Jak przeprowadzić organizacyjną transformację z wykorzystaniem sztucznej inteligencji w złożonym przedsiębiorstwie

Galen Low: Czy warto podejmować wysiłek, aby przełamywać silosy i ujednolicać podejście do sztucznej inteligencji w ogromnej organizacji? Czy to w ogóle możliwe?

Deborah Ketai: Jeśli pominą ten etap, poniosą ogromne koszty w postaci długu — długu technicznego i luki w wiedzy — co sprawi, że przyszłe projekty będą droższe i trudniejsze.

Galen Low: Wspomniałaś, że nie chodziło wyłącznie o generatywną sztuczną inteligencję. W rzeczywistości była to raczej fundamentalna zmiana.

Deborah Ketai: Miałyśmy trzy główne cele — rozwój talentów, mobilność i utrzymanie pracowników — aby zachęcić zespoły zajmujące się sztuczną inteligencją do współpracy i uniknąć ponownego wynajdywania koła. Trzecim celem była zmiana kulturowa, czyli zachęcanie liderów biznesowych do rozważania rozwiązań opartych na sztucznej inteligencji w odpowiedzi na wyzwania biznesowe.

Galen Low: Niektóre osoby proszone są o pełnienie podwójnej roli. Czy każdy projekt wymaga zarządzania zmianą?

Deborah Ketai: Nie każdy projekt wymaga zarządzania zmianą. Zestawy umiejętności są różne, ale częściowo się pokrywają. Kierownicy programów muszą zbliżyć się do miejsca, w którym kształtowana jest strategia, aby w sposób przejrzysty informować kierownictwo o możliwych rozbieżnościach.

Galen Low: Witajcie w podcaście „The Digital Project Manager” — programie, który pomaga liderom odpowiedzialnym za realizację pracować mądrzej, dostarczać szybciej i lepiej przewodzić w erze sztucznej inteligencji. Jestem Galen i co tydzień omawiamy rzeczywiste strategie, nowe narzędzia, sprawdzone modele oraz od czasu do czasu 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.

Dzisiaj zaglądamy za kulisy tego, jak kierowniczka programu i jej zespół stworzyli społeczność praktyków w ogromnym przedsiębiorstwie z sektora ochrony zdrowia. Społeczność ta pomogła usunąć silosy i ujednolicić podejście do sztucznej inteligencji w całej organizacji.

Moją dzisiejszą gościnią jest właśnie ta kierowniczka programu — Deborah Ketai. Deborah jest certyfikowaną menedżerką zmiany organizacyjnej i kierowniczką programów, ostatnio pracującą dla ogromnej amerykańskiej grupy z sektora ochrony zdrowia, gdzie budowała aktywne społeczności skupione wokół sztucznej inteligencji, różnorodności, równości i inkluzji oraz kontroli transmisji danych. Deborah aktywnie rozwijała również społeczność zarządzania projektami jako członkini zarządu i liderka portfela programów w regionalnym oddziale PMI.

W tym odcinku omówimy, jak wyglądała codzienna praca Deborah jako kierowniczki programu prowadzącej dużą inicjatywę zmiany organizacyjnej związanej ze sztuczną inteligencją, czy zmiany organizacyjne dotyczące sztucznej inteligencji i uczenia maszynowego należy traktować inaczej, czego zespoły dowolnej wielkości mogą nauczyć się z działań przedsiębiorstw przechodzących ogromne transformacje związane ze sztuczną inteligencją oraz czy rola kierownika projektu lub programu będzie ewoluować w kierunku obejmującym zarządzanie zmianą i co może to oznaczać dla zestawu umiejętności kierowników projektów.

Deborah, bardzo dziękuję, że jesteś dziś z nami.

Deborah Ketai: Dziękuję za zaproszenie, Galen.

Galen Low: Bardzo cieszę się na tę rozmowę, ponieważ byłaś głęboko zaangażowana jako liderka programu i menedżerka zmiany w ogromnym przedsiębiorstwie z sektora ochrony zdrowia, właśnie wtedy, gdy sztuczna inteligencja zaczynała odgrywać coraz większą rolę.

W naszych rozmowach poprzedzających ten odcinek wspominałaś o przełamywaniu silosów między działami i grupami interesariuszy, prowadzeniu szkoleń i hackathonów, odpowiadaniu na obawy związane z ryzykiem i zgodnością oraz o tym, aby praktycy sztucznej inteligencji — a być może także osoby, które dopiero chciały nimi zostać — mieli wspólne rozumienie sytuacji.

Pomyślałem więc, że zacznę od pytania, na które moi słuchacze prawdopodobnie chcą znać odpowiedź. Czy warto wkładać wysiłek i energię w przełamywanie silosów oraz ujednolicanie podejścia do sztucznej inteligencji w ogromnym przedsiębiorstwie? Czy to w ogóle możliwe? Co by się stało, gdyby organizacja, w której pracowałaś, całkowicie pominęła ten etap?

Deborah Ketai: To naprawdę dobre pytanie, Galen, i cieszę się, że je zadałeś. Uważam, że uzgodnienie wspólnego podejścia będzie kluczowe, a przełamywanie silosów będzie jego istotnym elementem. Po pierwsze, firmy będą musiały ustanowić zasady zarządzania danymi i sztuczną inteligencją. Będą musiały uzgodnić zasoby i oczekiwania dotyczące tworzenia lub kupowania narzędzi opartych na sztucznej inteligencji.

Jeśli chcą mieć kulturę, w której sztuczna inteligencja jest priorytetem — a będą musiały ją mieć, jeśli ich konkurenci również ją wdrażają — powinny zastanowić się, co oznacza to dla pracowników teraz i w przyszłości. W absolutnym minimum muszą przełamać silosy, aby ograniczyć ryzyko incydentów związanych z cyberbezpieczeństwem.

Jeśli pominą przełamywanie silosów, poniosą również koszty różnego rodzaju długu: technicznego, związanego z wiedzą i innych. To sprawi, że przyszłe projekty będą droższe i trudniejsze. Widzę trzy obszary, w których przełamywałam silosy. Właściwie wszystkie już wymieniłeś.

Sztuczna inteligencja, kontrole operacyjne systemów oraz zaangażowanie społeczności — jako liderka drugiej co do wielkości grupy zasobów pracowniczych w United Health Group. Do pewnego stopnia przełamywałam silosy również poprzez program mentorski, po fuzjach i przejęciach. Uważam więc, że istnieje wiele różnych etapów i umiejętności związanych z przełamywaniem silosów, na których kierownicy projektów i menedżerowie zmiany powinni się koncentrować.

Jednym z nich jest budowanie empatii między różnymi grupami poprzez wzajemne poznawanie się. Szkolenia międzyfunkcyjne, obserwowanie pracy innych osób, mentoring i coaching. Kierownictwo musi stworzyć wizję, uzyskać dla niej poparcie i pokazać, jak będzie wyglądała rzeczywistość oraz jakie korzyści przyniesie przełamanie silosów. Należy również tworzyć i wzmacniać punkty styku, procesy oraz kanały komunikacji, które łączą silosy.

Trzeba też eliminować przeszkody utrudniające ludziom współpracę, takie jak różne źródła danych — to jeden z największych problemów.

Galen Low: Podoba mi się w twojej odpowiedzi to, że początkowo myślałem o przełamywaniu silosów jako o pomaganiu różnym grupom w całym przedsiębiorstwie zrozumieć się nawzajem.

Podoba mi się jednak ujęcie tego jako problemu wszystkich. To wysiłek zespołowy. Nie chodzi wyłącznie o to, abyśmy się rozumieli i dobrze ze sobą współpracowali. Kiedy mówimy o zarządzaniu danymi, zgodności i bezpieczeństwie, każdy jest w pewnym stopniu odpowiedzialny za swój obszar i wszyscy muszą działać według wspólnych zasad.

Wpływ lub rezultat takiego uzgodnienia musi być także zrozumiany i zaakceptowany na poziomie kierownictwa. Nie chodzi tylko o niejasną zmianę kulturową, o której ciągle mówimy, szczególnie w kontekście sztucznej inteligencji. Chodzi również o ryzyko i o zwrot z inwestycji wynikający ze współpracy i jedności.

Deborah Ketai: To może być jednocześnie nieuchwytne i bardzo konkretne.

Galen Low: Podoba mi się to. Nieuchwytne i konkretne, a do tego komponent technologiczny.

Deborah Ketai: Ona jest swego rodzaju konkretem, więc to również mamy.

Galen Low: Uwielbiam to. Chciałbym nieco poszerzyć perspektywę. Wspomniałaś o swojej wcześniejszej roli w dużej amerykańskiej grupie z sektora ochrony zdrowia. Odpowiadałaś za prowadzenie programów i inicjatyw zarządzania zmianą dotyczących wielu tematów, a ostatnio przede wszystkim sztucznej inteligencji i uczenia maszynowego.

Jak wyglądała twoja codzienna praca w tej roli i jakich rezultatów od ciebie oczekiwano?

Deborah Ketai: Jak to często bywa w zarządzaniu zmianą, największy wysiłek stanowiło prawdopodobnie przygotowanie: określenie celów, wskaźników sukcesu, osób zaangażowanych i innych elementów. Miałyśmy trzy główne cele — talenty, mobilność i utrzymanie pracowników w obszarze sztucznej inteligencji. To była ogromna firma z listy Fortune 5. Sztuczna inteligencja rozwijała się w wielu odizolowanych miejscach. Chcę podkreślić, że w tym kontekście nie chodziło wyłącznie o generatywną sztuczną inteligencję, lecz także o analitykę predykcyjną, urządzenia ubieralne, czujniki i internet rzeczy.

Drugim celem programu było zachęcenie tych obszarów sztucznej inteligencji do współpracy, aby nie wynajdywały ponownie koła. Trzecim była zmiana kulturowa, czyli zachęcanie liderów biznesowych do rozważania rozwiązań opartych na sztucznej inteligencji w odpowiedzi na wyzwania biznesowe. Na początku dużo czasu poświęciłam identyfikowaniu i segmentowaniu grup interesariuszy.

Współpracowałam ze specjalistą do spraw raportowania i analityki sztucznej inteligencji, aby określić ich potrzeby i dowiedzieć się, jak najlepiej do nich dotrzeć. Pozostała część programu polegała głównie na tworzeniu możliwości nauki, dzielenia się wiedzą i budowania społeczności, dostosowanych do różnych zidentyfikowanych segmentów.

Projekty w ramach programu obejmowały trzy obszary: wydarzenia, takie jak wewnętrzna konferencja i hackathony; treści, w tym podcasty, artykuły i prezentacje; oraz społeczność, czyli wewnętrzne media społecznościowe i wymianę wiedzy. Czwartym elementem było zarządzanie ryzykiem — doradzanie komitetowi zarządzającemu w kwestiach zarządzania, zgodności i bezpieczeństwa.

Galen Low: To ogromny program. Często rozmawiamy w naszej społeczności o otrzymaniu dyrektywy i konieczności jej realizacji, ale ty zaczynałaś znacznie wcześniej. Co więcej, interesujący był również horyzont czasowy. Nie chodziło wyłącznie o generatywną sztuczną inteligencję. Była ona wtedy stosunkowo nowa w świecie biznesu, jeśli chodzi o codzienne zastosowania, ale twoja praca dotyczyła bardziej fundamentalnej zmiany — przewidywania większych i bardziej szczegółowych zmian w przyszłości.

Deborah Ketai: Tak. Bardzo często liderzy biznesowi po prostu nie brali pod uwagę sztucznej inteligencji jako potencjalnego rozwiązania problemów. Mogły to być oszustwa w ochronie zdrowia, obrazowanie diagnostyczne albo wiele innych obszarów. Nie myśleli o tym.

Drugim etapem było połączenie ich z osobami, które miały wystarczającą wiedzę, aby wyjaśnić im podstawowe koncepcje sztucznej inteligencji: czy dane rozwiązanie już istnieje, czy może powstać w najbliższej przyszłości, jakie wiążą się z nim ryzyka i koszty oraz jaki może być potencjalny zwrot.

Następnie trzeba było porównać te rozwiązania, ponieważ sztuczna inteligencja nigdy nie będzie uniwersalnym kluczem do każdego problemu. Nadal trzeba było rozważać rozwiązania niezwiązane ze sztuczną inteligencją.

Galen Low: To pokazuje znaczenie talentów. Wspomniałaś o tym jako o pierwszym celu. Zastosowałaś analityczne podejście do identyfikowania talentów i grup interesariuszy w całym przedsiębiorstwie, aby zrozumieć, z jakimi grupami pracujesz, jakie mają umiejętności i jakich umiejętności potrzebują.

Deborah Ketai: Przyznam, że wskaźniki były dla mnie najtrudniejszym elementem programu. Część danych, które chciałyśmy śledzić, po prostu nie była rejestrowana w systemach kadrowych ani innych systemach. Nie można było na przykład śledzić mobilności zawodowej w systemie kadrowym. Ponieważ firma rozwijała się głównie poprzez fuzje i przejęcia, pozostałości dawnych systemów kadrowych sprawiały, że ten sam rodzaj stanowiska miał często piętnaście różnych nazw lub kodów w całej organizacji.

Musieliśmy więc często korzystać z prostych wskaźników zastępczych, choć nie były to rozwiązania odpowiednie na dłuższą metę. Mogliśmy mierzyć zaangażowanie w treści, stosując analitykę internetową w mediach społecznościowych, na stronie internetowej i w mikrowitrynach. Rejestrowaliśmy również frekwencję na konferencjach.

Zależało nam także na różnorodności społeczności praktyków sztucznej inteligencji. Podczas zapraszania prelegentów na trzydniową konferencję z czterema ścieżkami tematycznymi analizowaliśmy płeć, lokalizację geograficzną, wiek i inne wskaźniki różnorodności. Część danych była jednak niepełna, a część myląca.

Galen Low: Podoba mi się podejście polegające na wykorzystaniu tego, co mamy, aby ocenić postępy. W mniejszej organizacji możemy znać osoby, które mają określone umiejętności i mogą poprowadzić spotkanie edukacyjne. W przedsiębiorstwie zatrudniającym setki tysięcy osób jest to raczej model masowy. Trzeba analizować dane zbiorczo, podobnie jak przy organizacji konferencji lub prowadzeniu platformy społecznościowej.

Nie warto koncentrować się na danych, których nie mamy, lecz trzeba twórczo wykorzystać dostępne sygnały. Przy takiej skali być może sztuczna inteligencja pomoże stworzyć kolejną generację identyfikacji interesariuszy.

Deborah Ketai: Z drugiej strony przy zmianie związanej z technologią mamy dostęp do różnego rodzaju statystyk użytkowania i analiz. Możemy sprawdzić, kto korzysta na przykład z platformy Hugging Face.

Galen Low: Czy Hugging Face to narzędzie?

Deborah Ketai: Hugging Face udostępnia niewielkie środowiska do tworzenia własnych modeli generatywnej sztucznej inteligencji.

Galen Low: Rozumiem. Pomyślałem od razu o serii filmów Ridleya Scotta o Obcym — o stworzeniach, które skaczą ludziom na twarz. Pomyślałem, że chyba nie o to ci chodzi.

Deborah Ketai: Być może właśnie to wyobrażali sobie założyciele.

Galen Low: Dokładnie. Może stwórzmy coś, co wyskakuje z ekranu i wysysa dane z mózgu. Mam wrażenie, że bardzo zależy ci na zarządzaniu zmianą, nie tylko w kontekście sztucznej inteligencji. Pracowałaś nad inicjatywami dotyczącymi różnorodności, równości i inkluzji oraz nad innymi inicjatywami związanymi z danymi. Czy zarządzanie zmianą w obszarze sztucznej inteligencji wymaga innego podejścia, czy stosuje się tę samą metodę co przy innych zmianach organizacyjnych?

Deborah Ketai: Są pewne różnice. Wszystko, co dotyczy sztucznej inteligencji i uczenia maszynowego, będzie przyspieszać. Krzywa uczenia się ma charakter wykładniczy. Osoby zarządzające inicjatywami, projektami lub programami zmian w obszarze sztucznej inteligencji muszą rozumieć podstawy procesów związanych z danymi, infrastrukturą i zgodnością z celami strategicznymi.

W zarządzaniu zmianą zawsze potrzebne jest poparcie najwyższego kierownictwa. Potrzebne jest również poparcie menedżerów średniego szczebla, ponieważ muszą oni wyjaśnić pracownikom, jakie korzyści odniosą. Trzeba też stworzyć mechanizmy umożliwiające pracownikom pierwszej linii przekazywanie pomysłów i opinii kierownictwu.

Istnieje również opór wobec sztucznej inteligencji jako koncepcji. Ludzie pytają, czy ich praca jest bezpieczna. Brakuje zrozumienia i przejrzystości zarówno w zakresie wykorzystania sztucznej inteligencji w firmie, jak i sposobu działania samych narzędzi.

Jest wiele obaw i zagrożeń, dlatego uważam, że w zarządzaniu zmianą istnieje odrębny obszar dla osób pracujących nad inicjatywami zmian związanych ze sztuczną inteligencją. Podstawowe zasady zarządzania zmianą pozostają jednak takie same.

Galen Low: To ma sens. Najbardziej uderza tempo zmian. Nie chodzi o pojedynczą zmianę, którą zespół zarządzania zmianą obsługuje, a potem odchodzi. Mówimy o ciągłej zmianie, która odbywa się na niestabilnym gruncie i jest wzmacniana przez obawy dotyczące bezpieczeństwa pracy, technologii oraz podejmowania decyzji przez czarną skrzynkę.

Deborah Ketai: Nawet w ramach pojedynczych działań związanych ze sztuczną inteligencją zachodzi ciągła zmiana. Dane zmieniają się z czasem. Kierownik projektu, menedżer zmiany albo obie te osoby muszą uwzględniać wiele czynników wynikających z naukowych podstaw technologii. Fundamenty zarządzania projektami i zmianą pozostają jednak takie same.

Galen Low: Ramy pozostają takie same, ale ich zawartość będzie różna. Zawsze pojawią się niuanse i komplikacje zależne od rodzaju zmiany.

Deborah Ketai: Jedną z komplikacji, które dopiero zaczynamy dostrzegać, jest fakt, że sztuczna inteligencja sama staje się interesariuszem. Ma własne cele i sposoby działania, a czasami zachowuje się inaczej lub przeciwnie do naszych oczekiwań.

Galen Low: To interesujące. Rozmawiamy w społeczności o dodawaniu narzędzi sztucznej inteligencji do planu komunikacji projektu, ponieważ stają się one źródłem prawdy lub informacji. Trzeba przekazywać im aktualizacje, przesyłać protokoły spotkań i dbać o aktualność danych.

Deborah Ketai: Myślę o tym podobnie jak o wierze w Boga. Nie trzeba wierzyć w Boga ani w ogólną sztuczną inteligencję, aby rozpoznać, że sztuczna inteligencja zachowuje się czasem tak, jakby miała osobowość lub własny projekt. Trzeba to uwzględnić, ograniczać, kierować tym i zarządzać ryzykiem, aby nie zostać zaskoczonym przez wydarzenia, nad którymi nie mamy kontroli.

Galen Low: Powinniśmy zrobić koszulki z napisem: „Sztuczna inteligencja działa w tajemniczy sposób”. W twojej społeczności i w mojej są osoby proszone o pełnienie podwójnej roli — kierownika projektu i menedżera zmiany. Czy każdy projekt wymaga zarządzania zmianą? Czy każdy kierownik projektu powinien ją rozumieć?

Deborah Ketai: Nie każdy projekt wymaga zarządzania zmianą. Zasadniczo potrzebują go projekty złożone, w których istnieje ryzyko niezrealizowania korzyści, jeśli ludzie nie przyjmą rozwiązania po jego wdrożeniu. Nie uważam, że rozsądne jest oczekiwanie, aby kierownicy projektów byli jednocześnie menedżerami zmiany, choć w wielu organizacjach staje się to normą.

Zestawy umiejętności są różne, ale częściowo się pokrywają. Powodem, dla którego warto rozdzielać te role, są przede wszystkim ramy czasowe. Kierownicy projektów tradycyjnie nie mają możliwości kontynuowania pracy po wdrożeniu i upewnienia się, że zmiana zostanie utrzymana.

Jeśli biuro zarządzania projektami, dział operacyjny lub inna jednostka odpowiedzialna za proces zarządzania projektami nie jest gotowa uznać i sfinansować zdolności kierowników projektów do zapewnienia trwałości zmiany, nie ma sensu, aby zajmowali się oni zarządzaniem zmianą. Powinni jednak rozumieć wzajemne role.

Z czasem coraz częściej będziemy korzystać ze zintegrowanych planów zarządzania projektem i zmianą. Kierownik projektu zainteresowany zarządzaniem zmianą powinien rozumieć, że skuteczna zmiana musi pochodzić z góry, z dołu i ze środka hierarchii organizacyjnej. Może być konieczne pełnienie roli lidera komunikacji, współpraca z działem szkoleń i rozwoju albo przeprojektowanie procesów.

Kierownicy projektów i organizacje zarządzania projektami muszą także poświęcać dużo czasu i wysiłku na początku, wykonując oceny interesariuszy, wpływu i gotowości. Bez nich zmiana nie będzie skuteczna albo początkowo się powiedzie, a następnie organizacja powróci do wcześniejszych sposobów działania.

Galen Low: Podoba mi się ten aspekt czasowy. Projekt może stworzyć fundament i uruchomić kolejne projekty, ale po wdrożeniu istnieje okres dłuższy niż sam projekt, w którym mierzy się trwałość zmiany.

Deborah Ketai: W podejściu zwinnym jednym z podstawowych założeń były dedykowane zespoły. To jedna z pierwszych rzeczy, które odchodziły na dalszy plan podczas wdrażania zwinności w dużych organizacjach. Tymczasem ktoś musi być odpowiedzialny za dalsze działania. Może to być część zespołu albo zespół działający ponad poszczególnymi projektami i komunikujący się z zespołami, które powstają i znikają. Ktoś musi się tym zajmować.

Galen Low: Wcześniej określiłaś to jako inwestycję. Kierownictwo musi być gotowe zainwestować w osobę lub zespół odpowiedzialny za nadzorowanie zmiany.

Jak twoim zdaniem rola kierownika programu zmieni się w ciągu najbliższych trzech do pięciu lat? Na jakich umiejętnościach kierownicy projektów powinni koncentrować się już dziś?

Deborah Ketai: Kierownik programu zarządza zbiorem powiązanych projektów. Program może mieć określoną datę rozpoczęcia i zakończenia, ale nie musi — może być działaniem ciągłym. Uważam, że kierownicy programów muszą zbliżyć się do miejsca, w którym powstaje strategia, i mieć możliwość wpływania na nią.

Muszą skłaniać kierownictwo wyższego szczebla do wyjaśniania priorytetów i celów oraz otwarcie wskazywać możliwe rozbieżności i sytuacje, w których inwestycje prawdopodobnie nie przyniosą odpowiedniego zwrotu. Nie każda inwestycja przyniesie dziesięciokrotny zwrot w następnym roku fiskalnym, ale może być ważna w dłuższej perspektywie.

Kierownicy programów będą musieli również bardziej koncentrować się na ryzyku przedsiębiorstwa, rozumianym zarówno jako zagrożenia, jak i szanse.

Galen Low: Podoba mi się, że uwzględniłaś pozytywne ryzyko, czyli szanse. Czy kierownictwo chce, aby kierownicy programów uczestniczyli w strategicznych rozmowach, czy muszą walczyć o zaproszenie?

Deborah Ketai: Użyję klasycznej odpowiedzi kierownika projektu: to zależy. Zależy od lidera i kultury organizacyjnej. Często musimy być proaktywni. Nie możemy zakładać, że jeśli nie zaproszono nas wystarczająco wcześnie, to znaczy, że nas tam nie chcą. Czasem po prostu nikt o tym nie pomyślał.

W ciągu najbliższych trzech, pięciu i dziesięciu lat budowanie relacji będzie coraz ważniejszą funkcją kierowników projektów i programów. Będą musieli zbliżyć się do źródła władzy i wizji. Najskuteczniejsi kierownicy będą zacierać granice między biznesem a działem IT.

Osoby z doświadczeniem informatycznym będą musiały nauczyć się, co napędza ich biznes i branżę. Osoby z doświadczeniem biznesowym będą musiały zrozumieć, co umożliwia różnym obszarom firmy współdzielenie danych i informacji. Ta granica będzie się z czasem zacierać.

Galen Low: Podoba mi się pragmatyczne podejście. Nie trzeba z dnia na dzień stać się strategicznym liderem. Trzeba zacząć budować te umiejętności i relacje już dziś, sygnalizować ryzyka i pokazywać, że rozumie się biznes lub technologię.

Deborah Ketai: Pomyśl o własnym życiu jako kierownika projektu. Wiesz, że istnieją osoby, które nie są zapraszane odpowiednio wcześnie — zespół testowy, osoby odpowiedzialne za zgodność i bezpieczeństwo. Wszyscy mamy problem z dołączaniem do rozmowy zbyt późno.

Jeśli potrzebujesz sposobu, aby wejść do tego świata, możesz poprosić o zaproszenie na spotkania i obiecać, że będziesz tylko obserwatorem. Możesz też odbywać spotkania z przełożonymi z pominięciem bezpośredniego szczebla, aby stopniowo przekazywać swoje pomysły i obawy wyżej.

Galen Low: To zatacza koło i wraca do kwestii gromadzenia właściwych perspektyw i talentów w jednym miejscu, wymiany wiedzy, szkoleń międzyfunkcyjnych i budowania społeczności. Jeśli potrafimy patrzeć z perspektywy innych, tworzymy spójność i zdolność do wspólnego działania w obliczu zmian i wyzwań.

Deborah Ketai: Zgadzam się.

Galen Low: Deborah, bardzo dziękuję za tę rozmowę. Na koniec, dla zabawy: czy masz pytanie, które chciałabyś mi zadać?

Deborah Ketai: Mam. Nie wiem, czy będziesz chciał na nie odpowiedzieć, ale co chciałbyś zrobić z pomocą sztucznej inteligencji, lecz obawiasz się tego albo nie wiesz, jak to zrobić?

Galen Low: Lista jest długa. Jestem bardzo zadowolony z tego, jak wiele moich narzędzi generatywnej sztucznej inteligencji działa jako partner do myślenia. Nie pozwoliłem im jednak jeszcze działać autonomicznie. Chciałbym mieć koordynatora projektu lub asystenta, który otrzymałby ogólne polecenie, samodzielnie podjął część decyzji i wykonał zadania w różnych narzędziach.

Wiele obecnych przepływów pracy opartych na agentach przypomina raczej inteligentną automatyzację niż rzeczywiste podejmowanie działań. Marzy mi się wszechstronny asystent, częściowo autonomiczny, a częściowo sterowany poleceniami, który mógłby oszczędzić mi czas.

Deborah Ketai: Mnie powstrzymuje przede wszystkim brak zaufania do tego, dokąd trafią moje dane.

Galen Low: Znowu czarna skrzynka. To jeden z powodów, dla których ludzie się wahają. Problemem nie zawsze jest technologia lub jej zrozumienie, ale także zaufanie, przejrzystość zarządzania danymi i zgodności oraz pytanie, co wolno nam robić i czy bezpiecznie jest łączyć różne narzędzia.

Deborah Ketai: Niedawno uczestniczyłam w regionalnej konferencji liderów PMI. Jedna z sesji dotyczyła sztucznej inteligencji i zarządzania projektami. Pojawiło się pytanie, czy etyczne jest wykorzystywanie sztucznej inteligencji do przygotowywania wiadomości wysyłanych masowo przez oddziały PMI.

Galen Low: Interesujące.

Deborah Ketai: Wniosek był taki, że nie jest to etyczne, jeśli oznacza ujawnienie danych członków.

Galen Low: Czyli bez całkowicie wewnętrznego narzędzia odpowiedź brzmi: nie.

Deborah Ketai: Dokładnie.

Galen Low: Ciekawe, jak wszystko wraca do zabezpieczeń, których sami jako ludzie nie zawsze w pełni rozumiemy. Potrzebujemy zaufania do sposobu, w jaki tworzymy i wdrażamy te zabezpieczenia. Chętnie wrócę do tego tematu.

Deborah, dziękuję za poświęcony czas. Świetnie się bawiłem. Gdzie słuchacze mogą dowiedzieć się więcej na twój temat?

Deborah Ketai: Zdecydowanie warto nawiązać ze mną kontakt na LinkedIn. Jestem tam jedyną Deborah Ketai. Jeśli możesz dodać notatkę, wspomnij o podcaście DPM.

Galen Low: Świetnie. Dodam link do twojego profilu na LinkedIn. Cieszę się, że jesteś jedyną Deborah Ketai. Ja jestem jednym z dwóch Galenów Lowów na LinkedIn, więc trochę ci zazdroszczę. Dodam link w notatkach do odcinka.

Deborah, jeszcze raz dziękuję.

Deborah Ketai: Bardzo dziękuję, Galen.

Galen Low: To wszystko w dzisiejszym odcinku podcastu „The Digital Project Manager”. Jeśli podobała ci się ta rozmowa, zasubskrybuj podcast w miejscu, w którym go słuchasz. Jeśli chcesz poznać jeszcze więcej praktycznych wskazówek, studiów przypadku i podręczników działania, odwiedź stronę thedigitalprojectmanager.com. Do usłyszenia następnym razem i dziękuję za uwagę.