Hur ett gemensamt AI-tankesätt kan effektivisera organisatorisk omvandling i tider av störningar

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 procent av gångerna.

Galen Low: ”AI-projekt. Pfffft.” – din kollega fnyser åt idén under lunchen.

”Som bäst en övergående trend”, tillägger din programchef. ”De skiljer sig inte från andra projekt.”

Men du börjar se dig omkring i matsalen och kan inte låta bli att känna att de här personer som du respekterar tillräckligt för att dela en måltid med kanske sticker huvudet i sanden.

Vid bordet intill förklarar Germaine från ekonomi för Lateicia från HR hur Gemini rättar hennes formler i Google Kalkylark.

Vid kaffestationen presenterar Paulo en idé om att använda AI och maskininlärning för att omvandla gigabyte av ostrukturerad kundfeedback till användbara insikter.

Vid hissarna har Sonaya ett framtidsinriktat samtal med sin avdelningschef om smidiga AI-stödda processer som dokumenterar och förbättrar sig själva genom användarfeedback.

Till och med Andréa sitter där borta i hörnet och använder Perplexity för att planera sin egen pensionsfest.

AI-projekt. De finns överallt. Och det finns mycket mer att tänka på än huruvida AI kan komma på ett tillräckligt bra förslag på festtema.

Undrar du om din organisation har förmågan att ta sig an projekt som involverar AI? Fortsätt lyssna. Vi ska gå igenom vad organisationer behöver göra för att stödja människor som påverkas av AI och hur de kan få sina medarbetare att tänka likartat när det gäller AI, så att alla kan överleva och blomstra i nästa våg av digital omvandling.

Hej allihop, tack för att ni lyssnar. Jag heter Galen Low och arbetar med The Digital Project Manager. Vi är en gemenskap av digitala yrkesverksamma med uppdraget att hjälpa varandra att utveckla kompetens, bygga självförtroende och skapa kontakter, så att vi kan förstärka värdet av projektledning i en digital värld. Om du vill höra mer om det kan du gå till thedpm.com/membership.

Och om du gillar framtidsinriktade samtal och praktiska insikter om digitalt projektledarskap kan du prenumerera på programmet för veckovisa avsnitt.

Okej, i dag talar vi om nästa våg av digital omvandling som skapas av generativ AI och om hur ett gemensamt tankesätt kring AI kan ta en organisation från sporadiskt, slumpmässigt och ångestfyllt införande till en mer sammanhållen och genomtänkt nytta som lyfter alla.

Med mig i dag har jag Ron Schmelzer, medgrundare av Cognilytica och numera global chef för AI-partnerskap och omvärldsrelationer för PMI Cognilytica vid Project Management Institute.

Ron, tack för att du är här i dag.

Ron Schmelzer: Jag är väldigt glad att vara här. Jag tycker alltid om att prata med dig.

Galen Low: Ja, jag älskar att ha dig tillbaka i programmet och jag har i tysthet följt din resa, nästan som ett fan, under de senaste åren när vi har pratat om Cognilytica, vad du gör där och nu den här sortens sammanslagning med PMI:s ekosystem. Det finns mycket spännande som jag vill fördjupa mig i.

Jag tänkte börja med en het fråga. Den stora frågan, som jag tror knyter an till något som du och jag pratade om tidigare, är att det nuvarande införandet av generativa AI-lösningar har liknats vid datorns, ordbehandlingsprogrammens eller telefonens genombrott – eller i princip vilken stor förändring som helst som snabbt gjorde många roller i arbetslivet mer eller mindre överflödiga.

Så den stora frågan är: Hur kan organisationer stödja människor vars jobb kommer att påverkas av AI inom en nära framtid?

Ron Schmelzer: Jag tror att en del av anledningen till att AI känns så är dess omvälvande karaktär. Vi säger att det förändrar saker, och det är vad omvandling innebär. Det omvandlar, det förändrar en sak till en annan.

Om vi definierar omvandling i det här fallet ser man att många verktyg, särskilt för kunskapsarbetare, förändrar arbetet. Vi har människor vars huvudsakliga uppgift är att hantera information – att föra in information i ett informationssystem, hämta ut information, kondensera den, sammanfatta den, beskriva den, lägga in den i rapporter eller göra saker som att lämna in efterlevnadsrapporter.

Allt detta är nu relativt trivialt för maskiner att göra, medan det inte var trivialt för dem för bara några år sedan. Därför tänker organisationer om. Det icke-omvälvande sättet att göra detta är att någon i rollen använder verktygen för att göra samma saker som tidigare, utan att processen förändras.

De kanske sparar lite kostnader, snabbar upp vissa saker eller förbättrar noggrannheten. Men processen förblir densamma. De organisationer som verkligen förändras tänker däremot om processerna från början. Vi har upplevt detta många gånger.

Före internet gick man till en butik, köpte det som fanns i lager och packade hem det. E-handel var inte bara samma upplevelse fast på nätet. Man behövde tänka om. Vi behövde inte behålla samma idéer om lager och inventering. Samma sak kommer att hända med AI.

Det skrämmande är att AI blir som en slägga i en organisation som inte har förändrat sina processer. Den kommer in och skapar mycket förstörelse och kaos. Den får kanske saker gjorda, men på bekostnad av de befintliga processerna, eftersom processerna inte har förändrats. Människor trängs ut ur processen.

Galen Low: Det är så intressant. Många samtal om AI handlar om att den inte ska ersätta det du gör, utan hjälpa dig att göra samma saker. Det du säger är att en organisation i stället bör skapa en omvälvande vision för framtiden: saker kommer inte att vara likadana, och vi vill inte bara skapa AI-versionen av det vi gjorde tidigare. Vi vill föreställa oss hur arbetet kan se ut, och du har en plats i det. Vi ska hjälpa dig att ta dig dit.

Ron Schmelzer: Jag skulle hävda att sådana omvandlingar faktiskt är svårare att genomföra än att införa teknik. Det är lättare att säga att en maskin ska ersätta vissa steg än att tänka: ”Om jag måste tänka om hela processen, hur skulle den då fungera?” Det är svårare och mer riskfyllt, eftersom man inte vet om den nya processen kommer att fungera, men den skulle kunna få mycket större effekt.

Vi observerade personer som försökte få AI att fungera och såg fyra ungefärliga grupper. Den första gruppen använder inte AI alls. Vi kallar dem åskådare eller observatörer. De är skeptiska, rädda eller tvivlande och vill helst inte göra något med AI.

Den andra gruppen är uppgiftsanvändarna. De gör sitt jobb och använder ibland AI för att skriva ett mejl eller skapa ett kalkylblad, men i grunden har inget annat förändrats.

Den tredje gruppen älskar teknik för teknikens skull. De är tidiga användare och entusiaster. AI är det senaste verktyget: en modell i dag, en annan i morgon och ett nytt verktyg nästa dag. De tycker om upptäcktsprocessen, men förändrar inte nödvändigtvis sitt arbete.

Den fjärde gruppen kallar vi språngtagarna. De är strategiska. De använder inte bara AI för en uppgift, utan förändrar själva uppgiften, jobbet eller det de försöker göra och tänker om det ur ett AI-först-perspektiv. Det är dem vi vill hålla ögonen på, eftersom de på ett ironiskt sätt säkrar sina jobb.

Galen Low: Det finns mycket att ta in där. Det intressanta är kombinationen av att organisatoriskt ledarskap kring AI krävs, samtidigt som den nuvarande ledningen kanske inte har visionen för AI och dess möjligheter. Därför sker mycket på individuell nivå.

Men om organisatoriska ledare kan identifiera språngtagarna och ge dem ett ekosystem där de får utforska och experimentera för organisationens räkning, med mer öppet tänkande, skulle de kunna leda omvandlingen av verksamheten. De bygger ett kollektivt tankesätt kring AI. Det kan inte bara vara upp till enskilda chefer runt om i världen att vara visionära AI-personer. Man måste luta sig mot dem som förstår.

Ron Schmelzer: Jag tänker på krigföringens förändrade natur. I Ukraina började man med traditionella idéer om pansardivisioner, stora truppstyrkor och frontala angrepp. Men krigföringen har förändrats. Vi talar om drönarkrigföring och små, förbrukningsbara enheter som har gjort stora beväpnade angrepp mindre användbara.

I början experimenterade människor med drönare och granater. Det verkade udda och perifert. Sedan kom FPV-drönarna. Det som började i utkanten blev plötsligt kärnan. Det får oss att ifrågasätta även de största arméerna och värdet av en stridsvagn för miljontals dollar.

Det påminner mig om AI-experimenten i utkanten. Om vi avfärdar dem som perifera missar vi den större omvandlingen.

Galen Low: Jag gillar den liknelsen. Krig, överlevnad och andra tvingande omständigheter driver ofta mänsklig innovation. Pandemin, återgången till kontoret och andra sådana krafter tvingar oss att förnya oss.

AI befinner sig i ett liknande läge. Folk säger: ”Det här är intressant. Låt oss se hur det utvecklas.” Det lämnar oss i ett obekvämt utrymme där människor känner sig osäkra och otrygga i sina jobb. Ingen kan säga hur det kommer att sluta, och den psykologiska tryggheten saknas.

Ron Schmelzer: Därför bör organisationer bredda de erfarenhets- och lärandedelar som finns i organisationen. Experimenterandet bör inte isoleras till en särskild AI-grupp eller en enda avdelning. AI påverkar hela organisationen.

Man kan tänka om HR, ekonomi, leveranskedjor och logistik. Varje organisation har ett uppdrag och ett mål. Uppdraget är inte processerna eller tekniken; de är medel för att nå ett mål. AI blir ytterligare en resurs eller ett verktyg som kan hjälpa oss att genomföra uppdraget.

Galen Low: Det är intressant att du beskriver AI som ett verktyg. Många hänvisar till Terminator och frågar om AI ska bli självmedveten och förstöra oss. Det är viktiga frågor, men just nu är AI inte historiens superskurk. Den är en del av bilden, kanske en bakgrundsaktör som påverkar berättelsens riktning. Vi måste bestämma hur vi använder den.

Ron Schmelzer: En sak vi har talat om länge är vad människor bör vara rädda för: att förlora jobbet, superintelligens eller människor som gör onda saker. Men det finns också en rädsla för att mycket makt koncentreras till ett fåtal personer.

Kanske är det ett större och mer omedelbart hot än superintelligens. Vi borde kanske vara mer rädda för ett litet antal människor som har tillgång till all data, alla modeller och alla resurser i världen.

Ett motgift är personlig egenmakt. Människor behöver göra saker för sig själva och använda AI för att förstärka sin egen förmåga. Om man måste sätta sin tillit till något kan det vara bäst att börja med sig själv.

Galen Low: Det är ett bra svar på den ursprungliga frågan. Organisationer kan rusta människor med kunskap. De bör inte låsa in dem eller försöka köpa deras lojalitet. Ge dem verktygen eftersom de har en egen resa, och organisationen kommer sannolikt också att dra nytta av det.

Ron Schmelzer: Jag ska tala om organisatorisk motståndskraft och AI. Om en organisation ska kunna överleva och blomstra trots ständig förändring måste den vara flexibel och anpassningsbar.

Om man är alltför bunden till hur saker görs blir man mindre motståndskraftig. Om man bara automatiserar befintliga arbetsuppgifter och tar bort människor fördjupar man sitt beroende av dagens sätt att arbeta. Då får man färre människor som kan hantera förändring och blir beroende av systemen.

Organisatorisk motståndskraft handlar om att öka lärandets hastighet och förmågan att reagera på förändring. Det innebär att ge människor möjlighet att vara förändringskrafter och driva förändring underifrån, inte bara uppifrån.

Galen Low: Jag tycker mycket om den idén. Många skulle säga att täta processer och många års erfarenhet är det som ska hjälpa oss att klara stormen. Men kanske gäller det inte längre.

Du var med och grundade Cognilytica, en organisation med fokus på AI och projekt. Ni skapade CPMAI-certifieringen för team som levererar AI-drivna lösningar. Vad är skillnaden mellan ett projektteam som bara har erfarenhet av generativa AI-verktyg och ett team som har CPMAI-certifieringen?

Ron Schmelzer: CPMAI skapades eftersom stora organisationer ville veta vilken metod de skulle använda när de införde AI i kärnprocesser. Traditionella projektmetoder fungerar när man bygger programvara eller webbplatser med tydliga leverabler, men man kan inte alltid få AI att göra exakt det man vill.

AI är datadriven. Därför behövs en datacentrerad metod där funktionaliteten styrs av data och inte bara av programmering. Vi tog en datacentrerad metod, CRISP-DM, och utvecklade den så att den blev iterativ, smidig och relevant för AI.

CPMAI är en metod för att driva och hantera projekt där AI inte ger garanterade resultat. Den hjälper organisationer att öka sannolikheten för framgång genom att dokumentera beslut, arbeta i rätt ordning, upptäcka begränsningar och planera hur AI-lösningar ska utvärderas, testas, införas och övervakas.

I dag använder organisationer inom bank, försäkring, läkemedel, bygg, tillverkning och offentlig sektor metoden. Även konsultföretag använder den för att visa att de har en process för att leverera AI-projekt.

Galen Low: Det jag tycker är intressant är att man måste göra saker i rätt ordning. Som projektledare tänker man ofta att man kan iterera när man inte vet exakt vad man bygger. Men en AI-lösning är beroende av ren och tillförlitlig data. Man måste först ta reda på om man har bra data och om man kan få tillgång till den.

Ron Schmelzer: Ja, ibland är själva tillgången till data problemet. Den kan vara inlåst i ett system eller sakna rätt aktualitet. Om du inte kan nå den kommer du ingenstans.

I CPMAI är inköp och införande av verktyg steg fyra. Det första steget är att förstå vilket problem man försöker lösa, om det verkligen kräver AI och om projektet ska fortsätta. Det andra steget är dataupptäckt: vilken data behövs, har man tillgång till den, vilket format har den, var finns den och behöver den säkras eller anonymiseras?

Det kan finnas reglerings-, integritets- eller säkerhetsproblem som gör projektet omöjligt. Det är bättre att upptäcka det tidigt än efter att man har köpt och infört verktyg.

Galen Low: Det är intressant att den första delen handlar om beredskap. Det kan faktiskt finnas en avfart som säger att organisationen inte är redo eller att AI inte är rätt lösning.

Ron Schmelzer: Projektledarens roll är att underlätta processen. Strategerna definierar uppdrag, riktning, mål och krav. De som bidrar individuellt genomför visionen. Projektprofessionella befinner sig i det röriga mellanrummet där de översätter organisationens mål och strategi och samlar rätt resurser för att genomföra visionen.

Om jag fick byta namn på projektledning skulle jag kalla det omvandlingsfacilitering. Det handlar om att underlätta mellan dem som äger resultatet och de resurser som ska skapa det – människor, pengar, lager, teknik och AI.

Galen Low: Det passar också med hur PMI har börjat se på projektledning: större än titeln projektledare. Det handlar om att översätta en vision till genomförande och skapa värde.

När bör en organisation anlita någon med CPMAI-beteckningen, jämfört med att bara samla ett antal språngtagare?

Ron Schmelzer: Jag tycker att alla borde lära sig CPMAI. För språngtagare handlar det inte bara om att behärska de senaste verktygen, eftersom verktygen hela tiden förändras. Man behöver en ram för hur man driver och hanterar AI-projekt.

Organisationer behöver både erfarenhetsbaserat och formellt lärande. Ge människor frihet och psykologisk trygghet att experimentera. Processen att lära sig vad som fungerar och inte fungerar ger organisationen kunskap och motståndskraft.

Jag skulle inte rekommendera att organisationer hittar på egna metoder. Börja med en befintlig metod som redan har prövats. Om man anlitar konsulter eller entreprenörer bör de dessutom kunna visa någon form av meritering. Det är alltför lätt att kalla sig AI-expert bara för att man har använt några AI-verktyg.

Galen Low: Jag gillar den ansvarssidan. Om någon har en CPMAI-certifiering men inte kan sitt jobb, finns det då ett sätt att rapportera det till PMI?

Ron Schmelzer: En certifiering kan inte garantera att någon alltid vet exakt vad de gör. Men det finns ett certifieringsregister, en gemenskap och standarder. Det finns trygghet i att många använder samma metod.

Det viktiga är inte bara själva metoden utan också gemenskapen runt den. Vi hoppas att andra ska bygga vidare på CPMAI, skapa mer material, utbildning och träning och anpassa metoden till olika branscher.

Galen Low: Jag tänker på det som livsmedelssäkerhet. Det är inte bara för chefer; det är ett gemensamt grundlager som hjälper alla att arbeta säkert. När det gäller AI handlar det om att fatta bra beslut tillsammans och följa ett gemensamt arbetssätt som bygger på andras erfarenheter.

Ron Schmelzer: För närvarande har vi en arbetsbok som deltagarna använder under CPMAI-utbildningen. Den är tänkt att ge praktisk erfarenhet. Välj ett problem du försöker lösa och kör det genom hela CPMAI-processen, från början till slut.

Jag tror också att själva lärandet måste bli AI-stött. Lärande utan praktiskt arbete blir teoretiskt. Praktiskt arbete utan lärande kan bli planlöst. Vi bör kombinera lärande och genomförande.

Tänk om CPMAI kunde fungera som en följeslagare under projektet. Du kunde fråga vad du ska göra härnäst, vilket problem du försöker lösa, vilken data du behöver och hur du ska testa och införa lösningen. Då integreras lärandet med genomförandet.

Galen Low: Jag älskar det. I utbildning är det svårt att skala upp praktiska och scenariobaserade övningar eftersom de kräver människor. Men en modell som kan agera som en krävande kund eller intressent och coacha någon genom ett samtal skulle kunna erbjuda praktiskt och riktat lärande.

Ron Schmelzer: Det är omvandling. Vi talar inte bara om att införa ett verktyg på det gamla sättet. Vi tänker om hur saker görs. Det kan bli mer kraftfullt för alla.

Galen Low: Så knyter man ihop alla ämnen. Mina damer och herrar, Ron Schmelzer.

Ron, tack så mycket för att du tog dig tid att vara med i dag. Jag tycker om att ha dig i programmet och uppskattar det du gör. Vi måste ha dig tillbaka.

Ron Schmelzer: Absolut. Jag tycker alltid om att prata med dig och dela detta med din publik. Vi är alla på den här resan tillsammans.

Galen Low: Verkligen.

Okej allihop, där har ni det. Om ni vill delta i samtalet med över tusen likasinnade projektledningsentusiaster kan ni gå med i vår gemenskap! Besök thedpm.com/membership för att läsa mer. Om ni tyckte om det ni hörde i dag, prenumerera och håll kontakten på thedigitalprojectmanager.com. Tills nästa gång, tack för att ni lyssnade.