PMO-ledare diskuterar hur man förhindrar att AI skapar snabbare kaos i stället för bättre genomförande
Upptäck hur AI förändrar projektgenomförandet genom att minska manuellt arbete, stärka PMO-styrningen och hjälpa ledare att fatta snabbare och mer välgrundade beslut.
Hussain Bandukwala
Grundare och vd för Parwaaz Consulting
AI:s påverkan: AI förskjuter projektgenomförandet från uppgiftssamordning till roller som stödjer beslutsfattande och prioritering.
Praktisk AI: Genom att minska det manuella arbetet kring projekt med AI får man större fokus på strategiska ledarskapsaktiviteter.
AI-integrering: Genom att integrera AI i befintliga arbetsflöden går uppgifterna snabbare, vilket förbättrar effektiviteten i projektgenomförandet.
Mänskliga färdigheter: AI understryker betydelsen av mänskligt omdöme, relationshantering och ledarskap i projekt.
Styrningens betydelse: Gemensam styrning och gemensamma beslutsstrategier förhindrar kaos när AI integreras i projektledning.
Hussain Bandukwala har mer än 20 års erfarenhet av projektledning och har lett nystartade företag som COO och CPO. Han har två gånger varit finalist till utmärkelsen Global PMO Influencer och är instruktör på LinkedIn Learning.
För närvarande är Hussain grundare och vd för Parwaaz Consulting, där han hjälper organisationer att förbättra genomförandet genom starkare PMO:er, portföljstyrning, leveransledning och operativ omvandling.
Vi pratade med honom om hur AI omformar projektleveranser, varför styrning är viktigare än någonsin och vad PMO:er och leveransledare måste göra för att förbli relevanta. Här är vad han hade att säga.
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
Att förena PMO-ledarskap, utmärkta leveranser och AI
Jag är grundare och vd för Parwaaz Consulting, ett specialiserat rådgivningsföretag som hjälper organisationer att förbättra genomförandet genom starkare PMO:er, portföljstyrning, leveransledning och AI-implementering. I över 20 år har jag arbetat med Fortune 500-företag, riskkapitalfinansierade företag, nystartade företag och växande medelstora organisationer inom branscher som hälso- och sjukvård, logistik, finansiella tjänster, detaljhandel och teknik.
I dag hjälper jag ledare att prioritera rätt initiativ, förbättra genomförandet, stärka PMO-förmågan och skala upp verksamheten utan onödig byråkrati. Det omfattar allt från PMO-omvandlingar och portföljprioritering till AI-sprintar för att identifiera möjligheter, styrning, verktygsimplementering och kompetensuppbyggnad.
Innan jag startade Parwaaz Consulting arbetade jag i roller inom rådgivning och leveransledning på företag som BearingPoint och Diamond Management & Technology Consultants. Jag har också varit med och grundat ett nystartat företag och varit COO, vilket gav mig ett praktiskt perspektiv på genomförande och tillväxt. Jag är för närvarande instruktör på LinkedIn Learning med över 160 000 deltagare globalt och har två gånger varit finalist till utmärkelsen Global PMO Influencer. Gartner och Capterra har uppmärksammat mitt tankeledarskap inom PMO:er, leveranser och AI-implementering.
Hur AI omdefinierar projektleveranser
AI har förändrat både hur jag själv arbetar och hur projektleveranser utvecklas mer övergripande. För några år sedan använde de flesta team fortfarande AI på experimentell basis. I dag ser jag organisationer gå från nyfikenhet till att integrera AI i verksamheten. Samtalet handlar inte längre bara om ”Vad är AI?” utan om ”Var skapar AI mätbart värde, hur styr vi användningen på ett ansvarsfullt sätt och hur får vi människor att ta till sig den?”
I min egen roll lägger jag mycket mindre tid på administrativt arbete och arbete som kräver omfattande sammanställning än tidigare. Uppgifter som att ta fram första utkast till dokumentation, sammanfatta möten, strukturera brainstorming, skriva utkast till kommunikation med intressenter, förbereda workshoppar, formulera rapporter och effektivisera research stöds nu i stor utsträckning av AI. Det har lett till betydande effektivitetsvinster, särskilt inom PMO-rådgivning, utveckling av utbildningar och portföljanalys.
Det som nu får mer av min uppmärksamhet är ledarskaps- och strategiarbete med högre värde, som AI inte självständigt kan ta ansvar för. Till exempel:
- Att hjälpa ledare att identifiera vilka användningsområden för AI som är värda att satsa på, i stället för att jaga trender
- Att utforma styrnings- och tillsynsmodeller som möjliggör snabbhet utan att skapa byråkrati
- Att förbättra organisationens införande och driva beteendeförändring kring AI-stödda arbetssätt
- Att omforma PMO:er från rapporteringsfunktioner till motorer för beslutsstöd och prioritering
- Att hjälpa team att stärka omdöme, kommunikation, prioritering och samsyn bland intressenter i en AI-stödd miljö
Mer övergripande förändras själva projektleveransen på några viktiga sätt. För det första går genomförandecyklerna snabbare eftersom team kan ta fram resultat snabbare. För det andra ökar antalet initiativ eftersom AI sänker tröskeln för experimenterande. För det tredje förväntar sig ledare snabbare beslutsfattande och tydligare insyn i avkastningen på investeringar från leveransteamen. Som ett resultat får PMO:er och leveransledare en alltmer strategisk roll när det gäller prioritering, styrning, införande och realisering av verksamhetsvärde, inte bara projektuppföljning.
AI tvingar också projektledare att utvecklas. Framtidens bästa projektproffs kommer inte enbart att vara samordnare av uppgifter. De behöver bli bättre facilitatorer, affärstänkare, kommunikatörer och förändringsledare som vet hur man kombinerar mänskligt omdöme med AI-stött genomförande.
Varför praktisk AI överträffar full automatisering i leveransarbetet
Just nu fokuserar jag mer på praktisk AI-användning och effektivisering av arbetsflöden än på autonom orkestrering. Samtidigt experimenterar jag selektivt inom områden som mötessammanfattningar, extrahering av åtgärder, utkast till rapporter, automatisering av arbetsflöden och minskning av samordningsarbetet mellan samarbetsverktyg och leveranssystem. Verktyg som Make.com och AI-aktiverade funktioner i moderna PPM-plattformar gör delar av detta alltmer tillgängliga.
Jag har upptäckt att det största värdet inte nödvändigtvis ligger i att ersätta aktiviteter inom projektleveransen, utan i att minska den manuella friktionen runt dem. Samtidigt behöver organisationer fortfarande ha stark mänsklig tillsyn eftersom leveransmiljöer innehåller för mycket nyanser, prioritering, intressenthantering och kontextuellt omdöme för att kunna automatiseras effektivt fullt ut idag.
Hur AI-integration påskyndar projektens dagliga arbetsflöden
Jag ledde en sprint för att identifiera möjligheter med AI i arbetet, där vi hjälpte team att koppla sina dagliga ansvarsområden till praktiska AI-stödda arbetsflöden. I stället för att diskutera AI teoretiskt fokuserade vi på verkliga uppgifter som människor redan utförde och identifierade var AI kunde minska friktionen.
Vi hjälpte till exempel konsulter att använda AI för att sammanfatta långa RFP:er, extrahera risker och leveranser, skapa presentationsunderlag för ledningen, utarbeta kommunikation till intressenter och organisera uppföljningsuppgifter i verktyg som Word, PowerPoint, Outlook, Teams och Planner.
Team började se AI mindre som en ”chattbot” och mer som en accelerator för arbetsflöden, inbäddad i de dagliga arbetsflödena.
Varför människor måste fokusera på relationer och omdöme
AI kan bäst stödja leveransarbete som är repetitivt, samordningsintensivt och kräver mycket sammanställning.
Till exempel:
- Statusrapportering och sammanfattningar för ledningen
- Mötesanteckningar, åtgärdspunkter och uppföljning
- Inledande projektplaner, RAID-loggar och utkast till dokumentation
- Portföljanalys och stöd vid prioritering
- Överblick över resurser och kapacitet
- Automatisering av arbetsflöden mellan verktyg
- Kunskapsinhämtning och insikter över flera projekt
Organisationer genomför detta med hjälp av verktyg som Microsoft Copilot, ChatGPT, AI-aktiverade PPM-plattformar, verktyg för automatisering av arbetsflöden och integrationer som läggs ovanpå befintliga leveransekosystem, i stället för genom omfattande fristående AI-program. Ofta kommer de största vinsterna från användningsområden som kräver relativt liten insats men sparar tid för stora team varje vecka.
Områden som fortfarande kräver en mänsklig insats är däremot arbete som bygger på omdöme och relationer. Detta omfattar:
- Intressenthantering på ledningsnivå
- Att navigera i organisatorisk politik
- Konfliktlösning
- Diskussioner om avvägningar vid prioritering
- Att leda förändring och skapa förankring
- Att coacha team genom otydlighet
- Att fatta beslut med ofullständig information
AI kan stödja dessa områden med insikter och struktur, men kan fortfarande inte ersätta förtroende, inflytande, ledarskap och kontextuellt omdöme. Jag hävdar faktiskt att dessa mänskliga färdigheter blir ännu viktigare när AI automatiserar mer av det administrativa leveransarbetet.
Hur AI lyfter ledarskapssamtalen
När AI används på rätt sätt kan det också förbättra kvaliteten på ledarskapssamtal.
Team kan till exempel nu snabbt sammanställa projektuppdateringar, risker, mötesanteckningar och återkoppling från intressenter till kortfattade sammanfattningar, i stället för att lägga timmar på att manuellt förbereda statusrapporter. Det ger ledare och PMO:er mer tid att diskutera avvägningar, prioriteringar, beroenden och verksamhetspåverkan, snarare än att bara samla in information.
Samtalen går från ”Vad är statusen?” till ”Vilket beslut behöver vi fatta, och vilka följder får det längre fram?” Detta har på ett betydande sätt förändrat hur leveransdiskussioner förs.
Samtalen går från ”Vad är statusen?” till ”Vilket beslut behöver vi fatta, och vilka följder får det längre fram?”
Ett verkligt exempel på komplexitet inom AI
Här är ett exempel på den komplexitet som kan uppstå när AI införs på arbetsplatsen. Den här organisationen hade ett stort intresse för AI, men liksom många företag hade den svårt att hantera tre samtidiga problem:
- För många frånkopplade idéer
- Ingen enhetlig modell för intag och prioritering
- Team som experimenterade självständigt utan styrning eller mätbara resultat
Detta innebar en risk för splittrade pilotprojekt, dubbelarbete och en växande skepsis från ledningen eftersom ingen tydligt kunde beskriva värdet. Vi såg det som både en utmaning inom leverans och verksamhetsmodell, inte bara som en teknisk övning.
Först byggde vi en enkel process för AI-möjlighetssprintar. Vi genomförde strukturerade workshoppar inom olika funktioner för att identifiera problemområden, repetitiva arbetsflöden, flaskhalsar i rapporteringen, brister i samordningen och friktion i beslutsfattandet. I stället för att fråga ”Var kan vi använda AI?” frågade vi teamen:
- Var förlorar människor tid varje vecka?
- Var är arbetet mycket repetitivt?
- Var uppstår förseningar på grund av manuell samordning eller informationsinsamling?
- Var får ledare vänta för länge på insikter eller insyn i statusen?
Därefter skapade vi en standardiserad process för intag och poängsättning för att utvärdera AI-initiativ tillsammans med initiativ utan AI, så att de inte blev separata innovationssidoprojekt.
När det gällde verktyg höll vi medvetet upplägget praktiskt och enkelt:
- Microsoft Copilot och ChatGPT för att effektivisera arbetsflöden och sammanställa innehåll
- Befintliga samarbetsverktyg som Microsoft Teams för workshoppar och prioriteringsmöten
- Strukturerade mallar för intag och poängsättningsunderlag
- Enkla instrumentpaneler och uppföljningsverktyg för prioritering
- Kontrollpunkter för PMO-styrning inbäddade i befintliga portföljgenomgångar i stället för att skapa parallella styrningsstrukturer
En viktig lärdom var att komplexiteten inte kom från AI-verktygen i sig, utan från samordning, ansvar, förväntningar och införande.
En utmanande del av uppdraget var att många ledare inledningsvis överskattade organisationens AI-mognad. Teamen ville ha avancerad automatisering, men deras underliggande processer var fortfarande inkonsekventa eller odokumenterade. I flera fall pausade vi AI-diskussionerna för att först stabilisera arbetsflöden, tydliggöra ansvar eller förbättra datakvaliteten. Detta var en av de största framgångsfaktorerna. Vi behandlade AI-mognad som en diskussion om verksamhetens operativa mognad, inte bara som ett tekniskt införande.
Vi införde också en enkel modell för styrning och uppföljning med tydliga kontrollpunkter för intag, beslutsmandat, eskaleringsvägar och ansvar för olika roller. Målet var att möjliggöra snabbhet utan att skapa byråkrati.
Det inledande arbetet med sprintar och prioritering tog några veckor, följt av införande i etapper och stöd för att främja användningen. Det mest omfattande arbetet handlade inte om teknisk konfiguration, utan om att skapa samsyn bland intressenter, möjliggöra förändring och hjälpa teamen att utforma om hur arbetet flödade.
Resultaten var betydande:
- Ledningen fick en mycket tydligare bild av var AI realistiskt kunde skapa värde.
- Teamen gick från slumpmässiga experiment till strukturerat genomförande.
- Vi identifierade flera användningsfall som krävde liten insats och som minskade det manuella administrativa arbetet och rapporteringsbördan.
- AI-samtalen kopplades till mätbara affärsresultat snarare än till överdrivna förväntningar.
- PMO utvecklades till en funktion för samordning, prioritering och styrning av AI-stödd leverans.
Det mest intressanta var att de organisationer som lyckades inte nödvändigtvis var de mest tekniskt avancerade. De kombinerade praktisk styrning, operativ disciplin och ett starkt förändringsledarskap med AI-stött genomförande.
Så bygger du en AI-stödd leveransstack
Min teknikstack för leverans har utvecklats avsevärt under de senaste 6–12 månaderna i takt med att AI har gått från experimenterande till stöd i det dagliga genomförandet.
De AI-verktyg jag använder mest aktivt i dag är:
- OpenAI ChatGPT för syntes, kommunikation med ledningen, förfining av workshoppar, idéarbete kring ramverk, prioriteringsstöd och strukturerat tänkande
- Anthropic Claude för längre analyser, förfining av texter och djupare kontextuellt resonemang
- Gamma för att snabbt bygga presentationsstrukturer, visuellt berättande och utkast redo för ledningen
- Canva för visuell kommunikation, utbildningsmaterial, diagram och enkel innehållsdesign
Den största effekten av dessa verktyg är hastighet, syntes och snabbare första utkast. De minskar avsevärt den administrativa arbetsbördan och formateringsarbetet, vilket ger mer tid till strategiskt tänkande, intressentdialog, prioritering och beslutsfattande.
Varför AI bör integreras i teamets nuvarande arbetsstack
Det som känns förvånansvärt underskattat just nu är inte ett enskilt AI-verktyg, utan AI:s direkta integration i den vardagliga arbetsstack som människor redan använder — särskilt inom Microsofts ekosystem.
För många team kommer de tidsbesparingar som märks i realtid från små arbetsflödesförbättringar som sker kontinuerligt under dagen. Det kan handla om att sammanfatta Teams-möten, skriva utkast till uppföljningsmejl i Outlook, extrahera åtgärdspunkter, skapa första utkast i Word, bygga presentationsstrukturer i PowerPoint eller organisera uppgifter i Planner utan att ständigt byta sammanhang.
Var och en av dessa åtgärder kanske bara sparar några minuter åt gången. Men för leveransteam som arbetar hela dagen, varje dag, blir den samlade effekten betydande. Jag ser team minska den administrativa arbetsbördan, förbättra svarstiderna och lägga mer tid på faktiskt beslutsfattande och genomförande i stället för samordningsarbete.
Den största effekten uppstår också när organisationer slutar behandla AI som en separat destination och i stället integrerar den naturligt i befintliga arbetsflöden som människor redan känner sig bekväma med.
Så förändrar AI-stödda PPM-plattformar projektledningen
Jag ser organisationer gå från starkt processorienterad projektledning till lättare och mer anpassningsbara leveranssystem med fokus på synlighet, prioritering, snabbare beslutsfattande och AI-stött genomförande.
I praktiken innebär det mindre tid åt att manuellt sammanställa rapporter och jaga uppdateringar, och mer tid åt att interagera direkt med leveransdata i realtid genom AI-stödda verktyg.
Med nyare AI-stödda PPM-plattformar som Celoxis kan ledare till exempel nu använda uppmaningar på naturligt språk för att snabbt ta fram insikter som tidigare krävde omfattande manuell analys. I stället för att leta igenom instrumentpaneler och kalkylblad kan någon börja dagen med att fråga:
- “Vilka tre projekt bör jag vara mest bekymrad över i dag?”
- “Vilka risker driver förseningarna i tidsplanen?”
- “Vilka initiativ har kapacitetsproblem?”
- “Vilka korrigerande åtgärder bör vi överväga?”
Inom några minuter kan plattformen identifiera problemområden, sammanfatta bidragande problem, rekommendera åtgärder och hjälpa teamen att gå direkt vidare till beslutsfattande och genomförande.
Den förändringen omvandlar projektleveransen från en huvudsakligen administrativ uppgift till en mycket mer dynamisk, insiktsdriven och handlingsinriktad miljö.
Hur AI omdefinierar centrala ritualer för projektleverans
Jag ser en stor förändring i leveransritualerna: De handlar nu mindre om att ”skapa artefakter” och mer om att påskynda beslut.
Till exempel brukade diskussioner om projektets omfattning innebära långa workshoppar om krav, följda av dagar eller veckor av manuell förfining av dokumentationen. Nu kan AI snabbt sammanfatta diskussioner, generera utkast till krav, synliggöra oklarheter och till och med identifiera motstridiga antaganden nästan i realtid. Därför lägger teamen mindre energi på att dokumentera vad som sades och mer energi på att diskutera om arbetet är strategiskt meningsfullt.
På samma sätt blir genomförandestyrningen mycket mer konversationsbaserad och insiktsdriven. I stället för att projektledare manuellt sammanställer statusinformation inför ett styrgruppsmöte interagerar ledare allt oftare med leveranssystem på naturligt språk för att omedelbart identifiera risker, beroenden, förseningar eller resursbegränsningar. Det förändrar rollen för leveransledningen från ”informationsinsamlare” till ”beslutsfacilitator”.
Teamen lägger mindre energi på att dokumentera vad som sades och mer energi på att diskutera om arbetet är strategiskt meningsfullt …Det förändrar rollen för leveransledningen från ”informationsinsamlare” till ”beslutsfacilitator”.
Jag ser också hur valideringsritualerna utvecklas. Teamen validerar inte längre bara om kraven har uppfyllts. De validerar allt oftare om AI-genererade resultat är korrekta, partiska, fullständiga eller lämpliga i sitt sammanhang. Kvalitetssäkringen sträcker sig bortom systemen och in i själva bedömningen.
Ritualerna försvinner inte. De flyttas uppåt mot samsyn, prioritering, tolkning och beslutskvalitet.
Varför gemensam AI-styrning förhindrar kaotiskt genomförande
En fråga som jag önskar att fler ställde är: ”Hur förhindrar vi att AI skapar snabbare kaos i stället för bättre genomförande?”
Organisationer behöver lägga betydligt mer tid på att definiera beslutsmandat, ägarskap, prioriteringsregler och framgångsmått innan de skalar AI brett. Just nu optimerar många team den individuella produktiviteten utan att tänka tillräckligt på samordning på företagsnivå.
Om varje avdelning börjar införa AI självständigt, med olika arbetsflöden, instruktioner, styrmodeller och prioriteringar, riskerar organisationer att skapa fragmenterat genomförande i en mycket högre takt.
De företag som lyckas kommer sannolikt att skapa gemensamma operativa principer för hur de inför, styr, mäter och integrerar AI i hela organisationen, inte bara för hur enskilda team använder verktyg.
Ärligt talat är detta en av anledningarna till att rollen som CAIO (Chief AI Officer) kan bli betydligt vanligare under de kommande åren: organisationer behöver någon som ansvarar inte bara för beslut om AI-teknik, utan också för samordning, prioritering, styrning och införande i hela organisationen.
Hur AI förändrar PMO:ernas framtid
Inom fem år kommer många PMO:er antingen att utvecklas till funktioner för AI-transformation och AI-samordning på företagsnivå eller bli irrelevanta.
AI kommer i stor utsträckning att automatisera och integrera traditionellt projektledningsarbete, inklusive statusrapportering, manuell samordning, uppdateringar, RAID-hantering och administrativ uppföljning, direkt i operativa arbetsflöden och samarbetsverktyg.
De PMO:er som överlever kommer att gå från att hantera projekt till att hantera prioriteringar på företagsnivå, AI-genomförande, styrning och organisatorisk samsyn. De kommer att hjälpa till att identifiera och prioritera AI-möjligheter, driva införandet inom funktioner som ekonomi, HR, juridik och verksamhet samt hjälpa organisationer att övergå till AI-fokuserade operativa modeller.
Den största risken kommer inte att vara bristande införande av AI. Det kommer att vara att organisationer automatiserar kaos snabbare än de förbättrar tydlighet, ledarskap och beslutsfattande.
Varför ledare måste se AI som en operativ förändring
Se inte AI som ett sidoexperiment eller ett teknikinitiativ som enbart IT äger. Se det som en förändring av verksamheten och ledarskapet.
Mitt råd är:
- Börja i liten skala, men börja nu.
- Fokusera på praktiska problem i arbetsflödena, inte på hajp.
- Bygg in AI-vanor i det dagliga arbetet i stället för att tvinga fram en omfattande omvandling över en natt.
- Stärk omdöme, kommunikation, prioritering och ledarskap gentemot intressenter, eftersom dessa färdigheter blir mer värdefulla, inte mindre.
- Automatisera inte trasiga processer blint.
- Lär dig tillräckligt om AI för att tryggt kunna leda samtalet, även om du inte är särskilt tekniskt kunnig.
Viktigast av allt är att inte underskatta hur snabbt förväntningarna förändras. De leveransansvariga som lär sig att kombinera AI-acceleration med ett starkt mänskligt ledarskap kommer att ha en stor fördel under de kommande åren.
Följ med
Följ Hussains arbete på LinkedIn eller prenumerera på The PMO Playbook. Besök också Parwaaz Consulting.
Fler expertintervjuer kommer på The Digital Project Manager!
