Jak ten dyrektor generalny odważnie wykorzystuje sztuczną inteligencję do tworzenia czystszych danych, szybszej realizacji i prostszych procesów pracy kierowników projektów

Wskazówka Marcela

Staram się zachęcać wszystkich do eksperymentowania, korzystania z AI i szukania sposobów na zastosowanie jej w naszej pracy, abyśmy mogli działać lepiej lub efektywniej. Świetnym przykładem jest nasze cotygodniowe demo pokazowe, podczas którego prezentujemy i świętujemy coś, co jest wewnętrznie testowane w związku z AI.

Staram się zachęcać wszystkich do eksperymentowania, korzystania z AI i szukania sposobów na zastosowanie jej w naszej pracy, abyśmy mogli działać lepiej lub efektywniej.

Świetnym przykładem jest nasze cotygodniowe demo pokazowe, podczas którego prezentujemy i świętujemy coś, co jest wewnętrznie testowane w związku z AI.

You should also read

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

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

Większa efektywność w gromadzeniu kontekstu i realizacji usług

Gromadzenie kontekstu było prawdopodobnie najistotniejszym usprawnieniem, jakie do tej pory uzyskaliśmy dzięki AI.

Pracowaliśmy nad centralizacją kontekstu pochodzącego od naszych klientów — rozmów, notatek, aktualizacji w Asanie, wiadomości e-mail itd. — aby można było przeszukiwać go za pomocą AI. Teraz znacznie łatwiej jest wdrażać ludzi w bieżące wydarzenia, przygotowywać się do spotkań i podejmować decyzje z uwzględnieniem właściwego kontekstu.

Oszczędza to dużo czasu na wewnętrzną komunikację, przygotowywanie briefów, oglądanie nagrań rozmów i tworzenie aktualizacji.

Możemy również zaoszczędzić dużo czasu podczas realizacji usług, wykorzystując AI do przeszukiwania dokumentacji technicznej naszych systemów i pomagając sobie w tworzeniu reguł czyszczenia danych oraz wykonywaniu innych zadań technicznych.

Wykorzystując AI jako naszą „doskonałą pamięć”, możemy skupić się na poprawie doświadczeń klientów. Każdy klient ma teraz poczucie, jakby był naszym jedynym klientem.

Usuwanie złożoności z przepływów pracy związanych z zarządzaniem projektami

Kolejną dużą zmianą było całkowite odejście od oddolnego planowania zasobów i szczegółowego zarządzania projektami opartego na zadaniach. Możliwość tworzenia dokumentacji, z którą można wchodzić w interakcję w formie rozmowy, oznacza, że możemy znacznie uprościć szablony i usunąć wiele szczegółów oraz złożoności z naszych przepływów pracy związanych z zarządzaniem projektami, co znacząco ogranicza ilość czasu i wysiłku potrzebnych do uruchamiania projektów oraz utrzymywania naszych narzędzi do zarządzania projektami w dłuższej perspektywie.

Znacząco ogranicza to również opóźnienia, gdy zachodzą zmiany w naszych procesach.

Myślę, że w przyszłości może to oznaczać przeniesienie zarządzania projektami do narzędzia Notion. Na razie jednak jesteśmy bardzo zadowoleni z Asany.

Jak klienci wykorzystują AI do realizacji projektów kreatywnych?

Jeśli chodzi o naszych klientów, widzimy AI we wszystkich obszarach, w których można się jej spodziewać.

• Gromadzenie kontekstu z początkowego procesu przyjmowania zlecenia i procesu sprzedaży w celu opracowania strategii i briefu.
• Proces ideacji i burzy mózgów oraz przygotowywanie wstępnych koncepcji i briefów dla zespołu wewnętrznego.
• Szybkie tworzenie makiet koncepcji, szczególnie na początkowym etapie prezentowania oferty (dotyczy to tekstów, UI/UX, projektowania graficznego, wideo i generowania obrazów).
• Generowanie obrazów
• W obszarze marketingu cyfrowego AI jest szeroko stosowana do analizy danych i kampanii, a także do pomocy w monitorowaniu kont oraz sugerowaniu zmian.
• Tworzenie wariantów materiałów kreatywnych i tekstów.
• Znaczne zwiększanie efektywności w takich obszarach jak optymalizacja SEO — szczególnie w przypadku podstawowych działań związanych z higieną, takich jak metatagi, opisy itd.

Niedoceniane znaczenie higieny danych w pracy z AI

Naprawdę zaskoczyło mnie, jak ważne są higiena i struktura danych przy wdrażaniu AI do przepływów pracy związanych z realizacją usług.

Myślę, że panuje przekonanie, że sztuczna inteligencja zmniejszy potrzebę inwestowania w infrastrukturę danych, ale z naszego doświadczenia wynika, że sprawia ona jedynie, iż te inwestycje stają się jeszcze ważniejsze.

Share This Quote on:

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

Marcel Petitpas

Założyciel i dyrektor generalny Parakeeto

Myślę, że panuje przekonanie, że sztuczna inteligencja zmniejszy potrzebę inwestowania w infrastrukturę danych, ale z naszego doświadczenia wynika, że sprawia ona jedynie, iż te inwestycje stają się jeszcze ważniejsze.

Większość firm będzie miała ograniczone możliwości wykorzystywania sztucznej inteligencji ze względu na jakość bazowych systemów danych.

Oto kilka rzeczy, do których wykorzystujemy sztuczną inteligencję podczas czyszczenia danych:

• Poprawianie niespójnych nazw pracowników lub projektów (np. pseudonimów, literówek, przedrostków/przyrostków, takich jak [ARCHIVED]).
• Usuwanie zbędnych szumów, takich jak dodatkowe białe znaki, wiersze nagłówków/stopek lub nieużywane kolumny.
• Standaryzowanie formatów dat, liczb i tekstu w celu dopasowania ich do wewnętrznych struktur raportowania w naszym oprogramowaniu do zarządzania zasobami cyfrowymi.
• Przypisywanie wpisów czasu do prawidłowych kategorii ról w systemie Payroll Grid lub projektów w systemie Project Grid, nawet gdy surowe nazwy nie są dokładnie takie same.
• Obsługa zmian zakresu umów retainerowych poprzez dzielenie projektów na wiele wersji na podstawie dat rozpoczęcia i zakończenia.
• Ponowne przypisywanie starszych lub niekompletnych danych do zastępczych „historycznych” projektów w celu zachowania dokładności raportowania bez wprowadzania bałaganu.
• Wyodrębnianie kodów, tagów lub identyfikatorów osadzonych w polach tekstowych przy użyciu wyrażeń regularnych lub dopasowywania wzorców.
• Stosowanie korekt matematycznych do zarejestrowanego czasu (np. doliczanie godzin wykonawców, ponowne przydzielanie ułamkowych części czasu).
• Zmiana nazw kolumn lub ponowne mapowanie kolumn, aby eksporty z różnych narzędzi pasowały do spójnego schematu.
• Łączenie lub dzielenie pól (np. scalanie kolumn imienia i nazwiska w jedno pole z nazwą pracownika).

A to tylko kilka przykładów.

Tworząc naprawdę świetną dokumentację dotyczącą sposobu pisania i konfigurowania tych reguł czyszczenia danych, umożliwiliśmy pracownikom nietechnicznym wykonanie znacznie większej części pracy przygotowawczej na własną rękę, a w niektórych przypadkach nawet wdrożenie tych potoków bez konieczności angażowania jakichkolwiek zasobów technicznych.

Szczegółowa dokumentacja z Notion AI

Istotą tego procesu było napisanie szczegółowej dokumentacji, która dostarczałaby informacji modelowi sztucznej inteligencji.

Następnie musimy ją aktualizować. Ponieważ jednak dokumentacja znajduje się w Notion, a my używamy Notion AI do wyszukiwania w niej informacji, jest to swego rodzaju samowystarczalny dokument. A gdy trzeba dodać coś nowego, często możemy poprosić sztuczną inteligencję o przygotowanie aktualizacji i od razu je wkleić.

Wspaniałe w Notion jest również to, że dość łatwo można przenieść kontekst z tego narzędzia do takich miejsc jak Gemini, Notebook LM czy ChatGPT. Funkcja agenta ChatGPT również współpracuje z Notion.

Jak umożliwić pracownikom nietechnicznym korzystanie ze sztucznej inteligencji

Wspomniałem o umożliwieniu pracownikom nietechnicznym korzystania ze sztucznej inteligencji — to był zdecydowanie największy przełom. Jeśli ktoś potrafi wyrazić to, co chce osiągnąć, w postaci instrukcji logicznej, może w zasadzie pisać kod w Pythonie/SQL i budować działające potoki danych.

Jeśli ktoś potrafi wyrazić to, co chce osiągnąć, w postaci instrukcji logicznej, może w zasadzie pisać kod w Pythonie/SQL i budować działające potoki danych.

Share This Quote on:

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

Marcel Petitpas

Założyciel i dyrektor generalny Parakeeto

Oczywiście istnieją ograniczenia, które zwykle dotyczą początku i końca tych zadań technicznych.

Na przykład podejmowanie trafnych decyzji dotyczących tego, jakich technologii użyć, jak zaprojektować architekturę oraz jakie przypadki brzegowe i wymagania należy uwzględnić, to zazwyczaj obszar, w którym specjalista techniczny może wnieść bardzo dużo wartości — nawet jeśli oznacza to jedynie przeanalizowanie i uzupełnienie o dodatkowe szczegóły przemyśleń, które model AI już opracował.

Od tego momentu zadaniem, które jest bardzo trudne do wykonania przez użytkownika nietechnicznego, jest skonfigurowanie infrastruktury i początkowych przepływów pracy dla zupełnie nowego procesu oraz przeprowadzenie czegoś od pomysłu do uruchomienia. W nielicznych przypadkach może on zrobić to od początku do końca, ale skonfigurowanie podstaw przez użytkownika technicznego nadal jest zazwyczaj konieczne, a przynajmniej będzie znacznie bardziej wydajne i doprowadzi do powstania lepszego systemu oraz rezultatu.

Kolejnym obszarem, w którym czasami nadal potrzebna jest interwencja techniczna, jest rozwiązywanie problemów związanych z przypadkami brzegowymi. Jednak w miarę jak dokumentujemy rozwiązania tych problemów, pomoc AI umożliwia użytkownikom nietechnicznym coraz częstsze odblokowywanie się i kontynuowanie pracy.

A gdy podstawy i proces są już przygotowane, użytkownicy nietechniczni mogą osiągnąć znacznie więcej niż jeszcze rok temu.

AI nie tylko zmienia procesy — zmienia także sposób ich tworzenia

Pod pewnymi względami uważam, że AI pomaga nam opracowywać procesy wokół różnych działań bez konieczności tworzenia procesu w tradycyjnym tego słowa znaczeniu.

Zanim pojawili się agenci AI i narzędzia pomagające w realizacji tych zadań, ktoś musiał usiąść i stworzyć bardzo szczegółowy, a często również wysoce deterministyczny zestaw kroków niezbędnych do wykonania zadania.

Problemy z takim podejściem są następujące:

• Jest czasochłonne
• Wymaga od kogoś dokładnego zrozumienia, jakie kroki należy podjąć
• Zazwyczaj nie sprawdza się dobrze w przypadku działań bardzo złożonych, wymagających uwzględnienia niuansów lub zmiennych
• Często trudno je wdrożyć lub jest to kosztowne, gdy proces jest nowy albo niezbyt dojrzały i prawdopodobnie będzie się zmieniał
• Może spowalniać tempo postępów, powodując obciążenia operacyjne

Dzięki AI można po prostu utworzyć nowy czat, agenta lub niestandardowy model GPT i rozpocząć pracę, jednocześnie budując po drodze proces, wiedzę i kontekst. Przypomina to pracę z człowiekiem, ale AI ma doskonałą pamięć i może natychmiast przekazać kolejnej osobie to, czego się nauczyło.

Uważam, że jest to jedna z najpotężniejszych cech AI — pod pewnymi względami całkowicie zmienia ono sposób tworzenia i utrzymywania procesów.

Mój zestaw narzędzi AI do realizacji projektów

Podstawą naszego zestawu są:

• Asana — nasze oprogramowanie do zarządzania projektami
• Harvest — oprogramowanie do rejestrowania czasu pracy
• QBO — nasze oprogramowanie księgowe
• Parakeeto — do rachunkowości zarządczej, prognozowania, wykorzystania zasobów, ABR / wyników projektu

Korzystamy również z:

• Pakietu Google (Drive, Sheets, Docs, Calendar, Mail) — oprogramowanie do współpracy w chmurze
• Notion — oprogramowanie do współpracy nad dokumentami
• Miro — oprogramowanie do tworzenia schematów blokowych
• Loom — oprogramowanie do asynchronicznej współpracy
• Fathom — oprogramowanie do sporządzania notatek
• Zapier — oprogramowanie do automatyzacji procesów

Dwa narzędzia, których potrzebuje każdy kierownik projektu

W szczególności Notion i Zapier okazały się dla nas przełomowe.

Wspominałem o tym wcześniej, ale Notion to platforma, na której naprawdę zaczęliśmy się coraz bardziej koncentrować. Staje się miejscem, do którego możemy automatycznie przenosić różnego rodzaju kontekst i informacje o naszych klientach, a następnie wyszukiwać je lub wykorzystywać jako wiedzę w innych modelach AI.

Notion zaczyna również udostępniać wiele narzędzi, które znacznie to ułatwiają (poczta, kalendarz, notatki ze spotkań), więc z czasem możemy przenieść do Notion coraz więcej funkcji — być może ostatecznie nawet nasze zarządzanie projektami i CRM.

Zapier wykonał naprawdę świetną pracę, integrując agentów AI ze swoim narzędziem. Podczas gdy wszyscy skupiają się na Gumloop i N8N, twierdzę, że Zapier jest lepszy od obu tych rozwiązań, biorąc pod uwagę szeroki zakres ich integracji.

Mamy kilka automatyzacji — głównie po stronie S&M — które co miesiąc oszczędzają nam mnóstwo czasu, automatyzując marketing i dbając o to, aby dane trafiały we właściwe miejsca oraz były wzbogacane na odpowiednim poziomie.

Automatyzacja w Zapierze z prawdziwego życia

Jedna z bardziej rozbudowanych automatyzacji w Zapierze, które obecnie mamy uruchomione, polega na pozyskiwaniu nowych leadów pobierających nasz zestaw narzędzi i wykonywaniu na ich temat szeregu działań:

1. Sprawdzanie, czy korzystają z firmowego, czy prywatnego adresu e-mail.
2. Filtrowanie osób korzystających z firmowego adresu e-mail.
3. Wyodrębnianie nazwy firmy z adresu e-mail oraz rozdzielanie imienia i nazwiska.
4. Korzystanie z usługi wzbogacania danych w celu wyszukania podstawowych informacji o firmie i osobie.
5. Stosowanie kolejnych filtrów w celu ustalenia, czy lead jest „zakwalifikowany” na podstawie określonych kryteriów — na przykład przynależności do konkretnej branży, określonej liczby pracowników itp.
6. Dalsze wzbogacanie danych leadów, które dobrze pasują do naszych kryteriów.
7. Podsumowywanie i porządkowanie niektórych informacji na ich temat, takich jak opisy firm.
8. Dodawanie tych leadów do naszego systemu CRM oraz stosowanie odpowiednich tagów i filtrów.
9. Dodawanie tych leadów do innych automatyzacji, które wykonują takie działania jak zapisywanie ich na listę odbiorców materiału, który pobrali, oraz dodawanie ich do kampanii automatycznych wiadomości e-mail powiązanej z tym materiałem.

Prostsza przyszłość dla kierowników projektów

Myślę (i mam nadzieję), że za pięć lat zarządzanie projektami stanie się znacznie prostsze.

Tak jak agent AI może umożliwić organizacji tworzenie i rozwijanie „procesu” bez posiadania faktycznego „procesu”, mam nadzieję, że AI pozwoli kierownikom projektów wykonywać swoją pracę bez konieczności ciągłego operowania setkami szczegółowych obiektów w narzędziu do zarządzania projektami.

Można odnieść wrażenie, że tak wiele czasu kierownika projektu pochłania przestawianie zadań, harmonogramów, szacunków czasowych, podzadań, kamieni milowych, zależności, przypisań itd., itd., itd.

W pewnym sensie obiekty te są językiem programowania kierownika projektu, który wykorzystuje je do próby zakodowania reprezentacji tego, co dzieje się w danym momencie. W niektórych przypadkach ma mu to pomóc zrozumieć sytuację, a w wielu innych — zapewnić innym interesariuszom dostęp do aktualnych informacji.

Ten system wydaje się niezwykle nieefektywny i uciążliwy. Jak bieganie po piasku.

Myślę, że AI zacznie ograniczać poziom precyzji i szczegółowości, z którym kierownicy projektów muszą pracować, aby komunikować się i zarządzać swoimi projektami.

Skup się na podstawach AI

Może się wydawać, że wszystko dzieje się szybko — i pod pewnymi względami rzeczywiście tak jest — ale pamiętaj, że minęło dopiero kilka lat od rozpoczęcia transformacji technologicznej, która będzie się rozwijać jeszcze przez co najmniej dekadę lub dwie.

Skup się na podstawach — one nigdy nie wyjdą z mody. Szukaj też sposobów na wykorzystanie AI, aby pracować lepiej i szybciej.

Śledź dalszy ciąg

Możesz obserwować Marcela na LinkedInie. 👉 Zapisz się do The Digital Project Manager i bądź na bieżąco ze wszystkim, co kształtuje wykorzystanie AI w realizacji projektów.