Tidligere HP-programleder og nåværende AI-automatiseringskonsulent forklarer hvordan AI kan implementeres effektivt og ansvarlig
Stan Yanakiev er tidligere programleder hos HP og har bakgrunn innen programvareutvikling. Han er også grunnleggeren av Mindrise, et konsulentselskap innen AI-automatisering som hjelper små bedrifter med å skape reell verdi gjennom AI.
Stan Yanakiev
Tidligere programleder hos HP
Karriereskifte: Stan Yanakiev gikk fra programvareutvikling til AI-fokusert prosjektledelse for små bedrifter.
AI-tilnærming: Stan kombinerer tradisjonell prosjektledelse med fleksible AI-metoder for mer effektiv levering.
Planlegging av arbeidsflyt: Inkludering av AI krever nøye utforming for å balansere fleksibilitet med kontroll og opprettholde menneskelig tilsyn.
Fordeler med automatisering: Automatisering i prosjektledelse øker produktiviteten ved å forenkle oppgaver og frigjør verdifull tid.
Ansvarlig bruk: AI-resultater må gjennomgås grundig, og menneskelig tilsyn sikrer ansvarlighet i prosjekter og beskyttelse av data.
Stan Yanakiev er en tidligere programleder hos HP med bakgrunn innen programvareutvikling. Han er også grunnleggeren av Mindrise, et konsulentselskap innen AI-automatisering som hjelper små bedrifter med å skape reell verdi gjennom AI.
Vi snakket med Stan for å få et innblikk i hvordan prosjektledere kan implementere AI effektivt og ansvarlig. Her er det han fortalte oss.
Stan Yanakievs vei fra programvareutvikler til konsulent innen AI-automatisering
Min interesse for teknologi startet da jeg var tretten år, da jeg lærte meg selv å programmere på en østeuropeisk klone av den berømte Apple II-mikrodatamaskinen. Etter et par år som programvareutvikler gikk jeg over til prosjektledelse, og jeg har viet min 25 år lange karriere til dette yrket.
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
Jeg ble tidlig i karrieren tiltrukket av naturlig språkbehandling (NLP), og grunnla til og med to oppstartsbedrifter med fokus på AI. I 2007 brukte jeg et internt tekstanalyseverktøy hos Hewlett-Packard til å drive forbedringer av forretningsprosesser på tvers av kundesentre i EMEA, ved å ta i bruk Six Sigma-metoder. Dette var en tidlig fase der utfordringene med AI, til tross for entusiasmen, fortsatt veide tyngre enn fordelene. Bruken av verktøyet ga likevel noen fordeler, så det var ikke fullstendig mislykket. Det var imidlertid langt vanskeligere å hente ut verdi fra det sammenlignet med dagens AI.
De siste årene har jeg ledet digitale initiativer og transformasjonsinitiativer i energisektoren som innleid prosjektleder. En av mine viktigste prestasjoner er å ha utviklet strategisk teknisk kapasitet og forretningskapasitet innen smartmåling hos SMS, en av Storbritannias største installatører.
Nå tilbyr selskapet mitt, Mindrise, praktiske løsninger for AI-automatisering til små britiske bedrifter, og hjelper dem med å bruke AI på realistiske og resultatorienterte måter for å oppnå effektivitet, redusere kostnader og legge til rette for vekst. Vi fokuserer på å forbedre produktiviteten gjennom arbeidsflytautomatisering, dokumentgenerering, rapportering og dataintegrasjon ved hjelp av plattformer med lite kode, som Make, n8n og Zapier. Vi tilbyr også løpende optimalisering og støtte, slik at kundenes automatiseringer fortsetter å utvikle seg etter hvert som virksomhetene deres vokser.
Slik beholder du tradisjonell prosjektledelsesstruktur samtidig som du tar i bruk en smidig AI-leveranse
Min tilnærming til leveranser er fortsatt basert på strukturerte rammeverk for prosjektledelse. På grunn av AI beveger jeg meg imidlertid mot en lettere og mer tilpasningsdyktig leveransemodell, der jeg beholder disiplinen fra tradisjonelle metoder, samtidig som jeg reduserer administrasjonen og får mer tid til prosjektledelsesarbeid med høy verdi.
Jeg bruker det til tidkrevende rutineoppgaver og som bidragsyter i idéutvikling. Det hjelper meg med å automatisere møtereferater, dokumentasjon og rapportering, samtidig som jeg holder meg fullt ut på linje med tradisjonelle leveransekrav. Faktisk mener jeg at det, når det brukes på en gjennomtenkt og etisk måte, er få oppgaver det ikke kan håndtere — bortsett fra de virkelig menneskesentrerte oppgavene, som å lede, administrere og samarbeide.
Som et resultat utvikler rollen min seg fra å «gjøre alt» til å være en orkestrator og optimalisator av AI. Dette gjør det mulig for meg å rette energien min mot verdifulle, menneskesentrerte aspekter ved prosjektledelse, som å sørge for at interessentene er samkjørte, fjerne hindringer og sikre produktivt teamsamarbeid og motivasjon.
Slik bør en arbeidsflyts toleranse for uforutsigbarhet styre AI-implementeringsstrategien din
Jo mer intelligens vi bygger inn, desto mer nøye må utformingen planlegges, gjennomføres og testes.
Det skyldes at en arbeidsflyt som ikke inkluderer AI og som er rent regelbasert, produserer deterministiske resultater som kan testes på samme måte som ethvert tradisjonelt programvaresystem. Når vi legger til AI, introduseres imidlertid et sannsynlighetsbasert element, så vi må sørge for at variasjonen i resultatene ikke slår feil. Det er viktig å forstå hvor mye kreativitet eller uforutsigbarhet som er akseptabelt for den aktuelle bruken, og å innføre passende sikkerhetstiltak, for eksempel å ha et menneske med i prosessen.
Når vi legger til AI, introduseres et sannsynlighetsbasert element, så vi må sørge for at variasjonen i resultatene ikke slår feil. Det er viktig å forstå hvor mye kreativitet eller uforutsigbarhet som er akseptabelt for den aktuelle bruken, og å innføre passende sikkerhetstiltak, for eksempel å ha et menneske med i prosessen.
Arbeidsflyter som inkluderer agentisk AI, gir størst frihet, men denne fleksibiliteten må være bevisst — vi må være sikre på at den faktisk er passende for bruksområdet.
Når det gjelder leveranse, fokuserer jeg på praktiske anvendelser av AI for å sikre realistiske og forutsigbare resultater. Avanserte bruksområder for AI kan se attraktive ut i YouTube-videoer, men de er ikke noe man kan stole på i en profesjonell sammenheng. Når jeg bruker AI, ønsker jeg å oppnå en tydelig avkastning på investeringen — for eksempel å redusere tiden eller innsatsen som brukes på manuell behandling med X %, eller halvere behandlingstiden for dokumentasjon.
Når det gjelder leveranse, fokuserer jeg på praktiske anvendelser av AI for å sikre realistiske og forutsigbare resultater. Avanserte bruksområder for AI kan se attraktive ut i YouTube-videoer, men de er ikke noe man kan stole på i en profesjonell sammenheng. Når jeg bruker AI, ønsker jeg å oppnå en tydelig avkastning på investeringen.
Praktiske bruksområder for AI og automatisering i prosjektledelse
Det finnes mange måter å bruke AI på i prosjektledelse, og det å forsøke å nevne dem alle kan føre til at man begrenser dem. Men her er noen:
- Møtereferater: Det mest åpenbare området med lav innsats for automatisering i leveransearbeidet mitt er møtereferater. Jeg bruker ChatGPT sammen med utskriften fra et opptak av en Microsoft Teams-samtale til dette. Det sparer betydelig med tid.
- Dokumenthåndtering og innholdsproduksjon: Tenk generering og vurdering av risikoer og problemer, automatisert statusrapportering og innhenting av lærdommer. Jeg har undersøkt hvordan disse oppgavene kan automatiseres ved hjelp av PMI Infinity, ChatGPT, Claude, HTML-dashbord, Google Apps Script for risikoer og problemer samt Microsoft 365 Copilot for å utarbeide lærdommer.
- Validering: Det kan støtte valideringsarbeid, for eksempel gjennomgang og vurdering av tekniske design.
- Omfang: Det kan utarbeide et forslag til omfang basert på viktige prosjektfakta, eller gjennomgå og forbedre det
- Idémyldring: Det kan bidra til å utvikle alternativer og støtte idémyldring for å finne løsninger. Jeg er svært avhengig av ChatGPT til dette.
- Kommunikasjon: Jeg bruker ChatGPT til å utarbeide kommunikasjon til interessenter
- Presentasjoner: Når det gjelder planlegging, oppretting og gjennomføring av presentasjoner, har jeg vurdert verktøy som Gamma og Canva.
Men oppgaver som krever emosjonell intelligens og samarbeid — som å skape samkjøring i teamet og lede mennesker — bør fortsatt ligge under prosjektlederens ansvarsområde.
Et praktisk eksempel på AI i prosjektledelse
La oss bruke møtereferater som et enkelt eksempel. Første gang jeg brukte AI i et prosjekt, var det en kritisk hindring som truet med å sette prosjektet på pause, med flere økonomiske, omdømmemessige og tekniske konsekvenser. Jeg måtte finne en løsning raskt, noe som krevde enighet mellom flere eksterne leverandører samt interne interessenter.
Jeg organiserte en nettbasert workshop der alle de viktigste personene deltok. Jeg ba om tillatelse til å ta opp samtalen i MS Teams slik at jeg kunne få en utskrift. Etter samtalen redigerte og pseudonymiserte jeg utskriften ved å erstatte sensitiv informasjon med plassholdere. Jeg skrev en instruksjon til ChatGPT og ba det lage et møtereferat med diskusjonspunkter og handlingspunkter. Deretter gjennomgikk jeg resultatet, korrigerte det der det var nødvendig, erstattet plassholderne og sendte det til en stor mottakergruppe.
Det ville ha tatt meg minst en time å gå gjennom notatene mine og skrive et nøyaktig referat, men med AI kunne jeg gjøre det på 20 minutter. Resultatet var et referat av høy kvalitet, pent formatert. Det sørget også for rask og presis kommunikasjon til et stort team, med tydelige handlingspunkter, noe som muliggjorde proaktiv oppfølging og løsning av problemer. I tillegg fikk jeg tid til å delta i neste samtale.
Slik bygger du en effektiv teknologistakk for prosjektleveranser
Som prosjektleder er jeg pragmatisk. Jeg bruker et hvilket som helst verktøy så snart jeg er overbevist om verdien av det. Og jeg slutter å bruke det hvis det ikke er hensiktsmessig. La oss begynne med de tradisjonelle prosjektstyringsverktøyene jeg bruker:
- Microsoft Project til planlegging
- Jira som prosjektstyringsprogramvare for smidige prosjekter
- Trello til mindre Kanban-lignende oppgaver
Men de siste årene har jeg begynt å bruke store språkmodeller langt mer enn tidligere. Alle disse store språkmodellene kan brukes til lignende formål, men de har ulike styrker og svakheter:
- ChatGPT: Jeg synes ChatGPT er utmerket totalt sett, særlig når det gjelder prosessoptimalisering og effektivitet.
- Copilot: Copilot er basert på ChatGPT, men resultatet er ikke identisk. Derfor bruker jeg det noen ganger til å verifisere eller sammenligne resultater.
- Claude: Claude har en tendens til å være mer «kreativ» og produserer visuelt tiltalende diagrammer og dokumenter.
- Gemini: Jeg har brukt Gemini mindre så langt. De tidligere versjonene føltes begrensede, men versjonen som er integrert i Googles søkeresultater, er ganske god. Jeg må se nærmere på den nyeste versjonen.
Jeg utvikler KI-arbeidsflyter gjennom Mindrise ved hjelp av plattformer med lite eller ingen kode, for eksempel:
- Make: Make har et intuitivt grensesnitt som gjør det mer brukervennlig og til og med litt mer «morsomt» å jobbe med.
- n8n: n8n er mer teknisk og gjør det enklere å bruke programmeringskode – selv om det kan gjøre løsningen for kompleks for enkelte kunder.
- Zapier: Zapier støtter et bredere utvalg av apper og integrasjoner.
Jeg eksperimenterer også med nye KI-verktøy for planlegging, utarbeiding og gjennomføring av presentasjoner, blant annet Gamma og Canva.
KI gir mindre verdi for team og virksomheter uten automatisering. Derfor er favorittverktøyet mitt for KI totalt sett Make.com. Det kan brukes til å bygge regelbaserte automatiseringer eller KI-aktiverte scenarier, inkludert agentisk KI.
KI er ikke optimalt for team og virksomheter uten automatisering. Derfor er favorittverktøyet mitt for KI totalt sett Make.com. Det kan brukes til å bygge regelbaserte automatiseringer eller KI-aktiverte scenarier, inkludert agentisk KI.
Slik bruker du KI på en ansvarlig måte i prosjektledelse
Vi må alltid huske at det er vi som sitter i førersetet. Vi har ansvaret for prosjektene våre.
Sensitive personopplysninger eller forretningsopplysninger bør aldri deles fritt med åpne modeller. De kan beskyttes ved å pseudonymisere eller redigere bort opplysninger fra inndataene før behandling.
Sensitive personopplysninger eller forretningsopplysninger bør aldri deles fritt med åpne modeller. De kan beskyttes ved å pseudonymisere eller redigere bort opplysninger fra inndataene før behandling. KI-resultater bør også alltid behandles som utkast – de må gjennomgås og godkjennes før de tas i bruk eller deles.
KI-resultater bør også alltid behandles som utkast – de må gjennomgås og godkjennes før de tas i bruk eller deles.
Derfor er det et grunnleggende prinsipp hos Mindrise å ha et menneske med i prosessen når vi utformer automatiserte arbeidsflyter, for å sikre både nøyaktighet og ansvarlighet.
Slik hjelper KI prosjektledere med å fokusere på det som betyr mest – å være mer menneskelig
Lær deg å bruke KI og forhold deg til teknologien slik du ville gjort med enhver ny teknologi – det er mitt råd.
Ved første øyekast kan det se enkelt ut, men det krever læring, øvelse og en god del prøving og feiling før du kan oppnå resultater som er stabile nok til profesjonell bruk.
Begynn i det små og hold deg praktisk. Hvis du mangler den nødvendige kompetansen internt, bør du se etter en leverandør som kan hjelpe deg med å overvinne de viktigste hindringene for å ta løsningen i bruk.
Når du har fått på plass noen enkle automatiseringer, bør du vurdere hvordan de gjør det mulig å endre virksomheten din på en mer strategisk måte. Deretter kan du skalere opp.
Og husk at det er et verktøy – et verktøy som forbedrer menneskers evner.
AI lar oss fokusere på det som virkelig betyr noe. Det løfter produktiviteten og effektiviteten vår til nivåer vi aldri har sett før. Og det gir oss til og med muligheten til å være mer menneskelige.
AI lar oss fokusere på det som virkelig betyr noe. Det løfter produktiviteten og effektiviteten vår til nivåer vi aldri har sett før. Og det gir oss til og med muligheten til å være mer menneskelige.
Følg med
Du kan følge Stan mens han fortsetter å finne AI- og automatiseringsmuligheter for bedrifter på LinkedIn. Sjekk også ut selskapet hans, Mindrise.
Flere ekspertintervjuer kommer på The Digital Project Manager.
