Slik leder du organisatorisk AI-endring i en kompleks virksomhet

Galen Low: Er det verdt innsatsen å forsøke å bryte ned siloer og samkjøre holdningene til kunstig intelligens i en enorm organisasjon? Er det i det hele tatt mulig?

Deborah Ketai: Hvis de hopper over dette trinnet, kommer de til å pådra seg mye gjeld – teknisk gjeld, kunnskapsgjeld – som vil gjøre fremtidige prosjekter dyrere og vanskeligere.

Galen Low: Du hadde påpekt at dette ikke bare handlet om generativ kunstig intelligens; dette var faktisk mer som en grunnleggende endring.

Deborah Ketai: Vi hadde egentlig tre mål – kompetanse, mobilitet og det å beholde medarbeidere – for å oppmuntre til samarbeid mellom disse AI-teamene, slik at de ikke fant opp hjulet på nytt. Det tredje var et kulturelt skifte, der vi oppmuntret forretningsforkjempere til å vurdere AI-løsninger på forretningsutfordringene sine.

Galen Low: Noen blir bedt om å ha en dobbel rolle. Trenger alle prosjekter endringsledelse?

Deborah Ketai: Ikke alle prosjekter krever endringsledelse. Ferdighetene er forskjellige, men overlapper. Programledere må komme nærmere stedet der strategien blir utformet, slik at de kan være åpne og tydelig gjenspeile overfor ledelsen hvor det sannsynligvis finnes manglende samsvar.

Galen Low: Velkommen til podkasten «The Digital Project Manager» – programmet som hjelper leveranseledere med å jobbe smartere, levere raskere og lede bedre i kunstig intelligensens tidsalder. Jeg heter Galen, og hver uke går vi inn i virkelige strategier, nye verktøy, utprøvde rammeverk og den sporadiske krigshistorien fra prosjektets frontlinje. Enten du styrer enorme transformasjonsprosjekter, håndterer AI-arbeidsflyter eller bare prøver å holde kaoset under kontroll, er du på rett sted. La oss sette i gang.

I dag skal vi se bak kulissene på hvordan en programleder og teamet hennes skapte et praksisfellesskap i en enorm helsevirksomhet. Fellesskapet bidro til å fjerne siloer og samkjøre holdninger til kunstig intelligens i virksomheten.

Dagens gjest er nettopp denne programlederen, Deborah Ketai. Deborah er sertifisert leder for organisatorisk endring og programleder, senest for en enorm amerikansk helsegruppe, der hun bygget levende fellesskap rundt kunstig intelligens, mangfold, rettferdighet og inkludering samt kontroller for dataoverføring. Deborah har også vært svært aktiv i å bygge prosjektlederfellesskapet som styremedlem og leder for programporteføljen i en regional avdeling av PMI.

I denne episoden skal vi snakke om hvordan Deborahs hverdag så ut som programleder for et stort initiativ for organisatorisk endring knyttet til kunstig intelligens, om organisatorisk endring relatert til kunstig intelligens og maskinlæring må behandles annerledes, hva team av alle størrelser kan lære av virksomheter som gjennomgår enorme AI-transformasjoner, og om rollen til en prosjekt- eller programleder vil utvikle seg til å omfatte endringsledelse – og hva det kan bety for ferdighetssettet til prosjektledere.

Deborah, tusen takk for at du er her i dag.

Deborah Ketai: Takk for muligheten, Galen.

Galen Low: Jeg er så begeistret for denne samtalen, fordi du er en person som har vært svært dypt involvert og integrert som programleder og endringsleder for en enorm helsevirksomhet, akkurat da kunstig intelligens begynte å gjøre seg gjeldende.

I samtalene våre før dette har du nevnt ting som å bryte ned siloer mellom divisjoner og interessentgrupper, holde opplæringsøkter og hackatoner, håndtere frykt knyttet til risiko og etterlevelse, og også ganske enkelt få AI-praktikere – og kanskje de som ønsker å bli AI-praktikere – til å være på samme side.

Så jeg tenkte at jeg kunne begynne med ett brennende spørsmål som jeg tror lytterne mine gjerne vil ha svar på. Er det verdt innsatsen og energien å forsøke å bryte ned siloer og samkjøre holdninger til kunstig intelligens i en enorm virksomhet? Er det i det hele tatt mulig? Og hva ville skjedd hvis en organisasjon som den du jobbet med, hoppet helt over dette trinnet?

Deborah Ketai: Det er et veldig godt spørsmål, Galen, og jeg er glad for at du stilte det. Jeg tror samsvar kommer til å bli avgjørende, og å bryte ned siloer kommer til å være en stor del av dette. Først og fremst må selskaper etablere styring av data og kunstig intelligens. De må samkjøre ressurser og forventninger rundt utvikling eller kjøp av AI-verktøy.

Og hvis de ønsker en AI-først-kultur – og det må de hvis konkurrentene deres gjør det – må de tenke gjennom hva dette betyr for medarbeiderne deres, både nå og i fremtiden. Som et minimum må de bryte ned siloer for å unngå risikoen for cybersikkerhetshendelser.

Hvis de hopper over trinnet med å bryte ned siloer, kommer de også til å pådra seg mye av det vi kaller gjeld: teknisk gjeld, kunnskapsgjeld og så videre. Det vil gjøre fremtidige prosjekter dyrere og vanskeligere. Jeg tror det er tre områder der jeg har brutt ned siloer. Du nevnte egentlig alle sammen.

Kunstig intelligens, system- og driftskontroller, samt samfunnsengasjement som leder for den nest største ressursgruppen for medarbeidere i United Health Group. Og til en viss grad også gjennom et mentorprogram, der vi brøt ned siloer etter fusjoner og oppkjøp. Jeg tror derfor det finnes en rekke ulike trinn og ferdigheter som prosjektledere og endringsledere må konsentrere seg om når de skal bryte ned siloer.

Det ene er å skape empati mellom ulike grupper ved å gjøre dem kjent med hverandre. Kryssopplæring, hospitering, mentorskap og veiledning. Ledelsen må skape og få støtte til en visjon om hvordan dette skal se ut, og hvilke fordeler det vil gi å bryte ned siloene. De må skape og konsentrere seg om kontaktpunkter, prosesser og kommunikasjonskanaler som bringer siloene sammen.

De må også konsentrere seg om å fjerne hindringer for å bringe folk sammen, for eksempel ulike datakilder, som er en av de store hindringene.

Galen Low: Det jeg liker best ved svaret ditt, er at jeg egentlig tenkte på det å bryte ned siloer som å hjelpe ulike grupper i en virksomhet med å forstå hverandre.

Jeg liker innrammingen om at dette på en måte er alles problem. Det er en laginnsats. Det handler ikke bare om kumbaya – om at vi alle skal forstå hverandre og komme overens. Det handler også om at når det gjelder datastyring, etterlevelse og sikkerhet, er alle på en eller annen måte ansvarlige for sin egen del, og alle må på en måte synge fra samme sangbok og samkjøre seg og bli enige om.

Hva virkningen eller resultatet av denne samkjøringen er, må også avtales og forstås på ledelsesnivå, slik at dette ikke bare blir et kulturelt skifte – et vagt uttrykk vi bruker hele tiden, særlig rundt kunstig intelligens – men faktisk handler om risiko. Det handler egentlig om avkastningen på investeringen, tror jeg, ved å ha dette samholdet og denne enheten.

Det handler også om kostnaden ved å gjøre dette feil, ved å ikke ha disse samtalene og deretter pådra seg en risiko eller oppleve at en risiko blir realisert – en risiko som kan være svært kostbar og skadelig. Den kunne sannsynligvis vært unngått hvis folk var på samme side. Jeg liker hvor håndgripelig dette er.

Deborah Ketai: Det kan være både ullent og håndgripelig.

Galen Low: Jeg liker det. Ullent og håndgripelig, og også teknologikomponenten.

Deborah Ketai: Hun er en slags håndgripelig person, så det er det.

Galen Low: Jeg elsker det. Jeg lurer på om vi kunne zoome litt ut. Som du antydet, hadde du tidligere en rolle i en stor amerikansk helsegruppe, der ansvaret ditt faktisk var å lede endringsledelsesprogrammer og -initiativer knyttet til mange ting, og senest tror jeg, kunstig intelligens og maskinlæring.

Det bringer oss tilbake til nysgjerrigheten min: Hvordan så hverdagen din ut i denne rollen, og hvilke resultater ble forventet av deg?

Deborah Ketai: Som ofte skjer med endringsledelse, var den største innsatsen min sannsynligvis det innledende arbeidet med å definere målene, hva suksessmålene skulle være, hvem som skulle involveres og så videre. Vi hadde egentlig tre mål – kompetanse, mobilitet og det å beholde medarbeidere – på tvers av AI-området. Dette var et enormt Fortune 5-selskap. Kunstig intelligens foregikk i lommer overalt. Og la meg presisere at når jeg snakker om kunstig intelligens i denne sammenhengen, handler det ikke bare om generativ kunstig intelligens. Det handler også om prediktiv analyse, kroppsnær teknologi og sensorer, samt tingenes internett.

Det andre målet mitt for programmet var å oppmuntre til samarbeid mellom disse AI-lommene, slik at de ikke fant opp hjulet på nytt. Det tredje var et kulturelt skifte, der vi oppmuntret forretningsforkjempere til å vurdere AI-løsninger på forretningsutfordringene sine. I begynnelsen brukte jeg mye tid på å identifisere og segmentere interessentgruppene.

Jeg samarbeidet med en spesialist på AI-rapportering og -analyse for å gjøre dette, og for å finne ut hva behovene deres var og hvordan vi best kunne nå dem. Resten av programmet handlet i hovedsak om å skape muligheter for dem til å lære, dele og bygge et fellesskap. Dette var rettet mot de ulike gruppene og segmentene jeg hadde identifisert, så prosjektene mine i programmet.

Var tredelte: arrangementer som en intern konferanse og hackatoner; innhold som podkaster, artikler og presentasjoner; samt fellesskap, interne sosiale medier og kunnskapsdeling. Det var også en fjerde del, nemlig risikostyring, der jeg ga styringskomiteen råd om styring, etterlevelse og sikkerhet.

Galen Low: Det er et stort program. Ja. Det er morsomt, for vi snakker ofte i fellesskapet mitt om å få overlevert et direktiv og måtte gjennomføre det, men du startet lenger bak. Og ikke bare det – det som også er interessant, er tidsrammen. Du hadde påpekt at dette ikke bare var generativ kunstig intelligens; faktisk.

På det tidspunktet var generativ kunstig intelligens relativt nytt i næringslivet når det gjaldt praktiske bruksområder i hverdagen, men dette var mer som en grunnleggende endring, i påvente av at det skulle komme større og mer spesifikke endringer i fremtiden. Det handlet mer om å bringe folk sammen, og det er virkelig interessant at du gjorde dette igjen, fordi fellesskap kan være noe ullent, men avkastningen på investeringen og risikostyringen ved å bringe folk sammen slik at de forstår hverandre, kan lære på tvers og samarbeide, bygger et grunnlag for å gjøre det som kommer etterpå. Det er risikostyring i seg selv. Jeg liker virkelig den tanken, fordi jeg tror uttrykket praksisfellesskap – og egentlig ordet fellesskap i seg selv – blir brukt om alt mulig, og jeg tror verdien av fellesskap ikke er bredt forstått.

Det er ikke like vitenskapelig som mange forretningsledere og toppledere skulle ønske. Men jeg tror du har truffet spikeren på hodet: Ved å gjøre disse tingene skaper du et slags nettverk, enhet og samhørighet mellom ulike grupper som forstår verden på forskjellige måter, og prøver å få dem på samme side.

Jeg liker det virkelig. Jeg tenkte faktisk på to ting. For det første tenkte jeg på det du nevnte om forretningsledere og å få dem samkjørt med hensyn til hvordan denne teknologien kan brukes i virksomheten. Det er morsomt å snakke om dette nå i 2025, når alle jakter på hvert eneste AI-verktøy, men opplevde du at du måtte overbevise folk om at kunstig intelligens faktisk var noe det var verdt å investere i og diskutere?

Deborah Ketai: Ja. Jeg tror det var to nivåer av dette. Det ene var at forretningsledere ofte ganske enkelt ikke hadde vurdert kunstig intelligens som en mulig løsning på problemer. Enten problemene gjaldt svindel i helsesektoren eller diagnostisk avbildning, fantes det så mange ulike områder der AI kunne brukes, men de tenkte ikke på det.

Det andre trinnet var å hjelpe dem med å komme i kontakt med personer som hadde tilstrekkelig kunnskap til å bryte AI-konseptene ned for dem og forklare: Greit, finnes dette allerede? Kan det finnes i nær fremtid? Og hva er risikoene, kostnadene og så videre, samt den potensielle avkastningen ved å bruke disse løsningene?

Og så måtte de sammenligne det, for kunstig intelligens kommer aldri til å være den universelle gullnøkkelen til problemet. De måtte fortsatt vurdere andre løsninger enn AI også.

Galen Low: Det er virkelig interessant hvordan dette tydeliggjør betydningen av kompetanse. Og det var det første du nevnte, ikke sant? Du brukte faktisk en slags datavitenskapelig og analytisk tilnærming for å identifisere kompetansen og interessentgruppene i hele virksomheten, for å forstå gruppene du jobbet med, ferdighetene de hadde og ferdighetene som trengtes.

For å legge til rette for denne kunnskapsdelingen slik at alle kunne utvikle seg, ikke sant? Det løfter nesten alle båtene, særlig innenfor det vi pleide å kalle «det muliges kunst». Vi må vite hva denne teknologien kan gjøre. Vi må forstå at den ikke er en mirakelkur.

Vi må forstå hvordan den passer inn i økosystemet av annen teknologi eller andre metoder. Og i tillegg kommer det at innsatsen er høy i helsesektoren. Det er mye etterlevelse og regulering å ta hensyn til, og grunnleggende sett snakker vi om menneskers liv og helse som virksomhetens kjerne.

Det er dette som står på spill, og derfor er det verdt å bringe alle disse gruppene sammen og identifisere hvem som kan de riktige tingene, og hvem som kan lære opp og lære av hverandre, slik at vi blir et sterkere team som forstår hverandre, har empati, har jobbet sammen og kan følge opp noen av disse løsningene. De kan være rene AI-løsninger, kunstig intelligens kombinert med annen teknologi, AI kombinert med ulik medisinsk teknologi eller ganske enkelt prosessforbedringer.

For en enorm oppgave. Av nysgjerrighet – siden dette er et så stort program – hvordan begynner man i det hele tatt å måle denne endringen for å vite om den fungerer? Som bakteppe kan jeg nevne at organisasjonen min strever med dette. Vi ønsker å samle alle, vi ønsker å ha disse hackatonene. For bare noen måneder siden stengte vi ned i en hel uke for å utforske ulike AI-løsninger og forskjellige tilnærminger til hvordan vi kan bruke såkalt «vibe coding» i team.

Men hele veien tenker vi: Kommer dette til å være verdt det? Vi skal stenge ned. Vi skal bruke all denne tiden og energien på å få et slags resultat. Resultatet var ganske tydelig, men vi slet også med dette: Hvordan vet vi om det fungerte? Hvordan vet vi om det fungerer? Hva slags ting målte du, eller ble du bedt om å måle, for å finne ut om denne kryssopplæringen og de pedagogiske øktene fungerte, eller om hackatonene fungerte?

Deborah Ketai: Jeg skal innrømme at målingene var den vanskeligste delen av programmet for meg. Mye av dette skyldtes at noe av datagrunnlaget vi ønsket å følge opp, ganske enkelt ikke ble registrert i HR-systemene våre eller andre systemer. Det fantes for eksempel ingen måte å følge karrieremobilitet i HR-systemet på. Og fordi dette var et Fortune 5-selskap som i stor grad hadde vokst gjennom fusjoner og oppkjøp, fantes det fortsatt rester av gamle HR-systemer.

Den samme typen rolle hadde ofte 15 forskjellige stillingsbetegnelser eller stillingskoder på tvers av organisasjonen, og det gjorde livet svært vanskelig. Derfor måtte vi ofte basere oss på svært enkle mål eller stedfortredende mål – ikke den typen målinger man ønsker å bruke på lang sikt.

På lang sikt ville vi ha samarbeidet med HR for å registrere mer data, men vi måtte begynne med enkle ting som engasjement rundt innhold. Vi innførte ulike former for nettanalyse på sosiale medier, nettsiden og mikronettstedene. Vi registrerte selvfølgelig også ting som konferansedeltakelse. Vi var svært opptatt av å sørge for at AI-praksisfellesskapet vi bygget, var mangfoldig.

Det krevde alle mulige typer data, også da vi inviterte foredragsholdere til denne tre dager lange konferansen med fire spor. Vi måtte sørge for at presentatørene hadde ulikt kjønn, kom fra forskjellige geografiske områder rundt om i verden og representerte mange former for mangfold. Vi så også på alder. Og igjen var mye av disse dataene litt tilfeldige.

Mye av informasjonen manglet rett og slett, og noe var misvisende. Hvis programmet hadde fortsatt lenger – og dessverre ble det avsluttet tidligere av en rekke årsaker som ikke hadde noe med selve programmet å gjøre – tror jeg vi ville ha funnet måter å fastsette og følge opp data som var mer relevante.

Galen Low: Jeg liker tilnærmingen med å se på hva vi har å jobbe med, og hvordan vi kan bruke det til å måle fremdrift. Akkurat nå jobber jeg i en organisasjon der vi fortsatt kan ha oversikt over medarbeiderne våre – ikke fysisk, men i den forstand at vi vet at denne personen er god på x og y.

Vi har ikke et omfattende HR-informasjonssystem. Denne typen kompetansematrise er ikke formalisert i særlig grad. Vi vet bare at denne personen ville vært god, at vedkommende kan sakene sine, og at kanskje hun eller han kan holde en lunsj-og-lær-økt. Når du snakker om virksomhet i stor skala, tenker jeg på da jeg jobbet i et konsulentselskap med 500 000 ansatte.

Det ligner nesten mer på en massemarkedsmodell. Når du planlegger en ekstern konferanse eller bygger en plattform for sosiale medier og ser etter engasjement, ser du etter ting som billettsalg og deltakelse. Du må se på disse dataene samlet, og så håper du at folk fyller ut undersøkelsen på vei inn eller ut om hvem de var, hvem de er og hva de liker å gjøre. Det er dataene du må jobbe med.

Jeg liker tanken på at hvis programmet hadde fortsatt, ville man absolutt kunne utviklet dette videre. Jeg tror også det er riktig å ha et HR-system med mer strukturerte og ryddige data om folk og hva de er gode på, slik at man kan ta beslutninger om fellesskap og arrangementer, men også om bemanning. På den skalaen trenger man nesten kunstig intelligens for å bygge neste generasjon av interessentidentifikasjon.

Men jeg liker at det faktisk er signalbasert. Man prøver ikke å grave for dypt i data man ikke har, ønsker seg at man hadde dem og blir handlingslammet av det. I stedet er man kreativ og arbeider med det man har. Det du sa om stillingsbetegnelsene og stillingskodene – for et rot. Jeg har jobbet i organisasjoner der fusjoner og oppkjøp er en ukentlig rutine, og det er så rotete og så mange elementer at man spør seg: Hvordan vet vi egentlig hvem vi har nå?

Men jeg kan virkelig forstå arbeidet med å finne ut hvem som gjør hva, hvem som bør sitte ved bordet, hvem som kan holde innlegg på arrangementet, og hvordan man unngår å glemme noen.

Deborah Ketai: Nettopp. På den annen side har man, når man arbeider med en teknologirelatert endring, fordelen av å ha brukerstatistikk og analyser av ulike slag. I det minste kan man bruke dette til å finne ut hvem som bruker Hugging Face eller hva det måtte være.

Galen Low: Er Hugging Face et verktøy?

Deborah Ketai: Hugging Face tilbyr små områder der man kan lage sine egne generative AI-modeller.

Galen Low: Ok. Riktig, riktig. Tankene mine gikk rett til «Alien»-filmene til Ridley Scott. Det er som romvesener som hopper opp og griper tak i ansiktet ditt. Jeg tenkte: Det er nok ikke det Deborah mener.

Deborah Ketai: Det var sannsynligvis det grunnleggerne så for seg, ikke sant?

Galen Low: Ja, nettopp. Kunne vi hatt en ting som hopper ut av skjermen og suger data ut av hjernen deres? Det slår meg at du er svært engasjert i endringsledelse, og at det ikke bare gjelder endringsledelse knyttet til kunstig intelligens. Du har jobbet med initiativer innen mangfold, rettferdighet og inkludering, og med andre datainitiativer.

Jeg er nysgjerrig: Må endringsledelse behandles annerledes når det gjelder kunstig intelligens, eller er det egentlig det samme rammeverket som ved andre typer organisatoriske endringer?

Deborah Ketai: Det finnes noen forskjeller. For det første vil alt som har med kunstig intelligens og maskinlæring å gjøre, bevege seg stadig raskere etter hvert som tiden går.

Læringskurven er eksponentiell. Jeg tror personer som skal lede endringsinitiativer, prosjekter eller programmer innenfor AI-området, må få en forståelse av grunnlaget: dataprosesser, infrastruktur og samsvar med strategiske mål. Når det gjelder endringsledelse, trenger man alltid støtte fra toppen.

Man trenger støtte fra mellomledelsen, fordi de skal kommunisere «hva får jeg ut av dette?». Og man trenger mekanismer som gjør at medarbeidere på grunnplanet kan føre ideer og holdninger tilbake opp til toppen. Det finnes også spørsmålet om motstand mot kunstig intelligens som konsept, enten det er den umiddelbare refleksen: Er jobben min trygg? Svaret er kanskje, kanskje ikke.

Er noens jobb trygg i vår tid? Det finnes manglende forståelse. Det er ofte mangel på åpenhet, både rundt bruken av kunstig intelligens i en virksomhet og rundt verktøyene i seg selv, hvordan de tar beslutninger, eller – hvis man lar dem ta beslutninger – hvordan de kommer frem til resultatene sine.

Det finnes mye frykt og mange risikoer, og derfor tror jeg det finnes et eget område innenfor endringsledelse for personer som arbeider med AI-relaterte endringsinitiativer. Men de grunnleggende prinsippene for endringsledelse er de samme, uansett.

Galen Low: Det gir mening for meg når det gjelder tingene du nevnte om støtte og åpenhet.

Ja. Det som virkelig traff meg, var tempoet i endringen, og at det ikke bare er én endring. I organisasjoner jeg har jobbet i tidligere, har det vært et endringsledelsesteam. De håndterer én endring, trekker seg tilbake og kommer tilbake når de trengs til neste store endring.

Men det vi snakker om her, er kontinuerlig endring på et slags ustødig grunnlag. Jeg vil ikke si skjelvende grunn, men det du sa om jobbsikkerhet og frykt for teknologien, samt den svarte boksen når teknologien tar beslutninger, er ting som forsterker hvordan folk opplever endring.

Og dette forsterkes av at det ikke tar slutt. Jeg overdriver kanskje metaforen, men jeg ser for meg «Hunger Games». Hvis det bare var én runde, og man kom gjennom den, kunne man tenke: Da er jeg trygg for alltid. Men slik er det ikke. Det er kontinuerlig endring.

Jeg har en gang fått kritikk for å si «konstant endring», for konstant betyr jo uansett hva det betyr, men det kontinuerlige aspektet ved endringen gjør den komplisert. Det er ikke lenger lineær endringsledelse. Det er syklisk. Det er en endringssyklus som nesten må ledes kontinuerlig, fordi endringen ikke har stoppet.

Deborah Ketai: Nettopp. Selv innenfor de enkelte AI-innsatsene skjer det kontinuerlig endring. Dataene dine endrer seg over tid. Det er alle mulige ulike ting som prosjektlederen, endringslederen eller begge må ta hensyn til, og som er annerledes basert på vitenskapen som inngår.

Men som jeg sa, er dette et ganske lite område sammenlignet med grunnlaget for prosjektledelse og endringsledelse. Det er det samme.

Galen Low: Ja, rammeverkene er de samme. Det som fyller dem, vil alltid være forskjellig. Vi kunne vel ikke gjøre det for enkelt for oss selv? Det blir ikke likt hver gang. Det vil finnes nyanser og kompleksitet knyttet til hvilken type endring det er.

Deborah Ketai: En av kompleksitetene som jeg tror folk først nå begynner å innse, er at kunstig intelligens i økende grad, særlig generativ AI, selv er en interessent. Den har sine egne – du vet – vi oppdager at den har egne mål og holdninger, og at den vil handle annerledes og noen ganger i strid med det du ønsker, basert på disse indre realitetene.

Galen Low: Det er interessant. Jeg liker virkelig det. Vi har snakket i fellesskapet om å legge AI-verktøyene inn i kommunikasjonsplanen for prosjektet, fordi de blir en kilde til sannhet eller informasjon. Derfor må vi kommunisere oppdateringer til dem. Vi må laste opp møtereferater og lignende til verktøyene vi bruker, slik at de er oppdatert.

Jeg liker hele forestillingen om at de har egne holdninger og perspektiver. For to år siden ville dette vært science fiction, men det er det egentlig ikke. Vi snakker om agentiske arbeidsflyter. Vi snakker om å arbeide mot generell kunstig intelligens.

Vi er ikke der ennå, men allerede nå må vi ta hensyn til dette, fordi det er slik teknologien er bygget. Særlig i tilfellet generativ kunstig intelligens er den laget for å tilpasse seg den enkelte brukerens preferanser, men kanskje også oppføre seg annerledes overfor en annen bruker. Det er vel egentlig slik mennesker fungerer også.

Jeg liker tanken på at dette må tas med i betraktningen: at AI er en interessent, at den selv endrer seg, og at den på en måte selv trenger endringsledelse for å forstå endringene som skjer rundt den.

Deborah Ketai: Jeg tenker på det omtrent som troen på Gud. Jeg mener ikke at du må tro på Gud.

Jeg mener heller ikke at du må tro på generell kunstig intelligens for å erkjenne at verden – eller måten kunstig intelligens oppfører seg på – kan være som om den hadde en personlighet eller som om det fantes en guddommelig plan. Derfor må du ta disse tingene med i beregningen og se hvordan du kan begrense, veilede og så videre, eller risikere å bli overkjørt av hendelser og situasjoner du ikke har kontroll over.

Galen Low: Jeg føler at vi må lage noen t-skjorter der det står: «AI handler på mystiske måter.» Det er ikke direkte usant. Hele tiden har jeg tenkt på deg og bakgrunnen din, rollen din som programleder og endringsleder.

Du er dypt involvert i prosjektlederfellesskapet, og i mitt fellesskap finnes det folk som blir bedt om å ha en slags dobbel rolle. De skal være både prosjektledere og endringsledere. Med andre ord blir rollene som prosjektleder og endringsleder slått sammen, og fra vårt ståsted ser det ut til å bli stadig vanligere.

Jeg vil gjerne høre hva du tenker, siden du har erfaring med dette. Trenger alle prosjekter endringsledelse, og må alle prosjektledere forstå endringsledelse?

Deborah Ketai: Nei, ikke alle prosjekter krever endringsledelse. Det ortodokse synet er i hovedsak at et prosjekt som er komplekst, og som risikerer å ikke realisere gevinstene sine hvis folk ikke tar det i bruk etter implementeringen, er et prosjekt som trenger endringsledelse. Jeg snakker ikke bare om teknologiprosjekter.

Jeg tror ikke det er rimelig å forvente at prosjektledere skal være endringsledere, men det blir normen i mange organisasjoner.

Ferdighetssettene er forskjellige, men overlapper. Det jeg vanligvis fokuserer på, er at grunnen til at man bør ha separate roller, handler om tidslinjene. Tradisjonelt får ikke prosjektledere muligheten til å følge opp og virkelig sørge for at en endring blir varig.

Galen Low: Interessant. Ja.

Deborah Ketai: Det er virkelig avgjørende.

Så med mindre prosjektkontoret, driftsavdelingen eller den som styrer prosjektledelsesprosessen, er villig til å anerkjenne og finansiere prosjektledernes mulighet til å sikre at endringen blir varig, tror jeg ikke det gir mening å la prosjektledere utføre endringsledelse. Men ja, de må forstå hverandre.

Jeg tror det kommer til å bli stadig vanligere og mer nyttig å ha integrerte planer for prosjektledelse og endringsledelse, og for prosjektledere som enten blir tvunget til eller ønsker å utføre endringsledelse. Det finnes noen ting som ville vært svært nyttige for dem å lære. Noen av dem er grunnleggende konsepter.

De må forstå at vellykket endring må komme fra toppen, bunnen og midten av virksomhetens hierarki. De må forstå at de, avhengig av organisasjonen, kan trenge å tre inn i rollen som kommunikasjonsleder. De kan trenge å samarbeide med virksomhetens funksjon for læring og utvikling, eller til og med fylle den rollen selv.

Hvis virksomheten ikke har en slik funksjon, kan de måtte etablere eller redesigne prosesser. Dette er ting som ikke nødvendigvis er et sterkt fokus for de fleste prosjektledere. De finnes i prosjektledelse, men er ikke et hovedfokus i samme grad som de er for endringsledere. Det andre er at både.

Individuelle prosjektledere og prosjektlederorganisasjoner må være villige til, og forplikte seg til, å legge ned mye tid og innsats på forhånd i ulike typer vurderinger. Det gjelder interessentvurderinger, konsekvensvurderinger og beredskapsvurderinger. Uten disse kommer endringen ikke til å lykkes.

Adopsjonen kommer ikke til å lykkes, eller den vil lykkes i begynnelsen og deretter gli tilbake.

Galen Low: Jeg liker det tidsmessige aspektet. Og selv helt i begynnelsen, da du snakket om oppdraget ditt og hverdagen din, var det nesten som om det var zoomet så langt ut at det ble grunnleggende og nesten.

Det var i seg selv et initiativ, som riktignok kan kalles et prosjekt, men det la også grunnlaget for å sette i gang andre prosjekter. Å koordinere hackatonet ville for eksempel vært et prosjekt, ikke sant? Da ville man ideelt sett hatt noen som kom inn, tok ledelsen og leverte det, og deretter gikk ut igjen.

Du gjorde alt dette innledende grunnarbeidet for å etablere endringen, og etterpå kommer det en periode som er lengre enn et prosjekt, der endringen må måles. Når vi snakker med folk i Project Management Institute, er et av de store fokusområdene nå å skape resultater og gjøre mer enn bare å styre den klassiske trekanten. Vi skal ta større ansvar for verdien vi leverer.

Jeg tror dette også inngår i argumentet: Vi er ikke alltid til stede for å se endringen utfolde seg. Setter vi oss opp for å lykkes hvis vi bare går videre til neste prosjekt og faktisk ikke har noe å gjøre med hvordan virkningen måles over tid?

Er disse tingene i det hele tatt forenlige? Jeg vet ikke engang om dette er et spørsmål.

Deborah Ketai: Jeg tror det finnes et par tanker der. En som dukker opp, er at et av de grunnleggende prinsippene i den første satsingen på smidig arbeidsmetodikk var dedikerte team. Det var noe av det første som forsvant da metoden faktisk ble implementert i de fleste store organisasjoner. Faktum er at noen må være dedikert til å følge opp alt dette.

Du kan kalle dem en del av teamet. Du kan kalle dem et team som sitter litt over det hele og kommuniserer med teamene som kommer og går, men noen må gjøre det.

Galen Low: Jeg liker at du tidligere rammet det inn som en investering.

Med andre ord må et lederteam være villig til å investere i en dedikert person eller et dedikert team som har oversikt over dette. Jeg tenker på tiden min i konsulentbransjen, der vi hadde en helt egen divisjon som arbeidet med endringsledelse som et separat lag.

Nå begynner jeg å forstå hvorfor: Deres aspekt var annerledes. De startet tidligere og avsluttet senere når det gjaldt å lede endringen og måle virkningen av den. Samtidig ville det sannsynligvis vært en lite levedyktig investering for en virksomhet å si: Vi beholder prosjektteamet for å sitte og måle resultatene de neste 18 månedene uten å gjøre noe annet.

De må videre. Jeg liker tanken på at investeringen kan være en dedikert person eller gruppe som følger opp endringen, og at den anbefalte retningen kanskje ikke er at prosjektledere også skal være endringsledere. Kanskje de kan bytte på – være endringsleder i ett initiativ og prosjektleder i et annet, én rolle om gangen.

Ikke begge samtidig, for det er vanskelig å være ansvarlig for å måle virkningen hvis man bare går videre til et nytt prosjekt etter at et prosjekt er satt i drift. Det får meg kanskje til å zoome litt ut, og jeg tenker på rollen til en prosjekt- eller programleder.

Fra ditt perspektiv, hvordan tror du rollen som programleder vil utvikle seg de neste tre til fem årene? Og hvilke ferdigheter bør prosjektledere fokusere på i dag for å være klare når det skjer?

Deborah Ketai: For programledere – og med programleder skal jeg definere rollen for akkurat dette spørsmålet – mener jeg en person som leder et sett av relaterte prosjekter. Som helhet kan programmet ha en definert start- og sluttdato, men det trenger ikke å ha det. Det kan være noe som pågår kontinuerlig.

Jeg tror programledere må komme nærmere stedet der strategien utformes, og være i stand til å påvirke strategien. De må få toppledelsen til å tydeliggjøre prioriteringer og mål, og være åpne om hvor det sannsynligvis finnes manglende samsvar, og hvor investeringer sannsynligvis ikke vil gi riktig avkastning.

De må også kunne si hvor avkastningen sannsynligvis vil være viktig på lang sikt, men ikke gi ti ganger avkastning i neste regnskapsår. Men det er fortsatt viktig. Jeg tror også programledere må fokusere mer på virksomhetsrisiko, og med risiko inkluderer jeg både de klassiske negative risikoene og mulighetene.

Galen Low: Jeg liker at du tok med det, for det er ikke mange som gjør det. De mulighetsorienterte, positive risikoene. Og ærlig talt gir det mening, særlig med den definisjonen. Jeg er glad du definerte rollen på forhånd, for jeg tenker på en rolle der du er programeier, og programmet ditt ikke begynner og slutter.

Det er ikke bare en samling prosjekter som du vet vil avsluttes på en bestemt dato. Du eier faktisk dette programmet og har perspektivet som trengs for å se forbi en bestemt dato og tenke på forretningsstrategien. Spørsmålet mitt er: Har du opplevd at lederteam ønsker programledere ved det strategiske bordet? Eller må programledere som ønsker å være mer strategiske, kjempe med nebb og klør for å bli invitert? Og hvis det er slik, hvordan ser reisen ut?

Deborah Ketai: Jeg skal bruke det klassiske prosjektledersvaret: Det kommer an på. Det kommer an på lederen og på organisasjonskulturen.

Jeg tror også vi ofte må være proaktive. Vi kan ikke bare anta at hvis vi ikke blir invitert inn tidlig, så er det fordi de ikke vil ha oss der. Noen ganger har ingen tenkt på det. I løpet av de neste tre, fem eller ti årene kommer det derfor til å bli stadig viktigere for prosjekt- og programledere å bygge relasjoner, både på grunn av AI-virkningene på arbeidsplasser generelt og fordi de må komme stadig nærmere kilden til makt og visjon.

Jeg tror også at de mest vellykkede prosjekt- og programlederne de neste tre til fem årene kommer til å være de som visker ut grensene mellom virksomhet og IT. De som kommer fra en IT-bakgrunn, må virkelig lære hva som får virksomheten og bransjen deres til å fungere. De som kommer fra en forretningsbakgrunn, må lære noe om hva som gjør det mulig for de ulike delene av virksomheten å dele data og informasjon.

Hvis det er helsesektoren, må de forstå hvordan man behandler krav og samler inn penger. De må forstå det grunnleggende i alle disse tingene, og derfor kommer grensen til å bli mer utydelig etter hvert.

Galen Low: Jeg liker hvor pragmatisk dette nesten er. Det finnes mange innlegg på LinkedIn og andre medier som nesten sier at du må slå på en bryter i morgen og bli en strategisk leder og sitte ved bordet med en gang.

Men jeg setter pris på synet ditt. Det tar tid. Du må være den personen som peker på risikoer og viser at du forstår virksomheten, eller viser at du forstår teknologien i den nåværende rollen din, og deretter strekke deg opp og gli inn i den neste rollen.

Jeg synes dette er et realistisk syn på hvordan dette skiftet faktisk skjer. Alle sier at kunstig intelligens kommer til å løfte alle opp på et høyere nivå, og så stopper vi der. Men ingen av oss vet egentlig hva det betyr. Det betyr at vi må begynne å bygge disse ferdighetene nå.

Vi må begynne å bygge disse relasjonene nå. Det er ikke slik at man ikke er ønsket ved bordet; folk vet bare ikke ennå at man bør være der. Det tar tid. Deretter får man forhåpentligvis perspektivet og kapasiteten til å se ting gjennom et forretningsstrategisk og teknologisk strategisk perspektiv, ikke bare gjennom prosjektomfang og prosjektbudsjett.

Deborah Ketai: Nettopp. Tenk på det i forbindelse med ditt eget liv som prosjektleder. Du vet allerede at det finnes andre som ikke blir invitert inn tidlig nok, enten det gjelder testteamet eller folk innen etterlevelse og sikkerhet. Vi har alle dette problemet med ikke å være med tidlig nok i samtalen.

Hvis du trenger en vei inn i den verdenen, kan det noen ganger være nyttig ganske enkelt å be om å bli invitert til møter og love at du bare skal være flue på veggen. Du skal ikke delta aktivt. Men vær i det minste til stede, og ha møter på et nivå over din nærmeste leder, slik at du kan begynne å la ideene eller bekymringene dine sive oppover.

Galen Low: Jeg liker det. Det bringer oss nesten tilbake til begynnelsen, til det du snakket om: å få de riktige perspektivene og den riktige kompetansen inn i samme rom, la dem utveksle kunnskap og lære på tvers, og bygge fellesskap. Hvis vi alle klarer å se ting fra hverandres perspektiv, eller begynner å se ting litt fra samme perspektiv, er det en kraft som løfter alle båtene.

Det er det som skaper samhørighet. Det gir oss muligheten til å arbeide sammen på en samordnet måte, håndtere endringene foran oss og møte utfordringene foran oss raskt og i stor skala.

Deborah Ketai: Enig.

Galen Low: En fin liten avslutning. Deborah, tusen takk for dette. Bare for moro skyld: Har du et spørsmål du vil stille meg?

Deborah Ketai: Det har jeg. Jeg vet ikke om du kommer til å ha lyst til å svare på det, men hva er én ting du gjerne skulle gjort med kunstig intelligens, men enten er redd for å gjøre eller ikke vet hvordan du skal gjøre?

Galen Low: Å, herregud. Listen er lang, men jeg er svært fornøyd med hvordan mange av de generative AI-verktøyene mine fungerer som en samtalepartner for tanker. Jeg har ennå ikke sluppet dem løs til å være autonome – ikke bare agentiske arbeidsflyter, men mer som å tenke på hva jeg ville gjort hvis jeg hadde en prosjektkoordinator eller en menneskelig assistent på min side som kunne ta en oppgave og løpe med den med begrenset veiledning.

Jeg vet at det er dette mange prøver å bygge, men slik jeg ser det nå, handler mange av de agentiske arbeidsflytene mer om intelligent automatisering enn om å ta handling. Det er nesten en blanding. Jeg skulle ønske jeg kunne «prompte» assistenten min til å gå og gjøre noen ting på tvers av forskjellige verktøy.

Jeg tenker på ting som agentmodus i ChatGPT, og kanskje må jeg leke mer med det. Men dette er en slags administrasjon på tvers av verktøy, på forespørsel og når det skjer, ikke nødvendigvis noe som sitter i bakgrunnen som en AI-agent og gjør jobben sin.

Jeg ønsker meg en mer allsidig assistent som er delvis autonom og delvis styrt av instrukser – en blanding som kan gå ut og spare meg for litt av tiden. Jeg vet ikke om det er et veldig vagt svar, men jeg befinner meg mellom folk som bygger apper med såkalt «vibe coding», folk som bygger agenter som bare arbeider i bakgrunnen og gjør ting og tar beslutninger på egen hånd, og det å skrive instrukser.

Det er ikke helt det samme som å ha en menneskelig assistent. Hvis jeg hadde en menneskelig assistent som kunne gå ut og ta seg av oppgaver for meg, ville det vært flott. Jeg ville gitt vedkommende instrukser. Personen ville tatt noen beslutninger selv og kommet tilbake. Kanskje det er slik folk bygger agenter nå, men jeg har bare ikke sett det ennå.

Deborah Ketai: Ja. Det som holder meg tilbake, er ærlig talt manglende tillit til hvor dataene mine kommer til å havne.

Galen Low: Er det den svarte boksen igjen? Kanskje dette er en helt annen episode, men jeg tror det er noe som får alle til å stoppe opp. Jeg leste en artikkel, men jeg husker ikke hvor den var fra, og hvis jeg kommer på det, legger jeg den i programnotatene.

Det handlet om at bruken ikke øker eller kanskje begynner å falle. Jeg husker ikke ordet, men folk treffer en vegg et sted. De begynner å bruke kunstig intelligens, og på et visst tidspunkt er det bare en viss prosent som bruker det til disse typene oppgaver eller med denne hyppigheten.

Jeg tror én av grunnene ikke nødvendigvis bare er teknologien eller forståelsen av den, men tillit og åpenhet rundt datastyring og etterlevelse. Hvor havner dette? Hva har jeg lov til å gjøre? Kan jeg koble sammen alle disse tingene, og er det trygt?

Bare tanken på dette, før man i det hele tatt setter i gang, skaper nøling. Jeg kjenner meg helt igjen i det. Jeg tenker også: Hva om den gjør det feil? Hva om den sender data overalt? Alt dette skjer i en svart boks. Det kan gå galt før det faktisk skaper en fordel.

Deborah Ketai: Jeg var nylig på en regional lederkonferanse i PMI, og en av arbeidsøktene handlet om kunstig intelligens og prosjektledelse. Et av spørsmålene som kom opp, var om det er etisk å la AI legge til rette for e-postutsendelser til medlemmene i avdelingene.

Galen Low: Interessant.

Deborah Ketai: Konklusjonen på diskusjonen var at det i utgangspunktet ikke var etisk hvis det innebar å frigi medlemmenes data.

Galen Low: Riktig. Ok.

Deborah Ketai: Ut i tomrommet. Med mindre man brukte et helt internt verktøy, var svaret altså nei.

Galen Low: Er det ikke interessant hvordan det alltid kommer tilbake til sikkerhetsrammer som vi mennesker ikke fullt ut forstår selv? Det er vanligvis skjønnsmessige beslutninger, og så finnes det retningslinjer og styring. Men vi stoler ennå ikke på oss selv og teknologien vår når det gjelder å bygge disse sikkerhetsrammene og sette dem på plass slik at vi får den tilliten.

Det er svært interessant. Jeg vil gjerne komme tilbake til dette. Jeg er alltid interessert i ideer og eksempler på hvordan kunstig intelligens brukes i prosjektledelse og ellers, og også i hva som får oss til å stoppe opp og hvilke hindringer vi møter. Ofte er det ikke teknologien, men etikken.

Deborah Ketai: Ja.

Galen Low: Og tilliten.

Det er så interessant.

Deborah, tusen takk for at du tok deg tid til å snakke med meg i dag. Jeg hadde det veldig hyggelig. For dere som lytter: Hvor kan folk lære mer om deg?

Deborah Ketai: Ta gjerne kontakt med meg på LinkedIn. Jeg er den eneste Deborah Ketai på LinkedIn. Og hvis du har mulighet til å legge til en melding, kan du nevne DPM-podkasten.

Galen Low: Flott. Jeg legger ved en lenke til LinkedIn-profilen din.

Jeg er glad for at du er den eneste Deborah Ketai. Jeg er én av to Galen Low på LinkedIn, så akkurat nå er jeg misunnelig. Men jeg legger ved lenken i programnotatene, slik at folk kan komme i kontakt med Deborah.

Deborah, tusen takk igjen.

Deborah Ketai: Tusen takk, Galen.

Galen Low: Det var alt for dagens episode av podkasten «The Digital Project Manager». Hvis du likte denne samtalen, må du abonnere der du lytter. Hvis du ønsker enda flere praktiske innsikter, casestudier og spillebøker, kan du gå til thedigitalprojectmanager.com. Til neste gang – takk for at du lyttet.