Eksperci ujawniają najgorsze przypadki zastosowania sztucznej inteligencji w zarządzaniu projektami
Krytyczne myślenie: Automatyczne plany projektów wyglądają na kompletne, ale nie uwzględniają istotnego kontekstu, co może prowadzić do problemów z projektem.
Konieczność weryfikacji: Poleganie na wynikach sztucznej inteligencji bez weryfikacji człowieka może prowadzić do błędów i poważnych konsekwencji.
Weryfikacja rzeczywistości: Sztuczna inteligencja ma trudności z zadaniami opartymi na faktach, takimi jak karty czasu pracy, co zagraża dokładności danych i integralności dokumentacji projektu.
Zaangażowanie człowieka: Wykorzystywanie sztucznej inteligencji do zarządzania interesariuszami może osłabić autentyczne zaangażowanie potrzebne do produktywnej komunikacji.
Podstawa procesu: Sztuczna inteligencja nie powinna zastępować ustanawiania ludzkich punktów odniesienia dla procesów, ponieważ nie potrafi definiować skutecznych przepływów pracy.
Adopcja AI w zarządzaniu projektami szybko nabrała tempa, a wraz z nią pojawiła się fala entuzjazmu, który nie zawsze wytrzymuje konfrontację z rzeczywistością. Narzędzia obiecujące oszczędność czasu, zmniejszenie obciążenia administracyjnego i dostarczanie wniosków stały się stałym elementem pracy PM-ów — ale nie każde zastosowanie tych narzędzi sprawdza się tak, jak oczekiwali praktycy. W rzeczywistości niektóre przypadki użycia po cichu powodują więcej problemów, niż rozwiązują. Eksperci, którzy na co dzień pracują w tej dziedzinie, dostrzegają powtarzające się schematy i otwarcie mówią o tym, gdzie AI wpędza zarządzanie projektami w kłopoty.
Tworzenie planów projektów bez krytycznego myślenia
Niewiele zastosowań AI w zarządzaniu projektami jest równie kuszących — ani równie problematycznych — jak automatyczny plan projektu. Wprowadź opis zakresu prac, a otrzymasz harmonogram. Brzmi jak wzrost produktywności, ale doświadczeni praktycy twierdzą, że wyniki zwykle wyglądają lepiej, niż są w rzeczywistości, a PM-owie, którzy akceptują je bez weryfikacji, narażają swoje projekty na problemy.
Pam Butkowski, starsza wiceprezeska Horizontal Digital, mówi o tym wprost: „nawet jeśli masz narzędzie, do którego wprowadzasz SOW i prosisz je o utworzenie dla ciebie planu projektu, obiecuję, że nie będzie on poprawny. Po prostu nie będzie. To świetny punkt wyjścia. Ale potem musimy wykorzystać nasze krytyczne myślenie”. Plan może być uporządkowany i może wyglądać na kompletny — ale nie ma dostępu do rzeczywistych zależności, faktycznej dostępności zespołu ani kontekstu organizacyjnego, które sprawiają, że harmonogram jest realistyczny.
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
Nawet jeśli masz narzędzie, do którego wprowadzasz SOW i prosisz je o utworzenie dla ciebie planu projektu, obiecuję, że nie będzie on poprawny. Po prostu nie będzie.
Jeff Chamberlain, kierownik działu usług szerokopasmowych i PMO w administracji hrabstwa Fredrick, na podstawie doświadczenia doszedł do podobnego wniosku: „Niektórzy podchodzą do tego w taki sposób, że chcą, aby narzędzie tworzyło plany projektów. Nie udało mi się z jego pomocą stworzyć naprawdę dobrych planów projektów. I zazwyczaj i tak kończy się na tym, że trzeba je przerobić”. Kiedy nakład pracy potrzebny do poprawienia planu wygenerowanego przez AI tak, aby nadawał się do użytku, zbliża się do czasu, jaki zajęłoby stworzenie go od podstaw, argument dotyczący efektywności traci sens.
Niektórzy podchodzą do tego w taki sposób, że chcą, aby narzędzie tworzyło plany projektów. Nie udało mi się z jego pomocą stworzyć naprawdę dobrych planów projektów. I zazwyczaj i tak kończy się na tym, że trzeba je przerobić.
Kopiowanie i wklejanie wyników AI bez weryfikacji
Jeśli istnieje jeden nawyk, który praktycy wskazują jako najbardziej bezpośrednio niebezpieczny, to właśnie ten: uznawanie wyniku AI za ukończoną pracę. Atrakcyjność takiego rozwiązania jest zrozumiała. Wynik wygląda profesjonalnie, język jest pewny siebie, a pokusa, by przejść dalej, jest realna. Jednak ta pozorna perfekcja może maskować poważne błędy — a kiedy nikt nie sprawdza pracy przed jej wysłaniem, konsekwencje mogą być znaczące.
Mike Clayton, dyrektor generalny i założyciel OnlinePMCourses.com, obserwował takie sytuacje w usługach profesjonalnych, gdzie w grę wchodziły realne konsekwencje finansowe: „Są osoby, które po prostu mówią: dobrze, zadano mi pytanie. Wpiszę pytanie do ChatGPT, skopiuję i wkleję odpowiedź, a moja praca jest skończona. I nikt nawet tego nie sprawdził ani nie poprawił”. Problem nie polega na tym, że użyto AI — chodzi o to, że całkowicie pominięto ludzki etap sprawdzania i korygowania wyniku.
Są ludzie, którzy po prostu mówią: dobrze, zadano mi pytanie. Wpiszę pytanie do ChatGPT i skopiuję oraz wkleję odpowiedź — moja praca jest wykonana.
Megan Cotterman, tymczasowa kierowniczka projektu i konsultantka ds. operacyjnych, doświadczyła tego na własnej skórze: „Używałam AI, aby pomogło mi przy tym projekcie z zakresu projektowania instruktażowego... AI rzeczywiście pomieszało fakty i miałam, powiedzmy, błędne informacje. Myślę więc, że trzeba po prostu upewnić się, że zespoły rozumieją, iż to nie jest rozwiązanie absolutne... i że nie chodzi tylko o kopiowanie, wklejanie i wysyłanie klientowi z myślą: gotowe”. Nawet gdy AI jest wykorzystywana w przemyślany sposób, nadal może generować nieprawidłowe informacje — co oznacza, że etap weryfikacji przez człowieka nie jest opcjonalny; to właśnie jest praca.
Wykorzystywanie AI do ewidencji czasu pracy i śledzenia faktów
Istnieje kategoria dokumentacji projektowej całkowicie zależna od rzeczywistości: od tego, co faktycznie się wydarzyło, kto rzeczywiście wykonał dane zadanie i kiedy to nastąpiło. Ewidencja czasu pracy zdecydowanie należy do tej kategorii. I właśnie tutaj, gdzie dokładność nie podlega negocjacjom, AI ma najmniejsze możliwości pomocy.
Oliver F. Lehmann, trener biznesu projektowego w Oliver F. Lehmann Project Business Training, trafnie i dosadnie przedstawia problem: „AI nie może sporządzić ewidencji czasu pracy. Może wymyślić ewidencję czasu pracy, ale nie może jej sporządzić. W ten sposób wprowadzasz fikcję do dokumentacji, która powinna odzwierciedlać rzeczywistość”. AI może wygenerować coś, co wygląda jak wypełniona ewidencja czasu pracy — pozornie wiarygodne wpisy, godziny, które się sumują — ale nic z tego nie odzwierciedla tego, co faktycznie się wydarzyło. Wprowadzanie tego rodzaju sfabrykowanych danych do dokumentacji projektu nie oszczędza czasu; wypacza ją.
AI nie może sporządzić ewidencji czasu pracy. Może wymyślić ewidencję czasu pracy, ale nie może jej sporządzić!
Automatyzacja zarządzania interesariuszami i komunikacji
Zarządzanie interesariuszami jest jednym z najbardziej angażujących obszarów pracy projektowej — i nie bez powodu. Rozmowy, które posuwają projekty naprzód — te trudne, wymagające zaufania i uważnego słuchania — zależą od autentycznego zaangażowania człowieka. Próby zautomatyzowania lub zlecenia AI tego zaangażowania mają tendencję do podważania dokładnie tego, co sprawia, że takie rozmowy są produktywne. Interesariusze mierzący się ze złożonymi lub budzącymi spory decyzjami nie chcą zoptymalizowanego procesu komunikacji — chcą czuć, że naprawdę słucha ich druga osoba.
Problem dotyczy również codziennej komunikacji pisemnej. Lehmann zauważa: „Bardzo często widzę, że kierownicy projektów używają AI do pisania za nich e-maili. Język jest często zbyt łagodny, gdy trzeba wyrażać się nieco bardziej bezpośrednio. AI bardzo dużo wygładza”. Kiedy projekt wymaga bezpośredniej, stanowczej wiadomości do interesariusza, język wygenerowany przez AI ma tendencję do łagodzenia krawędzi — często pozostawiając rzeczywisty problem nierozwiązanym.
Yonelly Gutierrez, starsza kierowniczka programu w Palo Alto Networks, również dostrzega tę cechę komunikacji pisanej przez AI: „Czasami, jeśli chodzi o dobór słów, myślę sobie: «Brzmisz jak taki robot AI. Po prostu mów normalnie, proszę»”. Charakterystyczna sztywność języka generowanego przez AI nie jest wyłącznie problemem estetycznym — sygnalizuje odbiorcom, że wiadomość nie została napisana z myślą konkretnie o nich.
Wdrażanie AI przed ustanowieniem punktu odniesienia opartego na pracy człowieka
Jednym z bardziej strukturalnie wadliwych podejść do wdrażania AI jest implementowanie jej, zanim ktokolwiek ustali, jak dane zadanie powinno faktycznie wyglądać. Gdy organizacje pomijają etap ustanowienia sprawnego procesu prowadzonego przez człowieka i od razu przechodzą do jego automatyzacji, nie przyspieszają postępu — przyspieszają dezorientację.
Derek Fredrickson, założyciel i dyrektor generalny The COO Solution, często obserwuje ten schemat: „Nierzadko próbują wdrożyć AI jako rozwiązanie, zanim człowiek w ogóle wykonał dane zadanie. Zawsze uważam, że człowiek powinien najpierw robić to, co chcesz zautomatyzować za pomocą AI, zamiast po prostu wdrażać AI dla samego wdrażania AI”. AI dobrze radzi sobie ze skalowaniem i systematyzowaniem procesów, które są już zrozumiałe. Nie ma możliwości określenia, jak wygląda dobrze wykonany proces, który nigdy wcześniej nie został przeprowadzony przez człowieka.
Zawsze uważam, że najpierw człowiek powinien wykonywać to, co chcesz zautomatyzować za pomocą AI, zamiast po prostu wdrażać AI dla samego AI.
Raportowanie wspierane przez AI z nieuporządkowanymi danymi lub bez jasnego celu
Zautomatyzowane raportowanie to jedna z najczęściej wymienianych korzyści AI w zarządzaniu projektami. Obietnica jest realna — ale wiąże się z warunkami, które organizacje często pomijają. Jeśli dane źródłowe są niewiarygodne lub cel raportowania nie został jasno określony, AI nie tworzy lepszych raportów. Tworzy raporty sformatowane z przekonaniem, które nie mówią, czego potrzebujesz się dowiedzieć.
Emmanuels Magaya, założyciel Project Managers Africa, wskazuje oba rodzaje niepowodzeń: „Jeśli chcesz, aby AI automatyzowała raporty, często przekonasz się, że jeśli dane nie są prawidłowe, raport nie dostarczy ci tego, czego szukasz. Musisz też wiedzieć, czego szukasz w raporcie”. Czyste dane i jasno określony cel dotyczący konkretnych interesariuszy są warunkami wstępnymi — a nie miłym dodatkiem — aby raportowanie wspierane przez AI przynosiło wartość.
Jeśli chcesz, aby AI automatyzowała raporty, często przekonasz się, że jeśli dane nie są prawidłowe, raport nie dostarczy ci tego, czego szukasz.
Nakładanie AI na wadliwe procesy
AI zwielokrotnia efekty. Właśnie dlatego zastosowanie jej do niesprawnego przepływu pracy przynosi efekt przeciwny do zamierzonego — zwielokrotnia jego dysfunkcje. Organizacje, które wierzą, że AI naprawi wadliwy proces, niemal zawsze sprawiają, że proces ten staje się jeszcze bardziej wadliwy i trudniejszy do zdiagnozowania.
Markus Kopko, główny trener CPMAI, przedstawia tę zależność jasno: „Wrzucenie AI i rozwiązań AI do złych procesów nie sprawia, że proces staje się lepszy. Rezultaty są jeszcze gorsze niż wtedy, gdybyście nie zmienili swoich procesów”. Najpierw musi nastąpić udoskonalenie procesu. Zastosowanie AI do nieprzeanalizowanego lub nieefektywnego przepływu pracy nie ujawnia podstawowych problemów — ukrywa je pod szybszymi i obszerniejszymi wynikami.
More Articles
- Wdrażanie AI w zarządzaniu projektami: co pomaga kierownikom projektów, a co im przeszkadza w 2026 roku
- AI w zarządzaniu projektami: praktyczne zastosowania, przykłady z życia & przewodnik wdrażania
- Zastosowania SI w zarządzaniu projektami: najpopularniejsze w 2026 roku
- AI w zarządzaniu projektami w przedsiębiorstwie: przewodnik lidera po transformacji, wpływie i przewadze konkurencyjnej
- Sztuczna inteligencja już tu jest: 9 sposobów, w jakie kierownicy projektów korzystają z niej teraz
Zastępowanie ludzkiej oceny w dynamice zespołu i konfliktach
Dane mogą wiele powiedzieć kierownikowi projektu. Nie powiedzą mu jednak, że dwóch członków zespołu przestało sobie ufać, że w zespole nie istnieje bezpieczeństwo psychologiczne ani że coś, co wygląda na problem z harmonogramem, jest w rzeczywistości głębszym konfliktem. Te kwestie wymagają obecności, obserwacji i ludzkiej oceny — a AI nie jest w stanie zapewnić żadnej z nich.
Jeremiah Hammon, trener przywództwa i kierowników projektów w Project Revolution, wyraźnie wyznacza granicę: „AI nie dostrzeże prawdziwych problemów. Nie powie nam, że trzech członków zespołu ma osobiste problemy ani że problemy w zespole wymagają rozwiązania konfliktu. Tego nie zrobi”. Międzyludzka dynamika zespołu projektowego — kto ma trudności, kto jest niezaangażowany, czego nie mówi się wprost — jest niewidoczna dla AI. A w wielu projektach to właśnie ta dynamika decyduje o tym, czy praca zostanie wykonana.
AI nie dostrzeże prawdziwych problemów. Nie powie nam, że trzech członków zespołu ma osobiste problemy ani że problemy w zespole wymagają rozwiązania konfliktu. Tego nie zrobi.
Wzorzec stojący za problemem
We wszystkich tych przypadkach wspólnym źródłem niepowodzeń jest AI proszone o wykonywanie zadań, do których nigdy nie zostało zaprojektowane, lub wdrażane w sposób eliminujący ludzką ocenę sytuacji, która pozwoliłaby wykryć problem. Problemem nie jest samo AI — chodzi o założenie, że skoro AI potrafi wygenerować wynik, to wynik ten jest wiarygodny, odpowiedni lub wystarczający. Praktycy, którzy najskuteczniej wykorzystują AI, nie są tymi, którzy mają najdłuższą listę zastosowań. To osoby, które najlepiej rozumieją, gdzie kończą się możliwości AI, a zaczyna ludzka ocena sytuacji — i traktują tę granicę nie jako ograniczenie, lecz jako zasadę projektowania.
Chcesz poznać więcej podobnych spostrzeżeń? Załóż bezpłatne konto DPM, aby poznać opinie kolejnych ekspertów.
