Slik bruker en erfaren prosjektleder KI til å effektivisere leveransen

For tiden leder jeg forretningsdrifts- og vekstprosjekter innen utdanningssektoren, samt implementeringsprosjekter innen helseteknologi. Jeg sørger for at kliniske og forretningsmessige behov blir til skalerbare digitale løsninger. Det betyr at jeg driver to helt forskjellige typer prosjekter/programmer for ulike selskaper.

På tvers av alt dette handler jobben min egentlig om å skape klarhet rundt komplekse krav fra ledelsen, håndtere mange ulike interessenter og sørge for at gode ideer faktisk blir til leverte resultater gjennom prosjektledelsesmetoder.

You should also read

• Eisenhower-matrisen: Slik prioriterer du oppgaver på en smart måte

• Tips for å bygge Slack-profilen din

• Slik mestrer du ressursstyring i prosjektledelse

Slik hjelper kunstig intelligens team med å gå over til smidig prosjektledelse

Jeg startet karrieren innen svært tradisjonell fossefallsbasert prosjektledelse, med store MS Project-planer, RAID-logger i Excel og lange ukentlige statuspresentasjoner. I digitale og smidige miljøer i rask utvikling ble dette arbeidet raskt en belastning, og jeg innså at jeg fokuserte for mye på prosess fremfor verdi.

Derfor er det så viktig å gå over til smidige prosjektledelsesmetoder. Det er også den retningen bransjen beveger seg i. Ingen ønsker å bruke prosess-tunge systemer lenger.

Kunstig intelligens gjør overgangen enklere fordi den utfører grovarbeidet, slik at du kan levere verdi slik interessentene dine definerer den.

For meg har overgangen innebåret å samle arbeidet på ett enkelt, levende kanbanbrett i stedet for å spre det over flere dokumenter. Jeg flyttet for eksempel teamene over i et kanbanbasert verktøy med kolonner som Etterslep, Denne måneden, Denne uken, Pågår, Blokkert og Ferdig. Risikoer, beslutninger og avhengigheter spores på det samme stedet. Jeg importerte bare de virkelig kritiske milepælene fra det gamle Gantt-diagrammet, kjørte det nye brettet parallelt i en kort periode og avviklet deretter den separate RAID-loggen og presentasjonene da interessentene var blitt fortrolige med den nye løsningen. Resultatet er én felles kilde til sannhet i stedet for fem konkurrerende versjoner.

Kommunikasjon og styring er også blitt forenklet. I stedet for å lage omfattende presentasjoner bruker jeg brettet + kunstig intelligens til å utarbeide korte oppdateringer for ulike målgrupper.

Til syvende og sist har kunstig intelligens gjort det svært tydelig at verdien min ligger i dømmekraft, samordning og endringsledelse – ikke i å oppdatere regneark hele dagen!

Share This Quote on:

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

Melissa Khan-Blackmore

PMP-sertifisert prosjektleder

Slik endrer kunstig intelligens moderne prosjektledelse og gjennomføring

Kunstig intelligens påvirker også rollen min. I dag krever rollen min betydelig mindre notatskriving, oppfølging av oppgaver, statusoppdatering og til og med generell prosjektplanlegging. Jeg har mye mer tid til å gå i dybden på forretningsproblemer og knytte arbeidet til strategiske mål på høyere nivå.

På leveransesiden er kunstig intelligens nå integrert i hvordan vi driver prosjekter. Vi bruker den til å oppsummere kundesamtaler, gruppere og finne mønstre i tilbakemeldinger fra interessenter og utarbeide førsteutkast til krav, prosjektplaner/tidslinjer og til og med kommunikasjon basert på prosjektartefaktene våre. I stedet for at jeg bruker flere timer på å gjøre møtenotater og Jira-saker om til en statuspresentasjon, gir kunstig intelligens meg et utkast og fremhever mønstre eller risikoer – deretter bruker jeg tiden min på å kvalitetssikre, prioritere og avgjøre hva som faktisk er viktig for virksomheten.

I praksis bruker jeg mindre tid på manuell statusrapportering, opprydding i dokumentasjon, å oversette den samme oppdateringen manuelt for ulike målgrupper og å gå gjennom data for å forstå hva som foregår.

Det gjør at jeg kan bruke mer tid på arbeid med større effekt, som å kommunisere med kunder, teamet eller virksomhetsledere, utføre kreativt arbeid som å forbedre prosesser eller videreutvikle prosjektideer og utarbeide strategier.

Til syvende og sist har kunstig intelligens gjort det svært tydelig at verdien min ligger i dømmekraft, samordning og endringsledelse – ikke i å oppdatere regneark hele dagen!

Slik forenklet kunstig intelligens en kompleks utrulling på tvers av flere interessenter

Her er et eksempel. Jeg ledet utrullingen av et produkt for en stor og strengt regulert organisasjon. Vi hadde utallige bevegelige deler, blant annet drift, IT, sluttbrukere, leverandøringeniører samt intern og ekstern ledelse, og alle tilbakemeldingene var spredt på e-post, chat, saker og møtenotater. Det kom til et punkt der den egentlige jobben min bare var å håndtere klager, problemer og forespørsler.

Vi satte opp et lettvektsystem som la kunstig intelligens oppå verktøyene vi allerede brukte:

• Arbeidsstyringen foregikk i tavler av Asana-/Jira-typen.
• Supporthenvendelser kom inn via en felles e-postinnboks og en intern chatkanal.
• Møtenotater og oppsummeringer ble samlet i et felles dokument.

Jeg la inn råteksten i et arbeidsområde for kunstig intelligens og ba det om å:

• Gruppere problemer etter tema
• Markere alt som så ut til å innebære høy risiko eller være sikkerhetskritisk
• Opprette statusoppdateringer for ulike interessentgrupper

Dette gjorde jeg – og gjør fortsatt – to ganger i uken. Det er ikke 100 % perfekt, men det sparer meg for timevis med analyse og håndtering av ulike forespørsler.

Når det gjelder innsats og resultater:

• Det tok kanskje 2–3 timer å utforme arbeidsflyten første gang.
• Den ukentlige prioriteringen min gikk fra omtrent en halv dag med gjennomgang av saker og omskriving av oppsummeringer til rundt 50 minutter med gjennomgang og beslutningstaking.
• Denne prosessen hjelper meg virkelig med å oppsummere og fange opp ALT fra hver interessentgruppe, og med å oppdage risiko enklere.

Derfor mener jeg at verktøy for kunstig intelligens ikke erstatter prosjektlederen. De fjerner mye manuelt arbeid med lav verdi, slik at jeg kan bruke mer tid på prioritering, samkjøring av interessenter og å ta tydelige beslutninger i rett tid i allerede komplekse miljøer.

Melissas tips

Kunstig intelligens kan og vil forandre måten vi planlegger for risiko på radikalt. Det vil også naturlig redusere risiko. Men det kan ikke erstatte delene som krever ekte menneskelig dømmekraft og ansvarlighet.

Slik kan prosjektledere automatisere repetitive leveringsoppgaver med kunstig intelligens

Jeg har begynt å behandle kunstig intelligens som et juniormedlem av teamet, hvis oppgave er å gjøre første gjennomgang av alt som er repeterbart, teksttungt eller mønsterbasert. Deretter går jeg inn som redaktør og beslutningstaker. Denne tankegangen endrer hvordan jeg leverer på alle områder:

• Repetitive oppgaver og administrasjon: Møtenotater og oppsummeringer, merking av handlingspunkter og formatering av dem i lesbare formater.
• Statusrapporter: Utarbeiding av førsteutkast basert på fremdrift i saker, oppdateringer fra interessenter og prosjektmilepæler.
• Oppfølging av oppgaver: Smarte påminnelser og oppfølginger som oppmuntrer interessenter til å håndtere forfalte oppgaver eller godkjenninger. Automatiser dette fra prosjektstyringsverktøyet ditt med kunstig intelligens – jeg bruker Asana AI.
• Personalisering av kommunikasjon: Oversette den samme oppdateringen til ulike toner og formater (f.eks. sammendrag for ledelsen, detaljer på teamnivå osv.).
• Utarbeiding av kommunikasjon til kunder eller presentasjoner basert på rådata
• Mønstergjenkjenning: Oppdage blokkeringer eller risiko ved å analysere tilbakemeldinger, saker, holdninger i oppdateringer eller svarmønstre.
• Gruppere forespørsler om funksjoner eller klager for å fremheve temaer på tvers av team eller brukere: Dette er svært nyttig i produktutvikling.
• Dokumentasjon og kunnskapsforvaltning: Organisere kaotisk dokumentasjon i en ryddig kunnskapsbase.
• Utarbeide eller oppdatere standardiserte arbeidsprosedyrer og prosessflyter ved hjelp av utskrifter eller rånotater.
• Planlegging og prognoser: Utarbeide Gantt-diagrammer, veikart eller sprintplaner basert på overordnede mål eller innspill fra oppgavekøen.
• Forutsi bemanningsproblemer eller tidsplanforsinkelser basert på tidlige signaler i verktøy som Jira, Confluence eller Slack.
• Identifisere utvikling i resultater på tvers av sprinter eller arbeidsstrømmer.

Hvordan kunstig intelligens kan og bør endre risikostyringen

Kunstig intelligens kan og vil forandre måten vi planlegger for risiko på radikalt. Det vil også naturlig redusere risiko. Men det kan ikke erstatte delene som krever ekte menneskelig dømmekraft og ansvarlighet.

Mennesker må fortsatt:

• Fastsette risikoappetitten: Det vil si hva vi faktisk mener med «dårlig».
• Ta de endelige beslutningene: Akseptere, unngå eller overføre risiko, gå/ikke gå videre og avveie budsjett og omfang.
• Håndtere risiko knyttet til mennesker og politikk som aldri vises tydelig i data: Motstand fra interessenter, tillitsproblemer, leverandørers pålitelighet og forhandlinger for å få ansvarlige til faktisk å redusere risikoen.

Det som virkelig utmerker kunstig intelligens i prosjektets risikostyring, er grovarbeidet:

• Hente ut risikoer fra notater/saker/dokumenter.
• Fjerne duplikater og kategorisere dem.
• Utarbeide tydelige formuleringer av årsak–hendelse–konsekvens.
• Foreslå vurdering av sannsynlighet/konsekvens.
• Foreslå risikoreduserende tiltak, utløsere og beredskapsplaner.
• Overvåke trender og tidlige varselsignaler.
• Gjøre risikologgen om til oppdateringer som er klare for ledelsen: «de viktigste risikoene + hva jeg trenger fra deg».

Kort sagt må mennesker bekrefte virkeligheten og avgjøre hva som er viktig. AI kan hjelpe oss med å være mer nøyaktige og skanne etter risikoer på en mer pålitelig måte.

Når det er sagt, kan interessenter og sponsorer være redde for at en AI-modell (selv en med lukket kildekode) har tilgang til alle dataene, så det oppstår ofte motstand. Selv om risikostyring burde være en AI-oppgave, er det derfor ikke alltid slik i praksis.

Hvorfor personvern og AI med lukket kildekode er viktig i virkelige prosjektmiljøer

Mange er imot AI. De er virkelig redde for at den skal «stjele» data. Og jeg synes at det kan være berettiget. Som med alt annet finnes det ulemper hvis man ikke er forsiktig.

Hvis du bruker AI med lukket kildekode, er det mye tryggere. Det handler om hvordan du setter opp ting. Du kan også trenge personvern internt. Hvis HR for eksempel bruker det samme verktøyet med lukket kildekode som utviklingsavdelingen bruker, er det en risiko for at konfidensielle HR-data lekker til andre deler av organisasjonen.

Derfor mener jeg det er viktig å ha en personvernansvarlig som har god kunnskap om AI, og som fører tilsyn med nøyaktig hvordan AI-systemene dine er satt opp internt.

Hvordan en praktisk AI-teknologistakk støtter raskere og smartere levering

Her er teknologistakken min for leveranser:

• MS Copilot: E-poster, notater og oppsummering av oppgavene mine hver dag. Dette ligger oppå Microsoft 365 på jobben.
• Fathom: Notater, opptak og oppfølgingspunkter
• Asana: Planlegging av prosjektstyring, oppfølging av oppgaver og prognoser for tidsplaner
• SuperPrompt: Hjelp med utforming av spørsmål
• Jasper AI: Alt innen markedsføring

Jeg elsker Copilot. Jeg skulle ønske at alle selskaper jeg jobber for brukte det. Det kan hente alle dataene dine fra e-poster, møtenotater, dokumenter og så videre, og fungerer i praksis som en ekstra hjerne. Det gjør meg fem ganger mer produktiv.

Melissas tips

AI-funksjonen i Asana er omtrent som å ha ChatGPT oppå prosjektplanen din, bortsett fra at den faktisk leser de virkelige oppgavene, datoene, avhengighetene, oppdateringene og tidslinjene dine.

Og for en av oppstartsbedriftene jeg jobber for, bruker vi nå AI-funksjonen i Asana. Det er omtrent som å ha ChatGPT oppå prosjektplanen din, bortsett fra at den faktisk leser de virkelige oppgavene, datoene, avhengighetene, oppdateringene og tidslinjene dine. Denne AI-agenten kan:

• Gjennomføre en «AI-risikosjekk» på tvers av planen og notatene dine for å flagge det som i det stille er i ferd med å utvikle seg til en tidsplan- eller leveranserisiko.
• Utarbeide smarte statusoppdateringer og prosjektsammendrag som fremhever hva som er endret, hva som er blokkert, og hva du trenger fra interessentene.
• Hjelpe deg med å gjøre all prosjektstøyen om til ryddig rapportering som er klar for ledelsen.

Det beste er at den også kan støtte det kjedelige operative arbeidet, som å oppdage konsekvenser for avhengigheter når noe blir forsinket, hjelpe deg med å oppdatere planer raskere og til og med drive arbeidsflyter med AI uten kode, slik at systemet automatisk foreslår de riktige neste trinnene.

Hvorfor prosjektledere bør ta imot AI – ikke frykte den

Prosjektlederrollen er allerede i endring og vil fortsette å utvikle seg med AI. Rådet mitt er derfor enkelt: Ta imot AI, ikke vær redd for den.

Og bruk AI med lukket kildekode til konfidensielle data.

Og AI kommer ikke til å ta jobben din!

Følg med

Du kan følge Melissa på LinkedIn, Instagram og TikTok mens hun fortsetter å omsette gode ideer til leverte resultater.

Flere ekspertintervjuer kommer på Den digitale prosjektlederen!