Seuraatko vääriä mittareita? Näin tekoäly voi vähentää toimituksen riskejä

Lue tekstitys:

Kokeilemme podcastiemme tekstittämistä ohjelmistolla. Antakaa anteeksi mahdolliset kirjoitusvirheet, sillä botti ei ole sataprosenttisen tarkka.

Galen Low: Miten organisaatio tai tiimi voi selvittää, seuraako se oikeita mittareita, ja mitä se voi tehdä, jos se huomaa mitanneensa koko ajan väärää asiaa?

Lior Gerson: Sinun pitää seurata kaikkea, mikä auttaa sinua pääsemään sinne, minne haluat. Kaikki muu on kohinaa.

Galen Low: Käydäänkö läpi esimerkki mittarista, joka oli ehkä väärä, sekä prosessi, jonka avulla siirryttiin mittaamaan oikeaa asiaa?

Lior Gerson: Yksi asiakkaistamme halusi parantaa sitä, miten he ennustavat, mitä he toimittavat joka vuosineljännes. Hän pystyi ottamaan alustamme käyttöön ja automatisoimaan sen, ja siihen kului noin päivä. Nyt hänellä on aina halutessaan edessään vastaus kysymykseen: mitä toimitamme tässä kuussa?

Luuletko, että tulee vaihe, jossa tekoälyagentista tulee projektipäällikkö tai se korvaa projektipäällikön kokonaan?

Galen Low: Joidenkin ihmisten projektipäällikön työn määritelmän perusteella kyllä.

Tervetuloa The Digital Project Manager -podcastiin — ohjelmaan, joka auttaa toimitusjohtajia työskentelemään fiksummin, toimittamaan nopeammin ja johtamaan paremmin tekoälyn aikakaudella. Olen Galen, ja joka viikko perehdymme käytännön strategioihin, uusiin työkaluihin, hyväksi havaittuihin viitekehyksiin ja toisinaan myös projektirintaman tositarinoihin.

Olitpa ohjaamassa valtavia muutoshankkeita, hallinnoimassa tekoälyn työnkulkuja tai yksinkertaisesti yrittämässä pitää kaaoksen hallinnassa, olet oikeassa paikassa. Aloitetaan.

Tänään puhumme siitä, miten perinteiset näkemykset projektin onnistumisen mittaamisesta haastetaan ja miksi tekoälyä hyödyntävät suorituskykymittareiden hallintatyökalut saattavat olla ainoa keinosi pysyä mukana kasvavassa muuttujien joukossa, joka voi ratkaista projektisi lopputuloksen.

Seuranani on Lior Gerson, TargetBoard.ai:n perustajajäsen ja toimitusjohtaja. Lior aloitti uransa mySupermarketissa, joka oli Yhdistyneen kuningaskunnan suurin hintavertailusivusto ja palveli kuukausittain kymmeniä miljoonia käyttäjiä. Siellä hän vastasi miljoonien dollarien projekteista ja teki yhteistyötä Walmartin, WPP:n ja Dentzun kaltaisten suuryritysten kanssa.

Sen jälkeen hän perusti Vroom.comin teknologiajohtajana. Kyseessä oli verkossa toimiva autokauppa, joka listautui pörssiin 2,5 miljardin dollarin arvosta. Tämän jälkeen hän johti Placer.ai:n tuotekehitystä. Placer.ai on sijaintianalytiikan yksisarvinen yritys, joka käsittelee petatavuja dataa. Nykyään hän johtaa TargetBoardia, tekoälyä hyödyntävää suorituskykymittareiden hallintatyökalua.

Lior, kiitos paljon, että liityit seuraamme tänään.

Lior Gerson: Kiitos, Galen. On ilo olla täällä.

Galen Low: Olen todella innoissani tästä keskustelusta, koska olet erittäin syvällisesti perehtynyt suorituskykymittareiden maailmaan ja dataan perustuvien päätösten tekemiseen menestyksen saavuttamiseksi. Toivon rehellisesti, että keskustelu etenee myös suunnittelemattomiin suuntiin, mutta tässä on tämän päivän suunnitelmani. Aloitetaan yhdestä suuresta kysymyksestä, joka polttelee kaikkien mielessä.

Sen jälkeen haluaisin tarkastella asiaa laajemmin ja puhua kolmesta teemasta. Ensinnäkin haluan käsitellä suorituskykymittareihin liittyvää kulttuurista ristiriitaa ja sitä, miten mittareita voidaan tulkita organisaation eri tasoilla. Sen jälkeen puhutaan projektien suorituskykymittareiden muuttumisesta ja siitä, mihin suuntaan ne ovat menossa. Lopuksi voisimme keskittyä käytännön tapoihin, joilla yritykset ja projektitiimit voivat alkaa hyödyntää tekoälyllä tehostettua suorituskykymittareiden seurantaa ja siihen, miten tämä voi vaikuttaa työnkulkuihin hyvässä tai pahassa.

Miltä tämä kuulostaa?

Lior Gerson: Kuulostaa hyvältä. Tästä tulee varmasti kiehtova keskustelu.

Galen Low: Hienoa. Minäkin olen samaa mieltä. Tässä tulee polttava kysymys. Viime aikoina on puhuttu paljon siitä, että monet projektit ja jopa kokonaiset organisaatiot saattavat mitata ja seurata väärää asiaa.

Projektien osalta olen nähnyt paljon keskustelua, jossa haastetaan kaikki entisestä pyhästä kolmiyhteydestä — laajuudesta, aikataulusta ja budjetista — aina ketteriin mittareihin, kuten nopeuteen. Organisaatioissa taas on kyseenalaistettu esimerkiksi työntekijäkohtaista liikevaihtoa, bruttokatetta ja käyttöastetta. Ainakin omassa projektinhallinnan maailmassani suurin puheenaihe on se, että projektijohtajien ei pitäisi mitata ainoastaan projektin terveyttä vaan myös projektin vaikutusta.

Tätä taustaa vasten kysymykseni kuuluu: miten organisaatio tai tiimi voi selvittää, seuraako se oikeita mittareita, ja mitä se voi tehdä, jos se huomaa mitanneensa koko ajan väärää asiaa?

Lior Gerson: Se on hyvä kysymys. Käyttämiesi projekti- ja hankealoitteiden pitäisi olla linjassa liiketoimintastrategian ja tuotestrategian kanssa.

Sen kanssa, minne liiketoiminta haluaa päästä. Kun asia kuitenkin rajataan projektinhallintaan, tavoitteena on käytännössä saavuttaa virstanpylväät ajallaan ja budjetissa, mahdollisimman vähäisellä kitkalla sekä mahdollisimman tarkasti ja ennakoitavasti. Kaikki seurattavat mittarit ovat niitä, jotka auttavat saavuttamaan tämän tilan.

Se voi olla mitä tahansa. Voit seurata testien etenemisnopeutta, asioiden estymistä, lomapäiviä tai sitä, miten ihmiset käyttävät tekoälyä. Voit seurata mitä tahansa, kunhan se auttaa pysymään siinä kehyksessä, mitä todella yrität saavuttaa. Jos et kuitenkaan seuraa asioita, jotka auttavat sinua saavuttamaan tavoitteesi, seuraat vääriä asioita.

Galen Low: Pidän tuosta näkökulmasta, koska meillä on tapana hakeutua oikeiden mitattavien asioiden pariin. Sanoin jopa kysymyksessäni: mikä on oikea asia mitattavaksi? Sinä sanot itse asiassa, että oikea asia on mikä tahansa, joka auttaa etenemään. Vaikka se olisi täysin erilainen kuin se, mitä toinen tiimi tekee.

Vaikka se olisi täysin erilainen kuin se, mitä teit toisessa organisaatiossa. Sen pitäisi olla linjassa tehtävän kanssa.

Lior Gerson: Sinun pitää seurata kaikkea, mikä auttaa sinua pääsemään sinne, minne haluat. Kaikki muu on kohinaa.

Galen Low: Se on reilua. Jos joku ajattelee nyt, ettemme todellakaan seuraa oikeita asioita ja että meidän pitäisi aloittaa, miten oikeat asiat kartoitetaan etenemisen tukemiseksi? Onko olemassa jokin paras käytäntö tai prosessi?

Lior Gerson: Sinun pitää ymmärtää liiketoimintasi ja projektisi. Sinun on ymmärrettävä, mikä todella vaikuttaa tuloksiin. Mitkä asiat muuttavat tilannetta? Mikä saa aikaan vaikutuksen?

Onko kyse ihmisistä, resursseista vai monimutkaisuudesta? Miten kaikki puretaan osiin? Sanotaan, että nämä ovat komponentit ja tämän pitää tapahtua. Miten varmistetaan, että se todella tapahtuu eikä putoa halkeamien väliin? Sinulla on todennäköisesti paljon työkaluja.

Data on hajallaan. Sitä ei päivitetä, ja joku sanoo, etteivät ihmiset päivitä järjestelmäänsä, joten tiedot ovat käyttökelvottomia. Kaikki tämä aika kuluu ilman tuottoa. On miljoona tapaa ja miljoona syytä, miksi se ei toimi, mutta meidän on saatava se toimimaan.

Galen Low: Selvä. Ymmärrän. Voisitko ehkä käydä läpi esimerkin mittarista, joka oli väärä, ja prosessista, jolla siirryttiin mittaamaan oikeaa asiaa? Tai ehkä jostain epätavallisesta mittarista, jota joku kanssasi työskennellyt seurasi ja joka todella auttoi saavuttamaan tavoitteet?

Lior Gerson: Kerron yhdestä asiakkaastamme, Versasta. Hän työskentelee tuotetoiminnoissa ja on loistava tyyppi. Pidämme hänestä ja hänen kanssaan työskentelystä. Hän halusi parantaa sitä, miten he ennustavat, mitä he toimittavat joka vuosineljännes. Tavoitteena oli parantaa suunnittelun tarkkuutta ja ennustamista.

He etenivät nopeasti ja asiat muuttuivat jatkuvasti. Prioriteetit ja kapasiteetit muuttuivat, ja ihmiset siirtyivät tiimien välillä. Siksi tilanteesta tuli todella monimutkainen. Hän kehitti kaavan, joka ottaa huomioon jokaisen osallistujan ja tiimin aiemman suorituskyvyn ja yhdistää sen kyseisen tiimin tai ryhmän nykyiseen kapasiteettiin.

Sen sijaan, että kaikkea dataa olisi pitänyt käsitellä Excelissä, mukaan lukien lomapäivät, tehtävät, prioriteetit ja monet muut asiat, hän päätti automatisoida prosessin alustallamme.

Siihen kului noin päivä. Nyt hänellä on aina edessään vastaus siihen, mitä he pystyvät toimittamaan tässä kuussa. Kun toimitusjohtaja tai tuotejohtaja ilmoittaa prioriteetin muuttuvan, hän näkee välittömästi, mitä muuttuu ja miten se vaikuttaa kaikkiin hankkeisiin, joita he yrittävät viedä eteenpäin.

Minusta oli nerokasta ottaa data ja asettaa se oikeaan kontekstiin, jotta se kertoo tarvittavan tarinan.

Galen Low: Olin juuri ketterän kehityksen konferenssissa. Mainitsin nopeuden aiemmin. Kaikki sanoivat, että se on heikko vaikutuksen mittari. Joskus se on heikko mittari myös siksi, että monissa ketterissä tiimeissä pitäisi olla omistautunut tiimi, jonka jäsenet työskentelevät kokoaikaisesti.

Ihmiset, joiden kanssa puhun, sanovat, ettei niin koskaan tapahdu. Ihmiset lomailevat tai heidät vedetään muihin projekteihin. Silloin nopeusmittari nousee ja laskee, ja yrität suunnitella eteenpäin ihmetellen, mitä tapahtuu.

Se ei ole kovin hyvä mittari. Useimmat eivät ehkä ajattelisi käyttää dynaamiseen dataan perustuvaa koontimittaria tai eivät tietäisi, miten sellainen rakennetaan. Ajatus reaaliaikaisesta resursoinnista on kiinnostava: jos joku on poissa, mittarin pitäisi luonnollisesti laskea tuotoksen, suorituskyvyn tai vaikutuksen osalta. Dataa haetaan muista lähteistä sen sijaan, että yritettäisiin löytää yksi mittari, joka hallitsee kaikkia muita.

Lior Gerson: On kiinnostavaa, että nostit tämän esiin. Mieti, miten data leviää liiketoiminnassa. Kun joku lähtee pois, kestää aikansa ennen kuin ihmiset tietävät siitä. Esihenkilö saattaa tietää, mutta tiedon eteneminen oikealle henkilölle, joka ymmärtää vaikutuksen projektin aikatauluihin ja toissijaisiin seurauksiin, voi kestää päiviä tai viikkoja.

Sitä aikaa et saa takaisin. Jos lisäät resursseja, aikataulu ei välttämättä lyhene, koska oppimiskäyrä on edelleen olemassa. Mitä nopeammin pystyt välittämään tiedon organisaatiossa oikeille ihmisille, sitä suurempi vaikutus sillä on. Vaikutus kertautuu.

Galen Low: Viive on todella todellinen. Yhteisössämme puhutaan jatkuvasti siitä, että joku olisi toivonut saavansa tiedon pääkehittäjän kolmen viikon lomasta aikaisemmin. Näen tämän omassa työssäni koko ajan: lomapyyntö kulkee prosessin ja pullonkaulojen läpi ennen kuin kukaan tietää loman hyväksymisestä.

Lior Gerson: Loma on helppo esimerkki. Ajattele etätyötä, Zoomia ja tilannetta, jossa joku on poissa. Kuka on poissa? Kukaan ei kertonut sinulle.

Galen Low: Niin. Ymmärrän.

Lior Gerson: Kahden viikon kuluttua hän ei vastaa puheluihini, ja kysyn, mitä tapahtuu. Sitten joku sanoo, ettei hän ole enää täällä.

Galen Low: Tämä on tuttua myös yhteisössämme. Tuotannossa tehdään muutoksia ilman niihin liittyvää viestintää. Voisitko vielä korkealla tasolla kertoa, miltä tuo integraatio näyttää?

Kuvittelen avaavani Excelin ja miettiväni, että tarvitsen Zapierin tai muun työkalun datan muuntamiseen ja siirtämiseen taulukkoon, minkä jälkeen minun pitäisi kirjoittaa kaava. Täytyykö TargetBoardissa tehdä sama, vai onko integraatio hieman automaattisempi ja vähemmän työläs?

Lior Gerson: TargetBoard.ai toimii hyvin eri tavalla kuin muut olemassa olevat järjestelmät. Yhdistämme sen lähdejärjestelmiisi ja rakennamme automaattisesti kaikki tarvitsemasi olennaiset mittarit ja suorituskykymittarit.

Käytämme niiden luomiseen tekoälyä. Sillä ei ole väliä, tarkasteletko kapasiteetin, nopeuden tai laadun muutoksia tai yhtä tai useampaa projektia. Sinun ei tarvitse muuttaa työskentelytapojasi.

Opimme automaattisesti, miten käytät järjestelmiäsi. Ei ole väliä, käytätkö Mondayta, Jiraa tai jotakin muuta. Kaikki mittarit, raportit ja havainnot luodaan automaattisesti, ja voit mukauttaa niitä itse tai yhdessä tiimin kanssa.

Saat täsmälleen haluamasi mittarit ja tavan seurata kaikkea. Käyttöönotto vaatii käytännössä nolla vaivaa. Ensimmäisestä päivästä lähtien olet valmis ja voit luottaa siihen, että tarvitsemasi data on saatavilla ja tarkkaa. Sinun ei enää tarvitse huolehtia Excelistä.

Jos käytät Exceliä manuaaliseen seurantaan ja se on totuuden lähteesi, sekin käy. Yhdistämme Exceliin ja tuomme tiedot mukaan. Sinun ei kuitenkaan enää tarvitse päivittää tietoja tai selittää, miten jokin on mitattu ja mihin se perustuu. Kaikki nämä kysymykset on ratkaistu alustalla.

Voit jakaa tiedot johtoryhmän tai ylimmän johdon kanssa, ja he näkevät, miten asiat on mitattu, mistä ne tulevat, mihin ne ovat menossa ja mikä vaikuttaa tuloksiin. Sinun ei tarvitse istua kokouksessa ilman vastausta vaikeaan kysymykseen ja luvata palata asiaan myöhemmin.

Galen Low: Pidän myös inhimillisen virheen vähentämisestä. Seurasin kerran sivun katselukertoja Google Analyticsissä, mutta joku toinen kirjasi käyttäjiä. Luulimme mittaavamme samaa asiaa, vaikka käytimme kahta eri tietolähdettä.

On mahdollista, että ihmisillä on erilainen käsitys siitä, mistä data tulee. Pidän ajatuksesta, että tiedot haetaan suoraan totuuden lähteestä ja että tekoäly luo mittareita vaatimusten perusteella. Se voisi auttaa tilanteissa, joissa emme tiedä, mitä pystymme mittaamaan.

Lior Gerson: Se on erittäin yleistä. Työskentelin kerran yrityksessä, jossa seurattiin sadantuhannen käynnin kuukausimäärää. Kysyin, mistä luku tulee, koska se näytti oudolta. Kävi ilmi, että verkkosivustolla oli oikeasti kymmenentuhatta käyntiä ja loput olivat automaatiobotien aiheuttamia.

Liiketoiminta ei tiennyt tästä. Kun asia selviää, se pitää myös selittää. Markkinointijohtajan on kerrottava, että aiemmin raportoidut asiakashankinnan kustannukset olivatkin suurelta osin virheellisiä. Se ei ole miellyttävä keskustelu.

Galen Low: Voisimme siirtyä tästä hieman laajemmalle. Mittarit ovat vain yksi asia. Vaikka tiimi tai osasto mittaisi oikeaa asiaa, organisaation eri tasojen ja osastojen välillä on usein tarve tulkita sitä eri tavalla.

Esimerkiksi Scrum-tiimi voisi seurata asiakastyytyväisyyttä julkaisusta toiseen, kun taas johto seuraa toistuvaa liikevaihtoa, asiakasuskollisuutta ja asiakaspoistumaa. Voiko TargetBoard auttaa kääntämään yhden yleisön suorituskykymittarit muiden organisaatiotasojen kannalta merkitykselliseen muotoon?

Lior Gerson: Otan tähän kysymykseen askeleen taaksepäin. Perinteinen liiketoimintatiedon tapa seurata mittareita tarkoittaa, että jokainen mittari pitää rakentaa erikseen. Jokaisesta mittarista on pidettävä suunnitteluistunto, joten kaikella seurattavalla on todellinen kehityskustannus.

Ohjelmat, kuten tavoitteet ja avaintulokset sekä neljännesvuosittaiset liiketoimintakatsaukset, ovat hyvin ylhäältä alaspäin johdettuja. Ne kertovat tarkasti, mitä pitää seurata ja luovat näkökentän, jossa seurataan vain tiettyjä asioita.

Saattaa kuitenkin olla monia muita asioita, jotka ovat tärkeitä liiketoiminnan jatkuvuudelle, mutta joita ei raportoida tai edes seurata, koska siihen ei ole resursseja. TargetBoard seuraa kaikkea ja tekee tärkeiden asioiden valitsemisesta helppoa. Suosittelemme myös, mihin kannattaa keskittyä.

Voit lähettää hälytyksiä ja saada havaintoja sekä ilmoituksia, jotta tärkeät asiat pysyvät seurannassa. Teemme myös asioiden selittämisestä helppoa. Voit pyytää tekoälyä auttamaan mittarin selittämisessä esimiehelle, kehittäjälle tai myyntiedustajalle ja kertomaan, miksi se on tärkeä.

Suojaamme myös mittareiden yhteisen merkityksen. Käyttäjät pyytävät usein mahdollisuutta nimetä mittarin uudelleen, mutta jos samalla mittarilla on jo vakiintunut nimi, sitä ei voi nimetä miten tahansa. Jos nimi ei vastaa sitä, mitä mitataan, nimeä ei pidä käyttää.

Galen Low: Se on todella kiinnostava ominaisuus. Olen käyttänyt vuosien varrella erilaisia koontinäyttöohjelmistoja, mutta tavallisesti ongelmana on juuri se, mitä koontinäyttö kertoo. Datan tarinallistamisesta tulee pullonkaula, koska kaikki eivät ole siinä hyviä.

Pidän ajatuksesta, että tekoäly voi auttaa selittämään, miksi mittari on tärkeä, mistä se tulee ja mitä sen vaihtelu tarkoittaa. Se auttaa ihmistä kertomaan mittarin tarinan henkilölle, joka työskentelee toisella osastolla ja jolla on erilainen osaaminen.

Lior Gerson: Juuri niin tapahtuu. Ihmiset katsovat raporttia ja kohauttavat olkapäitään. He näkevät suuren luvun, mutta eivät ymmärrä, mitä se tarkoittaa.

Galen Low: Siirrytään eteenpäin.

Lior Gerson: Ihmiset eivät oikeastaan lue raportteja, ellei heillä ole tiettyä syytä tehdä niin. He haluavat tietää, että joku seuraa asiaa ja että tieto on saatavilla tarvittaessa. Kun lähetämme raportteja, tekoälyagentti analysoi ja tiivistää ne liiketoiminnan käyttäjälle.

Galen Low: Se on kätevää. Muistan, että kerroit aiemmin myös keskustelevasta ominaisuudesta. Ei pelkästään yhteenvetoa raportista, vaan mahdollisuus kysyä, kuinka monta yksittäistä kävijää sivulla oli viime viikolla verrattuna samaan ajankohtaan viime vuonna, tai pyytää mittarin selitystä.

Lior Gerson: Monet yrittävät ratkaista tätä. Suuret kielimallit ovat kuitenkin huonoja datan kanssa. Jos lataat CSV-tiedoston ja kysyt sähköpostien avausprosenttia, ne eivät välttämättä pysty vastaamaan, ellet määrittele tarkasti jokaista saraketta ja niiden sisältöä.

Uskomme ratkaisseemme tämän ongelman. Alustalla voi esittää kysymyksiä ja saada luotettavaa tietoa. Tekoäly tarkistaa myös vastauksen varmistaakseen, ettei se hallusinoi. Ihmiset haluavat käsitellä ja kuluttaa dataa useilla tavoilla, eivät ainoastaan keskustellen tai koontinäytön kautta.

Galen Low: Data on erilaista. Olen kokeillut tätä yksinkertaisella työaikadatalle, ja malli alkaa helposti keksiä asioita tai poimia väärän tiedon. Aivomme ovat tottuneet taulukkomuotoiseen dataan, mutta suuret kielimallit eivät välttämättä ole.

Siksi on hyvä, että rakennatte oman ominaisuutenne, joka tarkistaa itse itsensä ennen tärkeiden suorituskykyä ja vaikutusta koskevien tietojen esittämistä.

Lior Gerson: Luottamus on kaikki kaikessa. Se on myös mallikontekstiprotokollapalvelinten riski. Kun pyydät dataa jostakin järjestelmästä, et välttämättä tiedä, mitä tekoäly tekee sillä tai kuinka tarkka vastaus on.

Meidän palvelimemme tarkistaa tiedot kaikista järjestelmistä, yhdistää ne ja varmistaa, että annettu vastaus on täysin tarkka.

Galen Low: Mallikontekstiprotokollapalvelin on siis selkäranka, joka tarkistaa kaiken saapuvan datan.

Haluaisin puhua mittareiden tulevaisuudesta. Millaisia epätavallisia mittareita näet nousevan esiin, ja miltä suorituskykymittarit saattavat näyttää tulevaisuudessa? Miten organisaatiot seuraavat niitä kolmen, viiden tai kymmenen vuoden päästä?

Lior Gerson: Mikrotasolla näemme paljon enemmän tekoälyyn liittyviä mittareita. Kuinka monta agenttia käytän? Kuinka tehokkaita ne ovat? Mitä ne tekevät liiketoiminnan suorituskykymittareille?

Liiketoiminnan korkealla tasolla välität kuitenkin vähemmän siitä, miten asiat tehdään. Jos seuraat vuosittaista toistuvaa liikevaihtoa, asiakaspoistumaa tai toimitusaikoja, tärkeimmät mittarit pysyvät samoina. Ne ovat liiketoimintasi kieli.

Kulissien takana tapahtuva muuttuu. Jos tavoitteena on toimittaa A, B ja C, voit seurata nopeutta tai laatua. Ne ovat seuraavan tason mittareita. Vielä alempana voit tarkastella sitä, mistä nopeus koostuu: kehitystyöstä, estyneistä tehtävistä, tarkistukseen juuttuneista asioista, muuttuneesta laajuudesta ja tekoälyistä, jotka toimivat tai eivät toimi.

Silloin tarkastelet yksityiskohtia, jotka vaikuttavat tuloksiin kulissien takana.

Galen Low: Pidän tuosta kerroksellisuudesta. Jos liiketoimintamalli pysyy samana, korkeimman tason mittarit eivät ehkä muutu paljon. Alemmalla tasolla voi kuitenkin tapahtua paljon.

Jos tavoitteena on käyttää tekoälyä parempien päätösten tekemiseen, sen käyttöä kannattaa seurata alemmalla tasolla. Esimerkiksi kehotteiden laatua voisi mitata. Tekoälyn käyttö ei automaattisesti tarkoita, että ihmiset työskentelevät tehokkaammin.

Haasteena on, että jokainen mittarin muutos vaatii yhteyden tietolähteeseen, ihmisten kouluttamista ja uuden raportointirytmin rakentamista. Tuleeko tästä jatkossakin raskas operatiivinen kustannus?

Lior Gerson: Se on tämän päivän tilanne ja on ollut sitä jo vuosia. Jokaisella osastolla on analyytikko tai analyytikkotiimi, joka varmistaa mittareiden toimivuuden. Usein he keksivät pyörän uudelleen, vaikka kaikki käyttävät lähes samoja mittareita.

Suuret yritykset myös vaihtavat mielellään alustaa. Järjestelmästä toiseen siirtyminen luo suuren dataprojektin, jossa kaikki raportit pitää päivittää. Meidän tehtävämme on osoittaa, ettei kaikkea tätä tarvita. Alustaa voi vaihtaa niin, että raportointi ja mittarit säilyvät samoina.

Jos mittari päivitetään, kaikki tarvittavat henkilöt voidaan ilmoittaa automaattisesti. Nykymaailma on rikki, koska ihmisillä on liikaa järjestelmiä ja dataa, jota he eivät pysty hyödyntämään.

Työkalut, kuten TargetBoard, tekevät datan käyttämisestä ja löytämisestä helpompaa. Välikäsiä tarvitaan vähemmän. Eräs suuren yrityksen strategiajohtaja kertoi, että hänen tiimissään on sata liiketoimintatiedon ja analytiikan asiantuntijaa, mutta uuden kysymyksen vastaamiseen kuluu silti vähintään kuusi kuukautta.

Galen Low: Olen nähnyt tämän erityisesti rahoituspalveluissa ja asiakaskokemuksen parissa. Yritykset keräävät valtavasti dataa, mutta kukaan ei tiedä, mitä se tarkoittaa tai miten sitä voisi käyttää asiakaskokemuksen parantamiseen. Lopulta ihmiset vain seuraavat tulostaulua, pettyvät ja vaihtavat alustaa.

Lior Gerson: Se palauttaa meidät kysymykseen siitä, mitä ihmiset seuraavat. Ensin seurataan kustannuksia ja pilvipalveluiden kustannuksia. Nyt seurataan myös ongelmien kustannuksia, kehotteiden optimointia ja suurten kielimallien käytön hintaa.

Yrityksissä on valtavasti dataa, jolla on tallennus- ja seurantakustannuksia, mutta kukaan ei tiedä, miksi sitä kerätään. Yrityksistä tulee järjestelmien hamstraajia.

Galen Low: Meidät opetettiin ajattelemaan, että tallennustila on halpaa. Nyt se ei enää ole. Tietoa on kertynyt vuosikymmenten ajan, mutta emme tee sillä mitään.

Lior Gerson: Ehkä kymmenen vuoden päästä tarvitset sitä.

Galen Low: Halusin vielä kysyä TargetBoardista ja sen asemasta tekoälyä hyödyntävänä suorituskykymittareiden työkaluna. Olet jo kertonut tekoälyn tuottamista mittariehdotuksista ja datan yhteenvedoista. Onko muita tekoälyominaisuuksia, joista haluat puhua? Miksi päätitte panostaa tekoälyyn?

Lior Gerson: Olemme pystyneet hyödyntämään tekoälyä jo varhain kokemuksen parantamiseksi. Emme kysy, miten tämä tehdään tekoälyllä, vaan miksi rakennamme tämän ja miten tekoäly tekee siitä paremman.

Esimerkiksi jokaiselle mittarille voi luoda ilmoituksia, automaatioita ja hälytyksiä. Voit luoda hälytyksen myyntiputken kaupasta, tuotannon painikkeesta tai tukipyynnöstä, joka ei täytä palvelutasosopimusta.

Ongelma on se, että ihmisten pitää itse keksiä, millaisia hälytyksiä he haluavat. Julkaisimme ominaisuuden, jossa tekoäly ehdottaa mittaria tarkasteltaessa automaatiota, jolla mittaria voidaan parantaa. Yhdellä napsautuksella automaatio luodaan.

Olemme tänään nopeampia kuin koskaan aiemmin.

Galen Low: Se on ymmärrettävää ja vaikuttavaa. Datan maailmassa tekoälyn käyttöönotto tuntuu luontevalta, koska käsiteltävää dataa on valtavasti. Pidän myös siitä, että tekoäly ehdottaa seuraavaa vaihetta. Se voi auttaa epävarmuuden, epäröinnin ja osaamisaukkojen yli.

Kun tekoäly ehdottaa ilmoitusta ja määrittää sen automaattisesti, tehtävä tulee hoidetuksi. Joka tiistai saat ilmoituksen mittarista tai silloin, kun se ylittää sallitun vaihteluvälin.

Lior Gerson: Tämä on hyvin erilainen lähestymistapa kuin datatiede muutama vuosi sitten. Aiemmin datatieteilijät työskentelivät jatkuvasti esimerkiksi rahoitushakemusten optimoinnin parissa ja yrittivät kasvattaa hyväksyttyjen hakemusten määrää muutamalla prosentilla.

Nykyään jokaisen ominaisuuden kohdalla kysytään, miten sitä voidaan parantaa. Oikein tehtynä tulokset ovat hämmästyttäviä ja näkyvät nopeasti.

Galen Low: Pidän siitä, kuinka nopeasti asiat muuttuvat. Haluatko kysyä minulta jotakin?

Lior Gerson: Mitkä ovat vaikuttavimmat trendit, joita näet projektinhallinnassa tällä hetkellä?

Galen Low: Suurin trendi on mielestäni se, josta aloitin: projektipäälliköt eivät ole vain rautakolmion ammattilaisia, jotka yrittävät toimittaa projektit ajallaan, budjetissa ja sovitussa laajuudessa.

Ymmärrämme, että voimme olla strategisempia, mutta meidän täytyy tietää ja tehdä enemmän. Meistä tulee toimitusstrategisteja, joiden pitää ymmärtää liiketoimintaa paremmin.

Samalla meitä pidetään jollain tavalla vastuullisina vaikutuksesta, vaikka emme aina osallistu sen mittaamiseen. Aiemmin johdimme projektin, julkaisimme sen ja siirryimme seuraavaan. Nyt ajattelutapa muuttuu: olemme arvon toimituksen asiantuntijoita ja meidän pitää luoda arvoa, vaikka suunnitelmaa tai laajuutta pitäisi muuttaa.

Tämä liittyy hyvin tekoälyn käyttöönottoon. Tekoäly auttaa tehostamaan työtä, lyhentämään työnkulkuja ja nopeuttamaan tekemistä. Se vapauttaa aikaa, jota voidaan käyttää strategisena kumppanina toimimiseen.

Täydellisessä maailmassa käyttäisimme enemmän aikaa kysymykseen, teemmekö oikeita asioita saavuttaaksemme tehtävämme ja vaikutuksemme. Tämä liittyy suoraan siihen, miten tiedämme mittaavamme oikeaa asiaa.

Lior Gerson: Kysyn vielä yhden kysymyksen. Luuletko, että tulee vaihe, jossa tekoälyagentista tulee projektipäällikkö tai se korvaa projektipäällikön kokonaan?

Galen Low: Joidenkin ihmisten projektipäällikön työn määritelmän perusteella kyllä. Jos projektipäällikkö on vain ylläpitäjä, joka tekee muistiinpanoja, laatii kokouspöytäkirjoja, seuraa toimenpiteitä ja vertaa arvioitua aikaa toteutuneeseen aikaan, tekoäly voi korvata suuren osan työstä.

Ihmisten välistä päätöksentekoa se ei kuitenkaan korvaa helposti. Suuret uudelleenalustamisen päätökset ja käyttöönottoon liittyvät riskit vaativat edelleen ihmisten välistä keskustelua.

Pidän datan tarinallistamisen ominaisuudesta, koska se auttaa mittarin omistajaa kertomaan sen tarinan. Projektien ja liiketoiminnan päätöksentekotaso koostuu edelleen ihmisistä, jotka perustelevat näkemyksiään, vakuuttavat toisiaan ja tekevät hyviä päätöksiä.

Tekoäly voi luoda uusia ideoita, mutta pohjimmiltaan pidämme sitä edelleen apuna emmekä henkilönä, joka tekee päätöksen puolestamme.

Lior Gerson: Olen samaa mieltä. Se erottaa myös hyvän projektipäällikön huonosta. Projektinhallintaa ei voi tehdä sivutyönä. Se on ammatti.

Galen Low: Se ei ehkä korvaa kaikkia projektipäälliköitä, mutta todennäköisesti se korvaa huonot projektipäälliköt.

Lior Gerson: Sama pätee kaikkeen.

Galen Low: Lior, kiitos paljon ajastasi. Tämä oli hauskaa. Oli hienoa keskustella kanssasi.

Ennen kuin lopetamme, mistä ihmiset voivat lukea lisää sinusta?

Lior Gerson: LinkedInistä. Vastaan lähes kaikille, jotka ottavat yhteyttä. Keskustelen mielelläni kenen tahansa kanssa.

Galen Low: Hienoa. Arvostan sitä. Oma LinkedIn-postilaatikkoni on melkoinen sotku. Kiitos vielä kerran.

Lior Gerson: Hei, Galen. Oli ilo.

Galen Low: Siinä kaikki tämänpäiväisestä The Digital Project Manager -podcastin jaksosta. Jos pidit keskustelusta, muista tilata podcast kuuntelualustallasi. Jos haluat vielä enemmän käytännön näkemyksiä, tapaustutkimuksia ja toimintamalleja, käy osoitteessa thedigitalprojectmanager.com.

Ensi kertaan, kiitos kuuntelusta.