Hvad ikke-tekniske projektledere virkelig har brug for at vide om AI

Galen Low: Hvad er dine bedste råd til projektledere, der skal fungere som oversættere mellem tværfunktionelle teams, som arbejder med eller bruger AI?

Kesha Williams: I stedet for at jagte værktøjer bør man virkelig tænke over forretningsresultatet. Hvilke problemer forsøger vi at løse? Fokuser først på hvad, og derefter på hvordan.

Galen Low: Hvad mener du om certificeringer inden for AI, og hvorfor skulle nogen tage dem? Er det det værd?

Kesha Williams: Jeg elsker certificeringer. Certificeringer kan få dig til jobsamtalen, men de giver dig ikke jobbet. Det er vigtigt at have den praktiske del og en onlineportefølje, hvor du viser de projekter, du faktisk har udviklet ved hjælp af teknologierne.

Galen Low: Skal enhver projektleder blive systemingeniør for at forblive relevant i en AI-forstærket økonomi?

Kesha Williams: Det er et godt sted at starte, og jeg vil sige nej. For mig handler det mere om—

Galen Low: Velkommen til The Digital Project Manager Podcast — programmet, der hjælper leveranceledere med at arbejde smartere, levere mere gnidningsfrit og lede deres teams med selvtillid i AI-alderen. Jeg hedder Galen, og hver uge dykker vi ned i strategier fra den virkelige verden, nye tendenser, gennemprøvede rammeværk og af og til en krigshistorie fra projektets frontlinje. Uanset om du styrer massive transformationsprojekter, håndterer AI-arbejdsgange eller bare prøver at holde kaos under kontrol, er du landet det rigtige sted. Lad os komme i gang.

I dag taler vi om, hvordan projektledere kan blive mere effektive oversættere, når de faciliterer samtaler om AI mellem tekniske og forretningsmæssige interessenter, og hvordan det måske kan være nøglen til at mindske risikoen for, at endnu en AI-implementering ender som en fiasko.

Med mig i dag er Kesha Williams, grundlægger og administrerende partner hos KeySoft, et konsulentfirma, der hjælper organisationer med at tage AI i brug gennem strategi, teknisk understøttelse og engagement blandt udviklere. Kesha har selv en lang historie med at arbejde i krydsfeltet mellem AI-strategi, ingeniørarbejde, undervisning og indflydelse. Hun har mere end 25 års erfaring inden for softwareudvikling, enterprise-arkitektur og AI-innovation, som hun bruger til at implementere AI i komplekse miljøer fra den virkelige verden.

Hun har også for nylig målrettet sine undervisningsprogrammer mod mindre tekniske målgrupper og har afsluttet sin første 15-dages AI-bootcamp i samarbejde med LinkedIn Learning.

Kesha, mange tak fordi du vil være med i dag.

Kesha Williams: Tak, Galen. Jeg er utrolig glad for at være her og for at have denne samtale.

Galen Low: Jeg glæder mig også. Jeg elsker det, du laver. Du lægger så meget energi i dit arbejde. Du har virkelig travlt. Jeg ved ikke, hvordan du gør det. Der er så meget undervisning, der nærmest strømmer gennem dit LinkedIn-feed. Jeg ved, at du har en række forskellige kurser på LinkedIn Learning og også andre kurser. Jeg glæder mig virkelig til at dykke ned i det.

Jeg ved, at din målgruppe for det meste er mere teknisk orienteret, og at du på det seneste har bredt dig ud til os mindre tekniske mennesker.

Kesha Williams: Ja.

Galen Low: Det sætter jeg virkelig pris på. Jeg håber, at vi kommer til at bevæge os lidt frem og tilbage i dag, men for en sikkerheds skyld er her den plan, jeg har skitseret for os. Til at begynde med ville jeg gerne høre din umiddelbare vurdering af et stort og saftigt spørgsmål, som mine lyttere sikkert gerne vil kende svaret på. Derefter vil jeg gerne udfolde det og tale om tre ting.

For det første vil jeg tale om, hvorfor det er vigtigt for ikke-tekniske projektledere at forstå AI. Derefter vil jeg undersøge, hvordan projektledere kan være gode oversættere mellem tekniske og forretningsmæssige interessenter, når det handler om AI, og hvordan de kan blive bedre til det. Til sidst vil jeg gerne høre dit perspektiv på projektlederrollens fremtid, når det gælder projekter, der involverer AI eller skaber en AI-baseret løsning.

Kesha Williams: Det lyder som en rigtig god samtale.

Galen Low: Ambitiøst, men det gør vi.

Kesha Williams: Ja.

Galen Low: Okay. Jeg tænkte, at vi kunne begynde med ét stort og vanskeligt spørgsmål og give det lidt kontekst. Mange mennesker i mit netværk føler sig, vil jeg sige, mere end bare en smule bekymrede over AI, og over hvordan det ændrer forventningerne til deres nuværende rolle, deres karriereudvikling og de færdigheder, de bør fokusere på.

Så mit store spørgsmål er: Skal enhver projektleder blive systemingeniør for at forblive relevant i en AI-forstærket økonomi?

Kesha Williams: Det er et godt sted at starte, og jeg vil sige nej. Hvis man ser på, hvad der sker i branchen i dag med alle disse AI-værktøjer uden og med lidt kode, behøver man ikke engang kunne programmere eller have en teknisk baggrund for at bygge en AI-agent eller en app.

For mig handler det mere om at forstå systemtænkning: Hvad er AI? Hvad kan det gøre? Hvordan kan jeg anvende det i min nuværende rolle, og hvordan kan jeg bruge det på et projekt? Så nej, du behøver ikke blive systemingeniør eller særlig teknisk for at forblive relevant og forstå, hvordan AI kan bruges og anvendes.

Galen Low: Bum. Det elsker jeg, og jeg er sikker på, at alle, der lytter, netop sukkede lettet. Men jeg kan også virkelig godt lide den nuancering, for jeg synes, at hele dette økosystem med ingen kode og kode efter behov — eller i det mindste kulturelt — skaber et pres for at sige: Du behøver ikke kunne programmere. Men jeg kan godt lide det, du siger om, at det stadig kræver en systemtænkende tilgang.

Vi ser det hele tiden, eller det gør jeg i hvert fald i mine kredse, hvor folk programmerer efter intuition og så siger: Vent, jeg skal stadig fejlfinde og kvalitetssikre. Jeg skriver ikke kode, men det er stadig den del, der minder om IT og ingeniørarbejde, ikke? Det er sådan: Vent, jeg skal stadig vide, hvad jeg vil have dette til at gøre, og hvordan.

Kesha Williams: Ja. Og når jeg har lagt det i produktion, mener du så, at jeg skal opdatere det, forbedre det og vedligeholde det? Jeg troede, jeg var færdig.

Galen Low: Hvad med intuitiv DevOps? Helt ærligt synes jeg, at det er et godt sted at tage afsæt, for så bliver spørgsmålet: Hvor meget teknisk viden er den rigtige mængde, og hvordan opbygger man egentlig den systemtænkning?

Jeg ville gerne høre dit perspektiv, fordi du selv er meget teknisk kvalificeret. Du er ingeniør og enterprise- og løsningsarkitekt. Du har ledet udviklerteams og opbygget et utroligt stort og engageret publikum omkring netop det. Som jeg nævnte, har du på det seneste udvidet din målgruppe til os mindre tekniske.

For eksempel førte den 15-dages bootcamp, du lavede i samarbejde med LinkedIn Learning, folk gennem en rejse ind i AI. Den gik faktisk ret dybt og startede ret langt tilbage, før den bevægede sig ind i mere avancerede emner. Hvorfor er det vigtigt for dig at bringe din undervisningserfaring og din AI-viden ud til alle?

Kesha Williams: Det er vigtigt for mig, fordi AI påvirker alle brancher, alle roller og alle niveauer i en organisation, og jeg ønsker ikke, at nogen bliver ladt tilbage. Når jeg ser på AI's muligheder og på, hvad det kan gøre for at øge produktiviteten og automatisere arbejdsgange, er det en meget spændende tid at arbejde med teknologi i. Jeg ønsker bare, at alle tager AI til sig og finder ud af, hvor det passer ind i deres hverdag.

Galen Low: Oplever du, at du støder på nogle falske antagelser, myter og misforståelser om AI? Noget af det, du gør, handler jo om at sige: Okay, nogle af disse mennesker har måske ikke et grundlæggende kendskab til systemtænkning eller har ikke haft tid til at undersøge, hvad AI kan gøre.

Oplever du, at en del af arbejdet består i at skære igennem nogle af myterne eller noget af den frygt, der bliver skabt omkring, hvad AI er, og hvordan det påvirker folks arbejde, uanset om de er tekniske eller ej?

Kesha Williams: Helt sikkert. Hollywood og alle science fiction-filmene har ikke ligefrem hjulpet. De har gjort mit arbejde meget sværere, men mit mål — og det har altid været en passion for mig — er at afmystificere AI og maskinlæring og gøre disse komplekse teknologier meget tilgængelige. Men som sagt har Hollywood ikke hjulpet overhovedet.

Galen Low: Det er både Hollywood og så en strøm af artikler — og misforstå mig ikke, de er troværdige — men de er også skrevet på en måde, der skal tiltrække opmærksomhed.

Det er sådan noget som: Tidligere chef for AI hos Google siger, at kunstig generel intelligens overtager om syv år. Eller alle disse mennesker, der er AI-autoriteteter. Det bliver vinklet på en måde, hvor man tænker: Åh gud. Men samtidig har disse mennesker naturligvis tænkt over det hele.

De er jo på mange måder AI's fædre og mødre og har været nødt til at overveje konsekvenserne. Hvis man ser langt nok frem i tiden, kommer det til at ændre mange ting. Og det kan udvikle sig i alle mulige retninger. Men selv det, du sagde, er meget genkendeligt: Vi er alle nødt til at komme nogenlunde på samme side, selv om vi måske ikke befinder os på samme niveau.

Det påvirker alle og deres arbejde og forventningerne til arbejdet. Jo bedre vi forstår det, eller jo bedre vi har et fælles sprog for det, desto bedre kan vi tale om det. Det er ikke det samme som da jeg begyndte. Min baggrund er digital projektledelse. Udviklingsteamsene, jeg arbejdede sammen med, bestod af frontend- og backendingeniører, og jeg husker de første dage.

Jeg tænkte: Intet af det her giver mening. I siger bare: Udrul det. Gør det der med Git. Vi ses senere. Den læringskurve, hvor man bare skal kunne relatere til tingene og føre en meningsfuld dialog i stedet for at kigge på noget og sige: Ja, okay, udfør regressionstesten eller hvad det nu er.

Hvordan har du oplevet den undervisning, du har lavet med folk? Jeg tror, du har dit hverdags-AI-kursus og din 15-dages bootcamp. Hvilke virkninger eller indsigter har du set hos dine kursister?

Kesha Williams: Som du nævnte, startede jeg den 15-dages hverdags-AI-udfordring i samarbejde med LinkedIn Learning.

I dag er faktisk dag 15, den sidste dag. Jeg er meget begejstret for, hvordan det hele er gået. Jeg har fået meget feedback fra kursister, hvor jeg har set deres bekymring over AI blive vendt til begejstring. Jeg har set mennesker opdage, hvor AI kan passe ind i deres hverdag, og hvordan de kan bruge det til faktisk at spare tid og øge produktiviteten.

En kursist skrev til mig, at hun brugte AI til en opgave, som tog hende måske 30 minutter, mens det ellers ville have taget flere dage at lave dispositionen. Det er netop sådan noget, der var årsagen til, at jeg skabte den 15-dages AI-udfordring. Som du nævnte, er den virkelig til ikke-tekniske mennesker, der gerne vil forstå de grundlæggende begreber og principper inden for AI og derefter se, hvordan det kan anvendes i hverdagen.

Galen Low: Det elsker jeg. Mit indtryk er, at det er meget praktisk. Man gør det faktisk. Det er sjovt. Som en lille afstikker: I går aftes spillede vi et kortspil, Exploding Kittens, og instruktionsmanualen siger: Læs ikke disse instruktioner. Det er faktisk den dårligste måde at lære et spil på.

Se denne video, og leg så med det. Og jeg tænkte: Ved du hvad, det gælder i høj grad også for AI. Jeg tror, at mange — mig selv inklusive — havde mest angst over for AI, da det bare var et pres, og jeg endnu ikke havde åbnet nogen af værktøjerne. Det er næsten som en indbakke.

Man ser tallet på det røde mærke og tænker: Åh gud, der står 967. Det er vanvittigt. Jeg tør ikke engang kigge. Jeg bliver intimideret af tallet. Jeg havde endnu ikke set, hvad der lå i indbakken. Det var sådan, jeg havde det. Men jeg elsker tanken om at guide folk gennem det grundlæggende, for det bliver faktisk ret avanceret.

Hvad laver folk på dag 15?

Kesha Williams: Dag 15 handler om at skabe sin første AI-agent uden kode. Man behøver ikke kunne programmere. Det hele foregår gennem en træk-og-slip-grænseflade, hvor man bygger sin første AI-agent. Alt det, vi har arbejdet med, leder frem til dag 15.

Galen Low: Det elsker jeg. Det er sådan: På dag ét — jeg finder på det her — hvad er AI? På dag 15: Byg en agent.

Kesha Williams: Grundlæggende. Ja, det var sådan, det gik.

Galen Low: Det kan jeg virkelig godt lide. Det er måske en god overgang til det centrale emne, jeg gerne ville tale om: Hvordan mindre tekniske projektledere kan mindske risikoen i deres AI-forstærkede projekter ved at føre de rigtige samtaler, skabe den rigtige fælles forståelse med både tekniske og forretningsmæssige interessenter — og egentlig alle derimellem.

Vi er så vant til at polarisere det som teknisk eller ikke-teknisk, men det, jeg mener, er at oversætte mellem forskellige interessenter, der ved forskellige ting, har forskellige synspunkter og forskellige kompetencer. Bør det overhovedet være projektlederens rolle at fungere som oversætter i samtaler om AI?

Er det en god eller dårlig idé efter din mening?

Kesha Williams: Det er bestemt en god idé. Projektledere oversætter allerede — de oversætter projektrisici og tidsplaner og har den slags samtaler. Derfor er det naturligt, at projektledere også fungerer som oversættere, når det handler om AI.

Galen Low: Det er en rigtig god pointe. Der foregår allerede meget oversættelse i rollen.

Kesha Williams: Ja.

Galen Low: Det er faktisk sjovt, for du og jeg talte sammen inden dette. Du havde et opslag om, at agenter og MCP er de nye API'er, og jeg tænkte tilbage på mine tidlige projektlederdage, hvor jeg spurgte: Hvad er en API? Det var det, man brugte til at integrere systemer og forbinde ting.

Kesha Williams: Ja.

Galen Low: Det var i høj grad noget, jeg skulle oversætte for at forklare nogle af de forretningsmæssige interessenter, hvorfor det var vigtigt at tage disse skridt, hvorfor vi skulle opbygge en dataordbog, undersøge dokumentationen og lave en MVP eller et proof of concept.

Jeg kan se, at det på mange måder er det samme, men også anderledes, fordi der kommer så meget nyt inden for AI, og fordi så meget ændrer sig. Det føles, som om der kommer en ny model hver dag — klassiske store sprogmodeller, billedgenerering og alt muligt andet. Hvad er dine bedste råd til projektledere, der skal fungere som oversættere mellem tværfunktionelle teams, der arbejder med eller bruger AI?

Og kan vi måske gennemgå nogle eksempler på, hvordan en effektfuld samtale kan gå skævt eller få et projekt til at gå meget bedre?

Kesha Williams: Mit første råd er ikke at jagte værktøjerne, som du nævnte. Hver dag kommer der en ændring til et eksisterende værktøj eller et nyt værktøj.

I stedet for at jagte værktøjer skal man virkelig tænke over forretningsresultatet. Hvilke problemer forsøger vi at løse? Det er egentlig det princip, der altid har eksisteret inden for projektarbejde: Fokuser først på hvad, og derefter på hvordan. Det er mit vigtigste råd. Tænk virkelig over resultaterne, og jagt ikke værktøjer, for så ender du i et kaninhul og kommer helt ud af kurs.

Projektledere behøver heller ikke være tekniske, men de skal forstå AI-begreberne. Når nogen siger model, skal du forstå, hvad det er. Når nogen siger promptudvikling, skal du forstå, hvad det er. Når nogen siger agent, skal du forstå, hvad det er. Forstå de overordnede begreber, og hvordan de passer ind i det, der bliver udviklet.

Det var den første del af dit spørgsmål. Den anden del handlede om en samtale.

Galen Low: Ja. Hvilke samtaler kunne det være? Det behøver ikke være den store afgørende AI-samtale, der bestemmer, om projektet lykkes eller fejler, men undervejs taler vi med mennesker, og jeg har set samtaler gå skævt allerede før AI — og faktisk også i dag.

Det kan skyldes, at en projektleder ikke føler sig sikker på et begreb, finder på noget og senere fortryder det. Eller at man forsøger at forsimple noget for meget. Jeg tænkte, at vi kunne improvisere lidt. Jeg improviserer også.

Kesha Williams: Lad os sige, at du er projektleder på et projekt. Det er naturligvis et AI-projekt. Du har en maskinlæringsingeniør på projektet, og vedkommende siger: Modellen er klar, og nøjagtigheden ser god ud. En samtale kan gå skævt, hvis projektlederen siger: Okay, så går vi i produktion.

Der bør komme flere spørgsmål fra projektlederen. Først skal projektlederen forstå, hvad en model er, og hvad nøjagtighed er. Nøjagtighed er den måde, man vurderer modellens præstation på. Et spørgsmål kunne derfor være: Hvad betyder nøjagtighed i denne sammenhæng?

Et andet spørgsmål — som jeg antydede tidligere — kunne være: Når modellen er sat i produktion, hvordan ser vedligeholdelses- og genindlæringsprocessen så ud? For AI-modeller og AI-systemer opstår der efter implementering et problem, der kaldes modeldrift. Det betyder, at dataene i den virkelige verden ændrer sig over tid, hvilket kan påvirke kvaliteten eller outputtet fra maskinlæringsmodellen.

Når man sætter et AI-projekt i produktion, er det derfor vigtigt at tale om genindlæring og løbende vedligeholdelse, fordi det påvirker systemets samlede output. Man skal stille de rigtige spørgsmål, når man implementerer disse AI-systemer.

Galen Low: Jeg elsker især din pointe om modeldrift, fordi selv de ret tekniske projektledere, jeg kender og arbejder sammen med, kommer fra en verden, hvor tingene er forholdsvis deterministiske. Det fungerer på denne måde under test. Det fungerer på denne måde under brugeraccepttesten. Når vi sender det i produktion, fungerer det sådan hver gang, indtil vi bygger noget andet, der ødelægger det.

Så skal vi måske rette det. Men tanken om drift — og at de data, modellen træner på, ændrer sig — er vigtig. I nogle tilfælde ændrer modellerne sig også, og teknologien er sandsynlighedsbaseret, ikke deterministisk. Det er næsten en helt anden måde at se de løsninger, teams bygger, på.

Jeg elsker din pointe om den løbende vedligeholdelse. Det er et så godt spørgsmål og en så stor risiko for en projektleder at sige: Denne ting er klar. Selv om det måske faktisk kun var første skridt. Man går tilbage til projektsponsoren og interessenterne og siger: Ja, vi er klar til lancering.

Og de spørger: Er der behov for løbende vedligeholdelse? Og man svarer: Nej.

Kesha Williams: Jeg har gjort mit. Vi er færdige. Træn modellen, og så er den klar.

Galen Low: Den fungerer godt. Den bliver ved med at fungere godt. Vi går videre til næste fase. Jeg har set det gå galt, også med andet end AI.

Jeg kan godt lide det spørgsmål, du stillede: Hvad betyder det i forhold til nøjagtighed, og hvad er næste skridt? Jeg vil også tilføje: Hvad åbner dette for, og hvor er vi i processen? Jeg havde for nylig en samtale med nogle medlemmer af mit netværk, og jeg indså, at jeg er den type person, der siger: Hjælp mig med at forstå det, for jeg skal forklare det til mine interessenter. Er det okay, hvis jeg siger sådan her?

Og så kan nogen sige: Nej. Vi kan ikke skubbe projektet videre. Du må ikke fortælle dem, at systemmodellen allerede er nøjagtig. Det handler om at stille spørgsmål for i fællesskab at forstå situationen.

Jeg tror, at det nogle gange er et stort hul, at mange i projektlederrollen konstant er frustrerede over deres teams og siger: De forstår ikke, hvad jeg laver. Og jeg spørger: Har du fortalt dem, hvad du laver, og hvad dit næste skridt er? De fortæller dig, hvad de ved. Modellen er klar, nøjagtigheden er god, og du siger: Fint, tak. Men så lærer de aldrig, hvad du skal gøre med det, og de får heller ikke mulighed for at sige: Der er faktisk nogle ting, der er vigtige, og som interessenterne skal have at vide.

Jeg tror, det er en meget vigtig dialog at skabe. Og så kan modellen måske drive. Det er vigtigt at forklare interessenterne, at det ikke er, fordi vi byggede det forkert, men fordi det ligger i teknologiens natur.

Kesha Williams: Det er det skift i tankegang, der opstår, når vi bygger AI-systemer. Jeg kan virkelig godt lide din pointe om samarbejde. Den bløde kompetence er endnu vigtigere i AI-alderen.

Galen Low: Jeg elsker det, og det hænger sammen med din oprindelige pointe om, at alle skal opbygge en grundlæggende viden for at kunne føre disse samtaler. Det skal være samarbejdsbaseret, fordi vi alle forsøger at finde ud af det.

Kesha Williams: Ja.

Galen Low: Der er ikke gået nok tid, og tingene ændrer sig så hurtigt, at der ikke rigtig findes egentlige eksperter eller mestre endnu. Der findes eksperter, men måske ikke mestre.

Kesha Williams: Ja.

Galen Low: Vi er nødt til at finde ud af det sammen. Du gav nogle gode eksempler tidligere. Hvis man er projektleder — eller egentlig hvem som helst — og føler, at man ikke er teknisk nok til virkelig at forstå AI, hvad er så dine bedste råd til at fungere som oversætter mellem teams?

Hvordan lærer man nok til at drive disse samtaler? Hvilke kilder bruger du selv for at lære det grundlæggende og samtidig holde dig ajour, mens tingene ændrer sig? Jeg ved, at du sagde, at man ikke skal jagte alle værktøjerne eller læse alle versionsnoter, hver gang en ny teknologi udkommer. Men hvor går du hen, eller hvor sender du dine kursister hen, hvis de vil holde sig ajour?

Kesha Williams: Jeg er nødt til at pege på mine kurser på LinkedIn Learning, især den 15-dages AI-udfordring. Den begynder med det grundlæggende og starter meget enkelt. Den hjælper dig med at forstå de forskellige begreber og med at forstå, hvordan AI kan bruges i din hverdag.

Det handler ikke engang om at bygge systemer, men om at bruge AI til at øge sin egen produktivitet og få hjælp i det daglige arbejde. Det er vigtigt at forstå, hvordan AI kan anvendes. Når man begynder at bruge det og øve sig, lærer man begreberne og bliver inspireret til at finde nye måder, man selv eller ens team kan bruge AI på.

Der findes mange ressourcer. Følg også min LinkedIn-side Kesha on AI. Jeg har også et nyhedsbrev på Substack med samme navn. Fra næste uge vil jeg offentliggøre korte AI-tips på Substack og på LinkedIn-siden for at hjælpe folk med at forstå de grundlæggende begreber og få dem med på AI-rejsen.

Jeg kan også godt lide at følge OpenAI Academy. De har mange webinarer og gratis kurser, og det er dér, jeg lærer meget om nogle af deres nyere ressourcer. Og så er der LinkedIn Learning, hvor jeg har flere kurser. På Pluralsight har jeg tekniske kurser, men også ikke-tekniske kurser om promptudvikling, om at undersøge hvilke AI-kompetencer ens teams har brug for, og om hvordan man opkvalificerer teams inden for AI.

Der er altså mange steder, hvor man kan lære.

Galen Low: Jeg kan godt lide din pointe. Det gav mig faktisk en lille aha-oplevelse. Fra et projektledelsesperspektiv taler vi nogle gange om teams, der bruger AI til at bygge noget. Andre gange taler vi om teams, der bygger noget, hvor AI er en del af arkitekturen. Og nogle gange taler vi om at bruge AI til selve projektarbejdet i hverdagen.

Det er interessant, at du formulerede det så klart: Der er forskellige måder at gøre det på, og det bygger på nogle grundlæggende færdigheder.

Mit spørgsmål, især omkring OpenAI Academy og lignende, er, at det er let at komme meget dybt ned i stoffet. Jeg arbejder med tværfunktionelle teams, og nogle gange tænker jeg: Hvis jeg klikker på dette, forstår jeg så overhovedet noget, eller ender jeg med at lære for meget? Pludselig står jeg på side tre og er dybt nede i Python-kode.

Kan du give en vejledning i, hvordan man undgår at gå for dybt og vurderer, hvad der passer til ens niveau, og hvad der er beregnet til nogen, der faktisk programmerer?

Kesha Williams: Du har ret. Hvis du er et sted, hvor du bliver bedt om at starte en Jupyter-notesbog eller skrive Python-kode, er du helt sikkert gået for langt. Men jeg strukturerer mange af mine kurser sådan, at jeg begynder med begrebet og derefter følger op med en praktisk aktivitet.

Hvis den praktiske aktivitet bliver for kompleks, og du skal skrive Python-kode, så se blot de konceptuelle dele. Sørg for, at du forstår begreberne, for de går igen på tværs af næsten alle de værktøjer, du bruger.

Selv hvis det er et meget teknisk kursus, kan du nøjes med at se videoerne om begreberne og altid springe den dybe, tekniske praktiske del over.

Galen Low: Jeg har aldrig hørt nogen sige det sådan, men det giver så god mening: Lad være med at droppe noget, bare fordi du er interesseret, men ikke forstår alt. Noget kan være over dit hoved.

Hvis du er opmærksom på det, kan du stadig få noget ud af det. Jeg er stor tilhænger af bare at høre sproget. Jeg kunne sætte mig ned og lytte til min tekniske arkitekt tale med sit udviklerteam og tænke: Jeg forstår ikke alt, men jeg opfanger nogle ord og begreber, og jeg føler mig lidt mere sikker på, at jeg kan stille de rigtige spørgsmål.

Jeg er måske ikke ekspert i noget af det, men jeg kan stille et spørgsmål, der måske virker dumt, men som åbner dialogen.

Kesha Williams: Der findes ikke dumme spørgsmål.

Galen Low: Okay. Især med AI, tænker jeg, for tingene ændrer sig så hurtigt.

Kesha Williams: Vi lærer alle sammen. Vi lærer alle sammen.

Galen Low: Det her kan være kontroversielt. Jeg vil gerne høre din umiddelbare vurdering af certificeringer. Der kommer nogle AI-certificeringer, som er mere rettet mod udviklere. Der findes også projektledelsescertificeringer, for eksempel fra mine venner hos Cognilytica, som nu hedder PMI Cognilytica. De handler blandt andet om at bygge sandsynlighedsbaserede systemer og forstå, hvor datakilderne kommer fra, set fra et projektledelsesperspektiv.

Du har bevidst valgt korte, praktiske læringsforløb. Hvad mener du om AI-certificeringer, hvorfor skulle nogen tage dem, og er de det værd?

Kesha Williams: Jeg elsker certificeringer. Jeg siger altid til folk, at certificeringer kan få dig til jobsamtalen, men de giver dig ikke jobbet. Som du nævnte, er det vigtigt at kunne udføre det, man søger om at arbejde med.

En certificering giver dig et solidt grundlag for at forstå begreberne og se, hvordan tingene hænger sammen. Men for mere praktiske roller, især tekniske roller, er det vigtigt at have praktisk erfaring og en onlineportefølje, hvor du viser projekter, du faktisk har udviklet ved hjælp af teknologierne.

Det er altid mit råd, når det handler om certificeringer.

Galen Low: Det kan jeg godt lide. Jeg synes, det giver god mening. Jeg kan lide idéen om en onlineportefølje, og nogle af mine lyttere vil sikkert sige: Ja, men det gælder udviklere. Men på dag 15 i din 15-dages udfordring bygger man en agent.

Vil du anbefale, at en projektleder også har nogle ting, de har bygget, eller anden dokumentation for, at de bruger AI, som en del af deres portefølje?

Kesha Williams: I dag, med AI's nuværende placering og den retning, teknologien bevæger sig i, vil det stille en projektleder foran andre projektledere, der ikke har den erfaring.

Når jeg tænker på, hvor vi er om et, tre eller fem år, er det vigtigt at finde ud af, hvor AI passer ind i ens daglige arbejde, og hvordan man kan bruge det til at automatisere gentagne opgaver og øge sin produktivitet.

Hvis man ikke gør det, bliver man ladt tilbage. Det er den ærlige sandhed.

Galen Low: Det er et meget hurtigt godstog. Selv hvis vi ønskede det, ville det være svært at få det tilbage i kassen.

Kesha Williams: Det kommer ikke til at ske.

Galen Low: Også fra en udviklers perspektiv kan jeg godt lide din pointe om, at certificeringen får dig til jobsamtalen, men ikke giver dig jobbet.

Hvis du ansatte en udvikler — eller egentlig hvem som helst — hvilket spørgsmål ville du stille ved jobsamtalen for at afgøre, om personen faktisk forstår AI, eller blot har taget et kursus og fået et certifikat uden de nødvendige kompetencer?

Kesha Williams: For en udvikler ville jeg se på, hvordan vedkommende bruger AI til at skrive kode, hvilke værktøjer der bruges, og hvilken del af udviklingslivscyklussen AI er blevet integreret i. Jeg ville bede om et konkret eksempel.

Når jeg interviewer folk, er det vigtigt, at de kommer med eksempler fra den virkelige verden og ikke kun taler om teori.

Galen Low: Det gælder måske også ikke-udviklere i fremtiden. Du har bygget en række agenter, der hjælper dig med at styre projekter bedre. Fortæl mig, hvordan du bruger dem. Det er et meget relevant spørgsmål, og det stjæler jeg helt sikkert.

Kesha Williams: Og hvilket værktøj brugte du, og hvorfor valgte du netop det? Når det handler om at bygge agenter, findes der mange værktøjer. Der er Copilot, hvor man ikke behøver kunne programmere. Der er Amazon Bedrock-agenter, og nu har alle platforme — også Salesforce — en måde at bygge agenter på.

Det er vigtigt at forstå, hvilket værktøj kandidaten brugte, og hvorfor vedkommende valgte det.

Galen Low: Det er en rigtig god pointe. Lad os se lidt fremad. Vi kan ikke se særlig langt frem, og alt ændrer sig. Kunstig generel intelligens kunne dukke op i morgen og ødelægge menneskeheden, sådan som Hollywood fortæller os.

Kesha Williams: Det er det, science fiction siger.

Galen Low: Ja. Eller vi kunne få marginale forbedringer i AI-notetagere de næste tre år. Jeg ved det ikke. Men AI bliver i øjeblikket indarbejdet i administrative og gentagne opgaver.

Kesha Williams: Ja.

Galen Low: Produktivitetsforbedringen er fokus lige nu. Det viser sig blandt andet som autonome agenter. Der findes mange måder at bygge dem på, og efter 14 dage i en udfordring kan man bygge en agent på dag 15. Det er ikke længere så fjernt.

Kesha Williams: Nej.

Galen Low: Tror du, at det ændrer projektlederens rolle i leveringen af tekniske, AI-baserede løsninger?

Og hvad er dit bedste råd til projektledere, der vil forberede sig på en AI-fremtid, som måske ikke eksisterer endnu, men som sandsynligvis vil påvirke deres roller?

Kesha Williams: Det hele handler om at forstå, hvad AI er, forstå begreberne og forstå, hvordan man kan anvende det i hverdagen for at øge sin produktivitet. Der er meget frygt i branchen for, at AI vil erstatte roller.

Det er ikke det, vi bør være mest bange for lige nu. Det vigtigste er ikke at blive ladt tilbage, men at finde ud af, hvordan man bruger AI i sin rolle til at blive bedre end den næste person. På den måde kan man hjælpe sig selv og sin organisation med fortsat at flytte grænserne.

Galen Low: Jeg elsker det og temaerne omkring begreberne.

Noget af det grundlæggende ændrer sig selvfølgelig også. Men jeg kan godt lide din pointe om at holde sig ajour uden nødvendigvis at jagte værktøjerne eller fylde hovedet med specifik viden om hvert enkelt værktøj. Det kan udvikle sig i alle retninger.

Vi ser på Betamax og VHS. Vi ser på kassettebånd og 8-sporsbånd. Nogle teknologier bliver vindere, andre tabere, når det gælder investeringer og udbredelse. Men hvis vi forstår grundlaget, de centrale begreber, og hvordan de udvikler sig i vores arbejde, kan vi ekstrapolere derfra uden at drukne i detaljerne.

Kesha, mange tak. Det har været utrolig sjovt. Som lidt ekstra ferieunderholdning: Har du et spørgsmål, du gerne vil stille mig?

Kesha Williams: Ja. Vi kan bytte roller, og så interviewer jeg. Mit spørgsmål er naturligvis: Vi har talt om AI, så hvordan bruger du AI i din hverdag? Og hvis du ikke bruger det, hvorfor ikke?

Galen Low: Jeg bruger det. Jeg er ikke storforbruger endnu. Jeg bruger det som en slags tænkemakker. Jeg er meget fascineret af den slags arbejdsgang, man ser med Iron Man og Jarvis, for eksempel når man skal formulere en e-mail.

Jeg bruger ikke AI til at lave første udkast og derefter redigere det. Jeg vil hellere selv skrive første udkast og så få AI til at udfordre det. Jeg kan bede den om at optræde som en meget krævende projektsponsor eller CTO, fortælle den, hvad personen går op i, og hvordan vores relation ser ud, og så bede den kritisere teksten og fortælle, hvor modtageren måske ville gøre indsigelse.

Det fungerer godt for mig, fordi min personlighed er sådan, at jeg bliver ved med at tvivle på tingene, indtil de er gode. Det gælder e-mails, nyhedsbreve, emnelinjer og projektplaner. Jeg bruger meget tid på at overveje, hvad nogen kunne gøre indsigelse mod, før jeg synes, noget er færdigt. AI er en god partner til at spørge: Har du overvejet dette?

Jeg har ikke bedt den om altid at være hård ved mig, og den kan nogle gange være lidt smigrende. Men jeg kan gennemskue det. Jeg ender ikke med at tænke: Jeg er fantastisk. Det er ikke min konklusion, når jeg læser et ChatGPT-svar.

Sådan bruger jeg det indtil videre. Men jeg vil gerne i gang med nogle af de autonome funktioner. Det er mit næste skridt. Vi har bygget nogle tilpassede GPT'er, der gør vores arbejdsgange stærkere. De er gode til specifikke opgaver, der er gentagne, men stadig kræver dømmekraft, interaktion eller samspil.

Jeg glæder mig til at komme i gang med agenter, men det hænger sammen med dit oprindelige budskab: Først skal jeg finde ud af, hvor AI kan hjælpe. Derefter skal jeg have orden i mine egne ting, dataene og referencematerialet. Hvis agenten skal være effektiv, skal jeg kunne træne den, næsten som hvis jeg trænede en person.

Det er lidt sjovt, for teknologien er ikke nødvendigvis problemet. Spørgsmålet er, om vi er organiserede nok til at træne den og give den tilstrækkelig kontekst til at udføre sit arbejde. Det gjaldt også for mennesker før i tiden.

Kesha Williams: Det er en rigtig god pointe, og den får mig til at tænke på projektlederens rolle. Snart kommer du til at lede agenter sammen med mennesker. Begynd derfor at overveje, hvordan du behandler AI som en del af teamet. Det er også på vej.

Galen Low: Det elsker jeg. Forleden talte jeg med en anden gæst om, hvordan en medarbejdersamtale for en agent kunne se ud, og om vi måske burde gennemføre sådan en.

Nogle gange giver vi vores modeller bedre feedback, end vi giver vores kolleger. Men din pointe om teamkultur er også interessant. AI har i øjeblikket stor kapacitet, men ansvaret ligger stadig hos mennesker.

Man kan ikke bare pege på en agent og sige: Det var agentens skyld. Agenten tabte bolden. Jeg har været til teammøder, hvor nogen peger på en kollega og siger: Ja, designafdelingen tabte hele bolden. Men der kommer en interessant blanding af ansvar, og måden vi opbygger teamkultur på, vil ændre sig.

Nogle ansvarsområder vil faktisk blive overtaget af agenter, automatisering og andre dele af AI-teknologien.

Kesha Williams: Ja, enig. Det er her, AI-governance kommer ind i billedet.

Galen Low: Jeg må have dig tilbage, når vi tager det op, for på nogle måder er det tættere på, end jeg tror. Det er lige om hjørnet.

Kesha Williams: Ja.

Galen Low: Men lad os stoppe her for i dag. Kesha, mange tak fordi du ville bruge tid sammen med mig. Jeg har elsket denne samtale. Jeg har haft det så sjovt og lært utrolig meget. Jeg synes, det du laver, er spændende, og jeg glæder mig til at følge med på Substack. Hvor kan folk, der er lige så begejstrede som jeg, lære mere om dig?

Kesha Williams: Følg mig på LinkedIn. Som du nævnte, lægger jeg meget op der. På KeySofts hjemmeside, www.keysoft.tech, kan du finde flere oplysninger om mig og de tjenester, jeg tilbyder.

Galen Low: Fremragende. Jeg inkluderer linkene i programnoterne til dem, der er interesserede. Kesha, mange tak igen.

Kesha Williams: Selv tak. Det var en fornøjelse. Det var en fantastisk samtale.

Galen Low: Så er det slut for dagens episode af The Digital Project Manager-podcasten. Hvis du nød samtalen, så husk at abonnere dér, hvor du lytter. Hvis du vil have endnu flere praktiske indsigter, casestudier og drejebøger, så gå ind på thedigitalprojectmanager.com.

Indtil næste gang: Tak fordi du lyttede.