Co kierownicy projektów bez wiedzy technicznej naprawdę powinni wiedzieć o sztucznej inteligencji

Galen Low: Jakie są Twoje najważniejsze wskazówki dla kierowników projektów, którzy muszą pełnić rolę tłumaczy między interdyscyplinarnymi zespołami pracującymi nad sztuczną inteligencją lub korzystającymi z niej?

Kesha Williams: Zamiast gonić za narzędziami, naprawdę zastanów się nad rezultatem biznesowym. Jakie problemy próbujemy rozwiązać? Najpierw skup się na tym, co chcemy osiągnąć, a dopiero potem na tym, jak to zrobić.

Galen Low: Co sądzisz o certyfikatach związanych ze sztuczną inteligencją i dlaczego ktoś miałby je zdobywać? Czy warto?

Kesha Williams: Uwielbiam certyfikaty. Certyfikat może zapewnić Ci rozmowę kwalifikacyjną, ale nie zapewni Ci pracy. Ważne jest praktyczne doświadczenie oraz portfolio online, w którym pokazujesz projekty rzeczywiście opracowane z wykorzystaniem tych technologii.

Galen Low: Czy każdy lider projektu musi zostać inżynierem systemów, aby pozostać istotnym na rynku pracy napędzanym przez sztuczną inteligencję?

Kesha Williams: To świetny punkt wyjścia, ale powiedziałabym, że nie. Dla mnie chodzi bardziej o—

Galen Low: Witajcie w podcaście The Digital Project Manager — programie, który pomaga liderom realizacji pracować mądrzej, sprawniej dostarczać rezultaty i z pewnością siebie prowadzić zespoły w erze sztucznej inteligencji. Mam na imię Galen i co tydzień omawiamy praktyczne strategie, nowe trendy, sprawdzone metody oraz od czasu do czasu prawdziwe historie z pierwszej linii projektów. Niezależnie od tego, czy kierujesz ogromnymi projektami transformacyjnymi, porządkujesz przepływy pracy związane ze sztuczną inteligencją, czy po prostu próbujesz utrzymać chaos pod kontrolą, jesteś we właściwym miejscu. Zaczynajmy.

Dziś rozmawiamy o tym, jak liderzy projektów mogą stać się skuteczniejszymi tłumaczami podczas prowadzenia rozmów o sztucznej inteligencji między interesariuszami technicznymi i biznesowymi, a także o tym, jak może to być kluczem do ograniczenia ryzyka, że kolejny projekt wdrożenia sztucznej inteligencji zakończy się porażką.

Moim gościem jest dziś Kesha Williams, założycielka i partnerka zarządzająca KeySoft — firmy doradczej pomagającej organizacjom wdrażać sztuczną inteligencję poprzez strategię, rozwój kompetencji inżynierskich i zaangażowanie programistów. Kesha ma bogate doświadczenie na styku strategii AI, inżynierii, edukacji i wpływu organizacyjnego. Od ponad 25 lat pracuje w obszarze inżynierii oprogramowania, architektury korporacyjnej i innowacji związanych ze sztuczną inteligencją, wykorzystując tę wiedzę do wdrażania AI w złożonych środowiskach rzeczywistych.

Niedawno skierowała również swoje programy szkoleniowe do mniej technicznych odbiorców i ukończyła swój pierwszy 15-dniowy bootcamp AI we współpracy z LinkedIn Learning.

Kesha, bardzo dziękuję, że jesteś dziś ze mną.

Kesha Williams: Dziękuję, Galen. Bardzo się cieszę, że tu jestem i że możemy porozmawiać.

Galen Low: Ja również się cieszę. Uwielbiam to, co robisz. Wkładasz w swoją pracę tak wiele energii. Jesteś niezwykle aktywna. Nie wiem, jak to robisz. Na Twoim profilu LinkedIn pojawia się tak dużo materiałów edukacyjnych. Wiem, że masz wiele kursów w LinkedIn Learning i innych programów. Bardzo się cieszę, że możemy się w to zagłębić.

Wiem, że Twoi odbiorcy to głównie osoby techniczne, a ostatnio zaczęłaś kierować swoje działania także do osób mniej technicznych.

Kesha Williams: Zgadza się.

Galen Low: Bardzo to doceniam. Mam nadzieję, że będziemy dziś trochę zmieniać kierunek rozmowy, ale na wszelki wypadek przygotowałem dla nas plan. Na początek chciałem poznać Twoją opinię na temat jednego dużego, ważnego pytania, na które moi słuchacze prawdopodobnie chcieliby znać odpowiedź, a następnie omówić trzy kwestie.

Po pierwsze, chciałem porozmawiać o tym, dlaczego osoby zarządzające projektami bez wiedzy technicznej powinny rozumieć sztuczną inteligencję. Następnie chciałbym zastanowić się, jak kierownicy projektów mogą skutecznie tłumaczyć zagadnienia między interesariuszami technicznymi i biznesowymi w kontekście AI oraz jak mogą doskonalić się w tej roli. Na koniec chciałbym poznać Twoją opinię na temat przyszłości roli kierownika projektu w projektach wykorzystujących sztuczną inteligencję lub tworzących rozwiązania natywne dla AI.

Kesha Williams: Zapowiada się świetna rozmowa.

Galen Low: Ambitnie, ale damy radę.

Kesha Williams: Zgadza się.

Galen Low: Pomyślałem, że zaczniemy od jednego bardzo trudnego pytania, poprzedzając je odrobiną kontekstu. Wiele osób z mojej społeczności odczuwa, powiedziałbym, niemały niepokój związany ze sztuczną inteligencją, tym, jak zmienia ona oczekiwania wobec ich obecnej roli i ścieżki kariery oraz na jakich umiejętnościach powinni się koncentrować.

Moje główne pytanie brzmi: czy każdy lider projektu musi zostać inżynierem systemów, aby pozostać istotnym na rynku pracy napędzanym przez sztuczną inteligencję?

Kesha Williams: To świetny punkt wyjścia i powiedziałabym, że nie. Jeśli spojrzymy na to, co dzieje się obecnie w branży, szczególnie na wiele narzędzi AI niewymagających kodowania lub wymagających go w niewielkim stopniu, okazuje się, że nie trzeba nawet umieć programować ani mieć technicznego wykształcenia, aby zbudować agenta AI czy aplikację.

Dla mnie chodzi przede wszystkim o rozumienie myślenia systemowego: czym jest sztuczna inteligencja, co potrafi, jak mogę zastosować ją w swojej obecnej roli i jak mogę wykorzystać ją w projekcie. Nie, nie musisz zostać inżynierem systemów ani nawet bardzo techniczną osobą, aby pozostać istotnym i rozumieć, jak korzystać ze sztucznej inteligencji oraz stosować ją w praktyce.

Galen Low: Świetnie. Uwielbiam to i jestem pewien, że wszyscy słuchający odetchnęli z ulgą. Bardzo podoba mi się jednak to rozróżnienie, bo mam wrażenie, że w środowisku narzędzi niewymagających kodowania, programowania intuicyjnego i podobnych rozwiązań istnieje presja, by mówić: „Nie musisz programować”. Podoba mi się, że zwracasz uwagę na to, iż nadal potrzebne jest systemowe podejście.

Widzimy to cały czas, a przynajmniej ja obserwuję to w swoim środowisku: ludzie programują intuicyjnie, a potem mówią: „Chwileczkę, nadal muszę debugować i przeprowadzać kontrolę jakości”. Nie piszę kodu, ale wciąż potrzebuję tego elementu informatycznego i inżynierskiego, prawda? Nagle okazuje się, że nadal muszę wiedzieć, co chcę osiągnąć i w jaki sposób.

Kesha Williams: Zgadza się. A kiedy wdrożę rozwiązanie produkcyjnie, to znaczy, że muszę je aktualizować, rozwijać i utrzymywać? Myślałam, że już skończyłam.

Galen Low: A co z intuicyjnym DevOpsem? Szczerze mówiąc, to świetny punkt wyjścia, bo kolejne pytanie brzmi: ile wiedzy technicznej naprawdę potrzeba i jak zdobyć takie systemowe podejście?

Chciałem poznać Twoją perspektywę, ponieważ sama masz bardzo duże doświadczenie techniczne. Jesteś inżynierką, architektką korporacyjną i architektką rozwiązań. Kierowałaś zespołami programistów i zbudowałaś niezwykle dużą, zaangażowaną społeczność wokół tych tematów. Jak wspomniałem, niedawno zaczęłaś kierować swoje działania także do osób mniej technicznych.

Na przykład Twój 15-dniowy bootcamp przygotowany we współpracy z LinkedIn Learning prowadził uczestników przez pewną podróż w świat sztucznej inteligencji. Był naprawdę szczegółowy — zaczynał się od podstaw i przechodził do bardziej zaawansowanych zagadnień. Dlaczego tak ważne jest dla Ciebie udostępnianie szerokiej publiczności swojej wiedzy edukacyjnej i doświadczenia w dziedzinie AI?

Kesha Williams: To dla mnie ważne, ponieważ sztuczna inteligencja dotyka każdej branży, każdej roli i każdego szczebla organizacji, a ja nie chcę, aby ktokolwiek został w tyle. Kiedy patrzę na możliwości AI w zakresie zwiększania produktywności i automatyzowania przepływów pracy, widzę niezwykle ekscytujący czas dla technologii. Chcę, aby każdy zaakceptował sztuczną inteligencję i zastanowił się, jak może ona pasować do jego codziennego życia.

Galen Low: Czy spotykasz się z fałszywymi założeniami, mitami i błędnymi wyobrażeniami dotyczącymi AI? Część Twojej pracy polega na tym, że pomagasz osobom, które mogą nie mieć podstawowej wiedzy o myśleniu systemowym albo nie miały czasu na przeanalizowanie, co sztuczna inteligencja potrafi.

Czy masz wrażenie, że jednym z elementów tej pracy jest przebijanie się przez mity oraz strach związany z tym, czym jest AI i jak wpływa ono na pracę ludzi, niezależnie od tego, czy są oni techniczni?

Kesha Williams: Zdecydowanie. Powiedziałabym, że Hollywood i wszystkie filmy science fiction wcale nie pomogły. Sprawiły, że moja praca stała się znacznie trudniejsza. Od zawsze moją pasją było jednak odczarowywanie sztucznej inteligencji i uczenia maszynowego oraz sprawianie, by te złożone technologie były łatwo dostępne i zrozumiałe. Ale, jak powiedziałam, Hollywood zdecydowanie nie pomogło.

Galen Low: Jest jeszcze Hollywood, a do tego cała fala artykułów — i nie zrozum mnie źle, często wiarygodnych — ale przedstawionych w sposób mający przyciągnąć uwagę.

Na przykład: „Były szef AI w Google twierdzi, że sztuczna inteligencja ogólna przejmie kontrolę za siedem lat”. Albo wszystkie te osoby przedstawiane jako autorytety w dziedzinie AI. Jest to formułowane tak, że człowiek myśli: „O mój Boże”. Z drugiej strony oczywiście te osoby rzeczywiście musiały się nad tym wszystkim zastanawiać.

Jako pionierzy i pionierki sztucznej inteligencji musieli rozważać jej konsekwencje. Jeśli spojrzymy wystarczająco daleko w przyszłość, AI rzeczywiście bardzo wiele zmieni, a scenariuszy jest mnóstwo. Jednak nawet to, co powiedziałaś, jest bardzo zrozumiałe: wszyscy musimy znaleźć się mniej więcej na tej samej stronie, choć niekoniecznie na tym samym poziomie.

Sztuczna inteligencja wpływa na każdego, jego pracę i oczekiwania wobec tej pracy. Im lepiej ją rozumiemy i im lepiej posługujemy się wspólnym słownictwem, tym skuteczniej możemy o niej rozmawiać. To nie jest tak jak wtedy, gdy zaczynałem pracę. Mam doświadczenie w cyfrowym zarządzaniu projektami. Zespoły deweloperskie, z którymi pracowałem, składały się z inżynierów zajmujących się programowaniem po stronie klienta i serwera. Pamiętam pierwsze dni, kiedy myślałem: „Nic z tego nie rozumiem. Wy wdrażajcie, zróbcie coś z Gitem, a ja odezwę się później”.

Potrzeba było czasu, aby móc się porozumieć i prowadzić wartościowy dialog, zamiast tylko patrzeć na coś i mówić: „Dobrze, przeprowadźcie testy regresji czy cokolwiek trzeba zrobić”, a potem wracać do swoich spraw.

Jak oceniasz szkolenia, które prowadzisz dla ludzi? Wydaje mi się, że masz swój kurs Codzienna AI i 15-dniowy bootcamp. Jakie efekty lub spostrzeżenia zauważyłaś u uczestników?

Kesha Williams: Tak, jak wspomniałeś, uruchomiłam 15-dniowe wyzwanie Codzienna AI we współpracy z LinkedIn Learning.

Dziś jest właśnie piętnasty, ostatni dzień. Jestem bardzo zadowolona z tego, jak wszystko się potoczyło. Otrzymałam wiele opinii od uczestników. Widziałam, jak obawy związane ze sztuczną inteligencją zamieniały się w ekscytację. Ludzie zaczęli dostrzegać, gdzie mogą wykorzystać AI w swojej codziennej pracy, aby oszczędzać czas i zwiększać produktywność.

Jedna z uczestniczek napisała do mnie, że użyła AI do wykonania zadania, które zajęło jej około 30 minut, podczas gdy bez tego narzędzia przygotowanie konspektu zajęłoby jej kilka dni. Właśnie takie przykłady były powodem stworzenia 15-dniowego wyzwania AI. Jak wspomniałeś, jest ono przeznaczone przede wszystkim dla osób nietechnicznych, aby mogły zrozumieć podstawowe pojęcia i fundamenty sztucznej inteligencji, a następnie dowiedzieć się, jak stosować ją w codziennym życiu.

Galen Low: Bardzo mi się to podoba. Mam wrażenie, że jest to bardzo praktyczne. Uczestnicy rzeczywiście coś robią. To zabawne, ale wczoraj wieczorem graliśmy w grę karcianą „Eksplodujące kotki”, a instrukcja mówiła: „Nie czytaj tej instrukcji. To najgorszy sposób nauki gry”. Obejrzyj ten film, a potem po prostu spróbuj zagrać.

Pomyślałem: „Właściwie to świetnie pasuje do AI”. Wydaje mi się, że wiele osób, w tym ja, odczuwało największy niepokój związany ze sztuczną inteligencją wtedy, gdy była ona jedynie presją z zewnątrz, a my nie otworzyliśmy jeszcze żadnego narzędzia. To trochę jak ze skrzynką odbiorczą.

Widzisz liczbę na czerwonej plakietce i myślisz: „O mój Boże, jest tam 967 wiadomości. To szaleństwo. Nawet nie chcę na to patrzeć”. Sama liczba Cię przytłacza, choć jeszcze nie wiesz, co rzeczywiście znajduje się w skrzynce. Ja właśnie tak się czułem. Podoba mi się jednak pomysł prowadzenia ludzi tą ścieżką od podstaw, a później przechodzenia do coraz bardziej zaawansowanych tematów.

Co uczestnicy robią dzisiaj, piętnastego dnia?

Kesha Williams: Piętnasty dzień poświęcony jest tworzeniu pierwszego agenta AI bez kodowania. Nie trzeba umieć programować. Wszystko odbywa się za pomocą interfejsu typu przeciągnij i upuść, który pozwala zbudować pierwszego agenta AI. Cały kurs prowadzi właśnie do tego momentu.

Galen Low: Podoba mi się to. Dzień pierwszy — wymyślam teraz przykład — to „Czym jest AI?”, a dzień piętnasty to „Zbuduj agenta”.

Kesha Williams: Właśnie tak to wyglądało.

Galen Low: Bardzo mi się to podoba. To chyba dobry moment, aby przejść do głównego tematu, który chciałem omówić: jak kierownicy projektów o mniejszej wiedzy technicznej mogą ograniczać ryzyko w projektach wspomaganych przez sztuczną inteligencję. Chodzi o prowadzenie właściwych rozmów, które zapewnią zgodność i wspólne rozumienie AI wśród interesariuszy technicznych, biznesowych i wszystkich pomiędzy nimi.

Jesteśmy przyzwyczajeni do dzielenia ludzi na technicznych i nietechnicznych, ale mam na myśli raczej tłumaczenie informacji między interesariuszami, którzy wiedzą różne rzeczy, mają różne punkty widzenia i różne zestawy umiejętności. Po pierwsze, czy rola tłumacza w rozmowach o AI powinna w ogóle należeć do kierownika projektu?

Czy Twoim zdaniem to dobry pomysł, czy raczej zły?

Kesha Williams: Zdecydowanie dobry. Kierownicy projektów już teraz tłumaczą informacje — przekładają ryzyko projektowe i harmonogramy oraz prowadzą tego rodzaju rozmowy. Dlatego pełnienie roli tłumacza w kontekście sztucznej inteligencji jest dla nich naturalnym rozszerzeniem tej funkcji.

Galen Low: To bardzo trafna uwaga. Rzeczywiście, tłumaczenie jest już częścią tej roli.

Kesha Williams: Zgadza się.

Galen Low: Właściwie zabawne, bo przed nagraniem rozmawialiśmy o tym, że agenci i MCP stają się nowymi interfejsami API. Przypomniało mi to początki mojej pracy jako kierownika projektu, kiedy myślałem: „Czym jest API?”. Wiedziałem tylko, że służyło do integrowania systemów i łączenia różnych elementów.

Kesha Williams: Zgadza się.

Galen Low: To był właśnie temat, który musiałem tłumaczyć interesariuszom biznesowym, aby wyjaśnić, dlaczego ważne jest podjęcie określonych kroków: stworzenie słownika danych, zapoznanie się z dokumentacją, wykonanie minimalnej wersji produktu czy przygotowanie weryfikacji koncepcji.

Wydaje mi się, że tutaj jest podobnie, ale też trochę inaczej, ponieważ w obszarze AI pojawia się tak wiele nowych rzeczy i wszystko tak szybko się zmienia. Mam wrażenie, że codziennie wprowadzany jest nowy model. Mamy klasyczne duże modele językowe, generowanie obrazów i wiele innych rozwiązań. Jakie są Twoje najważniejsze wskazówki dla kierowników projektów, którzy muszą pełnić rolę tłumaczy między interdyscyplinarnymi zespołami pracującymi nad AI lub korzystającymi z niej?

Czy mogłybyśmy przejść przez kilka przykładów wpływowych rozmów, które mogą pójść w złym kierunku albo sprawić, że projekt będzie przebiegał znacznie lepiej?

Kesha Williams: Moją pierwszą wskazówką byłoby to, aby nie gonić za narzędziami. Jak wspomniałeś, każdego dnia istniejące narzędzie może się zmienić albo może pojawić się nowe.

Zamiast gonić za narzędziami, naprawdę zastanów się nad rezultatem biznesowym. Jakie problemy próbujemy rozwiązać? To zasada obecna w zarządzaniu projektami od dawna: najpierw skup się na tym, co chcemy osiągnąć, a dopiero potem na tym, jak to zrobić. Dlatego moja najważniejsza rada brzmi: myśl o rezultatach i nie goń za narzędziami, bo szybko trafisz do króliczej nory i całkowicie stracisz kierunek.

Kierownicy projektów nie muszą być techniczni, ale powinni rozumieć podstawowe pojęcia związane z AI. Kiedy ktoś mówi „model”, powinieneś wiedzieć, co to znaczy. Kiedy ktoś mówi „inżynieria promptów”, powinieneś rozumieć to pojęcie. Kiedy ktoś mówi „agent”, powinieneś wiedzieć, o czym mowa. Chodzi o rozumienie pojęć wysokiego poziomu i tego, jak pasują one do sposobu tworzenia danego rozwiązania.

To odpowiada na pierwszą część Twojego pytania. Druga dotyczyła przykładowej rozmowy.

Galen Low: Tak. Jakie rozmowy mogą pójść źle? Nie musi to być jedna wielka rozmowa o AI, która przesądzi o powodzeniu lub porażce projektu. Chodzi raczej o codzienne rozmowy, które mogą zejść na niewłaściwy tor, ponieważ kierownik projektu nie czuje się pewnie w danym temacie, może coś zmyślić, a później tego żałować albo nadmiernie uprościć problem. Pomyślałem, że moglibyśmy wymienić się przykładami.

Kesha Williams: Jasne. Załóżmy, że jesteś kierownikiem projektu oczywiście związanego ze sztuczną inteligencją. W zespole masz inżyniera uczenia maszynowego, który mówi: „Model jest gotowy, dokładność wygląda dobrze”. Rozmowa może pójść źle, jeśli kierownik projektu odpowie: „Świetnie, wdrażamy produkcyjnie”.

Kierownik projektu powinien zadać dodatkowe pytania. Najpierw musi rozumieć, czym jest model i co oznacza dokładność. Dokładność to sposób oceny działania modelu. Jedno z pytań mogłoby więc brzmieć: „Co dokładność oznacza w tym konkretnym kontekście?”.

Kolejne pytanie, do którego wcześniej nawiązałam, brzmi: „Jaki będzie proces utrzymania i ponownego trenowania modelu po wdrożeniu produkcyjnym?”. W przypadku modeli i systemów AI po wdrożeniu może pojawić się problem zwany dryfem modelu. Oznacza on, że dane w rzeczywistym świecie zmieniają się z czasem, co może wpływać na jakość lub wyniki modelu uczenia maszynowego.

Dlatego podczas wdrażania projektu AI ważne jest omówienie ponownego trenowania i bieżącego utrzymania. Będzie to miało wpływ na ogólne wyniki dostarczane przez system. Trzeba po prostu zadawać właściwe pytania dotyczące systemów AI wprowadzanych do środowiska produkcyjnego.

Galen Low: Bardzo podoba mi się ten punkt, szczególnie kwestia dryfu. Nawet doświadczeni techniczni kierownicy projektów często pochodzą ze świata, w którym wszystko jest dość deterministyczne. Podczas testów rozwiązanie działa w określony sposób, tak samo podczas testów akceptacyjnych użytkowników, a po wdrożeniu produkcyjnym nadal będzie działać w ten sam sposób — za każdym razem, dopóki nie zbudujemy czegoś, co je zepsuje.

Wtedy możemy je naprawić. Pojęcie dryfu, o którym mówisz, wynika z tego, że zmieniają się dane, na których model jest trenowany. W niektórych przypadkach zmieniają się również same modele, a technologia ma charakter probabilistyczny, a nie deterministyczny. To zupełnie inna perspektywa, którą trzeba przyjąć przy ocenie rozwiązań tworzonych przez zespoły.

Podoba mi się też Twoja uwaga dotycząca bieżącego utrzymania. To bardzo ważne pytanie. Kierownik projektu może uznać, że rozwiązanie jest gotowe, choć w rzeczywistości dopiero rozpoczął pracę. Może wrócić do sponsora projektu i interesariuszy oraz powiedzieć: „Tak, jesteśmy gotowi do uruchomienia”, a oni zapytają: „Czy rozwiązanie będzie wymagało bieżącego utrzymania?”, na co kierownik odpowie: „Nie”.

Kesha Williams: „Zrobiłem wszystko. Model jest wytrenowany i gotowy”.

Galen Low: „Działa świetnie i będzie działać świetnie, więc przejdziemy do następnego etapu”. Widziałem, jak takie podejście prowadziło do problemów nie tylko w projektach związanych z AI.

Podoba mi się pytanie, które zadałaś: co oznacza dokładność i jaki jest kolejny krok? Dodałbym jeszcze: co to umożliwia i na jakim etapie procesu jesteśmy? Niedawno rozmawiałem o tym z kilkoma osobami z mojej społeczności i zdałem sobie sprawę, że jestem typem człowieka, który mówi: „Pomóż mi to zrozumieć, bo będę musiał wyjaśnić to interesariuszom. Czy mogę powiedzieć to w ten sposób?”.

Ktoś może wtedy odpowiedzieć: „Nie, nie możemy przesuwać projektu. Nie mów im, że dokładność systemu jest wystarczająca”. Warto zadawać takie pytania, aby wspólnie zrozumieć sytuację. Jednym z największych problemów jest to, że wiele osób w zarządzaniu projektami narzeka na swoje zespoły, mówiąc: „Oni nie rozumieją, czym się zajmuję”. Pytam wtedy: „Czy powiedziałeś im, czym się zajmujesz i jaki będzie Twój następny krok?”.

Zespół przekazuje Ci to, co wie: „Model jest gotowy, dokładność jest dobra”. Odpowiadasz: „Świetnie, dziękuję”, ale w ten sposób zespół nigdy nie dowie się, czego potrzebujesz. Nie ma również okazji, by powiedzieć: „Właściwie są jeszcze rzeczy, o których musisz poinformować interesariuszy. Nie wyjaśniaj tego w ten sposób, tylko w inny”.

To bardzo ważny dialog. Wszyscy jesteśmy przyzwyczajeni do deterministycznego sposobu działania, a teraz musimy nauczyć się, że rozwiązanie może dryfować. Następnie trzeba wyjaśnić interesariuszom, że nie oznacza to, iż zbudowaliśmy coś źle. Wynika to z natury tej technologii.

Kesha Williams: To właśnie ta zmiana sposobu myślenia, która zachodzi podczas tworzenia systemów AI. Bardzo podoba mi się Twoja uwaga dotycząca współpracy. Ta umiejętność miękka jest jeszcze ważniejsza w erze sztucznej inteligencji.

Galen Low: Podoba mi się również nawiązanie do Twojej pierwotnej uwagi: wszyscy musimy zbudować podstawową wiedzę, aby prowadzić takie rozmowy, a ponieważ wszyscy dopiero się uczymy, konieczna jest współpraca.

Kesha Williams: Zgadza się.

Galen Low: Nie minęło jeszcze wystarczająco dużo czasu, a zmiany zachodzą tak szybko, że właściwie nie ma jeszcze prawdziwych ekspertów czy mistrzów w tej dziedzinie. Są eksperci, ale może nie ma jeszcze mistrzów.

Kesha Williams: Zgadza się.

Galen Low: Wszyscy musimy to wspólnie zrozumieć. Wspomniałaś wcześniej o kilku dobrych przykładach. Chciałbym zagłębić się w to, jak kierownik projektu — albo właściwie każdy, kto czuje, że nie ma wystarczającej wiedzy technicznej, by naprawdę rozumieć AI — może nauczyć się wystarczająco dużo, aby pełnić funkcję tłumacza między zespołami.

Jak można zdobyć wiedzę wystarczającą do prowadzenia tych rozmów? Jakie są Twoje podstawowe źródła wiedzy? Jak można pozostać na bieżąco, gdy wszystko się zmienia? Wiem, że powiedziałaś, aby nie gonić za narzędziami. Nie chodzi o zapamiętywanie wszystkich informacji o wydaniach za każdym razem, gdy pojawia się nowa technologia. Gdzie sama szukasz wiedzy albo gdzie kierujesz swoich uczestników, aby pozostawali na bieżąco? Jakie podstawowe materiały poleciłabyś interesariuszowi, który słyszał tylko słowo „AI”, ale nie poznał jeszcze tego tematu bliżej?

Kesha Williams: Wskazałabym na moje kursy w LinkedIn Learning, a w szczególności na 15-dniowe wyzwanie AI. Zaczyna się ono od podstaw i bardzo prostych wyjaśnień różnych pojęć, a następnie pokazuje, jak sztuczna inteligencja może pomóc w codziennym życiu.

Nie chodzi nawet o budowanie systemów, lecz o wykorzystanie AI do zwiększenia własnej produktywności i wsparcia w codziennej pracy. Ważne jest zrozumienie, jak można zastosować sztuczną inteligencję. Gdy zaczniesz jej używać i ćwiczyć, poznasz pojęcia, a następnie zainspirujesz się do wymyślania nowych sposobów wykorzystania AI przez siebie i swój zespół.

Istnieje wiele dostępnych źródeł. Warto również obserwować stronę Kesha on AI na LinkedIn. Mam także biuletyn Substack o tej samej nazwie. Od przyszłego tygodnia będę publikować na Substacku i na tej stronie LinkedIn krótkie wskazówki dotyczące AI.

Będą one przeznaczone dla osób zapisanych do mojego biuletynu i pomogą im zrozumieć podstawowe pojęcia oraz rozpocząć podróż z AI. Jest też wiele innych źródeł. Lubię śledzić OpenAI Academy, która oferuje webinaria i bezpłatne kursy. Tam zdobywam znaczną część wiedzy o nowych rozwiązaniach.

Warto również korzystać z LinkedIn Learning. Mam tam kilka kursów. Na Pluralsight prowadzę natomiast kursy techniczne i nietechniczne dotyczące inżynierii promptów, oceny umiejętności AI w zespołach oraz podnoszenia kwalifikacji zespołów w zakresie sztucznej inteligencji.

Jest więc wiele miejsc, w których można się uczyć.

Galen Low: Podoba mi się to, że wskazujesz na różne poziomy. W zarządzaniu projektami czasami mówimy o zespołach, które korzystają z AI do zbudowania czegoś. Innym razem mówimy o zespołach tworzących rozwiązanie, w którego architekturze AI jest jednym z elementów. Czasami używamy AI do zarządzania projektem na co dzień.

To ciekawe rozróżnienie. Pokazałaś bardzo jasno, że istnieją różne sposoby korzystania ze sztucznej inteligencji, a wszystko sprowadza się do podstaw.

Mam pytanie dotyczące OpenAI Academy i podobnych źródeł. Łatwo wejść w bardzo szczegółowe materiały. Pracuję z interdyscyplinarnymi zespołami i czasami zastanawiam się: jeśli kliknę ten link, czy w ogóle go zrozumiem, czy też spróbuję nauczyć się zbyt wiele? Czy dotrę do trzeciej strony i znajdę się w świecie kodu Python?

Czy możesz podpowiedzieć, jak rozpoznać materiały odpowiednie dla danego poziomu i nie zagłębiać się zbyt mocno? Jak zrozumieć, że coś jest przeznaczone dla mnie, a coś innego dla osoby, która rzeczywiście programuje?

Kesha Williams: Masz rację. Jeśli materiał wymaga uruchomienia notatnika Jupyter albo napisania kodu w Pythonie, prawdopodobnie zaszedłeś za daleko. W wielu moich kursach najpierw omawiam pojęcie, a dopiero potem proponuję ćwiczenie praktyczne. Jeśli ćwiczenie jest zbyt złożone i wymaga pisania kodu w Pythonie, można po prostu obejrzeć część koncepcyjną.

Ważne, aby zrozumieć podstawowe idee, ponieważ przekładają się one na wszystkie używane narzędzia. Nawet jeśli kurs jest bardzo techniczny, możesz obejrzeć filmy wyjaśniające pojęcia i pominąć głęboką część praktyczną.

Galen Low: Nie słyszałem, żeby ktoś wcześniej tak to ujął, ale ma to ogromny sens. Nie rezygnuj z materiału tylko dlatego, że jesteś nim zainteresowany. Niektóre fragmenty mogą być poza Twoim poziomem.

Jeśli masz tego świadomość, nadal możesz wiele z niego wynieść. Jestem wielkim zwolennikiem osłuchiwania się z językiem. Mógłbym usiąść i słuchać, jak architekt techniczny rozmawia ze swoim zespołem programistów. Nie wszystko byłoby dla mnie zrozumiałe, ale zapamiętałbym pewne słowa i pojęcia. Dzięki temu czułbym się pewniej, zadając właściwe pytania.

Nie muszę być mistrzem w każdej dziedzinie. Wystarczy, że wiem wystarczająco dużo, by zadać pytanie, które może wydawać się proste, ale otworzy dialog.

Kesha Williams: Nie ma głupich pytań.

Galen Low: Zwłaszcza w przypadku AI, prawda? Wszystko zmienia się tak szybko.

Kesha Williams: Zgadza się. Wszyscy się uczymy.

Galen Low: To może być kontrowersyjne, ale chciałbym poznać Twoją opinię na temat certyfikatów. To obecnie bardzo szeroki temat. Pojawiają się certyfikaty AI przeznaczone głównie dla programistów. Istnieją też certyfikaty związane z zarządzaniem projektami, na przykład oferowane przez moich znajomych z Cognilytica, obecnie PMI Cognilytica.

Dotyczą one tworzenia systemów probabilistycznych i rozumienia źródeł danych z perspektywy zarządzania projektem. Ty natomiast świadomie koncentrujesz się na krótkich, praktycznych formach nauki. Co sądzisz o certyfikatach związanych ze sztuczną inteligencją? Dlaczego ktoś miałby je zdobywać i czy warto to robić?

Kesha Williams: Uwielbiam certyfikaty. Zawsze mówię ludziom, że certyfikat może zapewnić rozmowę kwalifikacyjną, ale nie zapewni pracy. Jak wspomniałeś, niezwykle ważna jest praktyka i możliwość rzeczywistego wykonywania zadań, o które jesteśmy pytani podczas rozmowy.

Certyfikat może zapewnić rozmowę kwalifikacyjną i dać wystarczająco solidne podstawy do zrozumienia pojęć oraz sposobu, w jaki wszystko się ze sobą łączy. W przypadku ról wymagających większej praktyki, szczególnie technicznych, ważne jest jednak posiadanie praktycznego doświadczenia i portfolio online, w którym pokazujesz projekty rzeczywiście opracowane z wykorzystaniem tych technologii.

Taka jest moja rada dotycząca certyfikatów.

Galen Low: Bardzo mi się to podoba. Pomysł portfolio online ma sens. Wiem, że część słuchaczy pomyśli: „Tak, ale dotyczy to programistów”. Jednak piętnasty dzień Twojego 15-dniowego wyzwania polega na zbudowaniu agenta.

Czy poleciłabyś kierownikowi projektu, aby również miał w swoim portfolio kilka zbudowanych przez siebie rozwiązań albo dowody na to, że korzysta z AI?

Kesha Williams: W obecnych czasach, biorąc pod uwagę, gdzie znajduje się sztuczna inteligencja i dokąd zmierza, takie doświadczenie pozwoli kierownikowi projektu wyróżnić się na tle innych osób na podobnych stanowiskach.

Kiedy myślę o tym, gdzie będziemy za rok, trzy lata czy pięć lat, widzę, że AI dotyka każdej branży i każdej roli. Ludzie muszą ustalić, gdzie sztuczna inteligencja pasuje do ich codziennej pracy, jak mogą wykorzystać ją do automatyzacji powtarzalnych zadań i zwiększenia produktywności.

Jeśli tego nie zrobią, zostaną w tyle. Taka jest szczera prawda.

Galen Low: To bardzo szybki pociąg. Nawet gdybyśmy chcieli, trudno byłoby włożyć tę technologię z powrotem do pudełka.

Kesha Williams: To się nie wydarzy.

Galen Low: Dotyczy to również programistów. Podoba mi się jednak Twoja uwaga, że certyfikat może zapewnić rozmowę, ale niekoniecznie pracę.

Gdybyś zatrudniała programistę albo kogokolwiek innego, jakie pytanie zadałabyś podczas rozmowy, aby odróżnić osobę, która rzeczywiście zna AI, od kogoś, kto tylko ukończył kurs i zdobył certyfikat, ale nie ma umiejętności, których szukasz?

Kesha Williams: W przypadku programisty sprawdziłabym, czy korzysta z AI przy pisaniu kodu, a jeśli tak, to z jakich narzędzi i do jakich celów. Poprosiłabym o konkretny przykład: w którym miejscu cyklu życia tworzenia oprogramowania wykorzystał AI.

Podczas rozmów kwalifikacyjnych ważne jest, aby ludzie podawali przykłady z rzeczywistego świata, a nie tylko opowiadali o teorii.

Galen Low: Patrząc w przyszłość, to pytanie może dotyczyć również osób nietechnicznych. Można zapytać: „Zbudowałeś kilku agentów, którzy pomagają Ci lepiej zarządzać projektami. Opowiedz, jak ich używasz”. To bardzo trafne pytanie. Na pewno je wykorzystam.

Kesha Williams: Warto także zapytać, jakiego narzędzia użyli i dlaczego je wybrali. Szczególnie w przypadku budowania agentów istnieje wiele dostępnych narzędzi. Jest Copilot, który nie wymaga umiejętności programowania. Są agenci Amazon Bedrock. Każda platforma, w tym Salesforce, ma dziś sposób tworzenia agentów.

Ważne jest więc zrozumienie, jakiego narzędzia ktoś użył i dlaczego zdecydował się właśnie na nie.

Galen Low: To bardzo trafna uwaga. Skoro już o tym zaczęliśmy mówić, może warto spojrzeć trochę w przyszłość. Nie możemy przewidzieć jej zbyt dokładnie, bo wszystko się zmienia i sytuacja może potoczyć się w dowolnym kierunku. Sztuczna inteligencja ogólna może pojawić się jutro i zniszczyć ludzkość, tak jak mówi Hollywood.

Kesha Williams: Tak twierdzi science fiction.

Galen Low: Albo przez najbliższe trzy lata będziemy obserwować jedynie niewielkie usprawnienia narzędzi AI do robienia notatek. Nie wiem. W każdym razie sztuczna inteligencja jest coraz silniej wprowadzana do zadań administracyjnych i powtarzalnych.

Kesha Williams: Zgadza się.

Galen Low: Obecnie skupiamy się przede wszystkim na wzroście produktywności.

Przejawia się to w postaci autonomicznych agentów. Można je zbudować w ramach wyzwania, którego czternaście dni poświęca się na naukę, a piętnastego dnia tworzy się agenta. Nie jest to już coś całkowicie niedostępnego.

Kesha Williams: Zgadza się.

Galen Low: Czy Twoim zdaniem zmienia to rolę kierownika projektu w dostarczaniu technicznych rozwiązań natywnych dla AI?

Jeśli tak, jaka jest Twoja najważniejsza wskazówka dla kierowników projektów, którzy chcą przygotować się na przyszłość sztucznej inteligencji, która jeszcze nie istnieje, ale prawdopodobnie wpłynie na ich role?

Kesha Williams: Wszystko sprowadza się do zrozumienia, czym jest sztuczna inteligencja, jakie są jej podstawowe pojęcia i jak można zastosować ją w codziennej pracy, aby zwiększyć produktywność. W całej branży istnieje wiele obaw dotyczących zastępowania ludzi przez AI.

Nie tego powinniśmy się teraz obawiać. Najważniejsze jest, aby nie zostać w tyle i nauczyć się wykorzystywać sztuczną inteligencję w swojej roli, aby stać się lepszym od kolejnej osoby. Dzięki temu można pomagać sobie i organizacji oraz stale przesuwać granice możliwości.

Galen Low: Podoba mi się ten motyw dotyczący pojęć i podstaw.

Niektóre fundamenty również się zmieniają. Podoba mi się jednak Twoja rada, aby śledzić rozwój sytuacji, nie gonić za narzędziami i nie zaśmiecać umysłu szczegółową wiedzą o każdym rozwiązaniu, skoro wszystko może się zmienić. Możemy obserwować losy różnych technologii, tak jak Betamax i VHS albo kaset magnetofonowych i 8-ścieżkowych taśm.

Na rynku technologicznym będą zwycięzcy i przegrani pod względem przyjęcia, inwestycji i wielu innych czynników. Jeśli jednak rozumiemy podstawy, główne pojęcia i sposób ich ewolucji w naszej pracy, możemy wyciągać dalsze wnioski bez nadmiernego zagłębiania się w szczegóły.

Kesha, bardzo dziękuję. To była świetna zabawa. Dla dodatkowej świątecznej rozrywki: czy masz pytanie, które chciałabyś mi zadać?

Kesha Williams: Oczywiście. Możemy zamienić się rolami i tym razem ja przeprowadzę wywiad. Moje pytanie brzmi: rozmawialiśmy o AI, więc jak wykorzystujesz sztuczną inteligencję na co dzień? A jeśli jej nie używasz, to dlaczego?

Galen Low: Używam jej, choć obecnie nie jestem intensywnym użytkownikiem. Traktuję ją jako partnera do myślenia. Bardzo podoba mi się sposób pracy w stylu Iron Mana i Jarvisa, szczególnie przy formułowaniu wiadomości e-mail.

Nie jestem osobą, która prosi AI o napisanie pierwszego szkicu, a potem go edytuje. Wolę sam napisać pierwszy szkic, a następnie poprosić sztuczną inteligencję, aby go zakwestionowała. Mówię na przykład: „Zachowuj się jak bardzo wymagający sponsor projektu. Jesteś dyrektorem technicznym. Oto kwestie, na których Ci zależy, i opis naszej relacji. Przeanalizuj ten tekst krytycznie. Powiedz, wobec których elementów wiadomości możesz zgłosić zastrzeżenia”.

To bardzo dobrze działa w moim przypadku, ponieważ mam tendencję do ciągłego podważania własnych pomysłów, dopóki nie uznam, że są dobre. Tak działam we wszystkim: przy wiadomościach, biuletynach, tematach e-maili i planach projektów. Patrzę na nie i zastanawiam się, co ktoś może zakwestionować.

AI jest dla mnie dobrym partnerem, który pyta: „Czy brałeś pod uwagę jeszcze to?”. Nie przeszkadza mi, że czasami odpowiada zbyt pochlebnie. Nie muszę prosić go, aby był dla mnie niemiły, bo potrafię samodzielnie ocenić odpowiedź. Nie kończę rozmowy z przekonaniem: „Jestem niesamowity”, tylko analizuję informacje.

Tak obecnie korzystam z AI. Chcę jednak zagłębić się w rozwiązania autonomiczne. To mój kolejny krok. Zbudowaliśmy kilka niestandardowych wersji GPT, które wzmacniają nasz przepływ pracy. Bardzo podoba mi się wykorzystanie AI do konkretnych, powtarzalnych zadań, które nadal wymagają osądu, interakcji lub współpracy.

Cieszę się na pracę z agentami, ale wracam tu do Twojej pierwszej uwagi: najpierw muszę ustalić, gdzie AI może pomóc. Muszę też uporządkować własne materiały, dane i materiały referencyjne. Jeśli chcę, aby agent działał skutecznie, muszę go szkolić tak, jak szkoliłbym człowieka.

To zabawne, ale często problemem nie jest technologia. Problem polega na tym, czy jesteśmy wystarczająco uporządkowani, aby zapewnić jej właściwy kontekst i nauczyć ją wykonywania pracy. To samo dotyczyło ludzi.

Kesha Williams: Poruszyłeś bardzo ważną kwestię dotyczącą roli kierownika projektu. Wkrótce będziesz zarządzać agentami obok ludzi. Warto więc zacząć myśleć o AI jako o części zespołu. To również nadchodzi.

Galen Low: Bardzo mi się to podoba. Niedawno rozmawiałem z innym gościem o tym, jak powinno wyglądać ocenianie pracy agenta.

Czasami przekazujemy naszym modelom lepszą informację zwrotną niż kolegom z zespołu. Ciekawa jest też kwestia kultury zespołowej. AI ma obecnie wiele możliwości, ale odpowiedzialność nadal spoczywa na ludziach.

Nie możemy wskazać agenta i powiedzieć: „To jego wina. Ten agent zawiódł”. Chociaż, szczerze mówiąc, uczestniczyłem w spotkaniach zespołów, podczas których ktoś wskazywał kolegę i mówił: „To projektanci zawalili”. W przyszłości interesująco zmieni się podział odpowiedzialności i sposób budowania kultury zespołowej, gdy część obowiązków przejmą agenci, automatyzacja i inne elementy technologii AI.

Kesha Williams: Zgadza się. Właśnie wtedy pojawia się kwestia zarządzania sztuczną inteligencją.

Galen Low: Muszę zaprosić Cię ponownie, gdy będziemy omawiać ten temat, bo w pewnym sensie jest on bliżej, niż mi się wydaje.

Kesha Williams: Zgadza się.

Galen Low: Na dziś może na tym poprzestańmy. Kesha, bardzo dziękuję za poświęcony czas. Uwielbiam tę rozmowę. Świetnie się bawiłem, a także wiele się nauczyłem. Podoba mi się to, co robisz, i uważam, że forma Twojej pracy jest bardzo interesująca. Cieszę się na Twój biuletyn Substack. Gdzie osoby równie podekscytowane jak ja mogą dowiedzieć się więcej o Tobie?

Kesha Williams: Zdecydowanie warto obserwować mnie na LinkedIn. Jak wspomniałeś, często tam publikuję. Więcej informacji o mnie i usługach, które oferuję, można znaleźć na stronie internetowej mojej firmy KeySoft: www.keysoft.tech.

Galen Low: Świetnie. Umieszczę te linki w notatkach do odcinka. Kesha, jeszcze raz dziękuję.

Kesha Williams: Dziękuję. To była przyjemność i świetna rozmowa.

Galen Low: Dobrze, to wszystko w dzisiejszym odcinku podcastu The Digital Project Manager. Jeśli podobała Ci się ta rozmowa, zasubskrybuj podcast w aplikacji, z której słuchasz. Jeśli chcesz poznać jeszcze więcej praktycznych wskazówek, analiz przypadków i gotowych metod działania, odwiedź thedigitalprojectmanager.com.

Do usłyszenia następnym razem. Dziękuję za uwagę.