De praktiske KI-arbeidsflytene som brukes av leveransesjefen i et Asana-implementeringsbyrå
Brandon Llewellyn, leveransesjef i Asana-implementeringsbyrået Cirface, deler praktiske eksempler på KI-drevne arbeidsflyter som forvandler prosjektgjennomføringen.
KI som et strategisk lag, ikke en erstatning: KI automatiserer taktiske oppgaver og fremskynder innhentingen av kontekst, men menneskelig dømmekraft, kreativitet og samkjøring er fortsatt avgjørende for god leveranseledelse.
Utvikling av arbeidsflyter uten å erstatte ritualer: Verktøy som Asana og Fellow effektiviserer prosjektgjennomføringen, mens KI forbedrer ritualer som kartlegging, prosjektbeskrivelser og onboarding i stedet for å erstatte de grunnleggende leveransepraksisene.
Agentiske resultater er utkast, ikke beslutninger: Agentiske arbeidsflyter bør bare ses på som utgangspunkter. Vellykkede team videreutvikler, validerer og tilpasser fortsatt arbeidsflytene basert på kundens kontekst og dynamikken mellom interessentene
Å være tett på frontlinjen som leveranseansvarlig
Jeg er leveranseansvarlig i Cirface. Vi er et byrå som implementerer Asana, og som installerer prosesser og arbeidsflyter for store virksomheter – kundene våre inkluderer kjente navn som PayPal, Cloudflare, MLB og LA Rams.
Min rolle er å lede leveranseteamet vårt: konsulentene våre som står i frontlinjen sammen med kundene våre. Jeg har ansvar for å måle data om prosjektlønnsomhet, utnyttelsesgrad og ressursallokering, samt leveranseprosesser og arbeidsflyter.
Selvfølgelig har jeg også ansvar for å etablere tilbakemeldingssløyfer i byrået vårt, slik at vi hele tiden videreutvikler tjenestene våre og lærer både av leveransene som treffer blink og de sporadiske feilskjærene.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Slik endrer kunstig intelligens rollene innen prosjektleveranse
I Cirface bruker vi langt mindre tid på små, taktiske oppgaver enn tidligere. Alt som kan automatiseres i Asana, blir nå håndtert for oss. Denne endringen begynte allerede før boomen innen kunstig intelligens, med Asanas innebygde regler og automatiseringer, men kunstig intelligens har lagt til et helt nytt lag.
Verktøyet kan nå bruke resonnering og kontekst, noe som betyr at det kan ta over mer av den innledende tenkingen og organiseringen før jeg går inn som menneskelig bruker.
Du trenger egentlig ikke å sette dette opp selv. Tradisjonelle Asana-regler er binære: utløser, valgfri betingelse og handling.
Med kunstig intelligens blir logikklaget smartere fra start. I stedet for «hvis prioritet = høy, gjør X», kan du fortelle kunstig intelligens hva høy, middels eller lav prioritet innebærer med naturlig språk, og til og med legge ved dokumenter som retningslinjer for merkevaren, før du lar den ta avgjørelsen.
Kunstig intelligens bruker deretter resonnering og kontekst på måter statiske regler aldri kunne, noe som betyr at den kan håndtere den innledende tenkingen og sende et mer presist resultat videre til teamet.
Som et resultat har fokuset mitt endret seg. Jeg bruker mer tid på å utforme og forbedre disse arbeidsflytene drevet av kunstig intelligens, samtidig som jeg får tilbake en mengde timer som tidligere gikk tapt til repetitiv utførelse, som å følge med på nøkkeltall.
Dette frigjør tid slik at jeg kan konsentrere meg om arbeid med høyere strategisk verdi, som å forbedre leveranseprosesser, støtte teamet og sørge for at prosjektene totalt sett gjennomføres mer effektivt.
De samme metodene som før – bare enklere
Metodene våre har altså egentlig ikke endret seg, men måten vi gjennomfører dem på, har blitt enklere.
Her er et eksempel. Med Asana er oversikt over status og prioriteringer allerede innebygd, så vi trenger ikke daglige møter eller konstante oppdateringer. Kunstig intelligens tar dette ett skritt videre.
Asana inkluderer nå en statusoppdatering for prosjekter med støtte fra kunstig intelligens. Se for deg et delt prosjekt der kreative medarbeidere og utviklere jobber sammen for en kunde. Oppgaver kommer inn, kommentarer hoper seg opp, og det finnes deloppgaver, avhengigheter, vedlegg og alt det vanlige kaoset.
Vanligvis velger du en status (I rute, I fare eller Ute av rute) og skriver deretter et sammendrag: hva som har skjedd, hindringer, neste steg, handlingspunkter og hvem som trenger hva. Det er nyttig, men hvis du håndterer ti eller flere prosjekter, er det et slit å skrive disse ukentlige oppdateringene.
Her kommer «Utarbeid med kunstig intelligens» inn. Når du starter en statusoppdatering, kan Asana skanne hele prosjektets historikk, inkludert fullførte oppgaver, kommentarer, deloppgaver, avhengigheter og vedlegg. Deretter lager den et førsteutkast som forklarer med et enkelt språk «hvordan det går» og «hva som skjedde forrige uke». Du beholder oversikten som menneskelig redaktør: gå gjennom utkastet, juster tonen, legg til eventuelle nyanser og publiser.
Det er enkelt: kunstig intelligens i arbeidsflyter gjør det tunge arbeidet, mens du bidrar med vurderingsevnen. For alle som lager regelmessige statusrapporter på tvers av flere prosjekter, kan dette enkelt spare en time eller to hver uke uten at det går på bekostning av tydeligheten for teamet eller ledelsen.
I kartleggingsfasen med kunder tar vi ofte imot enorme mengder informasjon: flere avdelinger, dusinvis av brukere, forgrenede prosesser, regneark og videodemonstrasjoner. Det kan føles som å drikke fra en brannslange.
Nå kan vi bruke sikker programvare for prosjektstyring med kunstig intelligens til å organisere denne informasjonen, slik at vi får både oversikten fra 10 000 meters høyde og de fine detaljene. Den gjør det også mulig for oss å finne frem til ting vi allerede har diskutert, uten å måtte gå tilbake til kunden.
Denne balansen mellom tydelighet og effektivitet har vært banebrytende. Det overraskende er hvor raskt AI i profesjonelle tjenester har blitt en selvfølge; jeg vet helt ærlig ikke hvordan jeg jobbet uten det.
Det overraskende er hvor raskt AI har blitt en selvfølge; jeg vet helt ærlig ikke hvordan jeg jobbet uten det.
AI-arbeidsflyter fra virkeligheten som sparer leveringstid
En vanlig utfordring i arbeidsflyter er manglende informasjon ved innsending. Tenk for eksempel på et designteam, der forespørsler kan komme fra hvilken som helst avdeling. For å gjøre jobben sin godt trenger designere detaljer som pikselmål, fargepaletter, inspirasjonseksempler og tidsfrister. Uten dette går prosessen saktere.
Vi løste dette ved å bygge en AI-drevet arbeidsflyt i Asana som gjennomgår innsendinger før de når et menneske. Hvis viktige detaljer mangler, markerer AI-en forespørselen, avviser den og merker innsenderen slik at manglene kan fylles ut. Først når oppgaven har bestått denne kontrollen, sendes den videre til en designer.
Dette har fjernet den frem-og-tilbake-kommunikasjonen som tidligere kastet bort tid. Det har også beskyttet designerne mot å bli overveldet av ufullstendige forespørsler. Nå ser de bare arbeid som er ferdig forberedt og klart for dem, noe som har gjort prosessen både raskere og mindre frustrerende.
Trinnvis prosess for å legge til AI-kontroller
Her er en trinnvis prosess for å bruke regelbyggeren i Asana AI Studio til å legge til AI-kontroller:
Aktiver AI Studio
Kontroller at AI-funksjonene er slått på i administrasjonskonsollen.
Dette fungerer bare med gjeldende Business-/Enterprise-abonnementer (ikke eldre abonnementstyper).
Opprett en ny AI-regel
Gå til Tilpass → Regler → Legg til regel i prosjektet.
Velg den forhåndsbygde regelen «AI Studio → Se etter manglende informasjon».
Definer utløseren
Vi brukte «Når en oppgave legges til i prosjektet» (vanligvis en skjemainnsending).
Du kan avgrense den til alle oppgaver eller bare oppgaver fra et bestemt inntaksskjema.
Legg til AI-instruksjonene («ledeteksten»)
AI Studio-agenter fungerer som små GPT-er; du forteller dem nøyaktig hvordan et godt resultat skal se ut.
Vår grunnleggende definisjon av «tilstrekkelig informasjon» omfattet:
Tydelig beskrivelse av forespørselen
Forfallsdato eller tidsramme
Avhengigheter til annet arbeid
Vi tilpasset dette ytterligere for å gjenspeile den kreative prosessen vår (for eksempel mål, målgruppe og videostil).
Konfigurer handlingene
Hvis det mangler informasjon, gjør AI-en følgende:
Legger til en kommentar med spørsmål for å få mer klarhet (maks. 3–5 spørsmål).
Oppretter en deloppgave som tildeles tilbake til den som sendte inn forespørselen, slik at ingenting blir glemt.
Hvis det finnes tilstrekkelig informasjon, går oppgaven ganske enkelt videre.
Velg modell
Til dette bruksområdet brukte vi en liten og rimelig modell (GPT-4o Mini), siden den bare klassifiserer og stiller spørsmål, og ikke utfører omfattende analyse.
Større modeller (Claude Opus, Sonnet 4) er unødvendig kraftige med mindre du trenger resonnering på tvers av dokumenter eller komplekse sammendrag.
Test med en eksempelinnsending
Vi sendte inn et vagt skjema («Trenger en ny video til en global kampanje»).
AI-en markerte det som ufullstendig, ba om kampanjemål, målgruppe og stil, og opprettet en deloppgave som innsenderen skulle fylle ut.
Den viste til og med til oppdaterte beste praksiser innen markedsføring for å veilede forespørselen.
Det er slutten på prosessen. Den kontrollerer innsendingene våre for manglende informasjon og kobler inn innsenderen hvis noe mangler.
Salgsteamet vårt har brukt AI til å hente ut kontekst fra salgssamtaler og gjøre dette om til et utgangspunkt for å definere omfanget. Det sparer mye tid og gir leveranseteamet et bedre grunnlag før arbeidet i det hele tatt begynner.
Når det gjelder å holde alt samkjørt, drives dette imidlertid fortsatt først og fremst av vårt sentrale Asana-oppsett. Innsikt i status, prioriteringer og neste steg er det som holder alle på samme side, og AI erstatter ikke dette.
Der AI virkelig har gitt merverdi, er i sammendrag. Muligheten til å generere en rask oversikt over et prosjekt gjør det mye enklere å lære opp nye teammedlemmer eller omfordele arbeid når noen er borte, uten å måtte gi dem en manuell gjennomgang.
I praksis blir AI et støttelag rundt rutinene våre, i stedet for å erstatte dem. Det gjør innhenting av kontekst og kunnskapsoverføring raskere, mens den menneskelige siden fortsatt er avgjørende for samkjøring og beslutningstaking.
Agentiske arbeidsflyter: Utkast, ikke beslutninger
Agentiske resultater gir oss en struktur i utkastform, men leveranser i den virkelige verden krever fortsatt menneskelig bearbeiding.
Vi har også drevet med AI-eksperimentering med agentiske arbeidsflyter – på en enkel måte.
Som et første steg kan de være svært nyttige for å strukturere leveranser til kunder. Utfordringen er at AI sjelden får hierarki eller arbeidsflytdesign helt riktig. Og selv når den gjør det, finnes det alltid situasjoner fra virkeligheten som AI ikke tar høyde for.
Derfor behandler vi agentbaserte resultater som utgangspunkter i stedet for ferdige produkter.
De gir oss en første struktur vi kan reagere på, og deretter finpusser vi den med vårt eget skjønn og vår kunnskap om kunden. Det går bra, i den forstand at det sparer oss for tid i begynnelsen, men vi ser fortsatt det menneskelige laget som avgjørende for å komme frem til et fungerende system.
Inne i Cirfaces AI-først-leveransestakk
Den grunnleggende stakken vår er bygget rundt Asana for prosjektstyring, Harvest for tidsregistrering, Slack for samarbeid, Google Workspace, Fellow og Miro. Dette er konstantene som holder alt i bevegelse.
Det siste året har vi satset enda mer på Fellow, særlig som en AI-drevet notatskriver. Det har virkelig åpnet nye muligheter for å fange opp og strukturere samtaler uten å tilføre merarbeid. Faktisk er Fellow det verktøyet som sparer teamet vårt for mest tid.
Jeg har også begynt å bruke Notebook LM i enkelte tilfeller der jeg raskt må sette meg inn i og navigere gjennom store mengder informasjon.
Når det gjelder Miro som et verktøy for oppgavestyring, har utviklingen deres ikke vært sentrert rundt AI, men de har jevnlig lansert oppdateringer som gjør samarbeidet smidigere og mer intuitivt. Det har gjort verktøyet verdifullt i prosessen vår.
Rydding av rullebanen: Der AI tilfører mest verdi
Akkurat nå er områdene som egner seg best for AI-støtte, de som innebærer å samle inn, bearbeide og kontrollere informasjon. Vi får mye verdi fra AI-drevne briefer, sammendrag, oversettelser, oversikter og filtre som sikrer at ingenting mangler før arbeidet overleveres til et menneske.
Dette er den typen oppgaver som tidligere var repetitive og tidkrevende, men som nå håndteres på sekunder med langt færre feil. AI er fortsatt begrenset når det gjelder alt som krever reelt skjønn, kreativitet eller nyansering.
Det kan for eksempel være å forstå maktspillet mellom avdelinger, vurdere avveininger som påvirker interessenter ulikt, eller oppdage når kundens forespørsel ikke helt samsvarer med det kunden faktisk trenger. Denne typen resonnering krever fortsatt et menneskelig preg.
AI er best på å rydde rullebanen: Den tar seg av det tunge informasjonsarbeidet, slik at menneskene kan konsentrere seg om å tolke, gi råd og ta beslutninger som krever kontekst og empati.
Fremtidens AI-leveranser: Frykt kontra virkelighet
AI vil ikke erstatte prosjektledere eller leveranseansvarlige, men den vil endre rollene deres fullstendig. AI vil håndtere det meste av inputen, som å behandle data, utarbeide oppdateringer og se etter mangler, mens mennesker nesten utelukkende vil fokusere på resultatene med høyere verdi.
Det betyr at kreativitet, skjønn, empati og kontekstbasert beslutningstaking vil bli kjernen i leveranserollene.
Brandons tips
Frykten handler om å bli erstattet, men virkeligheten handler om orkestrering. AI vil kjøre systemene, mens mennesker fortsatt vil være de som veileder, godkjenner og samordner arbeidet på måter maskiner ikke kan.
Bruk AI uten å gi fra deg styringen
Mitt råd er å fortsette å teste og være åpen for å bruke AI som et verktøy for å gjøre arbeidet enklere.
Akkurat nå er dette en av de største mulighetene til å spare tid og frigjøre mental kapasitet, og jeg tror det snart vil bli et grunnleggende krav i de fleste digitale roller. Jo tidligere du blir kjent med teknologien, desto bedre rustet vil du være.
Og samtidig bør du stole på din egen vurdering. Alle sier «tilpass deg eller bli hengende etter», men ikke alle bruksområder gir mening, og ikke alle løsninger er pålitelige.
Målet er å bruke kunstig intelligens til å forbedre leveransen, ikke å overlate styringen fullstendig.
Ta kontakt!
Brandon tar gjerne imot direktemeldinger på LinkedIn fra alle som ønsker å diskutere videre eller få råd. Og sjekk ut Cirface!
You may also like
Continue Reading
Sign up to access the rest of this article, plus more insights, resources, and experiences.
Sign Up
Create a free account to access tools, playbooks, and peer insights shaping the future of project delivery
