Ta starsza dyrektorka ds. zarządzania programami wyjaśnia, jakich narzędzi AI i integracji używa do niwelowania luk technologicznych u swoich klientów
Lauren Selley jest starszą dyrektorką ds. produkcji w Code and Theory, gdzie nadzoruje kompleksową realizację rozwiązań cyfrowych na potrzeby internetu i urządzeń mobilnych. Ponieważ AI jest już częścią jej przepływów pracy, poświęca mniej czasu na zadania administracyjne, a więcej na podejmowanie strategicznych decyzji.
Lauren Selley
Starsza dyrektorka ds. produkcji w Code and Theory
Eksperymentowanie z AI: Narzędzia AI wymagają prób i błędów, wspierając strategiczne przywództwo zamiast zadań administracyjnych w zarządzaniu projektami.
Strategiczne przywództwo: AI ogranicza czasochłonną pracę, pozwalając skupić się na planowaniu, zarządzaniu ryzykiem i rozwiązywaniu szerszych problemów strategicznych.
Niezbędne narzędzia: Narzędzia takie jak Elvex i Claude usprawniają przepływy pracy, umożliwiając kierownikom projektów bardziej wydajne i skuteczne działanie.
Wyzwania związane z integracją AI: Integracja narzędzi AI w różnych systemach nadal jest trudna ze względu na odizolowane ekosystemy i zróżnicowaną skuteczność narzędzi.
Przyszła luka w przywództwie: Rozwój AI może zmienić zakresy ról, co wymaga skupienia na przywództwie i umiejętnościach interpersonalnych w zarządzaniu projektami.
Lauren Selley jest starszą dyrektorką ds. produkcji w Code and Theory, gdzie nadzoruje kompleksową realizację rozwiązań cyfrowych w internecie i na urządzeniach mobilnych. Ponieważ sztuczna inteligencja jest teraz częścią jej przepływów pracy, poświęca mniej czasu na zadania administracyjne — a więcej na podejmowanie strategicznych decyzji.
Porozmawialiśmy z Lauren o tym, co zmienia się w obszarze realizacji projektów, jakie narzędzia naprawdę wywierają wpływ oraz jak pomaga swojemu zespołowi przejść od roli kierownika projektu do roli lidera strategicznego. Oto, co miała do powiedzenia.
Dlaczego zarządzanie programami wymaga eksperymentowania ze sztuczną inteligencją
Jestem starszą dyrektorką ds. produkcji (zarządzania programami) w Code and Theory.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Nadzoruję kompleksową realizację rozwiązań cyfrowych dla naszych klientów — od strategii, przez uruchomienie, po wsparcie po uruchomieniu w internecie i na urządzeniach mobilnych. Dużo czasu poświęcam na upewnianie się, że nasze zespoły mają wszystko, czego potrzebują, aby skutecznie realizować projekty, oraz że nasi klienci mają do nas zaufanie jako do partnerów.
W naszej działalności sztuczna inteligencja opiera się przede wszystkim na eksperymentowaniu: testuj, optymalizuj, powtarzaj.
Firmy nie przekazują nam dopracowanych rozwiązań z komunikatem: „Oto wasze polecenia i narzędzia, korzystajcie z nich”. Mówią raczej: „Oto dostęp do kilku narzędzi, sprawdźcie, co możecie z nimi zrobić”.
Dlatego dużo czasu poświęcam na eksperymentowanie, budowanie przepływów pracy i sprawdzanie, co rzeczywiście się sprawdza.
Kiedy korzystać ze sztucznej inteligencji przy realizacji projektów — a kiedy jej unikać
Najbardziej ekscytuje mnie w sztucznej inteligencji wykorzystywanej przy realizacji projektów to, że wreszcie poświęcamy mniej czasu na zarządzanie zadaniami, a więcej na bycie prawdziwymi liderami. Ta zmiana była bardzo potrzebna.
Dzięki sztucznej inteligencji wreszcie poświęcamy mniej czasu na zarządzanie zadaniami, a więcej na bycie prawdziwymi liderami.
Nieustannie korzystam ze sztucznej inteligencji, aby odciążyć się od żmudnych zadań. Świetnie sprawdza się na przykład w udzielaniu odpowiedzi na podstawie zbioru danych dotyczących projektu, tworzeniu podsumowań i notatek oraz wysyłaniu przypomnień o elementach wymagających działania. Trzeba jednak wszystko sprawdzać. Sztuczna inteligencja ma zły zwyczaj wymyślania elementów wymagających działania lub podawania fałszywych terminów.
Dzięki temu mogę skupić się na kierowaniu zespołem i rozwiązywaniu problemów z szerszej perspektywy.
Moja wiedza na temat realizacji projektów najlepiej sprawdza się w planowaniu strategicznym, przewidywaniu zagrożeń, prowadzeniu zespołów przez złożone scenariusze i podejmowaniu trafniejszych decyzji dotyczących realizacji — a nie w ściganiu aktualizacji statusu.
Nie pozwolę też, aby sztuczna inteligencja zajmowała się komunikacją z klientami dotyczącą zakresu i ryzyka. Nic nie zastąpi odczytywania osobowości, dostosowywania się do stylów komunikacji i czerpania z wcześniejszych doświadczeń podczas prowadzenia trudnych rozmów.
Gdyby sztuczna inteligencja potrafiła jeszcze przygotowywać rozliczenia wydatków i wpisywać czas pracy mojego zespołu, byłoby świetnie. Wciąż na to czekam.
Narzędzia sztucznej inteligencji wspierające realizację projektów i przepływy pracy
W pracy korzystamy z zestawu zatwierdzonych narzędzi sztucznej inteligencji od Atlassian, Vercel i Google, a także z dostępu do narzędzia dla przedsiębiorstw, które wykorzystuje różne LLM-y, takie jak ChatGPT i inne.
Atlassian oferuje Rovo, które świetnie sprawdza się w wyszukiwaniu informacji w przedsiębiorstwie — może jednocześnie wyświetlać wyniki z Gmaila, Dokumentów, stron Confluence i zgłoszeń w Jira.
Korzystamy również z Elvex do tworzenia kontrolowanej bazy wiedzy na podstawie określonego zbioru danych, dzięki czemu zespół może zadawać jej pytania dotyczące konkretnego projektu.
Vercel oferuje również V0, które doskonale nadaje się do „programowania na wyczucie” — ułatwia generowanie i rozwijanie wewnętrznych prototypów oraz szybkie wizualizowanie pomysłów.
Poza pracą, przy tworzeniu treści, w dużej mierze polegam na ChatGPT, Claude i różnych narzędziach do projektowania.
Claude całkowicie zmienił sposób mojej pracy. Nie potrzebuję już niestandardowych wtyczek ani wsparcia programistów, ponieważ generuje kod frontendowy i pozwala mi wyświetlić jego podgląd. Dzięki temu mogę rozwiązywać problemy przed uruchomieniem i usprawniać swój przepływ pracy.
W domu Notion i Notion AI są moim mózgiem. Dzięki nim organizuję całe życie mojej rodziny i funkcjonowanie domu.
I powiem tak. Sztuczna inteligencja nie potrafi zrobić wszystkiego. Nie przekonała mojego malucha do jedzenia warzyw. Jeśli ktoś stworzy taki model, zapisuję się!
Niezbędne narzędzie AI dla kierowników projektów
Obecnie mam dwa ulubione narzędzia AI.
Z perspektywy kierowania projektami jest to Elvex. Możliwość zadawania zespołom pytań dotyczących bazy danych i uzyskiwania odpowiedzi za pośrednictwem czatu oszczędza mi codziennie wiele godzin.
Z perspektywy kierowania projektami jest to Elvex. Możliwość zadawania zespołom pytań dotyczących bazy danych i uzyskiwania odpowiedzi za pośrednictwem czatu oszczędza mi codziennie wiele godzin.
Zdziwiłoby Cię, jak często kierownik projektu jest osobą, do której inni zwracają się, gdy nie mogą czegoś znaleźć lub sobie tego przypomnieć. Teraz mogę po prostu skierować ich do chatbota. Stworzyliśmy integracje Elvex ze Slackiem, dzięki którym zespoły mogą zadawać botowi „Project” pytania dotyczące celów, terminów, członków zespołu lub innych szczegółów projektu — i otrzymywać natychmiastowe, dokładne odpowiedzi.
Z perspektywy tworzenia treści ponownie muszę docenić Claude. Wyeliminował potrzebę korzystania z tak wielu wtyczek i skryptów backendowych, za które wcześniej płaciłam, a także oszczędza mi wiele godzin, upraszczając zadania zarówno po stronie frontendu, jak i backendu.
Jak AI zmienia kluczowe rytuały realizacji projektów
AI doskonale pomaga ograniczyć nadmiar informacji na początku projektu.
AI doskonale pomaga ograniczyć nadmiar informacji na początku projektu.
Zamiast długich spotkań poświęconych przekazywaniu wiedzy zespoły mogą zadawać pytania bazie danych zawierającej informacje o projekcie i otrzymywać potrzebne dane w czasie rzeczywistym.
Staje się również coraz bardziej wartościowe przy weryfikowaniu rezultatów realizacji — od pomocy w przeglądach kodu po wsparcie automatycznych testów.
AI nie zastępuje weryfikacji przeprowadzanej przez ekspertów, ale przyspiesza ten proces i pomaga nam wcześniej wychwytywać problemy.
Wykorzystanie przepływów pracy AI do zarządzania złożonymi projektami z udziałem wielu interesariuszy
W przypadku dużych, złożonych programów obejmujących wiele działów, dostawców i interesariuszy po stronie klienta zautomatyzowane przepływy pracy oraz zintegrowane narzędzia mają absolutnie kluczowe znaczenie.
Na przykład skonfigurowałam przepływy pracy, które wysyłają automatyczne przypomnienia w Slacku, generują codzienne podsumowania tworzone przez AI, aby skrócić czas spotkań, oraz synchronizują plany projektów na różnych platformach.
Slack niedawno udostępnił własną funkcję podsumowywania rozmów na kanałach, która okazała się niezwykle przydatna. A gdy chcę upewnić się, że zespół jest na bieżąco z tym, co wydarzyło się w Jira, używam agenta Rovo do podsumowania zmian w określonych polach na naszych tablicach.
Rovo staje się również coraz bardziej wartościowe w identyfikowaniu trendów w projektach, które możemy następnie uwzględnić w retrospektywach i wnioskach — w tym artykule Atlassian opisano, jak to zrobić.
Było to szczególnie cenne, gdy klienci korzystali z różnych ekosystemów, takich jak Microsoft czy Google. Przepływy pracy i integracje AI łączące te różne środowiska pomagają wszystkim zachować spójność, bez zmuszania ludzi do korzystania z jednego narzędzia.
Było to szczególnie cenne, gdy klienci korzystali z różnych ekosystemów, takich jak Microsoft czy Google. Przepływy pracy i integracje AI łączące te różne środowiska pomagają wszystkim zachować spójność, bez zmuszania ludzi do korzystania z jednego narzędzia.
Eksperymentowanie z agentowymi przepływami pracy w celu zwiększenia efektywności realizacji
Eksperymentujemy w każdym obszarze, w którym jest to możliwe — także z agentowymi przepływami pracy. Opracowaliśmy własne narzędzie do orkiestracji i nadal testujemy różne punkty pozyskiwania danych.
Koncentrujemy się na wszystkich etapach realizacji:
- Wnioski strategiczne
- Dokumentacja projektowa
- Monitorowanie projektu oraz
- Realizacja prac inżynieryjnych
Nadal wprowadzamy kolejne usprawnienia, ale spodziewamy się znacznego wzrostu efektywności w miarę dojrzewania tych systemów.
Dlaczego integracja narzędzi AI z przepływami pracy związanymi z realizacją projektów wciąż jest trudna
Mimo wszystko konfigurowanie integracji na potrzeby problemów biznesowych, o których wiem, że są powszechne, wciąż jest znacznie trudniejsze, niż powinno być.
AI z przyjemnością przeprowadzi mnie przez kolejne kroki, ale chciałabym, żeby po prostu samo skonfigurowało wszystko za mnie. Nakłonienie go do wykonywania działań w systemach takich jak Google czy Microsoft to już inna kwestia ze względu na odizolowane ekosystemy.
Kolejnym zaskoczeniem — a może raczej frustracją — jest ogromna różnorodność modeli i narzędzi. W zależności od używanego narzędzia i jego specjalizacji naprawdę otrzymuje się skrajnie różne odpowiedzi, dlatego śledzenie ich możliwości i testowanie ich w rzeczywistych przypadkach użycia wymaga czasu.
Dlaczego AI może w przyszłości doprowadzić do luki przywódczej w zarządzaniu projektami
Menedżerowie projektów łączą ze sobą różne elementy i świetnie radzą sobie z komunikacją. Myślę, że za pięć lat AI będzie zajmować się 90 procentami gromadzenia i analizowania danych, które obecnie wykonujemy.
Oznacza to, że kierownicy projektów będą musieli jeszcze mocniej skupić się na przywództwie, zarządzaniu klientami i umiejętnościach interpersonalnych — ale nie stracą pracy; po prostu ich praca będzie wyglądać inaczej.
Menedżerowie projektów nie znikną. Ich praca po prostu będzie wyglądać inaczej.
Największym wyzwaniem między chwilą obecną a tamtym momentem będzie luka wśród talentów na stanowiskach podstawowego szczebla, z którą się spotkamy.
Jeśli AI może wykonywać całą żmudną pracę, którą wcześniej powierzaliśmy stażystom i kierownikom projektów na stanowiskach niższego szczebla, musimy stworzyć nowe stanowiska dla początkujących kierowników projektów — być może związane z bazami danych i formułowaniem poleceń — aby zapewnić pulę kandydatów, którzy w przyszłości zostaną starszymi liderami. W przeciwnym razie nie będzie nikogo, kto mógłby przejąć role przywódcze.
Myślę również, że zupełnie inaczej będzie wyglądać alokacja zasobów. Zamiast stałych ról będziemy obserwować krótkoterminowe zapotrzebowanie na takie kompetencje jak inżynieria poleceń, walidacja AI czy konfiguracja integracji.
Role będą elastycznie zmieniać się i ewoluować z projektu na projekt, a kierownicy projektów będą musieli doskonale opanować tworzenie takich zespołów i zarządzanie nimi.
Porady dla liderów realizacji projektów dostosowujących się do ery AI
Nie komplikujcie tego nadmiernie — po prostu zacznijcie korzystać z tych narzędzi. Każdy sprawia wrażenie, jakby wiedział, co robi, ale większość osób poznaje to wszystko w praktyce.
Każdy sprawia wrażenie, jakby wiedział, co robi, ale większość osób poznaje to wszystko w praktyce.
Nie jesteście w tyle. Wszyscy mamy dostęp do tego samego AI. Różnica polega na tym, czy znajdujecie czas na eksperymentowanie i sprawdzanie, co rzeczywiście działa.
Śledź dalsze informacje
Pozostań w kontakcie z Lauren na LinkedInie oraz na jej stronie internetowej. Obserwuj również rozwijającą się pracę jej zespołu w Code and Theory.
Wkrótce kolejne wywiady z ekspertami na łamach The Digital Project Manager.
