Buduję cyfrowego agenta AI do zarządzania projektami, czy mi się to podoba, czy nie

Galen Low: Cokolwiek zrobisz, i tak źle. To ogólne odczucie projektantów i kierowników projektów, z którymi rozmawiałem, a którzy wdrażają AI do swojej pracy. Łatwo pomyśleć, że budujemy własnych następców i wysyłamy się na przymusową wcześniejszą emeryturę, ale może się z tym wiązać ogromna korzyść.

W rzeczywistości AI może dać nam miejsce przy stole, gdy granice między dyscyplinami zaczną się zacierać, a współpraca międzyfunkcyjna zostanie zdefiniowana na nowo. Aby to przeanalizować, zaprosiłem menedżerkę programów technicznych z sektora SaaS, która zaczęła budować agentów AI głównie z konieczności. Samodzielnie prowadzi dziesiątki programów w zespole 130 programistów, analityków danych i innych specjalistów technicznych, a jednocześnie obsługuje ponad 1000 wewnętrznych interesariuszy.

Podzieli się swoim podejściem do budowania rozwiązań z AI, pokaże stos technologiczny wykorzystany do stworzenia agenta do przyjmowania i sortowania zgłoszeń, który już oszczędza 15 godzin miesięcznie, oraz opowie, jak przejście przez nasz najnowszy kryzys egzystencjalny może doprowadzić do lepszej współpracy, koleżeństwa i poczucia wspólnoty w zespołach międzyfunkcyjnych i poza nimi.

Mam nadzieję, że ten odcinek wam się spodoba.

Witamy w podcaście Digital Project Manager — programie, który pomaga liderom odpowiedzialnym za realizację pracować mądrzej, sprawniej dostarczać rezultaty i pewniej prowadzić zespoły w erze AI. Mam na imię Galen i co tydzień omawiamy rzeczywiste strategie, nowe trendy, sprawdzone modele oraz od czasu do czasu historię z pierwszej linii frontu projektowego. Niezależnie od tego, czy kierujesz ogromnymi projektami transformacyjnymi, porządkujesz przepływy pracy z AI, czy po prostu próbujesz utrzymać chaos pod kontrolą, jesteś we właściwym miejscu. Zaczynajmy.

Dzisiaj rozmawiamy o dylemacie budowania agentów AI, którzy mają wykonywać pracę związaną z zarządzaniem projektami, którą wcześniej wykonywaliśmy sami. Przyjrzymy się procesowi budowania narzędzi i agentów do zarządzania projektami opartych na AI. Omówimy wpływ tych agentów na prowadzone przez ludzi techniczne zespoły projektowe, a także zmierzymy się z kilkoma dość egzystencjalnymi pytaniami dotyczącymi ścieżki kariery w zarządzaniu projektami i tego, jak zachować zdrowy rozsądek.

Moim dzisiejszym gościem jest Alla Tarasenko, główna menedżerka programów technicznych w Gusto. Alla jest humanocentryczną entuzjastką technologii, która ma doświadczenie w pracy przekrojowej w obszarach takich jak dane i analityka, infrastruktura, uczenie maszynowe, bezpieczeństwo i zgodność. Przez ponad trzynaście lat prowadziła duże programy i nadzorowała operacje związane z realizacją prac, działając w sektorze SaaS w firmach takich jak Smartsheet, NerdWallet i Gusto. Wprowadzała nowe produkty, koordynowała migracje platform w całych organizacjach, budowała zespoły i przepływy pracy od podstaw, a teraz szuka nowych sposobów, dzięki którym menedżerowie programów technicznych mogą używać AI do zwiększania swojej przepustowości bez utraty tych elementów pracy, które lubią najbardziej.

Jest zwolenniczką lepszej współpracy międzyfunkcyjnych zespołów technologicznych, a zgodnie z tytułem tego odcinka zaczyna budować agentów AI i osadzać ich w swoich operacjach — czy jej się to podoba, czy nie.

Alla, bardzo dziękuję, że jesteś dziś ze mną.

Alla Tarasenko: Dziękuję, Galen. Jestem bardzo wdzięczna za zaproszenie i bardzo się cieszę.

Galen Low: Wspaniale, że jesteś w podcaście. Od większej części roku mijamy się na LinkedInie i cieszę się, że w końcu udało nam się spotkać. Pomyślałem: „O rany, część tego, co robisz, to dokładnie to, o czym osoby słuchające tego podcastu powinny usłyszeć”. Mam na myśli praktyczne realia zwiększania możliwości zespołu zarządzania projektami dzięki AI, budowania agentów oraz wszystkie filozoficzne pytania, które się z tym wiążą.

Bardzo się cieszę, że możemy w to wejść. Wiem, że po drodze prawdopodobnie trafimy do wielu interesujących króliczych nor. Na wszelki wypadek przygotowałem jednak plan na dziś. Na początek chciałem postawić sprawę jasno, zadając ci duże i trudne pytanie, na które moi słuchacze chcą poznać twoją odpowiedź.

Potem chciałbym nieco się oddalić i porozmawiać o trzech rzeczach. Po pierwsze, o wyzwaniach, z którymi się mierzyłaś, a które skłoniły cię do zdecydowanego wejścia w AI, oraz o tym, dlaczego podeszłaś do rozwiązania właśnie w taki sposób. Następnie chciałbym uchylić wieko twojego podejścia do budowania koordynatora projektów AI — nie tylko stosu technologicznego, lecz także procesu, niepowodzeń i być może oporu ze strony współpracowników albo nawet twojego wewnętrznego monologu.

Na koniec chciałbym poznać twoją opinię o tym, jak w najbliższej przyszłości wyobrażasz sobie współpracę zespołów z koordynatorami projektów AI, co to oznacza dla menedżerów programów technicznych takich jak ty i co musi się wydarzyć, żebyśmy tam dotarli. Brzmi ambitnie, ale co o tym sądzisz?

Alla Tarasenko: To dużo. Tak, zróbmy to.

Galen Low: Dobrze.

Świetnie. Zaczynajmy. Pomyślałem, że zacznę od jednego dużego i trudnego pytania. Sumiennie budujesz zestaw agentów i narzędzi AI, które mają pomagać liderom inżynieryjnym w prowadzeniu własnych projektów, a jednocześnie pomagać tobie zachować porządek. Z tego, co o tobie wiem, jesteś osobą bardzo zaangażowaną w zarządzanie programami technicznymi i bardzo humanocentryczną w podejściu do swojej pracy.

Moje wielkie pytanie brzmi: budując zespół agentowych kierowników projektów, czy nie pozbawiamy się własnych miejsc pracy?

Alla Tarasenko: Uwielbiam to pytanie i... Tak jak powiedziałeś, jest ogromne i trudne, a można pójść z nim w bardzo wielu kierunkach. Zanim odpowiem, chciałam zaznaczyć, że wiem, iż rozmawialiśmy o tym trochę podczas przygotowań, ale kiedy mówisz o budowaniu agentów, natychmiast pojawia się we mnie myśl: „Co on właściwie mówi? Czy chodzi o mnie?”. Pojawia się ogromny syndrom oszusta, bo myślę, że wiele osób, które nie są inżynierami i weszły w ten obszar w ciągu ostatniego miesiąca czy nawet roku, czuje się bardziej jak uczniowie i osoby uczące się, działające w przestrzeni, która jest dla nich dość nowa i w której każdego dnia pojawia się nowe odkrycie.

Trudno więc jeszcze postrzegać siebie w ten sposób. Chciałam o tym powiedzieć i to uznać, bo sądzę, że przez całą tę pozę w internecie znacznie więcej osób czuje się tak jak ja, niż jest takich, które mówią: „Jestem królem całej sztucznej inteligencji”. Nie jesteś w tym sam. Jeśli chodzi o pozbawianie nas pracy, kto wie, co się wydarzy?

Jest wiele przewidywań i wiele stwierdzeń typu: jeśli zrobisz to, wszystko będzie dobrze, a jeśli zrobisz tamto, zostaniesz w tyle za piękną przyszłością. Możemy zgadywać. Nie potrafię tego przewidzieć, ale wierzę, że na tym etapie — tak jak powiedziałeś, czy nam się to podoba, czy nie — AI jest narzędziem, z którym będziemy pracować. Nie wierzę już, że moja praca istnieje poza AI, przynajmniej nie w obszarze, w którym działam.

To powiedziawszy, uważam, że moja konkretna rola, miejsce pracy i typ firm, z którymi pracuję, są bardzo dobrymi przykładami obszarów, w których naprawdę przydałaby mi się każda możliwa pomoc. Wyjaśnię, co mam na myśli. Przez ostatnie mniej więcej dziesięć lat pracowałam głównie w średnich firmach — powiedzmy od 500 do 3000 osób albo gdzieś pomiędzy, w organizacjach rozwijających się z jednego rozmiaru do drugiego.

Przez cały ten czas obserwowałam w swojej karierze trend polegający na zmniejszaniu liczby osób zajmujących się operacjami i rolami podobnymi do TPM, tak aby zajmowały się one wyłącznie przepływami operacyjnymi wysokiego poziomu, architekturą procesów i prowadzeniem dużych programów. W mojej obecnej pracy jestem jedyną osobą na stanowisku TPM w zespole 130 osób. W innej firmie, w której pracowałam, proporcja wynosiła mniej więcej jedna osoba na tysiąc.

To egzystencjalne pytanie: czy nie jesteśmy już potrzebni i co właściwie robimy, przeżywałam razem z wieloma innymi osobami na stanowiskach TPM, prawdopodobnie znacznie dłużej, niż rozmawiamy o AI. Kiedy jesteś TPM-em wspierającym zespół 130 osób, jest mnóstwo rzeczy, które chciałbyś móc robić, oraz mnóstwo przepływów i osób, którym chciałbyś pomagać.

Chcesz szkolić, wspierać różne projekty, zwłaszcza gdy widzisz nowych liderów prowadzących takie projekty czasami po raz pierwszy w życiu. Chcesz ulepszać procesy. Chcesz lepiej mierzyć nasze operacje. Chcesz zrobić tak wiele, a musisz bardzo wybiórczo decydować, na czym się skupić.

Możliwość przejęcia przez AI przynajmniej tych zadań, które są rutynowe i powtarzalne oraz zajmują dużą część naszego dnia, naprawdę ma dla mnie znaczenie. Często słyszymy w reklamach AI: „Dzięki AI będziesz robić bardziej wartościowe rzeczy”. W moim przypadku to faktycznie prawda, właśnie ze względu na tę niezwykłą proporcję wsparcia, w jakiej pracuję ja i wiele innych osób na stanowiskach TPM w średnich firmach.

To jest więc moja główna motywacja — nie tylko pozostawanie na bieżąco z technologią, lecz także możliwość skupienia się na tym, co kocham: architekturze procesów, szkoleniu zespołów i odkrywaniu potrzeb, bez konieczności fizycznego przenoszenia zgłoszeń z jednej tablicy Jira na drugą co tydzień, żebyśmy mogli je sortować. Jeszcze miesiąc temu robiłam to osobiście.

Galen Low: Podoba mi się ujęcie, że tak, będziemy budować z AI, aby zwiększyć nasze możliwości, a to zmieni nasze zawody. Nikt nie wie, co stanie się z naszą długoterminową przydatnością w tej roli, ale z pewnością niedziałanie wydaje się większym ryzykiem z punktu widzenia pozostania istotnym, bezpieczeństwa zatrudnienia i przyszłości tej roli.

Odpowiedzią prawdopodobnie nie jest po prostu unikanie AI. I nie zrozum mnie źle — myślę, że osoby słuchające i większość ludzi zdaje sobie z tego sprawę. Masz jednak rację co do tej pozy i presji, by robić te rzeczy, czy nam się to podoba, czy nie. Czujemy się do tego zmuszani.

Można pomyśleć: „Jeśli nie będę przenosić zgłoszeń w Jira, stracę pracę. Co będę robić?”. Ale właśnie podałaś wiele przykładów tego, co możemy robić zamiast tego. Co zrobisz zamiast kopiowania notatek ze spotkań z jednego miejsca do drugiego? I to, co naprawdę podoba mi się w AI...

Kiedy podałaś te proporcje, opadła mi szczęka, bo pracuję w agencji. Prowadzimy może od czterech do dziesięciu projektów o różnym stopniu złożoności, ale w organizacji liczącej co najmniej 100 osób jest nas dwanaścioro. Większość projektów miała własnego kierownika projektu. Kiedy jednak spojrzysz na skalę zespołu liczącego 1000 osób i prowadzącego wiele projektów, gdzie jesteś jedyną taką osobą, albo zespołu 130 osób, gdzie również jesteś jedyną taką osobą, zestaw problemów wygląda inaczej.

Myślisz o efektywności operacyjnej i skali z ludzkiej perspektywy. Odpowiedzią na pytanie, jak możemy robić więcej, nie musi być zatrudnienie większej liczby osób, aby na każde dziesięć projektów przypadał kierownik projektu lub programu. Możemy powiedzieć: „Jak możemy budować procesy? Jak możemy je projektować? Jak możemy wzmacniać osoby, które będą prowadzić projekty, choć nie są formalnie przeszkolonymi menedżerami programów? Jak możemy przygotować się do wspólnej pracy?”. Wtedy stajesz się bardziej mentorem i operatorem.

Potrzebujesz takiego sposobu myślenia, a nie podejścia: „Ta kolekcja kilkunastu projektów jest moja i tym się zajmuję”. To spora różnica. Niektórzy słuchacze mogą pomyśleć: „Galen, to oczywiste”. Z mojego punktu widzenia, gdzie każdy złożony projekt realizowany dla klienta powinien mieć bardzo doświadczonego kierownika projektu, który może współpracować z klientem, utrzymywać projekt na właściwym torze i zarządzać jego procesem, jest to jednak zupełnie inne niż sposób myślenia operacyjnego. Uważam, że to bardzo interesujące.

Alla Tarasenko: Tak. Myślę, że najważniejsze jest to, iż praca nadal musi zostać wykonana. Zawsze do tego wracam, kiedy słyszę: „Nie potrzebujemy zarządzania projektami, ponieważ...”. Połączenie, spoiwo i wszystko, co jest potrzebne do faktycznego wykonania pracy w różnych zestawach umiejętności, zespołach i punktach widzenia, nadal musi istnieć.

Pytanie brzmi: kto to zrobi? Jaka kombinacja ludzi i narzędzi będzie za to odpowiadać? Jeśli mogę zapewnić wsparcie w postaci wskazania, jak sprawdzać stan projektów i jak rozpocząć projekt, oraz zaoferować prosty kreator, który wygeneruje potrzebne artefakty, abyśmy mogli nadal go śledzić, to jest to pewna forma wsparcia i budowania pewności siebie.

Najważniejsze jest dla mnie ograniczenie sytuacji, w której patrzysz na swój dzień i myślisz: „Zrobię dziś coś wielkiego i ciekawego, zbuduję coś albo spotkam się z tą osobą, żeby opracować strategię”, a zamiast tego grzebiesz w miliardzie drobnych spraw, których nie potrafiłbyś nawet opisać, gdyby ktoś zapytał, co robiłeś przez cały dzień — tym bardziej nie potrafiłbyś wskazać ich wpływu ani rezultatu. Właśnie nad ograniczeniem tego próbuję się skupić i według tego wybieram przypadki użycia.

Galen Low: Podoba mi się to. Prowadzisz jednoosobowy dział zarządzania programami technicznymi w Gusto. Tworzycie oprogramowanie kadrowe, ale z tego, co rozumiem, jesteście bardzo zaawansowani w wykorzystaniu AI i mocno koncentrujecie się na danych. To bardzo techniczny zespół budujący te produkty.

Widać to w twoim stanowisku: główna menedżerka programów technicznych. Pewnie znów przekręciłem nazwę, bardzo przepraszam. Ciekawi mnie jednak, przy tej proporcji, kiedy stało się dla ciebie jasne, że musisz zbudować coś z AI — na przykład agentowego koordynatora projektu — aby operacje mogły dalej działać tak, jak chciałaś?

Alla Tarasenko: Będę z tobą szczera. To może prowadzić do nieco innego tematu, ale wcześniej rozmawialiśmy o tym, jak sposób myślenia wpływa na nasze podejście. Jeśli w rozwiązywaniu problemów skupiasz się na łączeniu ludzi, jasnej komunikacji, odpowiedniej strukturze i ramach działania, to przestawienie się na myśl: „Mogę to zautomatyzować” albo „Czy mogę coś stworzyć?” nie jest wcale proste.

Powiem to otwarcie, choć prawdopodobnie nie powinnam się do tego przyznawać: to nie było tak, że nagle pomyślałam: „Naprawdę potrzebuję pomocy, więc może ta pomoc powinna pochodzić od AI”. Chodziło raczej o konkretne problemy.

Największym z nich było przyjmowanie i sortowanie zgłoszeń. Kiedy dołączyłam do zespołu, nie mieliśmy ustrukturyzowanego procesu przyjmowania i sortowania. Wszystko było dość doraźne, a każdy zespół radził sobie z tym inaczej. Zbudowałam więc bardziej scentralizowany przepływ przez kanał i Jira, z sortowaniem dwa razy w tygodniu.

Było to bardzo ręczne: pobieranie zgłoszeń, omawianie ich i aktualizowanie w Jira zajmowało absurdalnie dużo czasu. Był to jednak ważny proces, który należało wdrożyć, abyśmy mieli scentralizowany sposób myślenia. Był tak uciążliwy, że gdy tylko pojawił się odpowiedni zestaw narzędzi, pomyślałam: „Czy mogłabym nie musieć tego robić?”.

Potem rozpoczęła się ciekawa ścieżka poznawania narzędzi. W ciągu krótkiego okresu — dwóch lub trzech miesięcy — same narzędzia zmieniły się i dojrzały na tyle, że to, co sobie wyobrażałam, stało się możliwe. Proces, który wcześniej był niezgrabny po stronie wejścia, polegał na przekierowywaniu ludzi do Jira i zajmował mnóstwo czasu na końcu, jest teraz w dużej mierze obsługiwany przez agenta Gumloop połączonego ze Slackiem i Jira.

Na początku brzmi to dość prosto, prawda? W rzeczywistości wiele elementów musi ze sobą współgrać, ponieważ agent musi rozumieć kontekst: dokąd powinny trafić zgłoszenia. W obszarze danych mamy różne specjalizacje — naukowcy zajmujący się danymi i inżynierowie platform danych robią zupełnie różne rzeczy. Agent musi też rozumieć pilność i tworzyć zgłoszenia wysokiej jakości.

Nie chcemy otrzymywać bezwartościowych zgłoszeń, z którymi musielibyśmy wracać do ludzi po dodatkowe informacje. Agent musi tworzyć je w odpowiednim miejscu w Jira i spełniać wszystkie pozostałe wymagania. Miałam bardzo konkretne oczekiwania. Próbowałam innych narzędzi, ale nie będę wymieniać ich nazw, bo nie chcę nikogo stawiać w złym świetle. To również świetne narzędzia, tylko do innych zastosowań.

Później odkryłam Gumloop i wzięłam udział w programie szkoleniowym. Wtedy narzędzie było mocno skoncentrowane na przepływach pracy, więc zaczęłam budować taki przepływ. Jego złożoność, potrzebna do wykonania tego, co chciałam osiągnąć, była absurdalna i nieuzasadniona. Kiedy zmagałam się z tym rozwiązaniem i próbowałam różnych podejść, wzięłam udział w kolejnym programie. Wtedy właśnie przeszli na agentów.

Jak mówią, wszystko się zmieniło. To był moment, w którym pomyślałam: „Dobrze, teraz może robić to, czego potrzebuję”. Miałam agenta osadzonego w przepływie pracy. Nawet wtedy musiałam poczekać na kilka kolejnych funkcji i aktualizacji, które umożliwiły realizację mojego pomysłu. Przykładowo, chciałam, aby ludzie mogli zadawać pytania na Slacku bez oznaczania narzędzia, ponieważ nie da się nauczyć ponad 90 osób — a w kanale jest ich ponad 1000 — żeby za każdym razem o tym pamiętały.

Wtedy zobaczyłam, że wiele osób doświadcza podobnej zmiany: „Miałem te pomysły, a teraz naprawdę mogę je zrealizować”. Zrozumiałam też, że AI za rok nie będzie tym samym, czym jest dzisiaj — tak samo jak nie było tym samym, kiedy zaczynałam pracę nad tym narzędziem i kiedy ją kończyłam.

Nie pamiętam już, na jakie pytanie odpowiadałam, ale...

Galen Low: To bardzo dobra odpowiedź, bo powiedziałaś trzy ważne rzeczy. Po pierwsze, czekałaś na moment, w którym będzie można zautomatyzować proces sortowania. Jeśli dobrze cię rozumiem, w kanale jest 1000 interesariuszy i twój zespół, a ludzie wrzucają tam prośby, obserwacje, błędy i różnego rodzaju informacje, które musisz następnie posortować, wprowadzić do Jira i zaplanować ich rozwiązanie lub realizację. To oczywiście zajmowało mnóstwo czasu.

To właśnie takie zadania sprawiają, że dzień znika, a same w sobie nie dają wiele satysfakcji. Czekałaś po prostu, aż technologia będzie gotowa. Po drugie, technologia się pojawiła, ale pierwsze narzędzie, którego spróbowałaś, nie zadziałało. Musiałaś przejść przez proces napotykania przeszkód i uznać: „Może to nie jest właściwe narzędzie”. Technologia potrafi robić wiele rzeczy i wiele z nich robi dobrze, ale podobnie jak w przypadku każdego produktu, jedno narzędzie będzie pasować, a wiele innych nie.

Po trzecie, technologia zmienia się i rozwija tak szybko, że w pewnym sensie odpowiada na nasze wspólne frustracje i listy życzeń: „Gdyby tylko potrafiła robić to”. Wszyscy mamy swoje problemy. Widzę wiele osób, które odrzuciły AI, mówiąc: „ChatGPT po prostu nie radzi sobie z tym zadaniem, koniec. Użyjemy więc czegoś innego”. A ja odpowiadam: „Poczekaj tydzień”. Wszystko zmienia się tak szybko, że trzeba cały czas trzymać rękę na pulsie. To, co istnieje dziś, za rok będzie wyglądało zupełnie inaczej.

Częścią tego procesu jest sprawdzanie, co możemy rozwiązać za pomocą technologii dostępnej dzisiaj, a następnie wytyczanie ścieżki z założeniem, że nie będzie to stan stabilny przez następną dekadę. To rozwiązanie na teraz, na najbliższe dziesięć miesięcy. Prawdopodobnie możemy zrobić to w ten sposób, a nawet wcześniej pojawi się inne podejście.

Alla Tarasenko: Wiem, że ludzie o tym rozmawiają: jak odizolować nasze kontakty od narzędzi i jak się chronić. Wiem, że to banał, ale cały czas myślę o budowaniu samolotu w trakcie spadania albo próbie latania. To bardzo podobne do tego, co robimy.

Próbujesz coś stworzyć, a jednocześnie zarządzać całą zmianą wokół tego. Wszyscy wiemy, że nie bawię się małym narzędziem. To rozwiązanie zostało właśnie udostępnione ponad 1000 osób, więc ludzie muszą się do niego przyzwyczaić i musi działać wystarczająco dobrze. W tym samym czasie zmienia się technologia, a także twoja zdolność do uczenia się i przyswajania nowych informacji.

Może być konieczne przejście na coś innego. To ciągły proces, nad którym trzeba panować. Myślę, że w pewnym momencie będziemy musieli znaleźć sposoby na zachowanie równowagi psychicznej w tym cyklu. To jednak temat na zupełnie inną rozmowę.

Galen Low: Myślę, że właśnie to jest zmiana sposobu myślenia i umiejętność, której potrzebujemy.

Budowanie samolotu w czasie lotu jest taką umiejętnością. Nie chcę używać zbyt wielu metafor w jednym zdaniu, ale menedżerowie projektów i programów często postrzegają swoją rolę jako utrzymywanie kół autobusu na miejscu. Teraz muszą budować autobus. Wspomniałaś o zmianie sposobu myślenia. Czy przejście od prowadzenia działań i dbania o sprawne funkcjonowanie operacji do budowania rzeczy, ich wdrażania i zarządzania zmianą było dla ciebie dużym skokiem, czy te elementy pojawiły się jednocześnie? Czy było to naturalne i organiczne?

Alla Tarasenko: Będę szczera. Znowu odsłonię się na potrzeby osób słuchających, które mogą czuć podobnie i chciałyby doświadczyć chwili: „To nie tylko ja”. Było trudno. Trudności były nawet logistyczne, ponieważ zakładałam, że aby usiąść i stworzyć przepływ w Gumloop albo połączyć wszystko z moim kodem czy czymkolwiek innym, potrzebuję nieprzerwanego czasu. Przez kilka tygodni z trudem próbowałam znaleźć ten czas.

Z perspektywy czasu zrozumiałam, że w mniejszym stopniu chodziło o brak czasu, a bardziej o odkładanie działania z powodu lęku — tak, dokładnie — albo jakkolwiek to nazwać. Trudne było samo wejście w tę przestrzeń i powiedzenie: „Dobrze, tym się teraz zajmuję. Mogę być w tym słaba, nie wiem, czego się spodziewać, nie wiem, co z czym się łączy ani w jakim środowisku powinnam pracować”. Nie wiedziałam, według czego się oceniać. Nie wiedziałam, czy właśnie nie pozbawiam się pracy.

To wszystko może ciążyć i utrudniać pierwsze kroki. Kiedy już je wykonasz i dostarczysz coś działającego, nabierasz rozpędu i staje się łatwiej. Mimo to przejście od rozwiązywania problemów za pomocą ludzi, przepływów i komunikacji do rozwiązywania ich poprzez budowanie czegoś może być dla niektórych nowym doświadczeniem, zwłaszcza jeśli dawno nie programowali.

Wiem, że niektórzy menedżerowie programów już intensywnie zajmowali się automatyzacją, więc dla nich ta zmiana będzie prawdopodobnie łatwiejsza. Niedawno poprosiłam zespół o wsparcie przy wyrywkowych kontrolach podczas testów akceptacyjnych użytkownika związanych z migracją bazy wiedzy. Potrzebowałam ekspertów merytorycznych, którzy przyjrzeli się znanym im materiałom i sprawdzili, czy wszystko wygląda właściwie.

Pierwsze pytanie menedżera inżynieryjnego brzmiało: „Dlaczego nie uruchomimy na tym kodu?”. Pomyślałam...

Galen Low: To zadanie, na którego automatyzację czekali, teraz można zautomatyzować. „Witajcie, nie chcemy wykonywać waszych testów akceptacyjnych użytkownika. Po prostu...”. To interesująca zmiana sposobu myślenia. Jedną z korzyści pracy w organizacji, która stawia na AI, jest to, że programiści, inżynierowie i naukowcy zajmujący się danymi również są zachęcani i wspierani w korzystaniu z AI.

Nadal mają możliwość wnoszenia wartości, skoro sami sugerują takie rozwiązania. Mówią: „Zróbmy to najpierw i wykorzystajmy w tym procesie”. Otaczanie się takimi osobami prawdopodobnie daje poczucie przynależności, nawet jeśli wszyscy znajdujemy się na tej samej łodzi płynącej w stronę wodospadu. Przynajmniej jesteśmy w tym razem i myślimy o tym w podobny sposób.

Wiele osób pracuje w organizacjach, w których istnieją różne obozy, a rozmowa o AI jest trudna, ponieważ część ludzi jest bardzo oporna, a inni mogą podchodzić do tego z nadmiernym entuzjazmem: „Tak, już nigdy nie pracujmy, koktajle na plaży”. Pomiędzy tymi skrajnościami znajduje się cała reszta. Kulturowo tworzy to rozdźwięk, a mnie podoba się rozmowa w stylu: „Hej, rozwiążmy to w ten sposób”. Czy budowanie z AI zbliża cię do zespołów, z którymi pracujesz — programistów i naukowców zajmujących się danymi?

Alla Tarasenko: Uwielbiam to pytanie. Wcześniej o tym nie myślałam, ale rzeczywiście tak sądzę, ponieważ jest to wspólny cel. Gusto bardzo mocno stawia na AI. Otrzymujemy wiele zachęt i zasobów do korzystania z AI, mamy dużą swobodę w wyborze narzędzi oraz dostęp do szkoleń i wsparcia.

Z dobrego powodu: jeśli chcemy, aby cała moc AI była dostępna dla naszych klientów prowadzących małe firmy — czyli firm, które mogą najbardziej skorzystać z każdej pomocy, ponieważ próbują zrobić bardzo dużo przy bardzo małych zasobach — sami również musimy żyć w ten sposób. Nie możemy tego robić bez wdrożenia AI wewnątrz organizacji.

Jeśli chodzi o zbliżanie się do zespołu, to kiedy członkowie zespołu również nie są inżynierami, przechodzisz przez podobne wątpliwości, trudności, proces uczenia się i ekscytację. Wielokrotnie spotykałam się z ludźmi i rozmawiałam z nimi, pokazując stworzone przeze mnie narzędzie oraz oglądając rozwiązania zbudowane przez innych.

Robiliśmy prezentacje i było to bardzo przyjemne. Można poznawać ludzi nie tylko przez pryzmat tego, o czym akurat rozmawiacie. Pojawia się też możliwość wzajemnego inspirowania się. Załóżmy, że zespół analityki danych pracuje nad narzędziem automatyzującym część odpowiedzi na pytania dotyczące danych. Czy możemy kiedyś wykorzystać je przy przyjmowaniu zgłoszeń i odpowiadać na niektóre pytania już na tym etapie?

Albo, wracając do przyjmowania i sortowania zgłoszeń: czy możemy współpracować z inżynierami korzystającymi z narzędzi AI do automatyzowania części kryteriów akceptacji i przygotowywania pracy programistycznej, a następnie uczynić z tego element całego procesu tworzenia zgłoszenia?

Podoba mi się, że możemy razem pracować nad różnymi rzeczami w sposób, który wcześniej prawdopodobnie nie był możliwy.

Galen Low: Podoba mi się to. Jest bardziej współpracowo. Nie chodzi o to, że pomagam ci rozwiązać twój problem albo ty pomagasz rozwiązać problem kogoś innego. To nasz problem. Możemy nad nim wspólnie pracować i mamy pewną wspólną wrażliwość.

Nie chodzi nawet tylko o proces czy sposób myślenia, lecz o powiedzenie: „Dobrze, zbudujmy małą maszynę”. Dla wszystkich jest to teraz normalne i zrozumiałe. Można skinąć głową i powiedzieć: „Zaczynajmy”, ciesząc się, że daje nam to możliwość innego rodzaju współpracy.

Alla Tarasenko: Chcę razem z kimś coś stworzyć, zastanawiając się, jaki konkretny punkt widzenia, perspektywę i zestaw umiejętności wnosi każde z nas, aby całość była lepsza. Często o tym myślę, gdy rozważamy te wszystkie pytania egzystencjalne: co właściwie wnosimy do takich rozmów po tylu latach spędzonych w zawodzie?

Co ja wnoszę do tego narzędzia, czego nie może wnieść inżynier albo kierownik projektu? Jaka jest moja wizja? Jakie luki zauważę, których oni mogą nie dostrzec?

Galen Low: Bardzo mi się to podoba, bo często widzę na LinkedInie wpisy w stylu: „Jako menedżer programu nigdy nie jestem ekspertem”. Wiem, co ludzie mają na myśli — mogą nie być ekspertami merytorycznymi w dziedzinie programowania czy projektowania. Podoba mi się jednak twoje ujęcie: ja również coś wnoszę do stołu.

Zawsze mówię, że jesteśmy ekspertami w realizacji prac, organizowaniu współpracy i osiąganiu rezultatów. Myślę, że to ma znaczenie. Twój przepływ sortowania znasz od podszewki z perspektywy wszystkich zainteresowanych, ponieważ musiałaś go poznać. Wiesz, co jest potrzebne, jakie są kryteria i jakie informacje powinny znaleźć się w zgłoszeniu, zanim trafi ono do kolejnej osoby, aby nie marnować niczyjego czasu. To właśnie wnosimy do rozmowy.

Uważam, że świetnie, iż możemy to podkreślić. Mam nadzieję, że inni również zaczną tak na to patrzeć.

Alla Tarasenko: Tak. Zdecydowanie musisz spojrzeć na swoją historię, na to, co zrobiłaś i co wniosłaś, w zupełnie inny sposób. Wszyscy uczestniczyliśmy w rozmowach rekrutacyjnych, podczas których mówiliśmy: „Dostarczyłam ten projekt, zrobiłam tamto i to wystarczyło”.

„Dostarczyłam duży projekt, zakończył się sukcesem i został wykonany na czas. Zrobiłam to, co powinna zrobić menedżerka programu”. Myślę jednak, że definicja tego, co dostarczamy, co jest wystarczające i jak mierzymy nasz wkład, aktywnie się zmienia. Cieszę się, że przynajmniej mogę uczestniczyć w tej rozmowie.

Galen Low: Właśnie o to chodzi: aby pozostać istotnym i wartościowym, trzeba pozostać częścią rozmowy.

Alla Tarasenko: Tak, bo na końcu wszyscy uczymy się razem i wspólnie rozwiązujemy problemy. Staramy się unikać wielkich deklaracji i udawania, że wiemy, co się wydarzy, i to jest bardzo ważne.

Na początku, jeśli jesteś kierownikiem projektu albo inną osobą niebędącą inżynierem i dopiero zaczynasz, radziłabym podejść do tego minimalistycznie i skupić się na konkretnym celu. Spotykam ludzi, którzy mówią: „Naprawdę chcę tego spróbować, ale jeszcze nie zacząłem. Muszę ukończyć te dziesięć kursów i poznać te dziesięć narzędzi”. Przytłaczają samych siebie, choć jeszcze niczego nie zrobili.

Nic nie zastąpi zwykłego usiąścia z narzędziem, do którego masz dostęp, i porozmawiania z nim o tym, co chcesz osiągnąć.

Galen Low: To prawda.

Alla Tarasenko: Zacznij od tego, co masz. Wszystko, czego się nauczysz, będzie przynajmniej częściowo przydatne w innych miejscach.

Jeśli chodzi o budowanie czegoś w pracy, daj sobie trochę wyrozumiałości i odpowiednią ilość czasu. Nie zakładaj, że zbudujesz coś w jeden dzień. Elementy, które twoim zdaniem mogą zająć dużo czasu, czasami powstają absurdalnie szybko. Sam proces tworzenia agenta, po zgromadzeniu kontekstu, którego budowanie zajęło miesiące, trwał kilka minut.

Tygodni zajęło natomiast radzenie sobie z problemami i ich naprawianie, szczególnie w obszarze infrastruktury. Nie mogliśmy tworzyć zgłoszeń w Jira bez konta usługowego, a później musieliśmy przejść przez kwestie zarządzania, bezpieczeństwa i zgody na takie działanie.

Jeśli robisz coś nowego, z czasem będzie łatwiej. Zrozumienie infrastruktury i środowiska prawdopodobnie zajmie więcej czasu niż sama rozmowa z AI i budowanie rozwiązania. Wszyscy mówią, że AI jest niedeterministyczna. Wiemy o tym, ale czasami objawia się to w bardzo frustrujący sposób.

Możesz przetestować określoną odpowiedź i zobaczyć, że działa za każdym razem. A tydzień później agent robi coś zupełnie innego. Pojawia się pytanie: „Skąd to się wzięło?”. Trzeba więc wypracować pewien spokój i zaakceptować, że coś się dzieje, a następnie zastanowić się, jak to rozwiązać.

Pozwól sobie na naukę i nie daj się przytłoczyć. Zawsze będziesz odczuwać lęk przed tym, że coś cię omija. Zawsze będziesz mieć wrażenie, że wszyscy wokół stworzyli już armie agentów i wiedzą wszystko. Skup się na rozwiązaniu przypadków użycia, które masz przed sobą i które cię motywują. Bardzo szybko zobaczysz, czy to działa, i wyciągniesz z tego wnioski.

Warto też rygorystycznie ograniczać zakres. Nie próbuj robić zbyt wiele od razu, szczególnie gdy pracujesz z nowym narzędziem.

Galen Low: To zabawne, bo wielu programistów słuchających tego powie: „Widzicie? Rzeczy, które waszym zdaniem nie zajmą dużo czasu, zajmują dużo czasu. Właśnie dlatego nasze szacunki są nietrafione. Teraz rozumiecie”.

Sam proces rozpoczynania pracy jest niemal zaprojektowany tak, aby natychmiast dawać satysfakcję. Chcesz zbudować coś, rozmawiasz z narzędziem i nagle masz działającą stronę, dokument albo inne rozwiązanie. Myślisz: „Świetnie!”.

Później jednak wchodzisz w infrastrukturę, zarządzanie, zgodność i wąski zakres sortowania, a następnie udostępniasz rozwiązanie 1000 osobom. W tym momencie budujesz oprogramowanie z użytkownikami, bazą użytkowników, błędami do rozwiązania i połączeniami, które trzeba utrzymywać. To nie było tylko wpisywanie poleceń. Stworzyłaś coś organicznego i probabilistycznego, co wymaga utrzymania i będzie się rozwijać.

Nigdy nie kończysz pracy. To jak wychowywanie dziecka: „Świetnie, koniec. Och, czekaj, to jeszcze nie koniec”. Zakończyły się dopiero lata niemowlęce, a przed tobą nadal długa droga.

Alla Tarasenko: To dobre porównanie. Dokładnie. To trochę jak kolejka górska.

Galen Low: Chciałbym porozmawiać trochę o twoim stosie technologicznym.

W mojej społeczności cyfrowych kierowników projektów, którzy są przyzwyczajeni do pracy z technologią i zespołami technicznymi, wiele osób mówi: „Mam już dość narzędzi do automatycznego robienia notatek”. Dobrze, ale jak połączyć te wszystkie rzeczy? Uderzyło mnie to, co powiedziałaś wcześniej: nie podłączasz jednego gotowego urządzenia.

Wszystko nie znajduje się w jednym miejscu. Połączyłaś wiele platform, w tym Gumloop, Slacka i Jira, a prawdopodobnie także wiele innych. Jeśli możesz się tym podzielić, opowiedz o stosie technologicznym, przepływie i o tym, co z czym się łączy, aby działał proces przyjmowania i zatwierdzania zgłoszeń.

Alla Tarasenko: To rozwiązanie działa w mojej pracy, więc nie będę wchodzić w szczegóły. Jest jednak dość typowe dla tego, co robi wiele firm. Mamy dostęp do różnych narzędzi korporacyjnych, takich jak Claude czy OpenAI, oraz bardziej wyspecjalizowanych narzędzi niszowych, takich jak Gumloop. Korzystamy z MCP wraz z RunLayer, aby łączyć się z innymi narzędziami w naszym środowisku, na przykład Dyskiem Google, Jira czy Slackiem.

Pod tym względem jest to dość proste. Wcześniej mieliśmy bardziej złożoną konfigurację i musieliśmy przechodzić przez Bedrock, AWS i inne elementy. Ostatnio stało się to prostsze, z czego cieszą się szczególnie osoby niebędące inżynierami. W przypadku Gumloop konfiguracja w tle jest niemal absurdalnie prosta: dodajesz Jira i Slacka do swoich przestrzeni, a narzędzie działa w ich ramach.

W większości przypadków korzystam z MCP w moim kodzie, którego używam głównie obok Gumloop. Do rzeczy, które muszą uruchamiać się zgodnie z harmonogramem, wykorzystuję takie elementy jak webhooki.

Galen Low: Czy możesz przeprowadzić mnie przez ten przepływ? Coś nasłuchuje na Slacku i rozpoznaje: „To jest prośba”.

Alla Tarasenko: Tak.

Galen Low: A jeśli zgłoszenie nie jest wystarczająco jasne, żeby można było skierować je do kolejki, co się dzieje i które elementy za co odpowiadają?

Alla Tarasenko: Weźmy jako przykład bota do przyjmowania zgłoszeń. W Gumloop są zasadniczo dwa sposoby uruchomienia go, gdy ktoś zadaje pytanie na Slacku. Pierwszy polega na osadzeniu go i oznaczeniu, co jest szybsze. Drugi, wolniejszy, ale bardziej naturalny, polega na wykorzystaniu wyzwalacza utworzonego obok agenta.

Łączysz go z kanałem i określasz, że gdy coś zostanie tam zapytane, agent ma rozpocząć działanie. Możesz dodać ograniczenia, na przykład nie reagować na boty. Osoba zadaje pytanie, a bot odpowiada. W naszym przypadku został zaprojektowany tak, aby prowadzić rozmowę z użytkownikiem, ponieważ najpierw chcemy zebrać informacje. Czasami przekierowuje też osobę, jeśli pytanie powinno trafić do działu IT albo kogoś innego.

Jeśli nie nastąpi przekierowanie, agent zada dodatkowe pytania. Za każdym razem, gdy osoba odpowiada, w wątku uruchamia się wyzwalacz kierujący wiadomość z powrotem do agenta. Wątek zostaje zapisany, więc agent rozumie, że nadal uczestniczy w tej samej rozmowie, a całość przechodzi przez przepływ pracy. Ostatecznie agent prosi o potwierdzenie.

Informuje, do którego zespołu przekieruje zgłoszenie, a po potwierdzeniu tworzy zgłoszenie w Jira za pomocą MCP Jira i konta usługowego. Zawsze tworzy je jedno ogólne konto, ale agent może używać narzędzi Jira do podstawienia nazwiska osoby zamiast konta usługowego, co jest korzystne z punktu widzenia bezpieczeństwa i z innych powodów.

Z jednej strony jest to niezwykle proste, a z drugiej niesamowite, co potrafi. Czasami pojawiają się frustrujące problemy. Jeśli ktoś zada dwa pytania jedno po drugim, agent może czasem odpowiedzieć dwa razy.

Galen Low: Właśnie.

Alla Tarasenko: Próbowaliśmy rozwiązać to na dziesięć różnych sposobów za pomocą przepływów, ale problem nadal występuje. Aktywnie nad tym pracujemy. Zdarza się jednak, że kilka osób dołącza do wątku i prowadzi rozmowę, a agent radzi sobie z tym z ogromną swobodą. Myślę wtedy: „Jestem taka dumna”.

Galen Low: Dumny rodzic. „Spójrzcie, jak radzisz sobie z tym złożonym językiem, polityką pracy i wszystkimi innymi rzeczami”. Wszystko dzieje się w wątku na Slacku, czyli tam, gdzie faktycznie odbywa się praca i zadawane są pytania. Kiedy agent po raz kolejny spotyka się z człowiekiem?

Innymi słowy, tworzy zgłoszenie w Jira, korzysta z konta usługowego, umieszcza w nim nazwisko zgłaszającego, pamięta kontekst rozmowy i zbiera dodatkowe informacje. Czy samodzielnie wykonuje sortowanie? Czy decyduje o pilności, czy też przekazuje to człowiekowi — na przykład tobie — abyś oceniła: „Czy to poziom pierwszy, drugi czy trzeci? Myślę, że trzeci. Co sądzisz?”. Czy po prostu działa dalej?

Alla Tarasenko: To świetne pytanie. Agent sugeruje pilność na podstawie rozmowy. To jeden z elementów, które próbujemy wydobyć — jakie są okoliczności biznesowe. Ta wersja została jednak zaprojektowana tak, aby nie przypisywać zgłoszeń do konkretnych osób, lecz wyłącznie do zespołów.

W obszarze danych mamy różne specjalizacje. Decyzja dotyczy więc tego, do której specjalizacji powinno trafić zgłoszenie. Następnie zespół prowadzi porządkowanie backlogu albo podobny proces, w ramach którego przypisuje zgłoszenie i przesuwa je dalej.

Obecnie sprawdzam, czy działa to skutecznie i jak pomóc zespołom w kolejnym kroku: czy zajmujemy się zgłoszeniami na czas i czy coś nie pozostaje bez rozwiązania. W tym celu uruchomiłam skrypt napisany w Claude Code, który raz w tygodniu wysyła podsumowanie dotyczące zgłoszeń z nadchodzącymi terminami, liczby utworzonych zgłoszeń oraz tych, które pozostają otwarte dłużej niż tydzień.

Teraz zastanawiam się, jak uczynić to bardziej dyrektywnym. Zamiast samej listy statystyk i wskaźników dotyczących zgłoszeń, agent mógłby sugerować konkretne działania, na przykład wysłać bezpośrednią wiadomość do liderów określonych zespołów: „Może zróbcie to z tamtym zgłoszeniem, a tamto z kolejnym?”.

Galen Low: Tak. „Oto, co sugeruję, żebyście dziś zrobili”. Delikatne przypomnienie.

Alla Tarasenko: Możliwości tego narzędzia są ogromne. Mam plan rozwoju kolejnych wersji i pomysły, jak uczynić je bardziej pomocnym: obsługiwać więcej pytań bezpośrednio, bez konieczności tworzenia zgłoszeń, dokładniej kierować zgłoszenia nie tylko do zespołu, lecz także do podzespołu, a nawet jego mniejszych jednostek.

Jest wiele rzeczy do wypróbowania. Wróćmy jednak do zasady, żeby ściśle ograniczać zakres. Dzięki temu możesz uzyskać korzyść, zanim zaczniesz szukać kolejnych korzyści.

Galen Low: Porozmawiajmy o korzyściach. Nie wiem, czy to właściwa miara, ale ile czasu twoim zdaniem oszczędzasz dzięki temu rozwiązaniu? Albo właściwie: jak obecnie mierzysz korzyść?

Jak głęboko sięga ta królicza nora, jeśli chodzi o produktywność, efektywność i możliwość wykonywania przez ludzi rzeczy, które lubią? Opowiedz o korzyściach.

Alla Tarasenko: To świetne pytanie. Szczerze mówiąc, wielu z nas mogłoby znacznie lepiej radzić sobie z mierzeniem takich rzeczy.

W przypadku tego rozwiązania w przybliżeniu zmierzyłam czas spędzany na spotkaniach dotyczących sortowania oraz na pracy ręcznej. Wyszło około 15–17 godzin miesięcznie. Celem jest zejście niemal do zera. Jeszcze tam nie jesteśmy, ponieważ nadal nadzoruję przepływ, naprawiam błędy i wykonuję podobne zadania, ale obciążenie jest zdecydowanie mniejsze.

Drugim sposobem mierzenia sukcesu są dość regularne, przeprowadzane mniej więcej dwa razy w roku, badania opinii dotyczące współpracy z Dataworks. Obejmują one wspólnych interesariuszy, którzy często korzystają z naszego systemu, a także wewnętrzne badania retrospektywne grupy zajmującej się sortowaniem.

Galen Low: To ciekawe, bo rozmawialiśmy o wąskim zakresie, a ja pomyślałem: „Wybrany zakres jest bardzo wąski”. Tymczasem wygląda na to, że prowadzisz mały biznes produktowy. Wysyłasz ankiety NPS do klientów, masz plan rozwoju, a choć rozwiązanie dotyczy tylko fragmentu pracy twojej i zespołu, jest to bardzo głęboki fragment, a oszczędność czasu nie jest błaha.

Czy te 15–17 godzin przypada na każdą osobę zaangażowaną w ciągu miesiąca?

Alla Tarasenko: Nie, to łącznie.

Galen Low: Rozumiem. Pomyślałem: „To niesamowite”. Mimo wszystko jest to ogromna poprawa.

Alla Tarasenko: Znaczenie ma również opinia użytkowników. Istnieje różnica między rozmową z pomocnym botem, który przeprowadza cię przez proces, a otrzymaniem samego odsyłacza do formularza.

Ludzie mieli problemy w rodzaju: „Nigdy nie wiemy, gdzie trafił formularz ani co się z nim stało”. Tutaj otrzymują informację: „Oto twoje zgłoszenie. Wróćmy do niego”. Zadowolenie użytkownika również ma znaczenie.

Prowadzi nas to do pytania, jak w ogóle mierzyć takie rzeczy. Bardzo podoba mi się twoja uwaga, że nawet mały agent, który oszczędza 15 godzin pracy, nadal jest małym produktem. Trzeba więc zarządzać jego wdrożeniem, komunikacją, zarządzaniem zmianą, dalszym rozwojem i utrzymaniem. Kto będzie jego właścicielem? Co ważniejsze, jak przyjąć bardziej produktowe podejście?

Od dawna uważam, że jeśli zajmujesz się zarządzaniem programami i operacjami — a w firmach, z którymi pracowałam, te obszary często się przenikały — tworząc procesy dla ludzi, warto podejść do nich jak menedżer produktu. Trzeba zrozumieć luki i sposoby ich uzupełnienia, zamiast po prostu tworzyć rozwiązania na podstawie własnego wyobrażenia.

Przy coraz większym przechodzeniu na rozwiązania oparte na AI staje się to jeszcze bardziej oczywiste. Nawet jeśli wcześniej nie myślałaś w ten sposób, teraz prawdopodobnie zaczniesz. Obecnie buduję elementy wsparcia zarządzania programami, o których rozmawialiśmy: rozpoczęcie programu, artefakty, narzędzia do wysyłania raportów, zbieranie informacji z narzędzia do zarządzania pracą i podobne rzeczy.

W trakcie pracy zrozumiałam, że chcę teraz porozmawiać z zespołem i ludźmi, szczególnie z osobami, które po raz pierwszy prowadzą projekt. Chcę dowiedzieć się, czy to jest pomocne, a przede wszystkim: jakie są ich największe problemy?

Po raz pierwszy powierzono im rolę osoby odpowiedzialnej za realizację albo lidera programu. W ramach jednej inicjatywy są jednocześnie inżynierem, menedżerem produktu i kierownikiem projektu. Co jest dla nich najtrudniejsze? Co nie pozwala im spać? Czy mogę im pomóc? Czy może pomóc im narzędzie?

W przyszłym tygodniu zaczynam taką serię rozmów i wiele z tego, co wyniknie, wpłynie na dalszy rozwój tych, nazwijmy je, agentów.

Galen Low: Z mojej definicji agentowej AI wynika, że to, co budujesz, jest proaktywną agentową AI.

Agent działa, podejmuje decyzje i nie czeka na polecenie. To sprawia, że jest skuteczny i że staje się doświadczeniem oraz produktem, a nie tylko rozmową. Ma mechanizmy, kryteria i własne algorytmy, co jest bardzo interesujące.

Wracając do twojego wcześniejszego pytania: co jako menedżerka programu, osoba odpowiedzialna za operacje albo nawet produktowa wnosisz do stołu? Częścią odpowiedzi jest właśnie to: wrażliwość, która mówi „Zróbmy badania użytkowników, zrozummy wymagania, ustalmy ich priorytety, opracujmy plan rozwoju i co jakiś czas przeprowadzajmy badania opinii”.

Rozumienie wdrażania rozwiązania i zarządzania zmianą to coś, co wnosimy do stołu i co pogłębia sukces budowanych przez nas rzeczy.

Rozmawiałem z ludźmi, którzy mówią: „Obudziłem się pewnego dnia i zrozumiałem, że mam 700 umiejętności chmurowych”. Odpowiadam wtedy: „Nie wiem nawet, co robi większość z nich”. Zbuduj rzecz, przejdź do drugiego kroku, uznaj, że skończone, i przejdź do kolejnej.

To zupełnie inne podejście niż dogłębne wdrażanie rozwiązania, zbieranie opinii i ciągłe jego ulepszanie. Uważam, że ta wrażliwość jest bardzo ważna przy budowaniu z AI.

Alla Tarasenko: Podoba mi się, że wspomniałeś o zarządzaniu zmianą. Coraz częściej myślę, że staje się ono jedną z najważniejszych umiejętności i ról dla nas.

AI tworzy oczekiwanie szybkiego działania, eksperymentowania i natychmiastowego wdrażania rozwiązań. Dla wielu osób już teraz staje się to przytłaczające. Niedeterministyczna natura tego, co dostarczamy, tworzy kolejną warstwę chaosu.

To, co dostarczasz, przynosi wiele korzyści, ale również wiele chaosu i dezorientacji. Nadal trzeba stosować zarządzanie zmianą i rozumieć jego znaczenie, choć same działania mogą wyglądać inaczej. Być może potrzebujemy nie tyle większej liczby komunikatów, ile bardziej empatycznej komunikacji.

Im szybciej zmieniają się informacje, boty i czaty, tym bardziej potrzebujemy odrobiny ludzkiego pierwiastka pośrodku tego wszystkiego. Ktoś powinien powiedzieć: „Wiem, że to trochę szalone. To rozwiązanie robi wiele dobrych rzeczy, ale przez pewien czas będziemy musieli się z nim oswoić i wspólnie przez to przejść. Jestem tu, żeby was wspierać. Powiedzcie, czego jeszcze potrzebujecie”.

To będzie bardzo ważne.

Galen Low: Nie umknęło mi, że wiele znanych mi osób na stanowiskach wiceprezesów lub dyrektorów ds. AI ma doświadczenie marketingowe. Nie chodzi tylko o sprzedanie czegoś, lecz także o zrozumienie potrzeb, a następnie dostarczenie i zapakowanie rozwiązania w empatyczny sposób, koncentrując się na korzyściach dla ludzi.

Przy takiej szybkości działania to będzie wartościowe. Możemy tworzyć ogromną liczbę rzeczy, ale niekoniecznie przebiją się najlepsze pomysły. Przebiją się te, z których ludzie faktycznie korzystają. Zarządzanie zmianą musi być empatyczne i ludzkie, ale także szybkie. W przeciwnym razie zbudowanie rzeczy zajmie tydzień, a przekonanie kogoś do jej używania siedemnaście tygodni. Nie sądzę, żeby tego oczekiwała większość organizacji ani większość twórców.

Alla Tarasenko: Widzę wpisy o tym, że za kilka miesięcy AI będzie potrafiła robić wszystko, co robią ludzie, i że nikt nie będzie już potrzebny do wykonywania swojej pracy.

Niezależnie od tego, czy takie stwierdzenie jest prawdziwe, brakuje w nim ważnego elementu: adopcji. Adopcja nigdy nie odbywa się tak szybko jak rozwój technologii. Dotyczy to zarówno poziomu makro, jak i pojedynczej firmy, jej małego narzędzia czy czegokolwiek innego.

Jak ułatwić wdrożenie? Jak sprawić, aby zarządzanie zmianą wymagało mniej wysiłku? Jeśli ludzie otrzymują zbyt wiele narzędzi i zbyt wiele komunikatów, może to przynieść skutek przeciwny do zamierzonego. To fascynujące zagadnienie, nad którym wszyscy musimy się zastanowić.

Galen Low: Proste rozwiązanie: pozbyć się ludzi. Nie, tylko żartuję. To może być dobry moment, żeby podsumować rozmowę. Po pierwsze, dziękuję za tak szczegółowe omówienie przepływu sortowania. Po drugie, wiem, że zastanawiasz się, jak wspierać osoby niebędące kierownikami projektów w swoim zespole — osoby, którym powierzono rolę odpowiedzialnego lidera. Co możesz zrobić, żeby im pomóc?

Jak wygląda wizja przyszłości twojego zespołu? Jak ludzie będą pracować z AI i, właściwie, z kolegami z zespołu będącymi agentami AI? W którym momencie biegłość w korzystaniu z AI stanie się warunkiem powodzenia, jeśli jeszcze nim nie jest?

Alla Tarasenko: To świetne pytanie i często o tym myślę.

Myślę, że wszyscy o tym myślimy. Biegłość w korzystaniu z AI jest już dużą częścią naszych ról. Kiedy zaczynaliśmy rozmowę, wspomniałeś o podejmowaniu decyzji. Niedawno napisałam na LinkedInie, że dla mnie wybór nie polega na tym, czy wykonuję pracę z AI, czy bez AI. Pytanie brzmi: czy wykonuję pracę, czy zamieszkam w autobusie w lesie?

W obszarze, w którym pracuję, i w typie firm, które zwykle wspieram, moja praca nie istnieje już bez AI.

Nawet gdybym znalazła firmę, w której AI nie jest używana, po zwolnieniu byłabym mało atrakcyjna na rynku pracy.

Galen Low: Właśnie.

Alla Tarasenko: Nie chodzi o to, że ktoś zmusza nas do używania AI. Taka jest po prostu rzeczywistość: wszyscy korzystają z AI w różnym stopniu, ale jest to niemal uniwersalne i będzie się rozwijać.

Trudno mi wyobrazić sobie przyszłość, ponieważ wszystko zmienia się tak szybko. Nie mówimy o latach, lecz o miesiącach i tygodniach. To, co niedawno było niemożliwe, teraz jest możliwe. Trudno mi nawet wyobrazić sobie, jak będzie wyglądała praca za rok.

Zakładając, że nadal będziemy pracować razem, myślę, że pojawi się znacznie więcej wzajemnego przenikania pomysłów. Mam nadzieję, że pozytywny scenariusz będzie wyglądał tak: będziemy mieć wiele naprawdę użytecznych narzędzi, które zajmą się dużą częścią irytującej pracy, a my będziemy mogli skupić się na bardziej wartościowym planowaniu strategicznym, rozmowach i uzgadnianiu działań między zespołami, zestawami umiejętności i obszarami.

Zawsze interesujące jest, gdy ludzie o różnych punktach widzenia spotykają się ze sobą, niezależnie od tego, czy wynika to z wykonywanych zawodów, czy z innych przyczyn. Wtedy można połączyć elementy, które wcześniej nie były ze sobą łączone. Jako ludzie często nie mamy przestrzeni, żeby to robić i myśleć kreatywnie.

Jeśli stworzymy tę przestrzeń, wyrobimy nawyk wspólnego omawiania rozwiązań bez względu na role, byłoby to wspaniałe. Zobaczymy. Lubię być ostrożną optymistką, ale obecnie staram się przede wszystkim żyć z dnia na dzień, uczyć się i nawiązywać kontakty.

Galen Low: To bardzo odświeżająco optymistyczny i logiczny pogląd. Specjalizujemy się z konieczności, ponieważ nie możemy wiedzieć wszystkiego. Doprowadziło to jednak do powstania wielu silosów, w których ludzie mówią: „To nie mój problem”.

To problem Ala, która ma coś dostarczyć, albo kogoś innego, kto ma przetestować dane. Teraz mamy możliwość, by — jak powiedziałaś — przełamać silosy, bardziej współpracować, wspólnie rozmawiać i razem pracować zamiast działać osobno. Zamiast przerzucać zgłoszenia z jednego miejsca do drugiego i pytać, czy coś jest gotowe.

Idealnie właśnie to zniknie, a my zaczniemy częściej ze sobą współpracować. Będziemy mieć wspólny język i wspólną wrażliwość. Poznanie wszystkiego nadal będzie niemal niemożliwe, ale możemy się więcej nauczyć i skorzystać z pomocnej dłoni AI, która pozwoli nam zajść trochę dalej.

Podoba mi się myśl, że AI zbliża nas do siebie i skłania do częstszych rozmów. Często mówimy o większej strategiczności, ale chyba właśnie o to chodzi: możemy wspólnie planować i podejmować decyzje, wiedząc więcej o pracy innych, dzięki czemu możemy realizować najlepsze pomysły. AI będzie obecna i może pomóc nam lepiej współpracować.

Nie wiem, czy tak chcę zakończyć tę myśl.

Alla Tarasenko: Ja też nie wiem. Myśleliśmy, że media społecznościowe pomogą nam się zbliżyć. Wiemy, jak to się skończyło. Ale...

Galen Low: Poczekajmy, aż ludzie zniszczą coś dobrego.

Alla Tarasenko: Lubię ostrożną, optymistyczną wizję. Oczywiście mam też w głowie wiele innych wizji, podobnie jak wielu z nas. Pojawiają się one w rozmowach z przedstawicielami branży i współpracownikami, a ludzie mają wiele obaw i lęków.

Będziemy jednak iść dalej, uczyć się i próbować się wspierać — zwykle właśnie w czasach niepewności i zmian, z którymi miałam już wcześniej do czynienia. Byłam dzieckiem, kiedy rozpadł się Związek Radziecki. To była ciekawa lekcja tego, jak rzeczy rozpadają się pod nogami.

To nie jest dokładnie ta sama sytuacja, ale zaskakująco często o tym ostatnio myślę. Naszym mechanizmem radzenia sobie zawsze była wspólnota i zbliżanie się do innych ludzi, którzy znajdowali się w tej samej sytuacji. Myślę, że teraz również skłaniam się ku temu rozwiązaniu.

Galen Low: Podoba mi się to. Wiem, że unikałaś bezpośrednich porównań, ale ludzie ogólnie — choć nie wszyscy w takim samym stopniu — wykazywali odporność w obliczu rzeczy rozpadających się pod ich stopami. Uwielbiam myśl, że to wspólnota trzyma nas razem i nie pozwala nam wszystkim upaść.

Wspaniale. Alla, bardzo ci dziękuję. To była świetna rozmowa. Od czasu do czasu publikujesz codziennie na LinkedInie, co podziwiam i czym jednocześnie jestem zachwycony. Jeśli ktoś chce dowiedzieć się o tobie więcej, gdzie powinien szukać?

Alla Tarasenko: Na LinkedInie. To naprawdę miejsce, w którym jestem aktywna. Usunęłam wszystkie pozostałe media społecznościowe, próbując zadbać o zdrowie psychiczne, ale nadal jestem na LinkedInie, co jest pewnym paradoksem. Nazywam się tam Alla Tara, a następnie Senko w nawiasie. Podejmuję wyzwanie publikowania codziennie w maju, co jest trochę trudne, bo wczoraj zapomniałam opublikować wpis. Nie musimy o tym rozmawiać.

Galen Low: Teraz, gdy wiemy, że jesteś jedną osobą na stanowisku TPM w zespole 130 osób i masz tysiące interesariuszy na Slacku, wszystko jest wybaczone.

Alla Tarasenko: Uwielbiam nawiązywać kontakty z osobami zajmującymi się operacjami i zarządzaniem programami. Lubię poznawać nowych ludzi, spotykać się z nimi przy kawie i sprawdzać, w jakim miejscu wszyscy znajdujemy się w tych szalonych czasach.

Galen Low: Świetnie. Podoba mi się to. Umieszczę również odsyłacz do twojego profilu w notatkach do odcinka. Jeszcze raz dziękuję za dzielenie się wiedzą, pokorę i autentyczność. Wiele się nauczyłem i mam nadzieję, że moi słuchacze również.

Alla Tarasenko: Bardzo dziękuję, Galen. Dziękuję za zaproszenie. To było naprawdę świetne doświadczenie.

Galen Low: Dobrze, to wszystko w dzisiejszym odcinku podcastu Digital Project Manager. Jeśli podobała wam się ta rozmowa, zasubskrybujcie podcast w miejscu, w którym go słuchacie. Jeśli chcecie uzyskać jeszcze więcej praktycznych wskazówek, analiz przypadków i gotowych instrukcji, załóżcie bezpłatne konto na thedigitalprojectmanager.com.

Do usłyszenia następnym razem. Dziękuję za słuchanie.