Salesforce-prosjektlederen som skriver om hvordan virksomhetsteam bruker KI i prosjektgjennomføring
Brian Galardo, program- og prosjektleder i Salesforce, deler hvordan KI forvandler prosjektgjennomføringen – ikke ved å erstatte menneskelig dømmekraft, men gjennom praktiske arbeidsflyter som fører team fra eksperimentering til faktisk bruk.
Brian Galardo
Program- og prosjektleder
Tverrfunksjonelle initiativer: Brian Galardo understreker betydningen av samarbeid på tvers av team for effektiv prosjektgjennomføring og operasjonell effektivitet.
KI-integrasjon: KI bidrar til å effektivisere prosjektledelsen ved å automatisere rutineoppgaver og forbedre evnen til å ta beslutninger.
Strukturerte prosesser: Implementering av strukturerte inntakssystemer minimerer misforståelser og forbedrer tydeligheten mellom forretnings- og teknologiteam.
Operasjonell effektivitet: KI-verktøy reduserer behovet for manuell sporing, noe som muliggjør samarbeid i sanntid og kontinuerlig samkjøring mellom team.
Fremtidens prosjektledelse: Prosjektledelse utvikler seg fra oppgavesporing til beslutningsstrukturering, med prioritering av tydelighet fremfor ren aktivitet.
Brian Galardo er program- og prosjektleder innen inntektsdrift hos Salesforce, der han leder tverrfunksjonelle initiativer på tvers av fakturering, innkreving og kundeselvbetjening. Han har utformet styringsrammeverk for å evaluere bruksområder for kunstig intelligens og agenter, samarbeidet med ledelsen for å samordne innovasjonsinitiativer med strategiske prioriteringer og ledet programmer som forbedrer driftseffektiviteten på tvers av virksomhetssystemer og forretningsteam.
Vi snakket med Brian om hvordan prosjektleveranser er i utvikling, og hvordan han leder an med kunstig intelligens. Her er det han hadde å si.
Slik forbedrer tverrfunksjonelle initiativer prosjektleveranser
Jeg er program- og prosjektleder innen inntektsdrift hos Salesforce. Rollen min ligger mellom forretningsstrategi og systemleveranser. Jeg hjelper team med å definere problemet tydelig og komme frem til en beslutning som alle forstår og støtter. Jeg leder transformasjon med fokus på å hjelpe organisasjoner med å gå fra eksperimentering med kunstig intelligens til skalerbar innføring i hele virksomheten. Hos Salesforce leder jeg tverrfunksjonelle initiativer som utforsker og implementerer kunstig intelligens-drevne løsninger på tvers av inntektsdrift og økonomi.
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
Arbeidet mitt befinner seg i skjæringspunktet mellom strategi for kunstig intelligens, styring og operativ transformasjon. Jeg hjelper team med å identifisere muligheter med stor effekt for å forbedre effektiviteten, automatisere arbeidsflyter og styrke beslutningstakingen.
Bakgrunnen min omfatter forsyningskjeder, drift og programledelse på virksomhetsnivå, noe som gir meg et praktisk perspektiv på hvordan teknologi og kunstig intelligens kan transformere prosesser i den virkelige verden. Jeg mener at de mest vellykkede initiativene innen kunstig intelligens kombinerer god styring, målbar forretningsverdi og gjennomtenkt endringsledelse for å sikre innføring i hele organisasjonen.
Slik transformerer kunstig intelligens oppgaver i roller innen prosjektleveranser
Kunstig intelligens har redusert tiden jeg bruker på å skrive oppdateringer, sammendrag og førsteutkast til planer. Nå bruker jeg mer tid på å validere antakelser, forberede beslutninger og samordne interessenter tidlig. Arbeidet har gått fra å følge opp fremdrift til å forme retningen.
Jeg bruker kunstig intelligens til å håndtere førsteutkastet av alt som vanligvis ville ha bremset meg. Etter et møte legger jeg inn grove notater eller et referat og lar kunstig intelligens gjøre dem om til et ryddig sammendrag med beslutninger, risikoer og neste steg. Jeg bruker også kunstig intelligens til å stressteste planer ved å be den finne svakheter i antakelser eller skissere spesielle tilfeller før jeg presenterer noe for interessentene.
Kunstig intelligens har redusert tiden jeg bruker på å skrive oppdateringer, sammendrag og førsteutkast til planer. Nå bruker jeg mer tid på å validere antakelser, forberede beslutninger og samordne interessenter
Oppsettet er ikke spesielt komplekst. Jeg har laget noen gjenbrukbare ledetekster og maler som er tilpasset måten jeg driver prosjekter på, og jeg bruker dem konsekvent. Det handler mindre om selve verktøyet og mer om å ha en tydelig struktur for informasjonsresultatet, noe som gjør at jeg kan jobbe raskere uten å miste kvalitet.
Hvorfor strukturert mottak forbedrer driftseffektiviteten
Vi innførte en strukturert prosess for mottak og prioritering av driftsforespørsler på tvers av flere økonomiteam. Vi kategoriserte, oppsummerte og klargjorde forespørslene før gjennomgang, slik at møtene kunne fokusere på beslutninger i stedet for avklaringer. Gjennomgangstiden gikk betydelig ned, og behovet for omarbeiding ble redusert fordi forventningene var tydeligere fra starten. Den største gevinsten var færre misforståelser mellom forretnings- og teknologiteam.
Vi bygget dette ved hjelp av en Slack-arbeidsflyt for mottak, en delt oversikt og kunstig intelligens for å standardisere hvordan forespørslene ble presentert. Alle forespørsler måtte sendes inn gjennom et strukturert skjema med obligatoriske felt som problembeskrivelse, berørte brukere og hvor presserende saken var. Deretter brukte vi kunstig intelligens til å oppsummere forespørselen, fremheve mangler og varsle om mulige risikoer før den i det hele tatt kom til et gjennomgangsmøte.
Trinn for trinn så det slik ut: Forespørsler sendes inn i Slack og går deretter inn i en sentralisert oversikt. Derfra genererer kunstig intelligens et ryddig sammendrag og synliggjør manglende kontekst, før forretnings- og teknologiledere gjennomgår dem asynkront før møtet. Da vi kom til møtet, valgte vi hva vi skulle gjøre, i stedet for å forsøke å forstå hva forespørselen egentlig betydde.
Vi halverte omtrent tiden brukt på gjennomgangsmøter og så en merkbar nedgang i frem-og-tilbake-kommunikasjonen etter beslutninger. Jeg vil anslå at omarbeidingen gikk ned med minst 30–40 % fordi kravene var tydeligere fra starten av. Det reduserte også antallet oppfølgingsmøter, noe som sannsynligvis var den største forbedringen for teamets trivsel.
Vi halverte omtrent tiden brukt på gjennomgangsmøter og så en merkbar nedgang i frem-og-tilbake-kommunikasjonen etter beslutninger. Jeg vil anslå at omarbeidingen gikk ned med minst 30–40 %
Slik kan prosjektledere optimalisere AI-integreringen
AI løser ikke rotete prosesser. AI synliggjør dem. Når mål og eierskap er tydelige, er AI til stor hjelp. Når de ikke er det, skaper AI raskere forvirring. Ledere for prosjektgjennomføring må få det grunnleggende på plass før de tar AI inn i prosessen. Det betyr tydelig eierskap, en definert problemformulering for prosjektet og enighet om hvordan et godt resultat ser ut. Hvis dette ikke er på plass, akselererer AI bare støyen.
AI løser ikke rotete prosesser. AI synliggjør dem. Når mål og eierskap er tydelige, er AI til stor hjelp. Når de ikke er det, skaper AI raskere forvirring.
I praksis sørger jeg for at hvert arbeidsområde har en tydelig ansvarlig, en enkel definisjon av suksess og en strukturert måte å samle innspill på før noe automatiseres. Når dette grunnlaget er på plass, tilfører AI verdi i stedet for å skape mer forvirring.
Oppsummeringer, utarbeiding av dokumentasjon og sortering av forespørsler fungerer godt med automatisering fordi de følger mønstre. Prioritering, konflikthåndtering og innføring av endringer er fortsatt avhengig av menneskelig dømmekraft. Folk samordner seg med mennesker, ikke med resultater.
Hvorfor AI-verktøy er avgjørende i moderne teknologistakker
Kjerneverktøyene våre omfatter Slack, verktøyene i Salesforce-plattformen, samarbeidsbaserte whiteboard-verktøy (LucidSpark), strukturerte inntaksskjemaer og AI-agenter for utarbeiding av utkast og analyse. AI støtter oppsummeringer, kommunikasjon og tidlig identifisering av risiko. Det siste året har vi redusert bruken av statiske oversikter og gått over til en delt kontekst i sanntid. Færre manuelle overleveringer drev denne forbedringen.
Jeg bruker hovedsakelig AI-verktøy som Gemini og arbeidsflyter som er integrert i Slack, samt Salesforce-verktøy som Agentforce for mer strukturerte bruksområder. Jeg bygger ikke komplekse agenter fra grunnen av. Det dreier seg for det meste om oppsett basert på instruksjoner og enkle arbeidsflyter som håndterer oppsummeringer, utkast til kommunikasjon og tidlige risikovarsler basert på innspillene vi allerede samler inn.
Jeg bygger ikke komplekse agenter fra grunnen av. Det dreier seg for det meste om oppsett basert på instruksjoner og enkle arbeidsflyter som håndterer oppsummeringer, utkast til kommunikasjon og tidlige risikovarsler basert på innspillene vi allerede samler inn.
Etter møter bruker jeg for eksempel Gemini til å omgjøre notater eller utskrifter til en strukturert oppsummering med beslutninger og neste trinn. I Slack håndterer arbeidsflyter innsamling og videresender forespørsler til en delt oversikt, der AI bidrar til å standardisere hvordan hver forespørsel presenteres. Agentforce tas i større grad i bruk på Salesforce-siden når vi kobler sammen data og arbeidsflyter i stor skala.
Vi gikk bort fra statiske statuspresentasjoner og regneark som ble oppdatert ukentlig. I stedet ligger alt i delte områder som Slack Canvas, oversikter og visninger av arbeidskøen med løpende oppdateringer. Det betyr at alle kan se den aktuelle statusen for arbeid, beslutninger og risikoer uten å vente på et møte eller en rapport. Det reduserte behovet for statusmøter og gjorde samordningen mer kontinuerlig i stedet for periodisk.
Alle kan se den aktuelle statusen for arbeid, beslutninger og risikoer uten å vente på et møte eller en rapport.
Vi erstattet store prosjektplaner med delte oppgavelister, arbeidsflater og beslutningslogger. Teamene jobber direkte med arbeidet i stedet for å vente på statusoppdateringer. Vi gikk gradvis over ved å avvikle dokumenter som ingen brukte. Innføringen fulgte fordi prosessen føltes enklere.
Slik endrer AI de sentrale leveranserutinene
Vi begynner nå med flere tolkninger av problemet for å teste antakelser tidlig. Møtene fokuserer på beslutninger siden vi forbereder konteksten på forhånd. Vi validerer tidligere fordi risikoer kommer til syne tidligere. Vi følger mindre med på gjennomføringen og bekrefter i større grad at alle har forstått.
Vi følger mindre med på gjennomføringen og bekrefter i større grad at alle har forstått.
Vi utarbeider disse tolkningene ved å kjøre den innledende problemformuleringen gjennom AI for å få frem flere perspektiver. Jeg kan for eksempel be den formulere forespørselen fra et forretningsmessig, teknisk og kundemessig perspektiv, eller beskrive hva som kan gå galt hvis vi har misforstått behovet. Det handler ikke om å stole på resultatet, men om raskt å få frem antakelser vi kanskje ikke selv har satt ord på.
Deretter tar vi med disse antakelsene inn i tidlige samtaler med interessenter for å validere omfanget før vi forplikter oss til noe. I stedet for å spørre «Ser dette riktig ut?» spør vi «Hvilket av disse alternativene er nærmest, og hva mangler vi?» Det flytter diskusjonen fra enighet til tydelighet. Det hjelper oss med å oppdage mangler tidligere, redusere omarbeid og holde gjennomføringen mer fokusert når arbeidet først starter.
Slik effektiviserer du leveranser med AI-drevne arbeidsflyter
Vi eksperimenterer med automatisert sortering av innkommende forespørsler og ruting av kommunikasjon. Vi rettet innsatsen mot områder der forsinkelser skyldtes uklart eierskap snarere enn teknisk arbeid. De første resultatene viser færre eskaleringer og flere asynkrone beslutninger.
Vi fokuserte først på sortering av innkommende forespørsler fordi det var der det meste av forvirringen oppsto. Forespørsler kom inn gjennom ulike kanaler, det var ofte uklart hvem som eide dem, og teamene brukte tid på å finne ut hvem som skulle vurdere dem. Vi satte opp en Slack-basert arbeidsflyt for innkommende forespørsler der hver forespørsel følger en standardisert struktur, og brukte deretter AI til å oppsummere den, markere manglende kontekst og foreslå hvor den skulle rutes.
Derfra sender vi automatisk forespørsler inn i en felles oversikt og tildeler dem til riktig gruppe basert på type og konsekvens. Vi forbedret også rutingen av kommunikasjon; oppdateringer skjer nå i standardiserte tråder eller kanaler i stedet for i spredte meldinger. Det er fortsatt under utvikling, men vi har sett færre samtaler om «hvem eier dette?» og flere beslutninger som tas asynkront før møtene.
Det er fortsatt under utvikling, men vi har sett færre samtaler om «hvem eier dette?» og flere beslutninger som tas asynkront før møtene.
Hvorfor strukturering av beslutninger er fremtiden for prosjektledelse
Prosjektledelse vil bevege seg bort fra oppfølging av oppgaver og over mot strukturering av beslutninger. Koordineringsarbeidet vil bli mindre, mens evnen til å skape samkjøring blir viktigere. Rollen blir mer strategisk enn administrativ.
Mitt råd til ledere med ansvar for leveranser er å forbedre prosessen før dere automatiserer den. Tydelig eierskap og klare forventninger er viktigere enn hastighet. Når tydeligheten er på plass, følger effektiviteten naturlig. Slutt å skrive dokumenter bare for å vise aktivitet. Bygg arbeidsflyter der fremdriften er synlig uten forklaring.
Følg med videre
Du kan følge Brians arbeid på LinkedIn.
Flere ekspertintervjuer kommer snart på Den digitale prosjektlederen!
