Największe wyzwania przywództwa w realizacji projektów w 2026 roku
Integracja sztucznej inteligencji: Sztuczna inteligencja stanowi obecnie źródło presji dla liderów projektów, a jej wdrażaniu często brakuje odpowiedniej strategii i gotowości organizacji.
Wyzwania związane z danymi: Nieuporządkowane i obciążone stronniczością dane osłabiają skuteczność sztucznej inteligencji, co wymaga lepszego zarządzania danymi i większej biegłości w ich wykorzystywaniu.
Obawy ludzi: Wdrażanie sztucznej inteligencji wywołuje w zespołach niepokój dotyczący bezpieczeństwa zatrudnienia, dlatego liderzy muszą skutecznie budować zaufanie i nim zarządzać.
Paradoks ekspertów: Głęboka wiedza ekspercka pozostaje niezbędna do skutecznego wykorzystywania sztucznej inteligencji, ponieważ jej wartość zależy od ludzkiego mistrzostwa.
Koncentracja na realizacji: Sukces projektu często jest zagrożony na etapie realizacji z powodu wielozadaniowości i nadmiaru pracy, a nie z powodu złego planowania.
W 2026 roku dostarczanie projektów wygląda inaczej. Nie chodzi tylko o to, że zmieniły się narzędzia ani o to, że tempo zmian przyspieszyło — chodzi o to, że każda główna siła zakłócająca sposób funkcjonowania organizacji wydaje się działać jednocześnie. Sztuczna inteligencja w ciągu kilku lat przeszła od ciekawostki do operacyjnego wymogu. Niestabilność geopolityczna zmienia rynki i łańcuchy dostaw. Presja związana z dostarczaniem rezultatów wzrosła, mimo że zespoły są szczuplejsze i bardziej rozproszone niż kiedykolwiek wcześniej. A przez cały ten czas od osób odpowiedzialnych za faktyczną realizację projektów oczekuje się poruszania po terenie, którego nie opisał jeszcze w pełni żaden podręcznik.
Aby zrozumieć, czego naprawdę wymaga obecna sytuacja, porozmawialiśmy z kilkoma liderami odpowiedzialnymi za dostarczanie projektów w różnych branżach. Oto ich przemyślenia.
Rozliczenie ze sztuczną inteligencją — szanse, obawy i pytania bez odpowiedzi
Sztuczna inteligencja nie jest już kwestią dotyczącą przyszłości dla kierowników projektów — presja związana z nią jest odczuwalna już teraz. Jednak w naszych rozmowach wyłoniło się powtarzające się napięcie: entuzjazm wobec sztucznej inteligencji znacznie wyprzedził organizacyjną gotowość do dobrego wykorzystania sztucznej inteligencji . Pytanie nie brzmi już, czy wdrożyć sztuczną inteligencję, lecz jak zrobić to odpowiedzialnie i co się dzieje, gdy organizacje pomijają podstawowe działania niezbędne do tego, aby rozwiązanie rzeczywiście działało.
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
Presja wdrażania bez odpowiednich podstaw
Żądanie „korzystania ze sztucznej inteligencji” płynie z najwyższych szczebli organizacji i jest przedstawiane jako pilne, ale często nie towarzyszy mu strategia, która mogłaby je poprzeć. Marcus Glowasz, trener kadry kierowniczej i doradca w obszarze komunikacji dotyczącej zmian i projektów w Projects & Data, opisał schemat, który wielokrotnie obserwuje: „Często słyszę: «Musimy korzystać ze sztucznej inteligencji. Skoro wszyscy jej używają, my też musimy». A potem wszyscy się na nią rzucają. Ale być może istnieje lepsze rozwiązanie niż sztuczna inteligencja.” Presja jest realna, ale kierunek działań często okazuje się przedwczesny.
Często słyszę: ‘Musimy korzystać ze sztucznej inteligencji. Skoro wszyscy jej używają, my też musimy’. A potem wszyscy się na nią rzucają. Ale być może istnieje lepsze rozwiązanie niż sztuczna inteligencja.
Presję z góry potęguje brak konsultacji z osobami, które faktycznie zarządzają dostarczaniem projektów. Emmanuels Magaya, założyciel Project Managers Africa, opisał sytuację, z którą spotkał się niezliczoną ilość razy: „Sztuczna inteligencja często pojawia się na poziomie całej firmy — mówi się wszystkim, żeby zaczęli korzystać z tego narzędzia. Nadchodzi z góry jak helikopter... Ale nikt nie skonsultował się z zespołem PMO”. Rezultatem jest wdrożenie niedopasowanego rozwiązania — oraz nieudane przyjęcie go, które rodzi sceptycyzm.
Sztuczna inteligencja często nadchodzi z góry jak helikopter… ale nikt nie skonsultował się z zespołem PMO.
Ten sam schemat pojawia się na poziomie projektu. Derek Fredrickson, założyciel The COO Solution, twierdzi, że w wielu organizacjach kolejność działań jest zasadniczo odwrócona: „Często liderzy próbują wdrożyć sztuczną inteligencję jako rozwiązanie, zanim człowiek faktycznie wykonał daną czynność... Musimy bardzo jasno określić, co najpierw robi człowiek, aby zobaczyć, gdzie sztuczna inteligencja może wnieść wartość, zamiast mówić: «Nie mam jeszcze funkcji ani konkretnego zadania, ale po prostu chcę, żeby sztuczna inteligencja to zrobiła»”. Zanim sztuczna inteligencja zostanie dodana do procesu, należy najpierw zrozumieć i udokumentować proces wykonywany przez człowieka.
Często oni [liderzy] próbują zainicjować AI jako rozwiązanie, zanim człowiek faktycznie wykonał daną czynność. Musimy najpierw dokładnie zrozumieć, co robi człowiek, aby zobaczyć, gdzie AI może wnieść wartość.
Problem z danymi leżący u podstaw problemu z AI
Za pytaniem o wdrożenie AI kryje się bardziej fundamentalne pytanie: czy dane leżące u podstaw są wystarczająco dobre, aby AI było użyteczne? Bruno Morgante, założyciel i dyrektor generalny Mantegora, bezpośrednio mówi o problemie, który dostrzega w wykorzystaniu AI w zarządzaniu portfelem: „największym problemem w tej chwili jest to, że dane wyjściowe nie są wystarczająco uporządkowane. Mamy więc dane nieustrukturyzowane, nieczyste i obciążone uprzedzeniami. A kiedy połączysz to wszystko i poprosisz narzędzie AI o pomoc w prognozowaniu... wynik nie będzie zbyt dobry”. Obowiązuje tu najstarsza zasada dotycząca danych — złe dane wejściowe oznaczają złe dane wyjściowe — nawet w erze dużych modeli językowych.
Mamy dane nieustrukturyzowane, nieczyste i obciążone uprzedzeniami. A kiedy połączysz to wszystko i poprosisz narzędzie AI o pomoc w prognozowaniu… wynik nie będzie zbyt dobry.
Dla Laurel Sim, partnerki zarządzającej i prezeski Taleo Project Services, Inc., brak jasno określonych granic dotyczących tego, gdzie i w jaki sposób można wykorzystywać AI, jest jednym z najważniejszych wyzwań przywódczych obecnego momentu. „Tempo rozwoju AI oraz fakt, że nie mamy żadnych zabezpieczeń wyznaczających granice akceptowalnego stosowania AI” — mówi — należą do jej największych obaw zawodowych, a organizacje bez silnego zarządzania danymi są, jej zdaniem, szczególnie narażone.
Marcus Glowasz zauważa, że istnieje również problem z biegłością w zakresie danych, którym należy się zająć przed rozpoczęciem jakiegokolwiek poważnego wdrożenia AI: „Musimy uwzględnić biegłość w zakresie danych. Trzeba rozumieć koncepcje związane z danymi. Jeśli masz dane, których nie rozumiesz, to... jaki pożytek będziesz mieć z naprawdę zaawansowanych narzędzi AI?”. Zarządzanie danymi połączone z ludzkim zrozumieniem wykorzystywanych danych jest warunkiem wstępnym skutecznego korzystania z AI, a nie jedynie mile widzianym dodatkiem.
Ludzki wymiar: zespoły, zaufanie i obawa przed utratą pracy
Nawet gdy AI jest integrowane w przemyślany sposób, istnieje wyzwanie związane z zarządzaniem ludźmi, które liderzy uznają za niedoceniane: niepokój, jaki AI wywołuje w zespołach. Pam Butkowski, starsza wiceprezes ds. realizacji w Horizontal Digital, wskazuje na to jako prawdziwy test przywództwa: „Nie sądzę, aby zrozumienie lub opracowanie sposobu integrowania narzędzi AI i metod z naszym codziennym sposobem pracy było rzeczywistym wyzwaniem. Z perspektywy przywództwa wyzwaniem było dla mnie zachęcanie mojego zespołu lub znajdowanie sposobów, aby skłonić go do rozwijania innych umiejętności, gdy wprowadzamy te narzędzia AI... A także wyjaśnienie członkom zespołu i zaszczepienie w nich pewności, że AI nie odbierze im pracy”. Jak sugeruje, integracja techniczna jest niemal łatwiejszą częścią.
Wyzwaniem dla mnie było zachęcanie mojego zespołu lub znajdowanie sposobów, aby skłonić go do rozwijania innych umiejętności, gdy wdrażamy te narzędzia AI… A także wyjaśnianie członkom zespołu i budowanie w nich przekonania, że AI nie odbierze im pracy.
Bill Dow, dyrektor ds. korporacyjnego PMO w UW Medicine, łączy ten niepokój z szerszą rzeczywistością, której liderzy nie mogą ignorować: „Myślę, że w 2026 roku trzeba być świadomym środowiska, w którym funkcjonujemy — wszystkich zwolnień związanych z AI, wszystkiego, co dzieje się na świecie — a następnie zatrzymać się i zadać sobie pytanie: jak możemy być na bieżąco? Jak możemy wyprzedzać te wydarzenia?”. Pytanie stojące przed liderami odpowiedzialnymi za realizację projektów nie dotyczy wyłącznie tego, jak korzystać z AI, lecz także tego, jak prowadzić zespoły, które obawiają się, co oznacza ona dla ich przyszłości.
W 2026 roku trzeba być świadomym środowiska, w którym funkcjonujemy — wszystkich zwolnień związanych z AI, wszystkiego, co dzieje się na świecie — a następnie zatrzymać się i zadać sobie pytanie: jak możemy być na bieżąco?
Paradoks eksperta — AI potrzebuje ludzkiego mistrzostwa, aby dostarczać wartość
U podstaw wdrażania AI leży paradoks, który trafnie wyraża Markus Kopko, główny trener CPMAI w ALVISSION: „Większość ludzi jeszcze nie zdaje sobie sprawy, że aby uzyskiwać dobre rezultaty dzięki AI, trzeba być ekspertem w swojej dziedzinie”. Implikacje są znaczące. AI nie zmniejsza potrzeby posiadania głębokiej wiedzy eksperckiej — jest od niej zależna.
Kopko idzie dalej, wskazując na problem dotyczący pokoleń: „Problem, z którym będziemy musieli się zmierzyć w niezbyt odległej przyszłości, polega — jak sądzę — na tym, że jeśli młodzi ludzie przestaną zdobywać tę wiedzę i z czasem stawać się ekspertami, to jak będą mogli oceniać i weryfikować rezultaty generowane przez AI?”.
AI nie zmniejsza potrzeby posiadania głębokiej wiedzy eksperckiej. Jest od niej zależna.
Nadążanie za zmianami — tempo zmian wyprzedza ludzi
Sztuczna inteligencja jest najbardziej widocznym czynnikiem przyspieszającym zmiany, ale nie jedynym. Eksperci, z którymi rozmawialiśmy, mierzą się ze znacznie szerszym problemem związanym z tempem: zmiany technologiczne zachodzą szybciej, niż większość ludzi i organizacji jest w stanie je przyswoić, czynniki o charakterze makro generują nową niepewność, a oczekiwanie szybszej realizacji zderza się z rzeczywistością ludzkich ograniczeń. Wyzwanie związane z nadążaniem nie dotyczy wyłącznie nauki obsługi nowych narzędzi — chodzi o prowadzenie ludzi przez długotrwały stan dezorientacji.
Tempo rozwoju technologii i dług związany z nauką
Kopko opisuje to tempo jako coś stosunkowo nowego: "[największym wyzwaniem] jest nadążanie za szybkim rozwojem technologii i integrowanie ich. Obszar AI był dla wielu osób stosunkowo nowy jeszcze zaledwie kilka lat temu. A teraz korzystamy z niego zasadniczo codziennie. Musimy więc zintegrować kompetencje w zakresie AI, kompetencje w zakresie danych i uczyć się różnych rzeczy znacznie szybciej niż wcześniej."
Branża nie ma trudności ze zrozumieniem AI w teorii — ma trudności z nadążaniem za tempem, w jakim samo AI się rozwija. To, co było aktualną praktyką sześć miesięcy temu, może już być nieaktualne, a organizacje nieustannie próbują nadrobić zaległości.
Otoczenie makroekonomiczne: polityka, rynki i niepewność
Wyzwanie związane z tempem zmian wykracza daleko poza technologię. Laurel Sim wymienia otoczenie makroekonomiczne jako jeden z dwóch najpilniejszych problemów branży: "moją największą obawą jest sytuacja polityczna kraju, kontynentu i świata oraz to, jak wszyscy musimy ewoluować wraz ze zmianami na naszych rynkach". Niestabilność geopolityczna, zmieniająca się dynamika handlu i niepewność gospodarcza nie są abstrakcyjnymi problemami dla osób odpowiedzialnych za realizację projektów — bezpośrednio przekładają się na zmieniające się priorytety, zakłócenia w łańcuchach dostaw oraz projekty rozpoczynane przy jednych założeniach, a kończone w zupełnie innych warunkach.
Moją największą obawą jest sytuacja polityczna kraju, kontynentu i świata oraz to, jak wszyscy musimy ewoluować wraz ze zmianami na naszych rynkach
Kryzys kompetencji miękkich — myślenie krytyczne, realizacja i dynamika zespołu
Wśród całego szumu dotyczącego technologii eksperci, z którymi rozmawialiśmy, wielokrotnie powracali do cichszego, wolniej narastającego kryzysu: erozji fundamentalnych ludzkich umiejętności, których nie jest w stanie odtworzyć żadne AI.
Myślenie krytyczne i umiejętności komunikacyjne stają się podstawowymi kompetencjami
Zapytana o to, które umiejętności są najważniejsze dla kolejnego pokolenia liderów projektów, Laurel Sim nie zawahała się: "Myślenie krytyczne" — mówi. "Musimy myśleć i wykazywać się kreatywnością... jeśli nie staramy się wspierać tej mocnej strony, wiele tracimy." Problem nie polega wyłącznie na tym, że myślenie krytyczne jest niedostatecznie rozwinięte — aktywnie nie rozwijamy tej umiejętności w czasie, gdy staje się ona coraz ważniejsza w erze AI.
Michael Gold, założyciel i dyrektor ds. realizacji projektów w niepełnym wymiarze, bezpośrednio wiąże tę zmianę ze sposobem, w jaki AI przekształca samą rolę kierownika projektu: "mówienie, że jako kierownik projektu jesteś zorientowany na procesy, nie ma sensu, bo kto nie jest zorientowany na procesy w obliczu AI? Wraz z AI jeszcze większy nacisk kładzie się na ludzką stronę pracy, zarządzanie relacjami, zarządzanie interesariuszami, umiejętność przekonywania i umiejętności komunikacyjne... AI nie może zastąpić bezpośredniej interakcji między ludźmi." Gdy AI przejmuje procesowe elementy tej roli, tym, co pozostaje — i co ma największe znaczenie — jest to, co nieodłącznie ludzkie.
Wraz z AI jeszcze większy nacisk kładzie się na ludzką stronę pracy, zarządzanie relacjami, zarządzanie interesariuszami, umiejętność przekonywania i umiejętności komunikacyjne.
More Articles
- Lider produktu w startupie zajmującym się zarządzaniem sztuczną inteligencją dzieli się wdrażanymi przepływami pracy agentowej, aby usprawnić realizację
- AI w realizacji projektów: wszystko, co musisz wiedzieć o przypadkach użycia, narzędziach i strategii
- Ta starsza dyrektorka ds. zarządzania programami wyjaśnia, jakich narzędzi AI i integracji używa do niwelowania luk technologicznych u swoich klientów
- Lider PMO omawia, jak zapobiec temu, by AI powodowała szybszy chaos zamiast sprawniejszej realizacji
- Starszy lider projektów IT mówi, że kierownicy projektów muszą skupić się na interakcjach międzyludzkich, których algorytmy nie są w stanie obsłużyć
Przeciążenie wielozadaniowością, nadmiar obowiązków i nieludzkie miejsce pracy
Jednym z najbardziej powtarzających się tematów w naszych wywiadach były szkody powodowane przez przeciążenie organizacyjne — praktykę przydzielania ludziom większej ilości pracy, niż są oni w stanie rozsądnie udźwignąć. Bill Dow opisuje to wprost: "menedżerowie przydzielają ludziom 10 projektów... A potem po prostu nieustannie przeskakujesz z projektu na projekt, prawda? Żaden człowiek nie jest w stanie tego robić." Rezultatem nie jest produktywność — jest nim iluzja produktywności, maskująca głębsze problemy organizacyjne.
Johanna Rothman, właścicielka Rothman Consulting Group, posuwa krytykę jeszcze dalej, przedstawiając wielozadaniowość nie tylko jako praktyczny problem, lecz także jako problem etyczny: „Powodem, dla którego wielozadaniowość tak bardzo mnie oburza, jest to, że odbiera pracy człowieczeństwo. Zamiast tego mamy fragmenty ludzi w arkuszu kalkulacyjnym. Wielozadaniowość wynika więc z przekonania, że możemy dzielić i zwyciężać, tworząc nieludzkie miejsce pracy”. Innymi słowy, gdy traktujemy ludzi jako ułamkowe zasoby rozproszone między równoległymi strumieniami pracy, nie tylko zmniejszamy efektywność. Tworzymy warunki, które utrudniają wykonywanie wartościowej pracy na wysokim poziomie.
Johanna Rothman kwestionuje również sposób, w jaki organizacje planują pracę. Wiele zespołów tworzy długie backlogi i mapy drogowe, które obiecują realizację co dwa tygodnie, ale jej zdaniem taki poziom pewności jest nierealistyczny: „Nie wiem, ile czasu zajmą poszczególne rzeczy, mimo że mam duże doświadczenie w osiąganiu rezultatów. A skoro po 30 latach doświadczenia opartego na rezultatach nie potrafię przewidzieć, co będę robić w przyszłym tygodniu, jak może to zrobić jakikolwiek zespół?”
Jej zdaniem przeciążenie i nadmierne zobowiązania są często wbudowane w sam system, pozostawiając liderów odpowiedzialnych za realizację projektów z koniecznością radzenia sobie ze skutkami.
Skoro po 30 latach doświadczenia opartego na rezultatach nie potrafię przewidzieć, co będę robić w przyszłym tygodniu, jak może to zrobić jakikolwiek zespół?
Droga przed nami
Wyzwania opisane przez tych liderów nie są odosobnione. Są ze sobą powiązane. AI zmienia sposób planowania i realizacji projektów, ale struktury zarządzania, infrastruktura danych oraz ścieżki rozwoju pracowników potrzebne do wsparcia tej transformacji pozostają w tyle. Liderzy, którzy najskuteczniej przeprowadzą swoje organizacje przez rok 2026, to ci, którzy rozumieją, że najtrudniejsze problemy nadal mają u podstaw charakter ludzki.
Chcesz poznać więcej spostrzeżeń ekspertów takich jak osoby przedstawione w tym artykule? Utwórz bezpłatne konto, aby uzyskać dostęp do mnóstwa treści i zasobów przygotowanych przez ekspertów.
