Realizacja projektów wymaga systemów orkiestracji AI, a nie samych narzędzi — osoba odpowiedzialna za realizację projektów omawia, jak AI tworzy nowe wąskie gardła

Jeśli chodzi o realizację projektów, odpowiadam za projekty w mojej firmie: definiowanie strategii i KPI, budowanie zespołu (zarówno ludzkiego, jak i opartego na systemach wykorzystujących AI), nadzorowanie realizacji oraz dostarczanie projektów — podstawowych systemów marketingowych, które zespoły mogą utrzymywać przez długi czas.

Powiedziałabym, że moje doświadczenie jest nietypowe jak na marketingowca. Zaczynałam jako licencjonowana inżynierka i zajmowałam się marketingiem dla przedsięwzięć inżynieryjnych i technologicznych. Od 20 lat projektuję strategie wzrostu i dostarczam rezultaty marketingowe wszystkim — od startupów przed uzyskaniem pierwszych przychodów po 10% firm z listy Fortune 100 (Intel, IBM, Amazon, Dell, SAP). Często pomagam ambitnym założycielom spoza tradycyjnych centrów technologicznych, takich jak San Antonio, Chicago, Tel Awiw czy części Europy, którzy nie mają łatwego dostępu do doświadczonego przywództwa w obszarze wzrostu.

Oto, co wyróżnia moje podejście: łączę wiedzę z zakresu marketingu produktu i marketingu wzrostu z dogłębną znajomością AI i danych. Przeszkoliłam ponad 2 miliony profesjonalistów w zakresie AI, strategii danych, a obecnie także marketingu AI — dlatego kiedy mówię „oparty na danych”, mam na myśli poziom inżynieryjny. To nie jest tylko powierzchowna analityka.

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 AI na nowo definiuje role przywódcze w obszarach strategii, architektury i orkiestracji

Wraz z pojawieniem się AI moja rola ewoluowała od „stratega + lidera” do „stratega + architekta + orkiestratora agentów + lidera”.

W praktyce wygląda to tak: wcześniej 50% czasu poświęcałam na planowanie strategiczne, a 50% na prowadzenie zespołów podczas realizacji. Teraz jest to 30% strategii, 25% architektury systemów AI, 25% orkiestracji agentów i 20% przywództwa zespołowego.

Oto, co zajmuje więcej uwagi:

• Projektowanie systemów AI, z których mogą korzystać moje zespoły — mówię tu o przepływach pracy, a nie o narzędziach.
• Ramy walidacji i kontrola jakości

Oto, co zajmuje mniej czasu:

• Ręczna analiza danych: AI obsługuje 80% wstępnych wniosków za pośrednictwem ChatGPT EDA (eksploracyjnej analizy danych).
• Treści w pierwszej wersji: AI tworzy szkice za pośrednictwem Claude + niestandardowego MCP, a zespoły je dopracowują.
• Rutynowe raportowanie: w większości zautomatyzowane za pomocą Segmetrics.
• Dokumentacja spotkań: AI wyodrębnia działania i decyzje za pomocą Fathom.

Jak korzystać z ram Gradientu zaufania, aby zdecydować, co zautomatyzować, a co pozostawić ludziom

Korzystam z ram „Gradientu zaufania”, aby decydować, co automatyzować. Oto ich istota.

Wysoki potencjał automatyzacji (AI obsługuje ponad 80%):

• Gromadzenie danych i wstępna analiza
• Tworzenie treści w pierwszej wersji — tylko wtedy, gdy odpowiedni kontekst marki został udokumentowany
• Produkcja materiałów kampanii
• Notatki ze spotkań i wyodrębnianie elementów wymagających działania
• Rutynowe raportowanie wyników

Wymaga nadzoru człowieka (AI pomaga, a człowiek podejmuje decyzję):

• Ustalanie priorytetów strategicznych — które kampanie prowadzić, kiedy i dlaczego
• Decyzje dotyczące pozycjonowania na rynku
• Alokacja budżetu między kanałami
• Odpowiadanie na obiekcje klientów w rozmowach o wysokiej stawce
• Reagowanie kryzysowe

Obszar zarezerwowany wyłącznie dla ludzi:

• Projektowanie grafik do mediów społecznościowych (tak!)
• Walidacja ICP i synteza badań rynku (AI pomija istotne emocjonalne podteksty, które należy uwzględnić)
• Strategia cenowa i projektowanie modelu monetyzacji
• Negocjacje dotyczące partnerstw
• Rozwiązywanie konfliktów
• Każda decyzja, która bezpośrednio wpływa na wynik finansowy (P&L) lub reputację firmy

Inteligentne zespoły wykorzystują AI do irytującej, powtarzalnej pracy zależnej od kontekstu, a następnie pozwalają ludziom skupić się na decyzjach wymagających osądu, głębokiej znajomości rynku oraz ocenie strategicznych kompromisów.

Pamiętaj jednak: automatyzacja wadliwego procesu daje po prostu szybciej wadliwe rezultaty. Na przykład widziałam zespoły automatyzujące tworzenie treści, podczas gdy prawdziwym problemem było nieprawidłowe pozycjonowanie, przez co była to całkowita strata czasu.

Automatyzacja wadliwego procesu daje po prostu szybciej wadliwe rezultaty.

Share This Quote on:

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

Lillian Pierson

Założycielka Data-Mania

Rozwiązanie nowego wąskiego gardła AI: wbudowanie w przepływy pracy węzłów walidacyjnych

Mimo to zaskoczyło i rozczarowało mnie odkrycie, że AI nie wyeliminowała naszych wąskich gardeł — tylko je przesunęła.

Dziesięciokrotnie szybciej realizujemy strategie kampanii, kalendarze treści i schematy komunikacji. Jednak całkowity czas realizacji projektów skrócił się tylko trzykrotnie.

Dlaczego? Ponieważ teraz poświęcamy więcej czasu na sprawdzanie, czy rezultaty wygenerowane przez AI są rzeczywiście poprawne. Przed wdrożeniem AI moje zespoły poświęcały 80% czasu na tworzenie materiałów i 20% na sprawdzanie, czy są one zgodne ze strategią. Teraz proporcje się odwróciły: 30% na tworzenie i 70% na walidację.

Wąskie gardło przesunęło się więc z realizacji na ocenę.

Aby rozwiązać ten nowy problem, zaczęłam tworzyć węzły walidacyjne w ramach moich przepływów pracy opartych na AI, dzięki czemu LLM mogą oceniać nie tylko dokładność, lecz także zgodność z rygorystycznymi kryteriami przepływu pracy. 

Przykład skryptu kontroli jakości AI z rzeczywistego świata

W instrukcjach agenta mój węzeł walidacyjny wygląda mniej więcej tak: 

• W przypadku tworzonych treści do mediów społecznościowych wykonaj etap weryfikacji jakości. Przed przesłaniem odpowiedzi sprawdź:
  • Czy utworzyłam dokładnie 3 treści?
  • Czy utworzyłam dokładnie 1 wirusowy post na LinkedIn?
  • Czy utworzyłam dokładnie 1 wirusowy opis do Reels?
  • Czy utworzyłam dokładnie 1 skrypt wypowiedzi do wirusowego filmu Reels?
  • Czy napisany przeze mnie post na LinkedIn spełnia wymagania określone w poleceniu pobranym w kroku X?
  • Czy uwzględniłam we wszystkich treściach dowód społeczny lub studium przypadku wybrane w kroku Y?
  • Czy post na LinkedIn i opis do Reels zawierają odpowiednie hashtagi?
  • Czy uniknęłam dodawania strategii, szablonów, wskazówek wizualnych lub dodatkowych materiałów?
  • Czy zastosowałam się do określonych wymagań dotyczących formatu?
  • Jeśli odpowiedź na którekolwiek z powyższych pytań brzmi „nie”, wróć i popraw błąd. Następnie powtarzaj ten krok, aż wszystkie odpowiedzi będą brzmiały „tak”.
  • Jeśli utworzysz cokolwiek innego niż 3 określone treści, całkowicie nie wykonasz tego zadania.

Jak dotąd to pomaga, ale nie działa w 100%.

Jak AI zmienia sposób realizacji projektów

Przeszliśmy od planowania zbliżonego do metody kaskadowej do trybu „ciągłej walidacji”, w którym testowanie odbywa się w ramach procesu. Sama ta zmiana ograniczyła narzut procesowy z 20% do 5%. To naprawdę duża różnica.

Kluczowe jest najpierw przeanalizowanie całego modelu realizacji, a dopiero potem strategiczna automatyzacja.

Oto jak ewoluowały nasze podstawowe rytuały realizacji:

Dopasowanie zespołów

• Wcześniej: godzinne spotkanie dotyczące uzgodnień z prezentacją i sesją pytań i odpowiedzi.
• Obecnie: brief projektu wygenerowany przez AI za pomocą ChatGPT, następnie asynchroniczne uwagi w Notion w ciągu 24 godzin oraz 15-minutowe spotkanie synchronizacyjne poświęcone wyłącznie przeszkodom.
• Wpływ: o 80% mniej czasu poświęcanego na spotkania i lepsze dopasowanie.

Walidacja pracy

• Stare: zespół QA ręcznie sprawdzał każdy materiał
• Nowe: testowanie wspomagane przez AI, w ramach którego Claude sprawdza treści pod kątem kluczowych kryteriów, udokumentowanego stylu komunikacji marki i punktów potwierdzających, a następnie koryguje wszelkie odstępstwa. Ludzie wyrywkowo sprawdzają zgodność ze strategią.
• Wpływ: 2 razy mniej problemów z jakością.

Traktujemy AI jak niezwykle szybkiego młodszego członka zespołu z doskonałą pamięcią, ale pozbawionego strategicznego osądu. Potrzebuje wskazówek, kontekstu i weryfikacji, ale wykonuje całą żmudną pracę.

Moje motto brzmi: zespoły, które próbują zastąpić AI większość ludzi, poniosą porażkę. Wygrają zespoły, które wykorzystują AI do wzmacniania trafnego i podejmowanego we właściwym czasie ludzkiego osądu.

Traktujemy AI jak niezwykle szybkiego młodszego członka zespołu z doskonałą pamięcią, ale pozbawionego strategicznego osądu. Potrzebuje wskazówek, kontekstu i weryfikacji, ale wykonuje całą żmudną pracę.

Share This Quote on:

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

Lillian Pierson

Założycielka Data-Mania

Przejście od narzędzi AI do systemów orkiestracji

Tak wyglądał mój stos technologiczny 12 miesięcy temu: Airtable, Notion, ChatGPT, Perplexity, Canva, Google Docs, Fathom, Siri i Loom.

Oto mój obecny stos:

• ​​Claude + niestandardowy MCP: moja główna przestrzeń robocza AI, w której zajmuję się większością myślenia strategicznego, tworzenia treści i prac deweloperskich, wzbogacona o niestandardowe integracje umożliwiające dostęp do całego mojego kontekstu i narzędzi w jednym miejscu.
• n8n: używam go do automatyzacji powtarzalnych czynności, dzięki czemu mogę skupić się na właściwej pracy strategicznej zamiast kopiować dane między platformami lub wysyłać te same e-maile uzupełniające. Używam go również jako serwera MCP.
• Airtable: tutaj przechowuję cały mój kontekst na potrzeby MCP. A gdy moi agenci AI kończą zadanie, automatycznie zapisują wyniki w Airtable, którego używam do przechowywania i organizowania wszystkich danych projektowych na potrzeby MCP.
• Notion: mój centralny mózg dla standardowych procedur operacyjnych i szablonów strategii. Narzędzie do zarządzania projektami i dokumentacji oraz wszystkiego, do czego muszę się odwołać lub co muszę udostępnić zespołowi.
• Bolt: gdy potrzebuję niestandardowego narzędzia, strony docelowej lub prototypu i nie chcę czekać na dewelopera, używam go do szybkiego tworzenia aplikacji internetowych rozwiązujących konkretne problemy związane z przepływem pracy.
• Windsurf: mój podstawowy edytor kodu, gdy tworzę niestandardowe aplikacje do konkretnych zadań marketingowych. Kod jest pisany przez AI, więc nie zatrzymuję się na składni.
• ChatGPT: używam go, gdy potrzebuję innego spojrzenia na coś lub chcę szybko omówić pomysły bez zmiany kontekstu. Świetnie sprawdza się również w pogłębionym researchu.
• Perplexity: mój asystent badawczy do gromadzenia aktualnych danych rynkowych, informacji o konkurencji i trendach branżowych wraz z rzeczywistymi źródłami, które mogę cytować.
• Gamma: gdy muszę szybko przygotować prezentację bez ugrzęźnięcia w decyzjach projektowych, pomaga mi stworzyć coś, co wygląda profesjonalnie, w ułamku czasu.
• OpenAI AgentKit: eksperymentuję z nim, aby tworzyć niestandardowych agentów AI, którzy mogą obsługiwać konkretne powtarzające się zadania bez konieczności ręcznego uruchamiania ich za każdym razem.
• Descript: używam go do edycji nagrań i filmów z prezentacjami dla klientów, aby były dopracowane bez konieczności posiadania wiedzy z zakresu montażu wideo.
• Canva (bezpłatne oprogramowanie marketingowe): moje narzędzie do projektowania markowych grafik, materiałów do mediów społecznościowych i elementów wizualnych, gdy potrzebuję czegoś, co dobrze wygląda, ale nie wymaga pełnego procesu projektowego.
• Google Docs: tutaj wspólnie z klientami i zespołem przygotowuję wersje robocze. Jest szczególnie przydatne podczas sesji informacji zwrotnych w czasie rzeczywistym i iteracyjnej pracy nad strategią.
• Fathom (aplikacja do robienia notatek): nagrywa moje rozmowy z klientami i automatycznie tworzy transkrypcje oraz podsumowania, dzięki czemu mogę skupić się na rozmowie zamiast gorączkowo robić notatki.
• Loom (oprogramowanie do marketingu wideo): za jego pomocą przekazuję większość moich prezentacji strategicznych i audytów stron internetowych. Pozwala mi asynchronicznie przeprowadzać klientów przez tok mojego rozumowania, aby mogli oglądać materiały w dogodnym dla siebie czasie.

Ogólnie rzecz biorąc, największa zmiana polegała na przejściu od „narzędzi” do „systemów AI w orkiestracji”. Przeszedłem od używania ChatGPT do generowania treści i badań rynku do budowania kompletnych agentów AI, którzy uzyskują dostęp do uporządkowanego kontekstu marki i autonomicznie generują materiały kampanii oraz markowe materiały końcowe.

Bardzo pomogło mi to wyeliminować wszystkie te wyspecjalizowane GPT-y przeznaczone do pojedynczych zastosowań. Skonsolidowałam 90% z nich w agentach zbudowanych w ramach „Projektów” Claude’a, z odpowiednią architekturą kontekstu znajdującą się w Airtable.

API Claude’a było dodatkiem o najwyższym zwrocie z inwestycji. Claude ma niestandardowy MCP do budowania agentów AI, którzy dynamicznie uzyskują dostęp do ustrukturyzowanych informacji o marce, a po zbudowaniu agentów na wielu platformach to właśnie do tego rozwiązania ciągle wracam — jest po prostu niezwykle potężne! Wymaga jednak swobody technicznej w pracy z API i projektowaniu promptów.

Dodałabym również, że n8n jest niedoceniane przez założycieli firm i kierowników projektów, którzy chcą budować niestandardowe przepływy pracy AI bez programowania.

Ogólnie rzecz biorąc, największa zmiana polegała na przejściu od “narzędzi” do “systemów orkiestracji AI.

Share This Quote on:

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

Lillian Pierson

Założycielka Data-Mania

Zwrot z inwestycji w przepływy pracy oparte na agentach — i dlaczego kumulująca się inteligencja przewyższa szybkie zwycięstwa

Jeśli istnieje przypadek użycia dla przepływu pracy opartego na agentach, buduję go i udostępniam. Zwrot z inwestycji w takie przepływy pracy jest niepodważalny.

Właściwie jeszcze niedawno siedziałam do 2 w nocy, tworząc kurs dla LinkedIn na temat Agent Kit. W tym kursie przeprowadzam uczestników przez proces budowania systemu wielu agentów, który przekształca 6-miesięczną strategię partnerstwa w solidny, codzienny plan działania, możliwy do realizacji przez marketera na stanowisku juniorskim. 

Jednak wielu początkujących może nie zdawać sobie sprawy z tego, że przepływy pracy oparte na agentach nie działają na zasadzie „ustaw i zapomnij”. Zwrot z inwestycji wynika z kumulowania się inteligencji w czasie, a nie z natychmiastowej perfekcji. Błędem byłoby traktowanie agentów jak magicznych rozwiązań, zamiast jak systemów wymagających ciągłego doskonalenia.

Jak używać przepływów pracy opartych na agentach, aby przekształcać strategię w wykonalną codzienną pracę

Zbudowałam ten przepływ pracy agenta przekształcającego strategię w realizację, aby rozwiązać problem, z którym ciągle się mierzyłam: dostarczałam klientom obszerne prezentacje strategiczne, a potem oboje wpatrywaliśmy się w tę ogromną mapę drogową, zastanawiając się: „Dobrze, ale co właściwie mam zrobić jutro?”

Łańcuch agentów rozkłada strategię na wykonalną codzienną pracę. Oto jak to działa:

• Agent planowania projektu AI: Pobiera surowy tekst strategii z mojego materiału i wyodrębnia rzeczywiste cele, priorytety oraz inicjatywy. Analizuje cały kontekst i wyciąga z niego to, co najważniejsze.
• Agent planowania realizacji: Pobiera wyodrębnione cele i wzbogaca je o priorytety, zależności oraz realistyczne ramy czasowe. To tutaj pomysły strategiczne stają się rzeczywistą mapą drogową z logiczną kolejnością działań.
• Agent planowania codziennych działań: Przekształca tę mapę drogową w konkretne codzienne zadania. Nie „ulepszyć marketing e-mailowy”, lecz „przygotować pierwszy e-mail powitalny, skonfigurować wyzwalacz automatyzacji w n8n, napisać różne wersje tematu do testów itd.”
• Transformacja + MCP: Wysyła wszystkie wyniki pracy agentów do Gamma, gdzie automatycznie powstaje przejrzysty, profesjonalny plan realizacji, z którego klienci mogą faktycznie korzystać.

Całość działa automatycznie po dostarczeniu przeze mnie dokumentu strategicznego. To, co wcześniej zajmowało mi wiele godzin ręcznego rozbijania na zadania, teraz dzieje się w kilka minut, a klienci otrzymują w jednym materiale zarówno myślenie strategiczne, jak i praktyczny podręcznik realizacji.

Nieoczywiste porady dla kierowników projektów wdrażających przepływy pracy AI

Mam trzy nieoczywiste rady:

1. Przeprowadź audyt, zanim zaczniesz automatyzować. Nigdy nie automatyzuj na podstawie przeczuć.
2. Zatrudniaj osoby sceptyczne wobec AI, a nie entuzjastycznie nastawione do AI. Najlepsze osoby w moich zespołach to te, które kwestionują wyniki AI i domagają się ich weryfikacji. Ślepy entuzjazm prowadzi do kosztownych błędów.
3. Dokumentuj swoje eksperymenty jak naukowiec. Śledź, czego próbowałaś, co zadziałało, co nie zadziałało i dlaczego. Z czasem staje się to bezcenną wiedzą organizacyjną, która się kumuluje.
4. Inwestuj w kontekst: I oto coś, o czym nikt nie mówi — większość zespołów inwestuje o 90% za mało w infrastrukturę kontekstu. Wydają tysiące na narzędzia AI, ale zero godzin na dokumentowanie głosu marki, języka ICP, punktów potwierdzających wartość i pozycjonowania. Bez tych podstaw AI po prostu szybciej skaluje przeciętność — i taka jest prawda.

Niestety prawdopodobnie poczujesz, że zwalniasz, zanim poczujesz, że przyspieszasz, i zaczniesz się zastanawiać, czy to wszystko jest tego warte. Przetrwaj ten etap. Kumulujące się korzyści są niepodważalne nawet po 6 tygodniach.

Rozwój architektów systemów AI i strategicznych specjalistów ds. relacji

Powiedziałabym, że do 2030 roku moja rola będzie składać się z dwóch odrębnych funkcji:

• Architekci systemów AI: liderzy techniczni, którzy budują ekosystemy agentów AI i zarządzają nimi, aby zajmowały się realizacją zadań. Będą potrzebować wiedzy specjalistycznej z zakresu inżynierii promptów, umiejętności projektowania baz danych kontekstowych oraz myślenia w kategoriach orkiestracji systemów.
• Strategiczni specjaliści ds. relacji: koncentrują się wyłącznie na tym, czego AI nie potrafi robić, takich jak uzgadnianie stanowisk interesariuszy, rozpoznawanie sytuacji rynkowej, dokonywanie strategicznych kompromisów, rozwijanie partnerstw i budowanie narracji kulturowej.

Obszar pośredni szybko zanika. Realizacja zadań na poziomie operacyjnym jest już automatyzowana. To, co pozostaje, to głęboka wiedza techniczna (budowanie inteligentnych systemów) oraz głęboka wiedza strategiczna (podejmowanie decyzji wymagających rozległej wiedzy specjalistycznej).

Śledź na bieżąco

Możesz obserwować Lillian na LinkedIn lub zasubskrybować jej biuletyn Convergence . Zajrzyj też na stronę Data-Mania , aby poznać rozwiązania marketingowe wspierane przez AI.

Możesz również skorzystać z jej bezpłatnej mapy luk w audycie silnika wzrostu oraz uczyć się z jej portfolio kursów LinkedIn Learning.

Wkrótce kolejne wywiady z ekspertami na The Digital Project Manager!