Det ikke-tekniske prosjektledere virkelig trenger å vite om kunstig intelligens

Galen Low: Hva er dine beste råd til prosjektledere som må fungere som oversettere mellom tverrfunksjonelle team som arbeider med eller bruker kunstig intelligens?

Kesha Williams: I stedet for å jage etter verktøy bør man virkelig tenke på forretningsresultatet. Hvilke problemer prøver vi å løse? Fokuser først på hva, og deretter på hvordan.

Galen Low: Hva tenker du om sertifiseringer innen kunstig intelligens, hvorfor noen bør ta dem, og om det faktisk er verdt det?

Kesha Williams: Jeg elsker sertifiseringer. Sertifiseringer kan få deg til intervjuet, men de gir deg ikke jobben. Det er viktig å ha praktisk erfaring og en nettbasert portefølje der du viser frem prosjekter du faktisk har utviklet ved hjelp av disse teknologiene.

Galen Low: Må alle prosjektledere bli systemingeniører for å holde seg relevante i en økonomi som er forsterket av kunstig intelligens?

Kesha Williams: Det er et flott sted å begynne, og jeg vil si nei. For meg handler det mer om—

Galen Low: Velkommen til The Digital Project Manager-podkasten – programmet som hjelper leveranseledere med å arbeide smartere, levere mer smidig og lede teamene sine med selvtillit i kunstig intelligens-alderen. Jeg heter Galen, og hver uke går vi inn i strategier fra virkeligheten, nye trender, utprøvde rammeverk og en og annen krigshistorie fra prosjektfronten. Enten du styrer omfattende transformasjonsprosjekter, håndterer arbeidsflyter med kunstig intelligens eller bare prøver å holde kaoset under kontroll, er du på rett sted. La oss sette i gang.

I dag snakker vi om hvordan prosjektledere kan bli mer effektive oversettere når de legger til rette for samtaler om kunstig intelligens mellom tekniske og forretningsmessige interessenter, og hvordan dette kan være nøkkelen til å redusere risikoen for at et nytt prosjekt bare blir enda en mislykket utrulling av kunstig intelligens.

Med meg i dag har jeg Kesha Williams, grunnlegger og managing partner i KeySoft, et konsulentselskap som hjelper organisasjoner med å ta i bruk kunstig intelligens gjennom strategi, teknologisk tilrettelegging og engasjement blant utviklere. Kesha har selv lang erfaring i skjæringspunktet mellom strategi for kunstig intelligens, ingeniørarbeid, utdanning og påvirkning. Hun har over 25 års erfaring innen programvareutvikling, virksomhetsarkitektur og innovasjon innen kunstig intelligens, som hun bruker til å ta i bruk kunstig intelligens i komplekse miljøer fra virkeligheten.

Hun har også nylig tilpasset opplæringsprogrammene sine for mindre tekniske målgrupper og har fullført sin første 15-dagers bootcamp i kunstig intelligens i samarbeid med LinkedIn Learning.

Kesha, tusen takk for at du er her sammen med meg i dag.

Kesha Williams: Takk, Galen. Jeg gleder meg veldig til å være her og ha denne samtalen.

Galen Low: Jeg gleder meg også. Jeg elsker det du gjør. Du legger så mye energi i arbeidet ditt. Du er utrolig aktiv. Jeg skjønner ikke hvordan du får det til. Det er så mye opplæring som strømmer gjennom LinkedIn-strømmen din. Jeg vet at du har en rekke ulike LinkedIn Learning-kurs og andre kurs også. Jeg gleder meg virkelig til å gå inn i dette.

Jeg vet at målgruppen din for det meste vanligvis er mer teknisk, og at du på en måte har begynt å henvende deg til oss mindre tekniske folk.

Kesha Williams: Nettopp.

Galen Low: Det setter jeg stor pris på. Jeg håper vi kan gå litt frem og tilbake i dag, men for sikkerhets skyld har jeg laget en plan for oss. Til å begynne med ville jeg sette scenen ved å få ditt umiddelbare svar på ett stort og viktig spørsmål som lytterne mine sannsynligvis gjerne vil vite svaret på. Deretter vil jeg utforske tre ting.

For det første vil jeg snakke om hvorfor det er viktig for ikke-tekniske prosjektledere å forstå kunstig intelligens. Deretter vil jeg utforske hvordan prosjektledere kan bli gode oversettere mellom tekniske og forretningsmessige interessenter når det gjelder kunstig intelligens, og hvordan de kan bli bedre på dette. Til slutt vil jeg gjerne høre ditt perspektiv på fremtiden for prosjektlederrollen når det gjelder prosjekter som involverer kunstig intelligens eller produserer en løsning som er utviklet med kunstig intelligens som utgangspunkt.

Kesha Williams: Det høres ut som det blir en flott samtale.

Galen Low: Ambisiøst, men vi skal klare det.

Kesha Williams: Nettopp.

Galen Low: Greit. Jeg tenkte å begynne med ett stort og vanskelig spørsmål, og for å gi det litt kontekst: Mange i fellesskapet mitt føler seg, jeg vet ikke, mer enn litt engstelige for kunstig intelligens og hvordan den endrer forventningene til den nåværende rollen deres, karriereutviklingen og ferdighetene de bør konsentrere seg om.

Så det store spørsmålet mitt er: Må alle prosjektledere bli systemingeniører for å holde seg relevante i en økonomi som er forsterket av kunstig intelligens?

Kesha Williams: Det er et flott sted å begynne, og jeg vil si nei. Hvis du ser på det som skjer i bransjen nå med alle disse verktøyene for kunstig intelligens, verktøy uten og med lite kode, trenger du ikke engang å kunne programmere eller ha en teknisk bakgrunn for å bygge en agent med kunstig intelligens eller til og med en app.

For meg handler det mer om å forstå systemtenkning: Hva er kunstig intelligens? Hva kan den gjøre? Hvordan kan jeg bruke den i min nåværende rolle, og hvordan kan jeg bruke den i et prosjekt? Så nei, du trenger ikke å bli systemingeniør eller veldig teknisk for å holde deg relevant og forstå hvordan du kan bruke og anvende kunstig intelligens.

Galen Low: Fulltreffer. Jeg elsker det, og jeg er sikker på at alle som lytter, nettopp trakk et lettelsens sukk. Men jeg liker også denne nyansen, for jeg opplever at det finnes et økosystem med programmering uten kode og såkalt stemningsprogrammering. Eller i det minste finnes det kulturelt et press om å tenke at man ikke trenger å programmere, men jeg liker det du sier om at det fortsatt krever en systemtenkende tilnærming.

Og vi ser det hele tiden, eller i hvert fall gjør jeg det i mine kretser: Folk programmerer ved hjelp av naturlig språk og sier: Vent, jeg må fortsatt feilsøke og kvalitetssikre? Jeg skriver ikke kode, men dette er fortsatt den typen IT- og ingeniørarbeid, ikke sant? Det er som om man innser at man fortsatt må vite hva man vil at dette skal gjøre, og hvordan.

Kesha Williams: Nettopp. Og når jeg har satt det i produksjon, mener du at jeg må oppdatere det, forbedre det og vedlikeholde det? Jeg trodde jeg var ferdig.

Galen Low: Hva med programmeringsfri DevOps? Helt ærlig tror jeg det er et flott utgangspunkt, for da blir spørsmålet hvor mye teknisk kunnskap som er riktig, eller hvordan man skaffer seg denne typen systemtenkning.

Og jeg ville gjerne høre ditt perspektiv på dette, fordi du selv har svært sterke tekniske kvalifikasjoner. Du er ingeniør og virksomhets- og løsningsarkitekt. Du har ledet utviklerteam og bygget et utrolig stort og engasjert publikum rundt nettopp dette. Som jeg nevnte, har du nylig utvidet målgruppen til også å omfatte mindre tekniske personer.

For eksempel ledet den 15-dagers bootcampen du hadde i samarbeid med LinkedIn Learning deltakerne gjennom en reise inn i kunstig intelligens. Den gikk faktisk ganske dypt, fra grunnleggende emner til ganske avanserte områder. Hvorfor er det viktig for deg å bringe undervisningserfaringen din og kunnskapen din om kunstig intelligens ut til et bredere publikum?

Kesha Williams: Det er viktig for meg fordi kunstig intelligens berører alle bransjer, alle roller og alle nivåer i en organisasjon, og jeg ønsker ikke at noen skal bli hengende etter. Når jeg ser på kraften i kunstig intelligens og hva den kan gjøre for å øke produktiviteten og automatisere arbeidsflyter, er det en svært spennende tid å være i teknologibransjen. Jeg vil bare at alle skal ta imot kunstig intelligens og finne ut hvor den passer inn i hverdagen deres.

Galen Low: Opplever du at du møter falske antakelser, myter og misoppfatninger om kunstig intelligens? En del av det du gjør, handler jo om å hjelpe personer som kanskje ikke allerede har grunnleggende kunnskap om systemtenkning eller har hatt tid til å undersøke hva kunstig intelligens kan gjøre.

Opplever du at en del av arbeidet handler om å trenge gjennom mytologien eller skremselspropagandaen rundt hva kunstig intelligens er, og hvordan den gjelder for folks jobber, enten de er tekniske eller ikke?

Kesha Williams: Absolutt. Jeg vil si at Hollywood og alle science fiction-filmene ikke har gjort det enklere. De har gjort jobben min mye vanskeligere. Målet mitt, og dette har alltid vært en lidenskap for meg, er å avmystifisere kunstig intelligens og maskinlæring og gjøre disse komplekse teknologiene svært tilgjengelige. Men som sagt har Hollywood ikke hjulpet i det hele tatt.

Galen Low: Det er Hollywood, og så finnes det en rekke artikler – og ikke misforstå meg, de er troverdige – men de er også formulert på en måte som skal fange oppmerksomhet.

Det kan for eksempel stå at den tidligere lederen for kunstig intelligens i Google sier at generell kunstig intelligens vil ta over om sju år. Eller alle disse personene som regnes som autoriteter på kunstig intelligens. Det er formulert på en måte som får en til å tenke: Herregud. Men samtidig har disse personene naturligvis tenkt gjennom dette.

En del av det de er, er forfedrene og formødrene til kunstig intelligens, og de har vært nødt til å tenke over konsekvensene. Når man ser langt nok frem i tid, kommer dette til å endre mye. Det kan utvikle seg i alle mulige retninger. Men selv det du sa, er svært gjenkjennelig: Vi trenger alle å komme på samme side, selv om vi ikke nødvendigvis trenger å være på samme nivå.

Dette påvirker alle og jobben deres, samt forventningene til jobben. Jo bedre vi alle forstår det, eller jo bedre vi har et felles vokabular for det, desto bedre kan vi faktisk snakke om det. Det er ikke det samme som da jeg begynte. Jeg har bakgrunn fra digital prosjektledelse. Utviklingsteamene jeg arbeidet med, besto av frontend- og backend-ingeniører, og jeg husker de første dagene.

Jeg tenkte: Ingenting av dette gir mening for meg. Dere sier «distribuer» og «gjør den greia med Git». Vi snakkes senere. Den læringskurven, det å kunne relatere seg til ting og faktisk ha en meningsfull dialog i stedet for bare å se på noe og si «greit, utfør regresjonstesting eller hva det nå er».

Og så snakkes vi senere. Hvordan har du opplevd opplæringen du har gitt? Jeg tror du har kurset Hverdagslig kunstig intelligens, og så har du denne 15-dagers bootcampen. Hvilke virkninger eller innsikter har du sett hos deltakerne dine?

Kesha Williams: Som du nevnte, startet jeg den 15-dagers utfordringen Hverdagslig kunstig intelligens i samarbeid med LinkedIn Learning.

I dag er faktisk dag 15, den siste dagen. Jeg er veldig fornøyd med hvordan alt har gått. Jeg har fått mange tilbakemeldinger fra deltakere, og jeg har sett at engstelse for kunstig intelligens har blitt til begeistring. Jeg har sett at folk nå forstår hvor de kan ta i bruk kunstig intelligens i hverdagen og bruke den til å spare tid og øke produktiviteten.

En deltaker tok kontakt og fortalte at hun brukte kunstig intelligens til en oppgave som tok henne omtrent 30 minutter, mens det ellers ville ha tatt flere dager å lage disposisjonen. Det er nettopp slike ting som er grunnen til at jeg laget den 15-dagers utfordringen. Som du nevnte, er den virkelig laget for ikke-tekniske personer som ønsker å begynne å forstå grunnleggende begreper og fundamenter innen kunstig intelligens, og hvordan teknologien kan brukes i hverdagen.

Galen Low: Jeg elsker det. Inntrykket jeg får, er at det er svært praktisk. Deltakerne gjør det faktisk. Det er morsomt. I går kveld spilte vi et kortspill, Exploding Kittens, og bruksanvisningen sier: Ikke les disse instruksjonene. Dette er faktisk den verste måten å lære å spille et spill på.

Se denne videoen og prøv deg frem. Og jeg tenkte: Vet du hva? Dette gjelder i aller høyeste grad for kunstig intelligens. Jeg tror mange, meg selv inkludert, var mest engstelige for kunstig intelligens da det bare var et press uten at vi hadde åpnet noen av verktøyene. Det er nesten som innboksen: Du ser tallet på det røde merket og tenker «herregud, det står 967. Det er helt utrolig. Jeg tør ikke engang se på det». Jeg blir skremt av tallet, selv om jeg ikke har sett hva som faktisk ligger i innboksen. Det var slik for meg. Men jeg liker ideen om å lede folk gjennom grunnlaget, og at det etter hvert blir ganske avansert.

Hva gjør deltakerne på dag 15?

Kesha Williams: Dag 15 handler om å lage din første agent med kunstig intelligens uten programmering. Du trenger ikke å kunne programmere. Alt gjøres gjennom et dra-og-slipp-grensesnitt for å bygge din første agent. Alt leder frem mot dag 15.

Galen Low: Jeg elsker det. Det er som om dag én – jeg finner på dette nå – er «Hva er kunstig intelligens?», og dag 15 er «Bygg en agent».

Kesha Williams: I hovedsak var det slik det gikk.

Galen Low: Det liker jeg virkelig. Jeg tror det er en god overgang til temaet jeg ønsker å gå inn i, nemlig hvordan mindre tekniske prosjektledere kan redusere risikoen i prosjekter som er forsterket av kunstig intelligens. Det handler om å ha de riktige samtalene, samtaler som skaper samordning rundt kunstig intelligens med både tekniske og forretningsmessige interessenter, og egentlig alle mellom disse gruppene.

Vi er så vant til å sette dette opp som et skille mellom teknisk og ikke-teknisk, men det jeg mener, er å oversette mellom ulike interessenter som vet forskjellige ting, har ulike synspunkter og forskjellige ferdigheter. For det første: Bør det i det hele tatt være prosjektlederens rolle å fungere som oversetter i samtaler om kunstig intelligens?

Er det en god eller dårlig idé, slik du ser det?

Kesha Williams: Det er absolutt en god idé. Prosjektledere oversetter allerede – de oversetter prosjektrisiko, tidsplaner og har slike samtaler. Derfor er det naturlig at prosjektledere fungerer som oversettere når det gjelder kunstig intelligens.

Galen Low: Det er et veldig godt poeng. Det er allerede mye oversettelse i rollen.

Kesha Williams: Nettopp.

Galen Low: Det er morsomt, for du og jeg hadde en samtale før dette, og du hadde et innlegg om at agenter og MCP er de nye API-ene. Jeg går tilbake til mine første dager som prosjektleder, da jeg tenkte: Hva er et API? Men det var dette som brukes til å integrere systemer og koble ting sammen.

Kesha Williams: Nettopp.

Galen Low: Det var nettopp noe jeg måtte oversette for å forklare enkelte forretningsinteressenter, personer som ikke nødvendigvis forsto API-er, hvorfor det var viktig å ta disse stegene, hvorfor vi måtte lage dataordboken, hvorfor vi måtte undersøke dokumentasjonen, og hvorfor vi måtte lage en MVP eller et konseptbevis.

Jeg ser at det på en måte er det samme, men også annerledes, fordi det kommer så mye nytt om kunstig intelligens, og så mye endrer seg. Det føles som om det introduseres en ny modell hver dag, ikke sant? Det gjelder store språkmodeller, bildegenerering og alt mulig annet. Hva er dine beste råd til prosjektledere som må fungere som oversettere mellom tverrfunksjonelle team som arbeider med eller bruker kunstig intelligens?

Og kan vi kanskje gå gjennom noen eksempler på hvordan en virkningsfull samtale kan gå galt eller få et prosjekt til å gå mye bedre?

Kesha Williams: Mitt første råd vil være å ikke jage etter verktøy, slik du nevnte. Bokstavelig talt vil det hver dag komme en endring i et eksisterende verktøy eller et nytt verktøy.

I stedet for å jage etter verktøy bør man virkelig tenke på forretningsresultatet. Hvilke problemer prøver vi å løse? Det er egentlig et prinsipp som har eksistert lenge i prosjektarbeid: Fokuser først på hva, og deretter på hvordan. Derfor er mitt viktigste råd å tenke på resultatene og ikke jage etter verktøy, for da havner du i et kaninhull og kommer helt ut av kurs.

Det er det viktigste rådet mitt. Prosjektledere trenger heller ikke å være tekniske. Men de bør forstå begrepene innen kunstig intelligens. Når noen sier «modell», bør du forstå hva det betyr. Når noen sier «ledeteknikk», bør du forstå hva det betyr. Når noen sier «agent», bør du forstå hva det betyr. Det handler om å forstå disse overordnede begrepene og hvordan de passer inn i hvordan det som utvikles, skal fungere.

Det var første del av spørsmålet ditt. Den andre delen handlet om en samtale.

Galen Low: Ja. Hvilke samtaler kan gå galt? Det trenger ikke være den store, avgjørende samtalen om kunstig intelligens som avgjør om prosjektet lykkes eller mislykkes. Underveis har vi samtaler med folk, og jeg har sett, også før kunstig intelligens, at samtaler kan gå litt på avveie.

Det kan skyldes noen av de tingene vi snakker om: En prosjektleder føler seg kanskje ikke trygg på et begrep, finner på noe og angrer etterpå. Eller forsøker å forenkle for mye. Jeg tenkte at vi kanskje kunne improvisere litt rundt dette.

Kesha Williams: Ja, selvfølgelig. La oss si at du er prosjektleder for et prosjekt. Det er naturligvis et prosjekt med kunstig intelligens. Du har en maskinlæringsingeniør i prosjektet, og vedkommende sier: «Modellen er klar, og nøyaktigheten ser bra ut.» En måte samtalen kan gå galt på, er at prosjektlederen sier: «Greit, da går vi til produksjon.»

Prosjektlederen bør stille flere spørsmål. Først må prosjektlederen forstå hva en modell er, og hva nøyaktighet betyr. Nøyaktighet er måten man vurderer hvordan modellen fungerer på. Et spørsmål kan derfor være: Hva betyr nøyaktighet i denne sammenhengen?

Et annet spørsmål, som jeg var inne på tidligere, kan være: Når modellen er satt i produksjon, hvordan ser vedlikeholds- og omskoleringsprosessen ut? For kunstig intelligens-modeller og -systemer finnes det et problem som kan dukke opp når de settes i produksjon, nemlig modellforvitring. Det skjer når dataene i den virkelige verden endrer seg over tid, noe som kan påvirke kvaliteten eller resultatene fra maskinlæringsmodellen.

Når man setter et prosjekt eller et prosjekt med kunstig intelligens i produksjon, er det derfor viktig å ha en samtale om omskolering og løpende vedlikehold. Dette påvirker det samlede resultatet systemet skal levere. Det handler om å stille de riktige spørsmålene når vi setter slike systemer i produksjon.

Galen Low: Jeg liker særlig poenget ditt om forvitring. Selv ganske tekniske prosjektledere kommer fra en verden der ting er nokså deterministiske. Det fungerer slik i testingen, slik i brukerakseptansetesten, og når vi setter det i produksjon, vil det fungere slik hver gang – helt til vi bygger noe annet som ødelegger det.

Da må vi kanskje rette det. Men dette med forvitring, og poenget ditt om at dataene modellen trenes på, endrer seg, er viktig. Modellene endrer seg også i noen tilfeller, og teknologien er sannsynlighetsbasert, ikke deterministisk. Det er nesten som å se løsningene teamene bygger gjennom en helt ny linse.

Jeg liker poenget ditt om løpende vedlikehold. Det er et så godt spørsmål, og en stor risiko for en prosjektleder å si: «Dette er klart.» Kanskje dette faktisk bare var første steg. Du går tilbake til prosjekteieren og interessentene og sier: «Ja, vi er klare til lansering.»

De spør: «Kommer det til å kreve løpende vedlikehold?» Og du svarer: «Nei.»

Kesha Williams: Jeg hadde kontroll. Vi er ferdige. Tren modellen, så er den klar.

Galen Low: Den fungerer fint. Den kommer til å fortsette å fungere fint, og vi går videre til neste fase. Jeg har sett dette gå galt, ikke bare med kunstig intelligens, men også i andre sammenhenger.

Jeg liker spørsmålet du stilte: Hva betyr dette når det gjelder nøyaktighet, og hva er neste steg? Jeg ville også lagt til: Hva gjør dette mulig, og hvor er vi i prosessen? Jeg hadde nylig denne samtalen med noen medlemmer av fellesskapet mitt, og innså at jeg er typen som sier: Hjelp meg å forstå dette, for jeg må forklare det til interessentene mine. Er det greit om jeg sier det slik?

Og noen svarer: Nei. Vi kan ikke flytte prosjektet videre. Ikke fortell dem at modellen er nøyaktig.

Det å stille spørsmål for å forstå i samarbeid med andre er viktig. Jeg tror det er et av de store gapene. Mange i prosjektlederroller blir stadig frustrerte over teamene sine og sier: «De forstår ikke hva jeg gjør.» Da spør jeg: Har du fortalt dem hva du gjør og hva neste steg er? De forteller deg det de vet. Modellen er klar, nøyaktigheten er god, og du sier: «Flott, takk.» Men de får aldri vite hva du må gjøre med dette, og de får heller ingen mulighet til å gripe inn og si: «Dette er viktig, og det må du fortelle interessentene. Ikke forklar det slik – forklar det heller slik.»

Jeg tror det er en svært viktig dialog. Vi prosjektledere er vant til deterministiske systemer, og det er alle andre også. Vi må bygge denne dialogen, og deretter lære interessentene at forvitring ikke betyr at vi bygget noe feil. Det er en del av teknologiens natur.

Kesha Williams: Det er dette skiftet i tankesett som må til når vi bygger systemer med kunstig intelligens. Jeg liker virkelig poenget ditt om samarbeid. Denne myke ferdigheten er enda viktigere i kunstig intelligens-alderen.

Galen Low: Jeg elsker det, og det knytter seg til det opprinnelige poenget ditt: Alle må bygge opp grunnleggende kunnskap for å kunne ha disse samtalene, og det må skje i samarbeid, fordi vi alle finner ut av dette sammen.

Kesha Williams: Nettopp.

Galen Low: Det har ikke gått nok tid til at det finnes egentlige eksperter eller mestere. Det finnes eksperter, men kanskje ikke mestere.

Kesha Williams: Nettopp.

Galen Low: Vi må finne ut av dette sammen. Du ga noen gode eksempler tidligere, og jeg vil gjerne gå litt dypere inn i hvordan en prosjektleder – eller egentlig hvem som helst som føler at de ikke er tekniske nok til å forstå kunstig intelligens – kan fungere som oversetter mellom teamene.

Hvordan lærer man nok til å drive disse samtalene? Hvilke kilder bruker du for å lære det grunnleggende og samtidig holde deg oppdatert når ting endrer seg? Du sa at man ikke skal jage etter alle verktøyene, og det forstår jeg. Man trenger ikke å memorere alle lanseringsnotatene hver gang en ny teknologi kommer. Men hvilke steder oppsøker du, eller sender du deltakerne dine til, for å holde seg oppdatert? Og hvilke grunnleggende ting vil du anbefale til en interessent som bare har hørt ordet kunstig intelligens, men ikke gått dypere enn det?

Kesha Williams: Jeg må henvise folk til LinkedIn Learning-kursene mine, og mer spesifikt til den 15-dagers utfordringen i kunstig intelligens. Den begynner med grunnlaget og starter svært enkelt. Den hjelper deg med å forstå de ulike begrepene og hvordan kunstig intelligens kan inngå i hverdagen din.

Det handler ikke engang om å bygge systemer, men om hvordan du kan bruke kunstig intelligens til å øke din egen produktivitet og hjelpe deg i det daglige arbeidet. Det er viktig å forstå hvordan kunstig intelligens kan brukes. Når du begynner å bruke og øve med teknologien, lærer du begrepene, og du blir inspirert til å finne helt nye måter du eller teamet ditt kan bruke kunstig intelligens på.

Det finnes mange ressurser. Jeg vil også anbefale å følge LinkedIn-siden min Kesha on AI. Jeg har også en Substack med samme navn. Fra og med neste uke skal jeg legge ut korte tips om kunstig intelligens på Substack og LinkedIn-siden.

For alle som abonnerer på Substacken min, kommer jeg til å legge ut tips som hjelper folk med å forstå grunnleggende begreper og bli med videre på reisen innen kunstig intelligens. Det finnes også mange andre ressurser. Jeg liker å følge OpenAI Academy. De har mange seminarer og gratis kurs, og det er der jeg lærer mye om noen av de nyere ressursene.

Og igjen: LinkedIn Learning. Jeg har flere kurs på den plattformen. På Pluralsight har jeg tekniske kurs, men også ikke-tekniske kurs om ledeteknikk, hvordan man vurderer hvilke ferdigheter innen kunstig intelligens teamene trenger, og hvordan man kan videreutvikle teamenes kompetanse innen kunstig intelligens.

Det finnes altså mange steder der folk kan lære.

Galen Low: Jeg liker at du trekker frem dette. Det gir nesten et lite aha-øyeblikk. Noe jeg har strevd med fra et prosjektlederperspektiv, er at vi noen ganger snakker om team som bruker kunstig intelligens til å bygge noe.

Andre ganger snakker vi om team som bygger noe der kunstig intelligens er en del av arkitekturen. Og noen ganger snakker vi om kunstig intelligens for å støtte prosjektet i hverdagen. Jeg synes det er interessant at du beskrev dette så kort og presist: Det finnes ulike måter, og det bygger på noen grunnleggende ting.

Spørsmålet mitt, særlig om OpenAI Academy og lignende, er at det er lett å gå veldig dypt. Jeg arbeider med tverrfunksjonelle team, og noen ganger tenker jeg: Hvis jeg klikker her, kommer jeg til å forstå dette, eller prøver jeg å lære for mye? Kommer jeg til side tre og sitter midt i Python-kode?

Finnes det noen råd for å hjelpe folk med å ikke gå for dypt? Hvordan kan de forstå at dette er på mitt nivå, mens dette er for noen som faktisk programmerer?

Kesha Williams: Du har rett. Hvis du kommer til et sted der du blir bedt om å starte en Jupyter-notatbok eller skrive Python-kode, har du definitivt gått for dypt. Men slik jeg strukturerer mange av kursene mine, begynner jeg med selve begrepet og følger opp med en praktisk aktivitet.

Hvis den praktiske aktiviteten er for komplisert, og du må skrive Python-kode, kan du bare se de konseptuelle delene. Sørg for at du forstår begrepene, for de kan overføres til nesten alle verktøyene du bruker.

Selv om det er et svært teknisk kurs, kan du altså se begrepsvideoene og forstå begrepene. Du kan alltid hoppe over den dypt tekniske, praktiske delen.

Galen Low: Jeg har aldri hørt noen si det slik, men det gir så mye mening. Ikke la være å se på noe bare fordi du er interessert. Det kan hende at enkelte deler ligger over hodet på deg.

Så lenge du er klar over det, kan du likevel få noe ut av det. Jeg er stor fan av å høre språket. Jeg kunne sette meg ned og høre på en teknisk arkitekt som snakket med utviklerteamet sitt. Ikke alt ga mening, men jeg plukket opp noen ord og begreper, og følte meg litt tryggere på at jeg kunne stille de riktige spørsmålene.

Jeg trenger ikke å være mester i noe av dette. Jeg kan i det minste stille et spørsmål som kanskje er dumt, men som åpner dialogen.

Kesha Williams: Det finnes ingen dumme spørsmål.

Galen Low: Greit. Særlig innen kunstig intelligens, vil jeg tro, siden ting endrer seg så raskt.

Kesha Williams: Ikke sant? Vi lærer alle. Vi lærer alle sammen.

Galen Low: Dette kan være kontroversielt, men jeg lurer på om jeg kan få ditt umiddelbare syn på sertifiseringer. Jeg tror det er et bredt område akkurat nå. Det kommer sertifiseringer innen kunstig intelligens som er mer rettet mot utviklere. Det finnes også prosjektledelsessertifiseringer, for eksempel fra vennene mine i Cognilytica, som nå er PMI Cognilytica.

Det handler om å bygge sannsynlighetsbaserte systemer og forstå hvor datakildene kommer fra, sett fra et prosjektlederperspektiv. Du har imidlertid bevisst valgt korte, praktiske læringsopplevelser. Hva tenker du om sertifiseringer innen kunstig intelligens, hvorfor noen bør ta dem, og om det faktisk er verdt det?

Kesha Williams: Jeg elsker sertifiseringer. Jeg sier alltid til folk at sertifiseringer kan få deg til intervjuet, men de gir deg ikke jobben. Som du nevnte, er det viktig å ha praktisk erfaring og faktisk kunne gjøre det du intervjues for.

Sertifiseringer kan altså få deg til intervjuet. De gir deg et tilstrekkelig solid grunnlag til å forstå begrepene og hvordan alt henger sammen. For mer praktiske roller, særlig tekniske roller, er det viktig å ha praktisk erfaring og en nettbasert portefølje der du viser frem prosjekter du faktisk har utviklet ved hjelp av teknologiene.

Det er rådet jeg alltid gir når det gjelder sertifiseringer.

Galen Low: Jeg liker det. Det gir mening. Jeg liker ideen om en nettbasert portefølje, og noen av lytterne mine vil sikkert si: Ja, men det gjelder utviklere. Men poenget ditt er at dag 15 i den 15-dagers utfordringen handler om å bygge en agent.

Vil du anbefale at også en prosjektleder har noen ting de har bygget, eller annen dokumentasjon på at de bruker kunstig intelligens, som en del av porteføljen sin?

Kesha Williams: I dag, med tanke på hvor kunstig intelligens befinner seg og hvor teknologien er på vei, vil dette som prosjektleder sette deg foran andre prosjektledere som ikke har det.

Når jeg tenker på hvor vi vil være om ett, tre eller fem år, og på at kunstig intelligens berører alle bransjer og roller, er det svært viktig at folk finner ut hvor kunstig intelligens passer inn i hverdagen deres, hvordan de kan bruke den til å automatisere mange av de repetitive oppgavene og øke produktiviteten.

Hvis ikke kommer de til å bli hengende etter. Det er den ærlige sannheten.

Galen Low: Det er et svært raskt godstog. Selv om vi ønsket det, ville det være svært vanskelig å putte dette tilbake i esken.

Kesha Williams: Det kommer ikke til å skje.

Galen Low: Selv fra et utviklerperspektiv. Jeg liker imidlertid poenget ditt om at sertifiseringen får deg til intervjuet, men ikke gir deg jobben.

Hvis du skulle ansette en utvikler, eller egentlig hvem som helst, hvilket spørsmål ville du stilt i intervjuet for å finne ut om personen faktisk kan kunstig intelligens, eller om vedkommende bare har tatt et kurs og fått et sertifikat, men kanskje ikke har ferdighetene du ser etter?

Kesha Williams: For en utvikler ville jeg undersøkt hvordan vedkommende bruker kunstig intelligens til å skrive kode, hvilke verktøy de bruker, og hvilken del av utviklingsprosessen de bruker det i. Jeg ville bedt om et konkret eksempel: På hvilket tidspunkt i utviklingsprosessen tok du i bruk kunstig intelligens?

Når jeg intervjuer folk, er det viktig at de gir eksempler fra virkeligheten, ikke bare snakker om teori.

Galen Low: Når vi ser fremover, kan det også gjelde ikke-utviklere. Du har bygget flere agenter for å håndtere prosjekter bedre. Fortell meg hvordan du brukte dem. Det er et svært relevant spørsmål, og jeg kommer definitivt til å stjele det.

Kesha Williams: Og hvilket verktøy brukte du, og hvorfor valgte du akkurat det verktøyet? Når det gjelder å bygge agenter, finnes det svært mange verktøy. Det finnes Copilot, der du ikke engang trenger å kunne programmere. Det finnes Amazon Bedrock-agenter, og nå har alle plattformer en slik mulighet. Salesforce og alle andre plattformer har en måte å bygge agenter på. Derfor er det viktig å forstå hvilket verktøy de brukte, og hvorfor de valgte det.

Galen Low: Det er et godt poeng. Vi har allerede begynt å snakke om fremtiden, så kanskje dette er en god overgang til å se litt fremover. Jeg vet at vi ikke kan se så langt. Alt endrer seg, og det kan gå hvor som helst. Generell kunstig intelligens kan dukke opp i morgen og ødelegge menneskeheten, slik Hollywood forteller oss.

Kesha Williams: Det er det science fiction sier.

Galen Low: Ja. Eller det kan bli marginale forbedringer i kunstig intelligens-baserte notatverktøy de neste tre årene. Jeg vet ikke. Men som du sier, kunstig intelligens blir bygget inn i administrative og repetitive oppgaver.

Kesha Williams: Nettopp.

Galen Low: Produktivitetsøkningen er på en måte hovedfokuset akkurat nå.

Det viser seg som autonome agenter. Det finnes en enkel måte å bygge dem på, og du kan bruke 14 dager på en utfordring og bygge en agent på dag 15. Det er ikke så langt utenfor rekkevidde.

Kesha Williams: Nettopp.

Galen Low: Tror du dette endrer prosjektlederrollen når det gjelder levering av tekniske, kunstig intelligens-baserte løsninger?

Og hvis det gjør det: Hva er ditt beste råd for hvordan prosjektledere kan forberede seg på en fremtid med kunstig intelligens som kanskje ikke finnes ennå, men som sannsynligvis vil påvirke rollene deres?

Kesha Williams: Det hele handler om å forstå hva kunstig intelligens er, begrepene og hvordan du kan bruke den i hverdagen for å øke produktiviteten. Jeg tror det er mye frykt i bransjen for at kunstig intelligens skal erstatte roller.

Det er egentlig ikke det vi bør være redde for nå. Det viktigste er å ikke bli hengende etter, men å finne ut hvordan du kan bruke kunstig intelligens i rollen din til å bli bedre enn den neste personen. På den måten kan du hjelpe deg selv og organisasjonen med å fortsette å flytte grensene.

Galen Low: Jeg elsker det, og jeg liker temaene rundt begrepene og grunnlaget.

Noe av grunnlaget endrer seg også, antar jeg. Men jeg liker poenget ditt om hvordan man holder seg oppdatert uten å jage etter verktøyene eller fylle hodet med spesifikk kunnskap om hvert enkelt verktøy, fordi dette kan utvikle seg i alle retninger. Vi ser på Betamax og VHS.

Vi ser på kassettbånd og åttesporsbånd. Noen av disse vil vinne, og andre vil tape, når det gjelder teknologivalg, investeringer og alt annet. Men hvis vi forstår grunnlaget, kjernebegrepene og hvordan de utvikler seg i jobbene våre, kan vi trekke slutninger derfra uten å bli altfor bundet opp i detaljene.

Kesha, tusen takk. Dette har vært veldig morsomt. For litt ekstra høytidsunderholdning: Har du et spørsmål du vil stille meg?

Kesha Williams: Ja. Vi kan bytte roller, og jeg kan være intervjueren. Spørsmålet mitt til deg er selvfølgelig: Vi har snakket om kunstig intelligens, så hvordan bruker du kunstig intelligens i hverdagen? Og hvis du ikke bruker den, hvorfor ikke?

Galen Low: Jeg bruker den. Jeg er ikke en storbruker akkurat nå. Jeg bruker den som en tenkepartner. Jeg liker svært godt en arbeidsflyt som ligner på Iron Man og Jarvis, for eksempel når jeg skal formulere en e-post. Jeg er ikke en person som lar kunstig intelligens lage førsteutkastet og deretter redigerer det.

Jeg vil heller skrive førsteutkastet selv og så la kunstig intelligens utfordre det. Jeg kan si: Opptre som en svært krevende prosjekteier. Du er teknologidirektør. Dette er det du bryr deg om. Slik er forholdet vårt. Gå hardt gjennom teksten. Fortell meg hva du kan komme til å protestere på i denne e-posten. Det fungerer godt for meg fordi personligheten min er å stille spørsmål ved alt helt til det er bra.

Jeg er slik. Du vet, det finnes et innlegg på nettet som dukker opp i strømmen min av og til. Det viser en kreativ person som aldri blir ferdig. Man kommer til et punkt der man ikke orker å se på det mer. Det er meg i alt.

E-poster, nyhetsbrev, emnefelt og prosjektplaner. Jeg stirrer på dem og prøver å finne ut hva noen kan komme til å protestere på før jeg erklærer dem ferdige. Kunstig intelligens har vært en svært god partner for meg i den sammenhengen, ved å spørre: Har du vurdert dette?

Jeg har ikke noe imot at den noen ganger er litt overdrevent smigrende. Jeg har ikke gått gjennom og sagt: Nå må du være slem mot meg. Men jeg kan vurdere svarene selv. Jeg tenker ikke: Jeg er fantastisk, jeg er så flink til dette. Det er aldri konklusjonen min etter et svar fra ChatGPT.

Det er slik jeg har brukt det til nå. Men jeg vil gjerne gå dypere inn i de autonome funksjonene. Det er neste steg for meg. Vi har bygget noen tilpassede GPT-er for å gjøre arbeidsflyten vår bedre. Jeg liker spesielt oppgaver som er repetitive, men som fortsatt krever vurdering eller litt samhandling.

Det har fungert svært godt. Jeg gleder meg til å ta i bruk agenter, men hovedpoenget ditt gjelder fortsatt: Først må jeg finne ut hvor teknologien kan hjelpe. Deretter må jeg ha orden på tingene mine, dataene og referansematerialet. Jeg må kunne lære opp agenten omtrent slik jeg ville lært opp en person, hvis jeg vil at den skal fungere effektivt.

Det er morsomt, for teknologien er ikke problemet. Spørsmålet er om vi er organiserte nok til å lære den opp og gi den nok kontekst til å gjøre jobben sin. Det var sant for mennesker også.

Kesha Williams: Du trekker frem et svært viktig poeng når du snakker om prosjektlederrollen. Snart kommer du til å lede agenter sammen med mennesker. Begynn derfor å tenke på kunstig intelligens som en del av teamet. Det er også noe som kommer.

Galen Low: Ja, jeg liker det. En av de andre gjestene mine og jeg snakket nylig om hvordan en medarbeidersamtale bør se ut, og om vi egentlig bør ha en for agenter.

Noen ganger gir vi modellene våre bedre tilbakemeldinger enn vi gir kollegene våre. Men poenget ditt om teamkultur er svært interessant. Kunstig intelligens har mye kapasitet akkurat nå, men ansvaret ligger fortsatt hos mennesker.

Vi kan ikke peke på en agent og si: «Jeg skylder på denne agenten. Agenten gjorde en dårlig jobb.» Jeg har vært i teammøter der noen peker på en kollega og sier: «Det var design som gjorde en dårlig jobb.» Jeg tror det kommer til å oppstå en interessant blanding av ansvar, og at måten vi bygger teamkultur på, vil endre seg.

Noen av oppgavene vil faktisk tilfalle agenter, automatisering og andre deler av teknologien for kunstig intelligens.

Kesha Williams: Enig. Det er her styring av kunstig intelligens kommer inn.

Galen Low: Da må jeg invitere deg tilbake når vi tar opp det temaet, for på noen måter er det nærmere enn jeg tror. Det er faktisk like rundt hjørnet.

Kesha Williams: Nettopp.

Galen Low: Men la oss avslutte her i dag. Kesha, tusen takk for at du tok deg tid til å snakke med meg. Jeg har hatt det veldig morsomt. Jeg har faktisk lært utrolig mye, og jeg liker det du gjør. Formatet ditt er virkelig interessant. Jeg gleder meg til Substacken. Hvor kan de som er like begeistret som meg, lære mer om deg?

Kesha Williams: Følg meg gjerne på LinkedIn. Som du nevnte, legger jeg ut mye der. På nettstedet til KeySoft, www.keysoft.tech, finner du mer informasjon om meg og tjenestene jeg tilbyr.

Galen Low: Flott. Jeg legger inn lenkene i shownotatene for de som er interessert. Og Kesha, takk igjen.

Kesha Williams: Takk. Det var en fornøyelse. Det var en fantastisk samtale.

Galen Low: Da var det alt for dagens episode av The Digital Project Manager-podkasten. Hvis du likte samtalen, bør du abonnere der du lytter. Hvis du vil ha enda flere praktiske innsikter, casestudier og arbeidsbøker, kan du besøke thedigitalprojectmanager.com.

Til neste gang: Takk for at du lyttet.