Teknisk CPO forklarer KI-agentene teamet hennes bruker i prosjektleveranser
Lær hvordan en CPO bruker KI-agenter til å automatisere prosjektlederoppgaver, fremskynde leveranser og fokusere på resultater, med konkrete eksempler på arbeidsflyter som reduserer forsinkelser og forbedrer teamets prestasjoner.
KI-vedlikehold: Product People bruker KI til å håndtere vedlikeholdsoppgaver, slik at de kan fokusere på å oppnå forretningsresultater.
Menneskelig kontakt: Empati, dømmekraft og strategi er fortsatt menneskelige styrker som KI ikke kan gjenskape innen produktledelse.
Agentbaserte løsninger: Implementering av KI-agenter har fremskyndet arbeidsflytene og forbedret både tempoet og interessentenes tilfredshet.
Verktøy med lite vedlikehold: Klientuavhengige verktøy som Notion og Figma støtter en distribuert og effektiv driftsmodell.
Fremtidens prosjektlederrolle: KI vil omdefinere prosjektledelse, og fokuset vil flyttes mot strategiske ferdigheter og systemdesign.
Mirela Mus er grunnlegger og CPO i Product People. Hun har en MBA-grad og bakgrunn innen informatikk, samt mer enn ti års erfaring med produktledelse – halvparten av denne tiden har hun også tilbrakt i en lederrolle.
Vi tok kontakt med henne for å lære mer om å delegere vedlikehold til kunstig intelligens, slik at mennesker kan fokusere på å oppnå reelle resultater. Her er det hun hadde å si.
Å levere forretningsresultater
Jeg heter Mirela Mus og er grunnlegger og CPO i Product People. Vi er Europas fremste destinasjon for tjenester innen produktledelse og produktvekst. Blant kundene våre finner vi Amazon, Zalando, eBay, DeepL og Verdens helseorganisasjon.
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
Selv om vi er enige i at gjennomføring er et stort konkurransefortrinn, fører vi ikke bare tilsyn med eller administrerer prosjekter; vi leverer forretningsresultater som økte inntekter og reduserte kostnader.
Hvorfor enkelte elementer ikke kan gjenskapes av kunstig intelligens
Vi ser utviklingen mot kunstig intelligens først gjennom vårt grunnleggende prinsipp: «Lite vedlikehold, gode resultater». Kunstig intelligens håndterer vedlikeholdet, slik at vi kan fokusere fullt og helt på resultatene.
Vi tar aktivt i bruk verktøy som fremskynder den grunnleggende gjennomføringen, slik at vi kan bruke mindre tid på det lite glamorøse, praktiske arbeidet, for eksempel:
- Kvalitativ datasammenstilling: Vi bruker kunstig intelligens til å sammenstille offentlige markedsdata, brukeranmeldelser og supportsaker umiddelbart. Dette støtter vår «GSD (Get Sh*t Done)-holdning». Vi kaster ikke bort tid på å stirre på tomme sider.
- Utarbeidelse av førsteutkast til arbeidsdokumenter: Kunstig intelligens er svært god til å lage førsteutkast til PRD-er eller versjonsnotater. Dette støtter våre nåværende metoder og sikrer at juniorproduktledere starter med en struktur som oppfyller våre høye interne krav, og dermed reduseres den manuelle gjennomgangssyklusen.
- Rask innhenting av kontekst: I stedet for lange utforskningsfaser bruker vi kunstig intelligens til å fremskynde forståelsen vår av nye bransjer og markedsnormer. Dette gjør at vi raskt kan sette nye medarbeidere inn i arbeidet og begynne å skape verdi umiddelbart.
Vi ser revolusjonen med kunstig intelligens først gjennom vårt grunnleggende prinsipp: «Lite vedlikehold, gode resultater.»
Når arbeidet er automatisert, satser jeg enda mer på menneskelige egenskaper som kunstig intelligens ikke kan gjenskape:
- Dyp empati (å avdekke «hvorfor nå?»): Kunstig intelligens kan analysere data, men den kan ikke lese rommet. Et menneske må se en interessent i øynene og forstå det reelle presset bak en forespørsel – enten det dreier seg om et genuint markedsbehov eller bare en panikkreaksjon på en konkurrent. Bruk derfor mer tid på å påvirke interessenter og navigere i den politiske konteksten som ofte hindrer gjennomføring i komplekse organisasjoner.
- Forutinntaksfri dømmekraft («leiesoldatmentalitet»): Vi bruker den sparte tiden til å anvende det jeg kaller en «leiesoldatmentalitet», der vi fjerner følelser fra beslutningstakingen for å sikre klare vurderinger. Dette gjør det mulig for oss å skjære gjennom intern støy og finne løsninger for kunden, samtidig som vi prioriterer deres faktiske forretningsmål fremfor interne popularitetskonkurranser.
- Visjonsutforming og strategiske satsinger: Som jeg ofte sier: «Bare ubønnhørlige optimister passer godt til produktledelse.» Kunstig intelligens kan forutsi ut fra tidligere data, men den kan ikke samle et demoralisert team om en bedre fremtid eller gjøre de kontraintuitive satsingene som kreves for å transformere en virksomhet.
- Å navigere i kompleks organisasjonspolitikk: Dette er den vanskeligste delen av jobben. Å håndtere avdelinger som trenerer arbeidet, eller interessenter med motstridende agendaer, krever høy emosjonell intelligens og et «leiesoldatfokus».
- Beslutningshastighet (OODA-sløyfen): Vi bruker effektivitetsgevinstene til å stramme inn «OODA-sløyfen» (Observer-Orienter-Beslutt-Handle), slik at vi kan endre strategier raskere enn tradisjonelle interne team.
AI kan forutsi basert på tidligere data, men kan ikke samle et demoralisert team om en bedre fremtid eller ta de kontraintuitive valgene som kreves for å transformere en virksomhet.
Hvordan agentbaserte løsninger økte hastigheten og tilfredsheten
Vi brukte nylig agentbaserte løsninger da vi støtte på en klassisk flaskehals. Tiden mellom idéutvikling og utvikling hadde blitt unødvendig lang. Prosjektlederne våre brukte enorme mengder energi på å kryssjekke juridiske begrensninger manuelt og følge opp interessenter for godkjenninger. Dette ressurskrevende arbeidet ga ingen strategisk verdi.
Vi implementerte et system med interne AI-agenter for å håndtere det lite glamorøse, praktiske arbeidet:
- Etterlevelseskontrollen: Vi konfigurerte en intern agent ved å bruke kontekst fra kundens interne kunnskapsbaser for juss og etterlevelse. Før en PRD ble sendt til gjennomgang, forhåndsvaliderte agenten den og flagget umiddelbart regulatoriske risikoer. Dette fungerte som en umiddelbar kvalitetshevende kontroll og sørget for at kundens prosjektledere ikke kastet bort tid på utkast som ikke var i samsvar med regelverket.
- Oppfølgeren av interessenter (via Slack): Vi automatiserte godkjenningsprosessen. I stedet for at en prosjektleder brukte sin begrensede politiske kapital på å mase på en direktør om en signatur, håndterte agenten oppfølgingen via Slack. Den ba utrettelig, men høflig, om godkjenninger og fjernet den emosjonelle belastningen fra prosjektlederen.
- Automatiserte fremdriftsoppdateringer: Vi implementerte en agent som sammenfattet fremdrifts- og utviklingsdata og sendte proaktive statusrapporter.
Resultatene:
- Hastighet: Vi reduserte den gjennomsnittlige tiden mellom idéutvikling og utvikling betydelig. «Dødtiden» mens vi ventet på godkjenninger forsvant, og agenten, som fungerte som en djevelens advokat, validerte PRD-er raskere.
- Tilfredshet: Tilfredsheten blant interessentene økte. De satte pris på at de automatiserte rapportene var proaktive og kom i tide, noe som frigjorde prosjektlederne våre slik at de kunne konsentrere seg om å skape resultater i stedet for administrativ masing.
Hvorfor agentbasert eksperimentering er så viktig i prosjektledelse
Her er også noen flere agenter vi har eksperimentert med. Vi bruker Claude Code, Make.com, Glean, NotebookLM, n8n og/eller Notion AI.
- Standardisering av arbeidsprodukter: Trenet på «de beste PRD-ene» for å formatere dokumenter og Jira-saker på nytt. Dette er tilpasset produkttypen, området (internt, eksternt) og fasen (vedlikeholde, investere, innovere).
- Djevelens advokat: Finner svakheter i PRD-dokumentene ved hjelp av etterlevelsesregler og beriker indekser for brukerkunnskapsbaser, konkurrentinformasjon og virksomhetskontekst. Sparer fem timer per uke per prosjektleder.
- Oppstart av utvikling: Leser Jira-saker og setter i gang utviklingsprosesser ved å konfigurere miljøet og kodearkivene samt hente frem relevante biblioteker. Sparer tre timer per uke per utvikler.
- Hendelsessortering: Sørger for rettidig og nøyaktig relativ prioritering av hver innkommende support- eller feilsak.
- Oppdatering av interessenter: Kartlegger interessenter og sender ukentlige sammendrag og/eller rapporter på tvers av produkttrakten. Sparer tre timer per uke per prosjektleder på utvelgelse og kommunikasjon. Her er et eksempel på hvordan en rapport til en administrerende direktør kan se ut: «Forventet avkastning på investeringen redusert til €3m (-15 %). Dette skyldes at initiativ 1 er forsinket med 3 måneder i Nord-Europa på grunn av en avhengighet til initiativ 2 og feilkommunikasjon med programvareleverandøren. Det har vært to eskaleringer til VP-nivå for å løse dette. Forventet tid til løsning er én uke.»
- Én felles sannhetskilde: De ansatte spør Notion AI. Den søker ikke bare i Notion, men også i Slack, Google Drive, Jira og andre tilkoblede applikasjoner.
Jeg har også eksperimentert med OpenClaw på en ny Mac Mini.
Hvordan en lettstelt teknologistakk støtter et distribuert oppsett
Teknologistakken vår er uavhengig av klienten — vi arbeider med de verktøyene klienten bruker. Internt benytter vi imidlertid en robust og lettstelt teknologistakk som støtter arbeidsmodellen og det distribuerte oppsettet vårt.
Verktøy: Notion
- Kategori: Intern kunnskapsbase og håndbøker
- Påvirkning: Den eneste sannhetskilden for vår proprietære leveransemodell. Den inneholder alle våre arbeidsmåter, retningslinjer og funksjoner for kompetanseutvikling.
- Utvikling det siste året: Vi har satset enda mer på den. Nå bruker vi den ikke bare til lagring, men som en aktiv opplæringsarena for å «onboarde raskt» og umiddelbart lære opp nyansatte i våre spesifikke metoder, som «optimisme som operativsystem».
Verktøy: Figma
- Kategori: Design og prototyping
- Påvirkning: Det gjør det mulig for oss å validere ideer gjennom prototyper med lav detaljgrad i stedet for lange spesifikasjoner.
- Utvikling det siste året: KI-integrasjon. Vi har gått fra manuell skissering av brukergrensesnitt til å bruke KI-drevet generering av maler for å fremskynde den tidlige, «rotete» fasen av designarbeidet.
Verktøy: Miro
- Kategori: Visuelt samarbeid og strategi
- Påvirkning: Lærretet for «håndtering av kaos». Vi bruker det mye til mulighetstrær for løsninger (OST-er) og til å samkjøre interessenter som «trekker i ulike retninger».
- Utvikling det siste året: Standardisering. Vi har gått fra tilfeldig idémyldring til strenge, forhåndsdefinerte maler for workshopene våre. Dette sikrer at alle PM-er legger til rette for arbeid med samme «standardhevende» kvalitet, selv uten en erfaren leder til stede.
Verktøy: Slack
- Kategori: Kommunikasjon og fellesskap
- Påvirkning: Ryggmargen i vårt «fellesskap» og støttenettverk. Det gjør det mulig for PM-ene våre å «diskutere problemer åpent» og komme videre når de står fast.
- Utvikling det siste året: Disiplinert asynkronitet. Vi har i stor grad gått over til «asynkrone» arbeidsflyter for å beskytte konsentrert arbeid. Vi bruker det mindre til sanntidsprat og mer til strukturerte oppdateringer, slik at vi reduserer støy fra politiske kontekster.
Slik støtter asynkron video teamveiledning
Asynkron video, via Loom og Miro TalkTrack, er et av de mest undervurderte verktøyene vi bruker, fordi det gjør undervisningssykehusmodellen vår skalerbar.
I organisasjonen vår er «fireøynegjennomganger» avgjørende for kvaliteten, men når de planlegges synkront, blir prosessen en flaskehals. Nå tar seniorkonsulentene våre opp en fem minutters Loom-gjennomgang i stedet for å sette opp et 30-minutters møte for å gjennomgå en PRD eller strategipresentasjon. Dette gjør at PM-ene våre kan få veiledning uten å avbryte arbeidsflyten.
I tillegg vil interessenter som ofte trenerer, kanskje ikke lese et dokument på fem sider, men de vil se en video på tre minutter. Det tvinger frem samkjøring i komplekse politiske kontekster der vi må skape orden i kaos uten å legge enda et møte til i kalenderne deres.
Det er et perfekt uttrykk for vår tankegang om «lite vedlikehold, gode resultater». Vi har redusert møtetiden med 80 % samtidig som vi har økt presisjonen i kommunikasjonen.
Hvorfor PM-er må unngå «lastekulten» innen smidig utvikling
Når det gjelder prosjektstyringsmetoder, beveger vi oss bort fra tunge prosesser og mot det jeg kaller «sunn fornuft»-rammeverket. Vi unngår bevisst «lastekulten» innen smidig utvikling, der prosessen eksisterer for sin egen skyld.
Dette har vi beveget oss bort fra:
- Rigid planlegging: Vi unngår langsiktige Gantt-diagrammer og en tankegang som bygger på en funksjonsfabrikk, der suksess måles etter om man treffer datoen, i stedet for om man treffer måltallet.
- Prosessoppblåsing: Vi innfører ikke komplekse rammeverk bare fordi de er trendy. Mange selskaper mislykkes fordi prosessene deres ikke tåler belastningen de tvinges til å bære.
Dette har vi gått over til:
- Enkel strategi: Vi bruker mulighetstrær for løsninger (OST-er) og OKR-er, men bare fornuftig. Målet er å samkjøre oss om resultatet (for eksempel «finne ut noe som vil gi $10M ARR») i stedet for å administrere en perfekt oppgaveliste.
- Operasjonell fremragendehet: I praksis bruker vi en proprietær gjennomgangsprosess som vurderer PM-enes evne til å levere resultater. Vi vurderer suksess ut fra om kunden vil samarbeide med oss igjen, eller om de nådde en viktig milepæl, ikke ut fra dokumentasjonstempoet deres.
Hvordan AI redefinerer ritualene for prosjektleveranser
Vi har også noen ritualer som vi har redefinert med AI:
- Definere omfang: AI håndterer det lite glamorøse, praktiske arbeidet med å utarbeide standardiserte funksjonsspesifikasjoner. Dette frigjør prosjektlederen til å innta en «leiesoldat»-tankegang, med fullt fokus på de 20 prosentene av omfanget som driver forretningsresultatet, i stedet for å administrere en oppblåst oppgaveliste.
- Validere arbeid: Vi bruker AI til å sammenfatte resultater fra ulike verktøy umiddelbart, slik at vi kan bevege oss raskere gjennom syklusen observere-orientere-bestemme-handle. I stedet for å vente en uke på å analysere en test kan vi snu oss rundt umiddelbart. Det hjelper oss å navigere raskt i «VUCA»-miljøer (volatilitet, usikkerhet, kompleksitet og tvetydighet).
- Samkjøre team: AI utarbeider sammendrag av rutinemessig kommunikasjon. Dette gjør det mulig for prosjektlederen å fokusere på «ledelse uten myndighet». Vi håndterer den politiske konteksten og samkjører interessenter som kanskje trenerer, for å sikre at budskapet når frem til de rette personene.
Hvordan AI vil redefinere prosjektlederroller
Innen fem år vil rollen som juniorprosjektleder/junior produktleder være nesten fullstendig automatisert eller redefinert. Autonome AI-agenter vil håndtere rutinemessig prosjektoppfølging, avhengighetsstyring, grunnleggende dokumentasjon og enkel sammenfatning av data til innsikt. Inngangen til en menneskelig produktlederrolle vil endres: Du kommer ikke inn i bransjen ved å skrive brukerhistorier; du kommer inn ved å demonstrere fremragende ferdigheter innen strategisk tenkning, systemdesign og menneskesentrert ledelse.
Prosjektlederrollen vil i utgangspunktet deles i AI-forsterkede strategiske ledere (med fokus på visjon og mennesker) og AI-forsterkede system- og prosessarkitekter (med fokus på å utforme den ideelle arbeidsflyten for AI-agentene).
Hvorfor leveranseledere må endre fokus
Leveranseledere må forstå at jobben vår endres fra å være utføreren av prosessen til å bli designeren av systemet.
Så her er mitt råd: Slutt å optimalisere din egen tid på taktiske oppgaver, og fokuser på å utforme de AI-forsterkede systemene teamet ditt skal arbeide innenfor. Du må:
- Systematisere det fremragende arbeidet deres: Dokumenter organisasjonens egen kunnskap og beste praksis tydelig, ettersom dette er de viktigste treningsdataene for AI-agentene dine.
- Fokuser på «hvorfor»: Bruk tiden AI sparer deg til å bli en bedre menneskelig leder, med fokus på motivasjon, tydelighet og på å navigere i de etiske konsekvensene av produktene teamet ditt utvikler.
Målet er ikke å erstatte teamet ditt, men å bruke AI til å håndheve organisasjonens definisjon av fremragende kvalitet i stor skala.
Målet er ikke å erstatte teamet ditt, men å bruke AI til å håndheve organisasjonens definisjon av fremragende kvalitet i stor skala.
Følg med
Du kan følge Mirela Mus på LinkedIn og se nærmere på selskapet hennes, Product People.
Flere ekspertintervjuer kommer på The Digital Project Manager!
