Praktiske måter å løfte prosjektleveranser med KI på, ifølge en leder for plattformutvikling

You should also read

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

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

Hvordan AI endrer prosjektleveranse og ledelse innen teknikk

AI endrer rollen min på svært konkrete og praktiske måter. Som leder innen plattformteknikk tenker jeg nå på prosjektleveranse langs to parallelle spor:

• Det ene handler om de tradisjonelle grunnpilarene, som pålitelighet, automatisering og utvikleropplevelse.
• Det andre handler om hvordan AI blir en del av selve arbeidsflyten.

Jeg bruker langt mindre tid på å gjennomgå gjentakbart arbeid manuelt, lete gjennom logger eller koordinere overleveringer som kan automatiseres. AI-drevne verktøy håndterer mye av førstegangsarbeidet med ting som generering av dokumentasjon, oppsett av testgrunnlag, miljøoppsett og støyende driftsvarsler. Jeg bruker også mindre tid på å svare på de samme driftsrelaterte spørsmålene, fordi AI-agenter nå gir veiledning direkte til utviklerne inne på en intern plattform.

Det som får mest av oppmerksomheten min nå, er å forme hvordan team bruker AI på en trygg og strategisk måte. Dette omfatter å velge de riktige AI-verktøyene, utforme ansvarlige arbeidsflyter, etablere sikkerhetsmekanismer og tenke gjennom hvordan AI endrer teknikkulturen.

Jeg bruker også mer tid på systemarkitektur på høyt nivå, samordning på tvers av team og den menneskelige siden av leveranse, siden AI frigjør plass til dypere tenkning:

• Systemarkitektur på høyt nivå: I stedet for å reagere på enkeltstående problemer tenker jeg i form av langsiktige mønstre og delte byggeklosser som gjør leveransen raskere og mer robust. For å gjøre dette ser jeg helhetlig på hvordan tjenestene, arbeidsflytene og plattformene våre skalerer når virksomheten vokser.
• Samordning på tvers av team: Dette kommer til uttrykk på en personlig måte for meg. Siden min egen bruk av AI ligger foran der resten av teamet er i dag, bruker jeg mer tid på å omsette det jeg lærer fra AI-assisterte arbeidsflyter til forbedringer i plattformen, dokumentasjonen og de interne verktøyene våre. På den måten kan andre dra nytte av dette gradvis, uten at endringer tvinges gjennom før de er klare.
• Den menneskelige siden av leveranse: AI frigjør kapasitet, så jeg investerer mer tid i å veilede utviklere, forstå utfordringene deres og skape et miljø der de kan fokusere på arbeid med større effekt i stedet for å håndtere repetitive oppgaver.

Alt i alt handler prosjektleveranse i mindre grad om å få oppgaver over målstreken, og mer om å samordne et miljø der intelligent automatisering, sterke plattformer og dyktige mennesker samarbeider med langt mindre friksjon.

Slik identifiserer du de tekniske arbeidsflytene som er best egnet for AI-automatisering

De tydeligste mulighetene for AI i prosjektleveranse akkurat nå finnes i arbeid med høyt volum som tar mye tid, men som egentlig ikke krever dyp dømmekraft. Ting som logglesing, sortering av saker, opprydding i dokumentasjon, avhengighetskontroller og oppsummering av lange tekniske tråder er perfekte kandidater. Dette er områder der AI kan implementeres direkte gjennom gjenbrukbare instruksjoner, automatiserte agenter i utviklerportaler eller til og med enkle integrasjoner som kjører inne i CI og viser innsikt før et menneske trenger å gripe inn.

AI passer også godt inn i møteforberedelser og kunnskapsdeling. Verktøy som Gemini hjelper meg allerede med å gjøre lange diskusjoner om til tydelige handlingspunkter, og den samme ideen kan utvides til sprintgjennomganger, retrospektiver og beslutningslogger. Det gir teamene en bedre felles forståelse uten den vanlige belastningen.

Delene som fortsatt trenger et menneskelig preg, er områdene der kontekst, tillit og intuisjon betyr noe. Ting som å fastsette teknisk retning, vurdere avveininger som påvirker mennesker, ta beslutninger under uklare hendelser eller veilede utviklere gjennom utfordringer. Disse øyeblikkene avhenger av dømmekraft og erfaring, og AI kan bare støtte — ikke erstatte — dette.

Så skillet er enkelt. La AI i prosjektledelse håndtere det repetitive arbeidet som bremser leveransen. La mennesker håndtere de kreative, strategiske og menneskeorienterte beslutningene som driver leveransen fremover.

Adoras tips

Fordelingen er enkel. La AI håndtere det repetitive arbeidet som forsinker leveransen. La mennesker håndtere de kreative, strategiske og menneskefokuserte beslutningene som driver leveransen fremover.

Hvordan AI skaper en endring i tankesettet

Det er utrolig hvor raskt AI i automatisering av prosjektoppgaver går fra å føles som et hyggelig tillegg til å bli en del av den sentrale arbeidsflyten. Jeg forventet effektivitetsgevinster, men jeg forventet ikke at det skulle endre meg.

Jeg pleide å bruke mye energi på å samle inn kontekst og prøve å holde hver detalj i hodet, slik at jeg kunne lede med selvtillit. Da AI begynte å støtte dette arbeidet, merket jeg raskt en endring i tankesettet. Jeg begynte å møte opp roligere og bedre forberedt fordi jeg ikke lenger måtte anstrenge meg for å huske alt. Jeg kunne fokusere på retning, tydelighet og kvaliteten på beslutningene i stedet for på arbeidet med å samle inn informasjon.

Dette har vært en svært positiv endring. Arbeidet føles mer bevisst og mindre reaktivt. Det kom også naturlig fordi jeg så fordelene nesten umiddelbart. Jeg planla ikke for en endring i tankesettet. Det skjedde ganske enkelt da jeg brukte AI til å fjerne støyen og skape mer rom for ledelse.

Hvordan en enkel seksukerssyklus forbedrer leveransen

Jeg har beveget meg bort fra tradisjonelle prosjektstyringsmetoder som baserer seg på stadige statusmøter, rigide tidslinjer og omfattende dokumentasjon. I stedet bruker jeg et enklere system bygget rundt tydelige sykluser og kontekst av høy kvalitet. Overgangen skjedde gradvis — over tid reduserte jeg antallet oppfølgingsmøter, delte kortere oppdateringer og fokuserte diskusjonene på beslutninger i stedet for rapportering.

En av bærebjelkene i dette systemet er gjennomgangen av veikartet vårt hver sjette uke. I stedet for å forsøke å styre fremdriften uke for uke i en detaljert prosjektplan, samordner vi oss grundig hver sjette uke, blir enige om prioriteringer og avklarer forventninger med interessentene. Mellom disse syklusene handler fokuset om fremdrift, ikke papirarbeid.

Fordi vi samarbeider med mange interessenter, har den største endringen vært hvordan jeg styrer informasjonsflyten. I stedet for å lage lange statusrapporter eller delta i flere samkjøringsmøter bruker jeg AI-verktøy som Gemini til å oppsummere Slack-tråder, møtenotater, dokumenter og oppdateringer fra Jira. Det gir meg et tydelig bilde av hva som beveger seg fremover, hva som er blokkert, og hvilke beslutninger som trenger oppmerksomhet, uten at jeg bruker timevis på å samle inn kontekst.

Dette betyr selvfølgelig også at rutinene våre blir enklere, slik at teamet kan fokusere på gjennomføring i stedet for konstant rapportering.

Resultatet er en enklere prosess med større tydelighet. Interessentene får bedre innsikt fordi informasjonen er kortfattet og tidsriktig, ingeniørene blir avbrutt sjeldnere, og jeg kan bruke energien min på retning og problemløsning i stedet for administrative oppgaver. Seksukerssyklusen gir struktur, og AI gir den daglige tydeligheten som holder alt i bevegelse.

Hvordan gjenbrukbare instruksjoner for ingeniørarbeid reduserer repetitivt arbeid

Teamet mitt har begynt å bruke gjenbrukbare instruksjoner for ingeniørarbeid. Vi har laget et lite bibliotek med instruksjoner som støtter vanlige ingeniøroppgaver, for eksempel å skrive enhetstester, forbedre feilmeldinger, oppsummere tjenesteatferd eller gjennomgå endringer for mulige pålitelighetsproblemer. Disse instruksjonene skrives én gang, testes og gjenbrukes deretter, slik at ingeniørene ikke må begynne fra grunnen av hver gang de ber en assistent om hjelp.

Én instruksjon er for eksempel viet til å generere strukturerte utgivelsesnotater fra pull-forespørsler. Den forventer bestemte inndata, som saksnummer, område i kodebasen, risikonivå og innvirkning på kundene. En annen fokuserer på å oversette driftsvarsler til et enkelt språk, sammen med de mest sannsynlige rotårsakene basert på tidligere hendelser.

Oppsettet var enkelt i begynnelsen og lå i et delt dokument, og vi flytter gradvis instruksjonene over til den interne plattformen vår, slik at de blir enklere å finne og vedlikeholde. Arbeidet med å lage og forbedre hver instruksjon er lite sammenlignet med tiden vi sparer over tid, fordi resultatet blir tydeligere, raskere og mer konsistent hver gang noen bruker den.

Det reduserer mye repetitivt arbeid og hjelper folk med å gjennomføre leveransen med større selvtillit.

Hvordan et AI-lag i de daglige ingeniørverktøyene våre fremskynder leveransen

Akkurat nå er verktøystakken min ganske enkel. Jeg bruker Gemini, Jira, Slack, Google Workspace og de vanlige ingeniørverktøyene teamet mitt allerede arbeider med — for eksempel GitHub til versjonskontroll, CI-pipelinen vår til bygging og utrulling, og Datadog til overvåking og varsling.

Det som har endret seg det siste året, er ikke selve AI-verktøyene for prosjektstyring; det er hvordan jeg bruker dem.

• Gemini har hatt den største innvirkningen. Jeg bruker det til møteforberedelser, oppsummering av lange dokumenter, rask innsikt fra logger og til å gjøre notater om til tydelige handlingspunkter. Det har erstattet mye av den manuelle innhentingen av kontekst og hjelper meg med å ta beslutninger mye raskere.
• Jira er fortsatt kjernen i arbeidsoppfølgingen. Jeg har ikke erstattet det. Det som har endret seg, er at jeg håndterer min egen arbeidsflyt rundt det mer effektivt, fordi jeg kan bruke Gemini til å fordøye store epikker, raskt forstå fremdriften og forberede meg til planleggingsmøter uten å bruke flere timer på å lese gjennom alt.
• Slack er fortsatt sentralt for kommunikasjonen. Men i stedet for å prøve å følge med på hver eneste tråd, støtter jeg meg på Slacks KI-oppsummeringer for å trekke ut det viktige, slik at jeg ikke drukner i meldinger. Slacks KI svarer også på spørsmål og automatiserer oppgaver i plattformen.

Verktøyene i seg selv er altså i stor grad de samme, men arbeidsflyten min har utviklet seg. Den største endringen har vært å legge et KI-lag oppå de daglige verktøyene. Med andre ord handler det om hvordan jeg kombinerer Gemini med verktøyene jeg allerede bruker hver dag, for å tolke det disse verktøyene inneholder.

Den største endringen har vært å legge et KI-lag oppå de daglige verktøyene. Med andre ord handler det om hvordan jeg kombinerer Gemini med verktøyene jeg allerede bruker hver dag, for å tolke det disse verktøyene inneholder.

Share This Quote on:

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

Adora Nwodo

Grunnlegger av Nexascale

Hvordan Gemini forbedrer møter, hukommelse og beslutningstaking

La oss gå dypere inn i Gemini.

En av de mest undervurderte egenskapene akkurat nå er ganske enkelt muligheten til å bruke KI til å oppsummere møter, lange Slack-tråder, dokumenter og til og med det som har skjedd i løpet av uken. Det høres kanskje lite ut, men det har spart ledere for svært mye tid.

Det er ikke en prangende funksjon, men effekten er reell. Den gir tilbake tid, reduserer stress og holder gjennomføringen i gang uten forsinkelser forårsaket av informasjonsoverbelastning. For ledere har dette vært en av de største gevinstene.

I praksis bruker jeg Gemini mye i møtene mine — hovedsakelig som et støtteverktøy for å huske møter, snarere enn som et system som tenker for meg. Jeg bruker det til å forberede agendaer, oppsummere diskusjoner, følge opp beslutninger og hente ut innsikt fra lange tråder eller dokumenter.

De fleste møtene mine blir tatt opp, og Gemini genererer automatisk oppsummeringer, slik at jeg slipper å se lange videoer på nytt for å hente ut hovedpunktene. Når jeg går gjennom en oppsummering, forbedrer jeg den, presiserer alt som ble misforstått, og trekker ut beslutningene og tiltakene som faktisk betyr noe.

Jeg bruker det også til raskt å søke på tvers av flere opptak hvis jeg trenger å bekrefte tidligere kontekst, finne den opprinnelige årsaken til en beslutning eller hente ut detaljer fra en diskusjon som fant sted for flere uker siden. Det sparer meg for å lete gjennom timevis med innhold, men det er fortsatt jeg som tolker informasjonen og driver de neste stegene fremover.

Alt dette hjelper meg med å gå inn i møter med full kontekst og gå ut med konsise handlingspunkter. Og fordi jeg får klarhet raskere, tar jeg beslutninger raskere.

Adoras tips

Menneskets rolle vil ikke forsvinne, men den vil endres slik at den i større grad handler om ledelse, klarhet og beslutningstaking enn om administrasjon.

Praktisk utprøving av agentiske arbeidsflyter

Vi eksperimenterer med agentiske arbeidsflyter, men på en svært praktisk måte. Hovedfokuset vårt akkurat nå er KI-utfordringen for hele selskapet, som i større grad er et initiativ for å hacke og lære enn et formelt plattformarbeid. Hele selskapet bygger små KI-prosjekter for å få praktisk erfaring og forstå hvordan agentiske arbeidsflyter kan se ut i vår kontekst.

Personlig følger jeg, når det gjelder leveransearbeid, med på ideene som involverer agenter som kan hjelpe med ting som å oppsummere kontekst, redusere repetitive oppgaver eller forbedre beslutningstaking.

Det er fortsatt tidlig, men det går bra. Folk lærer raskt, og vi ser allerede mønstre som senere kan skaleres til mer strukturerte agentiske arbeidsflyter.

Hvorfor KI vil flytte prosjektledelse fra administrasjon til ledelse

I nær fremtid vil prosjektleveranser gå fra å være lederstyrte til å bli kontekststyrte. AI i rapportering av prosjektstatus vil håndtere det meste av arbeidet med sporing, oppsummering og koordinering, noe som betyr at teamene vil jobbe basert på innsikt i sanntid i stedet for planlagte statusmøter. Ledere vil bruke langt mindre tid på å drive prosesser og langt mer tid på å legge strategier, coache medarbeidere og ta avgjørelser basert på skjønn.

Forestillingen om prosjektlederen som den primære kilden til oppdateringer vil også forsvinne. AI vil automatisk synliggjøre fremdrift, risikoer og avhengigheter. Teamene vil samarbeide med AI-agenter på samme måte som de i dag samarbeider med verktøy. Resultatet vil bli raskere beslutninger, færre rutiner og leveransesystemer som føles mer tilpasningsdyktige enn strukturerte.

Menneskets rolle vil ikke forsvinne, men den vil dreie seg mer om lederskap, tydelighet og beslutningstaking enn om administrasjon.

Adoras tips

Fordi AI gir meg oversikt raskere, tar jeg beslutninger raskere.

Hvorfor AI ikke vil erstatte måten vi jobber på over natten

Mitt råd er å begynne i det små, være nysgjerrig og fokusere på tydelighet fremfor kontroll.

Dette handler ikke om å erstatte måten vi jobber på over natten. Det handler om å la AI ta seg av de repetitive delene av leveransene, slik at ledere kan fokusere på mennesker, retning og beslutningstaking.

Den største gevinsten kommer fra å eksperimentere med enkle bruksområder som oppsummeringer, forberedelse til møter eller innhenting av kontekst. Disse små seirene bygger tillit og skaper rom for dypere endringer.

Og viktigst av alt: Involver teamene dine, og hold prosessen enkel. AI fungerer best når det støtter kulturen dere allerede har, ikke når det blir enda et lag med kompleksitet.

Følg med

Du kan følge Adora Nwodo på LinkedIn, X eller hennes personlige nettsted. Sjekk også ut NexaScale.

Flere ekspertintervjuer kommer på The Digital Project Manager!