Ten dyrektor generalny startupu AI zmienia realizację projektów w proaktywną dziedzinę dzięki modelom inteligencji predykcyjnej
Lloyd Skinner jest dyrektorem generalnym greyfly.ai, gdzie wykorzystuje sztuczną inteligencję do tworzenia inteligencji predykcyjnej, która zapewnia liderom projektów praktyczne informacje, zanim dotkną ich nieoczekiwane problemy i koszty. Innymi słowy, przekształca realizację projektów z dziedziny reaktywnej w proaktywną.
Lloyd Skinner
Dyrektor generalny Greyfly.ai
AI zmienia realizację projektów z reaktywnej w proaktywną: Skinner wyjaśnia, jak wbudowanie inteligencji predykcyjnej w procesy realizacji pomaga liderom przewidywać ryzyka i rezultaty, zanim się zmaterializują, fundamentalnie zmieniając zarządzanie projektami z raportowania tego, co już się wydarzyło, na kierowanie decyzjami w czasie rzeczywistym dzięki przewidywaniu.
Lekkie systemy oparte na danych przewyższają tradycyjne podejścia: Zastępując rozbudowane, skoncentrowane na administracji metody zintegrowanymi systemami realizacji wspieranymi przez AI, które łączą istniejące narzędzia i nieustannie analizują dane na żywo, zespoły ograniczają wysiłek związany z raportowaniem, zwiększają widoczność ryzyka i bardziej skupiają się na rozwiązywaniu rzeczywistych problemów niż na śledzeniu aktualizacji statusu.
Skuteczne wdrożenie AI zależy od gotowości ludzi i danych: Skinner podkreśla, że największe przeszkody nie dotyczą technologii, lecz zapewnienia wysokiej jakości danych i kształtowania zmiany nastawienia, w ramach której zespoły ufają informacjom generowanym przez AI i działają na ich podstawie; ludzcy liderzy pozostają niezbędni do oceny sytuacji, opracowywania strategii i interpretowania prognoz.
Lloyd Skinner jest dyrektorem generalnym greyfly.ai, gdzie wykorzystuje AI do tworzenia inteligencji predykcyjnej, która zapewnia liderom projektów praktyczne informacje zanim dotkną ich nieoczekiwane problemy i koszty. Innymi słowy, przekształca realizację projektów z dyscypliny reaktywnej w proaktywną.
Porozmawialiśmy z nim, aby zrozumieć, jak to robi — i co to naprawdę oznacza w praktyce. Oto, co miał do powiedzenia.
Od tradycyjnej realizacji produktów do realizacji wspieranej przez AI
Jestem dyrektorem generalnym greyfly.ai, gdzie pomagamy organizacjom realizować projekty w sposób bardziej przewidywalny i rentowny dzięki sztucznej inteligencji.
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
W przeszłości nadzorowałem tradycyjną realizację projektów. Pracując przy dużych programach i inicjatywach transformacyjnych, widziałem, jak tradycyjne podejścia nie radzą sobie z zarządzaniem złożonością.
Dlatego moja rola zmieniła się i polega obecnie na pomaganiu organizacjom w ponownym przemyśleniu sposobu realizacji projektów w świecie, w którym AI jest priorytetem. Koncentruję się na umożliwianiu starszym rangą liderom projektów i portfeli inteligentniejszego wykorzystywania własnych danych, co pozwala poprawiać wyniki, ograniczać ryzyko i budować podstawy skalowalnego wdrażania AI w zarządzaniu projektami.
W greyfly.ai wypełniamy lukę pozostawioną przez tradycyjne podejścia, wdrażając AI do realizacji projektów, dostarczając liderom praktyczne informacje, zanim pojawią się problemy, oraz pomagając im osiągać mierzalne i trwałe rezultaty.
Jak AI przekształca realizację projektów w proaktywną dyscyplinę opartą na analizie informacji
AI przekształca realizację projektów z dyscypliny reaktywnej w proaktywną, opartą na analizie informacji.
AI przekształca realizację projektów z dyscypliny reaktywnej w proaktywną, opartą na analizie informacji.
Zamiast koncentrować się na raportowaniu tego, co już się wydarzyło, skupiam się teraz na pomaganiu liderom w przewidywaniu tego, co ma się wydarzyć: wykorzystujemy inteligencję predykcyjną do kierowania decyzjami podejmowanymi w czasie rzeczywistym i zapobiegania kosztownym przekroczeniom budżetu.
Obecnie korzystamy z modeli, które prognozują powodzenie projektu, identyfikują wczesne zagrożenia i wskazują obszary, w których interwencja przyniesie największy efekt. To zasadniczo zmienia sposób, w jaki liderzy projektów planują, ustalają priorytety i zarządzają zasobami.
W rezultacie poświęcam znacznie mniej czasu na ręczną analizę danych, przeglądanie pulpitów nawigacyjnych czy wyciąganie wniosków po zakończeniu wydarzeń. Zamiast tego bardziej koncentruję się na strategicznym wdrażaniu, poprawie jakości danych i osadzaniu możliwości AI w organizacjach projektowych.
Moja rola coraz bardziej polega na pomaganiu kadrze kierowniczej w przejściu od ciekawości dotyczącej AI do namacalnych, skalowalnych zmian, które przekształcają informacje w mierzalne rezultaty.
Dlaczego lekkie systemy realizacji oparte na danych przewyższają tradycyjne zarządzanie projektami
Celowo odchodzimy od tradycyjnych, opartych na dużej liczbie dokumentów metod zarządzania projektami na rzecz lekkich systemów realizacji opartych na danych, które przedkładają elastyczność i przewidywanie nad administrację.
W przeszłości, podobnie jak wiele organizacji, w dużej mierze polegaliśmy na ustrukturyzowanych szablonach, ręcznych aktualizacjach postępów i formalnych cyklach przeglądów. Takie podejście powodowało opóźnienia i powielanie pracy, a często także ukrywało pojawiające się ryzyka aż do momentu, gdy było już za późno. W ciągu ostatniego roku przeszliśmy na bardziej zintegrowany, ciągły model analizy informacji, oparty na naszej platformie Intelligent Project Prediction (IPP) oraz zasadzie Minimum Viable Governance (MVG), dzięki czemu kontrola i zapewnienie prawidłowości nadal są zachowane, ale przy znacznie mniejszym obciążeniu administracyjnym.
W praktyce oznaczało to połączenie naszych istniejących narzędzi PPM w jeden potok danych hostowany na platformie Azure (tego rodzaju integracja jest jedną z wielu korzyści płynących z oprogramowania do zarządzania portfelem projektów). Następnie IPP analizuje te bieżące dane, aby prognozować wyniki, sygnalizować ryzyka i wskazywać trendy realizacji w czasie rzeczywistym. Cotygodniowe tworzenie raportów zastąpiliśmy automatycznymi pulpitami nawigacyjnymi, które odświeżają się codziennie i automatycznie spełniają uzgodnione progi.
Wprowadziliśmy również weryfikację zgodności opartą na AI, która skanuje dokumentację projektową pod kątem standardów zarządzania i sprawdza zgodność z zasadami MVG. Analiza i transformacja zajęły około sześciu miesięcy i obejmowały mapowanie danych, konfigurację integracji oraz warsztaty dotyczące zmian z zespołami PMO, aby zbudować zaufanie zarówno do informacji predykcyjnych, jak i modelu zarządzania.
Rezultaty są namacalne:
- Nakład pracy związany z raportowaniem zmniejszył się o ponad 50%
- Widoczność ryzyka znacznie się poprawiła
- Cykle podejmowania decyzji skróciły się z tygodni do dni.
- I, być może co najważniejsze, zmieniła się kultura pracy zespołu — liderzy projektów poświęcają teraz mniej czasu na śledzenie statusów, a więcej na rozwiązywanie rzeczywistych problemów.
Krótko mówiąc, przejście na lekką realizację wspieraną przez AI nie polega na rezygnacji z rygoru, lecz na redefinicji zarządzania w taki sposób, aby kontrola, zgodność i wiedza były zapewniane nieustannie, a nie retrospektywnie.
Przejście na lekką realizację wspieraną przez AI nie polega na rezygnacji z rygoru, lecz na redefinicji zarządzania w taki sposób, aby kontrola, zgodność i wiedza były zapewniane nieustannie, a nie retrospektywnie.
Rzeczywisty przykład integracji AI poprawiającej rezultaty realizacji projektów
Świetny przykład pochodzi z naszej współpracy z dużą brytyjską firmą telekomunikacyjną, w ramach której wspieraliśmy wieloetapowe wdrożenie AI w zarządzaniu projektami.
Klient chciał zrozumieć, w jaki sposób AI może poprawić przewidywalność i efektywność w całym rozbudowanym portfelu projektów, jednak podobnie jak wiele dużych przedsiębiorstw mierzył się z rozproszonymi danymi, niespójnym raportowaniem i uzależnieniem od ręcznej oceny.
Rozpoczęliśmy od strategii wdrażania AI, a następnie przeszliśmy do fazy odkrywania. Obejmowała ona ustrukturyzowaną ocenę PMO, przegląd architektury technicznej oraz analizę jakości danych z wykorzystaniem narzędzi takich jak Power BI firmy Microsoft do celów diagnostyki eksploracyjnej. Nasz zespół analityki danych zbudował modele predykcyjne na podstawie własnych historycznych danych projektowych klienta, aby prognozować prawdopodobne wyniki, w tym poziom ekspozycji na ryzyko, opóźnienia harmonogramu i prawdopodobieństwo pomyślnej realizacji.
Przygotowanie zajęło kilka tygodni i obejmowało uzyskanie dostępu do danych, zdefiniowanie schematu, oczyszczenie zbiorów danych oraz walidację wyników modeli przez specjalistów ds. projektów. Po wytrenowaniu modeli wizualizowaliśmy dane za pomocą Power BI, korzystając z interaktywnych pulpitów nawigacyjnych, które w czasie rzeczywistym wskazywały projekty wysokiego ryzyka i wyjaśniały, dlaczego niektóre projekty zmierzają w niewłaściwym kierunku.
Rezultatem była istotna zmiana w podejmowaniu decyzji: starsi rangą liderzy mogli koncentrować swoje działania tam, gdzie miały największe znaczenie, zamiast reagować na problemy i zajmować się nimi dopiero po fakcie. Ten wczesny pilotaż wykazał wymierny potencjał ograniczenia przekroczeń budżetu i harmonogramu projektów oraz dostarczył jasnych argumentów biznesowych za rozszerzeniem wykorzystania AI w całej organizacji.
Nie wszystko przebiegało jednak bezproblemowo. Najtrudniejsza nie była technologia, lecz gotowość danych i zarządzanie zmianą związane z zaufaniem do spostrzeżeń predykcyjnych zamiast do intuicji. Właśnie w tym obszarze AI w realizacji projektów tworzy wartość. Daje liderom pewność, że mogą działać na podstawie dowodów, a nie wiedzy zdobytej dopiero po fakcie.
Jak przepływy pracy agentowej w przygotowaniu danych i walidacji zarządzania przyspieszają realizację
Aktywnie eksperymentujemy również z przepływami pracy agentowej i inteligentną orkiestracją w ramach naszej szerszej misji, której celem jest przyspieszenie realizacji projektów, zwiększenie jej efektywności i nadanie jej większej elastyczności.
Skupiliśmy się na automatyzacji najbardziej czasochłonnych zadań związanych z koordynacją i zapewnianiem jakości — „niewidzialnej administracji”, która spowalnia realizację, nie wnosząc rzeczywistej wartości. W szczególności wykorzystujemy orkiestrację agentową do usprawnienia:
- Przygotowania danych: agenci AI pozyskują, oczyszczają i ujednolicają dane projektowe z wielu systemów, zanim rozpocznie się modelowanie predykcyjne.
- Walidacji zarządzania: agenci AI automatycznie sprawdzają artefakty projektowe pod kątem zgodności ze standardami MVG, zapewniając zgodność bez ręcznej interwencji.
Wbudowaliśmy tę warstwę orkiestracji w nasz ekosystem IPP, dzięki czemu agenci działają płynnie w tle, uruchamiając aktualizacje, generując spostrzeżenia i inicjując działania bez konieczności interwencji użytkownika.
Jak dotąd wyniki są bardzo obiecujące. Zaobserwowaliśmy znaczące skrócenie czasu cykli raportowania i przygotowania danych. Co jednak być może ważniejsze, zespoły poświęcają czas na interpretowanie spostrzeżeń, a nie na poszukiwanie informacji.
To wciąż ewoluuje i uczymy się, jak najlepiej równoważyć autonomię z nadzorem. Kierunek jest jednak jasny: inteligentna orkiestracja stanie się podstawą nowoczesnej realizacji projektów. Nie chodzi o zastępowanie ludzi, lecz o zapewnienie, aby każdy ludzki wysiłek był kierowany tam, gdzie przynosi największą wartość.
Jak inteligencja predykcyjna zmienia podstawowe praktyki realizacji projektów
Dodatkowo od podstaw przemyśleliśmy praktyki realizacji projektów, traktując AI jako rzeczywistego uczestnika podejmowania decyzji, a nie tylko asystenta analitycznego. Oznacza to zmianę sposobu definiowania zakresu, uzgadniania działań zespołów, weryfikowania postępów i prowadzenia realizacji, aby w pełni wykorzystać potencjał inteligencji predykcyjnej.
Przemyślamy rytuały związane z realizacją projektów od podstaw, traktując AI jako rzeczywistego uczestnika procesu podejmowania decyzji, a nie tylko asystenta analitycznego. Oznacza to zmianę sposobu definiowania zakresu, uzgadniania działań zespołów, weryfikowania postępów i realizowania projektów, aby w pełni wykorzystać potencjał inteligencji predykcyjnej.
- Definiowanie zakresu: Podczas definiowania zakresu AI pomaga nam od samego początku określić poziom złożoności. Analizując dane historyczne, nasze modele identyfikują podobne projekty z przeszłości i przewidują potencjalne wyzwania związane z realizacją. Dzięki temu sponsorzy i biura zarządzania projektami otrzymują określony ilościowo punkt wyjścia, a zakres nie jest definiowany wyłącznie przez ambicje, lecz także przez dowody.
- Uzgadnianie działań zespołów: W zakresie uzgadniania działań zespołów AI wspiera obecnie wczesne identyfikowanie luk kompetencyjnych lub ryzyka przeciążenia na podstawie obciążenia pracą i historycznych wyników. Pozwala nam to konfigurować zespoły realizacyjne z dużo większą precyzją i pewnością, zamiast polegać na statycznych planach zasobów.
- Weryfikowanie postępów: Walidacja i zapewnienie jakości znacznie się rozwinęły. Korzystamy z kontroli zgodności opartych na AI, aby zagwarantować, że rezultaty projektu są zgodne ze standardami zarządzania, wbudowując MVG w przepływ pracy. Zamiast czekać na przeglądy na koniec fazy, zapewnienie jakości odbywa się obecnie w sposób ciągły. Jest proaktywne, lekkie i oparte na danych.
- Realizacja projektu: W fazie realizacji uzupełniliśmy retrospektywne spotkania dotyczące statusu o predykcyjne pulpity nawigacyjne z naszej platformy IPP. Pulpity te wskazują wczesne sygnały ostrzegawcze, uwidaczniają pojawiające się ryzyka i skłaniają do skoncentrowanych rozmów na temat tego, co ma największe znaczenie. AI nie zastępuje osądu liderów, lecz zmienia charakter rozmów, przenosząc je ze sprawozdawczości dotyczącej przeszłości na zarządzanie przyszłością.
Największa zmiana ma charakter kulturowy: AI stało się uczestnikiem procesu realizacji projektu. Nie tylko automatyzuje pracę. Wzmacnia inteligencję, pomagając ludziom podejmować szybsze, lepsze i bardziej świadome decyzje.
Automatyzuj zadania projektowe o niskiej wartości dzięki AI, aby zwiększyć efektywność
Obecnie obszary najbardziej gotowe na automatyzację i wsparcie AI to te, które pochłaniają najwięcej czasu, ale zapewniają najmniejszą wartość strategiczną, takie jak prognozowanie projektów, raportowanie statusu i identyfikowanie ryzyka.
Obecnie obszary najbardziej gotowe na automatyzację i wsparcie AI to te, które pochłaniają najwięcej czasu, ale zapewniają najmniejszą wartość strategiczną, takie jak prognozowanie projektów, raportowanie statusu i identyfikowanie ryzyka.
Procesy te są oparte na regułach, bogate w dane i powtarzalne, co czyni je idealnymi kandydatami do inteligentnej automatyzacji.
Jednak ludzki wkład pozostaje niezbędny w obszarach wymagających osądu, empatii i negocjacji, takich jak uzgadnianie działań interesariuszy, zmiana kultury organizacyjnej i strategiczne ustalanie priorytetów. AI może dostarczać informacji do rozmowy, ale liderzy nadal muszą interpretować kontekst, zarządzać polityką organizacyjną i podejmować decyzje oparte na wartościach.
W istocie AI powinno przejąć główny ciężar pracy poznawczej, aby liderzy projektów mogli skoncentrować energię na wywieraniu wpływu na rezultaty, a nie na zarządzaniu informacjami.
Co naprawdę jest potrzebne, aby wdrożenie AI na stałe zakorzeniło się w realizacji projektów
Najważniejsze pytanie brzmi: ‘Co tak naprawdę jest potrzebne, aby AI na stałe zakorzeniło się w realizacji projektów?’
Odpowiedzią nie jest więcej technologii. Nie chodzi o złożone algorytmy ani ogromne inwestycje. Chodzi o przekonania i zachowania — wdrożenie AI wiąże się ze zmianą sposobu myślenia.
Dowiedzieliśmy się, że punkt zwrotny nie następuje wtedy, gdy model staje się inteligentniejszy, lecz wtedy, gdy ludzie zaczynają działać na podstawie dostarczanych przez niego informacji. Dlatego często mówię, że wdrożenie AI to program zmiany o charakterze ludzkim, wspierany przez dane, a nie tylko transformacja cyfrowa. Gdy zespoły dostrzegają, że informacje predykcyjne pomagają im unikać niespodzianek, zamiast je wyjaśniać, zmiana staje się trwała.
Prawdziwa transformacja następuje wtedy, gdy liderzy odpowiedzialni za realizację projektów przestają traktować AI jak eksperyment i zaczynają postrzegać je jako element swojego sposobu przewodzenia. Oznacza to budowanie zaufania do danych, przejrzyste informowanie o tym, co pokazuje AI, oraz wzmacnianie pewności zespołów, aby korzystały z niej w codziennym podejmowaniu decyzji.
Szczególnie wyraźnie widać, jak szybko rośnie zaufanie, gdy ludzie dostrzegają trafność prognoz dostarczanych przez AI. Zespoły przechodzą od debatowania nad tym, co poszło nie tak, do rozmów o tym, co prawdopodobnie wydarzy się w następnej kolejności — a ta zmiana zasadniczo przekształca kulturę realizacji projektów.
Zbuduj inteligentny ekosystem AI na potrzeby realizacji projektów
Nasz stos technologiczny wspierający realizację projektów znacząco ewoluował w ciągu ostatniego roku, ponieważ pogłębiliśmy integrację między modelami AI, platformami analitycznymi a tradycyjnymi narzędziami do zarządzania projektami. W jego centrum znajduje się nasza własna platforma IPP — warstwa inteligencji, która analizuje dane projektowe, prognozuje wyniki i identyfikuje wczesne ryzyka w całych portfelach.
Korzystamy z rozwiązania Microsoft Power BI do eksploracji i wizualizacji danych, ponieważ pozostaje ono praktycznym sposobem na połączenie danych projektowych z wielu źródeł, a jednocześnie pozwala interesariuszom bezpośrednio korzystać z uzyskanych informacji. Po stronie danych wzmocniliśmy wykorzystanie środowisk Azure do bezpiecznego hostowania i skalowania obciążeń AI, poprawiając wydajność i nadzór.
Jednocześnie uprościliśmy nasz zestaw narzędzi, zamiast go rozszerzać. Tradycyjne narzędzia do planowania, takie jak Planview i Primavera, nadal mają swoje miejsce, ale obecnie dostarczają dane do modeli predykcyjnych, zamiast funkcjonować jako samodzielne systemy zarządzania. Nacisk kładziemy na interoperacyjność — łączenie istniejących narzędzi, aby informacje mogły płynnie przepływać, zamiast pozostawać uwięzione w silosach.
Zastąpiliśmy również ręczne śledzenie ryzyka oparte na arkuszach kalkulacyjnych automatycznymi wynikami modeli oraz wprowadziliśmy oparte na AI kontrole zgodności w celu weryfikacji przestrzegania procesów. Zmiany te zmniejszyły nakład pracy związany z ręcznym raportowaniem o ponad połowę i przeniosły punkt ciężkości ze zbierania danych na ich interpretację.
Krótko mówiąc, ewolucja naszego stosu technologicznego nie polega na pogoni za nowymi narzędziami, lecz na tworzeniu inteligentnego ekosystemu, w którym istniejące platformy są wzmacniane przez AI, aby zapewniać przewidywanie przyszłych zdarzeń, dokładność i wymierną wartość przy każdej decyzji projektowej.
Ewolucja naszego stosu technologicznego nie polega na pogoni za nowymi narzędziami, lecz na tworzeniu inteligentnego ekosystemu, w którym istniejące platformy są wzmacniane przez AI, aby zapewniać przewidywanie przyszłych zdarzeń, dokładność i wymierną wartość przy każdej decyzji projektowej.
Dlaczego zarządzanie projektami ewoluuje od pracy administracyjnej do strategii opartej na inteligencji
W ciągu najbliższych pięciu lat AI całkowicie na nowo zdefiniuje znaczenie zarządzania projektem. Zmiana nie będzie koniecznie polegać na dodawaniu kolejnych narzędzi. Będzie raczej dotyczyć przywrócenia równowagi w relacji między ludźmi, danymi i decyzjami.
Uważam, że zmierzamy w kierunku świata, w którym zarządzanie projektami stanie się dziedziną opartą na inteligencji, a nie administracji. AI zajmie się mechaniką, taką jak prognozowanie, raportowanie i zapewnianie jakości, podczas gdy liderzy skoncentrują się na celu, priorytetach i rezultatach. Zespoły będą polegać na ciągłym przewidywaniu, a nie na kontroli retrospektywnej, zaś nadzór będzie ewoluował w kierunku inteligentnych systemów, takich jak nasza koncepcja MVP, dzięki czemu zapewnianie jakości będzie odbywać się niewidocznie, jako część przepływu pracy.
W ciągu pięciu lat większość organizacji projektowych będzie miała współpilotów AI osadzonych na każdym poziomie, którzy będą ujawniać informacje, koordynować przepływy pracy i kwestionować założenia w czasie rzeczywistym. Najlepszymi liderami będą ci, którzy wiedzą, jak współpracować z AI, a nie z nią konkurować.
Ostatecznie realizacja projektów przejdzie od zarządzania niepewnością do opanowania sztuki przewidywania przyszłości. Ci, którzy wcześnie przyjmą AI, nie tylko będą realizować projekty w sposób bardziej przewidywalny, lecz także zasadniczo zmienią sposób definiowania wartości, wpływu i sukcesu.
Realizacja projektów przejdzie od zarządzania niepewnością do opanowania sztuki przewidywania przyszłości. Ci, którzy wcześnie przyjmą AI, nie tylko będą realizować projekty w sposób bardziej przewidywalny, lecz także zasadniczo zmienią sposób definiowania wartości, wpływu i sukcesu.
Dlaczego gotowość danych i świadomość ludzi mają kluczowe znaczenie dla sukcesu AI w realizacji projektów
Moja rada dla liderów odpowiedzialnych za realizację projektów jest taka, aby przede wszystkim skoncentrowali się na dwóch kwestiach: gotowości danych i świadomości ludzi.
Gotowość danych stanowi fundament każdej udanej inicjatywy AI. Większość organizacji nie docenia, jak wiele niewykorzystanej wartości już znajduje się w ich istniejących danych projektowych, ale często są one rozproszone, niespójne lub zamknięte w systemach, które się ze sobą nie komunikują. Uporządkowanie tych danych nie wymaga ogromnego programu transformacji — należy zacząć od zrozumienia, czym dysponujesz, poprawy jakości tam, gdzie ma to znaczenie, oraz zbudowania zaufania do ich wykorzystywania. Gdy dane są wiarygodne, informacje predykcyjne pojawiają się naturalnie.
Drugim elementem jest świadomość ludzi, która pomaga zespołom zrozumieć, co AI może dla nich zrobić, zamiast skupiać się na tym, co może im odebrać. Najbardziej udane transformacje, jakie obserwowaliśmy, zachodzą wtedy, gdy specjaliści ds. realizacji projektów czują, że AI daje im nowe możliwości, a nie że stanowi dla nich zagrożenie. Chodzi o rozwijanie nowych intuicji, uczenie się kwestionowania wzorców, interpretowania prognoz i wykorzystywania AI jako strategicznego partnera, a nie narzędzia do raportowania.
Jeśli liderzy zainwestują po równo w oba te wymiary — gotowość danych i świadomość ludzi — stworzą kulturę, w której AI rzeczywiście poprawia skuteczność realizacji projektów, zamiast po prostu dodawać kolejną warstwę technologii.
To właśnie tam zaczyna się prawdziwa transformacja.
Śledź dalszy rozwój
Możesz obserwować Lloyda na LinkedInie, gdzie przekształca realizację projektów w proaktywną dziedzinę. Odwiedź także greyfly.ai, gdzie wciela te idee w życie.
Wkrótce kolejne wywiady z ekspertami na łamach The Digital Project Manager.
