Czy śledzisz niewłaściwe wskaźniki? Jak sztuczna inteligencja może zmniejszyć ryzyko realizacji projektów

Przeczytaj transkrypcję:

Próbujemy transkrybować nasze podcasty za pomocą programu komputerowego. Wybaczcie ewentualne literówki, ponieważ bot nie zawsze działa w 100% poprawnie.

Galen Low: Jak organizacja lub zespół może określić, czy śledzi właściwe wskaźniki, i co może zrobić, jeśli zda sobie sprawę, że przez cały czas mierzył niewłaściwą rzecz?

Lior Gerson: Trzeba śledzić wszystko, co pomoże dotrzeć do miejsca, do którego chce się dojść. Cała reszta to szum.

Galen Low: Przeprowadź nas przez przykład — wskaźnika, który okazał się niewłaściwy, oraz procesu zmiany sposobu pomiaru na właściwy.

Lior Gerson: Jeden z naszych klientów chciał poprawić sposób prognozowania tego, co dostarczy w każdym kwartale. Udało mu się wykorzystać naszą platformę i zautomatyzować ten proces w ciągu jednego dnia. Teraz, kiedy tylko chce, ma przed sobą odpowiedź na pytanie: co dostarczę w tym miesiącu?

Czy uważasz, że nadejdzie etap, w którym agent AI stanie się kierownikiem projektu albo całkowicie go zastąpi?

Galen Low: Myślę, że przy niektórych definicjach pracy kierownika projektu — tak.

Witajcie w podcaście The Digital Project Manager — programie, który pomaga liderom realizacji pracować mądrzej, dostarczać szybciej i lepiej przewodzić w epoce sztucznej inteligencji. Nazywam się Galen i co tydzień omawiamy praktyczne strategie, nowe narzędzia, sprawdzone metody oraz czasami historie z pierwszej linii frontu projektowego.

Niezależnie od tego, czy kierujesz ogromnymi projektami transformacyjnymi, zarządzasz przepływami pracy opartymi na AI, czy po prostu próbujesz utrzymać chaos pod kontrolą — jesteś we właściwym miejscu. Zaczynajmy.

Dziś rozmawiamy o tym, jak tradycyjne poglądy na temat mierzenia sukcesu projektu są kwestionowane oraz dlaczego narzędzia do zarządzania KPI oparte na AI mogą być jedyną szansą na nadążenie za rosnącą listą zmiennych, które mogą zadecydować o powodzeniu lub porażce projektu.

Moim dzisiejszym gościem jest Lior Gerson, współzałożyciel i dyrektor generalny TargetBoard.ai. Lior rozpoczął karierę w mySupermarket, największej w Wielkiej Brytanii witrynie porównującej ceny, obsługującej co miesiąc dziesiątki milionów użytkowników. Odpowiadał tam za wielomilionowe projekty, współpracując z gigantami takimi jak Walmart, WPP i Dentzu.

Następnie założył Vroom.com, gdzie objął stanowisko dyrektora ds. technologii. Był to internetowy salon samochodowy, który wszedł na giełdę z wyceną 2,5 mld dolarów. Później kierował działem produktu w Placer.ai, jednorożcu analityki lokalizacyjnej przetwarzającym petabajty danych. Obecnie oczywiście stoi na czele TargetBoard — narzędzia do zarządzania KPI opartego na AI.

Lior, bardzo dziękuję, że do nas dołączasz.

Lior Gerson: Dzięki, Galen. Miło tu być.

Galen Low: Bardzo cieszę się na tę rozmowę, ponieważ jesteś osobą niezwykle głęboko zanurzoną w świecie KPI i podejmowania decyzji opartych na danych w drodze do sukcesu. Szczerze mówiąc, mam nadzieję, że ta rozmowa potoczy się w kierunkach, których nie zaplanowałem. Oto jednak plan, który przygotowałem na dziś. Na początek chciałem zadać jedno ważne, palące pytanie — to, na które każdy chce znać odpowiedź.

Później chciałbym cofnąć się o krok i porozmawiać o trzech kwestiach. Po pierwsze, o niedopasowaniu kulturowym wokół KPI i o tym, jak tłumaczyć wskaźniki na różnych poziomach organizacji. Następnie o tym, jak zmieniają się KPI projektów i dokąd zmierzają. Na koniec chciałbym skupić się na praktycznych sposobach, dzięki którym firmy i zespoły projektowe mogą zacząć wykorzystywać śledzenie KPI wspomagane przez AI oraz na tym, jak może to wpłynąć na ich przepływy pracy — pozytywnie lub negatywnie.

Jak ci się to podoba?

Lior Gerson: Brzmi dobrze. Myślę, że czeka nas fascynująca dyskusja.

Galen Low: Świetnie. Mnie też to cieszy. Dobrze, oto najważniejsze pytanie. Ostatnio dużo mówi się o tym, że wiele projektów, a nawet całe organizacje, może mierzyć i śledzić niewłaściwe rzeczy.

Jeśli chodzi o projekty, widziałem wiele dyskusji kwestionujących wszystko — od niegdyś świętego żelaznego trójkąta obejmującego zakres, harmonogram i budżet, aż po wskaźniki zwinne, takie jak prędkość. Na poziomie organizacji widziałem natomiast krytykę takich wskaźników jak przychód na pracownika działu finansowego, marża brutto i wykorzystanie zasobów. Najważniejszym tematem w moim świecie, przynajmniej w świecie zarządzania projektami, jest to, że liderzy projektów nie powinni mierzyć wyłącznie kondycji projektu, ale także jego wpływ.

W tym kontekście moje najważniejsze pytanie brzmi: jak organizacja lub zespół może określić, czy śledzi właściwe wskaźniki, i co może zrobić, jeśli zda sobie sprawę, że przez cały czas mierzył niewłaściwą rzecz?

Lior Gerson: To świetne pytanie. Inicjatywy projektowe, z których korzystasz, powinny być zgodne ze strategią biznesową, prawda — ze strategią produktu.

Z tym, dokąd zmierza firma. Kiedy jednak zamykasz to w ramach zarządzania projektem, tak naprawdę chcesz tylko osiągnąć kamienie milowe na czas i w ramach budżetu, przy możliwie małym tarciu oraz dużej dokładności i przewidywalności. Cała magia polega więc na śledzeniu wskaźników, które pomogą ci osiągnąć ten stan.

To może być cokolwiek: szybkość przeprowadzania testów, miejsca blokad, dni urlopowe, sposób wykorzystywania AI przez ludzi. Możesz śledzić wszystko, o ile pomaga ci to pozostać w ramach tego, co rzeczywiście próbujesz osiągnąć. Jeśli jednak nie śledzisz rzeczy, które pomogą ci dotrzeć do celu, śledzisz niewłaściwe rzeczy.

Galen Low: Podoba mi się ta perspektywa, ponieważ mam wrażenie, że zwykle dążymy do mierzenia właściwych rzeczy. Nawet w pytaniu powiedziałem: co jest właściwą rzeczą do mierzenia? Ty natomiast mówisz, że właściwą rzeczą do mierzenia jest wszystko, co pomaga posuwać się naprzód. Nawet jeśli bardzo różni się to od tego, co robi inny zespół.

Nawet jeśli bardzo różni się od tego, co robiłeś w innej organizacji. Powinno być zgodne z misją.

Lior Gerson: Trzeba śledzić wszystko, co pomoże dotrzeć do miejsca, do którego chce się dojść. Cała reszta to szum.

Galen Low: To uczciwe. Dla osób, które myślą: „Lior, mówisz dokładnie moim językiem — zdecydowanie nie śledzimy właściwych rzeczy”, jak wyznaczyć te właściwe rzeczy, które pomogą posuwać się naprzód? Czy istnieje najlepsza praktyka albo proces?

Lior Gerson: Trzeba rozumieć swój biznes. Trzeba rozumieć swój projekt. Trzeba wiedzieć, co naprawdę przesuwa wskazówkę? Co jest najważniejszym czynnikiem? Co wywoła wpływ?

Czy chodzi o ludzi? Zasoby? Złożoność? Jak rozłożyć wszystko na części i powiedzieć: dobrze, to są komponenty, to musi się teraz wydarzyć — jak sprawdzić, czy rzeczywiście się wydarzyło i nie prześlizgnęło się między szczelinami? W praktyce będziesz mieć mnóstwo narzędzi.

Dane będą wszędzie. Nie będą aktualizowane. Powiesz: „Ludzie nie aktualizują swoich systemów, więc mamy problem z jakością danych i nic nie mogę zrobić”. Będziesz poświęcać cały ten czas, zamiast widzieć jakiekolwiek rezultaty. Istnieje milion sposobów i powodów, dla których to może nie zadziałać, ale musi zadziałać — więc odpowiedzialność spoczywa na tobie.

Galen Low: Rozumiem. Czy mógłbyś przeprowadzić nas przez przykład — wskaźnika, który okazał się niewłaściwy, oraz procesu zmiany sposobu pomiaru na właściwy? Albo przykładu niekonwencjonalnego wskaźnika, który ktoś, z kim pracowałeś, śledził i który rzeczywiście pomógł osiągnąć cele, choć nie jest typową rzeczą do mierzenia?

Lior Gerson: Opowiem o jednym z naszych klientów, firmie Versa. Osoba odpowiedzialna za operacje produktowe chciała poprawić sposób prognozowania tego, co dostarczy w każdym kwartale. Plan polegał na zwiększeniu dokładności planowania i prognozowania.

Pracowali bardzo szybko, a rzeczy cały czas się zmieniały. Zmieniały się priorytety i możliwości, ludzie przechodzili między zespołami. Wszystko stawało się bardzo skomplikowane. Opracował formułę, która wykorzystywała wcześniejsze wyniki każdego współpracownika i zespołu, a następnie dodawała je do bieżącej przepustowości danego zespołu lub grupy.

Zamiast przetwarzać wszystkie te dane w Excelu — co zajmuje dużo czasu, ponieważ trzeba uwzględnić dni urlopowe, zadania, priorytety i wiele innych rzeczy — zdecydował się zautomatyzować ten proces na naszej platformie.

Zajęło mu to około jednego dnia. Teraz, kiedy tylko chce, ma przed sobą odpowiedź na pytanie: co dostarczę w tym miesiącu? Kiedy dyrektor generalny albo dyrektor ds. produktu przychodzi i mówi: „Muszę zmienić priorytet”, od razu widzi, co się zmieni i jak wpłynie to na wszystkie inicjatywy, które próbują realizować.

Uważam, że świetnie wykorzystał dane i umieścił je w odpowiednim kontekście, aby opowiedzieć historię, którą musi opowiedzieć.

Galen Low: Niedawno byłem na konferencji poświęconej podejściu zwinnemu. Wspomniałem wcześniej o prędkości. Wszyscy mówią, że jest słabą miarą wpływu. Czasami jest też po prostu słabym miernikiem, ponieważ w wielu zespołach zwinnych powinien istnieć dedykowany zespół.

Ludzie powinni być dostępni w pełnym wymiarze czasu. Osoby, z którymi rozmawiam, mówią jednak: „To nigdy się nie zdarza”. Ludzie idą na urlop albo są odciągani do innych projektów. Patrzysz więc na wskaźnik prędkości, który rośnie i spada, próbujesz planować z wyprzedzeniem i zastanawiasz się: co się dzieje?

To nie jest zbyt dobry wskaźnik. Większość osób prawdopodobnie nie pomyślałaby o stworzeniu zagregowanego wskaźnika opartego na dynamicznych danych albo nie wiedziałaby, jak go zbudować. To ma jednak sens. To niemal koncepcja zasobów w czasie rzeczywistym: ta osoba będzie nieobecna, więc powinniśmy spodziewać się spadku wskaźnika dotyczącego produkcji, wyników lub wpływu.

Pobierasz dane z innych miejsc, zamiast próbować stworzyć jeden wskaźnik, który rządzi wszystkimi. W praktyce pełni on taką funkcję, ale jest wskaźnikiem zagregowanym. To naprawdę ciekawe.

Lior Gerson: Interesujące, że o tym wspominasz. Pomyśl jednak o tym, jak dane rozchodzą się po firmie. Ktoś odchodzi, a zanim inni się o tym dowiedzą, mija czas. Kierownik może wiedzieć, że ta osoba odeszła, ale zanim informacja dotrze do właściwej osoby, która rozumie, jak wpłynie to na harmonogram projektu oraz jakie będą skutki drugiego i trzeciego rzędu, mijają dni albo tygodnie. Tego czasu nie da się odzyskać.

Dodanie większej liczby zasobów tylko wydłuży harmonogram. Nie sprawi, że stanie się krótszy, ponieważ istnieje krzywa uczenia się. Im szybciej dostarczysz tę informację całej organizacji i właściwym osobom, tym większy będzie wpływ. Efekt narasta.

Galen Low: To opóźnienie jest bardzo realne. W naszej społeczności często rozmawiamy o tym, że ktoś chciałby wiedzieć, iż główny programista wyjeżdża na trzytygodniowy urlop. Widzę to w swojej pracy cały czas: pojawia się wniosek urlopowy, a zanim przejdzie przez cały proces i przepływ, tworzą się wąskie gardła. Zanim ktokolwiek dowie się, że urlop został zatwierdzony, mija sporo czasu.

Lior Gerson: Urlop jest prosty. Pomyśl o pracy zdalnej i spotkaniach na Zoomie. Ktoś znika. Kto zniknął? Nikt ci nie powiedział.

Galen Low: Tak, rozumiem.

Lior Gerson: Po dwóch tygodniach nie odbiera telefonów.

Myślisz: „Co się dzieje?”. A ktoś odpowiada: „Nie ma go już tutaj”.

Galen Low: Nie ma go. W naszej społeczności też dużo o tym słyszymy. Produkcja toczy się dalej bez odpowiedniej komunikacji. Czy mógłbyś na wysokim poziomie wyjaśnić, jak wygląda taka integracja?

Wyobrażam sobie, że otwieram Excela i mówię: „Muszę użyć Zapiera albo Make, przekształcić dane, wkleić je do arkusza i napisać formułę”. Czy w TargetBoard nadal musiałbym to robić, czy integracja jest bardziej bezobsługowa? Może „bezobsługowa” nie jest najlepszym słowem, ale mniej pracochłonna?

Lior Gerson: TargetBoard.ai działa zupełnie inaczej niż wszystkie inne istniejące systemy. Łączymy się ze źródłowym systemem danych i automatycznie budujemy wszystkie wskaźniki oraz KPI istotne dla tego, co chcesz zrobić.

Następnie wykorzystujemy AI do ich generowania. Nie ma znaczenia, czy analizujesz zmiany przepustowości, prędkości lub jakości. Nie ma znaczenia, czy patrzysz na jeden projekt, czy na wiele projektów. Nie musisz zmieniać sposobu pracy.

Automatycznie uczymy się, jak korzystasz ze swoich systemów. Nie ma znaczenia, czy używasz Monday, Jiry czy czegoś innego. Wszystkie wskaźniki, raporty i spostrzeżenia są automatycznie generowane, a następnie możesz je dostosowywać. To samodzielne dostosowanie albo praca z zespołem.

Otrzymasz dokładnie takie wskaźniki i dokładnie taki sposób śledzenia wszystkiego, jakiego potrzebujesz. Wymaga to zerowego wysiłku. Od pierwszego dnia działasz i masz pewność, że potrzebne dane są dostępne oraz dokładne. Nie musisz już martwić się Excelem.

Jeśli używasz Excela do ręcznego śledzenia danych i jest on twoim źródłem prawdy, to również nie problem. Połączymy się z Excelem i pobierzemy dane. Nie musisz jednak już ich aktualizować ani wyjaśniać, skąd się wzięły, jak zostały zmierzone i na czym się opierają. Wszystkie te pytania mają odpowiedzi na platformie.

Możesz udostępnić dane członkowi zarządu albo dyrektorowi najwyższego szczebla. Będą oni wiedzieć, jak coś jest mierzone, skąd pochodzi, dokąd zmierza i co przesuwa wskazówkę. Nie znajdziesz się już w sytuacji, w której podczas spotkania pada trudne pytanie, a ty nie znasz odpowiedzi i musisz powiedzieć: „Wrócę do ciebie z odpowiedzią”.

To najgorsza rzecz, jaką można powiedzieć. „Nie wiem. Przepraszam, nie przygotowałem się. Nie wiem, nie uczyłem się do tego testu”. A przecież wystarczy jedno kliknięcie i masz odpowiedź na kolejne pytanie.

Galen Low: Podoba mi się również aspekt błędu ludzkiego. Śledzę wiele rzeczy w arkuszu kalkulacyjnym. Była sytuacja, w której śledziłem wyświetlenia stron w Google Analytics, a ktoś wpisywał liczbę użytkowników. Powstała rozbieżność: myśleliśmy, że mierzymy to samo, ale korzystaliśmy z dwóch różnych źródeł danych.

To ja wszystko pomieszałem. Chodzi mi jednak o to, że ktoś może mieć inną interpretację źródła danych używanego do pomiaru wskaźnika. Podoba mi się pomysł, że dane są pobierane bezpośrednio ze źródła prawdy.

A do tego część wskaźników jest generowana przez AI na podstawie wymagań. System może zasugerować: „Prawdopodobnie powinieneś mierzyć również to”. Następnie zostaje to zdefiniowane i zintegrowane. Wielokrotnie uczestniczyłem w rozmowach, w których nie potrafiliśmy zdecydować, jaka jest właściwa miara sukcesu, częściowo dlatego, że nie wiedzieliśmy, co możemy zmierzyć.

Mamy talię kart z zaledwie czterema możliwościami i zastanawiamy się, którą z nich wybrać, choć w rzeczywistości opcji może być znacznie więcej.

Lior Gerson: To bardzo częste. Kiedy zacząłem pracę w jednej firmie, ktoś śledził sto tysięcy wizyt miesięcznie. Pomyślałem: „Skąd to się bierze? Wygląda dziwnie”. Kierowałem tam produktem i okazało się, że strona miała w rzeczywistości dziesięć tysięcy wizyt. Pozostałe 90% stanowiły boty automatyzujące działania.

Firma o tym nie wiedziała. Kiedy odkrywasz coś takiego, musisz to jeszcze wyjaśnić. Dyrektor marketingu musi powiedzieć: „Wiecie, jak raportowałem koszt pozyskania klienta przez ostatni rok? Okazuje się, że 90% danych było nieprawidłowych”.

Galen Low: To nie jest przyjemna rozmowa. Chciałbym wykorzystać ten przykład, aby spojrzeć na temat szerzej. Wskaźniki są tylko jedną rzeczą.

Nawet jeśli zespół lub dział mierzy właściwą rzecz, często trzeba ją przetłumaczyć między różnymi poziomami organizacji albo działami. Zespół scrumowy może na przykład śledzić zadowolenie klientów, czyli CSAT, w kolejnych wydaniach, podczas gdy kierownictwo śledzi przychody powtarzalne, utrzymanie klientów i odpływ klientów.

Czy narzędzie takie jak TargetBoard może pomóc przełożyć KPI jednego odbiorcy na formę zrozumiałą dla innych poziomów organizacji, czy jest to coś, czego samo narzędzie nie potrafi naprawić?

Lior Gerson: Chcę cofnąć się o krok. Tradycyjny sposób prowadzenia analityki biznesowej i śledzenia wskaźników oznacza, że trzeba zbudować każdy wskaźnik. Trzeba przeprowadzić sesję i zaplanować każdy z nich. Każdy pomiar ma więc rzeczywisty koszt, jeśli trzeba go opracować.

Programy takie jak OKR-y i kwartalne przeglądy biznesowe są zazwyczaj bardzo odgórne. Mówią dokładnie, co należy śledzić, i tworzą tunelowe widzenie: „To będę mierzyć”. Tymczasem wiele innych rzeczy może być dla mnie bardzo ważnych, ponieważ muszę utrzymać płynność działania.

Nie będę ich jednak raportować, a być może nawet nie będę ich śledzić, bo nie mam na to zasobów. W TargetBoard śledzimy wszystko i bardzo ułatwiamy wybór elementów, na których chcesz się skupić. Nawet rekomendujemy, co warto wybrać.

Możesz wysyłać alerty, otrzymywać spostrzeżenia i powiadomienia, aby mieć pewność, że to, na czym ci zależy, pozostaje na właściwym poziomie.

Ułatwiamy też wyjaśnianie danych. Mamy funkcje odpowiadające na pytania: „Jak mam wyjaśnić to przełożonemu?” oraz „Jak mam wyjaśnić to podwładnemu?”. AI generuje wyjaśnienie. Możesz powiedzieć: „Pomóż mi wyjaśnić to kierownikowi, programiście albo przedstawicielowi handlowemu, aby zrozumiał, dlaczego jest to dla mnie ważne i jak powinien o tym myśleć”.

Dzięki temu otrzymujesz pełną warstwę semantyczną, która chroni cię i pomaga wszystkim rozumieć dane. Codziennie otrzymujemy prośbę: „Czy mogę zmienić nazwę mojego wskaźnika?”. Nie, ponieważ ktoś już ma taki wskaźnik i ma on ustaloną nazwę.

Jeśli nazwa nie odzwierciedla tego, co mierzysz, nie możesz jej po prostu nadać. Mamy funkcje, które pomagają upewnić się, że faktycznie śledzisz to, co deklarujesz, oraz że potrafisz wyjaśnić, co mierzysz i dlaczego.

Galen Low: To naprawdę świetna funkcja. Przez lata pracowałem z różnymi programami do tworzenia pulpitów nawigacyjnych. Zwykle właśnie to jest luką: dobrze, ale co właściwie mówi mi ten pulpit? Czy możesz mi to wyjaśnić?

Wtedy opowiadanie historii na podstawie danych staje się problemem, ponieważ nie każdy dobrze sobie z tym radzi. Niektórzy są w tym świetni i być może jest to ich supermoc. Podoba mi się jednak pomysł, że AI może pomóc wyjaśnić komuś, dlaczego dany wskaźnik jest ważny, skąd pochodzi i co oznacza, gdy się zmienia.

Podoba mi się twoje ujęcie: wyposażasz człowieka w narzędzia, które pozwalają mu dobrze wyjaśnić własny wskaźnik osobie z innego działu, o innych specjalizacjach i wiedzy. Dzięki temu możemy opowiedzieć historię kryjącą się za liczbami, zamiast patrzeć na nie i mówić: „Ta wartość zmieniła się o 45% tydzień do tygodnia”.

To ciekawe. Dobrze, przejdźmy dalej.

Lior Gerson: Tak właśnie się dzieje.

Galen Low: Wszyscy patrzą, wzruszają ramionami i mówią: „To duża liczba”. A potem przechodzimy dalej. Nikt tak naprawdę nie rozumie, co ona oznacza.

Lior Gerson: Ludzie nie czytają raportów. Możesz mieć raporty harmonogramów i pulpit nawigacyjny, ale ludzie rzadko je czytają, chyba że potrzebują bardzo konkretnej informacji. Chcą wiedzieć, że ktoś to śledzi i że dane są dostępne, gdy będą potrzebne.

Kiedy wysyłamy raporty, mamy też agenta AI, który je analizuje i podsumowuje dla użytkownika biznesowego. Otrzymuje on odpowiedź na pytanie: „Dobrze, dałeś mi duży raport — czym powinienem się zainteresować?”.

Galen Low: Możesz powiedzieć: „Proszę, podsumuj to dla mnie”. Podoba mi się, że ta funkcja jest wbudowana. Wspomniałeś mi wcześniej, że istnieje także aspekt konwersacyjny — nie tylko podsumowanie najważniejszych informacji z raportu.

Google Analytics zawsze wydawało mi się narzędziem, które powinno umożliwiać rozmowę. W świecie internetu chciałbym zapytać: „Ilu unikalnych odwiedzających trafiło na tę stronę w zeszłym tygodniu w porównaniu z tym samym okresem ubiegłego roku?”.

Czy opracowaliście albo rozwijacie funkcję konwersacyjnych spostrzeżeń?

Lior Gerson: Wiele osób próbuje to rozwiązać. W GA4, podobnie jak w innych narzędziach analitycznych, problem polega na tym, że duże modele językowe są bardzo słabe w pracy z danymi.

Wydaje się, że stają się lepsze, ale jeśli prześlesz plik CSV i zapytasz: „Jaki jest mój współczynnik otwarć wiadomości e-mail?”, nie otrzymasz poprawnej odpowiedzi, chyba że dokładnie opiszesz każdą kolumnę i sposób interpretacji danych.

Uważamy, że rozwiązaliśmy ten problem. Nie dodaliśmy jeszcze tej funkcji do platformy, ale można zadawać pytania i otrzymywać wiarygodne informacje, które AI dodatkowo sprawdza, aby upewnić się, że nie halucynuje.

Myślę, że będzie to przełomowa funkcja, ponieważ ludzie będą chcieli przetwarzać i konsumować dane na wiele sposobów. Nie będzie to wyłącznie rozmowa ani wyłącznie pulpit nawigacyjny. Użytkownicy będą mieli różne potrzeby i różne sposoby interakcji z danymi.

To trochę jak w handlu detalicznym dziesięć lat temu, kiedy zastanawialiśmy się, czy inwestować w urządzenia mobilne. Wszyscy przeszli wtedy na podejście wielokanałowe. Myślę, że dane zmierzają w podobnym kierunku.

Galen Low: Podoba mi się, że uznajesz dane za coś odmiennego. Doświadczyłem tego nawet przy bardzo prostych danych, takich jak dane z kart czasu pracy wprowadzone do ChatGPT. Narzędzie zaczyna halucynować albo pobiera niewłaściwe informacje.

Nasze mózgi są przyzwyczajone do myślenia o danych tabelarycznych, a duże modele językowe niekoniecznie. Nie wystarczy więc wrzucić raportu do ChatGPT i oczekiwać dobrej analizy. Podoba mi się, że budujecie własną funkcję analityczną i że system sam się sprawdza.

Przed przekazaniem ważnej informacji o wynikach, wskaźnikach i wpływie następuje dodatkowy proces weryfikacji. System sprawdza, czy informacja jest poprawna, zanim ją przekaże.

Lior Gerson: Zaufanie jest najważniejsze. To ryzyko związane z serwerami MCP. Kiedy prosisz o dane z dowolnego systemu, nie wiesz, co AI z nimi zrobi ani jak dokładna będzie odpowiedź.

Nasz serwer MCP weryfikuje dane ze wszystkich systemów. Pobiera je, łączy i sprawdza, czy odpowiedź jest w stu procentach dokładna.

Galen Low: Wasz serwer MCP — serwer protokołu kontekstu modelu — jest kręgosłupem całego rozwiązania. Weryfikuje wszystkie napływające dane, a nie jest tylko kolejnym graczem na boisku.

To bardzo ciekawe. Chciałbym porozmawiać o przyszłości wskaźników. W kręgach, w których się poruszam, mam wrażenie, że wiele się wokół nich zmienia. Nie można już mieć statycznej tablicy wyników z typowymi KPI.

Jakie niekonwencjonalne wskaźniki widzisz na horyzoncie? Co może wyznaczać kierunek dla KPI przyszłości? Jak organizacje będą śledzić KPI za trzy, pięć albo dziesięć lat?

Lior Gerson: Na poziomie mikro zobaczysz znacznie więcej wskaźników związanych z AI. Już zaczynamy je obserwować: ilu agentów uruchamiam, jak skuteczni są, co robią dla biznesowych KPI.

Na poziomie biznesowym, ogólnym, mniej ważne będzie to, jak coś zostało zrobione. Jeśli śledzisz ARR, odpływ klientów albo czas realizacji, najważniejsze wskaźniki pozostaną takie same. To język twojego biznesu.

Zmieni się to, co dzieje się pod spodem. Jeśli musisz dostarczyć A, B i C, ale śledzisz prędkość albo jakość, to właśnie one stanowią drugi poziom tych wskaźników.

Jeśli zejdziesz jeszcze poziom niżej, zaczniesz pytać: z czego składa się moja prędkość? Z pracy programistycznej, zablokowanych elementów, rzeczy czekających na przegląd, zmian zakresu, które wymagały powrotu do wcześniejszego etapu.

Do tego dochodzą wszystkie AI wykonujące różne działania. Niektóre działają, inne nie. Musisz poświęcać czas i zasoby na ustalenie, dlaczego GPT-5 nie daje takich samych wyników jak wcześniej. To poziom szczegółów, który pokazuje, co naprawdę przesuwa wskazówkę za kulisami.

Galen Low: Podoba mi się takie warstwowe podejście. Jeśli model biznesowy się nie zmienia, niektóre najwyższe wskaźniki mogą pozostać bez większych zmian. Podoba mi się jednak, że pod nimi może zmieniać się bardzo wiele.

Jeśli celem jest zwiększenie liczby osób korzystających z AI w celu podejmowania lepszych decyzji, a to przybliża cię do celu, należy śledzić ten element na niższym poziomie.

Wspomniałeś też, że ludzie nie zawsze wiedzą, jak poprosić o to, czego potrzebują. Dotyczy to nie tylko danych, ale również formułowania poleceń. Jednym z nowych wskaźników może być indeks jakości poleceń — pomiar jakości promptów tworzonych przez ludzi.

Samo korzystanie z AI nie oznacza przecież większej efektywności. Można prowadzić niekończące się rozmowy z robotem i nadal figurować jako osoba używająca AI w pracy, ale niekoniecznie tworzyć wysokiej jakości polecenia.

Nie wiem, jak dokładnie należałoby to mierzyć, ale podoba mi się idea, że to, co warto mierzyć na niższych poziomach, może się bardzo zmienić. Na najwyższych poziomach wskaźniki sukcesu biznesowego, wzrostu i przychodów mogą pozostać podobne.

Za każdym razem, gdy zmieniasz wskaźnik, musisz jednak połączyć go ze źródłem danych, wyjaśnić ludziom jego znaczenie, a następnie wdrożyć regularne raportowanie i rozumienie jego wpływu. Czy to już teraz, a tym bardziej w przyszłości, oznacza duże obciążenie operacyjne?

Czy firmy powinny planować obecność osoby zajmującej się danymi przy każdym procesie? Kiedy pojawi się GPT-5 albo inne narzędzie, ktoś będzie musiał podłączyć nowy wskaźnik, aby organizacja mogła działać dalej.

Lior Gerson: Tak wygląda sytuacja dzisiaj i tak działa od lat. Każdy dział ma analityka albo zespół analityczny, który pilnuje, aby wskaźniki działały.

Nie chodzi nawet o niestandardowe wskaźniki. Wszyscy korzystają mniej więcej z tych samych. Duże firmy uwielbiają też przenosić się z jednej platformy na inną. Migracja z jednego systemu do drugiego, który robi to samo, tworzy za każdym razem ogromny projekt danych.

Trzeba zaktualizować wszystkie raporty. Powstaje wielki cykl zapewniający ludziom pracę. Jednym z celów TargetBoard jest pokazanie, że nie potrzebujesz tego wszystkiego. Możesz zmienić platformę, a raporty i wskaźniki pozostaną takie same.

Jeśli trzeba je zaktualizować, możesz automatycznie powiadomić wszystkich, którzy muszą wiedzieć o zmianie. System zrobi to sam.

Dzisiejszy świat jest zepsuty, ponieważ ludzie mają zbyt wiele systemów i zbyt dużo danych, z których nie potrafią korzystać. Narzędzia takie jak TargetBoard ułatwią używanie danych i dostęp do nich. Nie będzie potrzeba tylu pośredników, którzy często nie rozumieją biznesu.

Rozmawialiśmy z dyrektorem ds. strategii dużej firmy. Powiedział: „Mam w zespole stu specjalistów BI i analityków. Za każdym razem, gdy mam nowe pytanie, uzyskanie odpowiedzi zajmuje co najmniej sześć miesięcy”.

Infrastruktura istnieje, ale informacja musi przejść przez tak wiele osób, zanim zrozumieją, o co naprawdę pytasz. Tymczasem możemy dostarczyć odpowiedź od razu.

Galen Low: Widziałem to samo, szczególnie w usługach finansowych. Widziałem to także w obszarze doświadczeń klientów. Firmy próbują wykorzystywać dane gromadzone w wielu działach do tworzenia inteligentnej obsługi klienta.

Gromadzą ogromne ilości danych, ale nikt nie wie, czym one są, co z nimi zrobić ani jak przełożyć je na poprawę doświadczenia klienta. Dane po prostu istnieją. Ludzie obserwują tablicę wyników, rozczarowują się i ostatecznie zmieniają platformę.

Lior Gerson: Wraca to do twojego wcześniejszego pytania: co ludzie śledzą? Wiele osób śledzi koszty, w tym koszty chmury. Teraz śledzą również koszt problemów, czyli ile wydają i jak optymalizować prompty.

Mają mnóstwo danych, które po prostu leżą w firmach. Dane generują koszty przechowywania i śledzenia, ale nikt nie wie, dlaczego są gromadzone. Firmy stają się kolekcjonerami nieużywanych systemów.

Galen Low: Nauczono nas, że przechowywanie jest tanie. To tylko kilka liczb. Teraz już tak nie jest. Myślimy o koszcie pojedynczego promptu i połączenia, a także o przechowywaniu, ponieważ dane są bardziej złożone i gromadzimy je od dziesięcioleci.

Sam jestem trochę chomikiem i prawie niczego nie usuwam. Dziękuję chmurze za umożliwienie mi takiego działania. Z drugiej strony wiele z tych rzeczy nie jest do niczego wykorzystywanych. Pociesza mnie tylko świadomość, że tam są.

Lior Gerson: Może za dziesięć lat będą potrzebne.

Galen Low: Dokładnie. Chciałem zapytać o TargetBoard i pozycjonowanie jako narzędzia do zarządzania KPI wspomaganego przez AI. Omówiłeś już sugestie wskaźników generowane przez AI oraz podsumowania spostrzeżeń.

Czy jest jeszcze jakaś funkcja AI, o której chciałbyś opowiedzieć? Co skłoniło cię do postawienia na AI? Jest ona w nazwie, a przynajmniej w nazwie domeny, więc wyraźnie stanowi fundament rozwiązania. Z czego jesteś najbardziej dumny i dokąd widzisz jego rozwój?

Lior Gerson: To złożone pytanie. Jestem dumny z wielu rzeczy. Od samego początku potrafiliśmy wykorzystywać AI do wzbogacania doświadczenia, które budujemy.

Bycie firmą stawiającą na AI ma zalety i wady. Uważam jednak, że jesteśmy firmą, w której AI jest drugie, choć bardzo ważne dla wszystkiego, co robimy. Przy każdej funkcji pytamy: „Jak AI może ją ulepszyć?”. Nie pytamy: „Jak zrobić to za pomocą AI?”, lecz: „Dlaczego to budujemy i w jaki sposób AI sprawi, że będzie lepsze niż wcześniej?”.

Przykładowo mamy wszystkie twoje wskaźniki. Niezależnie od sposobu ich filtrowania możesz tworzyć powiadomienia, automatyzacje i alerty. Masz transakcję na drugim etapie lejka, przycisk w produkcji albo zgłoszenie do działu wsparcia dotyczące konkretnego klienta, a jednocześnie nie spełniasz umowy SLA.

Tworzysz alert i wysyłasz go tam, gdzie powinien trafić. Samo myślenie o alertach, które należy utworzyć, jest jednak uciążliwe. W tym tygodniu udostępniliśmy funkcję, dzięki której AI, gdy patrzysz na wskaźnik, sugeruje automatyzację, którą możesz utworzyć, aby go poprawić.

Mamy już rekomendacje i strategie poprawy wskaźników. Teraz AI rekomenduje automatyzację, którą można utworzyć jednym kliknięciem. Wcześniej było to znacznie trudniejsze, a teraz stało się dużo łatwiejsze. Poruszamy się szybciej niż kiedykolwiek wcześniej w jakiejkolwiek innej firmie.

Galen Low: To uczciwe, choć także niewiarygodne. Biorąc pod uwagę twoje doświadczenie, jest to dobre zastosowanie AI. W świecie danych naturalnie pojawia się kultura wykorzystywania AI, ponieważ korzystamy z uczenia maszynowego i ogromnych ilości danych.

W poprzednich rolach twoje narzędzia przetwarzały petabajty danych. Nie mamy nawet konkretnego modelu mentalnego, który pozwalałby nam wyobrazić sobie taką ilość. Potrzebna jest więc moc obliczeniowa.

Podoba mi się, że AI sugeruje, co zrobić dalej. Niezależnie od tego, czy sugestia jest trafna, uczysz się, co system uważa za właściwy kolejny krok. To może przełamać dyskomfort, wątpliwości, wahanie albo braki wiedzy.

Jeśli pojawia się mały alert mówiący: „Zajmujesz się tym wskaźnikiem — chcesz ustawić powiadomienie?”, to jest to bardzo pomocne. Klikasz, konfigurujesz powiadomienie i gotowe. W każdy wtorek otrzymujesz informację o wskaźniku albo wtedy, gdy wyjdzie poza dopuszczalny zakres.

Lior Gerson: To zupełnie inne podejście niż analityka danych sprzed trzech lat. W jednej z firm mieliśmy zespół analityków danych, który zajmował się optymalizacją finansowania samochodów. Za każdym razem, gdy pojawiał się wniosek kredytowy, system musiał zdecydować, do którego pożyczkodawcy go wysłać.

Zespół bez przerwy próbował zwiększać jednocyfrowy procent zatwierdzonych wniosków. To był projekt z zakresu analityki danych. Dziś przy każdej funkcji pytamy: „Jak mogę ją ulepszyć?”. Jeśli zrobisz to dobrze, możesz bardzo szybko uzyskać niesamowite rezultaty.

Galen Low: Podoba mi się, jak szybko wszystko się zmienia. Dla zabawy: czy masz pytanie, które chciałbyś mi zadać?

Lior Gerson: Jakie najbardziej wpływowe trendy obserwujesz obecnie w zarządzaniu projektami?

Galen Low: Najważniejszy jest właściwie ten, od którego zacząłem: kierownicy projektów nie są już tylko osobami od żelaznego trójkąta, próbującymi dostarczyć projekt na czas, w ramach budżetu i zakresu.

Pojawia się przekonanie, że możemy być bardziej strategiczni, ale musimy wiedzieć więcej i robić więcej. Już wcześniej robiliśmy dużo. Teraz musimy być strategami, a właściwie strategami realizacji.

Musimy lepiej rozumieć biznes. Pojawia się też trudne pytanie: w pewnym sensie odpowiadam za wpływ, ale nie zawsze uczestniczę w jego mierzeniu. Często prowadzimy projekt, następnie przechodzimy do kolejnego, projekt zostaje uruchomiony, a my odchodzimy w stronę zachodzącego słońca.

Obecnie następuje duża zmiana sposobu myślenia. Jesteśmy specjalistami ds. dostarczania wartości. Mamy tworzyć wartość, nawet jeśli plan był błędny i trzeba było go zmienić, zakres był niewłaściwy albo trzeba było radzić sobie z osobowościami w salach zarządu i zespołach programistycznych.

To dużo bardziej strategiczny obszar. Nadal próbujemy go zrozumieć, ale dobrze łączy się on z wdrażaniem AI. Obecnie pomaga nam ona zwiększać efektywność, skracać przepływy pracy i przyspieszać działania, a przede wszystkim uwalniać nas od zadań, w których grzęźliśmy.

Wielu kierowników projektów mówi: „Jestem zbyt zajęty, aby być strategicznym partnerem dla interesariuszy”. Teraz pojawia się pytanie: co zrobisz z odzyskanym czasem? Jak nauczysz się umiejętności potrzebnych do bycia liderem strategicznym w dostarczaniu wartości?

W idealnym świecie więcej czasu poświęcalibyśmy na pytanie, czy robimy właściwą rzecz, aby osiągnąć misję i wywołać wpływ. To dokładnie łączy się z tym, od czego zacząłeś: skąd wiemy, że mierzymy właściwą rzecz?

Mierzysz właściwą rzecz, jeśli pomaga ci posuwać się naprzód. To interesujący aspekt zarządzania projektami i przywództwa projektowego.

Lior Gerson: Bardzo ciekawe. Zadám ci jeszcze jedno pytanie. Rozmawialiśmy o AI i o tym, jak może pomagać kierownikom projektów automatyzować działania i zwiększać efektywność.

Czy uważasz, że nadejdzie etap, w którym agent AI stanie się kierownikiem projektu albo całkowicie go zastąpi?

Galen Low: Myślę, że przy niektórych definicjach pracy kierownika projektu — tak. Istnieje przekonanie, że kierownicy projektów są tylko administratorami: robią notatki, sporządzają protokoły spotkań, śledzą zadania i porównują szacunki z rzeczywistym czasem.

To AI prawdopodobnie zastąpi bardzo łatwo. Nie zastąpi natomiast ludzkiego podejmowania decyzji między ludźmi. Przez pewien czas duże decyzje, takie jak zmiana platformy albo ryzyko związane z wdrożeniem, będą podejmowane w rozmowach między ludźmi.

Dlatego podoba mi się funkcja opowiadania historii na podstawie danych. Nie chodzi o to, że dyrektor klika znak zapytania i otrzymuje automatyczne wyjaśnienie wskaźnika. Wyposażasz osobę odpowiedzialną za wskaźnik w możliwość opowiedzenia jego historii.

To właśnie warstwa podejmowania decyzji w projektach i biznesie pozostanie, moim zdaniem, ludzka: przedstawianie argumentów, dyskusje, przekonywanie się nawzajem, podejmowanie dobrych decyzji i myślenie nieszablonowe.

Te innowacyjne pomysły powstają dzięki interakcji między ludźmi. AI również może tworzyć pomysły, o których użytkownicy wcześniej nie myśleli, ale zasadniczo nadal traktujemy ją jako pomocnika, a nie kogoś, kto podejmie za nas decyzję.

Lior Gerson: Zgadzam się. To również odróżnia dobrego kierownika projektu od złego. Nie można powiedzieć: „Nie stać nas na kierownika projektu, więc ty będziesz zarządzać tym projektem dodatkowo”. To nie działa, ponieważ jest to zawód i nie można wykonywać go przy okazji.

Galen Low: Podoba mi się ten pogląd. AI może nie zastąpić wszystkich kierowników projektów, ale prawdopodobnie zastąpi tych złych.

Lior Gerson: Dotyczy to wszystkiego.

Galen Low: Lior, bardzo dziękuję za poświęcony czas. Świetnie się bawiłem i uwielbiam nasze rozmowy o szczegółach.

Zanim skończymy, gdzie można dowiedzieć się więcej o tobie?

Lior Gerson: Na LinkedInie. Odpowiadam prawie każdej osobie, która się ze mną kontaktuje. Chętnie porozmawiam z każdym.

Galen Low: Wspaniale. Podziwiam cię. Moja skrzynka na LinkedInie jest kompletnie nieuporządkowana. Jeszcze raz dziękuję.

Lior Gerson: Do zobaczenia, Galen. To była przyjemność.

Galen Low: To wszystko w dzisiejszym odcinku podcastu The Digital Project Manager. Jeśli podobała ci się ta rozmowa, zasubskrybuj podcast w wybranej aplikacji. Jeśli chcesz uzyskać jeszcze więcej praktycznych wskazówek, studiów przypadków i gotowych materiałów, odwiedź stronę thedigitalprojectmanager.com.

Do usłyszenia następnym razem. Dziękuję za uwagę.