Utfordringer med kunstig intelligens i prosjektledelse: Hva prosjektledere sier i 2026
Tillit og styring: Tillitsspørsmål hindrer innføringen av kunstig intelligens, ettersom team tviler på nøyaktigheten og påliteligheten til resultatene.
Kompetansegap: Kompetansegap hindrer prosjektledere i å bruke verktøy for kunstig intelligens effektivt, noe som fører til feilplassert tillit til resultatene.
Komfort og kontroll: Prosjektledere har problemer med å gi fra seg kontroll til kunstig intelligens, noe som påvirker viljen deres til å innovere med nye verktøy.
Datanøyaktighet: Bekymringer rundt datanøyaktighet hindrer team i å stole på kunstig intelligens i forbindelse med kritiske prosjektbeslutninger.
For mange verktøy: For mange verktøy gjør innføringen av kunstig intelligens mer komplisert, ettersom prosjektledere møter utfordringer med å vurdere hvilke løsninger som gir reell avkastning på investeringen.
AI er en av de mest kritiske delene av et arbeidsflytprosjekt som prosjektledere prøver å få på plass akkurat nå. Men å ta det i bruk på en vellykket måte er langt mer komplekst enn å bare legge til et nytt verktøy i teknologistakken. Selv om prosjektledere er optimistiske med tanke på potensialet for å automatisere, effektivisere og forbedre hvordan arbeidet blir gjort, oppdager de også svært reelle utfordringer knyttet til tillit, styring, kultur og ferdigheter.
For å forstå hva som holder PM-er tilbake, tok vi kontakt med mer enn 30 eksperter innen prosjektledelse og AI for å finne ut hvilke hindringer de har møtt mens de har implementert AI i arbeidsflytene sine. Innsikten deres viser at de største hindringene ikke er tekniske – de er menneskelige.
1. Tillit og styring
Tillit kom gjentatte ganger frem som den avgjørende utfordringen ved å ta i bruk populære verktøy for AI-prosjektledelse. Uten tillit til nøyaktigheten, etikken og påliteligheten til AI-genererte resultater nøler mange team med å bruke det utover grunnleggende eksperimentering.
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
«Vi har møtt flere sentrale hindringer ved innføringen av AI … manglende AI-ferdigheter, bedriftens retningslinjer og tilgang, for mange verktøy og bekymringer rundt avkastning på investeringer, samt tillit og styring», sa Kathleen Walch, administrerende partner i Cognilytica og bidragsyter til PMI.
Den manglende tilliten skyldes ofte AI-systemenes «svarte boks»-natur – teamene kan ikke alltid se hvordan beslutninger tas, eller hvilke data som påvirket dem. Dr. Matt Hasan fra aiRESULTS, Inc. uttrykte det direkte: «Den største hindringen er ikke teknologien – det er tillit. Mange PM-er ser fortsatt på AI som en revisor i stedet for en alliert, noe som gjør at bruken forblir overfladisk.»
Selv når verktøy for AI-prosjektledelse gir mange fordeler, har styringsrammeverk en tendens til å henge etter. Frank Vega fra The Efficiency Group mener at årsaken ikke er teknologisk i det hele tatt: «Den største hindringen er ikke teknisk, den er kulturell. Mange PMO-er ser fortsatt på AI som eksperimentelt eller truende. Den virkelige endringen kommer når team ser på AI som en andrepilot for oversikt, ikke som en erstatning for dømmekraft.»
Denne kulturelle tilbakeholdenheten finnes på tvers av bransjer. Teamene ønsker at AI skal forbedre prosjekttransparensen, ikke skape mer usikkerhet. Som både Walch og Vega antyder, må tillit bygges ikke bare gjennom resultater, men også gjennom styring, ansvarlighet og tydelig menneskelig oversikt.
2. Kompetansegap og feilplassert selvtillit
Mange prosjektledere er enige om at den virkelige utfordringen ligger i kompetanse og selvtillit. Teamene befinner seg på svært ulike steder i læringskurven for AI – noen er ivrige etter å teste alt, mens andre er usikre på hvor de skal begynne.
«Den største hindringen er ikke teknologi – det er kompetansegap og feilplassert tillit», sa Ravitez Dondeti, senior produktleder i Crestron Electronics. «Junioringeniører og PM-er kan lett bli revet med av den enorme kraften disse verktøyene gir.»
Når entusiasmen overgår forståelsen, kan feil raskt bli mange. Suvrangsou Das fra EasyPR la til: «Hindringen for utbredt bruk av AI er at resultatene tillegges for stor tillit. Det finnes også en annen hindring … kompetansegap …»
Å lukke disse gapene krever strukturert AI-opplæring og jevnlige initiativer for å heve kompetansen. Uten dette risikerer organisasjoner både å utnytte AI for lite og å bruke det feil – noe som kan svekke tilliten i teamene.
3. Komfort og kontroll
Selv når teamene forstår AI, varierer komfortnivået betydelig. Mange prosjektledere sliter med tanken på å gi fra seg kontrollen til et system de ikke kan forklare fullt ut.
Conner Flynn fra Hylaine oppsummerte denne spenningen slik: «To store hindringer skiller seg ut: komfort og kontroll. Ansatte føler seg ofte utrygge og nøler med å eksperimentere med AI-verktøy de ikke forstår fullt ut, og styringsrammeverk i virksomheter kan noen ganger bremse fremdriften gjennom lange godkjenningsprosesser.»
Denne tilbakeholdenheten gjenspeiles i erfaringer fra virkeligheten. Peter Murphy Lewis fra Strategic Pete og Ella Weddings delte følgende: «Noen prosjektledere ønsker ikke å gi fra seg kontrollen … Opplæring er også krevende. Det tok halve teamet tre uker å bli komfortable med AI-funksjonen i ClickUp.»
Denne motviljen fremhever den menneskelige siden ved innføringen. Selv om AI lover økt effektivitet, utfordrer det også hvordan mennesker definerer verdien av arbeidet sitt. Før teamene stoler på prosessen – og på sin egen evne til å føre tilsyn med den – vil innføringen av AI fortsette å gå saktere enn selve teknologien.
4. Tillit til datanøyaktighet
AI er bare så pålitelig som dataene det er bygget på. Hvis teamene ikke kan bekrefte at dataene er nøyaktige, vil de ikke basere kritiske beslutninger på dem.
«Tillit skiller seg ut som et stort problem. Mange nøler fortsatt med å stole på AI i viktige prosjektbeslutninger. De er også bekymret for nøyaktigheten til AI-data», sa Arunkumar Thirunagalingam, AI- og dataforsker.
I prosjektmiljøer der tidsfrister, budsjetter og ressurser stadig endres, kan en mindre datafeil utvikle seg til en stor prosjektrisiko. Olena Kuvarova fra Overcode gjentok denne bekymringen: «Den største operative hindringen er mangelen på tillit til nøyaktigheten til AI når man anslår ferdigstillelsestiden for komplekse F&U-prosjekter.»
Inntil AI-systemer kan forklare hvordan de kommer frem til konklusjoner – og team kan validere disse antakelsene – vil tillit til data fortsatt være en sentral hindring for innføring.
5. Overbelastning av verktøy og press for avkastning
Med nye AI-produkter som lanseres daglig står prosjektledere overfor en ny utfordring: valgmatthet. Hver plattform lover automatisering og innsikt, men det kan være overveldende å vurdere hvilke verktøy som gir konkret ROI.
«Overbelastning av verktøy er et reelt problem», sa Don Gregori, COO i First Factory, Inc. «Det er best å holde seg oppdatert på trender og forsøke å forutsi fremtidige muligheter for økt utnyttelse. Deretter lar man vinnerne tre frem i markedet eller bli integrert direkte i de eksisterende verktøyene vi bruker. Så tar man i bruk de som passer best til behovene dine. Lær, følg med, ta i bruk.»
Denne forsiktige tilnærmingen gjenspeiler en økende modenhet i bransjen. I stedet for å skynde seg med å ta i bruk hvert nye verktøy for utallige bruksområder for AI lærer ledende prosjektledere å observere, eksperimentere selektivt og måle ROI før de skalerer.
6. Flaskehalser i styring og godkjenning
Selv når teamene er klare til å bevege seg raskt, er virksomhetssystemene ofte ikke det. Mange organisasjoner tilpasser fortsatt innkjøps- og samsvarsprosessene sine for å håndtere tempoet i AI-innovasjonen.
«AI er en integrert del av virksomheten vår … [men] innkjøps- og godkjenningsprosessene er i ferd med å tilpasse seg tempoet i AI-utviklingen», sa Cameron van Orman fra Planview.
Langvarige gjennomgangssykluser, risikovurderinger og sikkerhetsklareringer kan bremse innføringen til et snegletempo – særlig i sterkt regulerte bransjer. Å balansere innovasjon med samsvar er en pågående utfordring som krever både kulturelle og prosedyremessige endringer.
7. Ansvarlig innovasjon og etikk
Til slutt øker bevisstheten om at innføring av AI ikke bare handler om produktivitet – det handler om ansvar. Teamene er stadig mer forsiktige med hvordan bruken av AI samsvarer med miljøpåvirkning, etisk datahåndtering og bredere styringspraksis.
«Vi har sett en sunn skepsis blant teamene rundt AI – særlig når det gjelder miljøpåvirkning, dataetikk og styring», sa Niamh Glennon fra MIGSO-PCUBED. «Denne forsiktigheten er ikke motstand; den er et uttrykk for modenhet innen ansvarlig innovasjon.»
Glennon la til: «For mange organisasjoner er ikke teknologien hindringen, men tilliten. Å bygge tillit til AI-assistert prosjektgjennomføring betyr å vise konkret ROI, samtidig som mennesker holdes ansvarlige.»
Dette holdningsskiftet – fra å skynde seg med innføringen til å gjennomføre den på en ansvarlig måte – gjenspeiler en modningsfase i integreringen av AI i prosjektledelse. Teamene avviser ikke AI; de lærer å bruke teknologien mer gjennomtenkt.
Hovedbudskapet
Budskapet er tydelig: Innføring av AI i prosjektledelse handler ikke om å mestre verktøy – det handler om å bygge tillit, ferdigheter og systemer som støtter ansvarlig, menneskesentrert innovasjon.
De mest suksessrike prosjektlederne automatiserer ikke bare oppgaver; de bygger tillit, videreutvikler teamenes kompetanse og skaper styringsrammeverk som lar AI forbedre – ikke erstatte – måten mennesker arbeider på.
Som Glennon sa det best: «For mange organisasjoner er ikke teknologien hindringen, men tilliten.» Veien videre går gjennom å styrke denne tilliten – mellom mennesker, data og de intelligente systemene som endrer hvordan vi leverer prosjekter.
Vil du finne bedre måter å utnytte AI i prosjektledelsen på? Ta en titt på DPMs kurs i å mestre AI for digitale prosjekter.
