Senior IT-prosjektleder sier at prosjektledere må fokusere på den menneskelige samhandlingen algoritmer ikke kan berøre
Lær hvordan kunstig intelligens flytter prosjektledelse fra administrativt arbeid til menneskelig ledelse, slik at prosjektledere kan fokusere på strategi, samordning av interessenter og beslutninger som driver prosjektet fremover.
Daniel Hemhauser
Senior IT-prosjektleder og grunnleggeren av The PM Playbook
Kunstig intelligens' innvirkning: Kunstig intelligens flytter prosjektledelse fra koordinering til strategisk ledelse og frigjør tid til menneskesentrerte oppgaver.
Menneskelig fokus: Prosjektledere konsentrerer seg nå om å bygge tillit og løse komplekse menneskelige utfordringer som kunstig intelligens ikke kan håndtere.
Datasyntese: Kunstig intelligens løser datafragmentering, gir én samlet datakilde og frigjør teamene til strategiske beslutninger.
Kommunikasjonsmangler: Automatisering med kunstig intelligens avdekker dypere kommunikasjonsproblemer og krever at ledere fungerer som tilretteleggere i situasjoner med høy risiko.
Utvikling av rollen: Prosjektledere utvikler seg til strategiske orkestratorer som bruker kunstig intelligens til oppgaver, samtidig som de fokuserer på de menneskelige elementene.
Daniel Hemhauser er en senior IT-prosjektleder med over 20 års erfaring med å lede organisatoriske endringer. Han er også grunnleggeren av The PM Playbook, der han lærer opp neste generasjon prosjektledere til å arbeide i stadig mer KI-drevne miljøer.
Vi snakket med Daniel for å forstå hvordan KI endrer prosjektgjennomføringen – og hvorfor fremtidens prosjektledelse handler mindre om å styre arbeidet og mer om å lede mennesker. Her er det han hadde å si.
Ledelse og gjennomføring av IT-prosjekter
Jeg er en senior IT-prosjektleder med over 20 års erfaring med å navigere i komplekse digitale transformasjoner i stor skala.
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
I dag dreier rollen min i prosjektgjennomføringen seg om et kritisk skjæringspunkt: å utnytte agentisk KI til å automatisere administrativt merarbeid, samtidig som jeg satser enda mer på menneskesentrert ledelse for å ivareta prosjektets sjel. Jeg fokuserer på å skape transformerende effekt ved å gå utover tradisjonell oppgavestyring og prioritere ledelse som kan skaleres i takt med kompleksiteten i moderne IT-miljøer.
Ved siden av aktive leveranser er jeg grunnleggeren av The PM Playbook, der jeg bidrar til å forme neste generasjon prosjektledere gjennom praktisk, virkelighetsnær opplæring for å skape fremtidssikre karrierer innen prosjektledelse.
Hvorfor KI flytter prosjektledelse fra administrasjon til strategi
Rollen min skifter grunnleggende fra informasjonskoordinering til strategisk orkestrering. Jeg går bort fra å være en menneskelig videresender, der prosjektlederen blir en flaskehals for hver eneste oppdatering. I dette landskapet i endring blir prosjektgjennomføring en funksjon på høyt nivå innen styring; KI håndterer dataene, mens jeg sørger for menneskelig retning. Jeg bruker nå betydelig mindre tid på manuell sammenstilling av data, som å utarbeide statusrapporter, oppsummere møtereferater eller avstemme RAID-logger.
Etter at den administrative støyen i stor grad er fjernet, bruker jeg nå tiden min på empati overfor interessenter i situasjoner med høy risiko og på å navigere i den komplekse organisatoriske politikken som avgjør et prosjekts endelige suksess.
Fremveksten av KI har også skapt nye arbeidsoppgaver. Jeg bruker nå mer tid på KI-styring og kvalitetskontroll, og sørger for at instruksjoner og datainndata som styrer de automatiserte agentene våre, holder høy integritet og er fri for hallusinasjoner. Selv om dette legger litt mer til arbeidsdagen, gjør denne endringen at jeg kan fokusere mer på menneskelig dynamikk og nyanserte forhandlinger som et kontrollpanel eller en algoritme ennå ikke kan oppfatte.
Til syvende og sist bruker jeg dagen på å lede menneskene i prosjektøkosystemet, samtidig som jeg utnytter disse flotte nye KI-verktøyene.
Hvordan mennesker ivaretar prosjektets «sjel» mens KI automatiserer sammenstilling av data
I KI-alderen innebærer ledelse å ivareta prosjektets «sjel»: tilliten, kulturen og den viktige samordningen som ingen algoritme kan gjenskape. Komplekse forhandlinger og empati overfor interessenter er fortsatt områder som utelukkende tilhører mennesker. KI kan fortelle meg at en milepæl er i fare. Den kan fortsatt ikke navigere i de politiske nyansene i en budsjettforhandling eller oppfatte den usagte utbrentheten i stemmen til en hovedutvikler under en 1:1-samtale.
Jeg fokuserer fullt og helt på «hvem» og «hvorfor», mens KI håndterer «hva» og «når». Den mest repetitive delen av arbeidsuken min er for eksempel sammenstilling av data på tvers av plattformer. I et typisk bedriftsmiljø ligger prosjektinformasjon ofte i siloer, som Jira for oppgaver, Azure DevOps for utgivelser og ulike regneark for økonomioppfølging. Agentisk KI gjør det mulig for meg å utføre en innledende «datarensing» og kartlegging av avhengigheter, og flagge mulige ressurskonflikter eller tidsplanforsinkelser før jeg i det hele tatt åpner laptopen om morgenen.
Jeg fokuserer fullt og helt på “hvem” og “hvorfor”, mens AI håndterer “hva” og “når.
På utførelsessiden er møteintelligens alltid den enkleste gevinsten. Nå bruker jeg AI-verktøy til å transkribere og utføre sentimentanalyse samt trekke ut handlingspunkter, noe som erstatter manuell møtereferatskriving. Ved å mate disse transkripsjonene inn i en privat og sikker instans kan jeg automatisk oppdatere RAID-logger og sende personlige oppfølginger til interessenter basert på deres konkrete omtale i samtalen.
Dette fjerner i praksis de 5–10 timene i uken jeg tidligere brukte på «administrativ gjenoppretting» etter hvert større styringsgruppemøte eller hver planleggingsøkt.
Hvordan AI løser datafragmentering i prosjektleveransen
I en nylig global digital transformasjon til over $100M sto teamet mitt overfor en massiv koordineringsflaskehals fordi data var fragmentert på tvers av Jira, Azure DevOps og dusinvis av regneark. Teamet mitt druknet i data fra en rekke kilder og brukte mer tid på å avstemme motstridende statusrapporter enn på å lede initiativer. For å håndtere dette implementerte vi et AI-drevet orkestreringslag som brukte tilpassede API-koblinger til å hente inn rådata fra disse ulike kildene til en sentralisert datasjø.
Oppsettet krevde omtrent 60 timer med utvikling og finjustering av instruksjoner, slik at AI-en kunne kartlegge avhengigheter nøyaktig på tvers av ulike plattformer og standardisere de varierende navnekonvensjonene hos flere leverandører.
AI løste datafragmenteringskrisen vår fullstendig og eliminerte omtrent 20 timer med manuell sammenstilling per uke på tvers av teamet. Ved å overlate avstemmingen mellom systemene til automatiserte agenter fikk vi én «eneste sannhetskilde». Dette avdekket en kritisk ressurskollisjon på tvers av tre separate arbeidsstrømmer omtrent tre uker tidligere enn vi ville ha gjort uten AI.
Denne synligheten gjorde det mulig for oss å omdisponere ressurser i sanntid, noe som til slutt sparte anslagsvis $320k i potensielle kostnader knyttet til forsinkelser. I stedet for å diskutere datanøyaktighet i styringsgruppemøter kunne vi endelig bruke tiden på strategiske beslutninger på høyt nivå og menneskesentrert problemløsning.
Hvorfor AI avdekker kommunikasjonssvakheter i prosjekter
AI gjør ikke prosjektledelse enklere; det gjør den mer synlig. I et tradisjonelt prosjekt kan en prosjektleder gjemme seg bak en «travel» timeplan med statusjakt og manuell rapportutarbeidelse. Når du automatiserer disse administrative lagene, innser du raskt hvor mye dette arbeidet skjuler underliggende friksjon i teamet eller manglende samkjøring blant interessentene. Når rutinearbeidet fjernes, blir det tydelig nøyaktig hvor kommunikasjonen din svikter, og du tvinges til å gå fra å være koordinator til å bli en tilrettelegger for situasjoner med høy risiko nesten over natten.
Jeg oppdaget også at regelen «søppel inn, søppel ut» blir betydelig forsterket med AI.
I manuelt gjennomførte prosjekter kan jeg merke når et datapunkt i et regneark virker «feil» basert på en samtale i korridoren, men en AI-agent vil ta de mangelfulle dataene og raskt spre feilen i hele rapporteringsøkosystemet, samtidig som den oppdaterer all dokumentasjon, dashbord og rapportering. Dette lærte meg at verdien min har gått fra å produsere data til å forvalte sannheten.
Hvordan AI endrer teknologistakker fra reaktive til proaktive
Min teknologistack har endret seg betydelig det siste året, fra reaktive sporingsapper til et proaktivt, integrert økosystem. I begynnelsen eksperimenterte jeg hovedsakelig med ChatGPT, Gemini og Claude som frittstående assistenter (som mange prosjektledere) for å utarbeide e-poster eller oppsummere møtereferater. De var gode hjelpere, men jeg forble flaskehalsen for prosjektdataene. Jeg hentet rapporter manuelt fra Jira og regneark for å lage statuspresentasjoner, og prøvde å holde all informasjon synkronisert.
I dag har jeg gått videre fra chatboter for generelle formål til spesialisert orkestrering som er klar for produksjon. Nå bruker jeg Atlassian Rovo og ClickUp Brain som mine primære intelligenslag. Disse verktøyene er dypt integrert i arbeidsflytene mine. Rovos evne til å opprettholde god datakvalitet og utføre søk med naturlig språk på tvers av hele prosjektarkivet mitt og tilkoblede tredjepartsapper er avgjørende for arbeidet mitt. Jeg bruker også ClickUp Brain til å bygge bro mellom verktøyene mine. Det indekserer effektivt alle prosjektdataene mine, inkludert oppgaver, dokumenter og tilkoblede eksterne verktøy. Dette gjør det mulig for meg å identifisere avhengigheter på tvers av prosjekter og ressurskollisjoner som vanligvis er skjult i siloer. Dette er verdifullt for program- og porteføljestyring.
I dag har jeg gått videre fra chatboter for generelle formål til spesialisert orkestrering som er klar for produksjon.
Denne «forbindende hjernen» varsler om ressurskollisjoner og sørger for høy datakvalitet, slik at jeg i praksis får tilbake rundt 15 til 20 timer i uken.
I tillegg bruker jeg Jira (med Rovo fullt integrert) og Azure DevOps til oppgavehåndtering og smidig gjennomføring. Når det gjelder møtestyring og samkjøring av interessenter, er Otter.ai og Notion AI uunnværlige. Jeg bruker Otter til å ta opp og transkribere alle møter, og synkroniserer deretter handlingspunkter automatisk til Notion, som fungerer som min sentrale kunnskapsbase for sammendrag til ledelsen. Dette sikrer at jeg fanger opp handlingsrettede nyanser, stemninger og strategiske kursendringer, slik at de ikke går tapt i et statisk dokument.
Takket være alt dette har rollen min utviklet seg fra å bare produsere data til å kvalitetssikre sannheten og fokusere på det krevende lederarbeidet som disse verktøyene ikke kan etterligne.
Hvorfor Atlassian Rovo øker teamets effektivitet
Jeg synes Atlassian Rovo fortjener å nevnes igjen her. De fleste tenker på kunstig intelligens som en måte å skrive raskere på, men Rovos virkelige styrke er at det knytter sammen Jira-saker, Confluence-sider, Slack-samtaler og til og med eksterne Google Drive-dokumenter. Det fungerer som en lokal søkemotor for hele prosjektarkivet vårt, slik at jeg kan stille et spørsmål med naturlig språk, for eksempel «Hva var den tekniske omgåelsen vi brukte for problemet med API-forsinkelse i pilotprosjektet i fjor?», og få et kildebelagt og nøyaktig svar på sekunder.
I store transformasjoner kaster man bort mye tid på å løse problemer på nytt fordi personene som hadde svaret, har forlatt teamet, eller fordi beslutninger ligger begravet i en to år gammel Slack-tråd. Ved å bruke Rovo til å hente frem denne konteksten umiddelbart har vi fått tilbake omtrent én ekstra produktiv dag hver måned. Fokuset vårt har gått fra å lete etter informasjon til å handle på den, noe som skaper reell prosjektverdi.
I store transformasjoner kaster man bort mye tid på å løse problemer på nytt fordi personene som hadde svaret, har forlatt teamet, eller fordi beslutninger ligger begravet i en to år gammel Slack-tråd. Ved å bruke Rovo til å hente frem denne konteksten umiddelbart har vi fått tilbake omtrent én ekstra produktiv dag hver måned.
Hvordan lettvektssystemer erstatter tradisjonelle prosjektstyringsmetoder
Å gå bort fra tradisjonell, tung prosjektstyring innebærer å gå fra manuell sporing til automatisert orkestrering. I praksis betyr dette at jeg har sluttet å prøve å lage den «perfekte» statiske prosjektplanen i et Gantt-diagram, og i stedet har gått over til et høyhastighets, lettvektssystem der dataene gjør arbeidet for meg.
Jeg startet denne overgangen ved å behandle Jira og Confluence som et levende datalag. Du blir neppe overrasket over den viktigste motoren i denne endringen: Atlassian Rovo. I stedet for å bruke timevis i møter for «statusavstemming» bruker jeg Rovos Teamwork Graph til å hente kontekst på tvers av hele teknologistakken min, inkludert Slack og Google Drive. Hvis en utvikler for eksempel nevner en blokkering i en Slack-tråd, identifiserer kunstig intelligens denne forbindelsen og flagger den mot den relevante Jira-saken før jeg i det hele tatt spør. Overgangen vår begynte med å automatisere det tidkrevende rutinearbeidet med statusoppdateringer. Jeg satte opp Rovo-agenter til å generere ukentlige prosjektsammendrag basert på faktisk aktivitet i stedet for manuelle registreringer.
Resultatene viser en massiv reduksjon i organisatorisk hukommelsestap. Vi har gått fra en kultur preget av rapportering om arbeidet til en kultur preget av å utføre arbeidet, noe som er akkurat der en seniorleder må være. Dette hjelper oss med å få den plassen ved bordet som prosjektledere har vært utestengt fra i flere tiår.
Slik forvandler KI ritualene for prosjektleveranser fra statiske kalenderhendelser til kontinuerlige datasløyfer
Ritualene er også i endring. Når jeg definerer omfanget, begynner jeg ikke lenger med et tomt dokument. Jeg bruker Atlassian Rovo og ClickUp Brain til å hente inn ustrukturerte data fra samtaler med interessenter og idédugnader i Slack/Teams. KI definerer ikke omfanget for meg, men avdekker umiddelbart motsetninger, som at en budsjettramme i en e-post strider mot en funksjonsforespørsel i en chat. Dette gjør at jeg kan bruke energien min på de komplekse forhandlingene og avveiningene som avgjør om et prosjekt lykkes, i stedet for bare å transkribere krav. Jeg har sluttet å behandle vanlige leveranseritualer som statiske kalenderhendelser, og ser dem i stedet som kontinuerlige datasløyfer.
KI definerer ikke omfanget for meg, men avdekker umiddelbart motsetninger, som at en budsjettramme i en e-post strider mot en funksjonsforespørsel i en chat.
Vi har gått over til en kultur med asynkron synlighet, der verktøy som Otter.ai og Notion AI håndterer delen av arbeidet vårt som svarer på «hva skjedde». Fordi KI kontinuerlig overvåker datapulsen på tvers av Jira og kommunikasjonskanalene våre, varsler den om ressurskollisjoner og subtile tegn på forsinkelser før de blir røde varsellamper på et kontrollpanel. Dette sikrer at tiden vår sammen med mennesker er forbeholdt innsjekkinger for emosjonell samordning og nyansene i arbeidet som en algoritme ikke kan oppfatte.
Slik effektiviserer agentiske arbeidsflyter prosjektleveranser
Som du kan se, har jeg gått fra «KI som en chatbot» til «KI som en lagkamerat» som utfører handlinger på tvers av den eksisterende verktøystakken min. Jeg beveger meg forbi frittstående assistenter som ChatGPT og Claude og over til agentisk orkestrering, selv om jeg fortsatt bruker disse generative KI-verktøyene til spesifikke oppgaver. Jeg har satt i drift agenter som kobler disse verktøyene sammen for å overvåke disse siloene i sanntid.
Så langt går eksperimentet utrolig bra fordi det i praksis fjerner belastningen ved menneskelige flaskehalser. Ved å overlate den konstante datainnhentingen til disse agentene har jeg fått tilbake rundt 15 timer i uken som jeg tidligere brukte på administrativ avstemming. Det gjør at jeg kan beholde en rolle med fokus på overordnet orkestrering, der jeg styrer prosjektets strategiske retning og «menneskelige sjel» i stedet for bare å administrere verktøyene.
Hvorfor strategiske orkestratorer vil erstatte prosjektledere
Vi beveger oss raskt mot en verden der agentisk KI selvstendig vil håndtere 80 % av det vi i dag kaller prosjektledelse — tidsplanene, statusrapportene, ressursutjevningen og så videre. I denne fremtiden leder du ikke et prosjekt; du leder en arbeidsstyrke av silisium som utfører den administrative delen av rollen, mens du utelukkende fokuserer på de menneskelige faktorene med høy risiko.
Du leder ikke et prosjekt; du leder en arbeidsstyrke av silisium, samtidig som du fokuserer på menneskelige faktorer med høy risiko.
Selve tittelen prosjektleder vil bli avleggs innen fem år og erstattes av en rolle som ligner langt mer på en strategisk orkestrator.
Vi vil ikke bli belønnet for hvor mange saker vi flyttet, eller hvor mange møter vi fasiliterte, men for evnen vår til å navigere i kompleks organisatorisk politikk og etiske gråsoner som KI ikke kan berøre. Suksess vil måles etter tillit i teamet og strategisk samordning, ikke bare etter levering til rett tid.
Prosjektene som mislykkes i 2030, vil ikke mislykkes på grunn av en oversittet frist eller en budsjettoverskridelse; de vil mislykkes på grunn av mangel på menneskelig visjon, og de mest vellykkede lederne vil være de som vet hvordan de skal bruke KI til å håndtere «hva», slik at de kan mestre «hvorfor».
Slik gir KI prosjektledere rom til å håndtere de rå menneskelige sidene ved et prosjekt
Det beste rådet jeg kan gi, er å slutte å se på AI som et verktøy for effektivitet og begynne å se på det som et verktøy for å utvide lederskapet.
I årevis opptrådte prosjektadministratorer som roboter og brukte dagene på å avstemme regneark, purre på folk for oppdateringer og utarbeide generiske statusrapporter. Vi var så begravd i prosjektledelsens administrative maskineri at vi knapt hadde tid til lederskap.
Nå går vi inn i en tid der AI endelig letter den administrative byrden ved prosjektledelse – en gave som også fjerner bufferen av rutinearbeid som mange ledere tradisjonelt har støttet seg på. Når AI håndterer tidsregistreringen, rapporteringen og sammenstillingen av data, må du forholde deg til prosjektets rå menneskelige sider: lederskap, tillit, politikk og strategisk samordning.
Tiden jeg har frigjort, bruker jeg ikke på mer automatisering; jeg bruker den på de viktige samtalene som gjør en forskjell. Jeg bruker denne nye tiden til å veilede en junior prosjektleder som sliter med en teknisk hindring, håndtere uutalte politiske spenninger i en styringsgruppe eller sørge for at en digital transformasjon løser et reelt problem for et virkelig menneske. Vi beveger oss ut av «prosjektadministratorens» tidsalder og inn i «den menneskesentrerte lederens» tidsalder, og det er den mest spennende endringen jeg har sett i løpet av min tjue år lange karriere.
Så fokuser på utvelgelse og kvalitetssikring fremfor produksjon. Ikke bruk tiden din på å skrive den perfekte statusrapporten; bruk den på å utforme logikken og dataintegriteten som gjør det mulig for AI-agentene dine å lage rapporten. Bruk deretter de frigjorte timene på å fordype deg i de viktige menneskelige samspillene ingen algoritme kan berøre.
Vær lederen som oppfatter uutalt spenning i en styringsgruppe eller navigerer i de komplekse etiske avveiningene ved en global utrulling. I dette nye landskapet måles ikke verdien din ut fra mengden informasjon du flytter på, men ut fra hvor tydelige beslutningene du tar med informasjonen AI gir deg, er.
Følg med
Du kan abonnere på Daniel Hemhausers nyhetsbrev og følge arbeidet hans på LinkedIn. Ta også en titt på The PM Playbook.
Flere ekspertintervjuer kommer på The Digital Project Manager!
