Denne seniorproduksjonsdirektøren bryter ned AI-verktøyene og integrasjonene hun bruker for å bygge bro over hullene i kundenes teknologi
Lauren Selley er seniorproduksjonsdirektør i Code and Theory, der hun har ansvar for ende-til-ende-leveransen av digitale løsninger på tvers av nett og mobil. Nå som AI er integrert i arbeidsflytene hennes, bruker hun mindre tid på administrative oppgaver – og mer tid på å drive strategiske beslutninger.
Lauren Selley
Seniorproduksjonsdirektør i Code and Theory
AI-eksperimentering: AI-verktøy krever prøving og feiling, noe som fremmer strategisk ledelse fremfor administrative oppgaver i prosjektledelse.
Strategisk ledelse: AI reduserer rutinearbeid og gir større fokus på planlegging, risikostyring og løsning av bredere strategiske utfordringer.
Viktige verktøy: Verktøy som Elvex og Claude effektiviserer arbeidsflyter og gjør prosjektledere mer effektive og dyktige.
Utfordringer ved AI-integrasjon: Det er fortsatt vanskelig å integrere AI-verktøy på tvers av systemer på grunn av isolerte økosystemer og varierende verktøyytelse.
Fremtidig ledelsesgap: Fremveksten av AI kan endre rollene og gjøre det nødvendig å legge større vekt på ledelse og mellommenneskelige ferdigheter i prosjektledelse.
Lauren Selley er senior produksjonsdirektør i Code and Theory, der hun har ansvar for leveransen av digitale løsninger fra start til slutt på tvers av nett og mobil. Nå som KI er integrert i arbeidsflytene hennes, bruker hun mindre tid på administrative oppgaver – og mer tid på å drive strategiske beslutninger.
Vi snakket med Lauren om hva som er i endring innen leveranser, hvilke verktøy som virkelig gjør en forskjell, og hvordan hun hjelper teamet sitt med å gå fra prosjektleder til strategisk leder. Her er det hun hadde å si.
Hvorfor programstyring krever eksperimentering med KI
Jeg er senior produksjonsdirektør (programstyring) i Code and Theory.
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
Jeg har ansvar for leveransen av digitale løsninger til kundene våre fra start til slutt – fra strategi via lansering til støtte etter lansering på nett og mobil. Jeg bruker mye tid på å sørge for at teamene våre har det de trenger for å levere godt, og at kundene våre føler seg trygge på oss som partnere.
I virksomheten vår handler KI først og fremst om eksperimentering: test, optimaliser, gjenta.
Selskaper gir oss ikke ferdige løsninger som sier: «Her er instruksjonene og verktøyene dine, bruk dem.» De sier: «Her får du tilgang til noen verktøy, finn ut hva du kan gjøre med dem.»
Derfor bruker jeg mye tid på å eksperimentere, bygge arbeidsflyter og se hva som faktisk fungerer.
Når du bør bruke KI i prosjektleveranser – og når du bør unngå det
Det som begeistrer meg mest med KI i prosjektleveranser, er at vi endelig bruker mindre tid på å være oppgavekoordinatorer og mer tid på å være faktiske ledere. Det skiftet er på høy tid.
Takket være KI bruker vi endelig mindre tid på å være oppgavekoordinatorer og mer tid på å være faktiske ledere.
Jeg bruker KI hele tiden for å få unna rutinearbeidet. Den er god til å gi svar basert på et datasett med prosjektkunnskap, oppsummere, utarbeide notater og sende påminnelser om oppfølgingspunkter, for eksempel. Men du må dobbeltsjekke den. KI har en dårlig vane med å finne på oppfølgingspunkter eller forfalske tidsfrister.
Dette gjør at jeg kan fokusere på å veilede teamet og løse utfordringer på et mer overordnet nivå.
Kunnskapen min om prosjektgjennomføring brukes best på strategisk planlegging, å forutse risikoer, veilede team gjennom komplekse scenarioer og ta smartere beslutninger om leveranser – ikke på å mase etter statusoppdateringer.
Jeg lar heller ikke KI håndtere kundekommunikasjon om omfang og risiko. Det finnes ingen erstatning for å lese personligheter, tilpasse seg kommunikasjonsstiler og trekke på tidligere erfaring for å navigere i vanskelige samtaler.
Hvis KI også kunne finne ut hvordan man lager reiseregninger og fører timer for teamet mitt, hadde det vært flott. Jeg venter fortsatt på den løsningen.
KI-verktøyene som driver prosjektleveranser og arbeidsflyter
På jobb bruker vi en samling godkjente KI-verktøy fra Atlassian, Vercel og Google, samt tilgang til et virksomhetsverktøy som bruker ulike store språkmodeller, som ChatGPT og flere.
Atlassian tilbyr Rovo, som er svært godt egnet til søk på tvers av virksomheten – det kan hente frem resultater fra Gmail, Dokumenter, Confluence-sider og Jira-saker samtidig.
Vi bruker også Elvex til å opprette en kontrollert kunnskapsbase fra et definert datasett, slik at teamet kan stille spørsmål om spesifikke prosjekter.
Vercel tilbyr dessuten V0, som er fantastisk for intuitiv koding – det gjør det enkelt å generere og videreutvikle interne prototyper eller visualisere ideer raskt.
Utenom jobb, når jeg lager innhold, er jeg svært avhengig av ChatGPT, Claude og en rekke designverktøy.
Claude har endret spillereglene. Jeg trenger ikke lenger tilpassede programtillegg eller støtte fra utviklere, fordi verktøyet genererer kode for brukergrensesnittet og lar meg forhåndsvise den. Dermed kan jeg feilsøke før publisering og gjøre arbeidsflyten smidigere.
Og hjemme er Notion og Notion AI hjernen min. Det er slik jeg holder orden på hele familien og livet hjemme.
Og jeg vil si dette. AI kan ikke gjøre alt. Det har ikke fått småbarnet mitt til å spise grønnsaker. Hvis noen bygger den modellen, så meld meg på!
Det uunnværlige AI-verktøyet for prosjektledere
Jeg har to favorittverktøy innen AI akkurat nå.
Fra et prosjektlederperspektiv er det Elvex. Det å gi team muligheten til å søke i en database og få svar via chat sparer meg for flere timer hver dag.
Fra et prosjektlederperspektiv er det Elvex. Det å gi team muligheten til å søke i en database og få svar via chat sparer meg for flere timer hver dag.
Du ville blitt overrasket over hvor ofte en prosjektleder er personen folk kontakter når de ikke finner eller husker noe. Nå kan jeg bare henvise dem til en chatbot. Vi har laget Elvex-integrasjoner med Slack, slik at team kan stille «Project»-roboten spørsmål om mål, frister, teammedlemmer eller andre prosjektdetaljer — og få umiddelbare og nøyaktige svar.
Fra et innholdsskapingsperspektiv må jeg igjen gi Claude æren. Det har fjernet behovet for så mange programtillegg og backend-skript som jeg tidligere betalte for, og det sparer meg for flere timer ved å forenkle både frontend- og backend-oppgaver.
Slik forvandler AI de viktigste leveranserutinene
AI er fantastisk for å redusere informasjonsoverbelastning i starten av et prosjekt.
AI er fantastisk for å redusere informasjonsoverbelastning i starten av et prosjekt.
I stedet for lange møter for kunnskapsoverføring kan team søke i en database med prosjektinformasjon og få det de trenger i sanntid.
Det blir også stadig mer verdifullt for å validere leveranseresultater — fra å bistå med kodegjennomganger til å støtte automatisert testing.
AI erstatter ikke validering utført av eksperter, men det fremskynder prosessen og hjelper oss med å oppdage problemer tidligere.
Bruk av AI-arbeidsflyter til å håndtere komplekse prosjekter med mange interessenter
I store og komplekse programmer med flere avdelinger, leverandører og interessenter hos kunden er automatiserte arbeidsflyter og integrerte verktøy helt avgjørende.
Jeg har for eksempel satt opp arbeidsflyter som sender automatiske påminnelser i Slack, genererer AI-drevne daglige sammendrag for å redusere møtetiden og synkroniserer prosjektplaner på tvers av ulike plattformer.
Slack lanserte nylig sin egen funksjon for sammendrag av kanalsamtaler, noe som har vært utrolig nyttig. Og når jeg vil forsikre meg om at teamet er oppdatert på det som har skjedd i Jira, bruker jeg en Rovo-agent til å oppsummere endringer i utvalgte felter på tavlene våre.
Rovo blir også stadig mer verdifullt for å identifisere prosjekttrender, som vi deretter kan knytte til retrospektiver og læringspunkter — her er en Atlassian-artikkel om hvordan man gjør det.
Dette har vært spesielt verdifullt når kunder bruker ulike økosystemer, for eksempel Microsoft eller Google. Ved å la arbeidsflyter og AI-integrasjoner bygge bro over disse forskjellene kan alle holde seg samkjørte uten at folk tvinges til å bruke ett enkelt verktøy.
Dette har vært spesielt verdifullt når kunder bruker ulike økosystemer, for eksempel Microsoft eller Google. Ved å la arbeidsflyter og AI-integrasjoner bygge bro over disse forskjellene kan alle holde seg samkjørte uten at folk tvinges til å bruke ett enkelt verktøy.
Eksperimentering med agentbaserte arbeidsflyter for å øke leveringseffektiviteten
Vi eksperimenterer på alle områder vi kan — inkludert med agentbaserte arbeidsflyter. Vi har utviklet vårt eget orkestreringsverktøy og fortsetter å teste ulike inntakspunkter.
Fokuset har vært på alle leveransefasene:
- Strategiske innsikter
- Designdokumentasjon
- Prosjektoppfølging, og
- Teknisk levering
Vi itererer fortsatt, men forventer å se betydelige effektivitetsgevinster etter hvert som disse systemene modnes.
Hvorfor det fortsatt er utfordrende å integrere AI-verktøy i leveransearbeidsflyter
Når alt dette er sagt, er det fortsatt langt vanskeligere enn det burde være å sette opp integrasjoner for det jeg vet er vanlige forretningsproblemer.
AI vil gjerne veilede meg gjennom trinnene, men jeg skulle gjerne ha fått den til å utføre oppsettet for meg. Å få den til å utføre handlinger på tvers av systemer som Google eller Microsoft, er en annen sak, takket være siloiserte økosystemer.
En annen overraskelse — eller kanskje frustrasjon — er det enorme mangfoldet av modeller og verktøy. Du får virkelig svært forskjellige svar avhengig av hvilket verktøy du bruker og hva det spesialiserer seg på, så det tar tid å holde oversikt over dem og teste dem mot reelle bruksområder.
Hvorfor AI kan skape et fremtidig ledelsesgap innen prosjektledelse
Prosjektledere ser sammenhenger og er flinke til å kommunisere. Om fem år tror jeg AI vil håndtere 90 prosent av datainnsamlingen og analysen vi gjør i dag.
Det betyr at prosjektledere må satse enda mer på ledelse, kundeoppfølging og menneskelige ferdigheter — men de kommer ikke til å miste jobbene sine; jobbene blir bare annerledes.
Prosjektledere forsvinner ikke. Jobbene blir bare annerledes.
Den største utfordringen fra nå og frem til da er mangelen på talenter på nybegynnernivå som vi kommer til å se.
Hvis AI kan gjøre alt rutinearbeidet som vi tidligere lot praktikanter og prosjektledere på assosiert nivå ta seg av, må vi opprette nye stillinger på assosiert nivå for prosjektledere — muligens knyttet til databaser og instruksjoner — for å sikre at vi har en strøm av kandidater som kan bli fremtidige seniorledere. Ellers vil det ikke være noen som kan ta steget opp i lederrollene.
Jeg tror også at ressursplanleggingen vil se svært annerledes ut. I stedet for statiske roller vil vi se kortsiktige behov for ting som instruksjonsutvikling, AI-validering eller oppsett av integrasjoner.
Roller vil tilpasses og utvikles fra prosjekt til prosjekt, og prosjektledere må bli eksperter på å sette sammen og lede disse kombinasjonene.
Råd til leveranseledere som tilpasser seg AI-æraen
Ikke overtenk det; bare begynn å bruke verktøyene. Alle ser ut som om de vet hva de holder på med, men de fleste finner ut av det underveis.
Alle ser ut som om de vet hva de holder på med, men de fleste finner ut av det underveis.
Du ligger ikke etter. Vi har alle tilgang til den samme AI-en. Forskjellen ligger i om du setter av tid til å eksperimentere og finne ut hva som faktisk fungerer.
Følg med
Hold kontakten med Lauren på LinkedIn og nettstedet hennes. Følg også med på arbeidet teamet hennes gjør hos Code and Theory, som stadig utvikler seg.
Det kommer flere ekspertintervjuer på The Digital Project Manager.
