Sådan opnår du forudsigelig vækst med datadrevet, generativ AI-understøttet ressourcestyring
I dagens hurtigt udviklende digitale landskab bliver brugen af data og AI inden for ressourcehåndtering stadig vigtigere for organisationer, der ønsker at forblive konkurrencedygtige. Dette gælder især i bureaubranchen, hvor ressourceallokering spiller en afgørende rolle i leveringen af centrale programmer og initiativer.
Galen Low får selskab af Grant Hultgren (konsulent inden for bureauoperationer hos Parallax), Marcel Petitpas (medstifter & administrerende direktør hos Parakeeto) og Ann Campea (vicepræsident for projektledelsesoperationer hos TrueSense Marketing) for at undersøge mulighederne og udfordringerne ved at integrere data og AI i ressourcehåndtering.
Interviewets højdepunkter
- Datakvalitet og menneskelige faktorer [02:17]
- Data er grundlæggende rodet, og mennesker er uforudsigelige, hvilket komplicerer ressourcehåndteringen.
- Generativ AI viser lovende takter i fortolkningen af data og leveringen af indsigter.
- Nuværende demonstrationer af generativ AI forudsætter perfekte, rene og ensartet strukturerede data, hvilket sjældent findes i virkelige scenarier.
- Den måde, vi interagerer med data på, vil udvikle sig markant, så nuværende metoder som filtrering af tabeller vil føles forældede om et årti.
- Rene og nøjagtige data er afgørende for, at AI kan levere meningsfulde resultater, men menneskeskabte data vil altid have fejl og mangler.
- Produkt- og driftsledere skal tage højde for disse fejl og mangler, når de designer processer og datasystemer.
- Det er udfordrende at indsamle gode data på grund af menneskers uforudsigelighed.
- Datas pålidelighed påvirkes af varierende arbejdsbelastninger, fravær og individuelle arbejdsstile.
- Opbygning af effektive AI-værktøjer kræver, at der tages højde for menneskelige faktorer i dataene.
- Organisationer står over for udfordringer med at integrere gammel teknologi med nye AI-systemer.
- Det er afgørende at sikre harmoni mellem teknologien og det menneskelige element.
- Vigtige datapunkter for nøjagtig ressourceallokering [05:35]
- Værktøjer alene er ikke en magisk løsning; tillid til systemerne er afgørende.
- Det er afgørende at definere data ensartet på tværs af teams på trods af forskellige fagudtryk.
- Centrale KPI’er omfatter omsætning pr. medarbejder, projektmarginer og P&L-analyse.
- Det er fortsat en udfordring at skabe balance mellem gamle og nye værktøjer i dataøkosystemer.
- AI er endnu ikke pålidelig nok til at træffe centrale beslutninger; menneskeligt ansvar er stadig afgørende.
- Fælles temaer på tværs af målepunkter hjælper med at skabe en fælles forståelse og understøtte beslutningstagningen.
- Begynd med at forstå, hvordan en organisation definerer kapacitet (færdigheder, opgaver, roller).
- Gruppér bidragydere i 5–8 enkle kategorier for at skabe balance mellem præcision og vedligeholdelsesvenlighed.
- Undgå overdrevent præcise systemer, der skaber rodede og uhåndterbare data.
- Brug ensartede navngivningskonventioner på tværs af planlægningsdata, tidsregistreringer og data om det faktiske arbejde.
- Tilføj metadata (f.eks. arbejdstype, kundetype, fase) for at forbedre dataanalysen.
- Strukturerede data gør prognoser enklere og fremhæver forudsigelige kontra uforudsigelige områder.
- Uoverensstemmelser i processerne kan hindre nøjagtige forudsigelser, uanset datakvaliteten.
- Systemer skal tilpasse sig konstante ændringer som kundekrav eller eksterne faktorer (f.eks. COVID).
- Tilpas medarbejdere tæt på den daglige drift, så de kan levere nøjagtige dataopdateringer i realtid.
- Succes kræver en ensartet rytme og kommunikation på alle organisatoriske niveauer.
- At kodificere dataprocesser hjælper med at bevare overensstemmelse, præcision og nøjagtighed.
- Samarbejde med eksperter eller konsulenter kan hjælpe med at implementere effektive løsninger.
Der skal ikke et stort datasæt til for at generere en interessant tendenslinje, som giver os en god fornemmelse af nøjagtigheden og hjælper med at identificere, hvad der er forudsigeligt, og hvad der er meget uforudsigeligt.
Marcel Petitpas
- Sådan opnås interessenternes opbakning til datasporing [13:30]
- Skab fælles forståelse blandt interessenterne med en tydelig struktur for måling af ressourcer og kapacitet.
- Interessenternes opbakning er afgørende; mangel på opbakning er en væsentlig hindring.
- Anerkend det menneskelige element i dataindsamlingen, herunder dens iboende subjektivitet.
- Præsenter data transparent, og understreg, at de ikke er 100 % nøjagtige, men tilstrækkeligt præcise til at træffe beslutninger.
- Opbyg tillid ved at fremstille data som et værktøj til at forbedre processer, ikke som en byrde for medarbejderne.
- Spilbasering og automatiserede værktøjer kan forbedre efterlevelsen, men løser ikke det grundlæggende problem med opbakning.
- Ved at lukke feedbacksløjfen med medarbejderne skabes der tillid; inddrag dem i at se og diskutere, hvordan dataene anvendes.
- Teams modsætter sig ofte dataforespørgsler eller misforstår dem, når de ikke får vist deres indvirkning på planlægning og beslutninger.
- Præsentation af data, selv om de er ufuldkomne, kan sætte gang i værdifulde diskussioner og med tiden føre teams i retning af større nøjagtighed.
- Forenkling af datasporingen – store, meningsfulde tidsintervaller er bedre end overdrevne detaljer, når det gælder efterlevelse og indsigt.
- Tilpas metoderne til ressourceplanlægning og sporing til de konkrete spørgsmål, der skal besvares, for at undgå unødig kompleksitet.
- Succeshistorier og indhøstede erfaringer [21:07]
- Grant delte en succeshistorie fra sin tid hos et digitalt bureau.
- Han lærte at stole på og uddanne sit team i beregninger af projektmarginer og forklarede vigtigheden af ressourcestyring.
- Fokus var på at hjælpe teamet med at forstå omkostningen pr. rolle og dens indvirkning på opnåelsen af målene.
- Den største succes var ikke KPI’er, men teammedlemmernes personlige milepæle (f.eks. at stifte familie og købe bolig).
- Den administrerende direktør beskrev det som det mest meningsfulde år, hvor teamet opnåede selvtillid og stabilitet.
- Grant understregede betydningen af ansvarligt lederskab og langsigtet vækst frem for umiddelbare bekymringer som adgangen til fremtidige opgaver.
- På trods af de fortsatte udfordringer med data og AI reflekterede han over værdien af tillid og samarbejde i teamet.
- Målet var at fastholde en slank drift i 2024 og samtidig planlægge ekspansion i 2025.
- Han understregede vigtigheden af at støtte både erfarne og mindre erfarne teammedlemmer samt at tilbyde muligheder for faglig udvikling.
- Grant anerkendte både succeser og fejl, men satte stor pris på den positive indvirkning på teamet i den periode.
- Succes følger ikke en lige linje; markedet afgør, hvad der er en succes.
- Grant fremhævede vigtigheden af at være tilpasningsdygtig og arbejde iterativt med implementeringen af data.
- Han understregede behovet for konstant refleksion og justering af de daglige opgaver, såsom timesedler og projektopgaver.
- Målet er at forbedre effektiviteten og undgå udbrændthed undervejs.
- Grant delte en succeshistorie fra sin tid hos et digitalt bureau.
Når du fokuserer på et enkelt datapunkt, bliver du nærsynet. Men når du sammenholder dataene, kan du arbejde strategisk og udforme en forretningsplan, der gavner den enkelte. Det giver dig mulighed for at skabe udviklingsveje for dem, så de får faglig udvikling og tilfredsstillelse i deres liv.
Grant Hultgren
- Ann fortalte, at hendes rolle ofte indebærer at bruge data til at fortælle en historie og skabe opbakning i teamet.
- Hun fokuserer på at forebygge udbrændthed ved at drøfte tilførsel af ekstra ressourcer og bemanding.
- Hendes mål er at hjælpe organisationen med at forstå arbejdets kompleksitet og dets indvirkning på medarbejderne.
- Ann understregede vigtigheden af at bruge “godt nok”-data til at informere ledelsen om arbejdet og medarbejdernes trivsel.
- Hun fremhævede, at alle arbejder hen imod de samme mål: rentabilitet, kundeservice og arbejde af høj kvalitet.
- Dataene hjælper med at fortælle historien om ressourcestyring og dens indvirkning på teamet.
- Marcel fortalte en historie om en mangeårig kunde, der havde et stærkt eksternt omdømme, men havde problemer internt.
- Agenturet havde en kultur præget af udbrændthed, hvor medarbejderne arbejdede for meget i travle perioder og blev ramt af afskedigelser i stille perioder.
- Der var manglende koordinering mellem projektledelse, salg og kreative medarbejdere med problemer omkring tid, penge og afgrænsning af projekter.
- Agenturet havde problemer med prissætning og afgrænsning af projekter, hvor budget og tidsforbrug blev fremstillet forkert for at imødekomme kundernes forventninger.
- Marcels team hjalp ved at adskille prissætning fra afgrænsning af projekter og omstrukturere, hvordan data blev registreret.
- De identificerede arbejde med høj og lav risiko og fandt, at videoproduktion, en tjeneste med lav avance, medførte betydelig stress og risiko.
- Mere rentable tjenester som branding- og webdesign var mindre risikable og mere stabile.
- De indførte et lineært prissystem for salgsteamet, hvilket fjernede subjektivitet og skabte realistiske forventninger.
- Som følge heraf voksede agenturet med 60-90 % år for år og øgede sine avancer med over 500 %, samtidig med at medarbejderne arbejdede færre aftener og weekender.
- Marcel understregede vigtigheden af projektledere og driftsledere i forhold til at fjerne subjektivitet og træffe datadrevne beslutninger.
- Han fremhævede værdien af velbegrundede antagelser og effektive fremskrivninger til fremtidig planlægning, hvilket gavner alle interessenter.
Vi ønsker at være rentable som virksomhed, betjene vores kunder og levere arbejde af høj kvalitet. Men dataene vil fortælle dig historien om, hvad der sker med dine ressourcer.
Ann Campea
- Etik og sikkerhed i generativ AI [31:45]
- Virksomheder skal sikre datasikkerheden, når de bruger AI-værktøjer, muligvis gennem virksomhedsgodkendte platforme.
- Etiske bekymringer opstår omkring indsamling og brug af personlige arbejdsdata såsom præferencer, kompetenceniveauer og tidligere resultater.
- Gennemsigtighed er afgørende ved brug af generativ AI, især i markedsføring eller kundevendte anvendelser.
- Intern brug af data er sikrere med overholdelsesforanstaltninger (f.eks. GDPR, SOC 2), men kundedata kræver forsigtighed.
- Anonymisering af data kan bidrage til at sikre overholdelse og undgå risici for privatlivets fred.
- Agenturer bør være forsigtige med kundedata og undgå at bruge dem uden udtrykkeligt samtykke.
- Generativ AI bør informere processer, ikke erstatte menneskelig ekspertise i kundevendte beslutninger.
- Det juridiske og etiske landskab omkring brug af AI og håndtering af data er stadig under udvikling.
- Generativ AI rummer iboende skævheder, hvilket kræver forsigtighed ved brugen.
- PMI har introduceret sin egen AI-platform med kvalitetssikrede kilder om projektledelse.
- Etiske bekymringer opstår ved brug af data fra AI-kilder, især i forhold til hvordan de anvendes.
- Vær forsigtig, når du præsenterer data for interessenter, så du undgår at manipulere dem til bestemte formål.
- Data bør informere beslutningstagningen, men de etiske grænser skal respekteres i måden, de bruges på.
- Fremtiden for AI inden for projektledelse [37:48]
- Fuld automatisering af projektkompleksitet og menneskelig dømmekraft er usandsynlig i den nærmeste fremtid.
- Nuværende værktøjer kan nå 98 % effektivitet, men menneskelig indgriben er stadig nødvendig ved vurderinger.
- De sidste 2 % automatisering, som i selvkørende biler, er meget udfordrende.
- Selv med automatiserede datapipelines er høj observerbarhed nødvendig for at sikre nøjagtigheden.
- AI-værktøjer har svært ved at foretage nuancerede vurderinger, f.eks. at kontrollere tidsregistreringer eller kategorisere opgaver.
- Mennesker vil stadig være nødvendige til de endelige kontroller, især i særlige tilfælde og komplekse situationer.
- AI bør fokusere på at automatisere opgaver og forbedre effektiviteten, ikke på at træffe beslutninger på højt niveau.
- Værktøjer kan opfordre brugerne til at overveje justeringer, f.eks. at afsætte mere tid til opgaver.
- AI er endnu ikke pålidelig nok til at drive en virksomhed eller forudsige større begivenheder som COVID.
- Menneskelig dømmekraft er afgørende for beslutninger, der involverer økonomiske aftaler eller projektjusteringer.
- AI kan muligvis hjælpe med beslutninger på projektniveau, men moralske og relationelle faktorer kræver menneskeligt input.
- Ledere skal træffe beslutninger baseret på værdier, standarder og en struktureret tankeproces.
- Brug af værktøjer som data og Gen AI kan understøtte beslutningstagningen, hvis de implementeres gennemtænkt.
- Objektivitet i beslutningstagningen bidrager til at reducere følelsesmæssig skævhed.
- Velovervejede værn og systemvedligeholdelse er afgørende for effektiv implementering af værktøjer.
- Værktøjer kan vejlede ledere mod rationelle og gavnlige beslutninger for organisationen.
- Medarbejdere siger op på grund af ledere, ikke på grund af jobbet.
- Ledere bør ikke tjene på medarbejdere, men støtte deres udvikling og trivsel.
- Teknologi kan forbedre effektiviteten, men bør være i overensstemmelse med værdierne.
- At anerkende og udvikle medarbejdernes potentiale er afgørende for vækst.
- En balance mellem virksomhedens udfordringer og retfærdige, værdibaserede vurderinger bidrager til at fastholde talenter.
- Gen AI er et værktøj, der skal informere, ikke styre mennesker.
- PMI går ind for, at mennesker er med i processen ved brug af Gen AI.
- Gen AI kan håndtere gentagne opgaver, så der bliver mulighed for at fokusere på kreativt arbejde.
- Ledelse har bevæget sig fra styring til vejledning med empati.
- Maskiner kan ikke erstatte menneskelig empati eller personlig forbindelse.
- Diskussion af datapræcision kontra nøjagtighed [45:37]
- Det hjælper med at håndtere menneskelige faktorer at præsentere data som et interval i stedet for som absolutte værdier.
- Præcision kontra nøjagtighed: Intervaller giver mere realistiske svar end præcise tal.
- Højere organisatoriske niveauer håndterer mere usikkerhed og beslutninger baseret på sandsynligheder.
- Intervaller i data afspejler virkeligheden bedre og understøtter beslutningstagningen.
- Parakeeto går ind for at bruge intervaller for at opnå bedre diskussioner og beslutninger.
- Det er vanskeligt og ofte unøjagtigt at opretholde en præcis prognose for 4-6 uger.
- Brug af et interval hjælper med at forstå de mulige højeste og laveste niveauer.
- Intervaller informerer beslutninger om kunder, projekter og virksomhedens retning.
- Denne tilgang er afgørende for effektiv ledelse og den daglige drift.
Mød vores gæst
Ann har over 14 års erfaring med at fremme operationel ekspertise og forbedre projektledelsespraksisser på tværs af forskellige brancher. Ann har PMP- og CSM-certificeringer og er i øjeblikket i gang med en doktorgrad i organisatorisk forandring og ledelse som en del af sin fortsatte faglige udvikling. Du kan lytte med for at høre mere om Anns indsigter i The Everyday PM Podcast.
Generativ AI er her for at samarbejde med os og informere os, ikke for at styre os som mennesker.
Ann Campea
Marcel er administrerende direktør for Parakeeto, en virksomhed, der specialiserer sig i værktøjer og software til bureauers rentabilitet. Med en passion for at optimere bureauers drift har han hjulpet hundredvis af bureauer over hele verden med at måle de rigtige nøgletal og forbedre deres drift og rentabilitet. Når han ikke hjælper bureauer med at tjene flere penge, ser han sandsynligvis “The Office” eller “Parks and Rec” på repeat.
Data er rodet, og mennesker er uforudsigelige.
Marcel Petitpas
Grant har over 16 års erfaring med projektledelse og drift. Han brænder for at hjælpe organisationer med at vokse gennem kultur, værdier og samarbejde. Grant trækker på en stærk forretningsforståelse, omfattende viden om drift og ekspertise på SMV-niveau for at definere den optimale strategi og drive omsætningsvækst.
Folk siger ikke deres job op; de siger deres leder op.
Grant Hultgren
Ressourcer fra denne episode:
- Bliv medlem af Digital Project Manager-fællesskabet
- Abonnér på nyhedsbrevet for at få vores seneste artikler og podcasts
- Få kontakt med Grant, Marcel og Ann på LinkedIn
- Se nærmere på Parallax, Parakeeto og TrueSense Marketing
Relaterede artikler og podcasts:
Læs transskriptionen:
Vi afprøver at transskribere vores podcasts ved hjælp af et softwareprogram. Tilgiv venligst eventuelle stavefejl, da robotten ikke er korrekt 100 % af tiden.
