Zapier-medgründeren deler hvordan han innfører lettvektige prosjektstyringssystemer og agentiske arbeidsflyter
Wade Foster er medgründer av verktøyet mange av oss allerede bruker til å automatisere arbeidsflyter og koble sammen programvare: Zapier. Nå leder han arbeidet med å integrere kunstig intelligens dypt i både organisasjonen og verktøyet.
Wade Foster
Medgründer og administrerende direktør i Zapier
Gå over til lettvektige, automatiserte leveransesystemer: Foster fremhever at tradisjonelle, omfattende prosjektstyringsmetoder, som lange statuspresentasjoner og hyppige møter, bør erstattes med lettvektige prosesser som setter automatisering først. Disse prosessene genererer oppdateringer og håndhever grunnleggende leveransedisiplin direkte i verktøyene. Dette forbedrer åpenheten og reduserer den administrative belastningen.
Standardiser strukturer og verktøyflyter for bedre samordning: Zapier har utviklet delte maler og «gyldne stier» for sentrale leveranseverktøy, for eksempel Jira-prosjektstrukturer og systemer for innsamling av veikartinnspill, slik at planlegging på tvers av team og håndtering av avhengigheter blir konsekvent og enklere å beregne i stor skala.
Integrer kunstig intelligens og agentiske arbeidsflyter for å styrke arbeidet, ikke erstatte mennesker: Fosters team bruker kunstig intelligens og automatiserte agenter til å håndtere rutinemessig ruting, oppsummering og research, slik at mennesker kan konsentrere seg om skjønnsmessige vurderinger og beslutninger med høy verdi. Kunstig intelligens er innebygd i selve arbeidsflyten i stedet for å bli behandlet som et isolert verktøy.
Wade Foster er medgrunnlegger av verktøyet som mange av oss allerede bruker til å automatisere arbeidsflyter og koble sammen programvare: Zapier. Han leder for tiden arbeidet med å integrere kunstig intelligens dypt i både organisasjonen og verktøyet.
Vi tok en prat med Wade for å få et innblikk i hvordan prosjektledelse er i endring i organisasjonen som selv endrer prosjektledelse.
Her er det han hadde å si.
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
Å grunnlegge Zapier, virksomheten som forvandlet automatisering
Jeg er medgrunnlegger og administrerende direktør i Zapier.
Selv om jeg ikke har tittelen prosjektleder, bidrar jeg til leveranser i stor skala og arbeider for AI-orkestrering på tvers av organisasjonen. Vi har faktisk publisert vår interne håndbok for hvordan vi oppnådde 97 % bruk av kunstig intelligens blant de ansatte.
Min rolle er å sette retning, fjerne hindringer og sørge for at vi leverer arbeidet med størst effekt for kundene våre – raskere. I Zapier handler prosjektleveranser mindre om rigide prosesser og mer om å bygge systemer og automatiseringer som gjør folk i stand til å gjøre sitt beste arbeid.
Fra tradisjonell prosjektledelse til lettvekts-, AI-drevne systemer
Tradisjonelle Gantt-diagrammer og omfattende statuspresentasjoner fungerer ikke i en fjernarbeidsverden som prioriterer asynkront arbeid. Vi har gått over til lettvekts- og automatiseringsorienterte systemer.
I stedet for ukentlige statusmøter blir oppdateringer for eksempel automatisk generert i Slack-kanaler fra prosjektverktøy. Ledere griper bare inn hvis det dukker opp et varsel. Det sparer møtetid og gjør fremdriften transparent som standard.
Her er en oversikt over hva vi gjør – og hva vi ikke gjør.
Dette går vi bort fra:
- Ad hoc-konvensjoner fra team til team for Jira-prosjekter, veikart og gjennomganger, som skapte manglende ensartethet, skjulte avhengigheter og rapporteringsarbeid på tvers av EPD.
- Statussider og lange oppdateringsdokumenter som ikke lenger samsvarte med virkeligheten fordi data fra oppstrømskilder ikke var standardisert eller automatisert.
- Leveransehygiene uten håndheving (f.eks. epics under arbeid uten en måldato), noe som gjorde planlegging og koordinering videre i prosessen upålitelig.
Dette beveger vi oss mot:
- Standardiserte «gyldne stier» for sentrale leveranseverktøy – som delte Jira-prosjektstrukturer, piloter for veikartsinntak i Productboard og tydelige Figma-strukturer – slik at status og avhengigheter er ensartede og kan beregnes på tvers av team.
- Et driftsoperativsystem for hele utviklingsarbeidet. Dette er én samlet flyt som konsoliderer ukentlige demoer og en offentlig endringslogg (inkludert WIP), med automatiserte versjonsmerknader fra ende til ende for å redusere unødvendig rapportering og øke synligheten.
- Lette leveranserammer i arbeidsflyten – for eksempel en validator kunngjort i Slack som krever en forfallsdato når en Jira-epic flyttes til «Pågår» – slik at planene forblir realistiske uten å legge til møter.
- Et tydelig mandat for Build Ops til å drifte og vedlikeholde de delte konfigurasjonene og standardinnstillingene («plattformen for hvordan vi arbeider»), videreutvikle dem sammen med teamene og samtidig følge kjerneverdier for leveranse, kvalitet og kapasitet i Zone MOR-er for åpenhet.
Stegene Zapier tok for å innføre lettvektsprosjektledelse
Her er det vi har gjort for å gjennomføre denne overgangen:
- Vi etablerte Build Ops’ roller og ansvarsområde for å «drive skalerbarhet, automatisering og effektivitet på tvers av EPD», og bemannet deretter med driftsressurser med et teknisk fokus. Verktøystakken omfatter Zapier, ChatGPT, Productboard, Figma, Jira, Jellyfish, Coda, OpsLevel og Looker/Looker Studio for å koble sammen leveranse- og rapporteringsflyter.
- Vi lanserte maler og delte konfigurasjoner for de gyldne stiene: standardiserte Jira-strukturer, Productboard-piloter for veikartsinntak og mønstre for Figma-organisasjonen. Build Ops har ansvaret for vedlikeholdet, slik at teamene ikke finner opp prosessene på nytt lokalt.
- Vi gjennomførte «BuildOS»-piloten i Editor-undersonen, det vil si at vi etablerte en enhetlig arbeidsflyt for endringslogger som konsoliderer internt WIP med ukentlige demoer og offentlige oppdateringer, samt et automatisert system for versjonsmerknader som reduserer manuelt kommunikasjonsarbeid.
- Vi la til leveransevalidatorer og normer i verktøyet – ikke i et dokument. Det betyr at vi kunngjorde regelen «En epic må ha en forfallsdato når den flyttes til Pågår» og opprettet veiledning for kommunikasjon av datoforandringer, inkludert henvisninger til støtte for prognoser i Jellyfish.
Og dette er det vi ser som resultat:
- Mindre administrativt arbeid og rapporteringssløsing, med veikart og versjonsmerknader som genereres automatisk fra det faktiske arbeidssystemet (i stedet for å settes sammen manuelt i presentasjoner).
- Tydeligere koordinering på tvers av team gjennom delte strukturer og måltall, noe som forbedrer planlegging og avhengighetshåndtering på tvers av team etter hvert som standardiserte arbeidsflyter utvides.
- Bedre leveringsrutiner og interessentforankring når forventninger til forfallsdato håndheves på endringspunktet og synliggjøres konsekvent videre i prosessen.
En AI-drevet arbeidsflyt for åpenhet i teamet
La oss se nærmere på systemet for versjonsmerknader som jeg nevnte. Hos Zapier har vi en verdi: Åpenhet som standard.
Det betyr at vi deler mye av arbeidet som pågår. Vi har en sterk kultur for å dele demonstrasjoner, endringslogger og resultater på tvers av selskapet.
Etter hvert som vi har vokst, har vi gjort dette på mange forskjellige måter, og disse artefaktene endte opp med å bli loggført på en rekke steder. Det gjorde det vanskeligere for alle å få oversikt over hva som skjer i selskapet. Derfor løste Build Ops-teamet vårt dette ved å opprette en enkel flyt der et team kan sende inn oppdateringer én gang, og systemet automatisk ruter disse artefaktene til de riktige verktøyene og Slack-kanalene.
Vi bygde det med Zapier Interfaces, Tables og Zaps. Innsendingene går inn i Tables som den autoritative kilden, synkroniseres til Coda for sporing og publiserer oppdateringer i #feed-delivery-updates i Slack, slik at alle ser den samme informasjonen i sanntid.
Det var ikke perfekt i begynnelsen. Men etter at vi hadde ryddet opp i samsvar og spesialtilfeller, ga det oss 100 % dekning av levert arbeid, reduserte dobbeltrapportering og gjorde det enkelt for team lenger ned i prosessen, som kundestøtte eller GTM, å få det de trenger uten å måtte følge opp prosjektledere.
Vi legger nå AI oppå dette for å oppsummere oppdateringer automatisk og til og med utarbeide utkast til hjelpedokumentasjon, slik at kommunikasjonen kan skaleres med mindre manuelt arbeid.
Slik bruker Zapier agentbaserte arbeidsflyter for å øke produktiviteten
Vi har eksperimentert med agentbaserte arbeidsflyter, og de største gevinstene så langt har vært innenfor to områder:
- Orkestrering i første linje: Vi har tatt i bruk agenter som klassifiserer, beriker og ruter forespørsler fra Slack, skjemaer eller e-post. De sender dem til de riktige køene med påminnelser basert på tjenestenivåavtaler og utløser til og med eskaleringer når frister overskrides. Dette reduserer belastningen med sortering og sikrer at forespørsler ikke går tapt i mengden.
- Undersøkelser og innholdsoperasjoner: Markedsføringsteamet vårt bruker agenter til å samle inn kontekst, klargjøre kampanjemateriell, kvalitetssikre utkast og sende dem til de riktige verktøyene. Mennesker godkjenner i Slack, og deretter kjøres distribusjonen automatisk. Det er et godt eksempel på hvordan verdien forsterkes når hele flyten er koblet sammen fra ende til annen.
Det som har fungert best, er å kombinere deterministiske Zaps, AI-trinn og avgrensede agenter. Med innebygd godkjenning og overvåking er disse systemene pålitelige nok til bruk i produksjon.
Mønsteret for innføring har også vært tydelig: Begynn i det små med én arbeidsflyt som sparer reell tid, bevis at den fungerer, og utvid deretter omfanget. Denne trinnvise tilnærmingen har gjort at innføringen har fått varig fotfeste på tvers av team.
Mønsteret for innføring har også vært tydelig: Begynn i det små med én arbeidsflyt som sparer reell tid, bevis at den fungerer, og utvid deretter omfanget. Denne trinnvise tilnærmingen har gjort at innføringen har fått varig fotfeste på tvers av team.
AI-støttede leveringsrutiner for optimal prosjektgjennomføring
Leveringsrutinene våre har ikke forsvunnet i en AI-først-verden, men de har utviklet seg til å bli enklere, mer transparente og AI-støttede.
- Definere omfang: Vi bruker ZIP-gjennomføringsmodellen vår, som krever én-siders beskrivelser av epics, DACI-roller og eksplisitt godkjenning før noe flyttes til «Planlagt». Hver Jira-epic lenker tilbake til et Productboard-element, slik at omfanget kan spores fra ende til annen. AI kommer inn her ved å hjelpe teamene med å utforske alternativer og utarbeide disse én-siders beskrivelsene raskere, men godkjenningspunktene og sporbarheten forblir de samme.
- Samkjøre team: Vi bruker DACI eksplisitt og opprettholder en jevn veikrytmerytme — kvartalsvise gjennomganger i Productboard og gjennomganger annenhver uke for arbeid med høy synlighet. Siden AI-kompetansen er høy i hele organisasjonen — blant ingeniører, produktledere og designere — drar samkjøringen nytte av AI-genererte utkast og prototyper som fremskynder beslutningstakingen.
- Validere arbeid: Som nevnt samlet vi demoer, endringslogger og resultatlogger i én enkelt Build Ops-drevet innsendingsflyt som publiserer til Slack, noe som gir 100 % dekning av levert arbeid. AI hjelper med å generere sammendrag, forskjeller og fremhevede punkter fra artefakter, men endelig kvalitet og sikkerhetsgodkjenning eies alltid av mennesker.
- Håndtere gjennomføring: Inntak standardiseres på tvers av kanaler og ledes inn i Productboard og Jira. Telemetri for gjennomføringen holdes løpende oppdatert og enkel, mens Build Ops’ «gyldne stier» sørger for konsekvent orden. AI er innebygd «i arbeidsflyten» — ingeniører bruker AI-utviklingsverktøy daglig, og produktteam bruker kopiloter for å redusere administrativt merarbeid — men eierskap, godkjenninger og revisjonsspor forblir deterministiske.
Hovedpoenget:
AI akselererer ritualene, men erstatter dem ikke. Mennesker har fortsatt ansvaret for vurderingene, mens AI reduserer friksjon slik at teamene kan fokusere på arbeidet som gir størst verdi.
Rask prototyping i produktplanlegging med AI-verktøy
Men selv med alle disse store endringene tror jeg den største omveltningen for meg har vært å legge til prototyping i produktplanleggingsprosessen.
Med verktøy for vibe-koding som v0 kan du hoppe over mye langvarig lesing, skriving og dokumentasjon. I stedet bygger du en klikkbar prototype.
Det finnes et uttrykk: «Et bilde sier mer enn tusen ord.» Vel, en prototype er verdt tusen bilder. Derfor er den svært effektiv for å komprimere tidslinjer. Den kutter bort flere uker for de fleste funksjoner.
Det finnes et uttrykk: «Et bilde sier mer enn tusen ord.» Vel, en prototype er verdt tusen bilder. Derfor er den svært effektiv for å komprimere tidslinjer. Den kutter bort flere uker for de fleste funksjoner.
Og det betyr at det finnes muligheter til å tilbringe tid med kunder, prøve å forstå problemene de møter, og hvor produktet hjelper eller hindrer dem i arbeidsflytene deres.
Zapiers «AI-handlinger»-funksjon lar AI utføre handlinger for deg
Det er ingen overraskelse her … en stor del av teknologistakken vår er Zapier: Zaps, AI by Zapier, Agents, Tables og Interfaces, samt MCP for å koble eksterne AI-verktøy til tusenvis av handlinger. Dette har utviklet seg de siste 6–12 månedene ved at vi har satset enda sterkere på et enhetlig grensesnitt for bygging (Zaps + Tables + Interfaces) og lagt til Agents for å bringe vurderinger inn i strukturerte arbeidsflyter.
Vi satset også på MCP, slik at utviklere som bruker verktøy som ChatGPT, Claude og Cursor, trygt kan utføre handlinger på tvers av apper uten nye integrasjoner. Vi introduserte endringer i abonnementene som pakker de grunnleggende byggeklossene sammen for enklere utrulling og styring på tvers av team. Effekten er størst der teamene bruker hele stakken:
- Deterministisk automatisering som ryggrad
- AI-trinn for slutninger
- Og agenter for «siste etappe» av variabelt arbeid — med godkjenninger og observerbarhet innebygd.
Samarbeids- og driftsoverflaten varierer fra team til team. Markedsføringsorganisasjonen vår kobler for eksempel Slack, Coda, Iterable, HubSpot og Databricks sammen via Zapier for å effektivisere overleveringer og levere raskere, med automatisk genererte e-postressurser, godkjenninger og distribusjon.
Av alle verktøyene vi har brukt, har Zapiers egen funksjon «KI-handlinger» helt ærlig vært den største forandringen. Den lar oss bygge arbeidsflyter der KI ikke bare gir deg veiledning om hvordan du kan gjøre noe selv, men utfører handlinger for deg, som å oppdatere en prosjektsporing eller markere en manglende avhengighet. Og ikke-tekniske team kan sette dette opp selv uten å vente på utviklere.
Å bygge en sterk kultur for KI-adopsjon hos Zapier
Verktøy er viktig, men enda viktigere er kulturen du etablerer.
Verktøy er viktig, men enda viktigere er kulturen du etablerer.
Det er så lett i en stor organisasjon å fortsette å gjøre det du alltid har gjort tidligere, men når en banebrytende teknologi som KI dukker opp, må du finne mekanismer som får organisasjonen til å fungere annerledes.
Det har vi gjort ved å investere mye i hackatoner, presentasjoner på allmøtene våre og Slack-kanaler der folk kan dele arbeidsflyter eller erfaringer.
Alle disse kulturelle øyeblikkene begynner å bygge seg opp, og det blir stadig mer normalt for folk å vende seg til KI og si: «Hm, hvordan kan jeg gjøre arbeidet mitt annerledes for å løse dette problemet?»
Hvorfor leveranseorganisasjoner som setter KI først, trenger en KI-automatiseringsingeniør
Hvis du ønsker en leveranseorganisasjon som setter KI først, bør du vurdere å opprette en ny rolle: KI-automatiseringsingeniør (eller «orkestreringsingeniør»)
Det er bindeleddet mellom strategi og leverte systemer, og det akselererer både leveranser og kulturell endring.
Bruk KI til å håndtere kjedelige og kostbare oppgaver
Som du kan se, er mye av KI-adopsjonen vår ment å hjelpe mennesker med arbeidet vi allerede gjør i dag, og det finnes mye verdi å hente ut av det.
Det finnes også muligheter innenfor det mennesker ikke kan gjøre. Hva klarer vi ikke å ta tak i fordi det koster for mye eller er for kjedelig? Invester i dette.
Et godt eksempel er støttedokumentasjon. For de fleste selskaper er det en kjedelig og tidkrevende oppgave å holde en kunnskapsbase oppdatert, noe mennesker ikke er spesielt gode på. Med KI kan du imidlertid ta alle supportsakene dine og automatisk gjøre dem om til en omfattende kunnskapsbase.
Dette er typene prosjekter vi ser på nå. Vi identifiserer noe vi ganske enkelt ikke gjør, men burde gjøre, og lar KI gjøre det mye enklere.
Fremtidens brukeropplevelse for prosjektstyring med KI og orkestrering
Her er fremtiden slik jeg ser den.
Oppgavelister vil ha eiere – noen mennesker, andre agentbaserte. Prosjektledere og fagansvarlige blir resultatdesignere og orkestreringsarkitekter.
Og det meste av brukeropplevelsen for «prosjektstyring» blir et tynt lag oppå orkestreringsplattformer: Aktive systemer utfører arbeidet, status beregnes, og mennesker angir mål, kontrollrammer og skjønn.
Led med orkestrering, ikke en chatbot
Hvis jeg kan gi ett råd, er det dette: Led med orkestrering, ikke en chatbot. Få KI inn i arbeidsflyten, der den kan utføre handlinger og styres.
Kombiner press ovenfra med bygging nedenfra. Arranger en hackaton, publiser kontrollrammer, utnevn ambassadører og del veiledninger. Det var slik vi oppnådde 97 % intern adopsjon.
Og start med to «kile»-arbeidsflyter som betyr noe. Gjør dem produksjonsstabile med godkjenninger og logger, mål syklustid, feilrater og interessentenes NPS, og skaler deretter mønstrene i hele organisasjonen.
Følg med videre
Du kan følge med mens Wade fortsetter å endre automatiseringsspillet på X og LinkedIn. Og selvfølgelig bør du sjekke ut Zapier!
Flere ekspertintervjuer kommer på The Digital Project Manager.
