PMO-leder diskuterer hvordan man kan hindre at KI skaper raskere kaos i stedet for bedre gjennomføring
Finn ut hvordan KI forandrer prosjektgjennomføringen ved å redusere manuelt arbeid, styrke PMO-styringen og hjelpe ledere med å ta raskere og bedre informerte beslutninger.
Hussain Bandukwala
Grunnlegger og administrerende direktør i Parwaaz Consulting
KIs innvirkning: KI flytter prosjektgjennomføringen fra oppgavekoordinering til roller innen beslutningsstøtte og prioritering.
Praktisk KI: Ved å redusere manuelt arbeid knyttet til prosjekter med KI blir det mer rom for strategiske lederaktiviteter.
KI-integrasjon: Ved å integrere KI i eksisterende arbeidsflyter går oppgavene raskere, noe som forbedrer effektiviteten i prosjektgjennomføringen.
Menneskelige ferdigheter: KI fremhever betydningen av menneskelig dømmekraft, relasjonsledelse og lederskap i prosjekter.
Betydningen av styring: Felles styring og beslutningsstrategier hindrer kaos når KI integreres i prosjektledelsen.
Hussain Bandukwala har mer enn 20 års erfaring med prosjektledelse og har ledet oppstartsbedrifter som COO og CPO. Han har vært finalist i Global PMO Influencer to ganger og er instruktør hos LinkedIn Learning.
For tiden er Hussain grunnlegger og administrerende direktør i Parwaaz Consulting, der han hjelper organisasjoner med å forbedre gjennomføringen gjennom sterkere PMO-er, porteføljestyring, leveranseledelse og operasjonell transformasjon.
Vi snakket med ham om hvordan kunstig intelligens endrer prosjektleveranser, hvorfor styring er viktigere enn noen gang, og hva PMO-er og leveranseledere må gjøre for å holde seg relevante. Her er det han hadde å si.
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
Å bygge bro mellom PMO-ledelse, fremragende leveranser og kunstig intelligens
Jeg er grunnlegger og administrerende direktør i Parwaaz Consulting, et spesialisert rådgivningsfirma som hjelper organisasjoner med å forbedre gjennomføringen gjennom sterkere PMO-er, porteføljestyring, leveranseledelse og tilrettelegging for kunstig intelligens. I over 20 år har jeg jobbet med Fortune 500-selskaper, oppkjøpsfinansierte virksomheter, oppstartsbedrifter og voksende mellomstore organisasjoner på tvers av bransjer, blant annet innen helsevesen, logistikk, finansielle tjenester, detaljhandel og teknologi.
I dag hjelper jeg ledere med å prioritere de riktige initiativene, forbedre gjennomføringen av leveranser, styrke PMO-kapasiteten og skalere driften uten unødvendig byråkrati. Dette omfatter alt fra PMO-transformasjoner og porteføljeprioritering til sprintprosjekter for å identifisere muligheter med kunstig intelligens, styring, verktøyadopsjon og kapasitetsbygging.
Før jeg startet Parwaaz Consulting, jobbet jeg i rådgivnings- og leveranselederroller hos selskaper som BearingPoint og Diamond Management & Technology Consultants. Jeg har også vært med på å grunnlegge en oppstartsbedrift og vært COO, noe som ga meg et praktisk perspektiv på gjennomføring og vekst. Jeg er for tiden instruktør hos LinkedIn Learning, med mer enn 160 000 deltakere globalt, og har vært finalist i Global PMO Influencer to ganger. Gartner og Capterra har omtalt faginnleggene mine om PMO-er, leveranser og tilrettelegging for kunstig intelligens.
Hvordan kunstig intelligens redefinerer prosjektleveranser
Kunstig intelligens har endret både hvordan jeg selv arbeider, og hvordan prosjektleveranser utvikler seg mer generelt. For noen år siden brukte de fleste team fortsatt kunstig intelligens på forsøksbasis. I dag ser jeg at organisasjoner går fra nysgjerrighet til operasjonalisering. Samtalen handler ikke lenger bare om «Hva er kunstig intelligens?» Den handler om «Hvor skaper kunstig intelligens målbar verdi, hvordan styrer vi det på en ansvarlig måte, og hvordan får vi det tatt i bruk?»
I min egen rolle bruker jeg langt mindre tid på administrativt arbeid og arbeid som krever omfattende sammenstilling, enn jeg gjorde tidligere. Oppgaver som førstegangsutarbeidelse av dokumentasjon, møtesammendrag, strukturer for idémyldring, utkast til kommunikasjon med interessenter, forberedelse av arbeidsmøter, rapporteringstekster og raskere innhenting av informasjon støttes nå i stor grad av kunstig intelligens. Dette har gitt betydelige effektivitetsgevinster, særlig innen PMO-rådgivning, utvikling av opplæring og porteføljeanalyse.
Det som nå får mer av oppmerksomheten min, er de mer verdifulle leder- og strategiske aktivitetene som kunstig intelligens ikke kan ta selvstendig ansvar for. Dette omfatter for eksempel:
- Å hjelpe ledere med å identifisere hvilke bruksområder for kunstig intelligens det er verdt å satse på, i stedet for å jage etter trender
- Å utforme styrings- og tilsynsmodeller som muliggjør fremdrift uten å skape byråkrati
- Å forbedre organisasjonens bruk av løsningen og drive atferdsendring knyttet til arbeidsmetoder som støttes av kunstig intelligens
- Å omforme PMO-er fra rapporteringsfunksjoner til beslutningsstøtte- og prioriteringsmotorer
- Å hjelpe team med å styrke dømmekraft, kommunikasjon, prioritering og samordning mellom interessenter i et miljø som støttes av kunstig intelligens
Mer generelt endrer selve prosjektleveransen seg på flere viktige måter. For det første går gjennomføringssyklusene raskere fordi teamene kan produsere resultater hurtigere. For det andre øker mengden initiativer fordi kunstig intelligens senker terskelen for eksperimentering. For det tredje forventer ledere raskere beslutningstaking og tydeligere innsyn i avkastningen på investeringer fra leveranseteamene. Som følge av dette spiller PMO-er og leveranseledere en stadig mer strategisk rolle innen prioritering, styring, bruk og realisering av forretningsverdi – ikke bare prosjektsporing.
Kunstig intelligens tvinger også prosjektledere til å utvikle seg. De beste prosjektmedarbeiderne fremover vil ikke bare være oppgavekoordinatorer. De må bli bedre til å legge til rette, tenke forretningsmessig, kommunisere og lede endring, samtidig som de vet hvordan de skal kombinere menneskelig dømmekraft med gjennomføring støttet av kunstig intelligens.
Hvorfor praktisk kunstig intelligens slår full automatisering i leveranser
For tiden fokuserer jeg mer på praktisk tilrettelegging for kunstig intelligens og effektivisering av arbeidsflyter enn på autonom orkestrering. Når det er sagt, eksperimenterer jeg selektivt på områder som møtesammendrag, uttrekking av oppgaver, utarbeidelse av rapportutkast, automatisering av arbeidsflyter og reduksjon av koordineringsarbeidet mellom samarbeidsverktøy og leveransesystemer. Verktøy som Make.com og AI-aktiverte funksjoner i moderne PPM-plattformer gjør stadig mer av dette tilgjengelig.
Jeg har erfart at den største verdien ikke nødvendigvis ligger i å erstatte aktiviteter innen prosjektleveranser, men i å redusere den manuelle friksjonen rundt dem. Samtidig trenger organisasjoner fortsatt sterk menneskelig oppfølging, fordi leveransemiljøer innebærer for mye nyanser, prioritering, interessenthåndtering og kontekstavhengige vurderinger til at de kan automatiseres effektivt fullt ut i dag.
Hvordan integrering av kunstig intelligens øker farten i daglige prosjektarbeidsflyter
Jeg ledet en mulighetssprint om kunstig intelligens i arbeidshverdagen, der vi hjalp team med å knytte de daglige ansvarsområdene sine til praktiske arbeidsflyter støttet av kunstig intelligens. I stedet for å diskutere kunstig intelligens teoretisk fokuserte vi på reelle oppgaver som folk allerede utførte, og identifiserte hvor kunstig intelligens kunne redusere friksjon.
Vi hjalp for eksempel konsulenter med å bruke kunstig intelligens til å oppsummere omfattende RFP-er, hente ut risikoer og leveranser, lage presentasjoner tilpasset ledelsen, utarbeide kommunikasjon til interessenter og organisere oppfølgingsoppgaver på tvers av verktøy som Word, PowerPoint, Outlook, Teams og Planner.
Teamene begynte å se på kunstig intelligens mindre som en «chatbot» og mer som en arbeidsflytforsterker som var integrert i de daglige arbeidsflytene.
Hvorfor mennesker må fokusere på relasjoner og vurderingsevne
Kunstig intelligens kan best støtte leveransearbeid som er repetitivt, koordineringstungt og preget av omfattende sammenstilling.
For eksempel:
- Statusrapportering og sammendrag for ledelsen
- Møtenotater, oppgaver og sporing av oppfølging
- Innledende prosjektplaner, RAID-logger og dokumentasjonsutkast
- Porteføljeanalyse og støtte til prioritering
- Synlighet i ressurser og kapasitet
- Automatisering av arbeidsflyter på tvers av verktøy
- Gjenfinning av kunnskap og innsikt på tvers av prosjekter
Organisasjoner gjennomfører dette ved hjelp av verktøy som Microsoft Copilot, ChatGPT, AI-aktiverte PPM-plattformer, verktøy for automatisering av arbeidsflyter og integrasjoner som legges oppå eksisterende leveranseøkosystemer, i stedet for omfattende, frittstående AI-programmer. Ofte kommer de største gevinstene fra relativt enkle bruksområder som sparer store team for tid hver uke.
Områder som fortsatt krever et menneskelig preg, er imidlertid arbeid som i stor grad handler om vurderinger og relasjoner. Dette omfatter:
- Interessenthåndtering på ledelsesnivå
- Å navigere i organisasjonspolitikk
- Konfliktløsning
- Diskusjoner om avveininger ved prioritering
- Å lede endring og skape oppslutning
- Å veilede team gjennom tvetydighet
- Å ta beslutninger med ufullstendig informasjon
Kunstig intelligens kan støtte disse områdene med innsikt og struktur, men kan fortsatt ikke erstatte tillit, innflytelse, ledelsestilstedeværelse eller kontekstavhengig vurderingsevne. Faktisk mener jeg at disse menneskelige ferdighetene blir enda viktigere etter hvert som kunstig intelligens automatiserer mer av den administrative siden ved leveranser.
Hvordan kunstig intelligens løfter ledelsessamtaler
Ved riktig bruk kan AI også forbedre kvaliteten på ledersamtaler.
Team kan for eksempel nå raskt sammenfatte prosjektoppdateringer, risikoer, møtenotater og tilbakemeldinger fra interessenter til konsise sammendrag, i stedet for å bruke timevis på å utarbeide statusrapporter manuelt. Dette frigjør tid for ledere og PMO-er, slik at de kan bruke mer tid på å diskutere avveininger, prioriteringer, avhengigheter og forretningspåvirkning, i stedet for bare å samle inn informasjon.
Samtalene går fra «Hva er status?» til «Hvilken beslutning må vi ta, og hvilke konsekvenser får den videre?» Dette har endret måten leveransediskusjoner foregår på, på en betydningsfull måte.
Samtaler skifter fra “Hva er status?” til “Hvilken beslutning må vi ta, og hvilke konsekvenser får den videre?
Et praktisk eksempel på kompleksitet innen AI
Her er et eksempel på kompleksiteten som kan oppstå når AI implementeres på arbeidsplassen. Denne organisasjonen var svært interessert i AI, men slet, i likhet med mange virksomheter, med tre samtidige utfordringer:
- For mange frakoblede ideer
- Ingen konsekvent modell for inntak eller prioritering
- Team som eksperimenterte uavhengig av hverandre, uten styring eller målbare resultater
Dette medførte risiko for spredte pilotprosjekter, dobbeltarbeid og økende skepsis blant ledelsen, fordi ingen kunne forklare verdien på en tydelig måte. Vi behandlet dette både som en leveranseutfordring og en utfordring knyttet til driftsmodellen, ikke bare som et teknologiprosjekt.
Først utviklet vi en lettvektsprosess for en AI-mulighetssprint. Vi gjennomførte strukturerte workshops på tvers av funksjoner for å identifisere smertepunkter, repetitive arbeidsflyter, flaskehalser i rapporteringen, koordineringsgap og friksjon i beslutningstakingen. I stedet for å spørre «Hvor kan vi bruke AI?», stilte vi teamene følgende spørsmål:
- Hvor mister medarbeiderne tid hver uke?
- Hvor er arbeidet svært repetitivt?
- Hvor oppstår forsinkelser på grunn av manuell koordinering eller informasjonsinnhenting?
- Hvor venter lederne for lenge på innsikt eller oversikt over status?
Deretter opprettet vi en standardisert prosess for inntak og poengsetting, slik at AI-initiativer kunne vurderes sammen med ikke-AI-initiativer. På den måten unngikk vi at de ble separate sideprosjekter innen innovasjon.
Når det gjaldt verktøy, holdt vi oppsettet bevisst praktisk og enkelt:
- Microsoft Copilot og ChatGPT for å effektivisere arbeidsflyter og sammenfatte innhold
- Eksisterende samarbeidsverktøy, som Microsoft Teams, for workshops og prioriteringsmøter
- Strukturerte maler for inntak og poengsettingsark
- Enkle oversikter og sporingsverktøy for prioritering
- Kontrollpunkter for PMO-styring integrert i eksisterende porteføljegjennomganger, i stedet for å opprette parallelle styringsstrukturer
En viktig lærdom var at kompleksiteten ikke kom fra selve AI-verktøyene, men fra koordinering, eierskap, forventninger og innføring.
En krevende del av oppdraget var at mange ledere i utgangspunktet overvurderte hvor klare de var for AI. Teamene ønsket avansert automatisering, men de underliggende prosessene var fortsatt inkonsekvente eller udokumenterte. I flere tilfeller satte vi AI-diskusjonene på pause for først å stabilisere arbeidsflyter, tydeliggjøre eierskap eller forbedre datakvaliteten. Dette var en av de viktigste suksessfaktorene. Vi behandlet AI-beredskap som en diskusjon om operasjonell modenhet, ikke bare som en teknologisk implementering.
Vi innførte også en lettvektsmodell for styring og tilsyn, med tydelige kontrollpunkter for inntak, beslutningsmyndighet, eskaleringsveier og rolleansvar. Målet var å legge til rette for rask fremdrift uten å skape byråkrati.
Det innledende arbeidet med sprint og prioritering tok noen uker, etterfulgt av trinnvis tilrettelegging og støtte til innføring. Den største arbeidsmengden lå ikke i teknisk konfigurering, men i å samordne interessenter, legge til rette for endring og hjelpe teamene med å redesigne hvordan arbeidet fløt.
Resultatene var betydelige:
- Ledelsen fikk et langt tydeligere bilde av hvor AI realistisk sett kunne skape verdi.
- Teamene gikk fra tilfeldig eksperimentering til strukturert gjennomføring.
- Vi identifiserte flere brukstilfeller som krevde liten innsats, og som reduserte manuelt administrativt arbeid og rapporteringsbelastning.
- AI-samtaler ble knyttet til målbare forretningsresultater i stedet for overdrevet entusiasme.
- PMO-et utviklet seg til en funksjon for koordinering, prioritering og styring av AI-aktivert gjennomføring.
Det mest interessante var at organisasjonene som lyktes, ikke nødvendigvis var de mest teknisk avanserte. De kombinerte praktisk styring, operasjonell disiplin og sterk endringsledelse med AI-aktivert gjennomføring.
Slik bygger du en AI-aktivert leveransestakk
Teknologistasjonen jeg bruker i leveranser, har utviklet seg betydelig de siste 6–12 månedene, etter hvert som AI har gått fra eksperimentering til støtte for den daglige gjennomføringen.
AI-verktøyene jeg bruker mest aktivt i dag, inkluderer:
- OpenAI ChatGPT for sammenfatning, kommunikasjon med ledelsen, forbedring av arbeidsmøter, idéutvikling for rammeverk, støtte til prioritering og strukturert tenkning
- Anthropic Claude for lengre analyser, forbedring av tekster og dypere kontekstuell resonnering
- Gamma for raskt å bygge presentasjonsstrukturer, visuell historiefortelling og utkast klare for ledelsen
- Canva for visuell kommunikasjon, opplæringsmateriell, diagrammer og enkel innholdsdesign
Den største effekten av disse verktøyene er hastighet, sammenfatning og raskere førstutkast. De reduserer i betydelig grad administrativt arbeid og formateringsarbeid, slik at det blir mer tid til strategisk tenkning, interessentdialog, prioritering og beslutningstaking.
Hvorfor AI bør integreres i teamets eksisterende arbeidsstakk
Det som overraskende nok er undervurdert akkurat nå, er ikke ett enkelt AI-verktøy, men den direkte integreringen av AI i den daglige arbeidsstakken folk allerede bruker – særlig innenfor Microsoft-økosystemet.
For mange team kommer tidsbesparelsene i sanntid fra små arbeidsflytforbedringer som skjer kontinuerlig gjennom dagen. Dette omfatter å oppsummere Teams-møter, utarbeide oppfølgings-e-poster i Outlook, hente ut handlingspunkter, lage førstutkast i Word, utarbeide presentasjonsdisposisjoner i PowerPoint eller organisere oppgaver i Planner uten stadig å måtte skifte kontekst.
Hver for seg sparer disse kanskje bare noen få minutter om gangen. Men på tvers av leveranseteam som arbeider hele dagen, hver dag, blir den samlede effekten betydelig. Jeg ser team redusere administrativ belastning, forbedre responstidene og bruke mer tid på faktisk beslutningstaking og gjennomføring i stedet for koordinering.
Den største effekten oppstår også når organisasjoner slutter å behandle AI som et separat mål og i stedet integrerer det naturlig i eksisterende arbeidsflyter som folk allerede er komfortable med.
Slik endrer AI-aktiverte PPM-plattformer prosjektstyringen
Jeg ser organisasjoner bevege seg bort fra sterkt prosessdreven prosjektstyring og over mot lettere, mer tilpasningsdyktige leveransesystemer med fokus på synlighet, prioritering, raskere beslutningstaking og AI-assistert gjennomføring.
I praksis betyr det mindre tid brukt på å sammenstille rapporter manuelt og følge opp oppdateringer, og mer tid på å samhandle direkte med leveransedata i sanntid gjennom AI-aktiverte verktøy.
Med nyere AI-aktiverte PPM-plattformer som Celoxis kan ledere for eksempel nå bruke instruksjoner på naturlig språk til raskt å hente frem innsikt som tidligere krevde omfattende manuell analyse. I stedet for å lete gjennom dashbord og regneark kan man starte dagen med å spørre:
- «Hvilke tre prosjekter bør jeg være mest bekymret for i dag?»
- «Hvilke risikoer fører til forsinkelser i tidsplanen?»
- «Hvilke initiativer har for høy kapasitetsbelastning?»
- «Hvilke korrigerende tiltak bør vi vurdere?»
På få minutter kan plattformen identifisere problemområder, oppsummere medvirkende forhold, anbefale tiltak og hjelpe teamene med å gå direkte over til beslutningstaking og gjennomføring.
Denne endringen gjør prosjektleveranser fra en i stor grad administrativ oppgave til et langt mer dynamisk, innsiktsdrevet og handlingsorientert miljø.
Slik redefinerer AI sentrale ritualer for prosjektleveranser
Jeg ser en stor endring i leveranseritualene: De handler nå mindre om «å lage artefakter» og mer om å fremskynde beslutninger.
For eksempel innebar diskusjoner om prosjektomfang tidligere lange workshops om krav, etterfulgt av dager eller uker med manuell bearbeiding av dokumentasjonen. Nå kan AI raskt sammenfatte diskusjoner, generere utkast til krav, avdekke uklarheter og til og med identifisere motstridende antakelser nesten i sanntid. Som et resultat bruker teamene mindre energi på å dokumentere det som ble sagt, og mer energi på å diskutere om arbeidet gir strategisk mening.
På samme måte blir gjennomføringsstyring langt mer samtalebasert og innsiktsdrevet. I stedet for at prosjektledere manuelt samler inn statusinformasjon før et styringsmøte, samhandler ledere i økende grad med leveransesystemer ved hjelp av naturlig språk for umiddelbart å identifisere risikoer, avhengigheter, forsinkelser eller ressursflaskehalser. Dette endrer rollen til leveranseledelsen fra «informasjonsinnsamler» til «beslutningsfasilitator».
Teamene bruker mindre energi på å dokumentere det som ble sagt, og mer energi på å diskutere om arbeidet gir strategisk mening … Dette endrer rollen til leveranseledelsen fra «informasjonsinnsamler» til «beslutningsfasilitator».
Jeg ser også at valideringsritualene utvikler seg. Teamene validerer ikke lenger bare om kravene er ferdigstilt. De validerer i økende grad om AI-genererte resultater er nøyaktige, partiske, fullstendige eller kontekstuelt passende. Kvalitetssikringen utvides fra å omfatte systemer til også å omfatte selve vurderingsevnen.
Ritualene forsvinner ikke. De flyttes oppover mot samordning, prioritering, tolkning og beslutningskvalitet.
Hvorfor felles AI-styring forhindrer kaotisk gjennomføring
Et spørsmål jeg skulle ønske at flere stilte, er: «Hvordan hindrer vi AI i å skape raskere kaos i stedet for bedre gjennomføring?»
Organisasjoner må bruke langt mer tid på å definere beslutningsmyndighet, eierskap, prioriteringsregler og suksessmålinger før de skalerer AI bredt. Akkurat nå optimaliserer mange team individuell produktivitet uten å tenke nok på koordinering på tvers av virksomheten.
Hvis hver avdeling begynner å ta i bruk AI uavhengig av de andre, med ulike arbeidsflyter, instruksjoner, styringsmodeller og prioriteringer, risikerer organisasjonene å skape fragmentert gjennomføring i et langt høyere tempo.
Virksomhetene som lykkes, vil sannsynligvis etablere felles driftsprinsipper for hvordan de introduserer, styrer, måler og integrerer AI i hele organisasjonen – ikke bare for hvordan de enkelte teamene bruker verktøyene.
Helt ærlig er dette én av grunnene til at rollen som CAIO (sjef for kunstig intelligens) kan bli langt mer utbredt de neste årene: Organisasjoner trenger noen som ikke bare har ansvar for teknologibeslutninger knyttet til AI, men også for koordinering, prioritering, styring og innføring på tvers av virksomheten.
Slik endrer AI fremtiden for PMO-er
Innen fem år vil mange PMO-er enten utvikle seg til funksjoner for AI-transformasjon og koordinering på virksomhetsnivå, eller bli irrelevante.
AI vil i stor grad automatisere og integrere tradisjonelt prosjektarbeid, inkludert statusrapportering, manuell koordinering, oppdateringer, RAID-styring og administrativ oppfølging, direkte i operative arbeidsflyter og samarbeidsverktøy.
PMO-ene som overlever, vil gå fra å styre prosjekter til å styre prioriteringer på virksomhetsnivå, AI-gjennomføring, styring og organisatorisk samordning. De skal bidra til å identifisere og prioritere AI-muligheter, drive innføring på tvers av funksjoner som økonomi, HR, juridisk og drift, og hjelpe organisasjoner med overgangen til AI-først-baserte driftsmodeller.
Den største risikoen vil ikke være manglende innføring av AI. Det vil være at organisasjoner automatiserer kaos raskere enn de forbedrer tydelighet, ledelse og beslutningstaking.
Hvorfor ledere må se på AI som en operasjonell endring
Ikke betrakt AI som et sideeksperiment eller et teknologiinitiativ som bare IT eier. Betrakt det som et skifte innen drift og ledelse.
Mitt råd er:
- Begynn i det små, men begynn nå.
- Fokuser på praktiske smertepunkter i arbeidsflyten, ikke på opphausing.
- Bygg AI-vaner inn i det daglige arbeidet i stedet for å tvinge frem en massiv omstilling over natten.
- Styrk dømmekraft, kommunikasjon, prioritering og ledelse av interessenter, ettersom disse ferdighetene blir mer verdifulle, ikke mindre.
- Ikke automatiser ødelagte prosesser ukritisk.
- Lær nok om AI til å lede samtalen med selvtillit, selv om du ikke har dyp teknisk kompetanse.
Viktigst av alt: Ikke undervurder hvor raskt forventningene endrer seg. Leveranseledere som lærer å kombinere akselerasjon ved hjelp av AI med sterk menneskelig ledelse, vil ha et stort fortrinn de neste årene.
Følg med
Følg med på Hussains arbeid på LinkedIn, eller abonner på The PMO Playbook. Ta også en titt på Parwaaz Consulting.
Flere ekspertintervjuer kommer på The Digital Project Manager!
