AI-kompetenserna som framtidssäkrar din karriär

Läs utskriften:

Vi testar att skriva ut våra poddavsnitt med hjälp av ett program. Ha överseende med eventuella stavfel eftersom boten inte har rätt 100 % av gångerna.

Kelsey Alpaio: Hej! Jag heter Kelsey. Och välkommen tillbaka till The Retro på The Digital Project Manager-podden—där vi går igenom tidigare lärdomar, framtida trender och vad de innebär för din karriär. I dag ska vi alltså fördjupa oss i ett ämne som det nästan är omöjligt att ignorera just nu, och ett ämne som du verkligen inte borde ignorera—hur AI kommer att påverka projektledningens framtid.

Vid det här laget har vi alla hört talas om de olika verktygen och alla användningsområden för AI som kan spara tid och ta de där irriterande uppgifterna från ditt bord. Men hur mycket har du funderat på hur AI kommer att förändra vad det faktiskt innebär att vara projektledare—och vilka färdigheter du bör bygga upp nu för att säkerställa en lång och framgångsrik karriär inom området framöver?

Det är det vi ska prata om i dag, och vi har en fantastisk gäst här som kan hjälpa oss att navigera—Oliver Yarbrough. Oliver är grundare av Not Your Father's AI, som handlar om att hjälpa människor att tillämpa AI i sina jobb och verksamheter. Han är också instruktör på LinkedIn Learning med en populär kurs om artificiell intelligens för projektledare, och han har arbetat länge som utbildare inom projektledning.

Oliver, välkommen till programmet!

Oliver Yarbrough: Tack. Det är roligt att vara här.

Kelsey Alpaio: Oliver, berätta lite mer om dig själv och det arbete du gör.

Oliver Yarbrough: Jag är först och främst utbildare inom projektledning, och under de senaste åtta åren eller så har jag börjat prata om artificiell intelligens, särskilt i relation till projektledning.

Under de senaste åren har jag ägnat mig åt det här som kallas Not Your Father's AI, där jag hjälper människor att förstå de praktiska användningsområdena för artificiell intelligens. Inte bara inom projektledning, utan även inom andra områden, men för vår diskussion handlar det förstås om projektledning.

Kelsey Alpaio: Bra. Låt oss då gå direkt in på hur AI redan börjar förändra projektledarrollen. Vilka är några av de stora förändringar du redan ser?

Oliver Yarbrough: Jag ser människor ta det de gör dagligen och börja införliva AI på en liten nivå. Självklart finns det människor som använder det på en mycket större nivå, och det ska vi också prata om.

Men i grunden handlar det om att ta reda på vad du gör och fundera på hur du kan pressa bort ineffektivitet genom att förhoppningsvis införliva olika aspekter av artificiell intelligens och automatisering. Det är några av de grundläggande områdena jag skulle nämna. Jag ser också människor använda det för att helt enkelt hjälpa dem att skriva bättre.

Många människor, även om vi är bra skribenter, vill förbättra texten, eller åtminstone inte börja med ett tomt blad. Så oavsett om det gäller en presentation eller ett mejl behöver du egentligen aldrig börja med ett tomt blad. Det är några av de grundläggande områdena jag ser.

Kelsey Alpaio: Och hur ser du på att AI kommer att fortsätta påverka under de kommande fem åren eller så? Hur kommer projektledarrollen egentligen att se ut när AI fortsätter att sätta sin prägel på yrket?

Oliver Yarbrough: Det är en mycket bra fråga. Jag hade faktiskt ett samtal med ett annat företag i morse, och dit jag ser att det här utvecklas är—till skillnad från de skrämseltaktiker vissa använder—att det egentligen inte kommer att handla om att projektledarrollen försvinner.

Det som kommer att hända är att de personer som omfamnar det och verkligen lär sig det i mer eller mindre utsträckning kommer att bli operatörer. De kommer att vara de som leder, tränar och bygger om. Och bokstavligen—jag menar inte att det händer nästa vecka, men kanske under de kommande två, tre, fyra eller fem åren—kommer de att leda en grupp digitala intressenter och/eller medarbetare och/eller samordnare.

Många av de här sakerna kommer alltså att innebära att projektledare blir mer av operatörer, är det jag säger. Du måste förstå projektledning. Sedan måste du också förstå hur man leder, och det här kommer att bli ett helt nytt område: hur man leder digitala agenter, precis som människor eller vad man nu vill kalla dem.

I vissa miljöer kommer det därför att bli mer som en hybridmiljö, där mänskliga samordnare arbetar under en projektledare eller någon annan ny titel. Och dessutom finns en digital agent. Det kallar jag en mer hybridbaserad miljö.

Kelsey Alpaio: Verkligen intressant.

Så jag vill fördjupa mig lite mer i vilka färdigheter projektledare bör bygga upp just nu för att förbereda sig för det. Först och främst, hur bör projektledare tänka kring AI i vardagen? Vilken inställning bör de ha till att använda AI i sina nuvarande roller för att kunna förbereda sig för framtiden?

Oliver Yarbrough: Jag tror att det egentligen kokar ner till tre kärnområden. Jag säger inte att det här är de enda områdena. Vi har alla hört talas om mjuka färdigheter och allt sådant, och det är mycket viktigt. Men i den här nya eran tror jag att det verkligen handlar om tre kärnområden. Nummer ett är projektledning. Du måste kunna ditt område.

Du måste kunna projektledning. Det är svårt att utvärdera människor eller agenter om du inte förstår projektledning. Så det är nummer ett. Nummer två handlar om att förstå artificiell intelligens. Jag säger inte att du måste lära dig Python eller programmering, men du behöver förstå hur de här stora språkmodellerna tänker.

Och det är inte supertekniskt. Jag säger inte heller att du måste lära dig programmera den, men förstå hur den tänker. Och nummer tre, vilket inte nödvändigtvis står på många människors radar men som jag tycker är lika viktigt, är att du behöver förstå processoptimering.

Hur man optimerar en process. Och varför säger jag det? Jo, för att du måste komma på hur du kan pressa bort ineffektivitet ur dina processer för att få ut mesta möjliga av AI. På en grundläggande nivå innebär det, säg att du utför hundra uppgifter under en given vecka: att ta reda på vilka av de hundra uppgifterna som måste göras av en människa.

Och av de uppgifter som måste göras av en människa, vilka måste göras av mig och vilka kan jag delegera? Och av de andra som inte behöver göras av en människa, vilka kan göras av AI? Den tredje kategorin är förstås vilka som inte borde göras alls. Kombinationen av de tre är att ta bort sådant som inte borde göras och lägga ut uppgifter på antingen AI eller andra människor.

Sedan återstår det som jag som projektledare slutligen måste göra, eftersom jag inte kan lägga ut det på någon annan eller något annat. Det är där jag verkligen kommer att fokusera min uppmärksamhet framöver.

Kelsey Alpaio: Jag förstår. Kan du prata lite om hur man bygger upp de färdigheterna nu inför framtiden? Finns det specifika AI-färdigheter som projektledare bör fokusera stenhårt på att bygga upp, och vilka saker kommer att vara avgörande om man inte kan dem inom en nära framtid? Handlar det om att skapa uppmaningar, eller om något annat? Låt oss fördjupa oss lite i det.

Oliver Yarbrough: Okej. Vi pratar alltså om det vi vanligtvis kallar AI. Det de flesta kallar AI. Om vi börjar där har jag ett koncept som jag har pratat om länge. Det handlar om projektintressenter och AI-intressenter. Om vi ska behandla AI som om det vore en intressent, som vilken annan intressent som helst—om du till exempel pratar om en RACI-matris—

så är den i grunden en intressent, en av intressenterna i dina projekt. Du måste, precis som med vilken annan intressent som helst, veta hur du engagerar den och hur du interagerar med den. Det handlar alltså verkligen om att ta reda på vad den agenten eller AI-boten behöver för att ge dig optimala svar. Hur kommunicerar vi med AI?

På grundnivå handlar det om att konstruera uppmaningar. Så titeln ”uppmaningsingenjör” kanske försvinner, men behovet av att formulera eller skriva bra uppmaningar kommer inte att försvinna. Det handlar i grunden om att veta hur man engagerar sin bot. Jag skulle säga att det är mycket viktigt att kunna konstruera uppmaningar, mer eller mindre att veta hur man skriver en bra uppmaning, och det finns olika nivåer av det, eller hur?

Som jag nämnde tidigare: att veta hur man optimerar en process. Ta någon kurs i Six Sigma eller något liknande. Gå en utbildning eller kurs som hjälper dig att effektivisera en process och pressa bort alla typer av ineffektivitet. Och som en tredje nivå skulle jag definitivt säga någon form av mjuka färdigheter, vilket innebär att du vet hur man förhandlar, hur man köper saker och olika sådana saker som kompletterar det din AI-agent inte kan göra eller kanske inte kan göra lika bra som du vill. Allt som innebär mänskligt engagemang. Här är varför: det gör att du kan komplettera det AI gör. Du kommer faktiskt att skapa värde på ett annat sätt. Du kommer att tillföra värde till det AI redan gör.

Jag tror att det är där jag skulle lägga mer tid.

Kelsey Alpaio: Det är bra. Jag vill göra en liten genomgång på nivåerna 101, 201 och 301 här, för dem som kanske undrar var de ska börja och hur de ska ta nästa steg. På 101-nivå, för någon som är ganska ny på AI eller försöker förstå vad det handlar om, vilka råd har du för att komma igång med att bygga de här färdigheterna?

Oliver Yarbrough: Det är en bra fråga, eftersom så många blir överväldigade. De kommer in och tänker: ”Jag måste börja skapa projektbeskrivningar och sprintplanera och allt möjligt.” Börja med något enkelt. Börja med att fundera på hur du effektiviserar och automatiserar arbetet med att skriva mötesanteckningar. Hur skapar jag en presentation som jag sedan kan visa för mitt team?

Varför säger jag det? Jo, även om det kanske inte är de tekniska aspekterna av att leda projekt, ger det dig en snabb vinst. Du får känna på hur mycket tid du sparar. I början handlar det om att spara tid. Jag kan alltså sitta här och skriva mötesanteckningar. Jag kan lägga en timme på att skapa en PowerPoint-presentation, eller så kan jag skriva en uppmaning, ladda upp ett eller två dokument och ha en presentation klar på fem minuter eller mindre.

Jag kanske förstås behöver justera den lite, men jag börjar inte från noll. Jag kan till exempel skriva mötesanteckningar. Sedan kan jag ladda upp dem i—om jag inte vill ha full automatisering—en chattbot och sammanfatta dem, och därefter skicka ut sammanfattningen.

Det är utan någon automatisering. Om jag använder automatisering blir det mycket bättre.

Kelsey Alpaio: Ja, det känns som ett utmärkt första steg. Och på 201-nivå, när du känner att du har fått grepp om det, har använt det dagligen ett tag och kommit in i en rutin—vad är nästa steg? Vilket överraskande användningsområde kanske du inte har tänkt på?

Hur kan du utveckla dina färdigheter från grunderna och verkligen börja framtidssäkra dig själv?

Oliver Yarbrough: På 201-nivå tar jag det från grunderna som jag nyss pratade om. Nu ska vi göra något som att bygga vår egen anpassade GPT. Det kräver ett betalkonto, och varje typ av stor språkmodell har sin egen version av detta.

Gemini och Google och andra har andra varianter. Det jag vill göra nu är att använda ett betalkonto, till exempel ett ChatGPT Teams-konto. Funktionen finns där från början, och du behöver inte oroa dig för att dina data delas med omvärlden. Men om vi använder ett vanligt konto för 20 dollar i månaden behöver du ange att informationen inte ska delas.

Jag säger det här för att du ska känna dig trygg med att ladda upp din personliga information. Vi kan träna en GPT på vår specifika information. Och här är många människor utmanas. De försöker få en enda GPT att göra allt. De fyller den med 50 dokument och låter den göra allt.

Nej. Jag vill uppmuntra människor att träna en GPT för en specifik uppgift och göra den mycket bra. Jag vill till exempel att du skapar projektbeskrivningar. Det enda den gör är att skapa projektbeskrivningar. Den gör inte alla möjliga saker. Det enda jag gör är att ladda den med exempel på bra projektbeskrivningar och annan information jag vill använda.

Sedan lägger jag in instruktioner, till exempel: ”Du är en projektledare som arbetar för företaget X, Y, Z och har 15 års erfarenhet”, tillsammans med andra detaljer. Anledningen till att jag gör det i instruktionerna är att jag då inte behöver skriva allt varje gång. När jag sedan kommer in och skriver en uppmaning för den nya projektbeskrivningen behöver jag bara säga: ”Skriv en projektbeskrivning för X, Y, Z.”

Den blir ganska bra om den är finjusterad och vältränad. Det skulle jag säga är det enklaste och förmodligen bästa sättet att gå vidare på 201-nivå.

Kelsey Alpaio: Det är bra. Ja.

På 301-nivå pratar vi alltså i princip om expertanvändare. Vilka färdigheter och verktyg bör man fokusera på då? Hur ser den ultimata projektledaren och AI-användaren ut?

Oliver Yarbrough: Jag skulle säga att du där vi befinner oss nu börjar arbeta med automatisering. På den här nivån handlar det om intelligent automatisering. Du använder inte bara en chattbot, utan kopplar ihop dem och använder programvara som Make.com.

Make.com och Zapier gör det möjligt att integrera och hämta information från en programvara och föra den till en annan. Säg till exempel att du använder en programvara för projektledning, som ClickUp eller något liknande.

Du kan exempelvis använda Airtable eller ett Google-kalkylark som en sorts databas. Du kan hämta information från ClickUp till Airtable. Sedan kan du ta informationen från Airtable och köra den genom exempelvis ChatGPT, föra tillbaka den till Airtable och därefter skapa en instrumentpanel eller något liknande.

Det förutsätter förstås att du inte använder AI som redan är inbyggd i olika programvaror, eftersom den kanske redan gör mycket av detta. Men en anledning till att du kan vilja ha en egen databas är att du vill ha en kopia i din egen miljö, eller att du vill göra andra saker med informationen utanför hanteringen av bara ett eller två projekt. Så för att svara kort på din fråga: intelligent automatisering.

Kelsey Alpaio: Bra. Du nämnde det här lite i samband med några av de olika nivåerna, men en utmaning jag ofta hör om är projektledare som säger: ”Jag är verkligen entusiastisk över att använda AI och vill använda det mer regelbundet i mitt arbete, men min organisation har inte kommit dit än.”

De är försiktiga. De är osäkra på säkerhetskonsekvenserna. Vilka råd har du till någon i den situationen som vill bygga upp de här färdigheterna men begränsas av sin organisation eller tillgången till verktygen?

Oliver Yarbrough: Jag skulle uppmuntra människor att—när jag möter motstånd eller en utmaning har jag också gjort det när jag arbetade inom näringslivet, och oavsett vilket jobb du har kommer du att möta motstånd—

först fråga mig själv: Varför möter jag motstånd? Vad är grundorsaken? Vad driver det här? Vad är rädslan? Utan att förstå vad rädslan är eller vad som driver den är det svårt att komma tillbaka och erbjuda en lösning. Om vi till exempel upptäcker att frågan de ställer helt enkelt handlar om integritet kan jag bemöta den.

Jag kan berätta att om du till exempel använder Microsofts programsvit har den inbyggd integritet. Informationen används inte för att träna den större datamängden. Om vi redan använder Microsoft-produkter blir det lättare att övertyga dem. Om vi använder ChatGPT kan vi ha ett betalkonto eller ett Teams-konto.

Om vi till exempel använder ett Teams-konto i ChatGPT finns funktionen där från början. Informationen delas inte med den större datamängden. Om integritet är det främsta skälet till att inte använda det kan det alltså minska en del av rädslan. Om rädslan i stället är att AI kommer att ta våra jobb finns det andra sätt att bemöta även det.

Genom att, som jag nämnde tidigare, visa hur de kan spara tid. Visa att AI inte nödvändigtvis kommer att ta deras jobb, utan snarare förbättra det de redan gör. Med tiden kan vi förhoppningsvis börja minska rädslan och tveksamheten och få människor att gå vidare.

Kelsey Alpaio: Ja, det är ett bra råd. Jag tycker verkligen att den aspekten av rädsla—rädslan för att AI ska ta ens jobb—är en av de utmaningar som vissa människor stöter på.

Jag undrar om det finns andra vanliga fällor som du ser att projektledare hamnar i när de börjar bygga upp de här färdigheterna. Finns det missbruk, överanvändning, dåliga vanor eller tankesätt som de behöver komma över? Kan vi prata lite om det?

Oliver Yarbrough: Ja, jag skulle kunna prata om det i flera dagar. Men några saker som kommer att tänka på är att förlita sig för mycket på resultatet man får. AI är inte perfekt. Människor är inte perfekta. Om människor inte är perfekta kommer det vi programmerar inte heller att vara perfekt. Och varför säger jag det?

Du har kanske hört begreppet hallucinationer. AI har ibland en tendens att hallucinerа, hitta på saker och få dig att känna dig nöjd. Den vill inte få dig att känna dig dålig. Om den inte har ett svar kommer den ibland att ge dig det den tror att du vill höra. Därför finns det en poäng med att i uppmaningen ge AI tillåtelse att inte få allt rätt.

Skriv bokstavligen: ”Ge mig ett svar på X, Y, Z. Men om du inte vet svaret, säg att du inte vet. Hallucinera inte. Ge mig inte något påhittat. Hitta inte på saker.” Säg det till den. Det är en sak jag absolut inte skulle förbise. Du måste också fortsätta förbättra dina färdigheter inom projektledning.

Jag kan inte nog betona detta. Oavsett om det handlar om traditionell, hybrid eller agil projektledning, eller vilken metodik det än är, måste du vara väl insatt. Detta är särskilt viktigt—jag säger det inte främst till de mer erfarna, utan till personer som kanske byter till området från andra yrken eller kommer direkt från högskolan.

Du behöver verkligen certifiera dig och lära dig de olika delarna av projektledning, eftersom det i slutändan kommer att göra dig till en bättre operatör längre fram när det gäller att bygga upp och leda din digitala arbetsstyrka.

Kelsey Alpaio: Absolut. Jag tror också att en annan sak som får mig att fastna är rädslan för om jag kommer att hinna med.

AI förändras så snabbt och nya verktyg dyker upp varje vecka, medan nya versioner av saker släpps nästan varje dag. När så mycket förändras så snabbt, hur bör vi tänka kring att hålla oss uppdaterade inom AI och de här färdigheterna utan att det i princip blir ett heltidsjobb? Eller borde det vara ett heltidsjobb?

Oliver Yarbrough: Jag älskar den här frågan. Jag ska ge dig ett 101-svar och ett 201-svar. Okej? 101-svaret är att lyssna på poddar som din, titta på YouTube-videor som dina, läsa bloggar och nyhetsbrev. Jag har ett mejlkonto som bara används för nyhetsbrev, blogginlägg och liknande, och jag har filter i det. Det kommer in alla möjliga andra saker också, men bokstavligen.

Okej, det var 101. Gå helt enkelt ut, läs, lyssna och ta in så mycket som möjligt. Gå kurser och allt annat. 201-nivån är automatiserad. Registrera dig till exempel för de här nyhetsbreven och blogginläggen, låt dem komma till en särskild mejladress, säg ett Gmail-konto, och skapa sedan filter där. Därefter kan du låta en bot gå in, hämta innehållet, sammanfatta det, hitta nyckelpunkterna och lägga dem i en daglig påminnelse som sammanfattar dem i punktform varje dag från flera mejl och nyhetsbrev, och till och med YouTube-videor.

Du kan få det här sammanfattat. Det är i princip som att ha en personlig assistent som sammanfattar allt och ger dig punktlistor en gång om dagen. Det är nästan som att ha en egen daglig AI-avstämning som har sammanfattats i förväg.

Kelsey Alpaio: Ja, jag älskar det. Ett sätt att göra lärandet till en del av dagen, samtidigt som man använder AI för att göra processen enklare. Det är fantastiskt.

Oliver Yarbrough: Ja. Och det fina är att om du redan använder Gmail finns Gemini inbyggt. Mm-hmm. Det fina med att ha AI inbyggt i något är att du egentligen inte behöver använda automatisering längre. Den finns redan där. Den kan alltså sammanfatta direkt.

Kelsey Alpaio: Det är bra. Vi börjar få slut på tid här, men som avslutning: kan du lämna oss med en sak som varje lyssnare kan göra i dag för att förbättra sina AI-färdigheter och börja framtidssäkra sin projektledarkarriär?

Oliver Yarbrough: En sak du kan göra för att framtidssäkra din karriär är, skulle jag säga, att lära dig konstruera uppmaningar. Även om det börjar bli gammaldags nu och har funnits i två eller tre år: den gamla goda uppmaningskonstruktionen.

Och inte bara den vanliga varianten. Jag skulle säga att även om du är nybörjare bör du ärligt talat börja lära dig anpassade GPT:er. Även om det är en 201-nivå kommer grundnivån att bli så självklar. Det kommer att vara som att prata om internet år 2025—vem pratar om hur man ansluter till internet år 2025?

Jag vill alltså uppmuntra dig att gå från 101-nivå till 201-nivå så snabbt som möjligt. Börja lära dig anpassade GPT:er och, mer specifikt, hur man formulerar uppmaningar för dem. När jag säger det menar jag specifikt hur man skriver instruktioner. Instruktioner innebär att du berättar för den: ”Du är X, Y, Z och arbetar på ett företag av den här storleken.” Det blir i princip din avatar.

Du skapar i praktiken en digital avatar som du sedan inte behöver instruera på nytt varje gång. Det är den första nivån, och därefter lär du dig skriva själva uppmaningen. Det är mer som en workshop, men om du bara lägger lite tid på det och går ett par kurser eller tittar på ett par videor kommer det att ge dig fantastiska resultat.

Det blir ett verktyg i din verktygslåda som ger dig en superkraft under de kommande 18 månaderna, tills alla andra hoppar på tåget och det blir allmän kunskap.

Kelsey Alpaio: Ja, jag älskar det. Oliver, tack så mycket för att du tog dig tid att prata med mig i dag. Det här har varit väldigt hjälpsamt.

Oliver Yarbrough: Tack. Jag uppskattar det.

Kelsey Alpaio: Det var allt för dagens Retro. Följ programmet så att du aldrig missar ett avsnitt. Och om du vill fortsätta samtalet med en grupp på över 1 000 projektledningsproffs som förstår vad det handlar om, kom och gör oss sällskap på thedpm.com/membership. Tack för att du lyssnade!