Eksperter afslører de værste anvendelser af AI i projektledelse
Kritisk tænkning: Automatiserede projektplaner ser komplette ud, men mangler afgørende kontekst, hvilket kan føre til problemer i projektet.
Behovet for gennemgang: Hvis man stoler på AI-output uden menneskelig gennemgang, kan det føre til fejl og alvorlige konsekvenser.
Virkelighedstjek: AI har svært ved faktuelle opgaver som timesedler, hvilket kan bringe nøjagtigheden af data og integriteten af projektregistreringer i fare.
Menneskelig involvering: Brug af AI til håndtering af interessenter kan undergrave den ægte involvering, der er nødvendig for produktiv kommunikation.
Procesgrundlag: AI bør ikke erstatte etableringen af menneskelige procesmæssige grundlinjer, da teknologien ikke kan definere effektive arbejdsgange.
AI-anvendelse i projektledelse er accelereret hurtigt, og med den er der kommet en bølge af begejstring, som ikke altid holder til nærmere granskning. Værktøjer, der lover at spare tid, reducere den administrative byrde og synliggøre indsigter, er blevet faste bestanddele af projektledernes arbejdsgange — men ikke alle anvendelser af disse værktøjer fungerer, som fagfolkene havde håbet. Faktisk skaber nogle anvendelsesområder stille og roligt flere problemer, end de løser. De eksperter, der arbejder med dette område hver dag, har set mønstrene, og de er ærlige om, hvor AI skaber problemer for projektledelse.
Generering af projektplaner uden kritisk tænkning
Få anvendelser af AI i projektledelse er så fristende — eller så risikable — som den automatiserede projektplan. Indsæt en arbejdsbeskrivelse, og få en tidsplan tilbage. Det lyder som en produktivitetsgevinst, men erfarne fagfolk siger, at resultaterne ofte ser bedre ud, end de reelt er, og at projektledere, der accepterer dem uden at undersøge dem nærmere, udsætter deres projekter for problemer.
Pam Butkowski, SVP for Horizontal Digital, siger det direkte: "selv hvis du har et værktøj, hvor du indtaster en SOW og beder det om at oprette en projektplan for dig, så lover jeg, at den ikke er korrekt. Det kommer den bare ikke til at være. Det er et godt udgangspunkt. Men derefter er vi nødt til at bruge vores kritiske tænkning." Planen kan være struktureret, den kan se komplet ud — men den har ikke adgang til de reelle afhængigheder, teamets faktiske kapacitet eller den organisatoriske kontekst, der gør en tidsplan realistisk.
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
Selv hvis du har et værktøj, hvor du indtaster en SOW og beder det om at oprette en projektplan for dig, så lover jeg, at den ikke er korrekt. Det kommer den bare ikke til at være.
Jeff Chamberlain, chef for bredbåndstjenester og PMO hos Fredrick County Government, er gennem sine erfaringer nået frem til en lignende konklusion: "Nogle går til det med ønsket om, at det skal oprette projektplaner. Jeg har ikke haft stor succes med at oprette gode projektplaner med det. Og som regel ender man alligevel med at lave dem om." Når det omarbejde, der kræves for at gøre en AI-genereret plan anvendelig, nærmer sig den tid, det ville have taget at udarbejde den fra bunden, forsvinder argumentet om effektivitet.
Nogle går til det med ønsket om, at det skal oprette projektplaner. Jeg har ikke haft stor succes med at oprette gode projektplaner med det. Og som regel ender man alligevel med at lave dem om.
Kopiering og indsættelse af AI-resultater uden gennemgang
Hvis der er én vane, som fagfolk fremhæver som den umiddelbart farligste, er det denne: at acceptere AI-resultater som færdigt arbejde. Det er forståeligt, at det virker tillokkende. Resultatet ser poleret ud, sproget er selvsikkert, og fristelsen til at gå videre er reel. Men denne polerede overflade kan skjule alvorlige fejl — og når ingen gennemgår arbejdet, før det sendes ud, kan konsekvenserne være betydelige.
Mike Clayton, administrerende direktør og grundlægger af OnlinePMCourses.com, har set dette udspille sig i professionelle servicevirksomheder, hvor der er reelle økonomiske konsekvenser: "Der er mennesker, som bare siger: Okay, jeg er blevet stillet et spørgsmål. Jeg stiller ChatGPT et spørgsmål og kopierer og indsætter svaret, og så er mit arbejde færdigt. Og ingen havde overhovedet gennemgået det eller rettet det." Problemet er ikke, at AI blev brugt — det er, at det menneskelige trin med at gennemgå og rette resultatet helt blev sprunget over.
Der er mennesker, som bare tænker: Okay, jeg er blevet stillet et spørgsmål. Jeg stiller ChatGPT spørgsmålet og kopierer og indsætter svaret, og så er mit arbejde gjort.
Megan Cotterman, projektleder på deltid og driftskonsulent, oplevede dette på egen hånd: "Jeg brugte AI til at hjælpe mig med dette instruktionsdesignprojekt ... AI'en fik faktisk blandet tingene sammen, og jeg havde nærmest de forkerte oplysninger. Så jeg synes, det handler om at sikre, at teams forstår, at det ikke er den endelige løsning ... og at man ikke bare skal kopiere og indsætte og sende det til en kunde og så tro, at sagen er klar." Selv når AI bruges med omtanke, kan den stadig producere ukorrekte oplysninger — hvilket betyder, at trinnet med menneskelig gennemgang ikke er valgfrit; det er selve arbejdet.
Brug af AI til timesedler og faktuel registrering
Der findes en kategori af projektdokumentation, som er helt afhængig af virkeligheden: hvad der faktisk skete, hvem der faktisk gjorde hvad, og hvornår det skete. Timesedler hører klart til i den kategori. Og det er netop her, hvor nøjagtighed ikke kan forhandles, at AI er mindst egnet til at hjælpe.
Oliver F. Lehmann, underviser i projektforretning hos Oliver F. Lehmann Project Business Training, formulerer problemet med nyttig skarphed: "AI kan ikke skrive en timeseddel. Den kan fantasere en timeseddel, men den kan ikke skrive en timeseddel. Så du bringer fantasi ind i dokumentation, der burde være virkelighed." AI kan generere noget, der ligner en udfyldt timeseddel — poster, der ser plausible ud, og timer, der går op — men intet af det afspejler, hvad der faktisk skete. At introducere den slags fabrikerede data i et projektregister sparer ikke tid; det ødelægger det.
AI kan ikke skrive en timeseddel. Den kan fantasere en timeseddel, men den kan ikke skrive en timeseddel!
Automatisering af interessenthåndtering og kommunikation
Interessenthåndtering er en af de mest menneskeintensive dele af projektarbejdet, og det er der en god grund til. De samtaler, der bringer projekter fremad — de vanskelige samtaler, som kræver tillid og omhyggelig lytning — afhænger af ægte menneskeligt engagement. Forsøg på at automatisere eller uddelegere dette engagement til AI har en tendens til at underminere præcis det, der gør disse samtaler produktive. Interessenter, der navigerer i komplekse eller omstridte beslutninger, ønsker ikke en optimeret kommunikationsproces — de vil føle sig oprigtigt hørt af et andet menneske.
Problemet omfatter også den daglige skriftlige kommunikation. Lehmann bemærker: "Jeg ser meget ofte, at projektledere bare bruger AI til at skrive e-mails for dem. Sproget er ofte for blødt, når det er tid til at være lidt mere direkte. Det glatter tingene ret meget ud." Når et projekt kræver en direkte og fast besked til en interessent, har AI-genereret sprog en tendens til at slibe kanterne af — og ofte efterlade det egentlige problem uadresseret.
Yonelly Gutierrez, seniorprogramleder hos Palo Alto Networks, bemærker også denne kvalitet i AI-skrevet kommunikation: "Nogle gange tænker jeg med hensyn til formuleringen: 'Du lyder virkelig som en AI-robot. Tal dog bare normalt, tak.'" Den karakteristiske stivhed i AI-genereret sprog er ikke kun et æstetisk problem — den signalerer til modtagerne, at beskeden ikke er skrevet med netop dem i tankerne.
Implementering af AI, før der er etableret et menneskeligt udgangspunkt
En af de mere strukturelt fejlbehæftede tilgange til at indføre AI er at implementere den, før nogen har fundet ud af, hvordan den underliggende opgave faktisk bør udføres. Når organisationer springer trinnet med at etablere en velfungerende, menneskestyret proces over og går direkte til at automatisere den, fremskynder de ikke fremskridtene — de fremskynder forvirringen.
Derek Fredrickson, grundlægger og administrerende direktør hos The COO Solution, ser ofte dette mønster: "Ofte forsøger de at indføre AI som løsningen, før et menneske faktisk har udført opgaven. Jeg mener altid, at et menneske først bør udføre det, man ønsker, at AI skal automatisere, i stedet for bare at indføre AI for AI's skyld." AI er god til at skalere og systematisere processer, der allerede er forstået. Den har ingen mulighed for at definere, hvordan noget ser godt ud i en proces, der aldrig først er blevet udført af et menneske.
Jeg mener altid, at et menneske først bør gøre det, som man ønsker, at AI skal automatisere, i stedet for bare at indsætte AI for AI’s skyld.
AI-drevet rapportering med urene data eller uden et klart mål
Automatiseret rapportering er en af de oftest nævnte fordele ved AI i projektledelse. Løftet er reelt — men det kommer med betingelser, som organisationer ofte overser. Hvis de underliggende data er upålidelige, eller hvis rapporteringens formål ikke er klart defineret, producerer AI ikke bedre rapporter. Den producerer selvsikkert formaterede rapporter, som ikke fortæller dig det, du har brug for at vide.
Emmanuels Magaya, grundlægger af Project Managers Africa, identificerer begge fejlkilder: "Hvis du ønsker, at AI skal automatisere dine rapporter, vil du ofte opdage, at hvis dataene ikke er korrekte, vil din rapport ikke give dig det, du leder efter. Og du er også nødt til at vide, hvad du leder efter i rapporten." Rensede data og et klart, interessentspecifikt formål er forudsætninger — ikke noget, der blot er rart at have — for at AI-assisteret rapportering kan skabe værdi.
Hvis du ønsker, at AI skal automatisere dine rapporter, vil du ofte opdage, at hvis dataene ikke er korrekte, vil din rapport ikke give dig det, du leder efter.
At lægge AI oven på ødelagte processer
AI fungerer som en kraftforstærker. Det er netop det, der gør anvendelsen af AI på en dysfunktionel arbejdsgang så kontraproduktiv — den forstærker dysfunktionen. Organisationer, der tror, at AI vil reparere en ødelagt proces, gør i næsten alle tilfælde processen endnu mere ødelagt og sværere at diagnosticere.
Markus Kopko, ledende CPMAI-coach, beskriver dynamikken klart: "At kaste AI og AI-løsninger ind i dårlige processer gør ikke processen bedre. Resultaterne er endnu værre, end hvis du ikke havde ændret dine processer." Procesforbedring skal komme først. AI, der anvendes oven på en uundersøgt eller ineffektiv arbejdsgang, afdækker ikke de underliggende problemer — den begraver dem under hurtigere og mere omfattende output.
More Articles
- AI-anvendelse i projektledelse: Hvad hjælper og hindrer projektledere i 2026
- AI i projektledelse: Praktiske anvendelser, eksempler fra den virkelige verden & adoptionsvejledning
- AI-anvendelser inden for projektledelse: De mest populære i 2026
- AI i projektledelse i virksomheder: En leders guide til transformation, effekt og konkurrencefordel
- AI er her: 9 måder, projektledere bruger det på lige nu
At erstatte menneskelig dømmekraft i teamdynamik og konflikter
Data kan fortælle en projektleder meget. Den kan ikke fortælle vedkommende, at to teammedlemmer er holdt op med at have tillid til hinanden, når teamets psykologiske tryghed ikke eksisterer, eller at det, der ligner et planlægningsproblem, i virkeligheden er en dybere konflikt. Den slags kræver nærvær, observation og menneskelig dømmekraft — og intet af dette kan AI levere.
Jeremiah Hammon, leder- og projektledertræner hos Project Revolution, trækker en tydelig grænse: "Det, den ikke vil gøre, er at se de virkelige problemer. Den fortæller os ikke, at tre teammedlemmer har personlige problemer, eller hvornår teamproblemer kræver konfliktløsning. Det vil den ikke gøre." Projektteamets mellemmenneskelige dynamik — hvem der kæmper, hvem der er uengageret, og hvad der forbliver usagt — er usynlig for AI. Og i mange projekter er netop denne dynamik afgørende for, om arbejdet bliver udført.
Det, den [AI] ikke vil gøre, er at se de virkelige problemer. Den fortæller os ikke, at tre teammedlemmer har personlige problemer, eller hvornår teamproblemer kræver konfliktløsning. Det vil den ikke gøre.
Mønstret bag problemet
På tværs af alle disse anvendelsesområder går en fælles tråd igen i fejlene: AI bliver bedt om at udføre opgaver, den aldrig er designet til, eller bliver anvendt på måder, der fjerner den menneskelige dømmekraft, som ellers ville have opdaget problemet. Problemet er ikke AI i sig selv — det er antagelsen om, at fordi AI kan producere et output, er dette output pålideligt, passende eller tilstrækkeligt. De fagfolk, der bruger AI mest effektivt, er ikke dem med den længste liste over anvendelsesområder. Det er dem, der er mest bevidste om, hvor AI stopper, og den menneskelige dømmekraft begynder — og som betragter denne grænse ikke som en begrænsning, men som et designprincip.
Vil du have flere indsigter som disse? Opret en gratis DPM-konto for at høre fra flere eksperter som disse.
