Leder innen KI-teknikk sier at egne prosjektlederroller vil forsvinne
Se hvordan en leder innen KI-teknikk bruker agentbaserte arbeidsflyter for å øke leveringshastigheten, redusere antall møter og dreie teamene mot samarbeid med fokus på dømmekraft.
Sairam Sundaresan
Leder innen KI-teknikk og underviser
KIs påvirkning: KI endrer i betydelig grad fokuset i roller innen KI- og ML-teknikk og flytter oppmerksomheten mot utforming og problemformulering.
Automatisering av oppgaver: KI er svært god til å automatisere repetitive oppgaver, men har problemer med oppgaver som krever dømmekraft og kontekstforståelse.
Leveranserutiner: KI legger til rette for raskere avgrensning av prosjekter og bedre asynkron samordning, noe som reduserer behovet for møter med statusoppdateringer.
Agentbaserte arbeidsflyter: Implementering av agentbaserte arbeidsflyter effektiviserer oppgaver som ikke innebærer koding, slik at man kan konsentrere seg bedre om kritiske beslutninger.
Utvikling av roller: Egne prosjektlederroller kan bli mindre vanlige når KI overtar oppfølgingen, mens oppgaver som krever dømmekraft, blir liggende hos teamene.
Sairam Sundaresan er leder innen AI-utvikling og underviser. Han er rangert som LinkedIn Indias fremste AI-skaper av Favikon. Han er også forfatteren av AI for oss alle og skriver et ukentlig nyhetsbrev kalt Gradient Ascent.
Vi snakket med Sundaresan om hvordan AI endrer prosjektleveranser. Her er det han hadde å si.
Hvordan AI påvirker roller innen AI/ML-utvikling
Jeg leder arbeidet med AI/ML-utvikling. I prosjektleveranser har jeg ansvar for arkitekturbeslutninger, for å sørge for at den tekniske tilnærmingen samsvarer med forretningsproblemet, og for å avdekke risikoer tidlig nok til at de kan håndteres.
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 er også forfatteren av AI for oss alle.
Hvordan AI endrer oppgaver og fokus i prosjektleveranser
AI gjør en god første gjennomgang av implementering, tester og standardkode. Jeg bruker mindre tid på å skrive kode fra bunnen av, men jeg gjennomgår fortsatt alt, på samme måte som jeg ville gjort med enhver utvikler på teamet mitt. Resultatet produseres raskere, men det skjer uten tilsyn.
Jeg bruker nå mer tid på problemformulering, systemdesign og på å finne ut hvor ting kommer til å feile. Disse beslutningene har alltid vært den delen av jobben som gir størst effekt. De utgjør nå en større del av dagen min, siden rutinearbeidet går raskere.
Det som overrasket meg mest ved å implementere AI, var å se Moravecs paradoks utspille seg i sanntid. Oppgavene jeg forventet skulle være vanskelige å automatisere, var enkle: kodegenerering, skriving av tester og oppsummering. AI har problemer med oppgaver jeg forventet skulle være trivielle: å vite når et krav er tvetydig, å forstå at en teknisk korrekt løsning er feil løsning i denne sammenhengen, og å forstå hvorfor en interessent sa én ting, men mente noe annet.
Hvordan AI effektiviserer repetitive oppgaver i prosjektleveranser
De delene av leveransearbeidet mitt som kan automatiseres best akkurat nå, er repetitive oppgaver med tydelige akseptansekriterier. Testgenerering, kodeoppsett, skriving av førsteutkast til dokumentasjon, statusrapportering og avhengighetssjekker – dette er veldefinerte oppgaver med liten tvetydighet, der AI gjør en solid jobb med minimalt tilsyn. Implementeringen er enkel: Du kobler agenter til CI/CD-pipelinen, gir dem et tydelig omfang og bygger inn verifisering av resultatet.
Mennesker er fortsatt nødvendige for alt som innebærer vurderinger under tvetydighet. Det omfatter:
- Prioritering når alt haster
- Å vite hvilken teknisk snarvei som er akseptabel, og hvilken som vil koste deg seks måneder senere
- Å lese rommet i et tverrfunksjonelt møte og innse at den egentlige hindringen er politisk.
Hvordan AI endrer sentrale leveranserutiner og samkjøring
Når det gjelder rutiner, gjør AI mye av det tunge arbeidet.
- Omfangsdefineringen går raskere fordi AI lager et førsteutkast basert på en samtale eller krav, og deretter redigerer jeg. Jeg stirrer ikke lenger på en tom side. Men jeg tar fortsatt beslutningen om hva som er innenfor og utenfor omfanget.
- Samkjøringen skjer i større grad asynkront. I stedet for å ha et møte for å samkjøre alle, skriver jeg et kort dokument, AI hjelper meg med å spisse det, og folk kommenterer. Vi møtes bare når vi må løse en reell uenighet.
- Valideringen har endret seg mest. AI genererer kode, så nå trenger jeg tester og sikkerhetsmekanismer som fanger opp agentenes spesifikke feilmønstre.
- Gjennomføringsstyringen er enklere. Verktøyene gir status direkte. Jeg bruker mindre tid på å be om statusoppdateringer og mer tid på å avgjøre hva som skal gjøres videre.
Samkjøringen skjer mer asynkront. I stedet for et møte for å samkjøre alle skriver jeg et kort dokument, AI hjelper meg med å spisse det, og folk kommenterer. Vi møtes bare når vi må løse en reell uenighet.
Hvorfor agentiske arbeidsflyter forbedrer effektiviteten i leveransen
Personlig bruker jeg agentiske arbeidsflyter daglig. Oppsettet mitt bruker Claude Code til å orkestrere det meste av arbeidet mitt som ikke gjelder koding: undersøkelser, sammenstilling av dokumenter, planlegging og gjennomgang. Til koding håndterer Codex implementeringen, og jeg gjennomgår den.
Jeg begynte med å automatisere deler av leveransen som tok tid uten å kreve skjønn. Utarbeiding av dokumenter, oppsummering av kontekst, generering av tester og innhenting av status fra flere kilder. Dette er oppgaver med høy frekvens og lav tvetydighet. Enkle gevinster.
Kvaliteten er god nok til at jeg bare redigerer arbeidet, i stedet for å gjøre det på nytt. Jeg bruker tiden jeg får tilbake på beslutninger som faktisk betyr noe. Den viktigste lærdommen: Vær tydelig på omfanget. Agenter fungerer godt med klare avgrensninger. Gir du dem en uklar intensjon, er du tilbake til å måtte passe på dem.
Hvorfor Codex og Claude Code er uunnværlige utviklerverktøy
Codex er det viktigste kodeverktøyet mitt akkurat nå. Når jeg bruker Claude til koding, fungerer Codex som min partner for kodegjennomgang. Denne rollen endrer seg imidlertid etter hvert som feltet utvikler seg.
Claude Code håndterer alt som er knyttet til koding: arkitektenkning, dokumentasjon, problemformulering, undersøkelser og gjennomgang. Det utfører også noe direkte koding. Jeg bruker Linear til prosjektstyring. Det er oversiktlig, raskt og holder seg unna.
Hvorfor AI kan gjøre dedikerte prosjektlederroller overflødige
Dette kan være litt kontroversielt, men jeg tror at dedikerte prosjektlederroller i stor grad vil forsvinne fordi alle vil begynne å lede prosjekter. AI håndterer oppfølging, statussammendrag og planlegging. Det som gjenstår, er skjønn, og det deler teamet på.
Alle roller er i ferd med å flyte sammen nå. Du kan ikke bare være en ingeniør som skriver kode, eller bare en designer som designer. Mindre team, større utnyttelse av AI, og alle vil dekke et bredere område.
De som gjør det bra, er de som aldri bare var én ting.
Hvorfor leveranseledere må ta i bruk AI-verktøy og -ferdigheter
Jobb praktisk med verktøyene. Ikke overlat forståelsen din av AI til noen andre på teamet. Du må selv erfare hvor det fungerer godt, og hvor det svikter.
Deretter bør du nådeløst kutte prosesser som bare eksisterer fordi det var kostbart å flytte informasjon rundt. AI gir deg dette gratis nå.
Følg med
Du kan følge arbeidet til Sundaresan på LinkedIn, X, Instagram og nyhetsbrevet hans. Du kan også ta en titt på boken hans, AI for resten av oss.
Det kommer flere ekspertintervjuer på The Digital Project Manager!
