Från AI-experiment till byråpåverkan: Att omvandla nyfikenhet till mätbara resultat

Galen Low: Vilken är den heliga graalen inom AI som byråchefer försöker nå genom att ge sina medarbetare tid och utrymme att experimentera med AI?

Kelly Vega: Jag brukade vanligtvis ägna ungefär 30 % av min arbetsvecka åt sådant som nu tar mindre än 5 %, utan tvekan.

Harv Nagra: Det här var för ett par år sedan. Under våra månatliga möten med hela företaget skapade vi utrymme för vem som helst att frivilligt presentera några av sina experiment och dela kunskapen med andra.

Melissa Morris: Lägg inte bara ut det till teamet och säg: ”Vi ska göra X, Y och Z. Låt oss få det att hända.” När alla är ansvariga är ingen ansvarig. Behandla det som ett kundprojekt, annars blir det inte gjort.

Kelly Vega: Vi tog faktiskt fram en standardöverenskommelse om att allt skulle transkriberas, och alla reagerade ungefär: ”Ja, snälla, gör det. Ansvarsskyldighet – toppen.”

Galen Low: Dagens session handlar om att ta er byrå från att experimentera lite med AI till att verkligen dra nytta av AI-förbättrad verksamhet i stor skala. Låt oss börja med att träffa våra paneldeltagare.

Melissa Morris är grundare av Agency Authority och dessutom en flitig videopublicist på LinkedIn. Du publicerar så många videor, och allt är både bra och värdefullt. Jag måste fråga dig: Utöver att nästan varje dag publicera innehåll av högt värde om byråer har jag också sett ditt namn dyka upp i poddar tillsammans med personer som Sharon Tarrick och Robert McPhee. Hur gör du för att hålla energin så smittande överallt där du medverkar?

Melissa Morris: Jag dricker väldigt mycket koffein, Galen. Nej, jag skojar.

Jag tror att det handlar om ett par saker. Jag har hållit på med det här länge och känner verkligen att jag förstår byråägarna jag arbetar med på djupet. Jag brinner för att stötta dem, så den utåtriktade sidan av mig trivs väldigt bra med att dela mycket bra information och umgås med dem.

Jag har också ett fantastiskt team som stöttar mig. Vi har ett mycket starkt system och arbetsflöde för innehållshantering, så de gör det väldigt enkelt för mig att hoppa in i videor, prata och umgås med människor. Sedan kliver jag åt sidan och de hanterar allt det svåra åt mig.

Galen Low: Det gillar jag. Vem ska jag ge mig på härnäst?

Kanske fröken Kelly Vega, som är programchef på VML och dessutom en viral TikTok-komiker. Kelly, du har nyligen återförenats med ett välkänt kundkonto hos en välkänd byrå efter en liten resa in i en helt annan nisch och värld. Känns det som om du har vaknat upp i en dröm i ett parallellt universum?

Vad är annorlunda med hur saker fungerade på din tidigare byrå jämfört med nu?

Kelly Vega: Det handlar mycket om perspektiv. Ibland, oavsett om man ser det som att gräset är grönare på andra sidan, var det inte nödvändigtvis grönare eller sämre – det var bara en annan erfarenhet. När den erfarenheten nådde sin kulmen tänkte jag: ”Okej, vad händer nu?”

Och det som hände var att jag gick tillbaka, vilket jag aldrig hade gjort tidigare. Jag har aldrig återvänt till en tidigare arbetsplats på det sättet. Så det har varit fantastiskt. Jag fokuserar på byrådrift och leverans för stora konton. Jag kom in med ett nytt perspektiv och erfarenhet i bagaget, så jag är väldigt glad och entusiastisk över att vara här och prata om AI och byrådrift.

Galen Low: Det är också det fina med byråvärlden. Man känner till variationen och kan röra sig mellan olika vertikaler och branscher, komma tillbaka med lärdomar från närliggande områden och ta med sig det perspektivet.

Kelly Vega: Ja. Och att se det i liten och större skala och ha den erfarenheten – det finns så mycket att säga. Det är häftigt.

Galen Low: Jag kommer att dra nytta av några av de perspektiven i dag, så tack för att du deltar.

Sist men inte minst har vi Harv Nagra, chef för varumärkeskommunikation på Scoro och programledare för podden The Handbook: Agency Ops. Harv, du berättade nyligen för mig att du faktiskt gjorde din skådespelardebut i en videobaserad fallstudie när du var kund hos Scoro.

Nu arbetar du på Scoro och använder din bakgrund inom byrådrift och dina Oscarsvärdiga skådespelartalanger i en ny vide serie på LinkedIn som heter Ops Quickies. Den stora frågan för mig är: Hur lång tid dröjer det innan vi får se The Handbook som en storfilm, eller åtminstone mer videoinnehåll från dig?

Harv Nagra: Jag tror faktiskt att den redan är under produktion. En skräckhistoria där kundteamet är ondskefullt, inte fyller i sina tidrapporter och ChatGPT stängs ned. Jag tror att du kommer att älska den.

Galen Low: Den skulle jag se. En thriller, absolut.

Harv Nagra: Ja. En vaknande mardröm. Jag bor i London i Storbritannien men kommer ursprungligen från Vancouver i Kanada. Det är roligt att se några av er från British Columbia där.

Galen Low: Harv och jag kommer från samma hemstad. Jag kommer också ursprungligen från Vancouver i British Columbia. Vi kände inte varandra när vi bodde i Vancouver, men jag är glad att vi har kontakt nu och att jag kan få dig att delta i en paneldiskussion online från Storbritannien.

Okej, låt mig rama in det här. Jag hör från många byråmänniskor att deras byråer ber personalen att ägna två till fyra timmar i veckan åt obligatoriska AI-experiment och utforskning.

Även om jag inte nödvändigtvis tycker att det är överraskande med tanke på AI:s utlovade potential, vill jag säga att det bara var alldeles nyss som det inte fanns tillräckligt med utrymme för att lägga två till fyra timmar i veckan på detta och samtidigt nå en beläggningsgrad på 80 %. Samtidigt hoppas byråledare sannolikt att experimenten ska leda till innovativa genombrott som tiodubblar verksamheten. Men verkligheten är att lite experimenterande med AI inte nödvändigtvis tar dem hela vägen dit.

Experiment behöver ramar. De behöver kriterier för framgång. Dessutom måste framgångsrika experiment föras vidare till en implementeringsfas för att hela organisationen ska kunna dra nytta av dem. Frågan är alltså: Vilket är det bästa sättet att gå från informella AI-experiment till byråomfattande, AI-stödda verksamhetsförbättringar – och vad står på spel om byråer inte lyckas ta sig dit?

Måla upp en bild. Vi pratar om AI och om att utveckla en byrå eller vilken organisation som helst, men ibland är det oklart hur slutmålet ser ut. Därför tänkte jag fråga panelen: Vilken är den heliga graalen inom AI som byråchefer försöker nå genom att ge sina medarbetare tid och utrymme att experimentera med AI?

Handlar det bara om att ge personalen erfarenhet av tekniken, eller om att accelerera mot en hybridmodell där människor och AI arbetar tillsammans? Och om det är en skala, hur ser den ens ut? Kelly, vill du börja?

Kelly Vega: Gärna. Jag tror att den tid som uppmuntras för att undersöka och lära sig mer om AI, ur ett projektlednings- och driftsperspektiv, framför allt handlar om effektivitet.

Det handlar om att effektivisera administrationen och minska den överväldigande känslan av att behöva analysera allt. När man fastnar i mötessammanfattningar och vem som sa vad finns det transkriberingar som kan läggas in i en sammanfattning. Sedan ska man läsa igenom den, kontrollera att allas namn är rättstavade och se till att det inte står något olämpligt, som att någon blev frustrerad när man egentligen inte ville dokumentera det.

Det handlar om att ta bort mycket av det administrativa arbete som man annars lägger tid på. Jag brukade normalt ägna omkring 30 % av min arbetsvecka åt sådant som nu tar mindre än 5 %. Utan tvekan. Därför tror jag att det är ett stort fokus – eftersom det är där mina tankar går: verksamhetsprocesser och standardisering av processer. Jag skulle kunna ge många exempel, men det är där jag ser att projektledare och digitala projektledare hamnar.

Galen Low: Jag gillar det där med människan i loopen.

Det är inte noll. Men det andra perspektivet som jag inte riktigt hade tänkt på är hur smärtsamt det faktiskt kan vara för chefer att se sina främsta medarbetare skriva utmärkta mötesanteckningar – med rättstavade namn. De tänker: ”Det jag verkligen uppskattar hos dig och dina talanger är väl inte just det?”

De vill att du ska göra andra saker. Det är inte bara smärtsamt för dem som måste utföra administrationen, utan också för stödjande ledare som faktiskt vill att du inte ska lägga 30 % av din tid på det eftersom du är bättre på något annat.

Kelly Vega: Precis.

Det stöder leveransen. Det ersätter definitivt inte den kompetens eller strategi som behövs och som hjärnan annars behöver utrymme att fokusera på. Jag blir mindre utbränd eftersom jag inte lägger den energin på administrativa saker som inte bidrar till strategin.

Galen Low: Jag gillar att den heliga graalen inte handlar om att vara så överväldigad att man börjar ta genvägar och sprida ut sig för tunt.

Melissa, du arbetar med många byråer för att granska deras verksamhet. Jag föreställer mig att du också har ett bra perspektiv på detta – på vad personerna du talar med ser som sin heliga graal och sin vision för framtiden. Vad hör du?

Melissa Morris: Jag tror att det liknar det Kelly beskriver, alltså på en mycket praktisk, daglig nivå: Hur ser det här ut? Men om man tar ett steg tillbaka är det de verkligen söker ökad lönsamhet. Byråer kan ibland hamna med väldigt små marginaler, särskilt kreativa byråer och branscher.

De är ökända för att hamna utanför omfattningen. Tre revisionsrundor blir tio, och sedan ändrar kunden riktning. Då är vi tillbaka vid ritbordet. Det finns alltid en önskan hos byråer att förenkla, effektivisera och skapa lite mer andrum i marginalerna och tidsplanerna.

Det kan vara svårt inom kreativa områden. Var kan vi verkligen fokusera på administrativa saker som mötesanteckningar, presentationer eller vad som nu är relevant för byrån – och därigenom skapa lite större marginaler och mer andrum, när vi i flera år har kämpat för att få kontroll över det?

Galen Low: Jag gillar det. Vid ett av våra tidigare evenemang fokuserade vi på kreativa projekt. Det som slog mig var att allt inte behöver vara enhetligt. För en projektledare som leder ett projekt och fokuserar på leverans eller drift kan det handla om daglig operativ effektivitet. Men ur ett projektperspektiv för teamen finns det också tillfällen när man vill lägga mycket tid och mänsklig energi på att skapa saker.

Om man tittar på att ändra storlek på bilder är det bara smärtsamt att se de bästa formgivarna och kreatörerna ägna sig åt det, eller skriva lokaliserad text för en kampanj. Det finns områden där man tänker: ”Det här är smärtsamt att se mina bästa medarbetare göra – kanske kan AI hjälpa till.” Det handlar inte nödvändigtvis om att skruva upp AI till 110 överallt, utan om att hitta de platser där det faktiskt gör skillnad.

Kelly Vega: Att skapa en Jira-uppgift kan vara något som känns administrativt.

Det liknar en mötessammanfattning eller en sammanfattning av ett mejl. Men det kan innehålla mycket tekniskt material. Om du tar ett långt svar från en utvecklare eller någon tekniskt orienterad person kan du omvandla det till en Jira-uppgift genom att säga: ”Hej, jag behöver en Jira-uppgift av det här.”

Sedan läser du igenom och justerar. Om du inkluderar plattformen eller andra detaljer kan AI utveckla innehållet, varefter du kortar ned det och anpassar det till uppgiften. Den kan föreslå etiketter och visa vad som inte behövs.

Det har sparat mycket tid för projektledare. När någon får uppgiften att skapa en Jira-uppgift kan de ibland låsa sig, eller så blir den inte skapad på en hel dag eftersom de behöver tid att tänka igenom den.

Galen Low: Det är jag. Det tar några dagar att skapa en Jira-uppgift, och om jag bara kunde komma igång tidigare.

Men jag är också den personen som tycker att den mänskliga delen är viktig. Jag måste ha ordning på allt innan jag delar med teamet vad vi ska göra, eftersom det får följdeffekter om jag gör fel. Samtidigt underskattar vi hur mycket tid som går åt till att klicka på knappar, kopiera och klistra in, hitta information och röra sig mellan olika verktyg.

Om det kan effektiviseras är det fantastiskt. Låt oss göra det konkret. För personer som hör talas om detta för första gången kanske organisationen inte fungerar så. De tänker: ”Jag skulle gärna ha AI-tid varje dag. Det låter roligt.” Men hur har det sett ut i organisationerna ni talar med?

Harv, du pratar med många personer i din roll på Scoro. Hör du mycket om det här?

Harv Nagra: En sak jag kommer att tänka på är att det här var för ett par år sedan på min tidigare byrå.

Under vårt månatliga möte med hela företaget var tiden inte obligatorisk, men vi uppmuntrade människor att leka med verktyg. Under mötet skapade vi utrymme för vem som helst att frivilligt presentera sina experiment eller vad de hade lärt sig.

På så sätt blev alla exponerade för det. På ett frukostevenemang om AI och marknadsföring hörde jag någon beskriva något som en arbetsgrupp. Personer hade frivilligt gått med i gruppen och träffades varje månad för att presentera något.

Det kunde vara intressanta och relevanta AI-nyheter eller ett experiment de genomfört. Eftersom det sker varje månad och man måste dela något blir det gjort, i stället för att vara något man kanske kommer till men aldrig prioriterar.

Dessutom delar man kunskapen med andra. Där jag arbetar nu på Scoro har vi en AI-kanal i Slack där vi delar nyheter och experiment. Vi har nyligen genomfört en undersökning av AI-kompetensen i hela verksamheten för att ta reda på vad människor använder.

Vi har mycket strikta regler för användningen, så vi vet redan vilka verktyg som används och vad som har granskats med avseende på data. Jag rekommenderar sådana upplägg för att säkerställa en regelbunden rytm av lärande, presentationer och kunskapsdelning.

Galen Low: Det är ett så bra analysverktyg på ett mycket optimistiskt sätt. Jag har sett undersökningar som känns kalla och sterila, som om man riskerar att förlora jobbet om man svarar fel. Det här driver utbildning, vilket jag tycker är den stora poängen. Temat att dela information är enormt viktigt.

Jag gillar den drivande funktionen. Den passar kanske inte alla. Vissa kommer säkert att himla med ögonen och tänka: ”Måste jag göra den här AI-saken och sedan presentera den? När går jag i grundskolan?” Men den tvingar också fram kunskapsdelning. Om kunskapen inte delas kan inget skalas upp eller spridas.

Det är lätt för en person att samla på sig utmärkta arbetssätt som bara den personen använder. Då blir projektpåverkan liten i stället för stor. Det medför naturligtvis egna utmaningar.

Har någon fler exempel på hur en organisation eller byrå strukturerar den här typen av experiment?

Kelly Vega: Vi har faktiskt ett eget verktyg. Det är mycket omfattande och uppdelat efter kreativa, operativa och strategiska behov. Där finns färdiga uppmaningar, filtyper och annat som behöver skapas.

Trots hur omfattande verktyget är går jag ofta bara till chattfunktionen som jag har använt överallt annars. Det betyder inte att det omfattande verktyget inte är bra när man behöver något specifikt, men oftare använder jag helt enkelt chatten.

Det egna verktyget har naturligt blivit standard: ”Använd det här, det är till för dig. Om du har synpunkter kan du lämna dem här.” Våra kunder känner till och använder det också. Det handlar därför mindre om att avsätta en viss tid för experiment och mer om att verktyget finns tillgängligt och att vi uppmuntras att visa hur vi använder det framgångsrikt.

För alla uppgifter jag får, även att gå igenom en export från Jira över nedlagd tid, kan jag använda AI. Jiras rapporteringsfunktion är bra, men om jag letar efter något mycket specifikt har jag inte alltid tid att gräva och arbeta med filter.

Om säkerheten och riktlinjerna följs kan jag ta exporten och fråga: ”Berätta detta om det här” eller ”Hur utvecklas detta?” Det hjälper mig att börja tänka, och sedan går jag tillbaka till Jira för att se hur jag kan optimera. Det ger mig inte bara svar utan hjälper mig att tänka.

Det uppmuntras så mycket att verktyget nu är standard för oss. Frågan är inte längre om vi använder det, utan hur vi använder det.

Galen Low: Kan du påverka det egna verktyget? Tränas det på allt som människor gör i vardagen, eller finns det tid för att säga: ”Så här gör jag” och ladda upp eller träna modellen på det?

Kelly Vega: Jag undrar faktiskt det. Det är kopplat till mitt konto, och jag har märkt att sammanfattningarna alltmer liknar min röst. Men jag använder fortfarande inte resultatet direkt som text i mina mejl. Jag använder punktlistorna eller de beskrivna processerna och bearbetar dem sedan själv.

Det behövs justeringar. Om jag skulle uppskatta det handlar det om att jag ändrar 10–30 % av sammanfattningarna eller lägger till länkar. Jag vill visa att jag bryr mig om sammanfattningen jag ger dig och att du inte bara får något som spottats ur sig med samma emojier och tankstreck på exakt samma platser.

Galen Low: Eller tankstreck.

Kelly Vega: Precis. Jag skulle faktiskt använda dem, men nu kan jag inte göra det eftersom människor skulle tänka: ”Okej, alla vet att vi använder AI – och där kom ännu ett tankstreck.”

Galen Low: Jag får lägga till några stavfel i mejlet innan jag skickar det.

Kelly Vega: Ja, ungefär så.

Galen Low: Utopin är för ren för att människor ska tro på den, så vi måste förstöra den lite.

Kelly Vega: Felstava ”definitivt”.

Galen Low: Varje gång.

Jag undrar om vi kan knyta det till det jag har antytt: att man först blir bekant med tekniken och dess möjligheter. Sedan kan man förbättra sin personliga produktivitet. Jag uppskattar verkligen att en organisation som en byrå, som bygger på projekt och fakturerbara timmar, är villig att investera icke-fakturerbar tid i AI-experiment.

Men även de bästa AI-experimenten kan hamna på en hylla och samla damm, precis som alla hackatoner vi genomfört under det senaste decenniet. Det krävs struktur och formalisering, inte bara experimenterande.

För mina kollegor inom drift: Hur kan byråer skapa en struktur som granskar bra idéer, bygger in dem i strategin och för dem vidare till implementering så att de blir en del av verksamheten – inte bara ett verktyg som används i ett hörn?

Hur undviker projekten att bli det där fruktade interna projektet som alltid har lägst prioritet jämfört med kundarbete? Det kan vara nästan leveransklart och fantastiskt, men varje gång man försöker lansera det får man ett stort kundprojekt. Hur skyddar man sig mot det?

Melissa Morris: Jag pratar mycket med våra kunder om detta. Inom drift kan projekt och aktiviteter, som att skapa standardiserade arbetsrutiner eller arbeta med projektledningsverktyget, ibland vara det mindre roliga arbetet. När kundarbete dyker upp skjuts det oundvikligen åt sidan.

Jag påminner därför alltid byråägarna om att ett internt projekt som behöver slutföras måste få resurser på samma sätt som ett kundprojekt.

Lägg inte bara ut det till teamet och säg: ”Vi ska göra X, Y och Z. Få det att hända.” När alla är ansvariga är ingen ansvarig. Ge det inte heller till någon som redan har en stor deadline och fullt upp med sina egna kundleveranser.

Behandla det som ett kundprojekt och bygg in riktiga milstolpar. Finns det en kreativ brief? Vad försöker vi lösa? Att säga ”ta reda på hur vi kan använda AI för att göra byrån större, snabbare och starkare” är mycket vagt.

Säg i stället: ”Att skriva Jira-uppgifter är ett enormt arbete och tar mycket tid. Hur kan AI hjälpa oss med det?” Var mycket specifik med vad ni försöker åstadkomma och vad förväntningen är.

Jag skulle kunna ägna tre månader åt att säga att jag undersöker saken. Vilka är de första stegen? Vad ska undersökningen leda till? Jag vill att du lägger tio timmar på att granska den här typen av verktyg. Det här är budgeten.

Bygg in parametrar och gör förväntningarna tydliga. Följ sedan upp på samma sätt som med en kundleverans. Delta i den veckovisa avstämningen, berätta om uppdateringar, hinder och utmaningar. När man ger projektet resurser och behandlar det som en kundleverans blir det klart.

Galen Low: Jag gillar det. Du nämnde resurssättning, men jag tänker också: Sätt ett belopp på det.

Ofta handlar det om affärsnyttan. De flesta byråer och organisationer investerar tid för att förbättra verksamheten, driften och medarbetarnas livskvalitet. Därför måste det finnas en avkastning.

Även på experimentnivå bör det finnas en hypotes. Jag gillar också Carries kommentar i chatten: AI-implementering måste vara i linje med verksamhetens mål och syften.

Vi talade internt om tidigare erfarenheter av idébrevlådor. Man lägger in en projektidé och får, beroende på kulturen, antingen många välriktade idéer eller förslag som ligger så långt från verksamhetens mål att ingen längre vill titta i brevlådan.

Det finns alltså ett kulturellt arbete att göra för att rikta alla mot de övergripande målen. Experimenten behöver en hypotes eller ett mål. Prioritera dem som en projektportfölj: Var får vi störst avkastning? Det är det projektet vi ska ge resurser, investera i och behandla som ett riktigt projekt.

Melissa Morris: Jag vill bara tillägga att man måste bedöma hur relevant något är och prioritera utifrån avkastningen. Vi kan säga: ”Vi kan skapa en presentation på fem minuter från den här transkriberingen.” Det låter fantastiskt. Men om vi skapar en presentation var artonde månad är det inte värt att lansera, utbilda teamet och fira. När det behövs om arton månader kan jag lägga ett par timmar på det.

Galen Low: Jag gillar den prioriteringen.

Kelly Vega: Det finns också något att säga om teamets stöd. Entusiasm hos vissa betyder inte automatiskt full överenskommelse eller stöd från alla. Om man förklarar verksamhetsmålen och de KPI:er eller effektivitetsvinster man vill uppnå kan det gå snabbt när människor väl förstår och ställer sig bakom det.

Galen Low: Det är förändringsledningsdelen. När man genomför ett projekt man aldrig gjort tidigare vet man inte alltid hur lång tid det tar. Mycket av AI-arbetet är nytt. Vissa kan vara motvilliga och tänka: ”Tack för att ni ber mig utbilda min ersättare.” Andra kanske tycker att det är meningslöst eller inte vet hur det ska göras.

Hur kan organisationer och särskilt byråer navigera i detta så att projekten ryms inom de begränsningar vi satt upp? Är det okej att ett internt projekt tar längre tid och behöver en förändringsbegäran, precis som ett vanligt projekt? Skapar AI en nyansering som gör det mer komplicerat än ett vanligt kundprojekt?

Harv Nagra: Oavsett vad man gör är det värdefullt att ha en uppskattning av hur lång tid det kan ta. Tidsbegränsa arbetet. Ingen har 40 timmar i veckan för experiment. Man kanske har ett par timmar i veckan. Säg därför: ”Vi avsätter tio timmar under tre veckor och utvärderar sedan.”

Om det inte leder till något kan man besluta om man ska fortsätta, pausa eller avsluta eftersom det är för komplicerat eller inte utvecklas som man trodde. Att tidsbegränsa och sedan bedöma om arbetet leder någonstans användbart är ett bra sätt.

Galen Low: Jag gillar det eftersom det liknar hur finansiering i omgångar fungerar. Vi ger lite pengar för att nå en viss punkt och mer pengar om man kommer längre. Om man inte gör det kanske man inte får mer finansiering.

Vilka milstolpar gör det möjligt att stegvis närma sig värde? Det måste finnas en kultur där man kan säga: ”Vi har lagt mycket pengar på det här, men det fungerar inte. Det är okej att misslyckas, så låt oss avsluta innan vi förlorar ännu mer.”

Kelly Vega: För AI-projekt och initiativ gäller att bara för att man kan göra något betyder det inte att man bör göra det. Det finns många sådana exempel. Ibland kommer önskemålen från kunder som inte känner till bästa praxis eller när AI är lämpligt. Det är viktigt att kunna stanna upp och fråga: ”Bör vi göra detta med tanke på den återstående arbetsinsatsen och resultaten hittills?”

Galen Low: Vi experimenterar med sådant som måste kunna mätas. Implementering kan kräva en plan och resurser som ett projekt, men den bör också vara iterativ.

Djävulens advokat i mig säger: Varför inte hoppa över planeringen och ta alla bra idéer vi kommit fram till vecka efter vecka och börja med ett första litet steg i varje? Det borde fungera eftersom det är iterativt. Vi investerar inte mycket och kan organisera senare. Planering är för tiden före AI.

Melissa Morris: När vi lanserar något nytt, oavsett om det är AI eller inte, måste vi förstå att teamet har olika grad av stöd, teknisk förmåga och trygghet. Vi får inte lämna vissa personer efter.

När vi lanserar tidrapporteringssystem, projektledningsverktyg eller CRM-system har vi en tydlig plan: När involverar vi teamet? Förstår de på en övergripande nivå varför vi gör detta? Hur ser utbildningen ut? Vilket stöd får personer som behöver mer hjälp?

Vissa är mycket teknikintresserade och redo att gå in fullt ut i AI. Andra är mer tveksamma eller ser inte värdet. Dessutom finns rädslan: ”Skapar jag resurser som visar hur jag kan ersättas av en AI-bot?” Eller: ”Kommer de att be mig göra dubbelt så mycket eftersom de tror att jag kan arbeta dubbelt så snabbt?”

Det kan finnas en annan typ av oro kring AI än kring tidigare tekniska framsteg, eftersom människor kan vara rädda för sin anställningstrygghet. Därför måste man vara tydlig med vad man gör, varför man gör det, vilken utbildning och vilket stöd som finns samt ge teammedlemmarna utrymme att dela tankar och frågor.

Galen Low: Det är den del som inte kan stressas fram. Vi kan tekniskt sett lansera hundra nya idéer i morgon, men vad gör det med våra hjärnor och känslor? Hur håller vi reda på hundra mål och KPI:er som ska leda mot en gemensam riktning? Det är troligen där många implementeringar faller samman.

Kelly Vega: Om jag hade ett projektledningsteam skulle jag ur ett projektlednings- och driftperspektiv kunna säga: ”Juniorer, arbeta med hur vi använder AI för sammanfattningar och ta fram en standardiserad uppmaning.” Vilken uppmaning är bäst efter förfining av backloggen? Efter sprintplanering? Allt sådant.

Mellannivåerna kan granska dokumentationen i Confluence och, om det är säkert, ladda upp processer för att se hur vi kan standardisera process- och arbetsbeskrivningar. Om det passar bättre för en teknisk ledare kan den personen göra det.

De seniora kan titta på 2026 och fundera på hur de ur ett projektledningsperspektiv kan strategisera för året, med hänsyn till initiativ och olika projekt. Det kan bli större och större. Jag tror att man kan ha flera initiativ samtidigt, om man delar upp den stora AI-satsningen i mindre steg.

Galen Low: Jag gillar att dimensionera experimentet rätt. Låt inte en nyanställd praktikant skriva om hur vi hanterar löner.

I en driftsroll behöver man projektledare som leder projekten. Det här är projekt, och vi behöver fatta beslut längs vägen. Det är ett program eller en portfölj av projekt och initiativ som behöver ledarskap. Kanske är det lika värdefullt som kundarbete.

En projektledare kan driva fyra projekt åt gången, där ett är internt. Kelly och driftfunktionen kan vara beställare och övervaka hur det genomförs, hur det anpassas till målen och hur det blir standardiserade arbetsrutiner. Det är något helt annat än att bara säga att alla ska göra lite av varje.

Kelly Vega: En konkret leverans kan vara att skärminspela hur man skapar en uppgift från grunden, inklusive alla klick, och sedan skärminspela samma arbete med chattverktyget. Då har man något att leverera.

Men det kan bli en hal sluttning när någon säger: ”Bra, gör då två projekt till.” Man måste skydda den andra tiden och säga: ”Nej, jag har nu två timmar ostörd tid för att fokusera på strategin eller bearbeta kunduppgifter.” Det utrymmet gör att man inte behöver arbeta lika splittrat och kan hålla högre kvalitet.

Galen Low: Det handlar också om förtroende. Att be någon spela in när de gör sitt jobb kan kännas dömande. Vi säger att vi inte ska döma – men vi gör det kanske ändå. Det finns många lager att hantera för att få människor att delta på samma sätt som i ett vanligt projekt som inte rör deras arbete eller ny teknik.

Kelly Vega: Det kan också handla om att få godkännande att använda ett AI-verktyg. Om vissa inte är med eller är skeptiska av goda skäl behövs utbildning.

Galen Low: Du nämnde datasäkerhet och efterlevnad. Harv, du sa att det finns verktyg som kan användas eftersom de har granskats inom den övergripande styrningen av AI-verktyg.

Är styrning något som organisationer ofta förbiser, missar eller tar fullt hänsyn till när de lanserar interna AI-processer? Vilken nivå av styrning behövs i olika skeden – dataskydd, efterlevnad och allt sådant?

Harv Nagra: Det beror på organisationen och dess mognad. Under de senaste åren, sedan AI-kapplöpningen började, har det varit mycket experimenterande och stor oro, särskilt i början när människor laddade upp kunddata.

Nu har företag tydligare riktlinjer för vad man får och inte får göra. Skugg-IT har alltid varit ett problem som drift- och ekonomifunktioner måste hantera: människor hittar verktyg, laddar ned dem, installerar dem och registrerar abonnemang.

Då kan man betala för för många saker utan att ha kontroll över dem, och alla får inte nytta av plattformarna. Därför är det viktigt att ha kontroller som beskriver hur produkter väljs, hur de granskas och vad man får använda dem till.

Melissa Morris: Vi har främst talat om användningen inom den egna byrån eller verksamheten, men man behöver också tydlighet gentemot kunderna och insyn i hur AI används när det är relevant och lämpligt.

Jag tänker på ett företag vi arbetar med där samtalen är mycket känsliga. Om de hamnar i en domstol kan det plötsligt finnas en transkribering eller inspelning av ett möte som aldrig borde ha dokumenterats. I sådana situationer måste man vara försiktig och se till att kunden vet vad som sker.

Det gäller även vanlig inspelning. Tar jag inspelningen, transkriberar den och sparar den i ett Google-dokument för att enkelt kunna gå tillbaka till det vi talade om? Kunden måste veta det och godkänna det. Man måste förstå vilken dokumentation man sparar och vilka konsekvenser den kan få längre fram.

Kelly Vega: Vi tog faktiskt fram en standardöverenskommelse om att allt skulle transkriberas och att alla på samtalen skulle kunna transkribera eller spela in när som helst. Alla reagerade: ”Ja, snälla – ansvarsskyldighet är bra.” Det har varit enkelt och användbart.

Galen Low: Du har arbetat i många starkt reglerade branscher. Jag kan tänka mig att vissa kunder skulle säga nej. Överraskade det dig när de i stället sa: ”Ja, gör det gärna”?

Kelly Vega: För mig var det faktiskt oftare tvärtom. Man föredrog inspelning av rena ansvarsskäl. Något kan lätt återges fel, och när det gäller regler, tillstånd och andra tekniska detaljer var standarden i min erfarenhet att spela in.

Galen Low: Det är rimligt. På grund av regleringen kan man vilja ha ett register över att något har hänt.

Kelly Vega: Ja. Men om jag vill att ett möte ska vara mer informellt säger jag från början att jag inte spelar in det. Om någon absolut vill kan vi ändra det, men jag vet att en inspelning kan påverka tonen i samtalet. Jag spelar inte in mina enskilda möten med projektledare. När vi samlar in krav är inspelningen däremot på.

Galen Low: Jag älskar det.

Stort tack till våra paneldeltagare för att ni frivilligt avsatte er tid i dag. Jag vet att vi umgås hela tiden, men det här har varit väldigt roligt. Att få er tre tillsammans har också varit fantastiskt.

Tack så mycket för era insikter.

Kelly Vega: Tack för att jag fick vara med.

Melissa Morris: Tack.