Konsulent med flere tiår med erfaring deler hvorfor KI bør være en strategisk tenkepartner, ikke en prosjektleder
Mike Hannan er grunnlegger og hovedkonsulent i Fortezza Consulting. Med flere tiår med erfaring innen veiledning av prosjektledere på alle nivåer har han brukt karrieren på å hjelpe organisasjoner med å navigere i komplekse leveransesystemer, optimalisere porteføljer og utfordre konvensjonell visdom.
Mike Hannan
Grunnlegger og hovedkonsulent i Fortezza Consulting
KI bør fungere som en strategisk tenkepartner, ikke som en leveransedriver: Hannan hevder at KI er svært god til å generere maler, oppsummere innhold og evaluere alternativer i ulike scenarioer, men at den ikke virkelig forstår dyp kompleksitet
Menneskelig dømmekraft er fortsatt avgjørende i komplekst prosjektarbeid: Selv om KI kan håndtere rutineoppgaver, som møtereferater eller enkel modellering, er mennesker fortsatt nødvendige for sosialt, emosjonelt og dypt strategisk arbeid.
Mestring av KI-orkestrering og helhetlig systemtenkning vil definere fremtidens ledere: Hannan mener den virkelige verdien ligger hos dem som kan orkestrere KI på en intelligent måte, ved å bruke en systemforståelse på bredt nivå for å maksimere porteføljens avkastning på investeringen og løse komplekse problemer mer effektivt enn spesialister som kun fokuserer på snever teknisk dybde.
Mike Hannan er grunnlegger og hovedkonsulent i Fortezza Consulting. Med flere tiår med erfaring i å veilede prosjektledere på alle nivåer har han brukt karrieren på å hjelpe organisasjoner med å navigere i komplekse leveransesystemer, optimalisere porteføljer og utfordre konvensjonell visdom.
I denne samtalen forteller Mike hvordan han bruker AI, ikke for å erstatte prosjektpraksiser, men for å få team til å stille bedre spørsmål, unngå falsk sikkerhet og komme nærmere de reelle driverne for ytelse.
Det er viktigere enn noen gang å forstå ytelsesdriverne på systemnivå i AI-æraen
Jeg er grunnlegger og hovedkonsulent i Fortezza Consulting, der jeg veileder ledere på alle nivåer for å forbedre ytelsen i prosjektporteføljer. Det innebærer å hjelpe dem med å tenke mer systemisk, særlig i miljøer som formes av begrensninger, gjensidig avhengighet – og nå også AI.
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
Etter min mening er behovet i en AI-først-verden sterkere enn noen gang for virkelig å forstå hva som driver ytelsen på systemnivå. Det er fortsatt den eneste måten å navigere i kompleksitet bedre enn konkurrentene på.
AI kan ikke gjøre det ennå. Og den vil ikke komme dit før den er bedre trent til å skille søppel fra gullkorn.
Slik bruker du AI til prosjektmaler, leveranser og porteføljeoptimalisering
Når det er sagt, er prosjektleveranser i endring. Jeg opplever at behovet for de fleste prosjektmaler har blitt betydelig mindre. De fleste store språkmodeller kan nå generere solide maler og til og med bidra til å tilpasse dem til spesifikke omstendigheter.
Claude gjør for eksempel en ganske god jobb med dette. Jeg kan gi den følgende instruks:
- «Gi meg en mal for et prosjektmandat tilpasset kosmetikkindustrien.»
- «Gi meg en mal for et risikoregister tilpasset kjernekraftindustrien.»
Derfra finjusterer jeg den ytterligere: «Fokuser på IT-prosjekter innen kosmetikk» eller «Fokuser på risikoer ved deponering av atomavfall». Svarene er raske, fleksible og overraskende nøyaktige.
Jeg er også svært oppmuntret av nye AI-funksjoner som kan evaluere hundrevis eller til og med tusenvis av scenarier for å finne den optimale løsningen under reelle begrensninger – for eksempel å identifisere prosjektbaselinen med høyest verdi.
Et eksempel jeg liker, kommer fra Lightning Motorcycle, som brukte Autodesk sine AI-forbedrede CAD-verktøy til å utforme langt mer optimale komponenter enn menneskelige ingeniører kunne ha designet alene.
Et annet eksempel er TransparentChoice, som bruker AI til å hjelpe kunder med å finne modellen for forskjøvet flyt som maksimerer gjennomstrømningen innenfor ressursbegrensningene. Den forenkler et vanskelig spørsmål: «Hvor mange prosjekter kan vi ta på oss og fortsatt oppnå høyest mulig fullføringsgrad?»
Der AI tilfører verdi i prosjektleveranser – og der mennesker fortsatt er avgjørende
Rutineoppgaver som møtereferater, viktigste poenger og sammendrag av store mengder innhold håndteres også svært effektivt av AI. Bare dette gir meg flere timer tilbake hver uke.
Til dette bruker jeg for det meste Otter.ai, som er verktøyet jeg foretrekker for å ta opp og oppsummere diskusjoner. Men verktøy som Copilot fungerer også godt.
Områdene som fortsatt krever menneskelig kontakt, er varierte. Alt innenfor sosiale tjenester eller menneskelige tjenester – der veiledning, empati eller tillitsfulle relasjoner er viktig – er fortsatt i stor grad avhengig av mennesker. Det samme gjelder alt som krever dyp tenkning på systemnivå eller kritisk dømmekraft.
Dette er fortsatt menneskelige domener.
Slik integrerer du AI i komplekse arbeidsflyter samtidig som menneskelig dømmekraft står sentralt
Noen ganger tar jeg AI et skritt videre og setter opp en modell som definerer alt som trengs for å synkronisere arbeidet på tvers av mennesker, funksjoner og til og med leverandørkjedepartnere.
AI kan nemlig settes inn i denne modellen der det gir mening. Mennesker må deretter justere basert på hvordan kombinasjonen av AI-agenter og menneskelige agenter fungerer.
Her er en enkel analogi: Se for deg at en leders personlige assistent går av med pensjon, og at lederen er fortvilet over å miste denne finjusterte støtten. I stedet for å ansette en erstatter bygger du en modell som koder inn preferanser:
- «Ha alltid 15 minutter mellom møter»
- «Foretrekk flyselskap A med mindre det ikke finnes en direkteflyvning»
- «Fordypningstid kan bare avbrytes hvis leder A eller kunde B insisterer»
Etter hvert foredler modellen seg og dekker 95 % av scenarioene godt.
Men det kommer alltid et punkt der menneskelig dømmekraft er uunnværlig – når man skal lese emosjonelle signaler, kulturelle nyanser eller skiftende prioriteringer. Hva om et familiebesøk ikke er ønsket? Hva om en kunde begynner å presse for hardt? Hva om en sjefs hastverk øker på subtile måter? Det er her kombinasjonen av mennesker og KI blir verdifull.
I prosjekter er modellen mer kompleks, men prinsippet er det samme: Bygg den, foredle den og orkestrer kombinasjonen av KI- og menneskelige aktører slik at hver av dem gjør det de er unikt effektive til.
KI forstår ikke kompleksitet fullt ut
Selv om KI hjelper meg med å bruke mindre tid på å oppsummere eller destillere informasjon, skaper den også en farlig illusjon: at modellene selv «forstår» dyp kompleksitet. Det gjør de ikke.
På grunn av denne illusjonen ser mange kunder etter raskere resultater og håper at KI skal levere det de oppfatter som «raske løsninger». For å hjelpe dem dit fokuserer jeg på teknikker for å akselerere flyten, forankret i begrensningsteorien og Lean. Disse tilnærmingene hjelper prosjekter med å bevege seg raskere uten å ta snarveier.
Og når vi snakker om å avstemme forventninger, oppfordrer jeg vanligvis kundene til å sikte høyere – til å forvente større akselerasjon. Beskjedne mål gir som regel beskjedne resultater.
Derfor handler rollen min i dag mindre om å oppsummere eller levere hovedpoenger, og mer om å hjelpe ledere med å stoppe opp, ta et skritt tilbake og utfordre antakelsene sine. Det er der de virkelige resultatforbedringene kommer fra.
Slik bruker du KI til å utfordre antakelser og forbedre kritisk tenkning
Jeg bruker KI som en målskive, ikke som en løsning. Den er der for å bli utfordret. Den er en tenkepartner, ikke en pådriver.
Jeg bruker KI som en målskive, ikke som en løsning. Den er der for å bli utfordret. Den er en tenkepartner, ikke en pådriver.
Et godt eksempel er å ta de generiske svarene på overflatenivå som LLM-er genererer, og bruke dem som målskive for kritikk. Jeg ber kundene om å plukke svarene fra hverandre:
- «Hva måtte ha vært sant for at dette skulle være usant?»
- «I hvilken sammenheng kan dette være helt feil?»
Disse spørsmålene lærer dem å utforme smartere oppfølgingsinstruksjoner, noe som ofte fører til reell innsikt.
Spørsmålene skjerper også den kritiske tenkningen deres, noe som er spesielt viktig nå. Det er overraskende hvor mottakelige de fleste av oss er for bekreftelsesbias. Når KI gir folk et svar som støtter det de allerede tror, føler de seg gjerne bekreftet – og slår deretter av den kritiske tenkningen.
Det er ikke bare overraskende; det er skremmende.
Modernisering av prosjektleveransen samtidig som avkastningen på investeringen maksimeres
For meg er enhver teknikk eller tilnærming som bidrar til å maksimere avkastningen på investeringen i en prosjektportefølje – i stedet for bare å styre grunnlinjer uten å se etter alternativer med høyere verdi – ren gull verdt. Disse er ikke alltid «lette», men de avlaster mennesker noe samtidig som de øker den samlede effekten.
Noen eksempler jeg bruker med kunder – som alle vil dukke opp i den kommende 8. utgaven av PMBOK (som jeg bidro til å skrive) – er verdinedbrytningsstrukturer, kritisk sti-drag og kostnad for kritisk sti-drag.
Disse utvider det tradisjonelle konseptet med kritisk sti til verdi på den andre siden av ligningen. Hvis jeg for eksempel kan fremskynde den kritiske stien med én måned, men det koster $200K, vil den ekstra verdien oppveie kostnaden?
Andre effektive tilnærminger omfatter:
- Prosjektstyring med kritisk kjede (CCPM) både på prosjekt- og porteføljenivå – for å maksimere gjennomstrømning og leveringspresisjon.
- Analytisk hierarkiprosess (AHP) – for å velge prosjekter med høyere verdi.
Alle disse teknikkene er utviklet for å maksimere avkastningen på investeringen, ikke bare styre leveransen.
Agentbaserte arbeidsflyter er ikke verdt innsatsen – ennå
Hvis AI kunne trenes opp til proaktivt å foreslå alternativer med høyere verdi etter hvert som de oppstår – uten å bli bedt om det – ville det vært et virkelig gjennombrudd. Det er da AI ville slutte å bare være et verktøy og begynne å fungere som et fullverdig, bidragende medlem av teamet.
Jeg har begynt å eksperimentere med dette konseptuelt. Det finnes noen lovende modeller på vei som kan gjøre agentbaserte arbeidsflyter mer brukervennlige og utbredte, men de krever fortsatt mye forarbeid for å trenes opp til den unike konteksten i hver organisasjon.
Selv noe så enkelt som å lære en agent å forstå reisepreferansene mine og foreslå komplette reiseruter, har hittil tatt mer tid å trene opp enn den har spart meg for. Men når den først virkelig lærer, er jeg trygg på at gevinsten vil snu dette forholdet, og at det samme prinsippet vil gjelde for prosjektgjennomføring.
Hvorfor mennesker som mestrer AI, vil endre prosjektgjennomføringen
Til syvende og sist tror jeg ikke AI vil endre prosjektgjennomføringen. Jeg tror menneskene som lærer å mestre og orkestrere AI, vil endre den.
Til syvende og sist tror jeg ikke AI vil endre prosjektgjennomføringen. Jeg tror menneskene som lærer å mestre og orkestrere AI, vil endre den.
Og svært komplekse – til og med «umulige» – problemer vil begynne å gi enklere og mer elegante løsninger, generert raskere enn noen gang av den rå datakraften i agentbasert AI.
Hvorfor tenkning med breddeperspektiv vil definere neste generasjon av gjennomføringsledere
Mitt råd er enkelt: Tenk bredt først.
De fleste av oss har lært at spesialister og teknisk dyptgående eksperter vil bli belønnet økonomisk i større grad enn generalister, og dette har vært sant i mange tiår. Men jo mer AI kan håndtere teknisk dyptgående problemer raskere og mer effektivt enn mennesker, desto mer verdifull blir en helhetlig forståelse av systemer, fra ende til ende og med et breddeperspektiv.
Jo mer AI kan håndtere teknisk dyptgående problemer raskere og mer effektivt enn mennesker, desto mer verdifull blir en helhetlig forståelse av systemer, fra ende til ende og med et breddeperspektiv.
Tross alt: Hvis du ikke vet nok om problemets fulle omfang til å orkestrere et nettverk av AI-agenter som kan hjelpe deg med å løse det, vil verdien din på arbeidsmarkedet bli svekket.
Følg med
Du kan følge Mikes arbeid på LinkedIn og lese mer om konsulentvirksomheten hans hos Fortezza Consulting.
Det kommer flere ekspertintervjuer i The Digital Project Manager.
