De største utfordringene innen leveranseledelse i 2026
Integrering av kunstig intelligens: Kunstig intelligens er et aktuelt pressmoment for prosjektledere, og innføringen mangler ofte en tilstrekkelig strategi og beredskap.
Datautfordringer: Ustrukturerte og skjeve data undergraver effektiviteten til kunstig intelligens og krever bedre datastyring og datakompetanse.
Menneskelige bekymringer: Implementering av kunstig intelligens skaper uro i teamene rundt jobbsikkerhet, og krever at ledere håndterer tillit på en effektiv måte.
Ekspertparadokset: Dyp ekspertise er fortsatt avgjørende for effektiv bruk av kunstig intelligens, siden kunstig intelligens er avhengig av menneskelig mestring for å skape verdi.
Fokus på gjennomføring: Prosjekter mislykkes ofte i gjennomføringen på grunn av multitasking og overbelastning, ikke på grunn av dårlig planlegging.
Noe er annerledes med leveranser i 2026. Det handler ikke bare om at verktøyene har endret seg, eller at endringstakten har økt – det handler om at alle de store kreftene som forstyrrer hvordan organisasjoner opererer, ser ut til å ha ankommet samtidig. Kunstig intelligens har gått fra å være en kuriositet til å bli en operasjonell forventning i løpet av få år. Geopolitisk ustabilitet omformer markeder og forsyningskjeder. Leveransepresset har økt, selv om teamene er slankere og mer spredt enn noen gang. Og gjennom alt dette blir menneskene som har ansvaret for å få prosjekter til faktisk å skje, bedt om å navigere i et landskap som ingen veiledning fullt ut har kartlagt.
For å forstå hva dette øyeblikket egentlig krever, snakket vi med flere leveranseledere på tvers av bransjer. Her er tankene deres.
AI-oppgjøret – muligheter, uro og ubesvarte spørsmål
Kunstig intelligens er ikke lenger noe prosjektledere kan vurdere for fremtiden – det er et press som gjelder her og nå. Men i samtalene våre kom det frem en gjennomgående spenning: Begeistringen for AI har i betydelig grad løpt fra organisasjonenes beredskap til å bruke AI på en god måte. Spørsmålet er ikke lenger om man skal ta i bruk AI, men hvordan man gjør det på en ansvarlig måte, og hva som skjer når organisasjoner hopper over grunnarbeidet som kreves for at det faktisk skal fungere.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Presset for å ta i bruk AI uten et grunnlag
Kravet om å «bruke AI» kommer fra toppen av organisasjonene med stor hast, men ofte uten en strategi som støtter det. Marcus Glowasz, ledercoach og rådgivning, endrings- og prosjektkommunikasjon, hos Projects & Data, beskrev et mønster han ser gjentatte ganger: «Jeg hører ofte: ‘Vi må bruke AI. Fordi alle bruker det, må vi også.’ Og så kaster alle seg på. Men kanskje finnes det en bedre løsning enn AI.» Presset er reelt, men retningen er ofte for tidlig valgt.
Jeg hører ofte: ‘Vi må bruke AI. Fordi alle bruker det, må vi også.’ Og så kaster alle seg på. Men kanskje finnes det en bedre løsning enn AI.
Dette presset ovenfra forsterkes av manglende konsultasjon med menneskene som faktisk styrer leveransene. Emmanuels Magaya, grunnlegger av Project Managers Africa, beskrev en situasjon han har møtt utallige ganger: «AI kommer ofte fra et overordnet organisasjonsnivå, og de sier at alle skal begynne å bruke dette verktøyet. Det kommer ovenfra som et helikopter ... Men ingen konsulterte PMO-teamet.» Resultatet er en implementering uten tilpasning – og mislykket bruk som skaper skepsis.
AI kommer ofte ovenfra som et helikopter … men ingen konsulterte PMO-teamet.
Det samme mønsteret viser seg på prosjektnivå. Derek Fredrickson, grunnlegger av The COO Solution, mener at rekkefølgen i mange organisasjoner er grunnleggende feil: «Ofte prøver de [lederne] å sette i gang AI som løsningen før et menneske faktisk har gjort det ... Det vi virkelig må få klarhet i, er hva mennesket gjør først, slik at vi kan se hvor AI kan tilføre verdi, i stedet for å tenke: ‘Jeg har ingen funksjon eller oppgave ennå, men jeg vil bare at AI skal gjøre det.’» Før AI kan legges oppå, sier han, må den menneskelige prosessen forstås og dokumenteres.
Ofte prøver de [lederne] å introdusere AI som løsningen før et menneske faktisk har gjort det. Vi må først få helt klarhet i hva mennesket gjør, for å se hvor AI kan tilføre verdi.
Dataproblemet under AI-problemet
Under spørsmålet om innføring av AI ligger et mer grunnleggende spørsmål: Er de underliggende dataene gode nok til å gjøre AI nyttig? Bruno Morgante, grunnlegger og CEO i Mantegora, er direkte om problemet han ser med AI i porteføljearbeid: «det største problemet akkurat nå er at utgangsdataene ikke er særlig ryddige. Vi har altså ustrukturerte, uryddige og skjeve data. Og når du setter dette sammen og ber et AI-verktøy hjelpe deg med prediksjon ... blir resultatet ikke særlig bra.» Søppel inn, søppel ut – den eldste regelen innen data gjelder fortsatt, selv i de store språkmodellenes tidsalder.
Vi har ustrukturerte, uryddige og skjeve data. Og når du setter dette sammen og ber et AI-verktøy hjelpe deg med prediksjon … blir resultatet ikke særlig bra.
For Laurel Sim, administrerende partner og president i Taleo Project Services, Inc., er mangelen på tydelige grenser for hvor og hvordan AI kan brukes, en av de avgjørende lederutfordringene akkurat nå. «Hastigheten på AI og det at vi ikke har noen retningslinjer som avgrenser hvor AI er akseptabel praksis», sier hun, er blant hennes største faglige bekymringer – og organisasjoner uten solid datastyring er etter hennes syn svært utsatt.
Marcus Glowasz påpeker at det også finnes en utfordring knyttet til dataforståelse, som må håndteres før en seriøs innføring av AI: «Det må inn dataforståelse. Du må forstå begrepene knyttet til dataene. Hvis du har data du ikke forstår, hva skal du da med noen virkelig avanserte AI-verktøy?» Datastyring kombinert med menneskelig forståelse av dataene som brukes, er en forutsetning – ikke et ønskelig tillegg – for effektiv bruk av AI.
Den menneskelige dimensjonen: team, tillit og frykt for å miste jobben
Selv når AI integreres på en gjennomtenkt måte, finnes det en utfordring innen personalledelse som ledere sier blir undervurdert: uroen det skaper i teamene. Pam Butkowski, SVP, leveranse i Horizontal Digital, identifiserer dette som den virkelige ledertesten: «Jeg tror ikke at det å forstå eller finne ut hvordan vi skal integrere AI-verktøy og metoder i måten vi arbeider på hver dag, faktisk er utfordringen. Fra et lederperspektiv har utfordringen for meg vært å oppmuntre teamet mitt til, eller finne måter å få teamet mitt til, å bruke andre ferdigheter når vi tar i bruk disse AI-verktøyene ... Og å forklare og skape trygghet hos teammedlemmene om at AI ikke kommer til å ta jobben din.» Den tekniske integreringen er, antyder hun, nesten den enklere delen.
Utfordringen for meg har vært å oppmuntre teamet mitt, eller finne måter å få teamet mitt til å bruke andre muskler på når vi tar i bruk disse AI-verktøyene … Og å forklare og innarbeide tillit hos teammedlemmene om at AI ikke kommer til å ta jobben din.
Bill Dow, direktør for virksomhets-PMO-en hos UW Medicine, knytter denne uroen til en bredere virkelighet i omgivelsene som ledere ikke kan ignorere: "Jeg tror du i 2026 må være oppmerksom på omgivelsene vi befinner oss i, alle oppsigelsene på grunn av AI, alt som skjer i verden, og så finne roen og spørre: Hvordan holder vi oss oppdatert på dette? Hvordan ligger vi i forkant av dette?" Spørsmålet for leveranseledere handler ikke bare om hvordan man bruker AI, men også om hvordan man leder team som er redde for hva det betyr for fremtiden deres.
I 2026 må du være oppmerksom på omgivelsene vi befinner oss i, alle oppsigelsene på grunn av AI, alt som skjer i verden, og så finne roen og spørre: Hvordan holder vi oss oppdatert på dette?
Ekspertparadokset — AI trenger menneskelig mestring for å levere verdi
Det finnes et paradoks i kjernen av innføringen av AI som Markus Kopko, hovedveileder for CPMAI hos ALVISSION, formulerer slik: "Det de fleste ennå ikke har innsett, er at du må være ekspert på fagområdet ditt for å få gode resultater fra AI." Konsekvensen er betydelig. AI reduserer ikke behovet for dyp ekspertise — AI er avhengig av den.
Kopko går videre og løfter frem en bekymring knyttet til generasjonene: "Problemet vi kommer til å møte i en ikke altfor fjern fremtid, vil jeg anta, er at hvis yngre mennesker ikke lenger tilegner seg denne kunnskapen og blir eksperter over tid, hvordan skal de da kunne vurdere og gjennomgå resultatene fra AI-en?"
AI reduserer ikke behovet for dyp ekspertise. AI er avhengig av den.
Å holde tritt — Endringstakten løper fra mennesker
Kunstig intelligens er den mest synlige pådriveren for akselerasjon, men den er ikke den eneste. Ekspertene vi snakket med, navigerer i et langt bredere hastighetsproblem: Teknologiske endringer skjer raskere enn de fleste mennesker og organisasjoner klarer å ta inn over seg, overordnede krefter skaper ny usikkerhet, og forventningen om raskere leveranser kolliderer med virkeligheten av menneskelige begrensninger. Utfordringen med å holde tritt handler ikke bare om å lære seg nye verktøy — den handler om å lede mennesker gjennom en vedvarende følelse av desorientering.
Teknologisk tempo og læringsgjeld
Kopko beskriver tempoet som noe relativt nytt: "[den største utfordringen] er å komme ajour med og integrere den raske utviklingen innen teknologi. KI-området var relativt nytt for mange mennesker for bare et par år siden. Og nå bruker vi det i praksis daglig. Nå må vi integrere KI-kompetanse, datakompetanse og lære ting mye raskere enn vi gjorde tidligere."
Yrket strever ikke med å forstå KI i teorien — det strever med å holde tritt med hvor raskt KI selv utvikler seg. Det som var gjeldende praksis for seks måneder siden, kan allerede være utdatert, og organisasjoner befinner seg hele tiden i en situasjon der de prøver å ta igjen det tapte.
Makromiljøet: politikk, markeder og usikkerhet
Tempoet i utviklingen gjelder langt mer enn teknologi. Laurel Sim trekker frem makromiljøet som en av sine to største bekymringer for yrket: "min største bekymring er det politiske miljøet i landet, på kontinentet og i verden, og hvordan vi alle må utvikle oss med tanke på hvor markedene våre befinner seg." Geopolitisk ustabilitet, endrede handelsforhold og økonomisk usikkerhet er ikke abstrakte bekymringer for leveranseledere — de fører direkte til skiftende prioriteringer, forstyrrede forsyningskjeder og prosjekter som starter under ett sett med forutsetninger, men må fullføres under helt andre.
Min største bekymring er det politiske miljøet i landet, på kontinentet og i verden, og hvordan vi alle må utvikle oss med tanke på hvor markedene våre befinner seg
Den menneskelige kompetansekrisen — kritisk tenkning, gjennomføring og teamdynamikk
Midt i all støyen rundt teknologi vendte ekspertene vi snakket med, gang på gang, tilbake til en stillere og mer langsomt utviklende krise: uthulingen av de grunnleggende menneskelige ferdighetene som ingen KI kan etterligne.
Kritisk tenkning og kommunikasjonsevner er i ferd med å bli grunnleggende ferdigheter
Da Laurel Sim ble spurt om hvilke ferdigheter som betyr mest for den neste generasjonen prosjektledere, nølte hun ikke: "Kritisk tenkning," sier hun. "Slik at vi tenker og er kreative ... hvis vi ikke prøver å oppmuntre til denne styrken, går vi glipp av noe." Bekymringen handler ikke bare om at kritisk tenkning er underutviklet — det handler om at vi aktivt ikke klarer å dyrke denne ferdigheten samtidig som den blir stadig viktigere i KI-æraen.
Michael Gold, grunnlegger og ekstern leveranseleder på deltid, knytter denne endringen direkte til hvordan KI omformer selve prosjektlederrollen: "å si at du er prosessorientert som prosjektleder, er meningsløst, for hvem er ikke prosessorientert med KI? Med KI blir det enda større fokus på den menneskelige siden av ting, relasjonshåndtering, interessenthåndtering, overtalelsesevne og kommunikasjonsevner ... KI kan ikke erstatte den direkte menneskelige interaksjonen." Etter hvert som KI overtar de prosessintensive delene av rollen, er det som gjenstår — og som betyr mest — uomtvistelig menneskelig.
Med KI blir det enda større fokus på den menneskelige siden av ting, relasjonshåndtering, interessenthåndtering, overtalelsesevne og kommunikasjonsevner.
Parallelle oppgaver, overbelastning og den umenneskelige arbeidsplassen
Et av de mest gjennomgående temaene i intervjuene våre var skaden som forårsakes av organisatorisk overbelastning — praksisen med å tildele folk mer arbeid enn de med rimelighet kan håndtere. Bill Dow beskriver det enkelt: "Ledere setter folk på 10 prosjekter ... Og det som skjer, er at du bare havner i denne konstante vekslingen fra prosjekt til prosjekt til prosjekt, ikke sant? Og ingen mennesker kan gjøre det." Resultatet er ikke produktivitet — det er en illusjon av produktivitet som skjuler dypere organisatoriske problemer.
Johanna Rothman, eier av Rothman Consulting Group, går videre i kritikken og fremstiller multitasking ikke bare som et praktisk problem, men også som et etisk problem: "Grunnen til at multitasking provoserer meg så sterkt, er at det tar menneskeligheten ut av arbeidet. I stedet har vi biter og deler av mennesker i et regneark. Multitasking oppstår derfor ut fra tanken om at vi kan dele opp og erobre, noe som skaper en umenneskelig arbeidsplass." Med andre ord: Når vi behandler mennesker som brøkressurser fordelt på parallelle arbeidsstrømmer, reduserer vi ikke bare effektiviteten. Vi skaper også forhold som gjør meningsfylt arbeid av høy kvalitet vanskeligere å oppnå.
Johanna Rothman stiller også spørsmål ved hvordan organisasjoner planlegger arbeid. Mange team bygger lange etterslep og veikart som lover leveranser annenhver uke, men hun mener at en slik grad av forutsigbarhet er urealistisk: «Jeg vet ikke hvor lang tid ting vil ta, og jeg har mye erfaring med resultatene mine. Og hvis jeg, etter 30 år med resultatbasert erfaring, ikke kan forutsi hva jeg skal gjøre den neste uken, hvordan kan noe team gjøre det?»
Poenget hennes er at overbelastning og overforpliktelse ofte er bygget inn i selve systemet, slik at leveranseledere må håndtere konsekvensene.
Hvis jeg, etter 30 år med resultatbasert erfaring, ikke kan forutsi hva jeg skal gjøre den neste uken, hvordan kan noe team gjøre det?
Veien videre
Utfordringene som disse lederne beskriver, er ikke isolerte. De henger sammen. AI forandrer hvordan prosjekter planlegges og leveres, men styringsrammeverkene, datainfrastrukturen og kompetanseutviklingsløpene som trengs for å støtte denne transformasjonen, henger etter. Lederne som vil navigere mest vellykket gjennom 2026, er de som forstår at de vanskeligste problemene fortsatt i bunn og grunn er menneskelige.
Vil du ha flere innsikter fra eksperter som dem som er omtalt i denne artikkelen? Opprett en gratis konto for å få tilgang til mengder av ekspertbasert innhold og ressurser.
