریتی 7 اسلایدی تبدیل کن:

[گزارش]

برای هر اسلاید ارائه بده:
- عنوان
- پیام اصلی
- حداکثر 4 نکته کوتاه
- داده یا نمودار پیشنهادی
- یادداشت کوتاه ارائه‌دهنده

اعداد و اطلاعات را تغییر نده.
اگر نموداری بدون داده کافی قابل ساخت نیست، این موضوع را اعلام کن.

برای ادامه کار می‌توانید راهنمای ساخت پاورپوینت با هوش مصنوعی را مطالعه کنید.

ابزارهای مناسب برای گزارش‌نویسی

انتخاب ابزار به محل نگهداری داده و فرمت گزارش بستگی دارد.

براساس راهنمای رسمی، Gemini در Google Docs می‌تواند با استفاده از محتوای در دسترس کاربر پیش‌نویس سند ایجاد کند و در Google Sheets نیز برای ساخت جدول، فرمول و تحلیل داده به کار رود. قابلیت‌ها و شرایط دسترسی این سرویس‌ها ممکن است براساس حساب، منطقه و طرح اشتراک متفاوت باشند.

حفظ لحن ثابت در گزارش‌های سازمانی

اگر گزارش‌ها توسط افراد مختلف نوشته شوند، لحن و ساختار آن‌ها ممکن است ناسازگار شود. برای جلوگیری از این مشکل، یک Style Guide کوتاه تعریف کنید:

راهنمای نگارش گزارش سازمان:

- لحن رسمی و مستقیم باشد.
- جمله‌ها کوتاه باشند.
- ابتدا نتیجه و سپس توضیح نوشته شود.
- تاریخ‌ها به قالب YYYY/MM/DD باشند.
- وضعیت‌ها فقط از میان «انجام‌شده»، «در حال انجام»، «متوقف» و «لغوشده» انتخاب شوند.
- از صفات مبهم مانند عالی، چشمگیر و قابل‌توجه بدون عدد استفاده نشود.
- هر مانع دارای اثر، مسئول پیگیری و مهلت باشد.
- پیشنهادها از یافته‌های قطعی جدا نوشته شوند.

این راهنما را همراه هر درخواست به مدل ارسال کنید.

کنترل عددها و محاسبات

مدل زبانی ابزار اصلی حسابداری یا محاسبه دقیق نیست. برای گزارش‌های عددی بهتر است:

1. محاسبات در Excel، Google Sheets، کد یا سیستم تحلیلی انجام شوند.
2. نتیجه محاسبه‌شده به مدل داده شود.
3. مدل فقط توضیح و خلاصه آن را بنویسد.
4. تمام عددهای گزارش با منبع اصلی تطبیق داده شوند.

چک‌لیست کنترل عددی:

• جمع ستون‌ها بررسی شده است.
• درصدها مخرج مشخص دارند.
• واحد پول ثابت است.
• تعداد و مبلغ با هم اشتباه نشده‌اند.
• بازه زمانی دقیق است.
• داده‌های حذف‌شده مشخص‌اند.
• گردکردن اعداد یکسان انجام شده است.
• عدد گزارش با داشبورد اصلی مطابقت دارد.

کنترل ادعاها با جدول شواهد

برای گزارش‌های مهم می‌توانید از مدل بخواهید هر ادعا را به منبع آن متصل کند.

پرامپت ساخت جدول شواهد

برای تمام ادعاهای گزارش زیر یک جدول شواهد بساز:

[گزارش]

منابع:
[فهرست منابع و محتوای آن‌ها]

ستون‌ها:
- ادعا
- نوع ادعا
- منبع
- بخش یا ردیف منبع
- میزان قطعیت
- وضعیت تأیید

ادعاهایی را که منبع قابل‌شناسایی ندارند مشخص کن.
هیچ منبعی اختراع نکن.

بازبینی گزارش با هوش مصنوعی

پس از آماده‌شدن پیش‌نویس، در یک مرحله جداگانه از مدل بخواهید نقش بازبین را داشته باشد.

پرامپت بازبینی

گزارش زیر را به‌عنوان یک بازبین دقیق بررسی کن:

[گزارش]

این موارد را پیدا کن:
- عدد بدون منبع
- تاریخ ناسازگار
- ادعای بدون شاهد
- نتیجه‌گیری قطعی از داده ناکافی
- تناقض میان بخش‌ها
- تکرار
- عبارت مبهم
- مسئول یا مهلت نامشخص
- اقدام بدون خروجی قابل‌اندازه‌گیری
- تغییر ناخواسته واحدها

ابتدا فقط فهرست ایرادها را ارائه کن.
سپس نسخه اصلاح‌شده را بنویس، اما هیچ اطلاعات تازه‌ای اضافه نکن.

بهتر است تولید و بازبینی در دو درخواست جداگانه انجام شوند. وقتی مدل هم‌زمان باید متن بنویسد و آن را کنترل کند، ممکن است بعضی خطاها را نبیند.

ساخت سامانه گزارش‌نویسی با API درواره

شرکت‌ها و توسعه‌دهندگان می‌توانند با استفاده از API هوش مصنوعی درواره، تولید گزارش‌های تکرارشونده را در نرم‌افزار خود پیاده‌سازی کنند.

فرایند پیشنهادی:

1. دریافت داده از منابع معتبر
2. پاک‌سازی و استانداردسازی
3. انجام محاسبات خارج از مدل
4. ساخت ورودی ساختاریافته
5. تولید پیش‌نویس گزارش
6. بررسی ادعاها و اعداد
7. تأیید انسانی
8. انتشار یا ارسال

نمونه درخواست ساده:

curl https://api.darvareh.ir/v1/chat/completions \
  -H "Authorization: Bearer YOUR_DARVAREH_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "YOUR_MODEL_ID",
    "messages": [
      {
        "role": "system",
        "content": "شما دستیار گزارش‌نویسی سازمانی هستید. فقط از داده‌های ورودی استفاده کنید. عدد، تاریخ، علت یا نتیجه جدید نسازید. اطلاعات ناموجود را با عبارت نیازمند تکمیل مشخص کنید."
      },
      {
        "role": "user",
        "content": "یک گزارش هفتگی بنویس. داده‌ها: صفحه ورود تکمیل شد؛ API کاربران تکمیل شد؛ صفحه ثبت‌نام به دلیل مشکل پیامک متوقف است؛ مسئول پیگیری پیامک رضا است؛ مهلت پیگیری مشخص نشده است."
      }
    ],
    "temperature": 0.2
  }'

در این مثال باید YOUR_DARVAREH_API_KEY را با کلید خود و YOUR_MODEL_ID را با شناسه مدل انتخاب‌شده در درواره جایگزین کنید.

برای مشاهده مدل‌های قابل‌استفاده و هزینه‌های به‌روز، صفحه مدل‌های درواره را ببینید.

خروجی JSON برای گزارش خودکار

در نرم‌افزارهای سازمانی بهتر است مدل ابتدا خروجی ساختاریافته تولید کند:

{
  "period": "نیازمند تکمیل",
  "executive_summary": "خلاصه وضعیت",
  "completed_items": [
    {
      "title": "تکمیل صفحه ورود",
      "source": "ورودی کاربر"
    }
  ],
  "in_progress_items": [],
  "blockers": [
    {
      "title": "مشکل سرویس پیامک",
      "owner": "رضا",
      "deadline": null,
      "impact": "توقف تکمیل صفحه ثبت‌نام"
    }
  ],
  "decisions_required": [],
  "next_actions": [
    {
      "action": "پیگیری مشکل پیامک",
      "owner": "رضا",
      "deadline": null
    }
  ],
  "missing_information": [
    "بازه گزارش",
    "مهلت پیگیری مشکل پیامک"
  ]
}

سپس نرم‌افزار می‌تواند این داده را در قالب HTML، PDF، ایمیل یا داشبورد نمایش دهد.

معماری ساده سامانه گزارش‌گیری

یک سامانه کاربردی می‌تواند اجزای زیر را داشته باشد:

• فرم ورود اطلاعات
• اتصال به منبع داده
• ماژول پاک‌سازی
• موتور محاسبات
• API هوش مصنوعی
• اعتبارسنج خروجی
• صفحه بازبینی
• خروجی PDF یا ایمیل
• آرشیو گزارش‌ها

نکته مهم این است که مدل زبانی نباید مستقیماً جایگزین منبع داده یا موتور محاسبات شود. وظیفه اصلی آن، سازمان‌دهی، خلاصه‌سازی و توضیح اطلاعات است.

برای دریافت API و ساخت ابزار گزارش‌نویسی اختصاصی می‌توانید از درواره استفاده کنید.

اشتباهات رایج در گزارش‌نویسی با هوش مصنوعی

درخواست گزارش بدون ارائه داده

اگر فقط موضوع را وارد کنید، مدل ممکن است یک گزارش عمومی و غیرواقعی تولید کند.

اعتماد به عددهای تولیدشده

تمام اعداد باید از فایل، سامانه یا منبع اصلی وارد شوند.

مخلوط‌کردن واقعیت و پیشنهاد

مخاطب باید بداند کدام جمله واقعیت ثبت‌شده و کدام مورد پیشنهاد نویسنده است.

مخفی‌کردن اطلاعات ناقص

عبارت «داده موجود نیست» بهتر از پرکردن جای خالی با حدس است.

استفاده از لحن بیش از حد تبلیغاتی

گزارش سازمانی باید روشن و دقیق باشد، نه پر از صفاتی مانند فوق‌العاده، چشمگیر و بی‌نظیر.

گزارش طولانی بدون خلاصه

گزارش مدیریتی باید با مهم‌ترین یافته‌ها، مشکلات و تصمیم‌های لازم آغاز شود.

حذف مشکلات از گزارش

هدف گزارش فقط نمایش موفقیت نیست. موانع و پیامدهای آن‌ها نیز باید شفاف باشند.

قراردادن اطلاعات محرمانه در ابزارهای عمومی

پیش از ارسال داده، اطلاعات حساس، مشخصات مشتریان و داده‌های شخصی را حذف یا ناشناس‌سازی کنید.

انتشار مستقیم خروجی مدل

پیش‌نویس تولیدشده باید از نظر اعداد، تاریخ‌ها، نام‌ها، منابع و لحن بازبینی شود.

چک‌لیست نهایی گزارش

پیش از ارسال گزارش بررسی کنید:

• عنوان و بازه زمانی مشخص است.
• مخاطب و هدف گزارش روشن است.
• خلاصه مدیریتی با متن اصلی سازگار است.
• تمام اعداد با منبع اصلی تطبیق داده شده‌اند.
• واحد اندازه‌گیری یکسان است.
• داده و تحلیل از هم جدا شده‌اند.
• فرضیه‌ها به‌عنوان واقعیت نوشته نشده‌اند.
• مشکلات و پیامدهای آن‌ها مشخص‌اند.
• اقدامات بعدی مسئول دارند.
• مهلت اقدامات مشخص است.
• اطلاعات ناقص علامت‌گذاری شده‌اند.
• اصطلاحات در تمام گزارش یکسان‌اند.
• اطلاعات محرمانه حذف شده‌اند.
• گزارش از نظر نگارشی بازبینی شده است.
• نسخه نهایی توسط فرد مسئول تأیید شده است.

پرسش‌های متداول

آیا هوش مصنوعی می‌تواند گزارش کار روزانه بنویسد؟

بله. کافی است فعالیت‌های انجام‌شده، کارهای نیمه‌تمام، موانع و برنامه روز بعد را وارد کنید. مدل می‌تواند آن‌ها را به یک گزارش رسمی و منظم تبدیل کند.

بهترین پرامپت برای گزارش‌نویسی چیست؟

پرامپت مناسب باید نوع گزارش، مخاطب، هدف، بازه زمانی، داده‌های ورودی، ساختار خروجی و ممنوعیت ساخت اطلاعات را مشخص کند.

آیا می‌توان از فایل Excel گزارش تهیه کرد؟

بله. ابتدا فایل باید پاک‌سازی و محاسبات آن کنترل شود. سپس می‌توان جدول‌ها و نتایج معتبر را برای توضیح و خلاصه‌سازی به مدل ارائه کرد.

چگونه جلوی ساختن اطلاعات را بگیریم؟

از مدل بخواهید فقط از داده‌های ارائه‌شده استفاده کند، موارد ناموجود را علامت بزند و برای هر ادعا منبع ارائه دهد. بااین‌حال، بازبینی انسانی همچنان ضروری است.

گزارش مدیریتی باید چقدر طولانی باشد؟

طول مناسب به موضوع و مخاطب بستگی دارد، اما خلاصه مدیریتی معمولاً باید کوتاه باشد و وضعیت، تغییر مهم، مشکل، اثر و تصمیم موردنیاز را منتقل کند.

آیا می‌توان گزارش را خودکار به PDF تبدیل کرد؟

بله. در یک سامانه اختصاصی می‌توان خروجی ساختاریافته مدل را در قالب HTML قرار داد و سپس PDF تولید کرد. بهتر است پیش از ساخت نسخه نهایی، گزارش توسط کاربر تأیید شود.

برای گزارش فارسی از چه مدلی استفاده کنیم؟

مدلی را انتخاب کنید که در نگارش فارسی، پیروی از دستور و حفظ اطلاعات ورودی عملکرد مناسبی داشته باشد. پیش از استفاده سازمانی، چند مدل را با نمونه گزارش‌های واقعی و بدون اطلاعات حساس آزمایش کنید.

Temperature مناسب برای گزارش‌نویسی چقدر است؟

برای گزارش‌های دقیق معمولاً مقدار پایین مانند ۰٫۱ تا ۰٫۳ مناسب‌تر است. این تنظیم به‌تنهایی صحت گزارش را تضمین نمی‌کند و داده‌ها همچنان باید کنترل شوند.

جمع‌بندی

گزارش‌نویسی با هوش مصنوعی می‌تواند فرایند تبدیل یادداشت‌ها، جدول‌ها و فعالیت‌های پراکنده به یک سند منظم را سریع‌تر کند. بیشترین ارزش این فناوری در ساختاردهی اطلاعات، خلاصه‌سازی، یکسان‌سازی لحن و تولید پیش‌نویس اولیه است.

برای داشتن گزارش قابل‌اعتماد باید داده‌ها را از منابع واقعی جمع‌آوری کنید، محاسبات را خارج از مدل انجام دهید، واقعیت را از تحلیل جدا کنید و تمام اعداد و ادعاها را قبل از انتشار بررسی کنید.

اگر گزارش‌های روزانه، هفتگی یا مدیریتی به‌طور مداوم در سازمان شما تولید می‌شوند، می‌توانید با API هوش مصنوعی درواره یک سامانه اختصاصی بسازید که داده‌ها را دریافت کند، پیش‌نویس استاندارد تولید کند و پس از تأیید کاربر، گزارش را در قالب موردنظر ارائه دهد.

مقالات مرتبط

• هوش مصنوعی برای Excel؛ آموزش فرمول‌نویسی و تحلیل داده
• ساخت سیستم خلاصه‌سازی جلسات با هوش مصنوعی
• هوش مصنوعی در مدیریت پروژه؛ آموزش عملی و کامل
• ساخت پاورپوینت با هوش مصنوعی؛ آموزش کامل
• آموزش جامع پرامپت‌نویسی و مهندسی پرامپت

برای مطالعه شرایط استفاده و محدودیت‌های مسئولیت، صفحه «سلب مسئولیت» را مشاهده کنید.