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

Z tego powodu moja rola kierownika projektu i programu przesunęła się w stronę koordynowania podejmowania decyzji, planowania i realizacji wspomaganych przez AI. Zamiast ręcznie łączyć dane z zebrań, dokumentów i systemów, korzystam teraz z narzędzi AI, takich jak Copilot i ChatGPT, aby automatyzować przepływ informacji i generować wnioski w czasie rzeczywistym (istnieje również wiele konkretnych korzyści z narzędzi AI do zarządzania projektami).

Jako lider projektu uczestniczę w wielu spotkaniach i zajmuję się licznymi działaniami następczymi. Moim zadaniem jest poprawa dokładności i spójności realizacji projektu, a jednocześnie ograniczenie liczby spotkań. Wymaga to modelu realizacji wspomaganego przez AI.

Zamiast ręcznie łączyć dane z zebrań, dokumentów i systemów, korzystam teraz z narzędzi AI, takich jak Copilot i ChatGPT, aby automatyzować przepływ informacji i generować wnioski w czasie rzeczywistym.

Share This Quote on:

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

Mashhood Ahmed

Dyrektor założyciel PMassistant.ai

You should also read

• Były menedżer produktu Google zmienia sposób działania zespołów projektowych dzięki narzędziu AI dla menedżerów produktu, opartemu na agentach AI

• Ekspert ds. realizacji projektów twierdzi, że AI ujawnia wadliwe systemy wiedzy wewnątrz firm

• Kierownik produktu w Meta opowiada, jak AI zmienia realizację projektów i gdzie zawodzi

• Lider produktu w startupie zajmującym się zarządzaniem sztuczną inteligencją dzieli się wdrażanymi przepływami pracy agentowej, aby usprawnić realizację

• Ekspert SI i były kierownik produktu dogłębnie analizuje wykorzystanie agentowych przepływów pracy w realizacji projektów

Jak przekształcenie spotkań w ustrukturyzowane dane umożliwia szybszą i bardziej przejrzystą realizację projektów

Jednymi z najbardziej niedocenianych, a zarazem najbardziej wpływowych funkcji AI w zarządzaniu projektami są transkrypcje spotkań i asystenci AI, tacy jak Microsoft Copilot — działające wspólnie. Brzmi to prosto, ale zasadniczo zmienia sposób funkcjonowania projektów.

Przekształcenie każdego spotkania w ustrukturyzowane i przeszukiwalne dane sprawia, że staje się ono podstawą niemal każdej kolejnej czynności związanej z projektem. Gdy transkrypcja jest już dostępna, mogę na bieżąco czynić cuda.

Jeśli chodzi o wpływ, rozwiązanie to:

• Oszczędza około dwóch godzin dziennie na dokumentacji i działaniach następczych — czas i energię przeznaczam teraz na planowanie strategiczne, uzgadnianie działań z interesariuszami oraz zarządzanie AI i projektem.
• Poprawia spójność projektu, ponieważ wszyscy mają dostęp do tego samego wiarygodnego źródła informacji.
• Ujawnia zagrożenia i luki w zakresie projektu na wcześniejszym etapie, zanim wpłyną one na zakres, czas lub budżet.
• Ogranicza liczbę niepotrzebnych spotkań, ponieważ dokumentacja jest bardziej przejrzysta i kompletna.
• Wzmacnia przejrzystość i odpowiedzialność w całym zespole.

Na przykład podczas wdrożenia w sektorze ochrony zdrowia seria pięciu spotkań dotyczących wymagań, odbywających się w różnych placówkach, wydawała się niespójna. Jednak za pomocą jednego polecenia AI połączyła wszystkie pięć transkrypcji w:

• Ujednolicony zestaw wymagań
• Przejrzystą listę elementów objętych zakresem i poza zakresem
• Różnice w przepływach pracy między placówkami
• Wczesne ostrzeżenia dotyczące sprzecznych procesów

Ręczne uzyskanie takiego poziomu wiedzy zajęłoby wiele dni i, szczerze mówiąc, część informacji zostałaby całkowicie pominięta. Za chwilę dokładniej omówię ten przykład.

Jak model realizacji wspomagany przez AI przyspiesza realizację

Doprowadziło mnie to do odejścia od tradycyjnego, opartego w dużej mierze na dokumentach zarządzania projektami na rzecz lekkiego modelu AI w realizacji projektów. Nie zastępuje on podstawowych zasad zarządzania projektami, lecz usprawnia sposób, w jaki je stosujemy.

Stare podejście:

• Ręczne sporządzanie protokołów ze spotkań
• Prowadzenie oddzielnych dokumentów Word/Excel
• Wielokrotne proszenie ludzi o wyjaśnienia
• Pisanie raportów statusowych od zera

Nowy, prosty system:

• Każde spotkanie jest transkrybowane za pomocą Microsoft Teams lub Google Meet.
• Narzędzia produktywności AI(Copilot, Gemini lub ChatGPT) generują podsumowania, zadania do wykonania, zagrożenia i decyzje.
• Te materiały są automatycznie przechowywane w SharePoint lub na Dysku.
• Dokumenty takie jak karty projektu, RACI, plany komunikacji i rejestry RAID są generowane na podstawie tych samych danych transkrypcji.

Rezultat: Spotkania inicjujące projekt generują teraz automatycznie połowę dokumentacji projektowej, zmniejszając nakład pracy ręcznej o 40–60 procent.

Jak AI zmienia rytuały projektowe i ogranicza pracę ręczną

Jeśli chodzi o rytuały, to zastosowanie AI całkowicie je zmieniło. Przeszliśmy od ręcznych procesów opartych na spotkaniach do ciągłych przepływów pracy opartych na danych.

Zamiast polegać na notatkach lub pamięci ludzi, traktujemy teraz AI jak cichego członka zespołu, który słucha, syntetyzuje informacje i wskazuje to, co ma znaczenie. Oto przykład tworzenia dokumentów dotyczących zakresu projektu i karty projektu, które stanowią podstawę każdego projektu.

Stare podejście: Zakres był opracowywany ręcznie po serii spotkań, często na podstawie fragmentarycznych notatek.

Nowe podejście wykorzystujące AI:

• Wprowadzam wiele transkrypcji spotkań, wiadomości e-mail i dyskusji dotyczących wymagań do Copilot lub ChatGPT.
• AI tworzy pierwszą wersję zakresu, uwzględniając elementy objęte zakresem, elementy poza zakresem, założenia i zależności.
• Dopracowuję ją z ekspertami merytorycznymi zamiast tworzyć ją od zera
• Wykorzystuję możliwości AI, aby opracować zakres projektu i kartę projektu w ciągu kilku godzin zamiast kilku dni

Wskazówka Mashhooda

Zamiast polegać na notatkach lub pamięci ludzi, traktujemy teraz AI jak cichego członka zespołu, który słucha, syntetyzuje informacje i wskazuje to, co ma znaczenie.

Jak agentowa AI automatyzuje przepływy pracy projektowej i ogranicza powtarzalność

W ciągu ostatnich sześciu miesięcy intensywnie eksperymentowałem również z agentowymi przepływami pracy i platformami opartymi na orkiestracji, aby ograniczyć powtarzalne zadania kierownika projektu i tworzyć bardziej spójne modele realizacji. Microsoft Agent 365, wydany w połowie listopada, ma szczególnie duży potencjał w zakresie orkiestracji wielu agentów w rzeczywistych środowiskach projektowych.

Jednym z przykładów jest specjalnie zbudowany Agent spotkań, którego używam w opisanych wyżej przepływach pracy związanych ze spotkaniami. Agent automatycznie dołącza do rozmów, tworzy podsumowania spotkań i przygotowuje uporządkowane tabele zadań do wykonania wraz z osobami odpowiedzialnymi i terminami. Zadania te można następnie bezpośrednio przekazywać do Jira, Asana lub innych narzędzi do zarządzania pracą, eliminując ręczne przepisywanie i działania następcze.

Skonfigurowaliśmy również Agenta ryzyka, który analizuje transkrypcje spotkań, aby natychmiast po dyskusjach sygnalizować nowe zagrożenia. Pozwala on kierownikowi projektu symulować scenariusze, oceniać potencjalne skutki i decydować, czy dane zagrożenie wymaga eskalacji lub udostępnienia zespołowi.

Te niewielkie, ale potężne agentowe przepływy pracy już teraz zmniejszają obciążenie administracyjne i pomagają zespołom działać w sposób bardziej spójny i przejrzysty, z wcześniejszą świadomością zagrożeń.

Przykład z życia pokazujący uzgadnianie działań w złożonych projektach dzięki AI

Przyjrzyjmy się bliżej przykładowi wielolokalizacyjnych klinik opieki zdrowotnej. Projekt miał napięte terminy, wielu dostawców i sfrustrowanych interesariuszy z powodu niespójnych wymagań.

Wyzwanie

Mieliśmy pięć lokalizacji, z których każda działała według innych procedur, a także wiele spotkań z personelem medycznym i interesariuszami na różnych poziomach. Wymagania nie były spójne między lokalizacjami, a zespół tracił zgodność działań, ponieważ decyzje dotyczące poszczególnych lokalizacji były ukryte — głównie w notatkach ze spotkań, a czasami w wiadomościach e-mail i komunikatorach.

Podejście oparte na AI

W pierwszym kroku skonfigurowaliśmy scentralizowane rozwiązanie do analizy spotkań. Włączyliśmy transkrypcję w Microsoft Teams dla każdego spotkania i wykorzystaliśmy ją jako jedno źródło prawdy.

Następnie zbudowaliśmy proste automatyzacje AI we współpracy zespołowej, aby przechowywać transkrypcje na współdzielonym dysku lub w SharePoint. Zapewniliśmy też dostęp całemu zespołowi, dzięki czemu każdy mógł wchodzić w interakcję z wieloma transkrypcjami spotkań jednocześnie i formułować dla nich polecenia.

Na przykład często formułowałem następujące polecenia:

• „Na podstawie transkrypcji tego spotkania pomóż mi przygotować podsumowanie spotkania w mniej niż 200 słowach oraz tabelę z zadaniami, abym jako kierownik projektu mógł monitorować uzgodnione zadania, zasoby i terminy.”
• „Na podstawie tego spotkania pomóż mi zidentyfikować nowe ryzyko lub przygotować plan ograniczania ryzyka zgodnie z propozycją architekta technicznego.”

Włączenie transkrypcji spotkań i stosowanie takich prostych poleceń wyeliminowało potrzebę ręcznego sporządzania notatek oraz przeglądania chaotycznych, odręcznie zapisanych notatek. Ustabilizowaliśmy również wymagania różnych klinik i wymagane przez nie procesy pracy.

Na przykład mogę zidentyfikować spotkania dotyczące zbierania wymagań, a następnie po prostu wpisać: „Pomóż mi przygotować wymagania wysokiego poziomu w celu udokumentowania i sfinalizowania zakresu projektu. Pamiętaj, aby osobno uwzględnić elementy objęte zakresem i poza zakresem, zgodnie z ustaleniami omówionymi podczas tych spotkań.”

Gotowe. Mam tutaj gotowy projekt zakresu projektu opracowany na podstawie tych pięciu spotkań, po jednym z każdej kliniki. Kolejne polecenie, takie jak „Wskaż różnice w procesach pracy między pięcioma klinikami i zaproponuj, jak możemy je usprawnić”, pomogłoby zidentyfikować różnice, które możemy omówić z personelem medycznym, aby usprawnić procesy i odpowiednio je monitorować.

Korzyści

Warto zauważyć, że początkowo interesariusze mieli zastrzeżenia. Jednak gdy przeprowadziliśmy pilotaż i pokazaliśmy jego wartość, niemal wszyscy zaakceptowali to rozwiązanie. Ponadto członkowie zespołu zaczęli uważniej dobierać słowa podczas tych spotkań, co ostatecznie okazało się korzystne dla projektu i firmy. Oto najważniejsze opinie:

• AI w zarządzaniu interesariuszami pomogła zidentyfikować przypadki brzegowe i różnice w procesach pracy, które zwykle nigdy nie były dokumentowane ani omawiane podczas wczesnych spotkań. Stały się one od razu widoczne, ponieważ analizowaliśmy transkrypcje za pomocą poleceń, zamiast polegać na pamięci lub odręcznie zapisanych notatkach. W kilku przypadkach doprowadziło to nawet do rozszerzenia lub doprecyzowania zakresu projektu.
• Interesariusze docenili posiadanie jednego, wiarygodnego źródła informacji. Zamiast przeszukiwać wiadomości e-mail, wątki czatów czy własne notatki, mogli przejść do jednego miejsca i wyraźnie zobaczyć uporządkowane decyzje, działania następcze oraz zadania.
• Zespoły biznesowe i techniczne zauważyły, że AI wcześniej niż tradycyjne metody ujawniało ryzyka i luki w procesach. Brakujące procesy pracy, niespójne role, niejasny podział odpowiedzialności czy potencjalne opóźnienia były od razu sygnalizowane na podstawie danych ze spotkań.
• Zespoły doceniły fakt, że podsumowania i zadania wygenerowane przez AI skróciły czas przygotowań. Uczestnicy przychodzili na spotkania z większą jasnością sytuacji i mniejszą liczbą nieporozumień.

Jak utrzymywać wysokiej jakości bazę wiedzy dzięki transkrypcji AI

Obecnie transkrypcje są bardzo dokładne, ale nadal występują problemy związane z silnymi akcentami, szybko mówiącymi osobami, nakładającymi się rozmowami lub niestabilnym połączeniem internetowym. Oto jak w praktyce dbam o dokładność:

• Ustalaj oczekiwania na wczesnym etapie. Informujemy zespół, że transkrypcje są narzędziem pomocniczym, a nie dosłownym zapisem prawnym. Zdejmuje to presję i zachęca do aktywnego udziału.
• Włącz do procesu „pętlę wyjaśniającą”. Po każdym spotkaniu zachęcamy członków zespołu do przejrzenia podsumowania lub tabeli z zadaniami i zgłoszenia poprawek. Jeśli jakieś stwierdzenie wydaje się niepoprawne, niejednoznaczne lub sprzeczne, weryfikujemy je podczas działań następczych albo na kolejnym spotkaniu. Zajmuje to zaledwie minutę lub dwie i znacznie poprawia dokładność.
• Formułuj właściwe polecenia dla AI. Zawsze prosimy narzędzia AI o interpretowanie kontekstu, a nie zakładanie, że wszystko należy rozumieć dosłownie. Na przykład: „Na podstawie transkrypcji podsumuj najważniejsze kwestie. Jeśli coś jest niejasne, wskaż to, zamiast zgadywać.”
• Zachęcaj do lepszych nawyków podczas spotkań. Wyraźne przekazywanie głosu, unikanie mówienia jednocześnie i nieco wolniejsze tempo podczas omawiania decyzji pomagają poprawić jakość transkrypcji, a także ogólną jakość spotkań.

Dlaczego stosy technologii AI firmy Microsoft i Google stają się kluczowym elementem realizacji projektów

Oto dwa stosy technologiczne, których używałem z klientami:

• Ekosystem Microsoft: Korzystamy z Teams, Outlooka, Copilota (dla przedsiębiorstw), SharePointa, OneDrive'a i MS Office. Używamy nawet niektórych aplikacji Power Apps i Power Automate do tworzenia integracji z narzędziami do zarządzania projektami opartymi na AI, takimi jak Smartsheet czy Asana.
• Ekosystem Google: Google Meet, Gmail, Kalendarz, Gemini, Dysk, Dokumenty Google i Arkusze Google. W tym przypadku korzystamy z Zapiera do integracji z narzędziami do zarządzania projektami oraz z oprogramowania do automatyzacji przepływów pracy. W ciągu ostatnich kilku miesięcy ekosystem Google znacznie zwiększył swoje możliwości wykorzystania AI, szczególnie dzięki wdrożeniu Gemini dla Workspace i integracji z Vertex AI.

Ponieważ Microsoft i Google konkurują ze sobą w sektorze korporacyjnym, ich możliwości AI znacznie rozwinęły się w ciągu ostatniego roku. Moglibyśmy korzystać z wielu innych narzędzi zwiększających produktywność, jednak na razie stawiam na Google i Microsoft.

Dlaczego nadmierne poleganie na AI stanowi nowe ryzyko dla projektu

Zaskoczyła mnie zmiana kulturowa, którą zaobserwowałem podczas wdrażania AI w analityce projektowej. Gdy zespół przekonał się, jak wiarygodne mogą być wyniki generowane przez AI, jego członkowie zaczęli bardziej zdyscyplinowanie formułować decyzje podczas spotkań, ponieważ wiedzieli, że transkrypcja będzie wykorzystywana jako źródło prawdy. Poprawiło to dyscyplinę projektową bez konieczności egzekwowania jej przeze mnie.

Również członkowie zespołu, którzy początkowo mieli zastrzeżenia, zaczęli wykorzystywać Copilota do codziennych zadań. W rzeczywistości, gdy zespoły dostrzegają wartość AI, nadmierne poleganie na nim staje się nowym ryzykiem. Obecnie ograniczam to ryzyko za pomocą ludzkich zabezpieczeń  — czyli zaangażowania człowieka, który dokonuje weryfikacji.

Jak zdecydować, które prace projektowe zautomatyzować za pomocą AI, a które wymagają ludzkiego osądu

Generatywna AI zdecydowanie pomaga przyspieszyć pracę. Jednak ludzki osąd jest nadal niezbędny — nie można powiedzieć komitetowi sterującemu, że „zakres projektu został napisany przez generatywną AI”. Dokument ma Twoje nazwisko, dlatego musisz wziąć za niego odpowiedzialność i zastosować ludzki osąd.

Oto obszary prac związanych z realizacją projektu, które moim zdaniem najbardziej nadają się do wykorzystania AI:

• Analiza spotkań
• Tworzenie projektowej dokumentacji
• Wcześniejsze identyfikowanie ryzyk projektowych
• Analiza dokumentów, takich jak SoW i SLA dostawców, oraz sprawdzanie, czy dokumenty te są ze sobą zgodne

Ostatnio odnieśliśmy również pewne sukcesy w tworzeniu dokumentów z wykorzystaniem szablonu dokumentu klienta, dzięki czemu odpowiedź wygenerowana przez generatywną AI ma prawidłową strukturę dokumentu.

AI w podejmowaniu decyzji projektowych nie rozumie polityki, niuansów kulturowych ani wrażliwości interesariuszy. Właśnie dlatego ludzka wiedza i doświadczenie stają się niezbędne. Musimy ocenić:

• Którego interesariusza opinia ma większe znaczenie
• Gdzie może pojawić się opór
• Jak decyzje wpłyną na inne programy lub działy
• Jakie kompromisy są akceptowalne

Bez ludzkiego osądu AI jest szybka... ale niekoniecznie trafna.

wskazówka mashhooda

AI jest na dobrej drodze, by stać się de facto warstwą zarządzania projektami, fundamentalnie zmieniając w najbliższej przyszłości sposób planowania, monitorowania i realizacji projektów.

Dlaczego AI staje się nową warstwą zarządzania projektami we współczesnych organizacjach

AI w planowaniu projektów pozostanie z nami na długo. Dzięki narzędziom takim jak Copilot i Gemini, które są obecnie głęboko zintegrowane z pocztą e-mail, kalendarzami, dokumentami i podstawowymi aplikacjami biznesowymi, AI jest na dobrej drodze, by stać się de facto warstwą zarządzania projektami, fundamentalnie zmieniając w najbliższej przyszłości sposób planowania, monitorowania i realizacji projektów.

AI agentowa ma również ogromny potencjał i chociaż jest zbyt wcześnie, aby przewidzieć pełny wpływ tej technologii, może ona stać się istotnym czynnikiem zakłócającym działalność wielu tradycyjnych firm.

Jasne jest, że organizacje, które dostosują się wcześnie, zyskają znaczącą przewagę pod względem szybkości, efektywności i podejmowania decyzji.

Dlaczego warto już teraz rozpocząć pilotaż AI na małą skalę

Moja rada jest prosta: nie czekaj na pełną jasność sytuacji, tylko już teraz rozpocznij eksperymenty w ramach pilotażu na małą skalę.

Oto kilka praktycznych zaleceń:

• Zacznij od małych kroków, ale zacznij już teraz. Włącz transkrypcję spotkań. Poproś AI o podsumowanie aktualizacji statusu. Użyj generatywnej AI (Copilot lub ChatGPT), aby wspólnie przygotować dokument projektowy. Małe eksperymenty budują pewność siebie i dynamikę działania.
• Traktuj AI jak członka zespołu, a nie zagrożenie. AI nie zastąpi liderów dostarczania projektów, ale liderzy dostarczania projektów korzystający z AI osiągną lepsze wyniki niż ci, którzy tego nie robią. Wykorzystuj AI do wykonywania najbardziej pracochłonnych zadań, aby móc skupić się na uzgadnianiu, coachingu, negocjacjach i strategii.
• Inwestuj w ludzką ocenę sytuacji i zarządzanie. AI może ujawniać spostrzeżenia, ale to ludzie wciąż podejmują decyzje. Rozwijaj swoje umiejętności w zakresie zarządzania ryzykiem, angażowania interesariuszy, kwestii etycznych i zarządzania projektami. Te umiejętności będą ważniejsze niż kiedykolwiek.

 

Moja rada jest prosta: nie czekaj na idealną jasność sytuacji, zacznij już teraz eksperymentować w ramach małego pilotażu.

Share This Quote on:

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

Mashhood Ahmed

Dyrektor założyciel PMassistant.ai

Śledź dalszy ciąg

Mashhood chętnie nawiąże kontakt z każdym, kto chce kontynuować rozmowę lub lepiej poznać temat realizacji projektów wspieranej przez AI. Możesz skontaktować się z nim na LinkedInie. Możesz też odwiedzić strony M1 Consultants i PMAssistant.ai.

Wkrótce kolejne wywiady z ekspertami na stronie The Digital Project Manager!