Denne seniorchef for programstyring gennemgår de AI-værktøjer og integrationer, hun bruger til at bygge bro mellem hullerne i kundernes teknologi
Lauren Selley er seniorchef for produktion hos Code and Theory, hvor hun fører tilsyn med den komplette levering af digitale løsninger på tværs af web og mobil. Nu hvor AI er integreret i hendes arbejdsgange, bruger hun mindre tid på administrative opgaver – og mere tid på at træffe strategiske beslutninger.
Lauren Selley
Seniorchef for produktion hos Code and Theory
AI-eksperimentering: AI-værktøjer kræver forsøg og fejltagelser, hvilket fremmer strategisk ledelse frem for administrative opgaver inden for projektstyring.
Strategisk ledelse: AI reducerer rutinearbejdet og styrker fokus på planlægning, risikostyring og løsning af bredere strategiske udfordringer.
Vigtige værktøjer: Værktøjer som Elvex og Claude effektiviserer arbejdsgangene og gør det muligt for projektledere at arbejde mere effektivt og målrettet.
Udfordringer ved AI-integration: Det er fortsat vanskeligt at integrere AI-værktøjer på tværs af systemer på grund af isolerede økosystemer og varierende værktøjsydelse.
Fremtidens ledelsesgab: AI's fremkomst kan ændre rollerne og nødvendiggøre et fokus på ledelse og menneskelige kompetencer inden for projektstyring.
Lauren Selley er senior produktionsdirektør hos Code and Theory, hvor hun fører tilsyn med den samlede levering af digitale løsninger på tværs af web og mobil. Nu hvor AI er integreret i hendes arbejdsgange, bruger hun mindre tid på administrative opgaver — og mere tid på at træffe strategiske beslutninger.
Vi talte med Lauren om, hvad der ændrer sig inden for levering, hvilke værktøjer der gør en reel forskel, og hvordan hun hjælper sit team med at navigere i skiftet fra projektleder til strategisk leder. Her er, hvad hun havde at sige.
Hvorfor programstyring kræver eksperimentering med AI
Jeg er senior produktionsdirektør (programstyring) hos Code and Theory.
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
Jeg fører tilsyn med den samlede levering af digitale løsninger til vores kunder — fra strategi til lancering og support efter lanceringen på tværs af web og mobil. Jeg bruger meget tid på at sikre, at vores teams har det, de skal bruge for at levere succesfuldt, og at vores kunder føler sig trygge ved os som samarbejdspartnere.
I vores virksomhed handler AI først og fremmest om eksperimentering: test, optimér, gentag.
Virksomheder giver os ikke færdigudviklede løsninger, der siger: “Her er dine prompts og værktøjer, gå i gang med at bruge dem.” De siger: “Her er adgang til nogle få værktøjer, find ud af, hvad du kan gøre med dem.”
Så jeg bruger meget tid på at eksperimentere, opbygge arbejdsgange og se, hvad der rent faktisk fungerer.
Hvornår AI skal bruges i projektleveringen — og hvornår det skal undgås
Det, der begejstrer mig mest ved AI i projektleveringen, er, at vi endelig bruger mindre tid på at være opgavestyrere og mere tid på faktisk at være ledere. Det skifte har været længe undervejs.
Takket være AI bruger vi endelig mindre tid på at være opgavestyrere og mere tid på faktisk at være ledere.
Jeg bruger AI konstant til at slippe for rutinearbejdet. Det er for eksempel fremragende til at give svar ud fra et datasæt med projektviden, opsummere, skrive udkast til noter og udsende påmindelser om handlinger. Men du er nødt til at dobbelttjekke det. AI har en dårlig vane med at opfinde handlinger eller forfalske forfaldsdatoer.
Det giver mig mulighed for at fokusere på at guide teamet og løse udfordringer på et større, overordnet plan.
Min viden om projektgennemførelse anvendes bedst til strategisk planlægning, forudsigelse af risici, guidning af teams gennem komplekse scenarier og træffe bedre beslutninger om leveringen — ikke til at jagte statusopdateringer.
Og jeg vil heller ikke lade AI håndtere kundekommunikation om omfang og risiko. Der findes ingen erstatning for at kunne aflæse personligheder, tilpasse sig kommunikationsstile og trække på tidligere erfaringer for at navigere i svære samtaler.
Hvis AI nu også kunne finde ud af, hvordan man laver udgiftsrapporter og registrerer tid for mit team, ville det være fantastisk. Det venter jeg stadig på.
AI-værktøjerne, der driver projektlevering og arbejdsgange
På arbejdet bruger vi en række godkendte AI-værktøjer fra Atlassian, Vercel og Google samt adgang til et virksomhedsværktøj, der trækker på forskellige LLM'er som ChatGPT og flere andre.
Atlassian tilbyder Rovo, som er fremragende til søgning på tværs af virksomheden — det kan finde resultater på tværs af Gmail, Docs, Confluence-sider og Jira-sager på én gang.
Vi bruger også Elvex til at oprette en kontrolleret vidensbase ud fra et afgrænset datasæt, så teamet kan stille den spørgsmål, der er specifikke for projektet.
Og Vercel tilbyder V0, som er fantastisk til “kodning efter mavefornemmelse” — det gør det nemt hurtigt at generere og videreudvikle interne prototyper eller visualisere idéer.
Uden for arbejdet, når jeg skaber indhold, er jeg i høj grad afhængig af ChatGPT, Claude og en række designværktøjer.
Claude har gjort en enorm forskel. Jeg har ikke længere brug for specialtilpassede plugins eller hjælp fra udviklere, fordi værktøjet genererer frontend-kode og lader mig forhåndsvise den, så jeg kan fejlfinde, før noget går live, og gøre min arbejdsgang mere smidig.
Og derhjemme er Notion og Notion AI min hjerne. Det er sådan, jeg holder styr på hele min familie og mit hjemmeliv.
Og jeg vil sige dette. AI kan ikke klare alt. Den har ikke overbevist mit lille barn om at spise grøntsager. Hvis nogen bygger den model, så skriv mig op!
Det uundværlige AI-værktøj til projektledere
Jeg har to AI-værktøjer, som jeg foretrækker lige nu.
Fra et projektledelsesperspektiv er det Elvex. At give teams mulighed for at forespørge i en database og få svar via chat sparer mig flere timer hver dag.
Fra et projektledelsesperspektiv er det Elvex. At give teams mulighed for at forespørge i en database og få svar via chat sparer mig flere timer hver dag.
Du ville blive overrasket over, hvor ofte en PM er den person, folk kontakter, når de ikke kan finde eller huske noget. Nu kan jeg bare henvise dem til en chatbot. Vi har oprettet Elvex-integrationer med Slack, så teams kan stille “Project”-botten spørgsmål om mål, deadlines, teammedlemmer eller andre projektdetaljer — og få øjeblikkelige, præcise svar.
Fra et indholdsskabelsesperspektiv må jeg igen give Claude anerkendelse. Det har fjernet behovet for så mange plugins og backend-scripts, som jeg plejede at betale for, og det sparer mig timer ved at forenkle både frontend- og backendopgaver.
Sådan forvandler AI de centrale leverancerutiner
AI er fantastisk til at reducere informationsmængden i starten af et projekt.
AI er fantastisk til at reducere informationsmængden i starten af et projekt.
I stedet for lange vidensoverdragelsesmøder kan teams forespørge i en database med projektinformation og få det, de har brug for, i realtid.
Det bliver også stadig mere værdifuldt til validering af leverancer — fra hjælp til kodegennemgange til understøttelse af automatiserede tests.
AI erstatter ikke ekspertvalidering, men den fremskynder processen og hjælper os med at opdage problemer tidligere.
Brug af AI-arbejdsgange til at håndtere komplekse projekter med mange interessenter
På store, komplekse programmer med flere afdelinger, leverandører og klientinteressenter er automatiserede arbejdsgange og integrerede værktøjer absolut afgørende.
Jeg har for eksempel opsat arbejdsgange, der sender automatiske påmindelser i Slack, genererer AI-drevne daglige opsummeringer for at reducere mødetiden og synkroniserer projektplaner på tværs af forskellige platforme.
Slack har for nylig lanceret sin egen opsummeringsfunktion til kanalsamtaler, hvilket har været utroligt nyttigt. Og når jeg vil sikre mig, at teamet er opdateret om, hvad der er sket i Jira, bruger jeg en Rovo-agent til at opsummere ændringer i udvalgte felter på vores tavler.
Rovo bliver også stadig mere værdifuld til at identificere projekttrends, som vi derefter kan koble til retrospektiver og læring — her er en Atlassian-artikel om, hvordan man gør det.
Det har især været værdifuldt, når klienter bruger forskellige økosystemer, såsom Microsoft eller Google. At have arbejdsgange og AI-integrationer, der bygger bro over disse forskelle, holder alle afstemt uden at tvinge folk over i ét enkelt værktøj.
Det har især været værdifuldt, når klienter bruger forskellige økosystemer, såsom Microsoft eller Google. At have arbejdsgange og AI-integrationer, der bygger bro over disse forskelle, holder alle afstemt uden at tvinge folk over i ét enkelt værktøj.
Eksperimenter med agentbaserede arbejdsgange for at øge leveringseffektiviteten
Vi eksperimenterer på alle de områder, vi kan — herunder med agentbaserede arbejdsgange. Vi har udviklet vores eget orkestreringsværktøj og fortsætter med at teste forskellige indtagelsespunkter.
Fokus har været på alle leverancens faser:
- Strategiske indsigter
- Designdokumentation
- Projektovervågning og
- Levering inden for ingeniørarbejde
Vi arbejder stadig på at videreudvikle dem, men vi forventer at se betydelige effektivitetsgevinster, efterhånden som disse systemer modnes.
Hvorfor det fortsat er udfordrende at integrere AI-værktøjer i leveringsarbejdsgange
Når alt det er sagt, er det stadig langt sværere, end det burde være, at opsætte integrationer til det, jeg ved er almindelige forretningsproblemer.
AI hjælper mig gerne gennem trinnene, men jeg ville elske, at den bare udførte opsætningen for mig. At få den til at udføre handlinger på tværs af systemer som Google eller Microsoft er en anden sag på grund af de adskilte økosystemer.
En anden overraskelse — eller måske frustration — er det enorme udvalg af modeller og værktøjer. Man får virkelig vidt forskellige svar afhængigt af, hvilket værktøj man bruger, og hvad det er specialiseret i, så det tager tid at holde sig ajour med dem og teste dem mod virkelige anvendelsestilfælde.
Hvorfor AI kan skabe et fremtidigt ledelsesgab inden for projektledelse
Projektledere forbinder trådene og er dygtige til kommunikation. Om fem år tror jeg, at AI vil håndtere 90 procent af den dataindsamling og analyse, vi udfører i dag.
Det betyder, at projektledere bliver nødt til at fokusere endnu mere på ledelse, kundehåndtering og menneskelige færdigheder — men de kommer ikke til at miste deres job; jobbene bliver bare anderledes.
Projektledere forsvinder ikke. Jobbene bliver bare anderledes.
Den største udfordring fra nu af og frem til da er det hul i talentmassen på begynderniveau, som vi kommer til at se.
Hvis AI kan udføre alt det rutinearbejde, som vi tidligere lod praktikanter og projektledere på associeret niveau tage sig af, er vi nødt til at skabe nye roller på associeret niveau for projektledere — muligvis inden for databaser og prompts — for at sikre, at vi har en strøm af kandidater, der kan blive fremtidige seniorledere. Ellers vil der ikke være nogen til at træde ind i lederrollerne.
Jeg tror også, at bemandingen kommer til at se meget anderledes ud. I stedet for faste roller vil vi se kortsigtede behov for ting som promptudvikling, AI-validering eller opsætning af integrationer.
Rollerne vil være fleksible og udvikle sig fra projekt til projekt, og projektledere skal være eksperter i at sammensætte og administrere disse kombinationer.
Råd til leveringsledere, der tilpasser sig AI-æraen
Du skal ikke overtænke det; begynd bare at bruge værktøjerne. Alle ser ud, som om de ved, hvad de laver, men de fleste finder ud af det undervejs.
Alle ser ud, som om de ved, hvad de laver, men de fleste finder ud af det undervejs.
Du er ikke bagud. Vi har alle adgang til den samme AI. Forskellen er, om du afsætter tid til at eksperimentere og finde ud af, hvad der faktisk virker.
Følg med
Hold kontakten med Lauren på LinkedIn og hendes hjemmeside. Og følg med i det arbejde, hendes team løbende udfører hos Code and Theory.
Der kommer flere ekspertinterviews på The Digital Project Manager.
