Hybrydowa realizacja z udziałem ludzi i sztucznej inteligencji nie jest opcjonalna — liderka produktu w dziedzinie robotyki wyjaśnia dlaczego

Z pasją łączę realizację techniczną z etycznym i strategicznym przywództwem — pomagam zespołom dostarczać produkty o dużym znaczeniu, jednocześnie wspierając odpowiedzialne innowacje w rozwijających się technologiach.

Rytuały związane z dostarczaniem produktów dotyczą w mniejszym stopniu ręcznego nadzoru, a w większym interpretacji, osądu i strategicznych wskazówek. Sztuczna inteligencja działa jak drugi pilot — zajmuje się analizą i rozpoznawaniem wzorców — podczas gdy ludzie wyznaczają kierunek, dbają o etykę i współpracę.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Kateryna Portmann

Starsza menedżerka produktu w ANYbotics

You should also read

• Rzeczywiste przepływy pracy z AI stosowane przez szefa realizacji w agencji wdrażającej Asanę

• Menedżer projektów i edukator wspomagany przez AI przedstawia prosty przepływ pracy AI, który zasadniczo zmienia sposób realizacji projektów

Jak sztuczna inteligencja zmienia zarządzanie produktami i realizację projektów

Moja rola i podejście do sztucznej inteligencji w realizacji projektów znacząco się zmieniają. Zadania, które wcześniej wykonywano ręcznie lub które koncentrowały się na śledzeniu postępów i raportowaniu, są coraz częściej automatyzowane. Oznacza to, że poświęcam mniej czasu na pracę administracyjną, taką jak aktualizowanie statusów, podstawowa koordynacja zadań czy monitorowanie rutynowych kluczowych wskaźników efektywności.

Jednocześnie poświęcam więcej uwagi obszarom, w których ludzki osąd i sztuczna inteligencja w planowaniu strategicznym przynoszą największą wartość: definiowaniu strategii produktu, odpowiedzialnej integracji sztucznej inteligencji z systemami robotycznymi, przewidywaniu kwestii regulacyjnych i etycznych oraz prowadzeniu zespołów interdyscyplinarnych w celu uzgadniania innowacyjnych rozwiązań.

W szerszym ujęciu realizacja projektów wymaga obecnie większego nacisku na podejmowanie decyzji w oparciu o dane z wykorzystaniem sztucznej inteligencji, etykę sztucznej inteligencji i adaptacyjne planowanie. Oczekuje się, że zespoły będą szybciej iterować, wykorzystywać spostrzeżenia generowane przez sztuczną inteligencję do ustalania priorytetów i proaktywnie reagować na zmieniające się uwarunkowania technologiczne i regulacyjne. Moja rola ewoluuje od przede wszystkim zarządzania zadaniami do odpowiedzialnego koordynowania innowacji oraz zapewniania, że inicjatywy związane ze sztuczną inteligencją tworzą rzeczywistą wartość bez uszczerbku dla bezpieczeństwa, zgodności z przepisami i zaufania.

Dlaczego systemy z udziałem człowieka mają kluczowe znaczenie dla realizacji projektów wspieranej przez sztuczną inteligencję

Początkowo zakładałam, że sztuczna inteligencja będzie przede wszystkim automatyzować rutynową pracę — taką jak śledzenie postępów projektu czy generowanie raportów — jednak odkryłam, że naprawdę dobrze radzi sobie z uwidacznianiem wzorców, przewidywaniem zagrożeń i wydobywaniem spostrzeżeń, które pomagają podejmować trafniejsze decyzje.

Na przykład w projekcie Sandbox AI narzędzia sztucznej inteligencji nie tylko pomogły nam szybciej analizować dane — ujawniły również subtelne zagrożenia związane ze zgodnością z przepisami i działaniem operacyjnym, które w przeciwnym razie moglibyśmy przeoczyć. Zmusiło nas to do ponownego przemyślenia sposobu organizacji przepływów pracy, ustalania priorytetów zadań i angażowania interesariuszy.

Ogólnie rzecz biorąc, aspektami realizacji projektów, które najbardziej nadają się do wsparcia, są działania wymagające dużej ilości danych, powtarzalne lub predykcyjne — sztuczna inteligencja w automatyzacji zadań projektowych. Oznacza to, że:

• Śledzenie postępów i raportowanie: AI może automatycznie konsolidować aktualizacje z wielu zespołów, wskazywać wąskie gardła i generować pulpity nawigacyjne w czasie rzeczywistym.
• Identyfikacja ryzyka i planowanie scenariuszy: Modele uczenia maszynowego odgrywają rolę w zarządzaniu ryzykiem za pomocą AI. Mogą analizować dane projektowe, aby przewidywać potencjalne opóźnienia, konflikty zasobów lub ryzyko związane ze zgodnością, zanim się zmaterializują.
• Priorytetyzacja i alokacja zasobów: AI w zarządzaniu zasobami może sugerować optymalną kolejność zadań lub redystrybucję zasobów na podstawie danych historycznych i ograniczeń projektu.

Wdrożenie zazwyczaj obejmuje integrację analityki projektowej opartej na AI z narzędziami do zarządzania projektami, takimi jak Jira, Asana lub niestandardowe systemy wewnętrzne. Do modelowania predykcyjnego możemy użyć lekkich potoków uczenia maszynowego, które przetwarzają historyczne dane projektowe i stale doskonalą się dzięki nowym danym wejściowym.

Jednak ludzka ocena nadal jest niezbędna w kilku obszarach:

• Decyzje etyczne i regulacyjne: Ustalanie, co jest dozwolone, odpowiedzialne i zgodne z AI w zapewnianiu zgodności oraz szerszymi wartościami organizacji.
• Komunikacja z interesariuszami i negocjacje: AI w zarządzaniu interesariuszami może sugerować tematy do omówienia, ale niuanse rozmów i budowanie konsensusu wymagają empatii i umiejętności przekonywania.
• Planowanie strategiczne i innowacje: Ludzie muszą interpretować wnioski AI w odpowiednim kontekście, podejmować decyzje dotyczące kompromisów i kształtować długoterminową wizję.

Krótko mówiąc, ludzka ocena jest nadal niezbędna. Jest kluczowa. AI w zarządzaniu projektami to potężny mnożnik efektywności i źródło wniosków, ale działa najlepiej, gdy ludzie zachowują kontrolę nad złożonymi, strategicznymi i opartymi na wartościach decyzjami.

wskazówka Kateryny

Ludzka ocena jest nadal niezbędna. Jest kluczowa. AI to potężny mnożnik efektywności i źródło wniosków, ale działa najlepiej, gdy ludzie zachowują kontrolę nad złożonymi, strategicznymi i opartymi na wartościach decyzjami.

Dlaczego lekkie systemy realizacji nie zawsze działają

Warto zauważyć, że w sprzęcie i robotyce odejście od tradycyjnych metod zarządzania projektami nie zawsze jest łatwe — systemy fizyczne mają długie czasy realizacji, ścisłe zależności oraz ograniczenia związane z bezpieczeństwem lub zgodnością, które wymagają starannego planowania. Elastyczność iteracyjna jest bardziej ograniczona w porównaniu z projektami wyłącznie programistycznymi.

To powiedziawszy, w inicjatywach takich jak Women in Robotics udało nam się eksperymentować z lżejszymi, zwinnymi podejściami. Na przykład korzystamy ze Slacka — i jego funkcji AI — do szybkiej koordynacji działań wolontariuszy i uczestników. Pozwala nam to iteracyjnie udoskonalać programy, zbierać opinie i znacznie szybciej dostosowywać inicjatywy niż w przypadku tradycyjnego podejścia do planowania odgórnego.

Zatem choć projekty sprzętowe często wymagają ustrukturyzowanych procesów, lekkie systemy mogą sprawdzać się w inicjatywach opartych na społeczności lub realizowanych międzyfunkcyjnie, umożliwiając szybsze dostosowanie, większe zaangażowanie i ciągłe doskonalenie.

Przykład z życia wzięty: jak nowoczesne systemy realizacji radzą sobie ze złożonością

Oto dobry przykład realizacji AI w praktyce. W ramach projektu Sandbox AI poruszaliśmy się w niezwykle złożonym środowisku obejmującym wielu interesariuszy, ograniczenia regulacyjne i najnowocześniejsze systemy AI. Celem projektu było zbadanie bezpiecznych, zgodnych z przepisami i innowacyjnych wdrożeń AI w zastosowaniach sektora publicznego, co wymagało wyważenia szybkości realizacji z zarządzaniem oraz etyką.

Konfiguracja i podejście:

• Utworzyliśmy międzyfunkcyjny zespół podstawowy obejmujący inżynierów, ekspertów ds. polityki, doradców prawnych i etyków AI.
• Korzystaliśmy ze zwinnych systemów realizacji, wykorzystując Jira do planowania sprintów, Confluence do dokumentacji, a Miro do wspólnych warsztatów projektowych.
• Zintegrowano narzędzia oparte na AI do analizy ryzyka i symulacji scenariuszy, co pozwoliło nam modelować wyniki przed wdrożeniem procesów opartych na AI w rzeczywistych warunkach.

Realizacja:

• Zaczęliśmy od prototypów na małą skalę, aby przetestować zgodność i ramy etyczne, iterując co tydzień na podstawie zarówno wyników technicznych, jak i informacji zwrotnych od organów regulacyjnych.
• Regularne sesje przeglądów z interesariuszami zapewniały zgodność ze standardami zarządzania, a analityka AI wskazywała potencjalne ryzyka związane ze zgodnością, zanim się zmaterializowały.

Wyniki:

• Oceniono gotowość do ISO 42001
• Wnioski zostały bezpośrednio wykorzystane w dokumencie AI House Davos 2025, w którym wyodrębniliśmy jedenaście kluczowych elementów zarządzania z myślą o szerszym wdrożeniu w branży.

Ten projekt pokazał, jak nowoczesne systemy realizacji i narzędzia oparte na AI mogą zarządzać złożonością, przyspieszać iteracje oraz utrzymywać zgodność etyczną i regulacyjną — nawet w wysoce niepewnych warunkach. Potwierdził również wartość łączenia ustrukturyzowanych praktyk realizacji z wnioskami generowanymi przez AI w celu skutecznego prowadzenia wymagających projektów.

Zestaw technologii wzmacniający współpracę i zmniejszający tarcia

Obecnie przebywam na urlopie macierzyńskim, więc w ostatnich miesiącach nie zajmowałam się bezpośrednio codzienną realizacją projektów — a AI rozwija się tak szybko, że niesprawiedliwe byłoby wypowiadanie się tak, jakbym miała bezpośrednie doświadczenie ze wszystkimi najnowszymi decyzjami dotyczącymi narzędzi w ANYbotics.

To powiedziawszy, dzięki pracy z Women in Robotics nadal śledzę trendy w realizacji projektów i współpracy. W tym kontekście zestaw technologii często koncentruje się wokół narzędzi do współpracy i dzielenia się wiedzą:

• Slack do komunikacji i koordynacji: To narzędzie AI do współpracy pomaga utrzymywać łączność między globalnymi zespołami i ograniczać nadmiar wiadomości e-mail. Korzystam z wbudowanej funkcji AI w Slacku do podsumowywania długich wątków i kanałów, co jest szczególnie pomocne, gdy dołączam do trwających rozmów lub synchronizuję działania rozproszonych zespołów. Używam jej również do tworzenia krótkich odpowiedzi lub przeredagowywania aktualizacji, aby były bardziej zrozumiałe. Główny efekt to szybsze przełączanie się między kontekstami i bardziej spójna komunikacja w całym zespole.
• Figma do współpracy wizualnej, szczególnie podczas warsztatów, burz mózgów i sesji współprojektowania: Dzięki funkcjom AI w Figma tworzę wstępne warianty interfejsu użytkownika, sprawdzam opcje układu i automatycznie dokumentuję komponenty projektowe. Przyspiesza to tworzenie pomysłów na wczesnym etapie i pozwala mi znacznie wcześniej udostępniać interesariuszom kierunek wizualny  w procesie. Warianty wygenerowane przez AI nie są jednak ostateczne — pomagają rozpocząć dyskusje projektowe i skrócić czas iteracji.
• Notion do dokumentowania, śledzenia inicjatyw i zapewniania wszystkim członkom łatwego dostępu do wniosków: Notion AI jest częścią mojej codziennej pracy. Korzystam z tego menedżera zadań AI do tworzenia dokumentacji projektowej i notatek ze spotkań, podsumowywania długich dokumentów badawczych lub wywiadów, przekształcania nieuporządkowanych burz mózgów w ustrukturyzowane plany lub listy działań oraz przeredagowywania treści w różnym tonie, zależnie od odbiorców. Największy wpływ ma oszczędność czasu — przekształcenie nieustrukturyzowanych informacji w coś jasnego i łatwego do udostępnienia zajmuje ułamek czasu potrzebnego wcześniej.

W ciągu ostatniego roku zauważyłam, że zespoły coraz bardziej stawiają na narzędzia ułatwiające asynchroniczną współpracę i przejrzystość, szczególnie w miarę jak praca hybrydowa staje się normą. Narzędzia takie jak Notion okazały się nieocenione, ponieważ pozwalają członkom zespołu wnosić wkład i przeglądać pracę niezależnie od strefy czasowej. Z kolei niektóre starsze narzędzia do śledzenia zadań, które były sztywne lub odizolowane, straciły na znaczeniu, ponieważ nie obsługują elastycznych przepływów pracy ani szybkich iteracji.

Ogólnie oceniam, że oprogramowanie do automatyzacji przepływów pracy sprawdza się, gdy wzmacnia współpracę, zmniejsza tarcia i umożliwia zespołom koncentrowanie się na rezultatach, a nie na procesie — to zasada, której nadal aktywnie hołduję.

Dlaczego Figma jest najbardziej niedocenianym narzędziem AI do realizacji opartej na współpracy

Jednym z najbardziej oszczędzających czas i niedocenianych narzędzi jest Figma. Wiem, że wspomniałam o niej wyżej, ale to prawdziwa rewolucja — szczególnie dzięki wspólnemu tworzeniu tablic w czasie rzeczywistym i integracji szablonów.

Wpływ jest znaczący. Umożliwia rozproszonym zespołom wspólne tworzenie, przeprowadzanie burzy mózgów i iteracyjne rozwijanie pomysłów w trybie asynchronicznym lub synchronicznym, co znacznie ogranicza wymianę wiadomości, do której zwykle dochodzi za pośrednictwem poczty elektronicznej lub podczas długich spotkań. Zespoły mogą wizualizować przepływy pracy, mapować procesy i śledzić decyzje w jednym miejscu, dzięki czemu warsztaty i sesje planistyczne stają się znacznie bardziej efektywne.

Kolejnym niedocenianym aspektem jest integracja ze Slackiem, która wypełnia lukę między AI w planowaniu projektów a realizacją. To połączenie gwarantuje, że decyzje i zadania do wykonania zarejestrowane podczas sesji współpracy automatycznie trafiają do śledzenia zadań, ograniczając dublowanie pracy i przyspieszając realizację ustaleń.

Narzędzie zapewnia przejrzystość, spójność działań i szybsze podejmowanie decyzji w rozproszonych zespołach — co często jest niedoceniane, dopóki nie przeprowadzi się wielu wspólnych projektów w różnych regionach.

Jak AI pełni funkcję drugiego pilota we współczesnych rytuałach realizacji

Wraz z tym, jak AI staje się coraz większą częścią ekosystemu realizacji, na nowo przemyślamy tradycyjne rytuały, aby wykorzystywać mocne strony AI, jednocześnie zachowując centralną rolę ludzkiego osądu.

• Ujednolicanie działań zespołów: Narzędzia pomagają ujawniać rozbieżności lub nakładające się zakresy odpowiedzialności, ale spójność działań nadal zależy od ludzkiej dyskusji i AI w podejmowaniu decyzji projektowych.
• Weryfikowanie pracy: AI przyspiesza testowanie i symulacje, wskazując błędy lub zagrożenia związane ze zgodnością jeszcze przed przeprowadzeniem ręcznych kontroli. Na przykład w robotyce i AI w monitorowaniu projektów modelowanie predykcyjne może symulować scenariusze skrajnych przypadków, których przetestowanie przez ludzi zajęłoby znacznie więcej czasu.
• Zarządzanie realizacją: Rutynowe śledzenie postępów i raportowanie można obecnie zautomatyzować, uwalniając czas zespołu na rozwiązywanie problemów, strategię i angażowanie interesariuszy. Panele kontrolne wskazują ryzyka lub opóźnienia w czasie rzeczywistym, dzięki czemu codzienne spotkania i retrospektywy koncentrują się bardziej na decyzjach niż na raportowaniu.

Najważniejsza zmiana polega na tym, że rytuały realizacji w mniejszym stopniu dotyczą ręcznego nadzoru, a w większym — interpretacji, osądu i strategicznego ukierunkowania.

wskazówka Kateryny

Jednym z najbardziej oszczędzających czas i niedocenianych narzędzi jest Figma — szczególnie jej funkcje wspólnego tworzenia tablic w czasie rzeczywistym oraz integracje z szablonami.

Jak przepływy agentowe i platformy orkiestracji wspierają złożoną realizację

Podczas eksperymentowania z platformami orkiestracji i przepływami agentowymi koncentrujemy się na obszarach, które najbardziej korzystają z koordynacji i predykcyjnego wglądu, takich jak:

• Priorytetyzacja zadań i zarządzanie zależnościami: Wykorzystywanie AI w prognozowaniu projektów do identyfikowania kluczowych strumieni pracy, miejsc, w których mogą wystąpić wąskie gardła, oraz sposobu alokacji zasobów.
• Monitorowanie ryzyka i zgodności: Automatyzowanie wykrywania potencjalnych problemów związanych ze zgodnością lub bezpieczeństwem w projektach z zakresu robotyki i AI, zanim wpłyną one na realizację.
• Komunikacja między zespołami: Usprawnianie aktualizacji i wskazywanie rozbieżności, aby zespoły poświęcały mniej czasu na śledzenie informacji o statusie.

Podobnie jak w przypadku AI ogólnie, odkryliśmy, że platformy orkiestracji nadal potrzebują człowieka w pętli w zakresie podejmowania strategicznych decyzji i kwestii etycznych. Technologia przyspiesza koordynację i dostarcza praktycznych informacji, ale nie zastępuje osądu wymaganego do równoważenia priorytetów, poruszania się po kompromisach ani skutecznego angażowania interesariuszy.

Dlaczego etyka, inkluzywność i różnorodność muszą kształtować realizację projektów opartą na AI

Idąc naprzód, uważam, że etyka, inkluzywność i różnorodność staną się podstawą definiowania sukcesu.

AI i robotyka mogą przyspieszać realizację i podejmowanie decyzji, ale bez celowego skupienia na ramach etycznych i różnorodnych perspektywach projekty narażone są na utrwalanie uprzedzeń lub powodowanie niezamierzonych szkód.

W praktyce oznacza to, że musimy uwzględniać etykę i inkluzywność na każdym etapie realizacji — od definiowania zakresu, przez projektowanie systemów, po iteracyjne uwzględnianie informacji zwrotnych — oraz traktować je jako czynniki umożliwiające innowacje, a nie ograniczenia.

Zespoły, które wcześnie uwzględniają te zasady, nie tylko tworzą lepsze produkty, lecz także budują zaufanie, zdolność adaptacji i długoterminową odporność.

Jak AI odciąga zespoły od sztywnych procesów w kierunku elastycznej realizacji

Sama realizacja projektów będzie coraz bardziej ewoluować od śledzenia zadań do strategicznej koordynacji, a AI będzie pełnić funkcję współpilota działającego w czasie rzeczywistym. W ciągu najbliższych pięciu lat AI nie będzie już tylko automatyzować raportowania czy aktualizacji zadań, ale będzie aktywnie przewidywać zagrożenia, rekomendować priorytety, a nawet sugerować kompromisy na podstawie danych z wcześniejszych projektów, dostępności zasobów i sygnałów rynkowych.

Zespoły odejdą od sztywnych wykresów Gantta i obszernej dokumentacji, przechodząc na lekkie, elastyczne przepływy pracy, w których ludzie skupią się na działaniach o wysokiej wartości: definiowaniu strategii, interpretowaniu wniosków generowanych przez AI, podejmowaniu etycznych decyzji i wspieraniu współpracy. W istocie AI zajmie się analizą „co może się wydarzyć”, podczas gdy menedżerowie produktu będą decydować, co powinno się wydarzyć.

Przewiduję również, że współpraca międzyfunkcyjna i podejmowanie decyzji przyspieszą, ponieważ AI może w czasie rzeczywistym symulować rezultaty różnych podejść do realizacji, umożliwiając zespołom szybsze iterowanie i odpowiedzialne wprowadzanie innowacji bez uszczerbku dla zgodności z przepisami ani jakości.

Ostatecznie o sukcesie realizacji będzie decydować skuteczność współpracy ludzi i AI, a nie to, jak ściśle przestrzegamy z góry określonych procesów.

wskazówka Kateryny

Moja rola zmienia się z przede wszystkim „zarządzania zadaniami” na odpowiedzialne koordynowanie innowacji i dbanie o to, aby inicjatywy związane z AI przynosiły rzeczywistą wartość bez uszczerbku dla bezpieczeństwa, zgodności z przepisami ani zaufania.

Jak liderzy produktu mogą wdrażać AI bez utraty ludzkiego osądu

Moja rada dla liderów odpowiedzialnych za realizację projektów, którzy mierzą się z tym momentem zmian, jest taka, aby traktować AI jako partnera, a nie zastępstwo dla ludzi, jednocześnie stawiając etykę i różnorodność w centrum każdej decyzji. Wykorzystujcie AI do automatyzowania powtarzalnych zadań i wydobywania istotnych wniosków, ale dbajcie o to, aby ludzie kierowali strategią, uwzględniali kwestie etyczne i podejmowali decyzje w sposób inkluzywny.

Wspierajcie także różnorodne zespoły i perspektywy — projekty odnoszą sukces, gdy bierze się pod uwagę różne doświadczenia i punkty widzenia, szczególnie w obszarze AI i robotyki, gdzie uprzedzenia lub przeoczenia mogą mieć rzeczywiste konsekwencje.

Na koniec inwestujcie w zdolność zespołu do odpowiedzialnej pracy z AI, łącząc kompetencje techniczne ze świadomością etyczną i umiejętnością wspólnego rozwiązywania problemów. Liderzy, którzy równoważą innowacyjność z inkluzywnością i uczciwością, będą tymi, którzy wywierają znaczący, trwały wpływ.

Śledź jej działalność

Możesz śledzić działalność Kateryny Portmann na LinkedIn. Nie przegap też jej inicjatywy Women in Robotics!

Na The Digital Project Manager pojawią się kolejne wywiady z ekspertami.