Hvordan kunstig intelligens kan hjelpe deg med å ta bedre prosjektbeslutninger

Galen Low: På mange måter er prosjekter bare en samling beslutninger. Faktisk er beslutninger en stor del av det som driver prosjekter fremover. Men hvordan kan vi forvente at mennesker skal ta gode beslutninger når prosjekter beveger seg raskt, og det finnes en overveldende mengde informasjon og data som skal vurderes? Kunstig intelligens kan definitivt hjelpe, men den har ikke alltid konteksten, og det er uansett ikke et alternativ å holde den ansvarlig for beslutningene.

Samtidig viser det seg noen ganger at raske beslutninger basert på magefølelse blir de beste. Så hva er den riktige balansen mellom datadrevet, KI-assistert beslutningstaking og det å bare snakke gjennom saken? Hvor avtar nytteverdien, og enda viktigere: Hvordan tar vi faktisk beslutninger? For å gå i dybden på dette har jeg med meg en spesialist på kunstig intelligens og kunnskapsforvaltning, med en bakgrunn som omfatter alt fra psykologi og virksomhetsestimering til entreprenørskap og roller innen produktledelse i Fortune 50-selskaper som Meta og ExxonMobil.

Sammen skal vi gå gjennom konkrete eksempler på hvordan KI kan støtte beslutninger av høy kvalitet, hvordan sporbarhet kan hjelpe mennesker med å bli bedre til å ta beslutninger, hvordan ansvarlighet endres når KI er en del av bildet, og hva som skjer med prosjektlederrollen dersom KI legger til rette for beslutningene som tidligere havnet på vårt bord.

Håper du liker episoden.

Velkommen til Digital Project Manager-podkasten – programmet som hjelper leveranseledere med å jobbe smartere, levere bedre og lede teamene sine med selvtillit i KI-alderen. Jeg heter Galen, og hver uke går vi inn i strategier fra virkeligheten, nye trender, velprøvde rammeverk og den sporadiske krigshistorien fra prosjektfronten.

Enten du styrer omfattende transformasjonsprosjekter, håndterer KI-arbeidsflyter eller bare prøver å holde kaoset under kontroll, er du på rett sted. Og hvis du har likt det du har hørt fra oss i det siste, kan du gjerne følge oss der du lytter eller ser på, og kanskje også legge igjen en anmeldelse. Da setter vi i gang.

I dag snakker vi altså om KI-støttet beslutningstaking, og hvorfor kvaliteten på beslutningene kan være det som avgjør om et prosjekt eller initiativ lykkes eller mislykkes. Vi skal se nærmere på hvordan frakoblede beslutninger skaper risiko, hvordan prosjektledere kan forbedre beslutningskvaliteten på tvers av komplekse team, og hvordan KI kan hjelpe oss med å ta bedre beslutninger – og omvendt.

Med meg i dag har jeg Cali Collins, medgrunnlegger og produktsjef i Optimality. Cali er en erfaren produktleder med en karriere som spenner over KI-infrastruktur, kunnskapssystemer, virksomhetstransformasjon og gjennomføring av store kapitalprosjekter. Før hun var med på å grunnlegge Optimality, ledet hun produktutvikling i organisasjoner som Meta og ExxonMobil. Det har gitt henne et unikt perspektiv på hvordan beslutninger blir – eller ikke blir – tatt både i raskt bevegelige teknologimiljøer og i komplekse Fortune 50-virksomheter.

I Optimality arbeider hun nå for å fremme verdien av en KI-basert plattform for beslutningsinfrastruktur som hjelper organisasjoner med å strukturere, optimalisere og skalere beslutningstaking i en tid preget av overveldende datamengder og konkurrerende prioriteringer.

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

Cali Collins: Absolutt. Tusen takk for invitasjonen.

Galen Low: Jeg gleder meg til å ha deg med. Jeg begynner med et litt provoserende spørsmål, og jeg tar sats. Mange organisasjoner har faktisk svært lite struktur eller disiplin rundt hvordan beslutninger blir tatt, og noen ganger blir viktige beslutninger tatt i en e-posttråd eller muntlig på en golfbane.

Og stort sett er teamene bare for opptatt med å reagere på disse beslutningene til å stoppe opp og tenke: «Er dette en velinformert beslutning?» De bare følger på en måte med. Så spørsmålet mitt er dette: Når vi mennesker egentlig ikke klarer å forklare hverandre hvordan og hvorfor beslutninger blir tatt, er det da ikke litt virkelighetsfjernt å tro at KI plutselig kan forbedre beslutningstakingen i organisasjoner?

Cali Collins: Jo, absolutt. Jeg tror mye handler om fordommer og skjevheter. Hvis du spør meg hvorfor jeg tok en bestemt beslutning, er det jeg forteller deg kanskje ikke den egentlige grunnen til at jeg tok den slik. Vi har alle våre egne perspektiver. Du har ditt perspektiv på hvordan du ville oppfatte meg når jeg gjengir beslutningen, og jeg tror vi også var litt inne på dette under forberedelsene.

Alt du gjør, er en beslutning. Du kan ikke dokumentere alt mens du gjør det. Jeg tok en beslutning om å logge meg på denne samtalen. Skal jeg da skrive det ned? For da må jeg ta en beslutning om når jeg skal skrive ned beslutningen jeg nettopp tok. Livene våre består av en rekke beslutninger, og ved å ha noe som KI som automatisk fanger opp dette mens du gjør det, uten at du må dokumentere det bevisst, er det der KI kan hjelpe oss.

Galen Low: Jeg liker virkelig det, fordi du begynner med skjevheter, og jeg er en som tror at skjevheter kan være både gode og dårlige. Vi har ubevisste skjevheter som definitivt holder oss tilbake som art, men det finnes også skjevheten som handler om å vite det man vet. Vi snakker mye om å ta beslutninger på magefølelse og om det er bra eller dårlig, men grunnleggende sett tas mange beslutninger med en form for logikk bak seg, selv om folk ikke viser hvordan de har kommet frem til dem.

Cali Collins: Det stemmer absolutt. Det finnes forskning på hvilken del av hjernen du bruker til ulike typer beslutninger. En annen del av hjernen tar de raske, overilte beslutningene basert på instinkt enn de beslutningene du bruker tid på å tenke gjennom. Det er interessant.

Galen Low: Jeg liker det. Kanskje det er et godt sted å zoome inn, for jeg liker denne ideen om to måter å ta beslutninger på. På den ene siden kan hastverket med å ta en rask beslutning omgå all logikken og grunnlaget vi har. På den andre siden har vi en roligere tilstand der vi kan ta en informert beslutning ved å evaluere og analysere.

Å ha informasjonen tilgjengelig kan bringe oss tilbake til dette nivået, slik at vi ikke tar raske beslutninger bare fordi vi tror vi må. Vi har informasjon som kan komme raskt til oss, og vi kan ta beslutningen på et informert grunnlag. Og kanskje er dette en god overgang, for jeg liker erfaringen din. Du kommer fra produktverdenen og er en svært erfaren produktspesialist som har tatt en litt uventet retning bort fra organisasjoner som Meta og ExxonMobil for å bygge det som i praksis er et KI-basert operativsystem for beslutninger.

Håper jeg kan beskrive det slik.

Cali Collins: Ja.

Galen Low: Hvorfor beslutninger? Hvor har du sett at dårlige beslutninger har fått et prosjekt eller en strategisk plan til å bryte sammen, og hvilke underliggende årsaker fikk deg til å utforme en løsning på dette?

Cali Collins: Alt du gjør, handler om beslutninger. Det er et problem som gjelder alle mennesker, og jeg ønsket å gjøre noe som virkelig kunne påvirke hvordan vi arbeider fra dag til dag og skape en stor forskjell. Det finnes datadrevne beslutninger som du tenker gjennom, og så finnes det raske beslutninger som må tas umiddelbart.

Da du sa sikkerhet, begynte jeg å tenke på sikkerhet på en litt annen måte. Med prosjektbakgrunn tenker jeg på HMS-sikkerhet, som når noen er i ferd med å bli skadet.

Galen Low: Nettopp.

Cali Collins: Hvis du ser en usikker aktivitet, må du gripe inn og handle. Men det finnes andre beslutninger der du kan ta et skritt tilbake, analysere og tenke litt mer gjennom saken.

Jeg startet med estimering og arbeidet med det i mange år. Jeg hadde alltid også en produktorientering, men estimering var jobben min fra dag til dag. Derfor fikk jeg innblikk i arbeidet til mange ledere og toppledere. Jeg satt ved forhandlingsbordet når vi gikk gjennom ting, og forstod hva som inngår i store beslutninger.

Jeg så hvordan ledere ble satt på en pidestall, og folk spurte dem: «Hva synes du? Hva bør vi gjøre?» Da jeg fikk mulighet til å sitte alene med noen av disse lederne, spurte jeg: «Hvordan vet du hva som er den riktige beslutningen? Handler det om alle dataene du har? Når avtar nytteverdien, eller når når man et punkt der mer data ikke gir større verdi?» Selv disse personene sa: «Jeg skal fortelle deg en hemmelighet. Halvparten av tiden vet jeg det ikke. Jeg improviserer bare.»

De hadde kommet til denne posisjonen fordi de hadde tatt mange gode beslutninger. Samtidig forventer folk at de skal vite, og de har ikke alltid kunnskapen og dataene som trengs for å ta den riktige beslutningen.

Jeg tenkte at hvis jeg kunne hjelpe disse menneskene, som tar enorme beslutninger om hvorvidt milliarder skal brukes på det ene eller det andre, med å forstå hvor punktet med avtakende nytteverdi ligger, hvordan kunne jeg da hjelpe dem? Hvor langt tar dataene deg? Og hvordan kan jeg gi dem informasjonen raskt, slik at de kan ta raske beslutninger og samtidig stole på instinktet sitt med beslutningsdata i ryggen?

Galen Low: Jeg elsker dette øyeblikket av sårbarhet. Det er rimelig å anta at mange av oss har det på samme måte: «Jeg vet ikke. Jeg er under press for å ta en beslutning. Jeg har tatt gode beslutninger før, men jeg har ingen garanti for at jeg alltid tar den riktige beslutningen. Sannsynligheten for at jeg lykkes er likevel ganske god, og det er derfor jeg har fått denne rollen. Men noen ganger improviserer jeg bare.»

Jeg liker ideen om at beslutningskvaliteten vår kanskje allerede er god, men at vi likevel kan øke sannsynligheten for å ta den riktige beslutningen. Du snakker noen ganger om milliarder av dollar, og da kan KI samle store mengder informasjon og data og destillere det ned til det vi trenger.

Kanskje dette er en god overgang til Optimality. Kan du fortelle litt om hva Optimality gjør, hvordan det hjelper, og hvilke bruksområder som kan redusere eller i det minste begrense risikoen ved beslutningstaking?

Cali Collins: Absolutt. Vi har arbeidet med Optimality i omtrent to og et halvt år, og løsningen har naturligvis utviklet seg og vokst til det Optimality skal bli. Kjernen har alltid vært å forbedre beslutningstakingen, og dette utviklet seg til å optimalisere beslutningstakingen. Det er der navnet Optimality kommer fra. Innen matematikk finnes det en optimeringsteori som blant annet handler om punktet med avtakende nytteverdi.

Hva er den optimale beslutningen som bør tas? Dette har vi omfavnet i arbeidet vårt. Ideen er at Optimality ligger på en kontekstgraf. Når du samarbeider i Optimality, bruker du systemet til å forstå hva du bør arbeide med i dag og hva du gjorde i går.

Men det er mye større enn det. Det handler om innholdet og leveransene du produserer. Det omfatter alle beslutningene du arbeider med. Vi lanserte faktisk en ny beslutningsveiviser i dag. Hvis du har en kompleks beslutning du må ta, kan du gå inn der, og veiviseren leder deg gjennom prosessen steg for steg.

Mens du arbeider gjennom veiviseren, har du Opti Chat ved siden av deg. Du kan spørre Opti: «Jeg vurderer dette opp mot dette. Hva synes du?» Den hjelper deg med å formulere saken. Deretter kommer du til neste punkt: «Hvilke usikkerheter finnes rundt beslutningen jeg prøver å ta? Hvor påvirker min personlige skjevhet saken, eller når tok vi en lignende beslutning sist, og hvordan gikk det?» Du har alltid Optis kapasitet tilgjengelig for å chatte og forstå. Opti ser på kontekstgrafen din for å forstå når du tidligere har arbeidet med denne beslutningen.

Du kartlegger organisasjonens kunnskap og gjennomføringsevne i systemet. Det absorberer kontinuerlig all denne informasjonen i Optis hjerne i bakgrunnen – for å bli smartere og kunne gi deg bedre innsikt når du trenger å vite om du skal velge A eller B, eller om det finnes et alternativ C du ikke har tenkt på.

Galen Low: Jeg liker virkelig, selv om vi går helt tilbake, hvor nerdete navnet faktisk er. Det handler ikke bare om å optimalisere beslutningstaking; det finnes også en matematisk teori om når man når punktet med avtakende nytteverdi. Det er veldig kult. Du lærte meg også under forberedelsene om ideen med kontekstgrafen som et slags nevralt nettverk for noen av KI-verktøyene vi bruker.

Jeg tror du brukte uttrykket beslutningskontekst, og nå begynner jeg virkelig å forstå det. Opti absorberer all denne informasjonen underveis. Det er ikke slik at vi sier: «Vi må ta en beslutning. Kan du samle inn alt og spørre disse menneskene?» Det er bare tilgjengelig. Jeg lurer på hva beslutningskontekst faktisk betyr i et prosjektmiljø, også utenfor KI. Hva er det team noen ganger mangler i beslutningsprosessen sin som dette kan bidra til å støtte?

Cali Collins: Jeg tror det handler om at menneskehjernen er god på enkelte ting, men også har begrensninger. Du kan ikke være med i hvert eneste møte og samle inn alle dataene som blir diskutert. Tenk om du kunne ha en stedfortreder i disse møtene som absorberte denne informasjonen også.

Det er der KI kommer inn. På den menneskelige siden bygger vi på samarbeid og kommunikasjon. Det var en viktig del av det som førte meg til Meta, fordi de prøvde å bygge en samarbeidsplattform for hele verden. Folk går dit for å dele og bli en del av et fellesskap. Det er en viktig del av det å være menneske, selv om det er litt merkelig å si det nå, med hele denne KI kontra menneske-verdenen.

Som menneske er styrken min at jeg kan samle meg med andre, utveksle ideer og utvikle og endre tankene mine basert på det andre forteller meg. Derfor må mennesket fortsatt være en del av beslutningsprosessen. Vi må kunne samarbeide for å finne frem til den beste beslutningen.

Galen Low: Jeg liker samspillet mellom disse delene. Poenget er ikke at mennesker er dårlige til å ta beslutninger fordi vi ikke klarer å absorbere all denne informasjonen eller forutsi fremtiden særlig godt. Det handler om samspillet mellom at vi er skapninger som fører dialog, har følelser og tar beslutninger basert på dette, samtidig som vi har teknologi – og i dag særlig KI – som kan gjøre det hjernen vår ikke klarer.

KI kan samle alt som er sagt i tidligere samtaler og destillere det ned, slik at vi slipper å sitte foran noen og si: «Husker du det femten minutter lange møtet en tirsdag i desember, da du sa akkurat disse ordene?» Vi har ikke den kapasiteten, og vi har heller ikke kulturen for det.

Jeg liker ideen om at KI kan gi råd og informasjon, men ikke erstatte samtalen om hvordan vi skal gjøre dette. La oss snakke gjennom det, slik at vi kan ta en god beslutning. Samarbeid mellom mennesker er viktig nettopp fordi vi kan snakke oss frem til en god beslutning, samtidig som vi støtter den med ting hjernen vår ikke kan gjøre.

Cali Collins: Nettopp. Jeg snakker med Opti hele tiden. I en oppstartsvirksomhet er teamet lite, og noen ganger er det godt å snakke gjennom ting med KI også og la den spille ideer tilbake til deg.

Den vet hva du arbeider med fordi Opti bygger på en kontekstgraf. Den vet hva du og alle andre i teamet arbeider med.

Galen Low: Kanskje vi kan gå inn på det, for mange i fellesskapet mitt opplever at KI er her. La oss bare si det. KI er her. Det føles litt påtvunget, ikke sant? Det er som om vi ikke har noe valg når det gjelder å bruke den.

Samtidig finnes det et slags Storebror-aspekt, fordi teknologien fungerer bedre jo mer kontekst den har og jo mer den vet. Jeg tror mange som lytter vil tenke: «Det høres skummelt ut at Opti bare lytter til alt og tar alt inn.» Er dette orwellsk på en måte?

Når det gjelder beslutningskontekst og kontekstgrafer, kan man velge hva man deler med KI for å hjelpe den med å gi bedre råd? Er det alt eller ingenting? Hvis det ikke er alt eller ingenting, hva bør vi dele med KI, selv om den ikke får full tilgang til hvert tastetrykk og hver samtale vi har gjennom datamaskinene våre?

Hva er det riktige å gi KI for å hjelpe den med å gi oss råd?

Cali Collins: Da vi først begynte å bygge Optimality, koblet vi API-et til e-postene mine og chatten min. Vi startet slik, men innså raskt at dette ville være skremmende hvis vi skulle skalere, og at folk ønsker mer kontroll over hva de deler.

Dette henger også sammen med styring av KI. Du ønsker ikke nødvendigvis at den skal ta informasjonen din, ta beslutninger og sende e-poster for deg. Hvis du gir KI tilgang til passordbehandleren din, mulighet til å sende e-poster og tilgang til bankkontoen din, har du åpnet for svært mange problemer.

Hvis noe hemmelig lekker ut i en e-post, er personen som startet agenten og sa «Ja, du kan gjøre dette», ansvarlig for det. Fra et juridisk styringsperspektiv er du ansvarlig, selv om du aldri så e-posten før den ble sendt. Derfor er det svært viktig å forstå dette og beholde kontrollen over hva du gir KI tilgang til og hva du lar den gjøre.

Derfor har vi lagt opp til at du kan velge om du vil ha utskriften fra møtet inn i systemet eller ikke. Du kan velge om du vil ha en bestemt e-postsamtale inn i systemet eller ikke. Dette gir deg mer kontroll over den gode informasjonen du gir den også. Når KI bare er trent på søppelet på internett, vet den ikke hva som er bra og hva som ikke er det.

Hvis du holder informasjonen ren ved å gi den informasjon som faktisk er god, hjelper det den med å bli kraftigere. Vi sørger også for at mennesket alltid er med i løkken. Optimality kan generere dokumenter, skrive utkast til e-poster og oppdatere status for deg, men det finnes fortsatt en person på slutten som sier: «Dette er det jeg vil at den skal gjøre.»

Det er litt annerledes enn hos mange andre selskaper som sier: «Vi kan bygge et helt markedsføringsteam for deg, og det kan løpe fritt, gjøre alt for deg, publisere i sosiale medier og overta jobben.» Vi mener i stedet at det bør være et samarbeid mellom mennesker og KI, der man arbeider sammen på en god måte. Hvis du vil arbeide med markedsføring, tar du på deg markedsføringsrollen og har en markedsføringsassistent ved siden av deg som er ekspert på området, men det er fortsatt du som tar beslutningene.

Galen Low: Jeg liker det, og jeg tror mange av lytterne mine vil like det også. Det handler igjen om samspillet mellom teknologi og menneskelighet. Jeg vil komme tilbake til ideen om å kuratere hva man deler i kontekstgrafen, fordi det er interessant med tanke på hvordan mennesker tar beslutninger.

Men før vi kommer dit, formulerte du et godt bruksområde. Kan vi gå litt inn i det? Hvordan kan KI og Optimality hjelpe oss med å ta bedre beslutninger? Jeg liker ideen om at vi må tenke på markedsføringen vår, og at vi har en samtalepartner vi kan diskutere med.

Kan vi gå gjennom hvordan dette fungerer steg for steg? Optimality arbeider i bakgrunnen, samler inn informasjon, og så sier vi: «Vi må utvikle en kampanje, eller lage LinkedIn-innlegget for denne uken.» Hvordan ser denne samhandlingen ut, og hvordan er den forbedret sammenlignet med om vi ikke hadde KI i bakgrunnen?

Cali Collins: Et av bruksområdene vi beveger oss inn i, er et virksomhetsoperativsystem som ligger på Optimality. Du kan tenke på Optimality som en plattform som muliggjør mange ulike bruksområder, litt som Excel. Du kan gjøre mange forskjellige ting i Excel, men Excel forteller deg ikke at du må bruke bestemte formler for å lage et budsjett.

Plattformen muliggjør denne kapasiteten. Vi har mer struktur enn Excel, men tillater samtidig mange ulike bruksområder. Et spennende område vi nå begynner å arbeide med, er et virksomhetsoperativsystem.

Mange prøver å starte sidevirksomheter, særlig i denne KI-verdenen der man kan kode en app ved hjelp av naturlig språk over noen uker og få den til å bli god, avhengig av hva man vil bruke den til. Samtidig har man sikkerhetsaspektene ved et slikt verktøy og dårlig kode.

Det er likevel blitt mer tilgjengelig å bygge sin egen virksomhet. Det finnes mye rom for entreprenører. Kanskje du vet mye om en bestemt type app, men ikke om markedsføring, sosiale medier eller å lage en forretningsplan. Kanskje du er god på markedsføring, men ikke kan nok om økonomi, skatt og alt det andre.

Det vi prøver å bygge, er muligheten til å gå inn i Optimality og fortelle hva målene dine er og hva du ønsker å gjøre. Systemet tar denne informasjonen, dokumenterer den, lager en strategi for deg og spør: «Er dette det du ønsker å gjøre?» Du snakker litt frem og tilbake med Opti, sier «Ja, det er omtrent dette jeg ønsker. Lagre det», og systemet kartlegger planen for å nå målene dine.

Alt dette skjer automatisk ved hjelp av KI. Du kan gå inn og endre det du vil, men systemet hjelper deg med å skape struktur rundt det å bygge en virksomhet. Å bygge en virksomhet er bare ett bruksområde. Du kan også bruke det til byggingen av et raffineri. Chevron er for eksempel en av kundene våre.

Når du går gjennom de ulike stegene, kan systemet spørre: «Vil du at Opti skal hjelpe deg med markedsføringsplanen? Vil du at Opti skal hjelpe deg med å utvikle innhold til dette? Vil du at Opti skal gjøre alle disse tingene som agenter kan gjøre?» Du kan arbeide side om side med KI og gjøre dette tilgjengelig.

Det finnes mange små og mellomstore virksomheter og mennesker som vurderer å starte sidevirksomheter. De er nysgjerrige på KI, men vet ikke helt hvor de skal begynne. Hvordan kan vi gjøre dette enkelt uten at de må åpne Claude, finne ut hvordan agenter fungerer og bruke opp enorme mengder tekstgenerering? Jeg bruker Claude mye og liker det, men samtidig tar det tid å komme i gang, og for de fleste er det ikke spesielt tilgjengelig.

Dette er bare ett av bruksområdene vi arbeider med.

Galen Low: Det er flott. Takk for at du sa alt dette. Jeg trodde først jeg skulle si: «Her kommer Cali til å si at hun ikke kritiserer KI-koding.» Men du traff spikeren på hodet. Inngangsbarrierene for å bygge en virksomhet er lavere, men det finnes også en overdrivelse i påstanden om at man kan kode et helt produkt og en hel plattform på én dag.

Nei, det kan man ikke. Men det er sannsynligvis mye enklere enn før. Det finnes en mellomting her. Du sa at Excel er et svært generelt verktøy, mens Optimality setter ting mer på skinner. Hvis Claude er Excel, er Optimality mer spesialisert og bedre egnet til en bestemt oppgave enn en generell chatbot.

Noen lyttere vil kanskje si: «Cali, dette kan jeg gjøre. Jeg gjør det i Claude. Claude hjelper meg med markedsføringen, jeg spør det bare om ting.» Men det høres ut som om faktisk arbeid blir gjort i Optimality. Det er ikke bare en plattform for beslutningsoptimalisering, men også en plattform for arbeid og samarbeid.

Cali Collins: Det er absolutt en samarbeidsplattform. Når du er én person som prøver å starte en virksomhet uten å vite helt hva du skal gjøre, kan systemet skape struktur. Det neste store området er små virksomheter som vokser til et punkt der du ikke lenger vet nøyaktig hva alle gjør.

Hvis du får samarbeid inn i systemet og beskriver hvem som arbeider med hva, bygger du samtidig kontekstgrafen. Hva er visjonen for virksomheten? Hva er oppdraget? Hva er prinsippene? Dette blir en del av Optis hjerne.

Når systemet foreslår en markedsføringsstrategi eller ulike alternativer, bygger forslagene på det du har fortalt. Det vet hva som er viktig og verdifullt for deg. Bygger du en blomsterbutikk og ønsker å bli verdens største blomsterbutikk, eller er målet å være den beste blomsterbutikken i den lille byen din fordi du har en nisje og brenner for den?

Konteksten hjelper med å ramme inn dette. Du kan gå til Claude og si «Lag en markedsføringsplan», og det vil gi deg noe generisk. Det forstår ikke alle detaljene og de bevegelige delene av det som skjer i systemet og økosystemet ditt.

Galen Low: Jeg liker det du sa om at synligheten noen ganger forsvinner når virksomheten vokser. Tradisjonelt starter vi ofte med en improvisert og enkel måte å arbeide på, og så plutselig har vi 15 eller 50 ansatte og tenker: «Jeg vet ikke hva som skjer. Jeg kan ikke engang mellomnavnene til alle.»

Vi må også spørre om prosessene fortsatt fungerer, om folk gjør ting riktig og om de arbeider i tråd med verdiene og oppdraget vårt.

Jeg vil gå tilbake til spørsmålet om hva vi gir til KI, men kanskje også hva vi gir til mennesker, for å hjelpe dem med å ta beslutninger. Trenger KI å vite at jeg var hos tannlegen forrige fredag? Kanskje den ikke trenger full tilgang til kalenderen min.

Historisk har jeg vært i rom der beslutninger blir tatt ut fra tanken om at vi ikke trenger å gi alle hele bildet. Informasjon blir tilslørt eller utelatt. Mange beslutninger tas på denne måten fordi vi ikke har delt all informasjon.

På den andre siden: Hvis vi ikke gir KI hele konteksten, undergraver vi ikke da evnen dens? Det virker som et balansepunkt mellom å gi for mye informasjon, der menneskelige nyanser kan forvirre systemet, og å manipulere det til et bestemt resultat ved å holde tilbake informasjon.

Hvordan beskytter vi oss mot at mennesker misbruker KI til å styre beslutninger i en bestemt retning? Og finnes det beslutninger som trenger menneskelig nyanse, og som bør ledes på en mer menneskelig måte, i stedet for at alle beslutninger behandles likt med kontekst, data og analyse?

Cali Collins: Når det gjelder hva du gir KI, vet den ikke hvordan den skal prioritere hva som er viktig. Hvis du bare legger absolutt alt inn i systemet, må du hjelpe det med å forstå at en utskrift for eksempel var fra et møte med en seniorleder, og at det som ble sagt der skal veie tyngre enn det som ble sagt andre steder.

Du må gi systemet noen retningslinjer og ikke bare overlevere alt uten videre, fordi det ikke helt vet hva som er viktig eller viktig for hvem, med mindre du gir det denne informasjonen. Når det gjelder beslutninger, ønsker vi definitivt at mennesket skal ta den endelige beslutningen.

Kan vi ta bedre beslutninger hvis vi får presentert dataene vi trenger? Ja, det trenger vi også. Da jeg var i ExxonMobil, bygde jeg et kompetansesenter for kunnskapsforvaltning og en KI-basert plattform for kunnskap og læring.

Et viktig bruksområde var en produktleder eller prosjektleder innen bygg og anlegg som sa: «Jeg har vært med på fem prosjekter. Hver gang vi har gjort dette, har det mislyktes. Vi bør ikke gjøre det.» Men kanskje disse fem prosjektene bokstavelig talt er de eneste gangene dette har mislyktes, mens det har fungert alle andre ganger. Kanskje dette er de to prosentene. Er det på grunn av personen? Kanskje. Og personen er med på dette prosjektet også? Kanskje. Dette er noe KI kan hjelpe med.

Samtidig vet personen gjennom egen erfaring at dette ikke ser ut til å fungere. Det finnes en grunn til at vedkommende vet det. Skal du bare si: «Det var de to prosentene, så vi forkaster det du mener»? Nei. Men det at dette er de to prosentene, gir gruppen mulighet til å ta en mer velinformert beslutning enn den ellers ville kunnet.

Galen Low: Jeg liker det, for det handler ikke om hvem som har rett eller feil. Det finnes noe å lære her. Vi kan unngå å ta svært generaliserte beslutninger basert på et utvalg på én eller fem personer fra én kilde.

Samtidig finnes det informasjon og kunnskap der som vi må ta hensyn til. Hvis det skjedde fem ganger, må det finnes noe der som vi bør undersøke. Det jeg liker med dette bruksområdet, er at det kan brukes både før og etter beslutningen.

Vi kan si: «Vi må ta denne beslutningen. La oss samle inn all informasjon vi kan.» Eller vi kan snakke gjennom saken som mennesker, men be KI faktasjekke den og hjelpe oss med å bruke kritisk tenkning for å forbedre kvaliteten på beslutningen.

Det handler også om å ikke bare lytte til de høyeste og mest dominerende stemmene i rommet. Det skjer ofte fordi ingen ønsker å utfordre den svært erfarne prosjektlederen som har sett alt og kjemper mot enhver innvending.

Dette kan føre til mange år med dårlige beslutninger i situasjoner der innsatsen er svært høy. Du har arbeidet med prosjekter med stor risiko, høy synlighet, store budsjetter og sterke personligheter. Dette er en måte å balansere dette på, nettopp gjennom samspillet mellom mennesker og teknologi.

Cali Collins: Nettopp. Noen mennesker er flinke til å ta raske beslutninger. Andre er dårlige på det og trenger tid til å tenke, gruble og kartlegge alt på en tavle. Vi tar ikke alle beslutninger på samme måte, og vi er ikke alle like gode til å ta beslutninger på samme måte. Dette kan bidra til å jevne ut forskjellene.

Det kan også gjøre deg oppmerksom på at du kanskje ikke er så god til å ta raske beslutninger, og at du bør trekke deg tilbake og tenke litt lenger.

Galen Low: Jeg har nærmet meg dette fra et teknologisk perspektiv og glemte å spørre: Hva har du lært om menneskelig beslutningstaking mens du har bygget dette produktet?

Jeg liker ideen om at noen er gode på raske beslutninger, mens andre er dårlige, og at noen kanskje er dårlige uten å vite det. La oss ramme dette inn med prosjektledere. Noen ganger skal vi ikke ta beslutningene selv, men legge til rette for dem. Vi vil at beslutningene skal være av høy kvalitet, men også at de skal tas i tide.

Hvilke praktiske vaner eller metoder kan prosjektledere utvikle for å forbedre måten personer involvert i prosjektene tar gode beslutninger på, uten å ofre hastighet? Hvordan vet man om en rask beslutning faktisk er en svært dårlig beslutning?

Cali Collins: Jeg har en bachelorgrad i psykologi. Jeg er også avhengig av selvhjelpsbøker, nå hovedsakelig lydbøker. Jeg liker alt som handler om menneskets psyke, hvorfor vi tenker og hvorfor vi gjør ting som vi gjør.

Deretter gikk jeg over til byggledelse og tok en bachelorgrad til, fordi jeg ikke kunne gjøre så mye med psykologiutdanningen. Det hjalp meg med å forstå alle beslutningene mennesker tar innen bygg og anlegg. Hvorfor tar de disse beslutningene? Senere tok jeg også en MBA, slik at jeg kunne se disse områdene samlet.

Når du skal forstå om du tar gode eller dårlige beslutninger, må du kunne fange opp kunnskapen og utfallet: Hva ble resultatet, og hvorfor tok du beslutningen da du tok den? Da kan KI forhåpentligvis gå tilbake og reflektere over dette, for mennesker kommer ikke alltid til å bruke tid på det selv, særlig hvis det gikk dårlig.

Et annet område vi undersøker, er opphav og datasporing: Hva er dataenes kjede, og hvordan beveger de seg gjennom systemet? Da jeg var i Meta, bygde jeg en plattform for KI-opphav som kartla alle treningsdataene for KI-modellene på tvers av Meta.

Vi har bygget litt av denne funksjonaliteten inn i Optimality. Hvis systemet oppretter et dokument, for eksempel en markedsføringsplan, kan du åpne det og se: «Dette avsnittet kom fra disse utskriftene. Dette avsnittet kom fra det denne personen fortalte meg.»

Systemet vil ikke bare vite hva det skal si; det vil heller ikke være en svart boks. Det vil vise deg hvor informasjonen kom fra. Det kan være skremmende for noen, fordi hvis det la inn noe du besluttet og det ikke fungerte, vet systemet at det var du som tok beslutningen.

Men vi mennesker kan ikke forbedre oss hvis vi tar dårlige beslutninger om og om igjen uten å forstå hva som forårsaket det, eller uten å bli bevisst på at vi tok dårlige beslutninger på et bestemt område. Vi må endre oss til det bedre, og det krever endring og vilje til å være sårbar og forstå hvordan vi kan forbedre oss. KI kan også synliggjøre noe av dette, selv om det kan være ubehagelig.

Galen Low: Jeg spurte hvordan KI kan hjelpe oss med å ta bedre beslutninger, og tenkte at svaret måtte være data. Men innrammingen din gir oss også mulighet til å gjøre en etteranalyse av beslutningene vi tar, bruke sporbarhet og synlighet til å reflektere og forbedre oss.

Vi sier ikke at KI til slutt vil ta bedre beslutninger enn mennesker, slik at mennesker ikke trenger å ta beslutninger lenger. Tvert imot blir menneskelige beslutninger kanskje stadig viktigere. Vi har ofte en forestilling om at gode ledere bare er mennesker som tar gode beslutninger, men mange improviserer egentlig og har kanskje bare en god suksessrate.

Cali Collins: Intuisjon.

Galen Low: Ja, intuisjon. Selv om de kan være svært selvbevisste rundt beslutningene de tar, gir dette en mulighet til å forbedre seg. Du nevnte også fysisk sikkerhet tidligere. Vi ønsker å kunne analysere slike hendelser og spore hva som skjedde.

Poenget er ikke å bruke kontekstgrafen til å finne noen å skylde på, men å bruke den til å forbedre måten vi alle tar beslutninger på. Ingen mennesker jeg har møtt tar alltid gode beslutninger eller forstår alltid hvorfor de tok dem.

Cali Collins: Det stemmer.

Galen Low: Jeg vil komme tilbake til styring og ansvarlighet, for dette er viktig. Slik du nevnte, vil det fortsatt være mennesket som holdes ansvarlig for en god eller dårlig beslutning, selv om KI utløste den. KI tar imidlertid beslutninger hele tiden.

Hvilke retningslinjer må vi mennesker etablere, ikke bare for å hjelpe KI med å unngå dumme feil, men også for å forsterke god atferd og skape en situasjon der KI blir bedre til å ta beslutninger? Kan vi noen gang komme til et punkt der vi har forbedret systemet så mye at KI kan ta beslutninger og holdes ansvarlig for dem?

Cali Collins: Det pågår mye kommunikasjon og forskning på dette området. Hvis vi tenker på store språkmodeller, er KI en serie beslutninger. Den avgjør hvilket ord som sannsynligvis er det beste neste ordet. Alt den gjør, er å ta en serie beslutninger basert på det den er trent til.

Du kan begynne med å la den skrive utkast til e-poster. Kanskje den ikke er særlig god i starten, men etter hvert kan den bli bedre til å skrive e-poster eller svare på direktemeldinger i virksomhetens sosiale medier.

Jeg har sett dette hos Meta. Systemet sa: «Vi kan nå sende svar på direktemeldinger når noen kontakter virksomheten.» Jeg så på noen av utkastene og tenkte: «Disse er ikke særlig gode.» Men jeg kan gå inn og redigere dem og trene systemet, slik at det blir bedre.

For enkelte ting med lav risiko kan det være greit å la KI svare. Hvis du selger T-skjorter og noen spør om en bestemt design finnes i en bestemt størrelse, kan KI sannsynligvis slå det opp og svare.

Men det finnes andre e-poster du ikke vil at KI skal svare på. Det handler om å forstå hvilke retningslinjer som trengs. Vår filosofi er å beholde mennesket i løkken og gradvis overlate oppgaver med lav risiko til KI.

Jeg ønsker ikke å overføre mitt juridiske ansvar eller min plikt til Optimality, som har tilgang til e-postene mine og kan svare andre. Hvis systemet lekker noe som skader virksomheten, er det en risiko jeg ikke vil ta.

Jeg vil selv være med i løkken og la KI gjøre andre ting som hjelper meg med å optimalisere dagen.

Galen Low: Vi har eksempler utenfor KI, blant annet medisinsk utstyr som stiller diagnoser innenfor et bestemt toleranseområde. Kanskje programvareutvikleren i noen tilfeller holdes ansvarlig, men i andre tilfeller er det ikke slik.

Det bringer oss tilbake til mennesket i løkken. Vi snakket også om opplæring av yngre prosjektkoordinatorer og hvordan man kan gi dem tilbakemeldinger og trygge situasjoner der de kan feile og lære. Å svare på en e-post om T-skjortestørrelse, en frist eller en leveranse kan være greit. Hvis svaret ikke er perfekt, går ingen fly i bakken.

Men det finnes ting de ikke skal gjøre uten å rådføre seg med meg, som å love en ny dato til en kunde eller sponsor. Det er et læringsøyeblikk, men jeg er til syvende og sist ansvarlig. Det er ikke nødvendigvis så annerledes når vi ser på dette gjennom KI-brillene.

Cali Collins: Jeg liker sammenligningen med en praktikant. Du er ansvarlig for praktikantens handlinger basert på det du ba praktikanten gjøre.

KI kan ikke holdes ansvarlig, og den har ingen ansvarsfølelse. Du kan ikke sparke den eller gi den en degradering fordi den tok en dårlig beslutning. Men et interessant bruksområde er kontraktsmessig etterlevelse.

Du kan lære opp KI: «Dette er kontraktskravene mine, og dette er spesifikasjonene våre. Følg med på det jeg gjør, og varsle meg dersom jeg potensielt bryter kontrakten.» KI gjør det ikke for deg, men følger med i bakgrunnen for å holde deg trygg, sørge for at du følger kontrakten og holde deg innenfor styringsrammene.

Galen Low: Det er et veldig godt bruksområde. Jeg liker ideen om å gi tilbakemeldinger slik at modellene blir bedre og mer kapable. Kanskje de ikke kommer til et punkt der de kan holdes ansvarlige, men vi kan bruke læringsøyeblikk og la KI gjøre det den er best på.

Jeg klarer ikke å holde alle servicenivåavtalene våre i hodet samtidig. Det hadde vært flott om noe kunne gjøre det. Jeg lurer på om vi kan avslutte med å snakke om fremtiden.

KI-teknologien blir stadig bedre til å samle ting og avgjøre hva som er viktig. Kanskje den også har et øyeblikk med bedragersyndrom og tenker: «Er dette det riktige ordet som kommer nå?» Uansett påvirker dette hvordan beslutninger tas i det daglige arbeidet og i store lederbeslutninger.

Hva skjer med prosjektlederrollen hvis KI blir bedre til å oppdage risiko, synliggjøre avhengigheter og anbefale beslutninger? Hva blir konsekvensene for rollene vi mennesker har?

Cali Collins: Rollen blir enda viktigere. Prosjektlederrollen kommer til å bli mye viktigere. Med min bakgrunn innen estimering og prosjektstyring var jobben min å sette sammen data og gi dem til en seniorleder som skulle ta beslutninger.

Denne trakten blir komprimert. Det betyr ikke at vi kvitter oss med folk innen prosjektstyring, men at de får bedre roller. De trenger ikke bare løpe rundt og spørre: «Ble dette ferdig i dag?» De kan bruke tiden på mer meningsfulle oppgaver, analysere dataene, bruke ekspertisen sin og gjøre ting bedre før de gir informasjonen videre til produktlederen.

Vi har sett i bransjen, særlig innen programvare, at det tidligere kunne være åtte til ti utviklere per produktleder. Dette tallet går faktisk ned fordi utviklerne blir mer effektive. Det betyr at du trenger mer produkt- og prosjektledelse, fordi disse menneskene faktisk styrer retningen og beslutningene.

Når du får mye mer data, mye raskere og med bedre informasjon, trenger du flere som kan ta store beslutninger basert på informasjonen.

Jeg har selv vært overbelastet innen produkt fordi utviklerne mine blir raskere. Nå spør de: «Vil du kode ideene dine på denne måten og gi dem til oss, så gjør vi dem om til ordentlig kode?» Jeg lærer også dette. Det senker terskelen for å bygge egne ting, men gjør samtidig produkt- og prosjektroller og alle som tar strategiske beslutninger, mye mer verdifulle.

Galen Low: Det synes jeg er fantastisk. Jeg forventet ikke et så optimistisk svar, men du har et godt poeng. Arbeidstempoet øker, og noen ganger får færre mennesker gjort mer. Samtidig finnes det roller som leder, veileder og legger til rette for beslutningstaking.

Hvis arbeidet skjer raskere, trenger vi kanskje flere av dem. Du sa heller ikke at dataene går direkte fra KI til beslutningstakeren. Vi må fortsatt forstå, analysere og vurdere dem. Og som du sa tidligere, tar vi fortsatt beslutninger ved å snakke gjennom dem.

Det kan noen ganger virke som en menneskelig svakhet, men det er slik vi er. Vi ønsker ikke nødvendigvis at en maskin skal fortelle oss hvordan vi skal ta en beslutning. Vi vil ha et menneskelig og overbevisende element, dobbeltsjekke ting og snakke sammen for å føle oss trygge på at vi har kommet frem til en god beslutning.

KI forsterker dette.

Cali Collins: Det gjør den absolutt.

Galen Low: Cali, dette har vært veldig morsomt. Takk for at du tok deg tid til å snakke med meg i dag. Hvor kan folk lære mer om deg og Optimality?

Cali Collins: Vi finnes på LinkedIn, og jeg er også på LinkedIn. Nettstedet er optimalitypro.com. Du kan registrere deg direkte for en gratis 14-dagers prøveperiode med Optimality eller se nærmere på det vi gjør.

Vi holder tjenesten aktuell, og etter hvert som vi bygger flere spennende bruksområder for ulike vertikaler, vil vi også ha støttedokumentasjon og annet tilgjengelig. Du kan følge med på hvordan folk bygger videre på Optimality-plattformen på optimalitypro.com.

Galen Low: Flott. Jeg legger lenker til profilen din og Optimalitys nettsted i shownotatene. Takk igjen for at du ble med. Bakgrunnen din er så interessant, og jeg visste ikke om psykologiutdanningen. Dette har vært innsiktsfullt. Beslutninger får verden til å gå rundt.

Nå har vi KI med i bildet, men vi har fortsatt mennesker med i bildet også. For en tid å leve i.

Cali Collins: Nettopp. Det er spennende akkurat nå.

Galen Low: Tusen takk, Cali.

Cali Collins: Takk.

Galen Low: Da var det alt for dagens episode av Digital Project Manager-podkasten. Hvis du likte samtalen, må du gjerne abonnere der du lytter. Hvis du vil ha enda flere praktiske innsikter, casestudier og arbeidsoppskrifter, kan du opprette en gratis konto hos oss på thedigitalprojectmanager.com. Vi høres neste gang. Takk for at du lyttet.