Dyrektor ds. zarządzania programami technologicznymi mówi, że sztuczna inteligencja bez wystarczającego kontekstu może prowadzić do niebezpiecznych decyzji
Dowiedz się, jak liderka programu technologicznego wykorzystuje sztuczną inteligencję do ograniczania nakładów pracy związanych z raportowaniem, wykrywania ryzyk w realizacji oraz pomagania zespołom w skupieniu się na decyzjach zamiast na administracji.
Anika Banakh
Dyrektorka ds. zarządzania programami technologicznymi w ACV Auctions
Przywództwo skoncentrowane na człowieku: Anika podkreśla, że skuteczne wdrażanie sztucznej inteligencji zaczyna się od wzmacniania zespołów, a nie tylko od technologii.
Wzrost wydajności: Narzędzia sztucznej inteligencji usprawniły powtarzalne zadania, zwiększając efektywność raportowania i widoczność realizacji prac w całych zespołach.
Zapobieganie nadmiernemu poleganiu na technologii: Interwencja człowieka jest niezbędna do prawidłowej interpretacji wyników generowanych przez sztuczną inteligencję i zachowania kontekstu biznesowego.
Upraszczanie przepływów pracy: Nadmierne projektowanie może utrudniać zachowanie przejrzystości; skupienie się na decyzjach o wysokiej wartości ułatwia szybsze wdrażanie narzędzi sztucznej inteligencji.
Znaczenie odpowiedzialności: Jasne przypisanie odpowiedzialności za decyzje usprawnia integrację sztucznej inteligencji, pomagając organizacjom unikać nieporozumień i poprawiać wyniki.
Anika Banakh jest dyrektorką ds. zarządzania programami technologicznymi w ACV Auctions. Kierowała wieloma globalnie rozproszonymi, interdyscyplinarnymi zespołami realizacyjnymi. Obecnie koncentruje się na tym, aby wdrażanie AI odbywało się w sposób nieinwazyjny, a jednocześnie zwiększało skuteczność realizacji.
Porozmawialiśmy z Aniką, aby dowiedzieć się, jak wdraża AI w swoich przepływach pracy związanych z realizacją projektów. Oto, co powiedziała.
Przywództwo w obszarze AI skoncentrowane na człowieku
Jestem Kanadyjką z ukraińskimi korzeniami i osobą, która doprowadza sprawy do końca. Większość ludzi zakłada, że moja droga do transformacji opartej na AI rozpoczęła się od technologii, ale tak naprawdę zaczęła się od ludzi — rekrutowania talentów, budowania zaufania w globalnych zespołach i poznawania sposobu, w jaki organizacje zachowują się pod presją.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Do tej pory kierowałam wieloma globalnie rozproszonymi, interdyscyplinarnymi zespołami realizacyjnymi wspierającymi cyfrowe inicjatywy transformacji marketplace’ów i operacji na skalę korporacyjną. Ich liczebność wahała się od sześciu osób do kilku tysięcy. Większość tych organizacji działała szybko — prowadząc zwinną realizację w obszarach produktu, inżynierii, operacji i interesariuszy biznesowych, jednocześnie zarządzając złożonymi integracjami, szybkim skalowaniem i pracą nad platformami opartą na danych dla klientów obejmujących dealerów samochodowych, banki, sprzedawców detalicznych, organizacje non-profit i globalne przedsiębiorstwa.
Kierowanie realizacją w różnych organizacjach nauczyło mnie, że największą przeszkodą dla innowacji rzadko jest sama technologia; kluczowe jest to, czy ludzie czują się wystarczająco uprawnieni, aby zmienić sposób, w jaki pracują. Dlatego moje podejście do przywództwa w obszarze AI jest niekonwencjonalne: przyszłość realizacji projektów nie będzie należeć do liderów, którzy automatyzują najwięcej, lecz do tych, którzy potrafią sprawić, aby AI stało się dla zespołów korzystających z niego na co dzień czymś głęboko ludzkim, opartym na współpracy i pobudzającym kreatywność.
Jak narzędzia AI zwiększają efektywność pracy
W ciągu ostatniego roku zastąpiłam najbardziej powtarzalne i przewidywalne zadania w procesie realizacji, uwalniając czas na właściwą pracę — głównie poprzez włączenie tworzenia podsumowań i ustalania priorytetów z wykorzystaniem AI do procesów raportowania statusu, śledzenia zależności i komunikacji z interesariuszami.
Dzięki AI zaobserwowałam większą efektywność raportowania, lepszą widoczność realizacji i skuteczniejsze identyfikowanie ryzyka w rozproszonych zespołach, przy jednoczesnym ograniczeniu ręcznych działań koordynacyjnych i zwiększeniu przewidywalności realizacji.
Dzięki AI zaobserwowałam większą efektywność raportowania, lepszą widoczność realizacji i skuteczniejsze identyfikowanie ryzyka w rozproszonych zespołach.
Chociaż mogę polegać na AI w celu przyspieszenia działań związanych z realizacją, które opierają się na dużej ilości danych, takich jak uzyskiwanie informacji pomocnych przy ustalaniu priorytetów, tworzenie podsumowań statusu, identyfikowanie wzorców ryzyka, śledzenie zależności i raportowanie operacyjne, nie mogę polegać na nim we wszystkim.
Decyzje dotyczące uzgadniania stanowisk z interesariuszami, dynamiki zespołu, zmian organizacyjnych, rozwiązywania konfliktów i strategicznych kompromisów nadal są celowo podejmowane przez ludzi. Wynika to z faktu, że skuteczna realizacja wciąż zależy od zaufania, kontekstu, empatii i osądu, których AI nie jest w stanie w pełni odtworzyć.
Dlaczego wyniki AI wymagają interwencji człowieka
W rzeczywistości największym wyzwaniem było dla mnie powstrzymanie zespołów przed nadmiernym poleganiem na zautomatyzowanych wynikach bez uwzględniania kontekstu biznesowego. Aby temu zapobiec, kwestionowałam uzyskiwane przez nie wyniki i podkreślałam znaczenie praktycznego doświadczenia z produktem oraz kontekstem biznesowym. To różnica między czymś dobrym a czymś doskonałym.
Interwencja człowieka ma kluczowe znaczenie przy formułowaniu zapytań i interpretacji wyników. Potrzebujesz solidnego, uporządkowanego polecenia z właściwym kontekstem korelacji i związku przyczynowo-skutkowego, a także dogłębnego zrozumienia procesów i czynników wpływających na wyniki, aby je właściwie zinterpretować.
Na przykład narzędzie może poinformować Cię, że realizacja jest zagrożona, ale przyczyną może być chore dziecko inżyniera. Musisz więc dokładnie zbadać sytuację, aby zrozumieć uzasadnienie stojące za danymi oraz osobę wykonującą dane zadanie.
Moim największym wyzwaniem było zapobieganie nadmiernemu poleganiu zespołów na zautomatyzowanych wynikach bez uwzględniania kontekstu biznesowego. Interwencja człowieka ma kluczowe znaczenie podczas formułowania poleceń i interpretacji wyników.
Jak nadmierne projektowanie szkodzi przepływom pracy
Jeśli chodzi o narzędzia, obecnie korzystamy z Omni do tworzenia pulpitów nawigacyjnych, z Rovo w systemie Jira do zarządzania inżynierią oraz z wewnętrznego czatu AI do aktualizacji dla zespołu i tworzenia podsumowań.
Na początku mogliśmy uniknąć nadmiernego projektowania przepływu pracy za pomocą zbyt wielu sygnałów i pulpitów nawigacyjnych. Spowodowało to większy narzut związany z interpretacją niż zapewniło przejrzystość. Prostszy, ściśle określony przypadek użycia — skoncentrowany na jednej lub dwóch decyzjach o wysokiej wartości — przyspieszyłby wdrożenie i zmniejszył sceptycyzm zespołów.
Dlaczego AI nie przyspiesza podejmowania decyzji
AI nie przyniosła oczekiwanego efektu w postaci lepszego dostosowania między zespołami i szybszego podejmowania decyzji wyłącznie dzięki dodaniu większej liczby zautomatyzowanych analiz i pulpitów nawigacyjnych.
Tak, AI poprawiła widoczność, ale nie zmniejszyła niejednoznaczności ani nie rozwiązała sprzecznych priorytetów — w niektórych przypadkach zwiększyła szum informacyjny, ponieważ różne zespoły odmiennie interpretowały te same wyniki.
AI poprawiła widoczność, ale nie zmniejszyła niejednoznaczności ani nie rozwiązała sprzecznych priorytetów — w niektórych przypadkach zwiększyła szum informacyjny.
Weźmy jako przykład pulpit nawigacyjny. Każdy zespół koncentruje się na własnych wskaźnikach KPI i potrzebach biznesowych, więc może formułować polecenia dla narzędzia tak, aby generowało wyniki służące jego własnym kluczowym celom. Budowanie spójności w tym chaosie ma kluczowe znaczenie, biorąc pod uwagę wpływ na wszystkie zespoły.
Dlaczego lepsze planowanie niekoniecznie prowadzi do lepszych rezultatów
AI sprawiła, że porzuciłem założenie, iż lepsze planowanie automatycznie prowadzi do lepszych rezultatów realizacji. Nawet bardzo szczegółowe plany stają się mniej predykcyjne, gdy AI ujawnia rzeczywiste tempo zmian oraz zmiany priorytetów i zmienność zależności w czasie rzeczywistym.
Ciągłe ponowne planowanie na podstawie aktualnych sygnałów, zamiast dążenia do większej pewności na początku, poprawiło rezultaty. Realizacja przestała polegać na właściwym przygotowaniu planu, a zaczęła na szybkim dostosowywaniu go.
W naszym przepływie pracy związanym z realizacją zadań, wspomaganym przez AI gromadzone są elementy pracy i aktualizacje zespołów, a AI grupuje tematy, sygnalizuje zagrożenia i automatycznie podsumowuje postępy w poszczególnych zespołach. Te informacje zasilają prowadzoną przez człowieka sesję ustalania priorytetów, podczas której decyzje przekształcają się w plany sprintów. W trakcie realizacji AI nieustannie wskazuje odchylenia i pojawiające się problemy.
Efekt netto był taki, że mniej czasu poświęcaliśmy na raportowanie, a więcej na rozwiązywanie problemów związanych z realizacją.
Dlaczego raportowanie statusu wymaga przeprojektowania z wykorzystaniem AI
Jednym z obszarów, które liderzy realizacji powinni aktywnie przeprojektować, jest raportowanie statusu i nadzór nad realizacją — wciąż jest to jedna z najbardziej manualnych, najmniej wartościowych i najbardziej podatnych na zniekształcenia części działalności większości organizacji.
Pracuję nad zastąpieniem tradycyjnych prezentacji statusowych i ręcznych zestawień przepływem pracy wspomaganym przez AI, który nieustannie syntetyzuje aktualizacje z narzędzi do realizacji, sygnalizuje zagrożenia i generuje zwięzłe podsumowania „gotowe do podjęcia decyzji” dla kadry kierowniczej. Zmiana nie dotyczyła wyłącznie efektywności — zmieniła charakter rozmów dotyczących nadzoru: z „jaki jest status?” na „jakie decyzje musimy teraz podjąć?”
Rezultatem było mniej czasu poświęcanego na zestawianie aktualizacji i więcej czasu na rozwiązywanie rzeczywistych ograniczeń realizacji, a także szybsze eskalowanie realnych zagrożeń — ale dopiero po doprecyzowaniu odpowiedzialności za decyzje, aby wyniki AI nie stały się kolejną warstwą interpretacji.
Dlaczego jasna odpowiedzialność jest prawdziwym przełomem w pracy z AI
Oto moja rada:
Nie myl większej liczby wyników AI z lepszymi decyzjami; daje to ludziom po prostu więcej rzeczy, co do których mogą się nie zgadzać. Prawdziwym przełomem jest jasna odpowiedzialność. AI sugeruje, ludzie decydują — bez komitetowych dramatów.
Pamiętaj też o tym. Jeśli wdrażanie wydaje się powolne, zwykle nie chodzi o model — tylko o ludzi, którzy uprzejmie go ignorują.
Bądź na bieżąco
Pracę Aniki Banakh możesz śledzić na LinkedIn.
W The Digital Project Manager pojawią się kolejne wywiady z ekspertami.
