Asiantuntijat paljastavat tekoälyn huonoimmat käyttötapaukset projektinhallinnassa
Kriittinen ajattelu: Automaattisesti luodut projektisuunnitelmat näyttävät kattavilta, mutta niistä puuttuu olennainen konteksti, mikä voi johtaa projektin ongelmiin.
Tarkistamisen tarpeellisuus: Tekoälyn tuottamiin tuloksiin luottaminen ilman ihmisen tekemää tarkistusta voi johtaa virheisiin ja merkittäviin seurauksiin.
Todellisuuden tarkistus: Tekoälyllä on vaikeuksia tosiasioihin perustuvissa tehtävissä, kuten työaikakirjauksissa, mikä vaarantaa tietojen paikkansapitävyyden ja projektitietojen eheyden.
Ihmisen osallistuminen: Tekoälyn käyttäminen sidosryhmien hallintaan voi heikentää aitoa osallistumista, jota tarvitaan tulokselliseen viestintään.
Prosessin perusta: Tekoälyn ei pitäisi korvata inhimillisten prosessien perustan luomista, sillä se ei pysty määrittelemään tehokkaita työnkulkuja.
Tekoälyn käyttöönotto projektinhallinnassa on nopeutunut huomattavasti, ja sen myötä on syntynyt innostuksen aalto, joka ei aina kestä lähempää tarkastelua. Aikaa säästäviksi, hallinnollista taakkaa vähentäviksi ja oivalluksia tarjoaviksi luvatut työkalut ovat vakiintuneet osaksi projektipäälliköiden työnkulkuja — mutta kaikki työkalujen käyttötavat eivät toimi niin kuin alan ammattilaiset toivoivat. Itse asiassa jotkin käyttötapaukset aiheuttavat huomaamatta enemmän ongelmia kuin ratkaisevat niitä. Tällä alalla päivittäin työskentelevät asiantuntijat ovat nähneet nämä kaavat, ja he puhuvat suoraan siitä, missä kohdissa tekoäly aiheuttaa ongelmia projektinhallinnassa.
Projektisuunnitelmien laatiminen ilman kriittistä ajattelua
Harvat tekoälyn käyttötavat projektinhallinnassa ovat yhtä houkuttelevia — tai ongelmallisia — kuin automaattisesti laadittu projektisuunnitelma. Syötä toimeksiantoa koskeva työseloste ja saat aikataulun. Se kuulostaa tehokkuutta lisäävältä ratkaisulta, mutta kokeneet ammattilaiset sanovat, että lopputulokset näyttävät yleensä paremmilta kuin todellisuudessa ovat ja että projektipäälliköt, jotka hyväksyvät ne ilman tarkastelua, altistavat projektinsa ongelmille.
Pam Butkowski, Horizontal Digitalin johtava varapresidentti, ilmaisee asian suoraan: ”Vaikka käytössäsi olisi työkalu, johon syötät SOW:n ja pyydät sitä laatimaan projektisuunnitelman, voin luvata, ettei se ole oikein. Se ei yksinkertaisesti tule olemaan oikein. Se on hyvä lähtökohta. Mutta sen jälkeen meidän on käytettävä kriittistä ajattelua.” Suunnitelma voi olla jäsennelty ja näyttää täydelliseltä — mutta sillä ei ole pääsyä todellisiin riippuvuuksiin, tiimin todelliseen kapasiteettiin tai siihen organisaatiokontekstiin, joka tekee aikataulusta realistisen.
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
Vaikka käytössäsi olisi työkalu, johon syötät SOW:n ja pyydät sitä laatimaan projektisuunnitelman, voin luvata, ettei se ole oikein. Se ei yksinkertaisesti tule olemaan oikein.
Fredrick Countyn hallinnon laajakaistapalveluiden ja PMO:n johtaja Jeff Chamberlain on kokemuksensa perusteella päätynyt samanlaiseen johtopäätökseen: ”Jotkut lähestyvät asiaa niin, että he haluavat sen laativan projektisuunnitelmia. En ole onnistunut sen avulla kovin hyvin laatimaan hyviä projektisuunnitelmia. Yleensä päädyt joka tapauksessa tekemään ne uudelleen.” Kun tekoälyn laatiman suunnitelman käyttökelpoiseksi muokkaamiseen tarvitaan lähes yhtä paljon aikaa kuin suunnitelman laatimiseen alusta alkaen, tehokkuusperuste katoaa.
Jotkut lähestyvät asiaa niin, että he haluavat sen laativan projektisuunnitelmia. En ole onnistunut sen avulla kovin hyvin laatimaan hyviä projektisuunnitelmia. Yleensä päädyt joka tapauksessa tekemään ne uudelleen.
Tekoälyn tuottamien sisältöjen kopioiminen ja liittäminen ilman tarkistusta
Jos yksi tapa erottuu muiden joukosta ammattilaisten välittömästi vaarallisimpana pitämänä tapana, se on tämä: tekoälyn tuottaman sisällön hyväksyminen valmiina työnä. Houkutus on ymmärrettävä. Lopputulos näyttää viimeistellyltä, kieli on itsevarmaa ja kiusaus siirtyä eteenpäin on todellinen. Tämä viimeistely voi kuitenkin peittää vakavia virheitä — ja kun kukaan ei tarkista työtä ennen sen lähettämistä eteenpäin, seuraukset voivat olla merkittäviä.
OnlinePMCourses.comin toimitusjohtaja ja perustaja Mike Clayton on nähnyt tämän toteutuvan asiantuntijapalveluissa, joissa on ollut todellisia taloudellisia seurauksia: ”On ihmisiä, jotka vain toteavat: selvä, minulle esitettiin kysymys. Syötän kysymyksen ChatGPT:lle, kopioin ja liitän vastauksen, ja työni on valmis. Eikä kukaan ollut edes tarkistanut tai korjannut sitä.” Ongelma ei ole tekoälyn käyttäminen — vaan se, että ihmisen tehtävä tarkistaa ja korjata tuotettu sisältö ohitettiin kokonaan.
On ihmisiä, jotka vain toteavat: okei, minulta kysyttiin kysymys. Esitän kysymyksen ChatGPT:lle ja kopioin ja liitän vastauksen, ja työni on tehty.
Megan Cotterman, osa-aikainen projektipäällikkö ja operatiivinen konsultti, koki tämän itse: "Käytin tekoälyä auttamaan minua tässä opetussuunnitteluprojektissa... tekoäly tosiaan sekoitti asiat keskenään, ja minulla oli aivan väärät tiedot. Joten mielestäni on vain varmistettava, että tiimit ymmärtävät, ettei tekoäly ole kaiken ratkaisu... eikä vain, tiedäthän, kopioida ja liittää ja lähettää asiakkaalle ja todeta, että homma on hoidettu." Vaikka tekoälyä käytettäisiin harkiten, se voi silti tuottaa virheellistä tietoa — mikä tarkoittaa, ettei ihmisen tekemää tarkistusvaihetta voi jättää pois; se on itse työ.
Tekoälyn käyttäminen työaikakirjauksiin ja tosiasioiden seurantaan
Projektidokumentaatiossa on kategoria, joka riippuu täysin todellisuudesta: mitä todella tapahtui, kuka todella teki mitä ja milloin. Työaikakirjaukset kuuluvat selkeästi tähän kategoriaan. Juuri tässä, missä tarkkuudesta ei voida tinkiä, tekoälyllä on vähiten edellytyksiä auttaa.
Oliver F. Lehmann, Oliver F. Lehmann Project Business Trainingin projektibisneksen kouluttaja, kiteyttää ongelman terävästi: "Tekoäly ei voi kirjoittaa työaikaraporttia. Se voi kuvitella työaikaraportin, mutta se ei voi kirjoittaa työaikaraporttia. Siten tuot dokumentaatioon kuvitelmaa, jonka pitäisi perustua todellisuuteen." Tekoäly voi tuottaa jotakin, joka näyttää valmiilta työaikaraportilta — uskottavan näköisiä merkintöjä ja yhteen täsmääviä tunteja — mutta mikään siitä ei kuvasta sitä, mitä todella tapahtui. Tällaisen tekaistun tiedon lisääminen projektin dokumentaatioon ei säästä aikaa, vaan turmelee sen.
Tekoäly ei voi kirjoittaa työaikaraporttia. Se voi kuvitella työaikaraportin, mutta se ei voi kirjoittaa työaikaraporttia!
Sidosryhmien hallinnan ja viestinnän automatisointi
Sidosryhmien hallinta on yksi projektityön ihmisintensiivisimmistä osa-alueista, ja hyvästä syystä. Projektien etenemiseen vaikuttavat keskustelut — vaikeat keskustelut, jotka edellyttävät luottamusta ja tarkkaa kuuntelemista — perustuvat aitoon ihmisten väliseen vuorovaikutukseen. Yritykset automatisoida tai ulkoistaa tämä vuorovaikutus tekoälylle heikentävät yleensä juuri sitä, mikä tekee näistä keskusteluista tuottavia. Monimutkaisia tai kiistanalaisia päätöksiä käsittelevät sidosryhmät eivät halua optimoitua viestintäprosessia — he haluavat tuntea, että toinen ihminen todella kuuntelee heitä.
Ongelma ulottuu myös jokapäiväiseen kirjalliseen viestintään. Lehmann huomauttaa: "Näen hyvin usein, että projektipäälliköt käyttävät tekoälyä kirjoittamaan sähköpostit puolestaan. Kieli on usein liian pehmeää silloin, kun pitäisi ilmaista asiat hieman suoremmin. Se silottelee asioita melko paljon." Kun projekti edellyttää suoraa ja jämäkkää viestiä sidosryhmälle, tekoälyn tuottama kieli pyrkii hiomaan särmät pois — jolloin varsinainen ongelma jää usein käsittelemättä.
Yonelly Gutierrez, Palo Alto Networksin vanhempi ohjelmapäällikkö, huomaa tämän piirteen myös tekoälyn laatimassa viestinnässä: "Joskus sanamuodon kohdalla ajattelen: 'kuulostat ihan tekoälyrobotilta. Puhu nyt vain normaalisti, ole kiltti.'" Tekoälyn tuottaman kielen tunnusomainen jäykkyys ei ole vain esteettinen ongelma — se viestii vastaanottajille, ettei viestiä ole kirjoitettu juuri heitä ajatellen.
Tekoälyn käyttöönotto ennen ihmisen tekemän lähtötason määrittämistä
Yksi rakenteellisesti virheellisimmistä tavoista ottaa tekoäly käyttöön on toteuttaa se ennen kuin kukaan on selvittänyt, miten taustalla olevan tehtävän pitäisi käytännössä toimia. Kun organisaatiot ohittavat toimivan, ihmisen johtaman prosessin määrittämisen ja siirtyvät suoraan automatisointiin, ne eivät nopeuta edistymistä — ne nopeuttavat hämmennystä.
Derek Fredrickson, The COO Solutionin perustaja & toimitusjohtaja, näkee tämän toimintamallin usein: "Usein he yrittävät ottaa tekoälyn käyttöön ratkaisuna ennen kuin ihminen on oikeasti tehnyt kyseisen asian. Uskon aina, että ihmisen pitäisi ensin tehdä se, minkä haluat tekoälyn automatisoivan, sen sijaan että tekoäly otetaan käyttöön vain tekoälyn vuoksi." Tekoäly on hyvä skaalaamaan ja järjestelmällistämään prosesseja, jotka jo ymmärretään. Sillä ei ole kykyä määritellä, miltä hyvä näyttää prosessissa, jota ihminen ei ole koskaan aiemmin toteuttanut.
Uskon aina, että ihmisen pitäisi ensin tehdä se, minkä haluat tekoälyn automatisoivan, sen sijaan että tekoälyä otetaan käyttöön vain tekoälyn vuoksi.
Tekoälyllä tuotettu raportointi epäluotettavan datan tai epäselvän tavoitteen pohjalta
Automatisoitu raportointi on yksi yleisimmin mainituista tekoälyn hyödyistä projektinhallinnassa. Lupaus on todellinen – mutta siihen liittyy ehtoja, jotka organisaatiot usein unohtavat. Jos taustalla oleva data on epäluotettavaa tai raportoinnin tavoitetta ei ole määritelty selkeästi, tekoäly ei tuota parempia raportteja. Se tuottaa vakuuttavan näköisiä, muotoiltuja raportteja, jotka eivät kerro sitä, mitä sinun tarvitsee tietää.
Project Managers African perustaja Emmanuels Magaya tunnistaa molemmat ongelmakohdat: "Jos haluat tekoälyn automatisoivan raporttisi, huomaat usein, että jos data ei ole kunnossa, raportti ei anna sinulle sitä, mitä etsit. Lisäksi sinun on tiedettävä, mitä raportista etsit." Puhdas data ja selkeä, sidosryhmäkohtainen tavoite ovat tekoälyavusteisen raportoinnin edellytyksiä – eivät ylimääräisiä mukavuuksia – jotta se voi tuottaa arvoa.
Jos haluat tekoälyn automatisoivan raporttisi, huomaat usein, että jos data ei ole kunnossa, raportti ei anna sinulle sitä, mitä etsit.
Tekoälyn lisääminen toimimattomien prosessien päälle
Tekoäly toimii vaikutusten moninkertaistajana. Juuri siksi sen soveltaminen toimimattomaan työnkulkuun on niin haitallista – se moninkertaistaa toimintahäiriöt. Organisaatiot, jotka uskovat tekoälyn korjaavan rikkinäisen prosessin, tekevät kyseisestä prosessista lähes poikkeuksetta entistä toimimattomamman ja vaikeammin diagnosoitavan.
CPMAI-päävalmentaja Markus Kopko kuvaa ilmiötä suoraan: "Tekoälyn ja tekoälyratkaisujen lisääminen huonoihin prosesseihin ei tee prosessista parempaa. Tulokset ovat vielä huonompia kuin silloin, jos et olisi muuttanut prosessejasi." Prosessien parantamisen on tapahduttava ensin. Tekoäly, joka lisätään tutkimattoman tai tehottoman työnkulun päälle, ei tuo taustalla olevia ongelmia esiin – se hautaa ne nopeamman ja suuremman tuotoksen alle.
Inhimillisen harkinnan korvaaminen tiimidynamiikassa ja ristiriidoissa
Data voi kertoa projektipäällikölle paljon. Se ei kuitenkaan voi kertoa, että kaksi tiimin jäsentä on lakannut luottamasta toisiinsa, että tiimin psykologinen turvallisuus puuttuu kokonaan tai että aikataulutusongelmalta näyttävä asia onkin todellisuudessa syvempi ristiriita. Näiden asioiden havaitseminen edellyttää läsnäoloa, tarkkailua ja inhimillistä harkintaa – mitään näistä tekoäly ei pysty tarjoamaan.
Project Revolutionin johtajuus- ja projektipäällikkökouluttaja Jeremiah Hammon vetää selkeän rajan: "Se ei pysty havaitsemaan todellisia ongelmia. Se ei kerro meille, että kolmella tiimin jäsenellä on henkilökohtaisia ongelmia tai että tiimin ongelmat edellyttävät ristiriitojen ratkaisemista. Sitä se ei tee." Projektitiimin ihmissuhteiden sävy – kuka kamppailee, kuka on vetäytynyt ja mitä jätetään sanomatta – on tekoälylle näkymätön. Monissa projekteissa juuri tämä sävy ratkaisee, saadaanko työ tehdyksi.
Se [tekoäly] ei pysty havaitsemaan todellisia ongelmia. Se ei kerro meille, että kolmella tiimin jäsenellä on henkilökohtaisia ongelmia tai että tiimin ongelmat edellyttävät ristiriitojen ratkaisemista. Sitä se ei tee.
Ongelman taustalla oleva toimintamalli
Kaikissa näissä käyttötapauksissa epäonnistumisia yhdistää yksi tekijä: tekoälyä pyydetään suorittamaan tehtäviä, joita varten sitä ei koskaan suunniteltu, tai sitä otetaan käyttöön tavoilla, jotka poistavat inhimillisen harkinnan, joka olisi havainnut ongelman. Ongelma ei ole itse tekoäly — vaan oletus siitä, että koska tekoäly pystyy tuottamaan tuloksen, kyseinen tulos on luotettava, tarkoituksenmukainen tai riittävä. Tekoälyä tehokkaimmin hyödyntävät ammattilaiset eivät ole niitä, joilla on pisin lista käyttökohteita. He ovat niitä, jotka ymmärtävät parhaiten, missä tekoälyn toiminta päättyy ja inhimillinen harkinta alkaa — ja jotka pitävät tätä rajaa paitsi rajoituksena myös suunnitteluperiaatteena.
Haluatko lisää tällaista tietoa? Rekisteröidy maksuttomalle DPM-tilille, niin kuulet lisää näiltä ja muilta asiantuntijoilta.
