Konsulent med årtiers erfaring deler, hvorfor AI bør være en strategisk sparringspartner, ikke drivkraften bag projekter
Mike Hannan er grundlægger og ledende konsulent hos Fortezza Consulting. Med årtiers erfaring i at coache projektledere på alle niveauer har han brugt sin karriere på at hjælpe organisationer med at navigere i komplekse leveringssystemer, optimere porteføljer og udfordre konventionel visdom.
Mike Hannan
Grundlægger og ledende konsulent hos Fortezza Consulting
AI bør fungere som en strategisk sparringspartner, ikke som drivkraften bag leveringen: Hannan argumenterer for, at AI er fremragende til at generere skabeloner, opsummere indhold og evaluere alternativer i forskellige scenarier, men at AI ikke virkelig forstår dyb kompleksitet
Menneskelig dømmekraft er fortsat afgørende i komplekst projektarbejde: Selvom AI kan håndtere rutineopgaver som mødenotater eller grundlæggende modellering, er mennesker stadig nødvendige til socialt, følelsesmæssigt og dybt strategisk arbejde.
Beherskelse af AI-koordinering og bred systemtænkning vil definere fremtidens ledere: Hannan mener, at den reelle værdi ligger hos dem, der kan koordinere AI intelligent ved hjælp af en bred, systemisk forståelse for at maksimere porteføljens investeringsafkast og løse komplekse problemer mere effektivt end specialister, der kun fokuserer på snæver teknisk dybde.
Mike Hannan er grundlægger og ledende konsulent hos Fortezza Consulting. Med årtiers erfaring i at coache projektledere på alle niveauer har han brugt sin karriere på at hjælpe organisationer med at navigere i komplekse leveringssystemer, optimere porteføljer og udfordre konventionel tænkning.
I denne samtale fortæller Mike, hvordan han bruger AI – ikke til at erstatte projektpraksisser, men til at få teams til at stille bedre spørgsmål, undgå falsk sikkerhed og komme tættere på de reelle drivkræfter bag resultaterne.
Det er vigtigere end nogensinde at forstå drivkræfterne bag resultater på systemniveau i AI-æraen
Jeg er grundlægger og ledende konsulent hos Fortezza Consulting, hvor jeg coacher ledere på alle niveauer i at forbedre projektporteføljers resultater. Det betyder, at jeg hjælper dem med at tænke mere systemisk, især i miljøer præget af begrænsninger, indbyrdes afhængigheder – og nu også AI.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Efter min mening er behovet i en AI-først-verden større end nogensinde for virkelig at forstå, hvad der driver resultaterne på systemniveau. Det er stadig den eneste måde at navigere bedre i kompleksitet end konkurrenterne.
Det kan AI ikke endnu. Og det når ikke dertil, før det er bedre trænet til at skelne skidt fra guld.
Sådan bruger du AI til projektskabeloner, projektlevering og porteføljeoptimering
Når det er sagt, er projektlevering under forandring. Jeg oplever, at behovet for de fleste projektskabeloner er faldet markant. De fleste store sprogmodeller kan nu generere solide skabeloner og endda hjælpe med at tilpasse dem til specifikke omstændigheder.
Claude gør for eksempel et ret godt stykke arbejde med dette. Jeg kunne bede den om:
- “Giv mig en skabelon til et projektdirektiv, der er tilpasset kosmetikindustrien.”
- “Giv mig en skabelon til et risikoregister, der er tilpasset atomenergiindustrien.”
Derfra vil jeg forfine den yderligere: “Fokuser på IT-projekter inden for kosmetik” eller “Fokuser på risici ved bortskaffelse af atomaffald.” Svarene er hurtige, fleksible og overraskende præcise.
Jeg er også meget opmuntret af nye AI-funktioner, der kan evaluere hundredvis eller endda tusindvis af scenarier for at finde den optimale løsning under reelle begrænsninger – for eksempel at identificere den projektbaseline, der skaber størst værdi.
Et eksempel, jeg godt kan lide, kommer fra Lightning Motorcycle, som brugte Autodesks AI-forbedrede CAD-værktøjer til at designe langt mere optimale komponenter, end menneskelige ingeniører kunne have designet alene.
Et andet eksempel er TransparentChoice, som bruger AI til at hjælpe kunder med at finde den forskudte flowmodel, der maksimerer gennemløbet inden for ressourcebegrænsninger. Det forenkler et vanskeligt spørgsmål: “Hvor mange projekter kan vi påtage os og stadig opnå den højest mulige gennemførelsesgrad?”
Hvor AI skaber værdi i projektlevering – og hvor mennesker stadig er afgørende
Rutineopgaver som mødenotater, vigtigste pointer og sammenfatninger af store mængder indhold håndteres også meget effektivt af AI. Det alene giver mig flere timer tilbage hver uge.
Til det bruger jeg for det meste Otter.ai, som er mit foretrukne værktøj til at registrere og opsummere drøftelser. Men værktøjer som Copilot fungerer også godt.
De områder, der stadig kræver et menneskeligt bidrag, er mangeartede. Alt inden for det sociale område eller menneskelige tjenester – hvor mentorstøtte, empati eller tillidsfulde relationer er vigtige – afhænger stadig i høj grad af mennesker. Det samme gælder alt, der kræver dyb systemisk tænkning eller kritisk dømmekraft.
Det er stadig menneskets domæne.
Sådan integrerer du AI i komplekse arbejdsgange, samtidig med at menneskelig dømmekraft er central
Nogle gange går jeg videre med AI og opsætter en model, der definerer alt, hvad der er nødvendigt for at synkronisere arbejdet på tværs af mennesker, funktioner og endda partnere i forsyningskæden.
AI kan nemlig indplaceres i den model, hvor det giver mening. Mennesker skal derefter justere ud fra, hvordan samspillet mellem AI-agenter og menneskelige agenter fungerer.
Her er en enkel analogi: Forestil dig, at en direktørs personlige assistent går på pension, og direktøren er fortvivlet over at miste den finjusterede støtte. I stedet for at ansætte en afløser bygger du en model, der koder præferencerne:
- “Der skal altid være 15 minutter mellem møder”
- “Foretræk flyselskab A, medmindre der ikke findes en direkte flyafgang”
- “Fordybelsestid må kun afbrydes, hvis direktør A eller kunde B insisterer”
Med tiden forbedrer modellen sig og dækker 95 % af scenarierne godt.
Men der kommer altid et punkt, hvor menneskelig dømmekraft er uundværlig — når man skal aflæse følelsesmæssige signaler, kulturelle nuancer eller skiftende prioriteter. Hvad hvis et familiebesøg ikke er velkomment? Hvad hvis en kunde begynder at presse for hårdt? Hvad hvis en chefs hastende behov langsomt bliver mere tydeligt? Det er her, kombinationen af mennesker og AI bliver værdifuld.
I projekter er modellen mere kompleks, men princippet er det samme: Byg den, forbedr den, og orkestrér samspillet mellem AI-agenter og menneskelige agenter, så hver af dem gør det, de er unikt gode til.
AI forstår ikke kompleksitet på et dybt plan
Selvom AI hjælper mig med at bruge mindre tid på at opsummere eller sammenfatte information, skaber det også en farlig illusion: at modellerne selv “forstår” dyb kompleksitet. Det gør de ikke.
På grund af denne illusion leder mange kunder efter hurtigere resultater i håbet om, at AI kan levere det, de opfatter som "hurtige løsninger". For at hjælpe dem med at nå dertil fokuserer jeg på teknikker til flowacceleration, der bygger på begrænsningsteorien og Lean. Disse tilgange hjælper projekter med at bevæge sig hurtigere uden at springe over, hvor gærdet er lavest.
Og når vi taler om forventningsafstemning, opfordrer jeg som regel kunderne til at sigte højere — til at forvente mere acceleration. Beskedne mål giver ofte beskedne resultater.
Så min rolle i dag handler mindre om at opsummere eller levere hovedpointer og mere om at hjælpe ledere med at standse op, træde et skridt tilbage og udfordre deres antagelser. Det er her, de reelle forbedringer i resultaterne kommer fra.
Sådan bruger du AI til at udfordre antagelser og forbedre den kritiske tænkning
Jeg bruger AI som et mål for kritik, ikke som en løsning. Den er der for at blive udfordret. Den er en tænkemakker snarere end en drivkraft.
Jeg bruger AI som et mål for kritik, ikke som en løsning. Den er der for at blive udfordret. Den er en tænkemakker snarere end en drivkraft.
Et godt eksempel er at tage de generiske svar på overfladeniveau, som LLM'er genererer, og bruge dem som mål for kritik. Jeg beder kunderne skille disse svar ad:
- “Hvad skulle være sandt, for at dette kunne være falsk?”
- “I hvilken sammenhæng kunne dette være helt forkert?”
Disse spørgsmål træner dem i at udforme smartere opfølgende prompts, som ofte fører til reel indsigt.
Og spørgsmålene skærper også deres kritiske tænkning, hvilket er særligt vigtigt nu. Det er overraskende, hvor modtagelige de fleste af os er over for bekræftelsesbias. Når AI giver folk et svar, der understøtter det, de allerede tror på, føler de sig ofte bekræftet — og slår derefter deres kritiske tænkning fra.
Det er ikke bare overraskende; det er skræmmende.
Modernisering af projektleverancer, samtidig med at ROI maksimeres
For mig er enhver teknik eller tilgang, der hjælper med at maksimere ROI for en projektportefølje — i stedet for blot at styre baselineplaner uden at lede efter alternativer med højere værdi — guld værd. De er ikke altid “lette”, men de aflaster mennesker noget, samtidig med at den samlede effekt øges.
Nogle eksempler, jeg bruger sammen med kunder — og som alle kommer med i den kommende 8. udgave af PMBOK (som jeg har været med til at skrive) — omfatter værdinedbrydningsstrukturer, træk på den kritiske sti og omkostninger ved træk på den kritiske sti.
Disse udvider det traditionelle koncept om den kritiske sti til også at omfatte værdi. Hvis jeg for eksempel kan fremskynde den kritiske sti med en måned, men det koster $200K, vil den ekstra værdi så opveje omkostningen?
Andre effektive tilgange omfatter:
- Projektledelse efter den kritiske kæde (CCPM) på både projekt- og porteføljeniveau — for at maksimere gennemløbet og præstationen i forhold til deadlines.
- Analytisk hierarkiproces (AHP) — til at udvælge projekter med højere værdi.
Hver af disse teknikker er udviklet til at maksimere ROI, ikke blot til at styre leveringen.
Agentbaserede arbejdsgange er ikke besværet værd — endnu
Hvis AI kunne trænes til proaktivt at fremhæve alternativer med større værdi, efterhånden som de opstår — uden at blive bedt om det — ville det være et reelt gennembrud. Det er dér, AI ville holde op med blot at være et værktøj og begynde at fungere som et ægte bidragende medlem af teamet.
Jeg er begyndt at eksperimentere med dette konceptuelt. Der dukker nogle lovende modeller op, som kunne gøre agentbaserede arbejdsgange mere brugervenlige og udbredte, men de kræver stadig en stor indsats på forhånd for at blive trænet til den unikke kontekst i hver organisation.
Selv noget så enkelt som at lære en agent at forstå mine rejsepræferencer og foreslå komplette rejseplaner har indtil videre taget mere tid at træne, end den har sparet mig. Men når den først virkelig har lært det, er jeg overbevist om, at udbyttet vil vende, og at det samme princip vil gælde for projektleverancer.
Hvorfor mennesker, der mestrer AI, vil ændre projektleverancer
I sidste ende tror jeg ikke, at AI vil ændre projektleverancer. Jeg tror, at de mennesker, der lærer at mestre og orkestrere AI, vil ændre dem.
I sidste ende tror jeg ikke, at AI vil ændre projektleverancer. Jeg tror, at de mennesker, der lærer at mestre og orkestrere AI, vil ændre dem.
Og meget komplekse — selv “uhåndterlige” — problemer vil begynde at føre til enklere og mere elegante løsninger, genereret hurtigere end nogensinde før af den enorme computerkraft i agentbaseret AI.
Hvorfor breddefokuseret tænkning vil definere den næste generation af leveranceledere
Mit råd er enkelt: Tænk bredt først.
De fleste af os har lært, at specialister og teknisk dybdegående eksperter vil blive belønnet økonomisk mere end generalister, og sådan har det været i mange årtier. Men jo mere AI kan håndtere teknisk dybe problemer hurtigere og mere effektivt, end mennesker kan, desto mere værdifuld bliver en helhedsorienteret, breddefokuseret forståelse på systemniveau.
Jo mere AI kan håndtere teknisk dybe problemer hurtigere og mere effektivt, end mennesker kan, desto mere værdifuld bliver en helhedsorienteret, breddefokuseret forståelse på systemniveau.
For hvis du ikke ved nok om problemets fulde omfang til at orkestrere et netværk af AI-agenter, der kan hjælpe dig med at løse det, vil din værdi på arbejdsmarkedet blive udvandet.
Følg med
Du kan følge Mikes arbejde på LinkedIn og læse mere om hans konsulentvirksomhed hos Fortezza Consulting.
Flere ekspertinterviews følger på The Digital Project Manager.
