Anpassa projektmetoder för AI utan att förlora kontrollen

Galen Low: Spelar projektledningsmetoder ens någon roll längre?

Stan Yanakiev: Ja, metoder spelar fortfarande absolut roll, men de behöver anpassas för AI. Redan när jag förberedde mig för min PMP-examen 2008 förstod PMI att traditionella projektledningsmetoder kunde anpassas. Och nu när AI finns med i bilden behöver vi fortfarande veta hur vi bäst leder projekt. Våra metoder behöver däremot stödja ett lättviktigt projektledningssätt.

Galen Low: Varför är det så viktigt för dig att våra projektmetoder som utnyttjar AI fortfarande har människan i centrum?

Stan Yanakiev: Det beror på att vi människor bygger maskiner för att hjälpa oss i livet och arbetet, inte tvärtom. När vi talar om mänskliga team och projekt är det viktigt att människor fortsätter att ha kontrollen genom denna enkla användning av AI. Vår roll förändras från att vara dokumentkontrollanter till att bli strategiska ledare.

Galen Low: Jag vill bara höra ditt perspektiv på hur framtiden för AI och projektledning ser ut. Kommer det att finnas nya metoder som vi kan ha häftiga debatter om om fem år?

Stan Yanakiev: Vårt samhälle och vår miljö utvecklas ständigt. Jag ser AI:s roll inom projektledning som—

Galen Low: Välkomna till The Digital Project Manager-podden — programmet som hjälper leveransansvariga att arbeta smartare, leverera smidigare och leda sina team med självförtroende i AI-eran. Jag heter Galen, och varje vecka går vi igenom strategier från verkligheten, nya trender, beprövade ramverk och ibland en krigshistoria från projektets frontlinjer. Oavsett om du styr omfattande transformationsprojekt, hanterar AI-arbetsflöden eller bara försöker hålla kaoset under kontroll har du kommit rätt. Då sätter vi igång.

I dag talar vi om hur traditionella projektledningsmetoder kan anpassas för att stödja AI-förstärkta arbetssätt, särskilt hur du kan driva ditt projekt snabbt utan att börja vingla av farten.

Med mig i dag har jag Stan Yanakiev, grundare och verkställande direktör för Mindrise — ett konsultföretag som levererar AI-automatisering och projektledning som tjänst för digitala initiativ och AI-initiativ. Stan är en certifierad senior IT-program- och projektledare med 25 års erfarenhet av att leverera teknik- och transformationsinitiativ inom energi och flera andra branscher.

Hans specialområde är programvaruutveckling och företagsapplikationer, med fokus på komplex IT-leverans. Med erfarenhet av agila, vattenfallsbaserade och hybrida arbetssätt är han skicklig på intressenthantering och på att främja samarbete mellan distribuerade team och leverantörer för att införa robusta lösningar i världsklass.

Stan, tack för att du är med mig i dag.

Stan Yanakiev: Tack, Galen. Det är roligt att vara här och diskutera hur vi kan göra AI-leveranser både snabba och strukturerade.

Galen Low: Jag älskar det målet. Jag ser fram emot att gå in i det här. Jag tänkte att vi kunde följa vinden i dag, men jag har skissat på en liten färdplan för oss. Till att börja med vill jag ställa en stor fråga som ramar in allt, få den ur vägen och sedan packa upp den, zooma ut och tala om tre saker.

Först vill jag tala om de utmaningar som AI innebär för våra etablerade modeller för projektledningsmetoder. Sedan vill jag undersöka hur man kan anpassa metoder för team som använder AI, vilka steg man bör ta och varför. Till sist vill jag höra ditt perspektiv på framtiden för projektledningsmetoder i stort och vad som, om något, behöver förändras i vårt sätt att se på dem.

Hur låter det?

Stan Yanakiev: Det låter som en tydlig och praktisk färdplan. Jag gillar den strukturen. Det är precis vad projektledare behöver: ett disciplinerat sätt att hantera det här snabbt föränderliga AI-landskapet.

Galen Low: Absolut. Jag älskar det. Jag tänkte börja med den där stora, svåra frågan. Projektmänniskor älskar att tala om metoder — och med tala menar jag debattera och kanske ibland börja slåss om saken.

Min fråga är alltså: spelar projektledningsmetoder ens någon roll längre? När PMI allmänt erkänner att de flesta projekt använder anpassade hybridmetoder och AI i grunden förändrar vårt sätt att arbeta, kommer projektledningsmetoder ens att spela någon roll om några år?

Stan Yanakiev: Ja, metoder spelar fortfarande absolut roll.

Men de behöver anpassas för AI. Redan när jag förberedde mig för min PMP-examen 2008 förstod PMI att traditionella projektledningsmetoder kunde anpassas. Då hade jag redan använt agila metoder i några år. I praktiken använder jag ofta ett hybridupplägg, precis som de flesta projektledare i dag.

Och nu när AI finns med i bilden behöver vi fortfarande veta hur vi bäst leder projekt. Våra metoder behöver dock stödja ett lättviktigt projektledningssätt som inte bromsar de nya verktygens hastighet, utan i stället använder dem på bästa sätt.

Galen Low: Jag gillar det. Och ja, det är en väldigt bra poäng. Anpassning är nog ordet. PMBOK betonade det mer i min sjunde upplaga och jag antar att det görs igen i den åttonde upplagan. Men det har alltid funnits där. Det har alltid varit erkänt att vi anpassar våra angreppssätt för att leverera på rätt sätt utifrån det vi gör. Jag gillar ordet lättviktigt, lättviktig projektledning.

Jag tror att det kommer att tilltala många av mina lyssnare som försöker röra sig snabbt och vara smidiga utan att fastna i allt möjligt. Men inte riktigt vet vad de kan ta bort utan att faktiskt krascha bilen. Jag gillar verkligen fokuset på snabbhet, och jag tror att projektledarens förmåga att hålla teamet arbetande i rätt takt är prioriterad just nu, särskilt i AI-eran.

Det kanske är ett bra tillfälle att zooma ut lite. Du gjorde nyligen en intervju med mitt team där du berättade hur du har gått mot lättare och mer anpassningsbara metoder med AI i mixen, samtidigt som du behåller det som jag tror att du kallade traditionella projektledningsmetoder.

Kan du berätta lite om hur du började använda AI för att få projekten att röra sig snabbare? Märkte du att du ändrade grundläggande delar av hur du driver projekt?

Stan Yanakiev: Mitt mål var enkelt: att spara tid på vissa kritiska men monotona uppgifter och därigenom optimera genomförandet av våra metoder, inte att ändra själva metoderna.

Ett centralt problem inom projektledning är dokumentationsbördan. I varje strukturerat projekt tar det för mycket tid att hålla projektartefakter och styrning uppdaterade. Det finns dubbleringar överallt. Omfattningen matas in i nedbrytningsstrukturen, statusuppdateringar speglar aktiviteter och så vidare.

Genom att använda AI för att skapa dokumenten eller hålla dem synkroniserade kan man gå mot en lättare och mer anpassningsbar leveransmodell, eftersom hela den administrativa funktionen förenklas. Mitt första experiment med AI var till exempel att skapa mötesprotokoll och åtgärdspunkter, vilket sparade ungefär två tredjedelar av tiden.

Denna effektivitet frigjorde tid för de värdeskapande, människocentrerade delarna av mitt arbete: att leda teamet, lösa komplexa hinder och samordna intressenter.

Galen Low: Jag älskar det. Det är roligt att du nämner att du har använt agilt arbetssätt i många år. Du använde det redan tidigt i din projektledningskarriär.

Jag vet att vissa väljer att tolka principerna och värderingarna som att man inte ska dokumentera, vilket är en feltolkning. Det står att man ska dokumentera precis tillräckligt — dokumentation behövs fortfarande. Men det jag gillar med det du sa är att hålla saker synkroniserade. Det träffade verkligen rätt.

För jag vet hur det är: man fattar ett beslut på ett möte eller får en åtgärdspunkt som förändras på vägen, och sedan måste man gå tillbaka genom alla dokument där man har skrivit in den. Kommunikationsplaner, omfattningsdokument, beslutsloggar — jag gillar tanken på att A, själva antecknandet är en fullständig förändring inom projektledning, och B, att några av besluten kan spridas vidare till flera olika dokument. Jag tror att det tar bort mycket av den smärta i arbetet som ändå är nödvändig.

Du har arbetat med komplex programvaruutveckling i företag, inom branscher som energi där verksamheten är reglerad, ofta hårt reglerad. Man behöver det där spåret av dokumentation, och det blir en så stor del av arbetet att hantera pappersarbetet.

Jag älskar det. Det är en enorm effektivitetsvinst, och jag tycker att det använder generativ AI och de tillhörande stora språkmodellerna på ett sätt som utnyttjar deras styrkor. Det är verkligen det som får mig att tänka: vad händer när vi inför de här effektivitetsvinsterna? Vad händer när vi börjar röra oss snabbare?

Vi återkommer till tanken på traditionella projektledningsmetoder. När du väl har infört AI i arbetsflödena och teamen använder AI, hur fattar du då beslut om vad som behöver förstärkas ytterligare för att stödja den högre hastigheten och undvika att börja vingla?

Och märker du att du lutar dig mer mot anpassningsbara angreppssätt som agilt än mot förutsägbara angreppssätt som vattenfallsmodellen?

Stan Yanakiev: Jag skulle säga att ju mer intelligens vi bygger in i en process, desto noggrannare måste processen planeras och testas. Med eller utan AI avgörs mitt beslut att använda mer förutsägbara eller anpassningsbara angreppssätt av min erfarenhet av projektledning.

Erfarenhet av projektledning säger mig om jag realistiskt kan planera tillräckligt långt fram och med tillräcklig detaljrikedom, eller om jag behöver använda mer anpassningsbara metoder. Sedan behöver vi också ha erfarenhet av AI för att veta när och vilka uppgifter vi kan lita på att AI utför, och var den behöver fler skyddsräcken eftersom AI kan föreslå scenarier och planer.

Men vi måste komma ihåg att tekniken till sin konstruktion är sannolikhetsbaserad. Om du ställer samma fråga till en stor språkmodell tio gånger får du kanske inte samma svar tio gånger. Vår bild av verkligheten och våra förutsägelser är inte garanterade att stämma överens med det som faktiskt händer. Därför är det vi projektledare som måste hålla saker förankrade och under kontroll och använda vårt professionella omdöme och våra färdigheter för att få nytta av AI, samtidigt som vi undviker några av de brister som tekniken fortfarande har.

Galen Low: Jag undrade faktiskt om du kunde gå igenom din resa med till exempel en AI-antecknare. Det vi talar om är väl att ha människan kvar i loopen? Man kan inte bara ta resultatet för givet och förvänta sig samma utfall varje gång.

När du började använda AI i dina projekt, en antecknare eller någon annan form, hur mycket tid lade du då på att dubbelkontrollera att den inte hittade på saker eller hade missförstått? Har tiden du lägger på att vara människan i loopen minskat? Eller har den varit ungefär konstant, så att du tänker: jag vet att jag behöver lägga fem eller tio minuter på att gå igenom allt och kontrollera att informationen fördes vidare korrekt mellan dokumenten?

Stan Yanakiev: När vi först började experimentera med AI hade jag ännu inte tillräcklig erfarenhet för att veta hur den fungerade och vad jag behövde göra för att få bästa möjliga resultat. Därför behandlade jag AI:s resultat som ett utkast och granskade det. Innan jag matade in känslig information anonymiserade jag den.

Sedan ersatte jag namnen i resultatet igen. Men det är viktigt att behålla vissa processer och kontroller på plats: behandla alltid AI:s resultat som ett utkast, mata inte in känslig information i öppna modeller och dubbelkontrollera i princip allt för att undvika hallucinationer och fakta som inte stämmer.

Galen Low: Jag vet att människor säger så, men medan du förklarar det låter det faktiskt som att ha en människa i teamet. Du måste träna personen väl, och i början kanske det känns som att ni båda bara försöker förstå hur det fungerar. Svaren kanske inte är de bästa, och du behöver skapa system för återkoppling och granskning.

Det fina med AI i dess nuvarande form är att den lär sig medan man arbetar. Det är inte bara ett verktyg som gör en enda specifik sak. Den är sannolikhetsbaserad och ger inte alltid samma svar, men du kan fortsätta träna den och ge återkoppling så att den oftare kommer närmare rätt svar.

Sedan handlar det om förtroende. När du inte känner till verktyget och inte litar på det lägger du förmodligen in fler kontroller. När du börjar lita på det vet du vad du ska leta efter, men det finns fortfarande kontroller. Du anonymiserar fortfarande data som matas in. Du dubbelkontrollerar fortfarande saker. Du är fortfarande människan i loopen.

Det låter som att tiden du lade i början på att förstå saker och bygga upp det förtroendet har minskat nu när du har fått in ett arbetsflöde. Jag frågar eftersom många som lyssnar på podden kanske är lite avskräckta. Det som skulle göra projekten så snabba känns faktiskt väldigt långsamt eftersom de dubbelkontrollerar allt.

De tänker: jag hade förmodligen kunnat kopiera och klistra in det här i alla sju dokument själv, och det hade gått snabbare. Men effektivitetsvinsterna kommer senare, när modellerna och verktygen lär sig.

Stan Yanakiev: Det tar viss tid. Vi behöver behandla AI som ett verktyg, göra vårt förarbete och lära oss om det — lära oss om hur man utformar instruktioner, hur det fungerar och hur man får bästa möjliga resultat. Och ja, om vi tillämpar det brett kan vi skapa effektivitetsvinster, så länge vi använder det korrekt och på det mest effektiva sättet.

Galen Low: Jag vill återvända till något du sa tidigare och se om vi kan tillämpa det på AI. Jag började med att säga att människor debatterar metoder: agilt kontra vattenfall.

Du sa tidigare att du har tillräcklig erfarenhet av projektledning för att veta vilket verktyg du ska använda när, när du ska vara anpassningsbar och när du ska vara mer förutsägbar utifrån projektets begränsningar. Om AI också är ett verktyg i vår verktygslåda — eller en uppsättning verktyg — finns det då fall där du faktiskt skulle besluta att inte använda AI i ett visst projekt?

Stan Yanakiev: Ja, förmodligen, beroende på projektets förutsättningar och på om användningen av AI verkligen skulle ge någon nytta eller om tiden det tar att arbeta med AI skulle äta upp alla fördelar. Vi måste alltid utvärdera när det är användbart, i vilken omfattning och när det förmodligen inte är det.

Galen Low: Jag tror att många där ute ser detta som allt eller inget. Om det inte är allt är de rädda för att hamna efter. Men det är intressant att tänka på hur vi väljer när vi ska använda olika typer av metoder eller angreppssätt och när vi behöver anpassa dem efter projektets begränsningar.

AI kan vara något som människor försöker standardisera så att varje projekt går snabbare. Men jag gillar tanken att det bara ska användas när det är användbart och lämpligt för projektet. Jag har följt dig ett tag och uppfattar dig som en stark förespråkare för människocentrerad projektledning genom AI, till skillnad från vissa som aktivt försöker skapa helt agentiska team med väldigt lite mänsklig översyn.

Varför är det så viktigt för dig att våra projektmetoder som utnyttjar AI fortfarande har människan i centrum, när AI:s förmågor redan börjar närma sig likvärdighet med vissa mänskliga förmågor på projektnivå?

Stan Yanakiev: Det beror på att vi människor bygger maskiner för att hjälpa oss i livet och arbetet, inte tvärtom. Agentisk AI är en kraftfull teknik som är helt rimlig att använda i situationer där mänsklig översyn inte behövs eller kanske inte är möjlig på grund av omfattning, hastighet och komplexitet.

Men när vi talar om mänskliga team och projekt är det viktigt att människor fortsätter att ha kontrollen, eftersom människan består av mycket mer än beräkningsintelligens. Om vi återgår till det enkla exemplet med att använda AI för att automatisera mötesprotokoll förändras vår roll genom denna enkla användning av AI från dokumentkontrollanter.

Vi kliver in i rollen som strategiska ledare och kan ägna mer tid åt värdeskapande, människocentrerade aktiviteter som att samordna intressenter och proaktivt lösa komplexa hinder. Hela leveransprocessen blir då mer fokuserad och på sätt och vis mer flexibel. AI har sin plats i detta, men platsen är som hjälpare eller assistent, inte som projektledare.

Galen Low: Jag gillar verkligen de människocentrerade delarna av rollen. De hamnar ärligt talat ibland i skymundan, men det handlar fortfarande om människor och intressenternas förväntningar. Det handlar fortfarande om förhandling och om att fatta mycket viktiga affärsbeslut som är komplexa och bygger på information som kanske skulle vara orimlig eller helt enkelt ineffektiv att använda för att träna en modell.

Grundläggande tror jag inte att vi skulle låta AI fatta ett stort affärsbeslut helt på egen hand ändå. Det finns alltså människor i loopen, men människorna är också helt enkelt där. Det är fortfarande människolett samarbete. Jag gillar det.

Jag vill sätta dig lite på prov, eftersom jag håller med om allt du säger. Jag tror fortfarande på all den noggrannhet som projektledning innebär, oavsett om man kallar den traditionell eller något annat. Vi talar om AI och projekt som rör sig snabbare, och vi har använt anteckningar och dokumentation som exempel. Vilken är din favorit bland traditionella projektledningsmetoder eller -verktyg som fortfarande är högst relevant i AI-eran?

Jag tänker på saker som riskregister, beslutsloggar och kommunikationsplaner. Det finns människor nära mig som hoppas att AI ska göra att vi slipper allt detta. Vilket är ditt favoritverktyg inom traditionell projektledning som du tycker måste finnas kvar för att hålla oss alla på rätt spår när vi arbetar snabbare med AI?

Stan Yanakiev: Vi behöver alltid ha en plan för projektet, oavsett vilket format den har, traditionellt eller agilt. Jag skulle fortfarande behålla Microsoft Project för att hantera mina traditionella projekt. Och jag skulle använda AI i så gott som varje projektledningsprocess för att få indata som hjälper mig att fatta beslut.

Jag skulle alltså inte sätta några begränsningar, men sedan skulle jag granska resultatet och kontrollera att det verkligen är det jag söker. När det gäller schemaläggning sade jag att jag skulle använda Microsoft Project, men jag skulle fortfarande rådfråga AI om den kan ta fram något schema eller några uppgifter och aktiviteter som jag kanske har missat.

Galen Low: Jag älskar det svaret, eftersom det också finns människor i mina kretsar som hoppas att AI ska innebära att vi inte behöver projektplaner. Jag gillar ditt svar eftersom projektplaner är ett kommunikationsverktyg. Särskilt schemaläggning handlar om logistiken, men fortfarande om att ställa förväntningar hos människor och visa hur framtiden ser ut och vad som kommer att hända.

Det handlar faktiskt mer om förväntningshantering än om det som människor brukar betrakta som en tidslinje med uppgifter. Många kommer att säga att de inte behöver det längre, att AI bara kommer att tala om för teamet vad det ska göra och när. Men då missar man att människor behöver känna sig bekväma med det som ska hända, varför det händer och hur pusselbitarna passar ihop.

En sista slumpmässig fråga från mig: tar du upp AI i dina riskregister? Är AI en risk i ditt projekt?

Stan Yanakiev: Det skulle jag göra, men även då skulle jag granska AI:s resultat. Jag skulle definitivt använda AI för att föreslå risker som jag kan lägga in i riskregistret.

Galen Low: Jag gillar det. Saker som man kanske inte hade tänkt på, som en sådan assistent eller ett sådant stöd. Våra projekt är komplexa och omfattar många områden. Man kan inte klandras om man eller teamet inte fångar varje risk i hela världen.

Jag gillar det. Fast jag ljög — en fråga till. Tar du med AI i en RACI-matris?

Stan Yanakiev: Nej, eftersom jag behandlar det som ett verktyg.

Galen Low: Jag tänkte att du skulle säga det. Och kanske leder det oss lite in i framtiden. Vi kan väl avsluta med att höra ditt perspektiv på hur framtiden för AI och projektledning ser ut.

Kommer det att finnas nya metoder som vi kan ha häftiga debatter om om fem år? Eller kommer AI att minska skillnaderna mellan projektteam som alla har sina egna skräddarsydda metoder? Kommer AI i praktiken att avsluta metoddebatterna för alltid, eller är det kanske för drastiskt?

Stan Yanakiev: Vårt samhälle och vår miljö utvecklas ständigt och kommer att fortsätta göra det. Därför kan jag inte föreställa mig att vi slutar diskutera hur saker bäst ska göras, eller våra metoder och angreppssätt.

Men när AI nu finns med i bilden tror jag att utrymmet för att hitta på nya metoder och angreppssätt förmodligen blir mindre. Ironiskt nog tror jag att denna intelligenta teknik kommer att hjälpa personer i styrande roller att tydligare se vad som inte fungerar.

Men vi kommer att fortsätta diskutera. Många talar om artificiell generell intelligens med breda kognitiva förmågor. För att verkligen vara användbar inom projektledning och andra områden tror jag dock att AI också behöver bli mer specialiserad och närmare anpassad till specifika områden, som projektledning, olika typer av organisationer och olika arbetssätt, så att den kan hjälpa oss bättre.

Som jag redan har nämnt flera gånger ser jag AI:s roll inom projektledning som en mycket hjälpsam assistent för teamet eller för delar av detta spännande yrke. Den hjälper oss att hantera projekt mer effektivt och framgångsrikt och frigör, lite märkligt nog, vår tid så att vi kan fokusera på det vi människor gör bäst.

Galen Low: Jag gillar det. Det finns två saker där. Den första var mitt aha-ögonblick när du började tala om det. Vi pratade om debatter mellan agilt och vattenfall, men du har en bra poäng: människor kommer alltid att debattera vilket som är det bästa sättet att göra något, vad det än är.

Det kommer att handla om det bästa sättet att använda en projektplaneringsagent, eller det bästa sättet att låta en agentisk AI-teammedlem delta i ett ståmöte. Vi kommer alltid att debattera sådant. Och även om många debatter verkar leda ingenstans och bara blir envisa och stillastående, hjälper de produktiva debatterna oss faktiskt att hitta nya sätt att gå framåt.

Jag tror att det alltid har varit så för människor: att debattera och utmana varandra för att hitta ett bättre sätt, förstå vad som fungerar bra och vad som inte gör det och sedan förhoppningsvis skapa ett bättre angreppssätt.

Jag gillar också det du sade om AGI, för jag hade inte tänkt på det så. Artificiell generell intelligens går brett och högt för att vara lika allmänt intelligent som människor, men sedan kan den gå smalt igen, vilket också är vad vi människor gör. Vi tar generell intelligens och använder den för att specialisera oss inom ett område.

Det är då vi blir ännu mer användbara. Jag kan rent fysiskt kanske fälla ett litet träd. Är jag bra på det? Nej, jag är ingen specialist och kommer aldrig att bli den personen. Men jag gillar verkligen tanken att även när vi når AGI behöver framtiden inte bestå av dystopisk science fiction, Terminator-filmer och Skynet som tar över allt.

Det behöver inte bli så. Det kan vara generell intelligens som gör AI till en bättre arbetskamrat, stödperson och assistent — och kanske innebär det att vi går bortom verktyg men fortfarande får hjälp på ett specifikt sätt genom domänkunskap, oavsett om det är AGI eller inte. AGI kan leda dit.

Mycket spännande. Stan, tack så mycket för detta. Bara för skojs skull: har du en fråga som du vill ställa till mig?

Stan Yanakiev: Planerar du att göra en podcast med en AI-teammedlem i ett projekt?

Galen Low: Som gäst?

Stan Yanakiev: Ja.

Galen Low: Jag hade inte tänkt på det. Det är en lysande idé. Jag använder Notebook LM ganska mycket, och till ett av mina föredrag matade jag in materialet och bad det att utmana och kritisera det som en podcast.

Jag tyckte faktiskt mycket om att lyssna på det. De två AI-värdarna och medvärdarna sågade mitt föredrag totalt, och jag tänkte att det här faktiskt är ganska användbart. Jag hade inte tänkt göra det själv, men nu när du har planterat idén kanske jag måste göra det. En podcastintervju med en AI-teammedlem i ett projekt.

Jag gillar verkligen det. Om jag gjorde det, skulle du lyssna?

Stan Yanakiev: Ja, definitivt.

Galen Low: Fantastiskt. Stan, tack så mycket för att du tog dig tid att vara med mig i dag. Det har varit väldigt roligt. Tack för dina insikter.

Stan Yanakiev: Tack för att jag fick vara med. Det har varit ett nöje att tala med dig.

Galen Low: Innan jag släpper iväg dig: om någon vill veta mer om dig och det du gör, var kan de läsa mer?

Stan Yanakiev: Det bästa stället att hitta mig är på LinkedIn. Man kan också läsa mina inlägg och se mina videor på vår företagsblogg hos Mindrise.

Galen Low: Fantastiskt. Jag tar med länkarna i programanteckningarna för dem som lyssnar och vill kolla upp det. Stan, tack igen.

Okej, det var allt för dagens avsnitt av The Digital Project Manager Podcast. Om du tyckte om samtalet, se till att prenumerera där du lyssnar. Och om du vill ha fler praktiska insikter, fallstudier och arbetsmaterial kan du gå till thedigitalprojectmanager.com.

Tills nästa gång — tack för att du lyssnade.