Fra AI-eksperimenter til effekt i bureauet: Sådan omsættes nysgerrighed til målbare resultater

Galen Low: Hvad er den hellige AI-gral, som bureauledere søger, når de giver medarbejderne tid og plads til at eksperimentere med AI?

Kelly Vega: Jeg brugte normalt omkring 30 % af min arbejdsuge på noget, der nu tager mig mindre end 5 %. Helt uden tvivl.

Harv Nagra: Det var for et par år siden. Under vores månedlige fællesmøder skabte vi plads til, at alle frivilligt kunne præsentere nogle af deres eksperimenter og dele den viden med de andre.

Melissa Morris: Man skal ikke bare kaste det ud til teamet: »Hey, vi skal gøre X, Y og Z. Lad os få det til at ske.« Når alle er ansvarlige, er ingen ansvarlig. Behandl det som et kundeprojekt, ellers bliver det ikke gjort.

Kelly Vega: Vi lavede faktisk en standardaftale om, at alt skulle transskriberes, og alle var bare sådan: »Ja, tak. Ansvarlighed. Det er fantastisk.«

Galen Low: Dagens session handler om at tage jeres bureau fra en tilstand, hvor I bare pusler med AI, til virkelig at drage fordel af AI-understøttede processer i stor skala. Lad os derfor møde vores paneldeltagere.

Melissa Morris er grundlægger af Agency Authority og desuden en meget aktiv LinkedIn-videoproducent. Du lægger virkelig mange videoer op. De er både gode og værdifulde. Jeg er nødt til at spørge dig, Melissa: Ud over at du næsten hver dag offentliggør indhold af høj værdi om bureauer, har jeg også set dit navn optræde i podcasts sammen med navne som Sharon Tarrick og Robert McPhee. Hvordan holder du din energi så smittende, uanset hvor du dukker op?

Melissa Morris: Jeg drikker virkelig meget koffein, Galen. Nej, det er en joke.

Jeg tror, det skyldes et par ting. Jeg har arbejdet med det her i lang tid. Jeg føler virkelig, at jeg forstår de bureauindehavere, jeg arbejder med, på et dybt plan. Jeg er meget begejstret for at støtte dem, så ekstroverten i mig er meget glad for at dele en masse god information og være sammen med dem.

Jeg har også et fantastisk team, der støtter mig. Vi har et stærkt system til indholdsstyring og en god arbejdsgang, så de gør det meget nemt for mig bare at gå på video, tale og være sammen med folk. Derefter trækker jeg mig, og de håndterer alt det svære for mig.

Galen Low: Det elsker jeg. Hvem skal jeg tage fat på som den næste?

Måske fru Kelly Vega, som er programdirektør hos VML og også viral TikTok-komiker. Kelly, du er for nylig vendt tilbage til en konto med et kendt navn hos et bureau med et kendt navn efter en lille rejse ind i en helt anden niche og verden. Føles det, som om du er vågnet op i en drøm i et parallelt univers?

Hvad er anderledes ved den måde, tingene fungerede på i dit tidligere bureau sammenlignet med nu?

Kelly Vega: Det har virkelig givet perspektiv. Nogle gange tænker man, at græsset er grønnere på den anden side. Det var ikke nødvendigvis grønnere eller mindre grønt; det var bare en anden oplevelse. Da den oplevelse nåede et vendepunkt, tænkte jeg: »Okay, hvad nu?«

Og det næste blev at vende tilbage, hvilket jeg aldrig havde gjort før. Jeg har aldrig været en, der vendte tilbage. Så det har været fantastisk. Jeg fokuserer på bureauets drift og levering for store kunder. Jeg kom tilbage med et nyt perspektiv og erfaring i bagagen, så jeg er meget glad og begejstret for at være her og tale om AI og bureauets drift.

Galen Low: Det er også glæden ved bureauarbejde. Man kender variationen, ikke? Man kan bevæge sig på tværs af vertikaler og brancher, komme tilbage med erfaringer fra nærliggende områder og tage det perspektiv med sig.

Kelly Vega: Ja. Og når man ser det i lille skala, i større skala og på tværs af sammenhænge, er der virkelig meget at sige. Det er fedt.

Galen Low: Jeg vil gøre brug af nogle af de perspektiver i dag, så tak fordi du deltager.

Sidst, men ikke mindst, har vi Harv Nagra, chef for brandkommunikation hos Scoro og vært på podcasten The Handbook: Agency Ops. Harv, du afslørede for nylig over for mig, at du faktisk fik din skuespillerdebut i en videobaseret kundecase, da du var Scoro-kunde.

Nu arbejder du hos Scoro, hvor du bruger din baggrund inden for bureauets drift og dine Oscar-værdige skuespillerevner i en ny LinkedIn-videoserie kaldet Ops Quickies. Det store spørgsmål for mig er derfor: Hvor lang tid går der, før vi ser The Handbook som en spillefilm, eller i det mindste mere videoindhold fra dig?

Harv Nagra: Jeg tror faktisk, den allerede er under produktion. En gyserhistorie: Et ondt kundeteam, der ikke udfylder deres timesedler, og ChatGPT, der lukker ned. Jeg tror, du vil elske den.

Galen Low: Den ville jeg se. En thriller. Helt sikkert.

Harv Nagra: Ja. Et vågent mareridt. Jeg bor i London i Storbritannien, men kommer oprindeligt fra Vancouver i Canada. Så jeg er glad for at se nogle af jer fra British Columbia derovre.

Galen Low: Harv og jeg kommer fra samme hjemby. Jeg er også oprindeligt fra Vancouver i British Columbia. Vi kendte ikke hinanden, da vi boede i Vancouver, men jeg er glad for, at vi har forbindelse nu, og at jeg kan lokke dig med til en paneldiskussion online fra Storbritannien.

Lad mig sætte scenen. Jeg hører fra mange bureaufolk, at deres bureauer beder medarbejderne afsætte to til fire timer om ugen til obligatoriske AI-eksperimenter og -undersøgelser.

Selvom jeg ikke nødvendigvis finder det overraskende i betragtning af AI's lovede potentiale, vil jeg sige, at det kun er kort tid siden, der ikke var plads til at bruge to til fire timer om ugen og samtidig nå en udnyttelsesgrad på 80 %. Mens bureauledere sandsynligvis håber, at disse eksperimenter vil føre til innovative gennembrud, der kan tidoble deres forretning, er virkeligheden, at det ikke nødvendigvis er nok bare at pusle med AI.

Eksperimenter har brug for rammer. De har brug for kriterier for succes. Og derudover skal vellykkede eksperimenter mobiliseres ind i en implementeringsfase for at skabe værdi for hele organisationen. Så det egentlige spørgsmål er: Hvad er den bedste måde at gå fra uformelle AI-eksperimenter til AI-understøttede driftsforbedringer i hele bureauet, og hvad står på spil, hvis bureaufolk ikke kan nå dertil?

Tegn et billede. Vi taler om AI, om at udvikle et bureau eller enhver anden type organisation, men nogle gange er det uklart, hvordan destinationen ser ud. Derfor vil jeg spørge panelet: Hvad er den hellige AI-gral, som bureauledere søger, når de giver medarbejderne tid og plads til at eksperimentere med AI?

Handler det bare om at give medarbejderne erfaring med teknologien, eller handler det om at bevæge sig hurtigere mod en hybrid forretningsmodel mellem mennesker og AI? Og hvis det er en trappe, hvordan ser den så ud? Kelly, vil du lægge ud?

Kelly Vega: Det vil jeg gerne. Jeg tror først og fremmest, at den tid, der opfordres til at blive brugt på at undersøge AI, handler om effektivitet set fra et projektleder- og driftsperspektiv.

Det handler om at gøre administration mere effektiv og fjerne beslutningslammelsen. Når man bruger lang tid på mødereferater og på at afklare, hvem der sagde hvad, kan man bruge transskriptioner i et referat. Man skal selvfølgelig læse det igennem, kontrollere at alles navne er stavet korrekt og sikre, at der ikke står noget som, at en person var frustreret, hvis man ikke nødvendigvis ønsker at notere det.

Men det handler om at fjerne meget af det ekstraarbejde, som man ellers bruger tid på. Jeg brugte normalt omkring 30 % af min uge på noget, der nu tager mig mindre end 5 %. Helt uden tvivl. Derfor er det et stort fokus for mig, fordi det er der, mine tanker naturligt går hen: driftsprocesser og standardisering af processer. Jeg kunne nævne mange eksempler, men det er dér, mine tanker går, og det er også dér, jeg har set mange projektledere og digitale projektledere bevæge sig hen.

Galen Low: Jeg kan godt lide idéen om mennesket i sløjfen, ikke?

Det er ikke nul. Men et andet perspektiv, jeg ikke rigtig havde tænkt på, er, hvor smertefuldt det faktisk kan være for ens chefer at se deres dygtigste medarbejdere skrive fremragende referater og noter med korrekt stavede navne. De tænker måske: »Det, jeg virkelig værdsætter ved dig og dine evner, er jo ikke det.«

»Jeg vil have, at du laver andre ting.« Det er faktisk ikke kun smertefuldt for dem, der skal udføre det administrative arbejde. Det kan også være smertefuldt for ledere, der gerne vil have, at man ikke bruger 30 % af sin tid på det, fordi man er bedre til noget andet.

Kelly Vega: Præcis.

Det understøtter leveringen. Det erstatter bestemt ikke det talent eller den strategi, der er nødvendig, og som ens hjerne har brug for plads til at fokusere på. Jeg er mindre udbrændt, fordi jeg ikke bruger den energi på administrative ting, der ikke bidrager produktivt til strategien.

Galen Low: Jeg kan godt lide, at den hellige gral ikke handler om at være så overvældet, at man begynder at tage genveje og sprede sig selv for tyndt.

Melissa, du arbejder med mange bureauer og ser på deres drift. Jeg forestiller mig, at du også har et ret godt perspektiv på, hvad de mennesker, du taler med, ser som deres hellige gral og vision for fremtiden. Hvad hører du?

Melissa Morris: Jeg tror, det minder meget om det, Kelly siger, og det handler på et meget praktisk, dagligdags niveau om, hvordan det ser ud. Men hvis man går et skridt videre, er det, de virkelig søger, øget lønsomhed. Bureauer kan nogle gange ende med meget små avancer, især kreative bureauer og brancher.

De er berygtede for at komme uden for projektets rammer. Tre korrekturrunder bliver til ti, og så ændrer kunden retning. Pludselig er vi tilbage ved tegnebrættet. Derfor er der altid et ønske om at vende tilbage til spørgsmålene: Hvor kan vi forenkle? Hvor kan vi strømline? Hvor kan vi skabe mere luft i vores avancer og tidsplaner?

Det er en udfordring i nogle af de kreative områder. Hvor kan vi derfor virkelig fokusere på administrative ting som mødereferater, præsentationer eller andet, der kan give bureauet lidt mere margin og luft, når vi i årevis har kæmpet med at få styr på det?

Galen Low: Det elsker jeg. Ved et af vores tidligere arrangementer, jeg tror det var i juli, fokuserede vi på kreative projekter. Det, der slog mig, var, at det ikke behøver være ensartet. For en projektleder, der leder et projekt og fokuserer på levering eller drift, kan det handle om daglig operationel effektivitet. Men fra et projektperspektiv for teamet kan der være tidspunkter, hvor man faktisk ønsker, at der bruges meget tid og menneskelig energi på at skabe noget.

Hvis man ser på billedtilpasning, er der dog et tidspunkt, hvor man tænker: »Jeg vil hellere have, at mine bedste designere og kreative medarbejdere ikke bruger tiden på at ændre billedstørrelser eller skrive lokaliseret tekst til en kampagne.« Der findes områder, hvor det er smertefuldt at se de bedste mennesker udføre opgaverne, og hvor AI måske kan hjælpe. Det handler ikke nødvendigvis om at skrue AI op på 110 overalt, men om at finde de steder, hvor det virkelig gør en forskel.

Kelly Vega: Ja. At oprette en Jira-sag er eksempelvis noget, der kan være ret administrativt.

Det minder om at lave et mødereferat eller opsummere en e-mail. Men der kan være meget teknisk indhold i en Jira-sag. Hvis man tager et langt svar fra en udvikler eller en teknisk orienteret person og indsætter det, kan man sige: »Hey, lav en Jira-sag ud af det her.«

Derefter læser man det igennem og ser, om noget skal justeres. Hvis man medtager platformen eller andre relevante oplysninger, kan AI udbygge det, hvorefter man forkorter og tilpasser det, så det passer til sagen. Den kan foreslå etiketter, som man måske ikke har brug for, men processen sparer projektledere meget tid. Når nogen får besked på at lave en Jira-sag, går de nogle gange i stå, eller også bliver den ikke oprettet før næste dag, fordi de skal have tid til at tænke over den.

Galen Low: Det er mig. Det tager mig flere dage at oprette en Jira-sag, og jeg ville ønske, jeg kunne komme hurtigere i gang.

Men jeg er også den person, for hvem den menneskelige del er vigtig. Jeg skal have styr på mine ting, før jeg deler med teamet, hvad vi bør gøre, fordi det får følgevirkninger, hvis jeg tager fejl. Samtidig undervurderer vi den enorme mængde tid, der går med at klikke på knapper, kopiere og indsætte og finde oplysninger i forskellige værktøjer.

Hvis det kan strømlines, er det en fantastisk ting. Lad os zoome lidt ud og gøre det konkret. For nogle, der hører om det her for første gang, fungerer organisationen måske ikke sådan. De tænker: »Jeg ville elske at have AI-fordybelse hver dag. Det lyder sjovt.« Men hvordan ser det ud i nogle af de organisationer, I taler med?

Harv, du taler med mange mennesker i din rolle hos Scoro. Hører du meget om det?

Harv Nagra: Ja. En ting, jeg kom til at tænke på, var, at det var for et par år siden, da jeg arbejdede i mit tidligere bureau.

Det foregik under vores månedlige fællesmøde. Det var ikke obligatorisk tid, men vi opfordrede folk til at lege med værktøjerne. Under mødet skabte vi plads til, at alle frivilligt kunne præsentere nogle af deres eksperimenter eller det, de havde lært.

På den måde blev det delt med alle. For nylig deltog jeg i et morgenmøde om AI inden for marketing, marketingvirksomheder og bureauer. En person talte om en slags arbejdsgruppe, hvor folk frivilligt havde meldt sig, og som mødtes hver måned og skulle præsentere noget.

Det kunne være interessante og relevante AI-nyheder eller et eksperiment, de havde gennemført. Det faktum, at det foregår hver måned, og at man skal dele noget, betyder, at det bliver gjort i stedet for bare at være noget, man måske får tid til senere, men aldrig prioriterer.

Fordelen er igen, at man deler viden med andre. Hos Koro, hvor jeg arbejder nu, har vi en AI-kanal i Slack, hvor vi deler nyheder og eksperimenter. Vi har også for nylig gennemført en undersøgelse af AI-kompetencer i hele virksomheden for at finde ud af, hvad folk bruger.

Vi har meget strenge regler for brugen, så vi ved allerede, hvilke værktøjer folk bruger, og hvad de bruger dem til, fordi de er blevet kontrolleret med hensyn til data. Jeg anbefaler den slags tiltag for at sikre en regelmæssig rytme for læring, præsentationer og videndeling.

Galen Low: Det er et interessant analyseværktøj på en meget optimistisk måde. Jeg har set nogle, der virker kolde og sterile, som om man kan miste sit job, hvis man svarer forkert. Det her driver uddannelse, hvilket jeg tror er den store pointe. Temaet om at dele information er enormt vigtigt.

Jeg kan godt lide den mekanisme, der tvinger folk til at dele. Det er måske ikke for alle. Nogle vil sikkert rulle med øjnene og tænke: »Åh nej, skal jeg lave den her AI-ting og præsentere om den? Hvornår går jeg i folkeskole?« Men det er også en mekanisme, der tvinger videndeling frem. Hvis vi ikke deler viden, kan intet skaleres eller spredes.

Det er nemt for én person at samle alle de fremragende arbejdsmetoder hos sig selv. Men så er det kun den person, der bruger dem, og effekten på projekterne bliver lille i stedet for stor. Det skaber selvfølgelig sine egne udfordringer.

Er der andre, der har et eksempel på, hvordan en organisation eller et bureau strukturerer denne type eksperimenter?

Kelly Vega: Ja. Vi har faktisk et proprietært værktøj. Det er meget robust og opdelt efter kreative, operationelle og strategiske behov. Her kan man finde bestemte prompts, filtyper eller andet, der skal oprettes.

På trods af hvor omfattende det er, går jeg ofte bare til chatfunktionen, som jeg har brugt andre steder i lang tid. Det betyder ikke, at det robuste værktøj ikke er nyttigt, når man har brug for noget specifikt, men ofte opdager man det først, når man falder over det.

Det er derfor meget naturligt at bruge chatfunktionen. Det proprietære værktøj har en standardindstilling, der siger: »Brug dette. Det er dit. Hvis du har feedback, så giv os besked her.« Vores kunder kender og bruger det også.

Det handler derfor mindre om at afsætte et bestemt tidsrum til at eksperimentere med AI og mere om, at vi selv forventes og opfordres til at vise, hvordan vi bruger det effektivt. Hver gang jeg har en opgave, kan jeg eksempelvis analysere en Jira-eksport over tidsforbrug. Jiras rapporteringsfunktion er god, men hvis jeg leder efter noget meget specifikt, har jeg ikke tid til at grave rundt og ændre filtre.

Hvis sikkerheden og alle retningslinjerne overholdes, kan jeg give eksporten til AI og spørge: »Fortæl mig dette om det«, eller »Hvordan udvikler det sig?« Det hjælper mig med at begynde at tænke, hvorefter jeg går tilbage til Jira og ser på, hvordan jeg kan optimere.

Det giver mig ikke bare et svar på, hvad jeg skal gøre; det hjælper mig med at komme videre. Værktøjet er nu standard hos os, så spørgsmålet er ikke længere, om vi bruger det, men hvordan vi bruger det.

Galen Low: Har du mulighed for at bidrage til det proprietære værktøj? Er det trænet på alt det, folk gør i hverdagen, eller bruger I tid på at sige: »Sådan gør jeg en bestemt ting. Jeg uploader den, eller træner modellen på den«?

Kelly Vega: Det spekulerer jeg også på. Det er knyttet til min konto, og jeg har bemærket, at opsummeringerne i stigende grad lyder som min egen stemme. Jeg bruger dog stadig ikke teksten direkte som copy-paste i mine e-mails. Jeg bruger de punktopstillinger eller processer, der bliver leveret, og finpudser dem derefter, så de bliver mine egne.

Der er behov for justeringer. Hvis jeg skulle sætte tal på, vil jeg sige, at jeg tilpasser 10-30 % af referaterne eller tilføjer links. Jeg vil gerne vise, at jeg faktisk har forholdt mig til det referat, jeg giver dig, og at du ikke bare får noget, der er spyttet ud med de samme emojis og tankestreger på de samme steder.

Galen Low: Eller en tankestreg.

Kelly Vega: Ja. Jeg ville faktisk bruge dem før, men nu kan jeg ikke bruge dem, for så tænker folk: »Okay. For det første ved vi alle, at vi bruger AI. For det andet: en tankestreg.«

Galen Low: Så må jeg gå ind og tilføje nogle slåfejl i min e-mail, før jeg sender den.

Kelly Vega: Ja, præcis.

Galen Low: Utopien er for ren til, at mennesker tror på den, så vi er nødt til at ødelægge den en smule.

Kelly Vega: Fejlstavet »helt sikkert«.

Galen Low: Hver gang.

Jeg spekulerer på, om det leder os hen til noget, jeg har antydet: Jeg kalder det at pusle med teknologien, men der er en proces, hvor man lærer teknologien og dens muligheder at kende.

Der er også det at forbedre sin egen personlige produktivitet. Jeg bifalder, at en organisation som et bureau, der er bygget på projekter og fakturerbare timer, er villig til at investere ikke-fakturerbar tid i, at folk eksperimenterer med AI.

Men selv de bedste AI-eksperimenter kan ende på en hylde og samle støv, ligesom alle de hackathons, vi har afholdt gennem det seneste årti. Det kræver en vis struktur og formalisering. Det handler ikke kun om at pusle med tingene.

Hvordan kan bureauer skabe en struktur, der vurderer gode idéer, indarbejder dem i strategien og flytter dem ind i implementering, så de bliver en del af virksomhedens fundament og ikke bare et værktøj, der bruges i et hjørne?

Hvordan undgår projekterne at blive det frygtede interne projekt, der altid har lavest prioritet i forhold til kundeprojekter? Det var næsten klar til lancering. Vi brugte al vores eksperimenteringstid på at bygge det fantastiske værktøj, men hver gang vi forsøger at rulle det ud, får vi et stort projekt fra en kunde. Så det kommer bare til at stå ubrugt. Hvordan beskytter man sig mod det?

Melissa Morris: Det taler jeg meget med vores kunder om. I driftsverdenen kan projekter, aktiviteter, udarbejdelse af standardprocedurer og arbejde i projektstyringsværktøjer være de mindre spændende ting.

Når der uundgåeligt kommer kundeopgaver, er det ofte den slags, der bliver skubbet til side. Derfor minder jeg altid bureauindehavere om, at hvis de har et internt projekt, der skal gennemføres, skal det bemandes, præcis som et kundeprojekt.

Man skal ikke bare sige til teamet: »Hey, vi skal gøre X, Y og Z. Lad os få det til at ske.« Når alle er ansvarlige, er ingen ansvarlig. Det ved vi vist alle.

Man skal heller ikke give det til en person, der allerede har en stor deadline og er på fuld kapacitet med egne kundeopgaver. Så bliver det ikke gjort.

Behandl det som et kundeprojekt med reelle milepæle. Er der en kreativ brief? Hvad forsøger vi at løse? At sige »Find ud af, hvordan vi kan bruge AI til at gøre bureauet større, hurtigere og stærkere« er en meget stor og uklar opgave.

Med Kellys eksempel kan man i stedet sige: »Det er meget tidskrævende at skrive Jira-sager. Hvordan kan vi bruge AI til at hjælpe os med det?« Vær meget konkret om, hvad I forsøger at opnå.

Vær også konkret om forventningerne. Man kan bruge tre måneder på at sige: »Jeg undersøger det stadig.« Hvad er de første skridt? Hvad skal undersøgelsen resultere i? Jeg vil have, at du bruger ti timer på at se på bestemte typer værktøjer. Her er budgettet.

Man skal heller ikke komme tilbage med et fantastisk værktøj, der koster 800 dollars om måneden, uden at det var aftalt. Skab nogle rammer, og fortæl personen, hvad forventningen er, mens vedkommende eksperimenterer.

Rul det derefter ud, som du ville levere noget til en kunde. Kom til det ugentlige statusmøde. Fortæl om fremskridt, blokeringer og udfordringer. Når man bemander projektet og behandler det som kundelevering, bliver det gennemført.

Galen Low: Det kan jeg godt lide. Du nævnte også bemanding, og jeg tænker, at man bør sætte et dollartegn ved siden af.

Nogle gange handler det om business casen. Min grundlæggende antagelse er, at de fleste bureauer og andre organisationer investerer tid for at forbedre virksomheden, driften og medarbejdernes livskvalitet. Derfor skal der være et afkast.

Selv på eksperimentniveau bør der være en hypotese. Carrie skrev i chatten, at AI-implementering skal være i overensstemmelse med virksomhedens mål og målsætninger. Det er vigtigt.

Vi talte for nylig internt om idéer i en Dropbox, hvor folk bare kan lægge projektidéer ind. Afhængigt af kulturen får man enten idéer, der passer godt til de overordnede mål, eller idéer, der er så tilfældige, at ingen længere vil kigge i Dropboxen.

Der er derfor et kulturelt arbejde i at få alle til at rette sig mod de bredere mål. Eksperimenterne skal have en hypotese eller et mål. Jeg kan godt lide tanken om at prioritere dem, som man ville prioritere en portefølje af projekter: Hvor får vi det stærkeste afkast? Det er det projekt, vi bør bemande, investere i og behandle som et rigtigt projekt.

Melissa Morris: For at tilføje lidt til det: Hvor relevant er det, og hvordan prioriterer man det? Jeg kan sige: »Vi kan lave en præsentation på fem minutter ud fra denne transskription. Se, hvor fantastisk det er.« Men hvis vi kun laver én præsentation hver 18. måned, skal vi ikke rulle det ud, træne teamet og holde en parade.

Når jeg skal lave en præsentation om 18 måneder, bruger jeg et par timer på den og går videre. Man skal afstemme ressourcerne med investeringsafkastet.

Galen Low: Jeg kan godt lide den prioritering.

Kelly Vega: Der er også noget at sige om teamets opbakning.

At nogle er begejstrede, betyder ikke altid, at alle er enige eller bakker op. Man skal forklare forretningsmålene og de KPI'er eller effektivitetsgevinster, man forventer. Når folk forstår det, kan det gå hurtigt. De tænker: »Okay, nu er det en prioritet.«

Galen Low: Det er forandringsledelsesdelen. Jeg spekulerer også på, om der er en nuance. Når man laver et projekt, man aldrig har lavet før, ved man faktisk ikke, hvor lang tid det tager. Meget af AI-arbejdet er nyt.

Nogle medarbejdere kan være modvillige og tænke: »Fantastisk, ansæt mig til at oplære min afløser.« Andre synes måske bare, det er fjollet. Hvordan navigerer organisationer og bureauer i det, så projekterne passer ind i de rammer, man har fastlagt?

Er det i orden, at projektet ikke holder sig helt inden for den oprindelige plan? Er det bare endnu et projekt, eller skaber AI en nuance, der gør det mere kompliceret end de almindelige projekter, man laver for kunder?

Harv Nagra: Uanset hvad man laver, er det værdifuldt at have et skøn over, hvor lang tid det kan tage, og tidsafgrænse opgaven. Man har ikke 40 timer om ugen til eksperimenter. Man har måske et par timer.

Man kan sige: »Vi afsætter ti timer til dette over tre uger og vurderer derefter.« Hvis det ikke er afsluttet, kan man beslutte, om man vil fortsætte, sætte det på pause eller afslutte det, fordi det er for kompliceret eller ikke udvikler sig som forventet.

Det er en god måde at tidsafgrænse arbejdet på og derefter vurdere, om det bevæger sig i en nyttig retning.

Galen Low: Jeg kan også lide det, fordi det er et mikrokosmos af, hvordan finansiering fungerer. Vi giver lidt penge for at nå hertil og flere, hvis man når dertil. Hvis ikke, får man måske ikke flere.

Hvilke milepæle gør det muligt at bevæge sig trin for trin mod værdi? Kulturen skal kunne sige: »Vi har allerede brugt mange penge, men det virker ikke. Det er okay, at det mislykkes. Lad os stoppe nu, før vi taber endnu mere.«

Kelly Vega: Med AI-projekter og -initiativer gælder det, at fordi man kan, betyder det ikke nødvendigvis, at man bør. Det hører vi ofte fra kunder, der måske ikke kender alle bedste praksisser, eller som ikke ved, hvor teknologien er relevant. På et tidspunkt skal man kunne sige: »Bare fordi vi kan, skal vi så gøre det, når vi ser på den resterende indsats og det, projektet hidtil har opnået?«

Galen Low: Jeg overvejer, om jeg skal spille djævlens advokat. Vi eksperimenterer med ting, som vi skal kunne måle. Implementering kræver en plan og bemanding som et projekt, men den skal også være iterativ.

Djævlens advokat i mig siger: Hvorfor gør vi ikke bare det, de fleste organisationer gerne vil gøre i dag? Hvorfor springer vi ikke planlægningen over? Vi arbejder alligevel iterativt. Lad os tage alle de gode idéer fra uge til uge og begynde på den første halve del af dem alle.

Det burde være fint, ikke? Vi kan måle, vi investerer ikke meget, og vi kan organisere det senere. Planlægning er måske noget fra før AI. Hvorfor ville det være en god eller dårlig idé?

Melissa Morris: Når vi ruller noget nyt ud, uanset om det er AI eller ej, skal vi forstå, at der er forskellige grader af opbakning, tekniske evner og tryghed i teamet.

Vi skal passe på ikke at efterlade nogle mennesker. Det gælder også, når vi indfører nye tidsregistreringssystemer, projektstyringsværktøjer eller CRM-systemer. Vi skal have en plan for, hvornår teamet involveres, om de forstår på et overordnet niveau, hvorfor vi gør det, hvordan træningen skal foregå, og hvilken støtte der er til dem, der har brug for mere hjælp.

Nogle er meget interesserede i teknologi og begejstrede for AI. Andre er mere forsigtige, mindre teknisk orienterede eller ser ikke værdien.

Man skal også huske frygten. Nogle tænker måske: »Er jeg ved at skabe ressourcerne til at erstatte mig med en AI-bot?« Eller: »Vil de nu bede mig om at lave dobbelt så meget arbejde, fordi de tror, at jeg kan gøre det dobbelt så hurtigt?«

AI skaber en anden type bekymring end mange tidligere teknologiske fremskridt, fordi folk kan være reelt bange for deres jobsikkerhed. Derfor skal man være meget tydelig om, hvad man gør, hvorfor man gør det, hvordan træningen og støtten ser ud, og give teammedlemmerne plads til at dele tanker og bekymringer.

Galen Low: Det elsker jeg. Det kan ikke forhastes. Vi kunne teknisk set begynde at rulle 100 nye idéer ud i morgen, men hvad gør det ved vores hjerner og følelser? Hvordan holder vi styr på 100 mål og KPI'er, som alle forsøger at nå, og som måske peger mod en fælles nordstjerne? Det er sandsynligvis dér, mange implementeringer går galt.

Kelly Vega: Jeg har ikke et projektlederteam, der refererer til mig lige nu, men hvis jeg havde, ville jeg fra et projektleder- og driftsperspektiv måske sige: »Juniorer, jeg vil have, at I arbejder med, hvordan AI kan bruges til referater og standardiserede prompts.«

Hvad er den bedste prompt efter en backlogforfinelse? Hvad er den bedste prompt efter sprintplanlægning? Midterste niveauer kunne se på dokumentationen i Confluence og undersøge, hvordan processer og dokumentation kan standardiseres, hvis materialet er sikkert at uploade.

De mere erfarne kunne se på 2026 og overveje, hvordan projektlederperspektivet kan bruges strategisk på tværs af initiativer og projekter.

Jeg tror godt, man kan have flere initiativer kørende på én gang, hvis de er opdelt rigtigt. Hvis der er et stort initiativ, kan man nedbryde det i mindre trin, så alle ved, hvad de skal gøre.

Galen Low: Jeg kan godt lide, at eksperimentet dimensioneres rigtigt. Man skal ikke bede en nyansat praktikant om at omskrive hele lønadministrationen.

Men du berørte også noget, der fører os tilbage til drift. I en driftsrolle har man brug for projektledere til at lede disse projekter. Det er projekter, og som Harv siger, skal man bevæge sig iterativt og træffe beslutninger.

Det er et program eller en portefølje af projekter, der har brug for ledelse. Måske er det lige så værdifuldt som kundeopgaver. En projektleder kan have fire projekter ad gangen, hvor ét af dem er et internt projekt, og driftsansvarlig er sponsor. Så bliver initiativet overvåget, afstemt med målene og omsat til standardprocedurer.

Kelly Vega: Et muligt leveranceresultat kunne være at optage skærmen, mens man opretter en sag fra bunden, og derefter optage, hvordan man udfører den samme opgave med chat. Så har man en konkret leverance.

Men det kan blive en glidebane, hvis reaktionen er: »Fint, så lav mere. Her er to projekter mere.« Man er nødt til at beskytte den tid, der er afsat til strategi eller til at arbejde med kunder. Den plads skal bevares, så man ikke bliver mere stresset, og så kvaliteten bliver højere.

Galen Low: Der er også et spørgsmål om tillid. Man skal have tillid til, at folk kan optage sig selv, mens de udfører deres arbejde, uden at man dømmer dem. Der er mange lag, der skal håndteres, før folk overhovedet deltager i projektet på samme måde som i et almindeligt projekt.

Kelly Vega: Det kan også handle om godkendelse til at bruge et AI-værktøj. Hvis nogle ikke er med eller er skeptiske af gode grunde, er uddannelse vigtig.

Galen Low: Du nævnte datasikkerhed og compliance. Harv nævnte, at man kan bruge bestemte værktøjer, fordi de er blevet vurderet som en del af den overordnede styring af AI-værktøjer.

Er det noget, organisationer enten overser, springer over eller tager fuldt højde for, når de indfører interne AI-processer? Hvad er det rigtige niveau af styring på et bestemt tidspunkt? Databeskyttelse, compliance og alt det andet.

Harv Nagra: Det afhænger af organisationen og dens modenhed. I løbet af de seneste par år, siden AI-kapløbet begyndte, har der været meget eksperimentering og stor bekymring, især i starten, over at folk uploadede kundedata.

Det sker sikkert stadig. Nu har virksomhederne i det mindste klare retningslinjer for, hvad man må og ikke må. Shadow IT har altid været et problem, som drifts- og økonomifolk har skullet håndtere: Folk finder værktøjer, downloader dem, installerer dem og tilmelder sig abonnementer.

For det første ender man med at betale for for mange ting, som man måske ikke har kontrol over. For det andet får ikke alle glæde af platformene, og viden og muligheder bliver ikke delt.

Derfor er det meget vigtigt at have kontroller fra et driftsmæssigt perspektiv: Sådan vælger vi produkter, sådan sikrer vi, at de er trygge, og sådan er retningslinjerne for, hvad man må og ikke må bruge platformen til.

Melissa Morris: Jeg vil tilføje, at vi har talt meget om brugen internt i bureauet eller virksomheden. Men det er også vigtigt at skabe klarhed for kunderne og give dem indblik i, hvordan man bruger AI, når det er relevant og passende.

Jeg tænker på en virksomhed, vi arbejder med, hvor samtalerne er meget følsomme. Hvis materialet blev fremlagt i en retssal, kunne der pludselig være en transskription af et møde, der aldrig burde have fundet sted, eller en optagelse af det.

Der er situationer, hvor man skal være meget forsigtig og sikre, at kunden ved, hvad der sker. Det gælder også for standardpraksis omkring optagelser. Må man tage optagelsen, lave en transskription og gemme den i et Google-dokument, fordi det gør det nemt at finde tilbage til det, man talte om? Kunden skal vide det, og man skal forstå, hvilken dokumentation man gemmer, og hvilke konsekvenser det kan få senere.

Kelly Vega: Vi lavede faktisk en standardaftale om, at alt skulle transskriberes, eller at alle på disse møder havde mulighed for at transskribere eller optage når som helst. Alle sagde: »Ja, tak. Ansvarlighed. Det er fantastisk.« Det er rart ikke at skulle afbryde samtalen for at spørge hver gang, selvom det selvfølgelig ikke passer til alle.

Galen Low: Du har arbejdet i mange stærkt regulerede brancher, hvor nogle kunder måske ville sige nej tak. Overraskede det dig, at de faktisk sagde: »Ja, gør endelig det«?

Kelly Vega: For mig var det faktisk omvendt. Det var en præference at få det optaget af hensyn til ansvarlighed.

Noget kan nemt blive forbundet forkert, og der kan være mange tekniske detaljer om regler og tilladelser. I min erfaring var standardindstillingen derfor faktisk at optage.

Galen Low: Det giver mening. På grund af reglerne vil man netop have en registrering af, at noget er sket.

Kelly Vega: Ja. Hvis jeg fra starten af et møde ønsker en mere uformel samtale, siger jeg, at jeg ikke optager den. Hvis nogen absolut ønsker det, kan de altid sige til. Men jeg ved, at en optagelse kan ændre stemningen i en samtale, så man skal være opmærksom på det.

Jeg gør det ikke i mine en-til-en-samtaler med mine projektledere. Det er ikke sådan, at vi indsamler krav med den røde knap tændt.

Galen Low: Det elsker jeg.

En stor tak til vores paneldeltagere, fordi I ville bruge jeres tid i dag. Jeg ved, at vi hænger ud hele tiden, men det har været virkelig sjovt. Det har også været fantastisk at få jer tre samlet i et rum.

Mange tak for jeres indsigter.

Kelly Vega: Tak, fordi jeg måtte være med.

Melissa Morris: Tak.