Hybridleveranser mellom mennesker og KI er ikke valgfritt – en produktleder innen robotikk forklarer hvorfor

Jeg brenner for å bygge bro mellom teknisk gjennomføring og etisk og strategisk lederskap – og hjelpe team med å levere produkter med stor betydning, samtidig som vi fremmer ansvarlig innovasjon innen fremvoksende teknologier.

Leveranseritualer handler mindre om manuell oppfølging og mer om tolkning, vurdering og strategisk veiledning. AI fungerer som en annenpilot – den håndterer analyse og mønstergjenkjenning – mens mennesker driver visjon, etikk og samarbeid.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Kateryna Portmann

Senior produktleder hos ANYbotics

You should also read

• De praktiske KI-arbeidsflytene som brukes av leveransesjefen i et Asana-implementeringsbyrå

• 3 alternativer til å erstatte dine menneskelige prosjektledere med KI-agenter

• Prosjektleder og underviser med kunstig intelligens deler en enkel arbeidsflyt for kunstig intelligens som fundamentalt endrer hvordan prosjekter drives

• Det ene prosjektstyringsverktøyet jeg aldri ville gitt opp

• Verktøystakken jeg ville brukt hvis jeg startet et byrå

Hvordan AI endrer produktledelse og prosjektgjennomføring

Rollen og tilnærmingen min til AI i prosjektgjennomføring er i betydelig utvikling. Oppgaver som tidligere var manuelle eller fokuserte på sporing og rapportering, blir stadig mer automatiserte. Det betyr at jeg bruker mindre tid på administrativt arbeid som statusoppdateringer, enkel oppgavekoordinering eller overvåking av rutinemessige nøkkeltall.

Samtidig bruker jeg mer oppmerksomhet på områder der menneskelig vurdering og AI i strategisk planlegging gir størst verdi: å definere produktstrategi, integrere AI på en ansvarlig måte i robotikksystemer, forutse regulatoriske og etiske hensyn og veilede tverrfunksjonelle team slik at de samordner seg om innovative løsninger.

Mer overordnet krever prosjektgjennomføring nå større vekt på datainformert AI i beslutningstaking, AI-etikk og adaptiv planlegging. Det forventes at team itererer raskere, utnytter AI-drevet innsikt til prioritering og reagerer proaktivt på teknologiske og regulatoriske landskap i endring. Rollen min går fra hovedsakelig å håndtere oppgaver til å orkestrere innovasjon på en ansvarlig måte og sikre at AI-initiativer skaper reell verdi uten å gå på bekostning av sikkerhet, etterlevelse eller tillit.

Hvorfor systemer med mennesket i sløyfen er avgjørende for AI-drevet prosjektgjennomføring

Tidlig forventet jeg at AI hovedsakelig skulle automatisere rutinearbeid – som å følge med på prosjektfremdrift eller generere rapporter – men det jeg oppdaget, var at AI virkelig utmerker seg ved å fremheve mønstre, forutsi risikoer og avdekke innsikt som legger til rette for smartere beslutninger.

I Sandbox AI-prosjektet hjalp AI-verktøyene oss for eksempel ikke bare med å analysere data raskere – de avdekket også subtile etterlevelses- og driftsrisikoer som vi ellers kunne ha oversett. Det tvang oss til å tenke nytt om hvordan vi strukturerer arbeidsflyter, prioriterer oppgaver og involverer interessenter.

Overordnet sett er de delene av gjennomføringen som virker mest egnet for støtte, datakrevende, repetitive eller prediktive former for AI i automatisering av prosjektoppgaver. Det betyr:

• Fremdriftssporing og rapportering: KI kan automatisk samle oppdateringer fra flere team, fremheve flaskehalser og generere dashbord i sanntid.
• Risikoidentifisering og scenarioplanlegging: Maskinlæringsmodeller spiller en rolle i KI-risikostyring. De kan analysere prosjektdata for å forutsi potensielle forsinkelser, ressurskonflikter eller etterlevelsesrisikoer før de oppstår.
• Prioritering og ressursallokering: KI i ressursstyring kan foreslå optimal rekkefølge på oppgaver eller omfordeling av ressurser basert på historiske data og prosjektbegrensninger.

Implementering innebærer vanligvis å integrere KI-drevet prosjektanalyse i prosjektstyringsverktøy som Jira, Asana eller interne skreddersydde systemer. For prediktiv modellering kan vi bruke lettvekts maskinlæringspipeler som behandler historiske prosjektdata og kontinuerlig forbedres med nye inndata.

Det finnes imidlertid flere områder der menneskelig dømmekraft fortsatt er uunnværlig:

• Etiske og regulatoriske beslutninger: Å avgjøre hva som er tillatt, ansvarlig og i tråd med KI i etterlevelse og bredere organisatoriske verdier.
• Kommunikasjon med interessenter og forhandling: KI i interessenthåndtering kan foreslå samtalepunkter, men nyanserte samtaler og konsensusbygging krever empati og overbevisning.
• Strategisk planlegging og innovasjon: Mennesker må tolke KI-innsikt i riktig kontekst, avgjøre hvilke avveininger som skal gjøres og forme en langsiktig visjon.

Kort sagt er menneskelig dømmekraft fortsatt nødvendig. Den er avgjørende. KI i prosjektstyring er en kraftig forsterker av effektivitet og innsikt, men fungerer best når mennesker beholder kontrollen over komplekse, strategiske og verdibaserte beslutninger.

katerynas tips

Menneskelig dømmekraft er fortsatt nødvendig. Den er avgjørende. KI er en kraftig forsterker av effektivitet og innsikt, men fungerer best når mennesker beholder kontrollen over komplekse, strategiske og verdibaserte beslutninger.

Hvorfor lettvektsleveransesystemer ikke alltid fungerer

Det er viktig å merke seg at det innen maskinvare og robotikk ikke alltid er enkelt å gå bort fra tradisjonelle prosjektstyringsmetoder — fysiske systemer har lange leveringstider, strenge avhengigheter og sikkerhets- eller etterlevelsesbegrensninger som krever nøye planlegging. Iterativ fleksibilitet er mer begrenset sammenlignet med rene programvareprosjekter.

Når det er sagt, har vi i initiativer som Women in Robotics kunnet eksperimentere med mer lettvektsbaserte, smidige tilnærminger. Vi bruker for eksempel Slack — og KI-funksjonene i verktøyet — til rask koordinering på tvers av frivillige og deltakere. Dette gjør det mulig for oss å iterere på programmer, samle inn tilbakemeldinger og justere initiativer mye raskere enn med en tradisjonell ovenfra-og-ned-planleggingstilnærming.

Selv om maskinvareprosjekter ofte krever strukturerte prosesser, kan lettvektssystemer trives i samfunnsdrevne eller tverrfunksjonelle initiativer, noe som muliggjør raskere tilpasning, større engasjement og kontinuerlig forbedring.

Et eksempel fra virkeligheten på moderne leveransesystemer som håndterer kompleksitet

Her er et godt eksempel på KI-leveranser i praksis. I Sandbox AI-prosjektet navigerte vi i et svært komplekst miljø med flere interessenter, regulatoriske begrensninger og avanserte KI-systemer. Prosjektet hadde som mål å utforske trygge, etterlevende og innovative KI-implementeringer i offentlig sektor, noe som krevde en balansering mellom leveringshastighet, styring og etikk.

Oppsett og tilnærming:

• Vi etablerte et tverrfunksjonelt kjerneteam med ingeniører, policyeksperter, juridiske rådgivere og KI-etikkeksperter.
• Vi brukte smidige leveransesystemer og benyttet Jira til sprintplanlegging, Confluence til dokumentasjon og Miro til samarbeidsbaserte designverksteder.
• KI-drevne verktøy ble integrert for risikoanalyse og scenariosimuleringer, slik at vi kunne modellere utfall før vi tok i bruk KI-drevne prosesser i virkelige situasjoner.

Gjennomføring:

• Vi startet med småskalaprototyper for å teste samsvar og etiske rammeverk, og itererte ukentlig basert på både teknisk ytelse og tilbakemeldinger fra myndighetene.
• Regelmessige gjennomganger med interessenter sikret samsvar med styringsstandarder, mens AI-analyser avdekket potensielle samsvarsrisikoer før de materialiserte seg.

Resultater:

• Vurderte beredskapen for ISO 42001
• Erfaringene ble tatt direkte inn i fagartikkelen fra AI House Davos 2025, der vi destillerte elleve sentrale styringselementer for bredere bruk i bransjen.

Dette prosjektet viste hvordan moderne leveransesystemer og AI-drevne verktøy kan håndtere kompleksitet, fremskynde iterasjoner og opprettholde etisk og regulatorisk samsvar — selv i svært usikre omgivelser. Det forsterket verdien av å kombinere strukturerte leveransemetoder med AI-innsikt for å håndtere krevende prosjekter på en vellykket måte.

En teknologistakk som forsterker samarbeid og reduserer friksjon

Jeg er for tiden i foreldrepermisjon, så jeg har ikke jobbet direkte med den daglige prosjektleveransen de siste månedene — og AI utvikler seg så raskt at det ville være urimelig å uttale seg som om jeg har direkte erfaring med alle de nyeste verktøyvalgene hos ANYbotics.

Når det er sagt, har jeg gjennom arbeidet mitt med Women in Robotics fortsatt å følge med på trender innen prosjektleveranse og samarbeid. I den sammenhengen dreier teknologistakken seg ofte om verktøy for samarbeid og kunnskapsdeling:

• Slack for kommunikasjon og koordinering: Dette AI-samarbeidsverktøyet bidrar til å holde globale team sammenkoblet og redusere overbelastningen av e-post. Jeg bruker Slacks innebygde AI til å oppsummere lange tråder og kanaler, noe som er spesielt nyttig når jeg kobler meg på pågående samtaler eller synkroniserer på tvers av distribuerte team. Jeg bruker det også til å utarbeide raske svar eller omformulere oppdateringer slik at de blir tydeligere. Effekten har hovedsakelig vært raskere kontekstbytte og mer enhetlig kommunikasjon på tvers av teamet.
• Figma for visuelt samarbeid, særlig for arbeidsverksteder, idémyldring og samskapingsøkter: Med Figma s AI-funksjoner genererer jeg innledende UI-varianter, utforsker layoutalternativer og dokumenterer designelementer automatisk. Det fremskynder idéutviklingen i tidlig fase og gjør at jeg kan dele visuell retning med  interessenter mye tidligere i prosessen. Men de AI-genererte variantene er ikke endelige — de bidrar til å sette i gang designdiskusjoner og redusere iterasjonstiden.
• Notion for dokumentasjon, oppfølging av initiativer og for å gjøre innsikt lett tilgjengelig for alle medlemmer: Notion AI er en del av den daglige arbeidsflyten min. Jeg bruker denne AI-oppgavebehandleren til å utarbeide prosjektdokumentasjon og møtenotater, oppsummere lange forskningsdokumenter eller intervjuer, omgjøre grove idémyldringer til strukturerte planer eller tiltak og skrive om innhold med ulik tone avhengig av målgruppen. Den største effekten er tidsbesparelsen — å omgjøre ustrukturert informasjon til noe tydelig og delbart tar en brøkdel av tiden det pleide å ta.

Det siste året har jeg lagt merke til at team satser stadig mer på verktøy som legger til rette for asynkront samarbeid og åpenhet, særlig etter hvert som hybridarbeid blir normalen. Verktøy som Notion har vist seg å være uvurderlige fordi de gjør det mulig for medlemmer å bidra til og gjennomgå arbeid uavhengig av tidssone. På den annen side har enkelte eldre verktøy for oppgaveoppfølging, som var rigide eller silobaserte, blitt nedprioritert fordi de ikke støtter fleksible arbeidsflyter eller rask iterasjon.

Samlet sett er vurderingen min at programvare for automatisering av arbeidsflyter lykkes når den forsterker samarbeid, reduserer friksjon og gjør det mulig for team å fokusere på effekt fremfor prosess — et prinsipp jeg fortsatt arbeider for.

Hvorfor Figma er det mest undervurderte AI-verktøyet for samarbeidende leveranser

Et av de mest tidsbesparende og undervurderte verktøyene er Figma. Jeg vet at jeg nettopp nevnte det ovenfor, men det er banebrytende — særlig de samarbeidende tavlefunksjonene i sanntid og malintegrasjonene.

Virkningen er betydelig. Det gjør det mulig for distribuerte team å samskape, idémyldre og videreutvikle ideer asynkront eller synkront, noe som drastisk reduserer all frem-og-tilbake-kommunikasjonen som vanligvis foregår via e-post eller lange møter. Team kan visualisere arbeidsflyter, kartlegge prosesser og følge beslutninger på ett og samme sted, noe som gjør workshopper og planleggingsøkter langt mer effektive.

Et annet undervurdert aspekt er integrasjonen med Slack, som bygger bro mellom AI i prosjektplanlegging og gjennomføring. Denne kombinasjonen sørger for at beslutninger og tiltakspunkter som fanges opp i samarbeidsøkter, automatisk overføres til oppgavesporingen, noe som reduserer dobbeltarbeid og fremskynder oppfølgingen.

Verktøyet skaper klarhet, samkjøring og raskere beslutningstaking på tvers av distribuerte team, noe man ofte undervurderer inntil man har gjennomført flere samarbeidsprosjekter på tvers av regioner.

Hvordan AI fungerer som en medpilot i moderne leveranseritualer

Etter hvert som AI i økende grad blir en del av leveranseøkosystemet, tenker vi på nytt rundt tradisjonelle ritualer for å utnytte AIs styrker, samtidig som menneskelig dømmekraft forblir sentral.

• Samkjøre team: Verktøy bidrar til å avdekke manglende samkjøring eller overlappende ansvarsområder, men samkjøring er fortsatt avhengig av menneskelig diskusjon og AI i prosjektbeslutninger.
• Validere arbeid: AI fremskynder testing og simulering og flagger feil eller etterlevelsesrisikoer før manuelle gjennomganger. Innen robotikk og AI i prosjektovervåking kan for eksempel prediktiv modellering simulere scenarier i ytterkantstilfeller som ville tatt mennesker mye lengre tid å teste.
• Styre gjennomføringen: Rutinemessig sporing og rapportering kan nå automatiseres, slik at teamet får mer tid til å fokusere på problemløsning, strategi og interessentdialog. Dashbord fremhever risikoer eller forsinkelser i sanntid, slik at daglige statusmøter og retrospektiver i større grad kan fokusere på beslutninger fremfor rapportering.

Den overordnede endringen er at leveranseritualer i mindre grad handler om manuell oppfølging, og i større grad om tolkning, dømmekraft og strategisk veiledning.

Katerynas tips

Et av de mest tidsbesparende og undervurderte verktøyene er Figma – særlig den sanntidsbaserte, samarbeidende tavlefunksjonen og integrasjonene med maler.

Hvordan agentiske arbeidsflyter og orkestreringsplattformer støtter komplekse leveranser

Når vi eksperimenterer med orkestreringsplattformer og agentiske arbeidsflyter, fokuserer vi på områder som har størst nytte av koordinering og prediktiv innsikt, for eksempel:

• Prioritering av oppgaver og avhengighetsstyring: Bruk av AI i prosjektprognoser for å identifisere hvilke arbeidsstrømmer som er kritiske, hvor flaskehalser kan oppstå, og hvordan ressurser bør fordeles.
• Overvåking av risiko og etterlevelse: Automatisering av oppdagelsen av potensielle problemer knyttet til etterlevelse eller sikkerhet i robotikk- og AI-prosjekter før de påvirker leveransen.
• Kommunikasjon på tvers av team: Effektivisering av oppdateringer og fremheving av manglende samkjøring, slik at team bruker mindre tid på å innhente statusoppdateringer.

Som med AI generelt har vi erfart at orkestreringsplattformer fortsatt trenger et menneske i loopen for strategisk beslutningstaking og etiske vurderinger. Teknologien fremskynder koordineringen og gir handlingsrettet innsikt, men erstatter ikke dømmekraften som kreves for å balansere prioriteringer, håndtere avveininger eller involvere interessenter på en effektiv måte.

Hvorfor etikk, inkludering og mangfold må forme AI-drevet prosjektleveranse

Fremover tror jeg at etikk, inkludering og mangfold vil bli sentrale for hvordan vi definerer suksess.

AI og robotikk kan fremskynde leveranser og beslutningstaking, men uten et bevisst fokus på etiske rammeverk og mangfoldige perspektiver risikerer prosjekter å forsterke skjevheter eller skape utilsiktet skade.

I praksis betyr dette at vi må integrere etikk og inkludering i alle faser av leveransen – fra å definere omfanget, til å utforme systemer, til å videreutvikle dem basert på tilbakemeldinger – og behandle dem som drivere for innovasjon, ikke som begrensninger.

Team som integrerer disse prinsippene tidlig, vil ikke bare utvikle bedre produkter, men også fremme tillit, tilpasningsevne og langsiktig motstandskraft.

Hvordan AI får team til å gå bort fra rigide prosesser og over til adaptiv levering

Selve prosjektleveransen vil i økende grad utvikle seg fra oppfølging av oppgaver til strategisk orkestrering, med AI som en sanntidsassistent. I løpet av de neste fem årene forventer jeg at AI ikke bare vil automatisere rapportering eller oppdateringer av oppgaver, men aktivt forutsi risikoer, anbefale prioriteringer og til og med foreslå avveininger basert på data fra tidligere prosjekter, tilgjengelige ressurser og markedssignaler.

Team vil bevege seg bort fra rigide Gantt-diagrammer og omfattende dokumentasjon og over til lette, adaptive arbeidsflyter der mennesker fokuserer på aktiviteter med høy verdi: å definere strategi, tolke innsikt fra AI, ta etiske beslutninger og fremme samarbeid. Kort sagt vil AI håndtere analysen av «hva som kan skje», mens produktledere avgjør hva som burde skje.

Jeg forventer også at tverrfunksjonell samordning og beslutningstaking vil gå raskere, ettersom AI kan simulere utfallene av ulike leveransetilnærminger i sanntid. Det gjør det mulig for team å gjenta prosesser raskere og innovere på en ansvarlig måte uten å gå på bekostning av samsvar eller kvalitet.

Til syvende og sist vil vellykket levering defineres av hvor effektivt mennesker og AI samarbeider, snarere enn av hvor tett vi følger forhåndsdefinerte prosesser.

Katerynas tips

Rollen min endrer seg fra hovedsakelig å «håndtere oppgaver» til å orkestrere innovasjon på en ansvarlig måte og sørge for at AI-initiativer skaper reell verdi uten at det går på bekostning av sikkerhet, samsvar eller tillit.

Hvordan produktledere kan ta i bruk AI uten å miste menneskelig dømmekraft

Mitt råd til leveranseledere som navigerer i denne endringstiden, er å betrakte AI som en partner, ikke en erstatning, samtidig som etikk og mangfold står sentralt i alle beslutninger. Bruk AI til å automatisere repetitive oppgaver og hente frem innsikt, men sørg for at mennesker styrer strategi, etiske vurderinger og inkluderende beslutningstaking.

Frem også mangfoldige team og perspektiver — prosjekter lykkes når ulike erfaringer og synspunkter tas i betraktning, særlig innen AI og robotikk, der skjevheter eller blinde flekker kan få reelle konsekvenser i den virkelige verden.

Og til slutt: Invester i teamets evne til å arbeide ansvarlig med AI, ved å kombinere tekniske ferdigheter med etisk bevissthet og samarbeidende problemløsning. Ledere som balanserer innovasjon med inkludering og integritet, vil være de som skaper meningsfull og bærekraftig innvirkning.

Følg med

Du kan følge arbeidet til Kateryna Portmann på LinkedIn. Og ikke gå glipp av initiativet hennes, Women in Robotics!

Det kommer flere ekspertintervjuer på The Digital Project Manager.