Håndboken for å skape AI-kolleger som faktisk fungerer

Galen Low: Hva fikk deg til å bestemme deg for å satse på å skape AI-kolleger i stedet for å gjøre noe mer konvensjonelt?

Megan Ratcliff: Jeg var ansvarlig for etterspørselsgenerering på det tidspunktet, og jeg hadde ikke mye ressurser. Jeg hadde ikke mye penger. Jeg hadde ikke mye tid, og jeg hadde ikke mange teammedlemmer. Så jeg begynte med å bygge den første kollegaen, som var en kampanje­tekstforfatter. Deretter begynte jeg å bygge strateger som kunne hjelpe meg å tenke.

Galen Low: Vil det å bygge et team av AI-agenter automatisk føre til at du og teamene dine mister jobbene deres?

Megan Ratcliff: Ja, og … fordi det som kommer til å skje, er at du vil kunne bygge et system av verktøy som støtter arbeidet du gjør fra et gjennomføringsperspektiv, og du kan også bruke disse verktøyene til å styrke din strategiske innflytelse i organisasjonen. Det du bør gjøre, er altså å bruke AI til å erstatte den nåværende jobben din mens du bygger den nye jobben din. Det er slik fremtiden på dette området ser ut.

Galen Low: Jeg hørte om noen som faktisk fører teamet av agenter sitt opp på CV-en og i praksis intervjuer og selger seg selv som et team til potensielle arbeidsgivere. Gyldige nyheter eller falske nyheter?

Megan Ratcliff: Gyldige nyheter. Jeg har sett dette før. Hvis jeg ansetter en markedsfører, ser jeg etter hvor AI-kompetent vedkommende er. Hvis du kom til intervjuet og sa: «Her er teamet av agenter jeg tar med meg», ville jeg sagt …

Galen Low: Velkommen til The Digital Project Manager Podcast — programmet som hjelper ledere innen leveranser med å jobbe smartere, levere bedre og lede teamene sine med selvtillit i AI-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 massive transformasjonsprosjekter, håndterer AI-arbeidsflyter eller bare prøver å holde kaoset under kontroll, er du på rett sted. La oss sette i gang.

Greit, i denne episoden snakker vi om hvordan det faktisk er å bygge og lede et team av AI-kolleger — ikke i fremtiden … men akkurat nå, ved hjelp av dagens teknologi. For å gjøre det tar vi utgangspunkt i SaaS-markedsføring, og deretter zoomer vi ut til et sett med praktiske tips og triks for alle former for teambasert samarbeid.

Med meg i dag har jeg Megan Ratcliff, en markedsspesialist som gjorde akkurat det vi snakker om i sitt tidligere liv i SaaS-karriereteknologiselskapet Dice. Som markedsføringssjef i Dice bygget Megan i praksis AI-kolleger for å fylle de ellers universelt anerkjente hullene mellom markedsføring, salg og kundesuksess — og bygget dermed broen mellom disse teamene for å drive inntektsvekst.

I dag er Megan en praktisk go-to-market-konsulent og coach som hjelper folk ut av AI-fortvilelsens avgrunn. I Clarity & Motion Collective bruker hun sitt spesialiserte AI-økosystem på tvers av flere bransjer for å forsterke organisasjoners kapasitet, samtidig som hun bevarer den menneskelige forbindelsen som driver ekte forretningsrelasjoner.

Megan, takk for at du er med meg i dag.

Megan Ratcliff: Takk for invitasjonen.

Galen Low: Jeg er veldig spent på dette. Jeg har likt samtalen vår så langt. Jeg likte samtalene våre i green room. Jeg gleder meg til å dykke ned i dette, fordi det er et så viktig tema som jeg ser i LinkedIn-strømmen min. Du vet, det er dette med at du kommer til å lede team av AI-kolleger.

Dette kommer til å bli fremtiden, og så ble du anbefalt til meg av en felles kontakt. Hun sa: «Megan har gjort dette. Du bør snakke med henne.» Og jeg tenkte: «Ja, jeg bør snakke med henne.» For å begynne ville jeg sette scenen rundt ett stort, hårete spørsmål som alle har i tankene når de leser tittelen på denne episoden, men deretter vil jeg gjerne zoome ut og snakke om tre ting.

For det første ville jeg snakke om problemene du forsøkte å løse, og hvordan læringskurven din så ut da du stakk tåen ned i AI-dypet. Deretter vil jeg gjerne høre ditt syn på noen overskrifter og om de er myter, overdrivelser eller kanskje rene sannheter når det gjelder AI-kolleger.

Og til slutt vil jeg utforske hvordan fremtidens samarbeid ser ut sammen med AI-kolleger, ikke altfor langt inn i fremtiden — på to- til treårshorisonten.

Megan Ratcliff: Det høres bra ut.

Galen Low: La meg begynne med det store, hårete spørsmålet mitt. Vil det å bygge et team av AI-agenter automatisk føre til at du og teamene dine mister jobben, og i så fall: Hva er den riktige jobben for mennesker i 2026 og videre?

Megan Ratcliff: Godt spørsmål. Det er et hårete spørsmål, og jeg vil si at det ikke finnes noe entydig svar. Nei eller ja. For det som kommer til å skje, er at du vil kunne bygge et system av verktøy som støtter arbeidet du gjør fra et gjennomføringsperspektiv, og du kan også bruke disse verktøyene til å styrke din strategiske innflytelse i organisasjonen.

Det du bør gjøre, er altså å bruke AI til å erstatte den nåværende jobben din mens du bygger den nye jobben din. Det er slik fremtiden på dette området ser ut. Smarte markedsførere, prosjektledere og andre bruker AI til å erstatte noe av det de gjør nå, slik at de kan gå over til mer strategisk arbeid.

Galen Low: Og verdsettes dette i organisasjoner akkurat nå? Jeg har jobbet i flere byråer og hatt noen virkelig gode sjefer, og mange av sjefene mine ga meg dette som sitt første råd. De sa: «Hør her, jobben din er å gjøre deg selv overflødig. Finn noe nytt å gjøre i organisasjonen.» Jeg tenkte: «Greit.»

Og jeg føler meg heldig, fordi de faktisk var tro mot ordet sitt. Jeg jobbet meg oppover i hierarkiet. Men jeg har hørt historier fra andre som sier: «Ja, jeg vil gjerne gjøre dette nå.» Og de får svaret: «Ja, vi trenger ikke det. Kan du bare fortsette med de kjedelige oppgavene du holdt på med?»

Eller hvis du har automatisert det, vet jeg ikke om det finnes en plass for deg i denne organisasjonen. Er det en risiko i dag, eller føler du at trenden blant kundene dine og organisasjonene du jobber med er at de sier: «Ja, vi vil at alle skal utvikle seg. Vi vil at de skal komme til oss med ideer, og vi vil at de skal være med på å forme nye jobber som kanskje ikke finnes akkurat nå?»

Megan Ratcliff: Ja, jeg tror smarte organisasjoner investerer i menneskene sine akkurat nå, slik at de kan videreutvikle kompetansen deres. For i stedet for å ha en gruppe mennesker som bare utfører oppgaver, får du en gruppe mennesker som har bygget systemer som utfører oppgaver, og som kan tenke ut og bygge nye systemer, ikke sant? Så jeg vil si at hvis du er i en organisasjon som bare vil at du skal opprettholde status quo, bør du gjerne bygge systemet som gjør jobben din for deg.

Og deretter finne en organisasjon som verdsetter det du gjør. Jeg vet ikke. Det vil også finnes mennesker som er fornøyde med å gjøre det de har gjort de siste fem eller ti årene, og det er flott — fortsett med det. Men for alle andre tror jeg det er svært viktig å tenke på hva neste steg er, hvor du vil lære, og hvor du vil utvikle deg.

Hva er du nysgjerrig på? Utforsk det. Det er det som vil utvide innflytelsesområdet ditt i organisasjonen du er i.

Galen Low: Jeg liker den oppfordringen til en vekstorientert tankegang. Og jeg mener, djevelens advokat i meg tenker: Du sier at det er greit hvis man vil fortsette med det man gjør.

Og jeg tenker: Er det egentlig det? En del av meg tenker på det vi ser på nettet, og på det organisasjoner noen ganger gjør knyttet til AI, og det er en slags motstand mot status quo eller stagnasjon. Noen vil kanskje se det som … jeg vet ikke engang om det er et spørsmål, men er det egentlig det?

Megan Ratcliff: Ja. Hvis du er en av dem som liker det du gjør, og arbeidet er oppgaveorientert og består av det samme om og om igjen, vil du sannsynligvis kunne holde på med det i to år til. Deretter vil du ikke ha en jobb lenger. Det er altså en tidslinje her.

Og hvis du ikke tenker på hvordan du kan erstatte jobben din med AI og bygge den neste jobben din, ligger du litt etter. Så det er på tide å gjøre litt research og finne ut hvordan du kan ta i bruk verktøy som kan bidra til å utvikle ferdighetene dine. Jeg snakket faktisk med noen tidligere i dag som snakket om AI-sertifiseringer for teamet sitt, og jeg sa: «Greit, det er som å bli sertifisert i internett.»

Det er vendepunktet vi står ved nå. Hvis du var motstander av internett, gikk det ikke så bra. Denne runden er det samme. Hvis du er motstander av denne teknologien — og det finnes mange gode grunner til å være det; det er en skremmende teknologi, og det finnes miljømessige konsekvenser og alle mulige andre ting —

men hvis du er fullstendig motstander og ikke utforsker dette i det hele tatt, kommer du til å ende opp som en som ignorerte internett.

Galen Low: Det er et veldig godt poeng om internett. Jeg synes poenget ditt om sertifiseringer er interessant. Min umiddelbare tanke er at sertifiseringene akkurat nå fyller en funksjon ved å si: «Hei, jeg omfavner dette. Ikke ta meg bare på ordet. Jeg har lagt ned en innsats, og jeg har dette som viser at jeg bryr meg nok om fremtiden til å utforske den.» Og så tror jeg du har rett. Det kommer til å bli som «Jeg kan skrive». Flott.

Det blir grunnleggende ferdigheter om omtrent to år. Og hvis jeg forstår deg riktig, setter jeg to ting sammen her: Det er greit om du ikke vil erobre verden, klatre i hierarkiet eller bli superstrategisk. Men du trenger den tankegangen som handler om å bygge systemer, selv om du beveger deg sidelengs.

Eller: «Jeg liker de oppgaveorienterte tingene mine, og nå kan jeg gjøre mer av dem fordi jeg bygger systemer på tvers og kan skalere horisontalt, ikke bare klatre i hierarkiet og forsøke å bli toppsjef.»

Megan Ratcliff: Ja, og jeg synes det er helt greit. Noe annet vi snakker om, er at ikke alle trenger å være fullstendig AI-kyndige. Å lære AI er som å lære et annet språk. Kanskje 10–20 prosent av befolkningen blir AI-kyndige, og det er de som bygger alle mulige ting du aldri har drømt om. Alle andre trenger å kunne bestille et glass vann og finne toalettet.

Du må kunne gjøre noen få ting veldig godt for å komme deg gjennom denne perioden. Men ja, det er vel min umiddelbare tanke.

Galen Low: Nei, helt ærlig liker jeg det. Når du sier det høyt, er det faktisk ganske fornuftig. Tidligere sa jeg at det å kunne skrive er grunnleggende. Men på en måte, når man sammenligner det med internettets fremvekst, er det som å si at det å sende en e-post er grunnleggende. Zapier, Make.com og lignende — automatisering — er et annet nivå. Og hvis du vil kode og være ingeniør og arkitekt for internett, er det også et helt annet nivå. Men alle disse nivåene finnes innenfor det samme.

Megan Ratcliff: Ja. Det finnes et grunnleggende nivå som handler om hvorvidt du kan samhandle med en LLM-chatbot, og om du kan bruke den effektivt. Det tilsvarer å bestille et glass vann, og det er helt akseptabelt og noe som blir svært viktig det neste året eller de to neste årene.

Galen Low: Jeg elsker det. Jeg er helt enig. Det er faktisk en god overgang. Jeg lurte på om vi kunne zoome litt ut.

Du har selv gått gjennom mange av disse stadiene. Jeg tror ikke du nødvendigvis ser på deg selv som ingeniør eller programmerer i dag, men du hadde absolutt ikke teknisk bakgrunn da du begynte. Du kom fra SaaS-verdenen, som jeg forsiktig vil kalle det, men i SaaS-verdenen er det faktisk svært vanskelig å få markedsføring, salg og kundesuksess på samme side, i samme retning og med samme sangbok.

Noen organisasjoner har kanskje en kommersiell direktør som binder alt dette sammen på toppen. Men i mange tilfeller må disse teamene — vanligvis likestilte kolleger med ulike sjefer og ulike mål — få inntektene til å vokse. Tidlig i episoden nevnte jeg at du hadde bygget et team av AI-kolleger for å løse dette problemet, men jeg ville gjerne pakke det litt ut.

Var det et spesifikt problem eller et sett med problemer du forsøkte å løse ved å gjøre dette? Og hva fikk deg til å satse på å skape AI-kolleger i stedet for å gjøre noe mer konvensjonelt, som opplæring eller en serie med lunsj-og-lær-samlinger?

Megan Ratcliff: Ja, absolutt. Det var et stort, enormt spørsmål, og alle som har jobbet i amerikansk næringsliv, forstår at det skjer så utrolig mye på én gang. Av produktivitetshensyn hadde vi opplæring eller lunsj-og-lær-samlinger for å få alle på linje. Vi prøvde å gjøre det hele tiden.

De var bare veldig mislykkede. Du prøver å presse fire team sammen, samtidig som du opprettholder den individuelle identiteten deres som en liten organisasjon inne i den større organisasjonen. Det er vanskelig. Folk har identiteten sin knyttet til det de gjør, ikke sant? For meg oppsto derfor ideen om en kollega da jeg var ansvarlig for etterspørselsgenerering, og jeg gjorde den jobben uten mange ressurser.

Jeg hadde ikke mye penger. Jeg hadde ikke mye tid, og jeg hadde ikke mange teammedlemmer — menneskelige teammedlemmer — til å gjøre arbeidet. Vi hadde ingen tekstforfattere. Vi hadde litt hjelp på designsiden, men ikke mye. Når det gjaldt kampanjestrategi, salgsmateriell og den typen ting, hadde vi svært lite ressurser, og derfor begynte jeg med å bygge den første kollegaen, en kampanjetekstforfatter.

Det er et flott sted for alle som er nye innen AI å begynne: innholdsproduksjon. Det er enkelt fordi du forstår hvordan noe godt ser ut. Du kan komme i gang med én gang. LLM-ene er naturlig laget for å gjøre dette for deg. Det var altså mitt første stopp.

Da jeg begynte å jobbe med den, forbedre den og gjøre den leveringsklar — god nok — begynte jeg å tenke: «Kan jeg strukturere kampanjene mine på en smartere måte?» Så begynte jeg å bygge strateger som kunne hjelpe meg å tenke, fordi jeg ikke var klassisk utdannet innen etterspørselsgenerering. Jeg kom fra et markedsføringsbyrå som kundeansvarlig.

Ferdighetene overføres til en viss grad, men det var ting jeg ble satt til å gjøre som jeg ikke hadde praktisk erfaring med. Jeg måtte på en måte late som om jeg kunne det, helt til jeg faktisk kunne det. Så jeg bygget kolleger som kunne styrke områdene der jeg hadde hull i kompetansen min.

Deretter begynte vi å jobbe med en produktlansering. Det var definert en ideell kundeprofil for den. Så lanserte vi, og det gikk annerledes enn alle hadde trodd. De vi trodde ville kjøpe produktet, kjøpte det ikke. I stedet var det en annen gruppe som kjøpte det. Jeg tenkte: «Det var rart. Noen burde gjøre noe med det. Vi må sannsynligvis redefinere den ideelle kundeprofilen.» Og alle så på hverandre. Jeg sa: «Hvem skal gjøre det?»

Ingen eide go-to-market-arbeidet. Så tenkte jeg: «Hvorfor ikke meg? Jeg gjør det.» Derfor bygget jeg en go-to-market-strateg. Hele formålet var å hjelpe meg med å finne ut av dette. Jeg ga den informasjon om hva konverteringsratene våre vanligvis var, hvem den ideelle kundeprofilen vår var, og deretter ga jeg den kjøpsdata fra kontoene som kjøpte fra oss.

Aldri personopplysninger — bare så det er sagt til alle som lytter. Jeg legger aldri personopplysninger inn i AI, og det bør ikke du heller. Men jeg lot den analysere: «Dette er kontoene som kjøper fra oss. Sammenlign dette med hvem vi trodde skulle kjøpe fra oss. Hva er forskjellen mellom disse to?» Og vi begynte å lage en ny profil av kjøperen vår.

Jeg tenkte: «Dette gir fullstendig mening. Dette er faktisk det som skjer.» Så spurte jeg: «Finnes det noen tester vi kan kjøre for å validere dette?» Vi begynte å kjøre tester, og go-to-market-strategen jeg hadde bygget, begynte å bryte ned siloene mellom markedsføring, salgsstøtte og inntektsoperasjoner. Dermed kunne vi få én felles kilde, og kollegaen ble delt mellom alle, slik at alle kunne konsultere den. Den ble trent og bygget på et felles intelligenslag, noe som var svært viktig.

Når du begynner å bygge dette felles intelligenslaget, og deretter har et felles orkestreringslag, delte kolleger som dere bruker, og en felles forståelse av vurderingene — den menneskelige vurderingen — som dere bruker for å evaluere de to andre lagene, er det da dere bryter ned siloene mellom organisasjonene og begynner å bevege dere som én. AI blir bindevevet som fører dere fremover. Det var slik vi gjorde det.

Galen Low: Jeg elsker det, fordi det også knytter seg til det du sa tidligere: Som mennesker har vi identiteten vår knyttet til arbeidet vi gjør. Teamene våre er som mikroorganisasjoner i større organisasjoner, og noen ganger er det nettopp der gapet ligger. Vi deler ikke den samme informasjonen.

Vi er ikke enige om verdensbildet eller engang forståelsen vår av kunden. Men hvis dere har dette felles intelligenslaget som alle bruker og bidrar til — selvfølgelig uten personopplysninger — og bruker dataene til å forstå bildet og ha samtaler og dialog om det, er det broen.

Jeg var faktisk veldig nysgjerrig på hvordan dette bandt alt sammen. Nå gir det mening som et verktøy som nesten fungerer som en felles ressurs som lærer av alle teamene. Jeg liker også ideen om at jeg kommer fra byråverdenen og deretter en slags oppstartsverden, der alt er slankt og effektivt. Ja, selvfølgelig skulle du gjerne hatt en tekstforfatter, en markedsføringstekstforfatter eller en konverteringstekstforfatter.

Du skulle gjerne hatt en strateg. Du skulle gjerne hatt elleve personer på teamet for å ta et produkt til markedet og skape etterspørsel. Men vanligvis kan du ikke det. Derfor er du avhengig av disse enhjørningsrollene. Jeg har også sett at det går galt, der enhjørningen slutter og man sier: «La oss finne en ny.» Og så tenker man: «Gjett hva? Det var kanskje den eneste.»

Kanskje dette er den egentlige tiltrekningen ved AI og grunnen til at det tar av nå, i hvert fall på arbeidsnivå: Det kan bidra til å fylle noen av hullene du selv har identifisert. Du kan si: «Jeg er ikke tekstforfatter, men LLM-er er gode på språk og har blitt trent på mye tekstforfatting, noe av den sikkert dårlig. Du må korrigere den og forstå hva du vil si og hvordan du vil si det.»

Alle som lytter — og definitivt du — får sikkert en hel del LinkedIn-henvendelser eller e-poster som tydelig er generert og automatisert av AI og kjøres i stor skala. Vi vil vel ha noe annet for oss selv.

Jeg liker ideen om at du kan si: «Greit, jeg har ikke denne ferdigheten. Jeg er den eneste som kan gjøre det, så jeg rekker opp hånden.» Men du kan også bygge et system fordi du vet at du ikke har ferdigheten. Tydeligvis har ingen andre på teamet den heller, ellers ville noen ha rukket opp hånden. Så vi må bygge dette opp. Jeg synes det er en veldig kul og sunn måte å se det på.

Jeg vil komme tilbake til det, men først ville jeg spørre om læringskurven din. Jeg nevnte tidligere at du ikke ser på deg selv som en person med teknisk bakgrunn. Du studerte ikke informatikk på universitetet. Kan du fortelle meg hvordan læringskurven var? Hva måtte du gjøre for å finne ut av alt dette? Hvilke ressurser brukte du, og hvordan fant du tid til å bygge og operasjonalisere AI-kollegene dine?

Megan Ratcliff: Ja, absolutt. Jeg har ikke teknisk bakgrunn. Jeg studerte markedsføring. Jeg gikk på handelshøyskole, og deretter jobbet jeg i ti år i et markedsføringsbyrå som kundeansvarlig. Jeg hadde altså vært omgitt av mange ingeniører og tekniske mennesker, men jeg er ikke en som kommer til å bygge noe i JSON, HTML eller React. Det kommer jeg aldri til å gjøre.

Det er gresk for meg. Måten jeg kom i gang på, var at jeg begynte å jobbe med en kvinne som het Lisa. Hun ble hentet inn som deltids-CMO i DICE for å hjelpe oss med å forstå hva som var mulig. Jeg fikk veldig god kontakt med henne og begynte å lære av henne. På et tidspunkt prøvde vi å finne bruksområder for meg, fordi jeg tenkte: «Jeg har vært rundt dette. ChatGPT hadde vært ute i noen måneder, og jeg tenkte: Hvordan er dette egentlig nyttig? Jeg har bare stilt det litt tåpelige spørsmål. Jeg vet om hallusinasjoner og så videre, og det er morsomt å leke med, men jeg har ikke funnet ut hvordan jeg skal ta dette inn i den virkelige jobben min.»

Vi begynte å tenke, og jeg sa: «Det første området mitt er innhold, fordi jeg drukner, jeg er ikke tekstforfatter, og jeg trenger hjelp der.»

Hun sa umiddelbart: «Greit, la oss bygge en. Vil du bygge en tilpasset GPT med meg?» Jeg sa: «Det kan jeg gjøre.» Hun sa: «Det kan du gjøre.» Og jeg sa: «Flott.» Hun viste meg noen instruksjoner hun hadde bygget, og sa: «Hvorfor prøver du ikke å lage dine egne instruksjoner?»

Så i gamle dager, da man bygget tilpassede GPT-er, skrev jeg mine egne instruksjoner på tastaturet og ga dem til henne. Hun gikk gjennom dem og ga meg tilbakemeldinger, og så redigerte jeg dem. Deretter bygget jeg den og begynte å bruke den. Jeg gjentok prosessen, trente den og gjorde ulike ting med den.

Plutselig var den ganske godt utviklet, og jeg fikk ganske gode resultater. Så tenkte jeg: «Hva annet kan jeg bygge?» Da begynte hjernen min å gå på kreativt høygir. Jeg tenkte: «Hva kan jeg ikke bygge?» Og jeg begynte å bygge. Jeg husker at jeg fikk en idé. Jeg er en idémenneske.

AI belønner virkelig idémennesker. Så hvis du er en idémenneske, er tiden din nå. Jeg fikk en idé og tenkte: «Jeg har lyst til å prøve denne på presidenten i Dice. Jeg tror han kommer til å elske den.» Så tenkte jeg: «Vent litt. Jeg kjenner ikke presidenten i DICE særlig godt. Jeg tror ikke engang jeg noen gang har hatt en direkte samtale med ham.»

Jeg ville teste ideen før jeg gikk dit og fikk meg selv til å se dum ut. Så jeg tok utskrifter fra allmøter han hadde holdt, laget en stillingsbeskrivelse for presidenten i DICE, hentet språk fra e-poster han hadde skrevet, og laget en simulator som sa: «Greit, her er presidenten vår. Dette er jobben hans, dette bryr han seg om, her er språkmønstrene hans, og her gjetter jeg på personligheten hans.»

Så lagde jeg den, ga den ideen min, og den avviste den. Den sa: «Jeg hater denne ideen. Den er forferdelig.» Jeg tenkte: «Å nei.» Så spurte jeg: «Hvordan får jeg et ja fra ham?»

Den hjalp meg å omformulere ideen på en måte som var mer i tråd med det han brydde seg om. Vi endret ikke budskapet, bare måten det ble presentert på. Jeg presenterte ideen, og det gikk veldig bra. Etterpå sa jeg: «Hei, jeg må fortelle deg noe jeg gjorde. Jeg vil ikke skremme deg, men jeg laget en simulator av deg for å teste en idé.»

Han sa: «Herregud. Det er så smart.» Det viste seg at vi faktisk bygget den personlige merkevaren hans som en del av innholdsstrategien vår. Jeg sa: «Vi kan bruke simulatoren din som ryggrad for å skape innhold for deg som høres ut som deg.» Han sa: «Genialt. Vi skal bruke denne på nytt.»

Så tenkte jeg: «Hvilke andre simulatorer bør jeg bygge?» Jeg bygget en personlig simulator av meg selv og begynte deretter å bygge personasimulatorer, slik at vi kunne få umiddelbare tilbakemeldinger i sanntid fra personaene våre.

Jeg vil også nevne dette til alle som lytter og tenker: «God idé, bygg en AI-persona.» Nei, du kan ikke bygge en AI-persona basert på AI-informasjon. Du må ha ekte informasjon om disse menneskene. Du må ha gjort researchen. Intervjuer, kvalitative og kvantitative data — det er dette som mater en personasimulator og gjør den bedre. Jeg begynte altså å lage personasimulatorer som vi kunne kjøre kampanjetekst gjennom.

Etter hvert begynte verden å forme seg. Jeg beholdt noen kolleger, forkastet andre og begynte så å koble dem sammen. Jeg tenkte: «Dette er så mye bedre enn å kopiere og lime inn kontekst fra den ene til den neste.» Da jeg begynte å gjøre det, ble jeg virkelig effektiv.

Du spør når jeg hadde tid til dette. Det skjedde i mellomrommene, mellom møtene. Hvis jeg hadde 15 minutter, jobbet jeg med noe. Jeg kunne skrive en instruksjon, gå i møtet, komme tilbake, se hva resultatet var, forbedre, oppdatere og så videre.

Noen kolleger tok en dag å bygge fordi jeg gjorde det mellom møter. Noen ganger tok det lengre tid. Det varierte. Men over tid bygget jeg et økosystem på omtrent fire måneder som begynte å gjøre jobben min ganske godt for meg. Da fikk jeg mer tid til å innovere, og derfor kunne jeg rekke opp hånden og si: «Jeg vil gjøre dette go-to-market-arbeidet, fordi jeg har tid til det.»

Galen Low: Jeg tror du avkreftet en myte for meg. Med én gang du sa det, visste jeg at det var sant, men jeg tenkte: «Det er vanskelig å sette seg ned og tenke ferdig en hel tanke.» Jeg tror jeg nærmer meg dette som om jeg programmerer, selv om jeg i beste fall er en svært dårlig programmerer nå.

Jeg tenker: «Jeg må sette meg ned, knekke knokene og virkelig tenke gjennom dette. Jeg trenger fire timer. Når skal jeg finne en halv dag til dette?» Og så sier du: «Jeg gjorde det mellom møtene, justerte ting og så hva som skjedde.» Jeg liker det, fordi det er langt mer realistisk og pragmatisk.

For en person med bakgrunn innen kundeansvar, og for meg med prosjektlederbakgrunn, går vi fra møte til møte. Vi prøver å finne tid mellom møtene. Hvordan finner man en hel dag uten møter? Men det betyr ikke at man ikke kan gjøre det. Du kan bare vanne en plante.

Jeg vet ikke om det er en god analogi, men du kan gjøre fremskritt, og etter hvert kommer det en avkastning fordi verktøyene faktisk blir nyttige. Som du sa, var det noen du forkastet. «Nei, dette fungerer ikke. Forkastet.» Men samlet sett endte du med mer tid og kapasitet til å rekke opp hånden og si: «Jeg tror jeg kan gjøre mer for dette teamet», på grunn av effektiviteten du hadde bygget.

Det synes jeg er veldig kult. Tidligere brukte jeg kanskje feil ord da jeg sa agenter. Jeg tenkte derfor at jeg kunne spørre her, fordi alle snakker om agentisk ditt og agentisk datt, og jeg tror det kanskje ligger i kjernen av noe av uroen. Agenter er autonome, AI tar beslutninger på egen hånd basert på utløsere og snakker med andre verktøy.

Det virker som et tog uten noen ved spakene, som kjører så fort det kan. Jeg forstår hvorfor folk blir urolige. Snakker vi faktisk om agenter her? Snakker vi om tilpassede GPT-er? Hvis vi ikke snakker om agenter, er det dit veien leder, eller er det ikke nødvendigvis den eneste veien?

Er du på steg to av ni mot å skape et team som bare består av AI-kolleger, uten mennesker?

Megan Ratcliff: Agenter blir kastet rundt ganske fritt akkurat nå. En agent er et AI-verktøy som handler autonomt på egen hånd. Jeg tror at når folk sier at de lager agenter på LinkedIn, lager de egentlig bare en kollega — en tilpasset GPT med et menneske i loopen.

Er vi på vei mot et sted der ekte agentisk AI tar over i enkelte tilfeller? Ja. I andre tilfeller, nei. Vurderingslaget jeg snakket om tidligere, er svært viktig. Bare mennesker har smak, og bare mennesker kan ha den spesifikke nyansen, historiske referansen og informasjonen som AI ikke kan fange opp.

AI er ikke emosjonell, og det er der mennesket kommer inn. Jeg har tenkt mye på og hørt mye om å legge agentisk AI inn i en bestemt arbeidsflyt. I noen arbeidsområder gir det mening å gjennomføre en hel arbeidsflyt fra ende til ende med agentisk AI. Det kan være databasert arbeid eller noe lignende. Men når du arbeider kreativt, er det avgjørende å ha et menneske i loopen.

Ellers blir resultatet slurvete. McDonald's hadde faktisk en AI-reklame som ble produsert i Europa, og den var dårlig. Folk reagerte kraftig, og den ble trukket tilbake fordi den ikke var god. Det er derfor det menneskelige elementet er så viktig.

Hvis du sitter i en rolle med en arbeidsflyt du vurderer, og vil begynne å automatisere, er det morsomt. Jeg har automatiseringer som jobber på mine vegne hele tiden, men jeg automatiserer kantene av arbeidsflytene, ikke kjernen. Jeg kan være AI-assistert i kjernen av arbeidsflytene, men jeg er fortsatt mennesket i loopen.

Hvis du tenker: «Jeg må rense noen data før jeg lager en rapport med dem», kan du automatisere deler av datarensingen. Deretter kan du få systemet til å begynne å lage rapporten, men du skal legge inn din egen spesifikke menneskelige vurdering. Fra ende til ende: Noen ganger mennesket i loopen, som oftest.

Galen Low: Jeg liker ordet du brukte — ikke bare vurdering, men også smak. Jeg har aldri hørt noen beskrive det slik, men det traff meg.

Jeg vil knytte det til noe du sa tidligere: Du kan ikke bare be LLM-en om å lage en persona ut av ingenting, av toppsjefen din eller den ideelle kundeprofilen din. Vi må gi den riktig informasjon, trene den og justere og optimalisere den. Noe av det vi kaller smak, handler også om dette.

Det handler ikke om å ha god eller dårlig smak, men om en bestemt karakter. Noen ganger er nyansen der fordi den er emosjonell og ikke nødvendigvis noe AI fanger opp, eller fordi vi rett og slett ikke fortalte AI om den.

Derfor vil du fortsatt ha dette med når det er viktig å presentere noe for toppsjefen. Jeg ville ikke engang latt et svært dyktig menneske autonomt lage en forretningsmodell og en presentasjon til toppsjefen uten innspill fra meg og uten å gå gjennom noe med meg. Jeg ville aldri gjort det. Ikke med noe menneske. Kjør det forbi meg først.

Derfor er mennesket i loopen så viktig og naturlig for meg. Det foregår også en del skamlegging på nettet, der det sies at agentisk AI er der ute, og at du gjør noe galt hvis du fortsatt sitter ved tastaturet. Jeg synes det er giftig og får folk til å føle at de ligger etter fordi de ikke har fjernet den menneskelige arbeidsstyrken.

Noen blir skamlagt for det, og man tenker: «Jeg vet ikke om dette er den eneste skjebnen for alt.» Som du sa, er det absolutt ting vi bør automatisere og orkestrere, men det finnes også ting som ikke er klare ennå — og kanskje aldri blir det — når det gjelder menneskets rolle i loopen og hva det faktisk betyr.

Megan Ratcliff: Ja. Hvis du tenker på moderne teknologi generelt, pleide folk å vaske klærne for hånd. Nå har vi vaskemaskiner og tørketromler. Det vi alle ønsker oss, er en robot som bretter klærne for oss. Det ville vært et helt agentisk system for klesvask.

Men hvis vi holder oss til virkeligheten, er det mennesket som er i loopen: Du legger klærne i vaskemaskinen, stiller inn programmet og lar den kjøre. Når den er ferdig, flytter du klærne fysisk. Du bestemmer hva som skal i tørketrommelen og hva som skal henges opp. Det er en vurdering gjort av deg, mennesket.

Du stiller inn programmet og bestemmer hvor lenge det skal tørke. Deretter bestemmer du når du tar klærne ut, når du bretter dem og hvor de skal ligge. Selv i denne prosessen med moderne teknologi er mennesket i loopen på hvert trinn, men du bruker maskiner to steder for å spare tid.

Det er nøyaktig det samme her: Du bestemmer hva som er verdt tiden din og hva som ikke er det. Det finnes prosesser vi gjør manuelt nå som ikke gir mening. Men det finnes også prosesser som er svært viktige å opprettholde menneskelig kontroll over. Det handler om smak, vurderingsevne og etikk.

Galen Low: Selv om jeg tar analogien altfor langt, finnes det nå kombinerte vaskemaskiner og tørketromler. Hvorfor flytte klærne til en annen maskin? Det kan vi konstruere. Men den ultimate beslutningen når det gjelder klesvask, er hva du gjør med strykefrie plagg eller blandede tekstiler.

Hva skal jeg stille dette inn på? Hva er egentlig forskjellen? Vet jeg det i det hele tatt? Likevel vil du ha menneskelig skjønn, slik at du ikke ender opp med en skjorte som plutselig er tre størrelser for liten.

Megan Ratcliff: Eller hva tar du ut av tørketrommelen før det tørker? Du må få ut treningstightsen. Den kan ikke tørkes der.

Galen Low: Mine damer og herrer, AI er faktisk bare klesvask.

Megan Ratcliff: Ja, bare klesvask.

Galen Low: Jeg liker dette med mennesket i loopen. Jeg la merke til at det menneskelige elementet er sentralt i innleggene og arbeidet ditt. Når jeg hører deg fortelle denne historien om team som begynner å bruke disse verktøyene, forestiller jeg meg at det finnes en endringsledelsesdel i å få teamene til å endre kurs og se på disse AI-verktøyene som kolleger.

Hvordan får man folk til å forstå dette og få med seg folk? Og hva slags motstand møtte du?

Megan Ratcliff: Ja, absolutt. Nå som jeg hjelper markedsføringsteam generelt, har jeg mye mer innsikt i endringsledelsessiden. Det første steget er å avlive frykten. Mange er redde for dette. Jeg jobber med markedsføringsteam, og innholdsforfattere blir skremt fordi dette er den enkleste veien videre. Det var slik jeg begynte — med innhold.

Vi avliver frykten og viser dem begrensningene til AI og hvor menneskelig smak kommer inn. Ja, dette kan sannsynligvis skrive en pressemelding for deg, men du må gi den gode inndata. Da kan du løfte deg selv til innholdsstrateg og gjøre mer strategisk arbeid, få bedre inndata og gjøre research raskt på de riktige stedene.

Steg én er altså å avlive frykten. AI kommer ikke til å ta jobben din. Den kan ta deler av den. Og du har muligheten akkurat nå til å tenke nytt om hvordan den fremtidige jobben din ser ut.

Hvor mange kjenner du som har en jobb de elsker fra ende til annen? De elsker hele jobben. Ikke så mange, hvis vi skal være ærlige. Det er ikke mange som sier: «Jeg hadde den beste dagen noensinne, hver eneste dag.»

Når vi snakker om å tenke nytt om hva som er mulig, får de muligheten til å bestemme: «Dette liker jeg virkelig ved jobben min. Dette vil jeg beholde. Dette liker jeg virkelig ikke. La oss finne ut hvordan vi kan overføre det til en kollega, eller til og med automatisere det, slik at jeg kan fokusere mer på det jeg liker å gjøre.»

Slik begynner vi å forme tankesettet på nytt. Tankesettskiftet er svært viktig, fordi ingenting grunnleggende endrer seg uten det og uten at man tenker nytt om arbeidet. Du gjør bare det samme arbeidet, kanskje litt raskere, men du får ingen reelle produktivitetsgevinster og lærer ikke så mye.

Når du begynner å tenke nytt om hva arbeidet faktisk er, er det da du blir nærmest grenseløs. Det er da verden åpner seg. Det starter med frykt. La oss avlive frykten.

Galen Low: Jeg liker dette med å avlive frykten. Jeg lurer på om det finnes et individualistisk perspektiv vi har en tendens til å legge på ting. Alle kan tenke nytt om seg selv og sin individuelle rolle, og så begynner vi å se en slags uenighet i likhet.

Selskapsstrukturen ønsker en viss likhet. Det er som om du liker å skrive pressemeldinger, og du ikke kommer til å bruke AI-verktøy til å skrive dem. En annen person med samme stillingstittel vil aldri skrive pressemeldinger igjen, men fortsatt beholde en annen del av jobben.

Plutselig har du to roller med samme tittel som teknisk sett ikke gjør det samme, eller kanskje de gjør det samme fordi de har utvidet kapasiteten sin ved hjelp av AI-kollegene sine. Finnes det en risiko for at vi får slike spesialroller når vi tenker nytt om fremtiden vår?

Megan Ratcliff: Det du beskriver, er faktisk fremtiden. Organisasjoner som lykkes med denne transformasjonen, tenker grunnleggende nytt om arbeid og tenker i form av resultater. Hvilke resultater har vi ansvar for?

La oss skape arbeidsflyter som er tilpasset disse resultatene, og deretter tilordne personene med ferdighetene som trengs til arbeidsflyten. Det du kommer til å se, er en nedbygging av hierarkiet og en overgang til det som kalles et arbeidskart.

Folk kommer sammen for å gjøre arbeidet de er best egnet til, og når arbeidet er ferdig, går de fra hverandre og settes sammen på en annen måte for å gjøre annet arbeid. Slik bryter du ned siloene som hindrer ekte samarbeid i selskaper, og folk begynner å gjøre arbeid som faktisk betyr noe.

Tenk på et selskap som virkelig er kundeorientert. Alle selskaper sier at de er kundeorienterte, men det stemmer ikke. Tenk om dere faktisk samlet dere om å bli en kundeorientert organisasjon, opprettet en arbeidsstrøm som utelukkende fokuserte på det og tildelte de menneskene som var nærmest kunden, ansvaret for å få det til. Det er et stort skifte i tankegangen.

Når du begynner å gjøre det, vil du få flere svært individuelle bidragsytere. Men det er ferdighetene deres som fører dem fremover. Akkurat nå kan du og jeg ha samme tittel og svært forskjellige ferdighetssett, og det er bra. Fjern tittelen, behold ferdighetene og gjør arbeidet som passer best med det du er god på og interessert i.

Galen Low: Jeg liker virkelig at dette legger til rette for en transformasjon vi har forsøkt å gjennomføre en stund: å bli ferdighetsbaserte organisasjoner. Selv om organisasjoner sier eller forsøker å bli ferdighetsbaserte, ser arbeidsstyrken fortsatt ofte på ting gjennom linsen av stillingstitler. Jeg liker ideen om et arbeidskart.

Det mest myndiggjørende jeg hørte deg si, var først og fremst at jeg ikke kunne la være å se for meg nanoboter som kommer sammen for å danne en form, utfører en jobb og deretter oppløses for å gjøre noe annet. Så tenkte jeg: «Vent litt. Med prosjektlederhatten på er dette et prosjekt.»

Man kommer midlertidig sammen, bruker ferdighetene sine til å nå et mål og går deretter fra hverandre eller videre til et annet prosjekt. Teamet kan se annerledes ut, og arbeidet du gjør på prosjektet kan se annerledes ut. Det er sannsynligvis greit.

Jeg kombinerer også dette med ideen om at du noen ganger har et team der du tenker: «Ingen her er tekstforfatter. Hva skal vi gjøre?» I hvert fall foreløpig, særlig når det gjelder språk, kan AI-kollegaen din innen tekstforfatting komme inn og støtte deg. Den er god på språkbehandling og naturlig språkbehandling, og den er trent på mye materiale. Du kan justere den etter smak, og plutselig har du et team som faktisk kan få jobben gjort selv om det manglet enkelte ferdigheter.

Jeg synes det er et veldig myndiggjørende syn på fremtidens arbeid.

Megan Ratcliff: Ja, absolutt. Det å forstå hvilket resultat du arbeider mot, og hvilke ferdigheter du allerede har på teamet, hjelper deg med å identifisere hvilke kolleger du faktisk trenger. Du trenger ikke å bygge AI bare for AI-ens skyld.

Du bør bygge den for å gjøre noe spesifikt. Når du har resultatene dine, arbeidsstrømmene dine og menneskene med ferdighetene som best kan utføre jobben, vil det finnes hull. Hvordan fyller du dem? Du bygger en kollega som fyller hullene. Slik identifiserer du hva som trengs.

Galen Low: Jeg liker det. Fra et menneskelig eller personalmessig perspektiv havner vi noen ganger i situasjonen der vi tenker: «Jeg kan ikke forsvare en heltidsansatt tekstforfatter.» Så deler man personen med åtte andre team, og det fungerer ikke helt. Forståelsen av produktet og materialet spres, og det blir mye kontekstbytte.

Det finnes altså områder der dette virkelig kan være nyttig. Jeg vet at vi har snakket om fremtiden, og det er greit. Det jeg ville gjøre, var å avslutte med en liten lek jeg kaller AI-myte. Ideen er at jeg sier noe som kan høres ut som en myte, og så gir du meg ditt syn. Du kan si enig eller uenig, og så utdyper vi.

Megan Ratcliff: Greit, flott. Jeg gleder meg.

Galen Low: Her er den første: Å lede agenter eller AI-kolleger er akkurat som å lede mennesker.

Megan Ratcliff: Myte. Feil. AI-kolleger har ikke følelser, så du trenger ikke å lede dem gjennom følelser. Men du bør gjennomgå agentene dine med jevne mellomrom, sannsynligvis kvartalsvis eller i noen tilfeller to ganger i året.

Du bør altså fortsatt gjøre en diagnostisk gjennomgang av kollegaen din, men det er ikke det samme som et menneske. Den har ikke følelser.

Galen Low: Det hadde jeg ikke engang tenkt på — medarbeidersamtalen, den kvartalsvise medarbeidersamtalen med AI-kollegaen din. Jeg elsker det. Det bør du gjøre. Greit, neste: Dette AI-verktøyet kan erstatte hele markedsføringsteamet ditt.

Megan Ratcliff: Nei, feil. Alt som hevder at det kan erstatte markedsføringsteamet ditt, er markedsføring. I beste fall dårlig markedsføring. Nei, du trenger fortsatt mennesker, fordi mennesker har følelser, smak og vurderingsevne, og mennesker har nyanser som AI aldri kan gjenskape. I tillegg trenger du noen til å plukke opp ting, flytte dem rundt og sette dem i drift, og noen som kan kontrollere robotene.

Så nei, det erstatter ikke markedsføringsteamet ditt. Det gjør dem bedre.

Galen Low: Jeg kan sannsynligvis identifisere menneskene i innboksen min som har erstattet markedsføringsteamet sitt med AI. Det mangler noen ganger nyanse og smak. Den neste er litt konspirasjonspreget: AI-agenter kommer til å gjøre opprør og ta jobben din, og det er det myndighetene vil.

Megan Ratcliff: Det er helt bananas. Det kommer an på hvilken regjering og hvor du bor.

Galen Low: Greit?

Megan Ratcliff: Nei. Som menneske kan du styre AI, og du kan prøve å se om AI kommer til å ta jobben din. Men i prosessen vil du skape den nye jobben din. Vil folk miste jobber i noen tilfeller? Ja, det har allerede skjedd. Det er uheldig.

Blir det lagt til nye jobber hver eneste dag? Ja, fordi de endrer seg. Akkurat som da internett kom, er jobber i ferd med å endres og skifte grunnleggende, og det er opp til deg å bestemme om du også vil endre deg.

Galen Low: Det er faktisk morsomt, fordi det finnes en sammenveving av dialogen om mangel på arbeidskraft og underskudd i befolkningsveksten. Man tenker: «Greit, kanskje myndighetene vil at AI skal kunne gjøre noen av disse jobbene, fordi vi rett og slett ikke får nok nye mennesker til å ta vare på den eldre generasjonen uten å kvitte oss med den.»

Men som du sier, foregår det en transformasjon. Den skaper nye jobber. Selv om robotikk, automatisering og AI legger et lag over eksisterende jobber, er det ikke særlig menneskelig å si: «Flott, nå kan vi bare sitte og spise druer og ikke gjøre noe. Det blir en post-arbeidskultur.» Det vil fortsatt være mer som må gjøres.

Megan Ratcliff: Ja, nettopp.

Galen Low: Den neste er egentlig ikke en myte, men jeg hørte om noen som faktisk fører teamet av agenter sitt opp på CV-en og i praksis intervjuer og selger seg selv som et team til potensielle arbeidsgivere. Gyldige nyheter eller falske nyheter?

Megan Ratcliff: Gyldige nyheter. Jeg har sett dette før, og jeg misliker det faktisk ikke. Hvis jeg ansetter en markedsfører, la oss si det, ser jeg etter hvor AI-kompetent personen er, fordi fremtidens markedsføring er AI-kyndig og AI-aktivert.

Hvis du kom til intervjuet og sa: «Hei, jeg heter sånn og sånn, og her er teamet av agenter jeg tar med meg», eller «teamet av kolleger jeg tar med meg», ville jeg sagt: «Fascinerende. Fortell meg hvordan du tenkte da du bygget disse. Hvordan hjelper de deg? Hvilke arbeidsflyter bruker du, og hvordan utnytter du dem?» Det kan være en reell ressurs for teamet ditt. Så det er ikke falske nyheter. Jeg har sett det, og jeg misliker det ikke.

Galen Low: Jeg misliker det heller ikke. Jeg liker at du tok utgangspunkt i kompetanse. Det viser kompetanse. Tidligere snakket vi om sertifiseringer. Er det en greie innen AI om to år? Kanskje ikke, men det vil definitivt være viktig å vise frem det du har bygget. Det viser hva du kan, hvordan du tenker om arbeid og evnen din til å skape systemer og orkestrere, selv om du ikke er teknisk.

Jeg liker også ideen om å kjenne sin egen svakhet. Det klassiske intervjuspørsmålet: «Hva er en svakhet hos deg?» Du kan si: «Jeg er faktisk en ganske dårlig tekstforfatter, men jeg har også bygget en agent som er en ganske god tekstforfatter.» Kanskje det er en måte å snu spørsmålet på, slik at det fremstår positivt, men også reelt viser at du har fylt et kompetansegap ved å gjøre noe som faktisk er akseptabelt nå.

Megan Ratcliff: Ja, kanskje det nye spørsmålet ikke er «Hva er svakheten din?», men «Hvilke kolleger har du bygget for å utvide ferdighetene dine?»

Galen Low: Det liker jeg.

Megan Ratcliff: Jeg vet ikke. Jeg tror ikke noen kommer til å spørre om det, men kanskje noen gjør det i fremtiden.

Galen Low: Helt ærlig synes jeg vi bør lage det. Spørsmål man kan stille i 2028 under jobbintervjuet når man ansetter til en markedsføringsrolle. Ja. Bare for å ha det litt ekstra morsomt før vi avslutter: Har du et spørsmål til meg?

Megan Ratcliff: Ja, jeg har et spørsmål til deg. Du snakker med prosjektledere hele tiden og med et bredt spekter av mennesker. Hva er det største gapet du ser mellom det ledelsen tror AI-implementering ser ut som, og det som faktisk skjer på bakken?

Galen Low: Det er et godt spørsmål. Jeg tror det finnes stereotyper rundt prosjektfolk. Man tenker at dere bare er prosessroboter, at dere vil ha alt ryddig og pent i en boks. I min verden er de digitale prosjektledere. De jobber med teknologi hele tiden. Burde ikke dette verktøyet bare gjøre jobben?

Er det ikke bare å velge en radioknapp og trykke OK, så har vi plutselig agentiske arbeidsflyter? Jeg tror det blir forenklet på toppen. Det finnes en stereotypi om at alle prosjektledere er prosessmennesker, og nå kommer en motkraft der prosjektledere innser at mye av verdien deres faktisk er menneskelig.

Det handler om menneskelige relasjoner, nyanser og forhandling. Det handler om å bygge relasjoner, bygge lojalitet og deretter bruke lojaliteten til å få noe gjort. Det handler mye mer om å orkestrere samarbeid, og nå står dette litt i konflikt, fordi ikke alle prosjektledere ser på seg selv som tekniske eller i stand til å bygge et system, uansett hva de gjør.

Det vil ta lengre tid enn mange lederteam tror det burde. Jeg tror det mangler mye veiledning. Jeg vil komme tilbake til det, fordi det jeg likte ved historien din, var at du hadde en mentor. Noen som var i organisasjonen og på ditt område — en CMO som sa: «Ja, her er det jeg vet. Nå prøver du, så ser vi hva vi kan bygge.»

Det er min lange måte å si at jeg tror det finnes et misforhold mellom forventningene til hvilke ferdigheter en prosjektleder har som er verdifulle, og et slags vakuum når det gjelder mentorskap, ledelse og veiledning. Jeg tror mange prøver å finne ut av dette i stillhet på egen hånd.

Som du sa tidligere: «Jeg bygget noen kolleger og kastet dem.» Mange som gjør det nå, tror sannsynligvis at de mislykkes. De tenker: «Jeg brukte tre dager på å bygge denne saken, og så kastet jeg den. Jeg kommer definitivt ikke til å ha en jobb neste år.» Men egentlig er det fremgang. Det er dette vi ønsker. Det er faktisk et svar på hva en organisasjon eller et lederteam ønsker fra prosjektlederne sine.

Megan Ratcliff: Ja.

Galen Low: Og det er viktig å påpeke.

Megan Ratcliff: Ja. Opplærings- og utdanningsdelen er så viktig, fordi alle disse organisasjonene legger forventninger på mennesker og sier: «Du må øke AI-bruken med en viss prosent», eller «vi må bli 20 prosent mer effektive».

De legger KPI-er til disse menneskene uten reell opplæring, uten individuell opplæring, fordi hver persons jobb er forskjellig. Bruksområdene er forskjellige. Hvis du gir generell opplæring i hvordan man bruker ChatGPT eller Gemini, er det ikke spesielt nyttig.

De trenger faktisk kompetanse. De må trenes i dette. Og det er svært nyttig om de har noen de kan snakke med om arbeidet sitt, slik at de kan komme i gang. Det er som å dytte den første steinen for dem og sammen med dem. Når de først kommer i gang, blir de ustoppelige. Men de trenger litt hjelp i begynnelsen.

Galen Low: Jeg elsker det. Ja, og jeg er helt enig, særlig når det gjelder prosjektledere. Vi er problemløsere. Når du får oss i gang, finner vi ut av det. Men overgangen fra treghet og stillstand til fremdrift innebærer mye bedragersyndrom.

Det andre jeg likte, var det du sa om at det nesten ikke er nok å ha en AI-mentor. Du hadde en AI-markedsføringsmentor som forsto både bredden og dybden i markedsføring og AI. Jeg tror det er et viktig vendepunkt. Det hadde jeg ikke tenkt på. Det er veldig kult.

Megan, tusen takk for at du tok deg tid til å være med meg i dag. Jeg har hatt det veldig morsomt. Takk for at du ble med på MythBusterorama-leken min. For dem som vil lære mer om deg, hvor kan de finne deg?

Megan Ratcliff: Det beste er å finne meg på LinkedIn. Søk etter Megan Ratcliff, så finner du meg.

Galen Low: Flott. Jeg legger inn en lenke til profilen din i shownotatene. Og takk igjen. Takk for tiden din. Dette var veldig morsomt.

Megan Ratcliff: Takk for invitasjonen.

Galen Low: Det var alt for dagens episode av The Digital Project Manager Podcast. Hvis du likte denne samtalen, må du abonnere der du lytter. Hvis du vil ha enda flere praktiske innsikter, casestudier og håndbøker, kan du gå til thedigitalprojectmanager.com.

Til neste gang: Takk for at du lyttet.