Konsult med årtionden av erfarenhet delar varför AI bör vara en strategisk tankepartner, inte projektets drivkraft
Mike Hannan är grundare och huvudkonsult på Fortezza Consulting. Med årtionden av erfarenhet av att coacha projektledare på alla nivåer har han ägnat sin karriär åt att hjälpa organisationer att navigera i komplexa leveranssystem, optimera portföljer och utmana konventionellt tänkande.
Mike Hannan
Grundare och huvudkonsult på Fortezza Consulting
AI bör fungera som en strategisk tankepartner, inte som projektets drivkraft: Hannan menar att AI är utmärkt på att skapa mallar, sammanfatta innehåll och utvärdera olika scenarier, men att AI inte verkligen förstår djup komplexitet.
Mänskligt omdöme är fortfarande avgörande i komplext projektarbete: Även om AI kan hantera rutinuppgifter, som mötesanteckningar eller grundläggande modellering, behövs människor fortfarande för socialt, emotionellt och djupt strategiskt arbete.
Att behärska AI-samordning och ett brett systemtänkande kommer att definiera framtidens ledare: Hannan anser att det verkliga värdet finns hos dem som kan samordna AI på ett intelligent sätt och använda en breddorienterad förståelse på systemnivå för att maximera portföljens avkastning och lösa komplexa problem mer effektivt än specialister som enbart fokuserar på begränsat tekniskt djup.
Mike Hannan är grundare och huvudkonsult på Fortezza Consulting. Med årtionden av erfarenhet av att coacha projektledare på alla nivåer har han ägnat sin karriär åt att hjälpa organisationer att navigera i komplexa leveranssystem, optimera portföljer och utmana konventionellt tänkande.
I det här samtalet berättar Mike hur han använder AI, inte för att ersätta projektmetoder, utan för att få team att ställa bättre frågor, undvika falsk säkerhet och komma närmare de verkliga drivkrafterna bakom resultat.
Att förstå drivkrafterna bakom resultat på systemnivå blir allt viktigare i AI-eran
Jag är grundare och huvudkonsult på Fortezza Consulting, där jag coachar ledare på alla nivåer för att förbättra projektportföljers resultat. Det innebär att hjälpa dem att tänka mer systemiskt, särskilt i miljöer som präglas av begränsningar, ömsesidiga beroenden — och nu även AI.
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
Enligt min mening är behovet i en AI-fokuserad värld större än någonsin av att verkligen förstå vad som driver resultat på systemnivå. Det är fortfarande det enda sättet att navigera i komplexitet bättre än konkurrenterna.
AI kan inte göra det ännu. Och det kommer inte att nå dit förrän det har tränats bättre på att skilja skräp från guldkorn.
Så använder du AI för projektmallar, leverans och portföljoptimering
Med det sagt förändras projektleveransen. Jag upplever att behovet av de flesta projektmallar har minskat kraftigt. De flesta stora språkmodeller kan nu generera stabila mallar och till och med hjälpa till att anpassa dem efter specifika omständigheter.
Claude gör till exempel ett ganska bra jobb med detta. Jag kan ge modellen en instruktion som:
- “Ge mig en mall för en projektstadga anpassad för kosmetikaindustrin.”
- “Ge mig en mall för ett riskregister anpassat för kärnenergiindustrin.”
Därefter förfinar jag den ytterligare: “Fokusera på IT-projekt inom kosmetika” eller “Fokusera på risker vid bortskaffande av kärnavfall.” Svaren kommer snabbt, är flexibla och förvånansvärt träffsäkra.
Jag är också väldigt uppmuntrad av framväxande AI-funktioner som kan utvärdera hundratals eller till och med tusentals scenarier för att hitta den optimala lösningen under verkliga begränsningar — till exempel genom att identifiera den projektgrundlinje som skapar högst värde.
Ett exempel jag tycker om kommer från Lightning Motorcycle, som använde Autodesks AI-förstärkta CAD-verktyg för att utforma betydligt mer optimala komponenter än vad mänskliga ingenjörer kunde ha utformat på egen hand.
Ett annat exempel är TransparentChoice, som använder AI för att hjälpa kunder att hitta den modell för etappindelat flöde som maximerar genomströmningen inom ramen för tillgängliga resurser. Det förenklar en svår fråga: “Hur många projekt kan vi åta oss och ändå uppnå högsta möjliga slutförandegrad?”
Var AI skapar värde i projektleveransen — och var människor fortfarande är oumbärliga
Rutinuppgifter som mötesanteckningar, viktiga insikter och sammanfattningar av stora mängder innehåll hanteras också mycket effektivt av AI. Bara det ger mig tillbaka flera timmar varje vecka.
För sådant använder jag främst Otter.ai, som jag föredrar för att dokumentera och sammanfatta diskussioner. Men verktyg som Copilot fungerar också bra.
Områdena som fortfarande kräver mänsklig närvaro varierar. Allt inom det sociala området eller socialtjänsten—där mentorskap, empati eller förtroendefulla relationer spelar roll—är fortfarande starkt beroende av människor. Detsamma gäller allt som kräver djupt systemtänkande eller kritiskt omdöme.
Det är fortfarande mänskliga områden.
Så integrerar du AI i komplexa arbetsflöden samtidigt som mänskligt omdöme står i centrum
Ibland tar jag AI ännu längre och sätter upp en modell som definierar allt som behövs för att samordna arbete mellan människor, funktioner och till och med leveranskedjepartners.
AI kan nämligen integreras i den modellen där det är meningsfullt. Människor behöver sedan justera utifrån hur kombinationen av AI-agenter och mänskliga aktörer presterar.
Här är en enkel liknelse: Föreställ dig att en chefsassistent går i pension och att chefen är förtvivlad över att förlora det finjusterade stödet. I stället för att anställa en ersättare bygger du en modell som kodar in preferenser:
- “Det ska alltid vara 15 minuter mellan möten”
- “Föredra flygbolag A om det inte finns något direktflyg”
- “Fokustid får endast avbrytas om chef A eller kund B insisterar”
Med tiden förfinar modellen sig och täcker 95 % av scenarierna väl.
Men det finns alltid en punkt där mänskligt omdöme är oumbärligt — att läsa av känslomässiga signaler, kulturella nyanser eller förändrade prioriteringar. Tänk om ett familjebesök inte är välkommet? Tänk om en kund börjar pressa för hårt? Tänk om en chefs brådska ökar på subtila sätt? Det är där kombinationen av människa och AI blir värdefull.
I projekt är modellen mer komplex, men principen är densamma: Bygg den, förfina den och samordna blandningen av AI-agenter och mänskliga agenter så att var och en gör det de är unikt bra på.
AI förstår inte komplexitet på riktigt
Även om AI hjälper mig att ägna mindre tid åt att sammanfatta eller destillera information skapar det också en farlig illusion: att modellerna själva ”förstår” djup komplexitet. Det gör de inte.
På grund av den illusionen söker många kunder snabbare resultat och hoppas att AI ska leverera det de ser som "snabba lösningar". För att hjälpa dem dit fokuserar jag på tekniker för flödesacceleration som bygger på begränsningsteorin och Lean. Dessa angreppssätt hjälper projekt att gå snabbare utan att ta genvägar.
Och när vi talar om att sätta förväntningar uppmuntrar jag vanligtvis kunder att sikta högre — att förvänta sig större acceleration. Måttliga mål tenderar att ge måttliga resultat.
Min roll i dag handlar därför mindre om att sammanfatta eller leverera slutsatser och mer om att hjälpa ledare att stanna upp, ta ett steg tillbaka och ifrågasätta sina antaganden. Det är där de verkliga prestationsvinsterna uppstår.
Så använder du AI för att ifrågasätta antaganden och förbättra det kritiska tänkandet
Jag använder AI som måltavla, inte som lösning. Den finns där för att ifrågasättas. Den är en tankepartner snarare än en drivande kraft.
Jag använder AI som måltavla, inte som lösning. Den finns där för att ifrågasättas. Den är en tankepartner snarare än en drivande kraft.
Ett bra exempel är att ta de generiska svar på ytnivå som LLM:er genererar och använda dem som måltavla för kritik. Jag ber kunderna att plocka isär dessa svar:
- ”Vad skulle behöva vara sant för att detta skulle vara falskt?”
- ”I vilket sammanhang skulle detta kunna vara helt fel?”
De frågorna tränar dem i att utforma smartare uppföljningsprompter, vilket ofta leder till verkliga insikter.
Och frågorna vässar också deras kritiska tänkande, vilket är särskilt viktigt nu. Det är förvånande hur mottagliga de flesta av oss är för bekräftelsebias. När AI ger människor ett svar som stöder det de redan tror tenderar de att känna sig bekräftade — och stänger sedan av sitt kritiska tänkande.
Det är inte bara förvånande; det är skrämmande.
Modernisering av projektleveransen samtidigt som avkastningen på investeringen maximeras
För mig är varje teknik eller metod som hjälper till att maximera avkastningen på investeringen i en projektportfölj — i stället för att bara hantera baslinjer utan att leta efter alternativ med högre värde — guld värd. De är inte alltid ”lättviktiga”, men de avlastar människor samtidigt som den totala effekten ökar.
Några exempel som jag använder med kunder — och som alla kommer att finnas med i den kommande PMBOK 8:e upplagan (som jag hjälpte till att skriva) — är värdenedbrytningsstrukturer, fördröjning på den kritiska linjen och kostnaden för fördröjning på den kritiska linjen.
Dessa utvidgar det traditionella begreppet kritisk linje till värdesidan av ekvationen. Om jag till exempel kan korta den kritiska linjen med en månad, men det kostar $200K, kommer det ytterligare värdet då att överstiga kostnaden?
Andra kraftfulla angreppssätt omfattar:
- Projektledning enligt kritisk kedja (CCPM) på både projekt- och portföljnivå — för att maximera genomströmningen och förmågan att hålla tidsfrister.
- Analytisk hierarkiprocess (AHP) — för att välja projekt med högre värde.
Var och en av dessa tekniker är utformad för att maximera avkastningen på investeringen, inte bara för att hantera leveransen.
Agentbaserade arbetsflöden är inte värda besväret — än
Om AI kunde tränas att proaktivt lyfta fram alternativ med högre värde när de dyker upp – utan att behöva uppmanas till det – skulle det vara ett verkligt genombrott. Det är då AI skulle sluta vara bara ett verktyg och börja agera som en verklig bidragande medlem av teamet.
Jag har börjat experimentera med det här konceptuellt. Det växer fram lovande modeller som skulle kunna göra agentbaserade arbetsflöden mer användarvänliga och allmänt tillgängliga, men de kräver fortfarande mycket arbete i början för att tränas utifrån varje organisations unika sammanhang.
Även något så enkelt som att lära en agent att förstå mina resepreferenser och föreslå kompletta resplaner har hittills tagit mer tid att träna än den har sparat åt mig. Men när den väl verkligen har lärt sig är jag övertygad om att nyttan kommer att väga över, och att samma princip kommer att gälla för projektleveranser.
Varför de som behärskar AI kommer att förändra projektleveranser
I slutändan tror jag inte att AI kommer att förändra projektleveranser. Jag tror att de människor som lär sig att behärska och samordna AI kommer att förändra dem.
I slutändan tror jag inte att AI kommer att förändra projektleveranser. Jag tror att de människor som lär sig att behärska och samordna AI kommer att förändra dem.
Och mycket komplexa – till och med ”onda” – problem kommer att börja ge upphov till enklare och mer eleganta lösningar, som genereras snabbare än någonsin genom den råa beräkningskraften hos agentbaserad AI.
Varför breddorienterat tänkande kommer att definiera nästa generations leveransledare
Mitt råd är enkelt: Bredd först.
De flesta av oss fick lära oss att specialister och tekniskt djupa experter kommer att belönas ekonomiskt mer än generalister, och så har det varit i många årtionden. Men ju mer AI kan hantera tekniskt djupa problem snabbare och mer effektivt än människor, desto mer värdefull blir en heltäckande, breddorienterad förståelse på systemnivå.
Ju mer AI kan hantera tekniskt djupa problem snabbare och mer effektivt än människor, desto mer värdefull blir en heltäckande, breddorienterad förståelse på systemnivå.
Om du trots allt inte vet tillräckligt om problemets fulla omfattning för att samordna ett nätverk av AI-agenter som kan hjälpa dig att lösa det, kommer ditt värde på arbetsmarknaden att urholkas.
Följ med
Du kan följa Mikes arbete på LinkedIn och läsa mer om hans konsultverksamhet på Fortezza Consulting.
Fler expertintervjuer kommer snart på Den digitala projektledaren.
