Jak doświadczona kierowniczka projektów wykorzystuje AI, aby usprawnić realizację

Obecnie kieruję działaniami operacyjnymi i projektami rozwojowymi w sektorze edukacji, a także projektami wdrożeniowymi w obszarze technologii medycznych, dbając o to, by potrzeby kliniczne i biznesowe przekładały się na skalowalne rozwiązania cyfrowe. Prowadzę więc dwa zupełnie różne rodzaje projektów/programów dla różnych firm.

Wszystko to sprowadza się do tworzenia jasności wokół złożonych wymagań kierownictwa, zarządzania wieloma różnymi interesariuszami oraz dbania o to, by dobre pomysły rzeczywiście przekładały się na zrealizowane rezultaty dzięki metodykom zarządzania projektami.

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 pomaga zespołom przejść na uproszczone zarządzanie projektami

Karierę rozpoczęłam od bardzo tradycyjnego zarządzania projektami metodą kaskadową, z dużymi harmonogramami w MS Project, rejestrami RAID w Excelu i obszernymi cotygodniowymi prezentacjami dotyczącymi statusu. W szybko zmieniającym się środowisku cyfrowym i zwinnym ten narzut szybko stał się obciążeniem i zdałam sobie sprawę, że zbyt dużą uwagę poświęcam procesowi zamiast wartości.

Dlatego tak ważne jest przejście na uproszczone metody zarządzania projektami. W tym kierunku zmierza też cała branża. Nikt nie chce już korzystać z systemów opartych na rozbudowanych procesach.

Sztuczna inteligencja ułatwia tę zmianę, ponieważ wykonuje żmudną pracę, dzięki czemu można dostarczać wartość zgodnie z tym, jak definiują ją interesariusze.

W moim przypadku przejście to polegało na scentralizowaniu pracy na jednej, stale aktualizowanej tablicy zamiast w rozproszonych dokumentach. Na przykład przeniosłam zespoły do narzędzia w stylu Kanban, z kolumnami takimi jak Zaległe, Ten miesiąc, Ten tydzień, W toku, Zablokowane i Ukończone. Ryzyka, decyzje i zależności są śledzone w tej samej przestrzeni. Zaimportowałam ze starego wykresu Gantta tylko naprawdę krytyczne kamienie milowe, przez krótki czas prowadziłam nową tablicę równolegle, a następnie wycofałam oddzielny rejestr RAID i prezentacje, gdy interesariusze poczuli się z tym swobodnie. Rezultatem jest jedno źródło prawdy zamiast pięciu konkurujących ze sobą wersji.

Komunikacja i zarządzanie również zostały uproszczone. Zamiast tworzyć rozbudowane prezentacje, korzystam z tablicy + sztucznej inteligencji, aby przygotowywać zwięzłe aktualizacje dla różnych odbiorców.

Ostatecznie sztuczna inteligencja bardzo wyraźnie pokazała mi, że moja wartość polega na osądzie, uzgadnianiu i zarządzaniu zmianą — a nie na całodziennym aktualizowaniu arkuszy kalkulacyjnych!

Share This Quote on:

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

Melissa Khan-Blackmore

Kierowniczka projektów z certyfikatem PMP

Jak sztuczna inteligencja zmienia współczesne kierowanie projektami i ich realizację

Sztuczna inteligencja wpływa również na moją rolę. Obecnie wymaga ona zdecydowanie mniej sporządzania notatek, śledzenia zadań, aktualizowania statusów, a nawet ogólnego planowania projektów. Mam znacznie więcej czasu na analizowanie problemów biznesowych i łączenie ich z celami strategicznymi wyższego poziomu.

Po stronie realizacji sztuczna inteligencja jest obecnie integralną częścią sposobu, w jaki prowadzimy projekty. Wykorzystujemy ją do podsumowywania rozmów z klientami, grupowania opinii interesariuszy i wyszukiwania w nich wzorców, a także do tworzenia wstępnych wymagań, planów i harmonogramów projektów oraz komunikatów na podstawie artefaktów projektowych. Zamiast spędzać wiele godzin na przekształcaniu notatek ze spotkań i zgłoszeń w Jira w prezentację dotyczącą statusu, otrzymuję na przykład wersję roboczą przygotowaną przez sztuczną inteligencję, która wskazuje wzorce lub ryzyka — a ja poświęcam czas na weryfikowanie, ustalanie priorytetów i decydowanie, co rzeczywiście ma znaczenie dla firmy.

Zasadniczo poświęcam mniej czasu na ręczne raportowanie statusów, porządkowanie dokumentacji, ręczne tłumaczenie tej samej aktualizacji dla różnych odbiorców oraz przeglądanie danych w celu zrozumienia sytuacji.

Dzięki temu mogę poświęcać więcej czasu pracy o większym znaczeniu, takiej jak komunikowanie się z klientami, zespołem lub liderami biznesowymi, wykonywanie kreatywnych zadań, na przykład usprawnianie procesów lub rozwijanie pomysłów projektowych, oraz tworzenie strategii.

Ostatecznie sztuczna inteligencja bardzo wyraźnie pokazała mi, że moja wartość polega na osądzie, uzgadnianiu i zarządzaniu zmianą — a nie na całodziennym aktualizowaniu arkuszy kalkulacyjnych!

Jak sztuczna inteligencja uprościła złożone wdrożenie obejmujące wielu interesariuszy

Oto przykład. Kierowałam wdrożeniem produktu w dużej, silnie regulowanej organizacji. Mieliśmy mnóstwo ruchomych elementów: działania operacyjne, dział IT, użytkowników końcowych, inżynierów dostawcy oraz wewnętrzne i zewnętrzne kierownictwo, a wszystkie opinie były rozproszone między wiadomościami e-mail, czatami, zgłoszeniami i notatkami ze spotkań. W pewnym momencie moja rzeczywista praca sprowadzała się po prostu do obsługi skarg, problemów i próśb.

Skonfigurowaliśmy lekki system, który nakładał warstwę AI na narzędzia, z których już korzystaliśmy:

• Zarządzanie pracą odbywało się na tablicach w stylu Asany/Jiry.
• Prośby o pomoc trafiały do wspólnej skrzynki e-mail oraz wewnętrznego kanału czatu.
• Notatki ze spotkań i podsumowania były zapisywane we wspólnym dokumencie.

Wrzucałem ten surowy tekst do przestrzeni roboczej AI i prosiłem ją o:

• Grupowanie problemów według tematów
• Oznaczanie wszystkiego, co wyglądało na obarczone wysokim ryzykiem lub krytyczne dla bezpieczeństwa
• Tworzenie aktualizacji statusu dla różnych grup interesariuszy

Robiłem to — i nadal robię — dwa razy w tygodniu. Nie jest to w 100% idealne, ale oszczędza mi wiele godzin analizowania i obsługiwania różnych próśb.

Jeśli chodzi o nakład pracy i rezultaty:

• Za pierwszym razem zaprojektowanie potoku zajęło może 2–3 godziny.
• Moja cotygodniowa selekcja zgłoszeń skróciła się z mniej więcej połowy dnia spędzanego na przeglądaniu zgłoszeń i przepisywaniu podsumowań do około 50 minut przeglądu i podejmowania decyzji.
• Ten proces naprawdę pomaga mi podsumować i uchwycić WSZYSTKO od każdej grupy interesariuszy oraz łatwiej dostrzegać ryzyka.

Dlatego uważam, że narzędzia AI nie zastępują kierownika projektu; eliminują dużą część ręcznej pracy o niskiej wartości, dzięki czemu mogę poświęcać więcej czasu na ustalanie priorytetów, uzgadnianie działań z interesariuszami oraz podejmowanie jasnych i terminowych decyzji w już złożonych środowiskach.

Wskazówka Melissy

AI może i będzie radykalnie zmieniać sposób, w jaki planujemy działania związane z ryzykiem. W naturalny sposób ograniczy również ryzyko. Nie może jednak zastąpić elementów wymagających prawdziwie ludzkiego osądu i odpowiedzialności.

Jak kierownicy projektów mogą automatyzować powtarzalną pracę realizacyjną za pomocą AI

Zacząłem traktować AI jak młodszego członka zespołu, którego zadaniem jest wykonanie pierwszego podejścia do wszystkiego, co jest powtarzalne, oparte na dużej ilości tekstu lub na wzorcach. Następnie wkraczam jako redaktor i osoba podejmująca decyzje. Takie nastawienie zmienia sposób, w jaki realizuję zadania w całym zakresie:

• Powtarzalne i administracyjne zadania: Notatki ze spotkań i podsumowania, oznaczanie elementów wymagających działania oraz formatowanie ich w czytelnej formie.
• Raporty statusu: Tworzenie pierwszych wersji na podstawie postępów w zgłoszeniach, aktualizacji od interesariuszy i kamieni milowych projektu.
• Monitorowanie zadań: Inteligentne przypomnienia i kontrole postępów, które zachęcają interesariuszy do zajęcia się zaległymi elementami lub zatwierdzeniami. Zautomatyzuj je za pomocą narzędzia AI dla kierowników projektów — korzystam z Asana AI.
• Personalizacja komunikacji: Tłumaczenie tej samej aktualizacji na różne style i formaty (np. podsumowanie dla kadry kierowniczej, szczegóły na poziomie zespołu itd.).
• Tworzenie komunikacji dla klientów lub prezentacji na podstawie surowych danych wejściowych
• Rozpoznawanie wzorców: Wykrywanie blokad lub ryzyk poprzez analizowanie opinii, zgłoszeń, nastrojów wyrażanych w aktualizacjach lub wzorców odpowiedzi.
• Grupowanie próśb o funkcje lub skarg w celu wyodrębnienia tematów wspólnych dla zespołów lub użytkowników: Jest to świetne rozwiązanie w rozwoju produktów.
• Dokumentacja i zarządzanie wiedzą: Porządkowanie chaotycznej dokumentacji w przejrzystą bazę wiedzy.
• Tworzenie lub aktualizowanie SOP-ów i przepływów procesów na podstawie transkrypcji lub surowych notatek.
• Planowanie i prognozowanie: Tworzenie wykresów Gantta, planów rozwoju lub planów sprintów na podstawie celów wysokiego poziomu lub danych wejściowych z rejestru zadań.
• Przewidywanie problemów z zasobami lub opóźnień w harmonogramie na podstawie wczesnych sygnałów w narzędziach takich jak Jira, Confluence lub Slack.
• Identyfikowanie trendów dotyczących wydajności w kolejnych sprintach lub strumieniach pracy.

Jak AI może i powinna zmienić zarządzanie ryzykiem

AI może i będzie radykalnie zmieniać sposób, w jaki planujemy działania związane z ryzykiem. W naturalny sposób ograniczy również ryzyko. Nie może jednak zastąpić elementów wymagających prawdziwie ludzkiego osądu i odpowiedzialności.

Ludzie nadal muszą:

• Określać apetyt na ryzyko: Czyli to, co faktycznie uznajemy za „złe”.
• Podejmować ostateczne decyzje: Akceptować, unikać lub przenosić ryzyko, decydować o rozpoczęciu lub wstrzymaniu działań oraz dokonywać kompromisów dotyczących budżetu i zakresu.
• Radzić sobie z ryzykami dotyczącymi ludzi i polityki organizacyjnej, które nigdy nie pojawiają się w sposób przejrzysty w danych: Oporem interesariuszy, problemami z zaufaniem, niezawodnością dostawców oraz negocjacjami, dzięki którym właściciele ryzyk faktycznie podejmą działania ograniczające ryzyko.

To, w czym AI w zarządzaniu ryzykiem projektu sprawdza się najlepiej, to wykonywanie ciężkiej pracy:

• Wyciąganie zagrożeń z notatek, zgłoszeń i dokumentów.
• Usuwanie duplikatów i kategoryzowanie ich.
• Tworzenie jasnych opisów przyczyna–zdarzenie–skutek.
• Sugerowanie ocen prawdopodobieństwa i wpływu.
• Proponowanie działań łagodzących, sygnałów wyzwalających i planów awaryjnych.
• Monitorowanie trendów i sygnałów wczesnego ostrzegania.
• Przekształcanie rejestru ryzyk w aktualizacje gotowe dla kadry kierowniczej: „najważniejsze ryzyka + czego od ciebie potrzebuję”.

Krótko mówiąc, ludzie muszą zweryfikować rzeczywistość i zdecydować, co ma znaczenie. AI może pomóc nam działać dokładniej i niezawodniej w wyszukiwaniu ryzyk.

Mimo wszystko interesariusze i sponsorzy mogą obawiać się modelu AI (nawet zamkniętego źródłowo), który ma dostęp do wszystkich danych, dlatego często pojawia się sprzeciw. Zatem choć zarządzanie ryzykiem powinno być zadaniem AI, w praktyce nie zawsze tak jest.

Dlaczego prywatność i AI o zamkniętym kodzie źródłowym mają znaczenie w rzeczywistych środowiskach projektowych

Wiele osób jest przeciwnych AI. Naprawdę obawiają się, że będzie ono „kradło” dane. I uważam, że takie obawy mogą być uzasadnione. Jak w przypadku wszystkiego, istnieją minusy, jeśli nie zachowa się ostrożności.

Jeśli korzystasz z AI o zamkniętym kodzie źródłowym, jest ono znacznie bezpieczniejsze. Wszystko zależy od sposobu konfiguracji. Prywatność może być potrzebna również wewnątrz organizacji. Na przykład jeśli dział HR korzysta z tego samego narzędzia o zamkniętym kodzie źródłowym, którego używa dział rozwoju, istnieje ryzyko, że poufne dane HR przedostaną się do innych części organizacji.

Dlatego uważam, że ważne jest, aby mieć inspektora ochrony danych, który zna się na AI i nadzoruje dokładny sposób konfiguracji systemów AI wewnątrz organizacji.

Jak praktyczny stos technologiczny AI wspiera szybszą i sprawniejszą realizację

Oto mój stos technologiczny do realizacji projektów:

• MS Copilot: Codzienne wiadomości e-mail, notatki, podsumowywanie moich zadań. Jest to rozwiązanie działające na platformie Microsoft 365 w mojej pracy.
• Fathom: Notatki, nagrania, zadania do wykonania
• Asana: Planowanie zarządzania projektami, śledzenie zadań, prognozowanie harmonogramów
• SuperPrompt: Pomoc w tworzeniu poleceń
• Jasper AI: Wszystko, co związane z marketingiem

Uwielbiam Copilota. Chciałabym, żeby każda firma, z którą pracuję, korzystała z tego narzędzia. Może on pobierać wszystkie dane z wiadomości e-mail, notatek ze spotkań, dokumentów itd. i działać zasadniczo jak drugi mózg. Dzięki niemu moja produktywność wzrasta pięciokrotnie.

Wskazówka Melissy

Funkcja AI w Asanie przypomina korzystanie z ChatGPT umieszczonego na planie projektu, z tą różnicą, że naprawdę odczytuje rzeczywiste zadania, daty, zależności, aktualizacje i harmonogramy.

W przypadku jednego ze startupów, z którymi pracuję, korzystamy teraz z funkcji AI w Asanie. Przypomina ona korzystanie z ChatGPT umieszczonego na planie projektu, z tą różnicą, że naprawdę odczytuje rzeczywiste zadania, daty, zależności, aktualizacje i harmonogramy. Ten agent AI może:

• Przeprowadzić „przegląd ryzyk AI” w całym planie i notatkach, aby wskazać elementy, które po cichu przeradzają się w ryzyko dla harmonogramu lub realizacji.
• Tworzyć inteligentne aktualizacje statusu i podsumowania projektu, które pokazują, co się zmieniło, co jest zablokowane i czego potrzebujesz od interesariuszy.
• Pomóc przekształcić cały projektowy chaos informacyjny w przejrzyste raporty gotowe dla kadry kierowniczej.

Najlepsze jest to, że może również wspierać irytujące zadania operacyjne, takie jak wykrywanie wpływu zależności, gdy coś się opóźnia, pomaganie w szybszej aktualizacji planów, a nawet obsługiwanie przepływów pracy AI bez kodowania, dzięki czemu system automatycznie sugeruje właściwe kolejne kroki.

Dlaczego kierownicy projektów powinni zaakceptować AI — a nie się go obawiać

Rola kierownika projektu już się zmienia i nadal będzie ewoluować wraz z rozwojem AI. Dlatego moja rada jest prosta: zaakceptuj AI, nie bój się go.

W przypadku poufnych danych korzystaj z AI o zamkniętym kodzie źródłowym.

Ach, i AI nie odbierze ci pracy!

Bądź na bieżąco

Możesz śledzić Melissę na LinkedInie, Instagramie i TikToku, gdy nadal przekuwa dobre pomysły w osiągnięte rezultaty.

Więcej wywiadów z ekspertami już wkrótce na The Digital Project Manager!