AI har potential att revolutionera hälso- och sjukvården – men det handlar inte bara om smarta algoritmer eller automatiserade diagnoser. Det handlar om att skapa förtroende i miljöer där mycket står på spel och där liv står på spel. Galen samtalar med David Doan, direktör på Kyndryl och tidigare legitimerad sjuksköterska, för att utforska hur leveransansvariga kan navigera i de kliniska, tekniska och etiska utmaningarna med att implementera AI inom hälso- och sjukvården.
Från att bevara mänskligt omdöme och mänskliga relationer till att få tillsynsmyndigheter, ledningar och kliniker i frontlinjen att dra åt samma håll, går detta samtal på djupet med verkligheten bakom AI-driven hälso- och sjukvård – och vad projektledare kan göra för att få den att faktiskt fungera.
Det här får du lära dig
- De grundläggande farhågor som kliniker har kring AI – att förlora den mänskliga kontakten, att det kliniska omdömet urholkas och frågor om ansvar
- Vilka ”insatser” som är unika för AI inom hälso- och sjukvården (patientutfall, jämlikhet och risker med införandet)
- Hur förtroende byggs (förklarbarhet, inkluderande design, styrning och berättande)
- Projektledarnas föränderliga roll som översättare, risksynliggörare och arkitekter för resultat
- Hur personer utan klinisk bakgrund trovärdigt kan ta sig an projekt inom hälso- och sjukvården med ödmjukhet, nyfikenhet och domänkunskap
Viktigaste lärdomarna
- Sätt den mänskliga kontakten i centrum. AI ska stödja – inte ersätta – klinikernas omdöme. Se till att tekniken integreras i vården, inte tar över den.
- Var översättaren. Kliniker, teknikteam, ledningar och patienter talar olika språk. Projektledare hjälper alla att förstå varandra.
- Involvera användarna tidigt. Bygg inte i ett vakuum. Ta med verkliga användare – som sjuksköterskor och läkare – i design och testning från början.
- Sätt upp skyddsräcken, inte bara mål. Etik, integritet och rättvisa är inte valfria. Bygg in dem i projektet från dag ett.
- Fokusera på verkliga resultat. Stanna inte vid lanseringen. Gå tillbaka, samla in feedback och mät hur projektet faktiskt hjälper människor.
Avsnitt
- [00:00] Introduktion och presentation av gästen
- [04:00] Klinikernas farhågor kring AI
- [09:30] Varför AI-införande är viktigt inom hälso- och sjukvården
- [14:00] Hinder: arbetsflöden, partiskhet och infrastruktur
- [18:30] Intressentekosystem och förtroende
- [23:30] Projektledarnas roll inom AI och hälso- och sjukvård
- [30:00] Från PM till strategiskt inflytande
- [34:10] Så tar du steget in i projekt inom hälso- och sjukvården
- [38:30] Reflektion och iteration efter projektet
- [46:30] Snabba frågor och avslutande tankar
Möt vår gäst

David Doan är direktör och konsultpartner för hälso- och sjukvård samt offentlig sektor på Kyndryl och har över 30 års erfarenhet av konsultverksamhet och strategi inom hälso- och sjukvårdsteknik. Tidigare hade han ledande roller inom hälsolösningar på företag som EY, Accenture och McKesson, där han fokuserade på digital omvandling, modeller för vårdleverans, riskhantering och implementering av ACO (ansvarsfull vårdorganisation) samt strategiska partnerskap. På Kyndryl använder David sin djupa domänkompetens för att hjälpa kunder inom offentlig sektor och hälso- och sjukvården att modernisera system, förbättra patientutfall och införa säker och motståndskraftig infrastruktur.
Resurser från det här avsnittet:
- Gå med i Digital Project Manager-communityn
- Prenumerera på nyhetsbrevet för att få våra senaste artiklar och poddavsnitt
- Ta kontakt med David på LinkedIn
- Läs mer om Kyndryl
Relaterade artiklar och poddavsnitt:
Galen Low: Vilken roll spelar projektledare när det gäller att bygga upp detta förtroende inom AI-drivna vårdprojekt?
David Doan: Projektledare är inte bara uppgiftsansvariga. De bör rama in ett AI-projekt som mer än en teknisk leverans – det handlar om en människocentrerad förändring. Det handlar om att integrera tekniken med det jag kallar att mänskliggöra AI-projektet.
Galen Low: Varför är det så viktigt att vården hittar sätt att ta till sig AI?
David Doan: Det som ytterst står på spel är mer än effektivitet och ändamålsenlighet. Detta påverkar patientvården direkt. Om införandet misslyckas finns en allvarlig risk att patienter går miste om potentiellt livräddande insatser. Det kan uppstå feldiagnoser om de prediktiva modellerna inte fungerar, särskilt om AI-modellerna tränas på ofullständiga data. Därför kan marginaliserade grupper få sämre hälsoutfall.
Galen Low: Vården är så intressant eftersom den präglas av rigorösa krav. Den har så många intressenter med så många olika perspektiv, och därför är den nästan den mest komplexa formen av att införa AI för att skapa lösningar som ger bättre resultat för människor.
Välkommen till podden The Digital Project Manager – programmet som hjälper leveransansvariga att arbeta smartare, leverera snabbare och leda bättre i AI-eran. Jag heter Galen, och varje vecka går vi igenom verkliga strategier, nya verktyg, beprövade ramverk och ibland en dramatisk berättelse från projektens frontlinjer. Oavsett om du leder omfattande förändringsprojekt, hanterar AI-arbetsflöden eller bara försöker hålla kaoset under kontroll har du kommit rätt. Då sätter vi igång.
I dag talar vi om AI:s enorma potential inom vården och om vad projektledare kan göra för att bygga förtroende, lyfta risker, stå upp för etik och i slutändan förbättra patientutfall genom AI-drivna vårdprojekt.
Dagens gäst är David Doan, Director och Consult Partner för Healthcare & Government på Kyndryl. David är ledare inom vårdteknik och verksamhetsförändring och har över 30 års klinisk erfarenhet och erfarenhet av konsultarbete. Han började sin karriär nära patienterna som legitimerad sjuksköterska under de första tio åren och arbetade därefter som konsult på McKesson, Accenture och Ernst & Young. Nu samarbetar han med kunder på C-nivå och IT-chefer för att driva strategisk digital transformation, AI-innovation och värdebaserade vårdinitiativ på Kyndryl.
Utöver detta är David ordförande för PMI:s Los Angeles-avdelning, sitter i styrelserna för fem andra ideella organisationer och är mentor för Asian American Professional Association. Och detta är än så länge bara halva hans meritförteckning över utmärkelser och prestationer.
Det är mycket imponerande, David. Tack för att du är med i programmet.
David Doan: Det är ett nöje, Galen. Absolut.
Galen Low: Jag vet att vi hoppar mellan olika ämnen. När vi förberedde detta gick vi igenom väldigt mycket. I det här avsnittet hoppas jag att vi kan tala om både entusiasmen och rädslan kring AI-förbättrad patientvård och vad som kan göras för att hantera båda delarna. Kanske också om vad som står på spel för vårdsektorn om vi inte får AI rätt.
Hur ett förtroenderamverk kan hjälpa projektledare att samordna grupper av intressenter med olika mål. Och kanske också hur projektledare med erfarenhet från andra branscher kan ta sig in i vårdområdet – och tvärtom. Hur låter det?
David Doan: Det låter utmärkt. Bra diskussioner och bra frågor. Jag har mycket att göra, men jag är ganska säker på att jag kan bidra med lite insikter baserat på min erfarenhet. Så ja, det blir en bra diskussion.
Galen Low: Om jag har lärt mig något om dig hittills är det att du är snabb i tanken och kan ditt område. Så jag tänker utmana dig. Här har vi en tradition där jag börjar med den stora frågan, den mest centrala frågan, som vi sedan kan zooma ut från och bygga ett sammanhang kring.
Min stora fråga är: vilken är den största rädslan som kliniker och vårdpersonal har när AI introduceras i hur de ger vård?
David Doan: Ja, det är en mycket relevant fråga. Jag skulle sammanfatta det i två områden. Det första är rädslan för att förlora mänsklig kontakt och professionellt omdöme.
Det andra är rädslan för ansvarsskyldighet. Jag började faktiskt min sjuksköterskekarriär med att skriva för hand. Det fanns inget elektroniskt patientjournalsystem eller elektroniskt medicinskt journalsystem. När vi började använda teknik, till och med när vi gav läkemedel från en maskin som kallades Pyxis, var vi alltid rädda för att tekniken på något sätt skulle skapa avstånd till patienten.
AI är definitivt ytterligare ett exempel på avancerad teknik som kan göra det. Det finns nu AI-verktyg och prediktiva maskiner som kan läsa bilder från en lungröntgen eller PET-undersökning. Där finns en rädsla för att inte längre kunna beröra, känna och ha den mänskliga kontakten, liksom för att förlora omdömet.
Medicin och omvårdnad är visserligen vetenskaper, men de innehåller också mycket hantverk och erfarenhet. Det kräver kliniska och icke-kliniska data, och den sista pusselbiten inom vården är det kliniska omdömet. Det är det som skiljer icke-klinisk personal från en kliniker med legitimation och ansvar att arbeta på toppen av sin kompetens.
Rädslan är därför att AI ska ersätta samtal och dialog med patienter vid sängen, under läkarbesök eller vid distansvård. Det kliniska omdömet och beslutsfattandet får inte gå förlorade.
Oavsett vilken teknik eller vilket verktyg det gäller måste lösningen utvecklas tillsammans med klinikerna. Algoritmer som ger prognoser måste säkerställa att informationen är användbar vid vårdpunkten. Samtidigt måste klinikern kunna förstå och lita på informationen och insikterna, utan att den viktiga relationen mellan kliniker och patient försvinner.
Ansvarsfrågan är också viktig. Inom vården utbildas kliniker i att inte orsaka skada. Vi måste säkerställa att AI-modellen fungerar och att rekommendationerna överensstämmer med evidensbaserade riktlinjer och rekommendationer från andra välrenommerade yrkesorganisationer.
Klinikerna måste fortfarande kunna göra den slutliga granskningen och vara ytterst ansvariga. Samtidigt måste AI-systemet, tekniken och ingenjörsarbetet kring den genomgå tillräcklig kontroll för att säkerställa att uppgifterna inte är felaktiga och därigenom bidra till förtroende.
Så om man bryter ned det handlar de två stora rädslorna om den mänskliga kontakten och det kliniska omdömet, samt om klinikerns ansvar – och om ansvaret på teknikens sida.
Galen Low: Jag tycker om att du ramar in det som både konst och vetenskap. Det är lätt att svepas med av tanken att det bara handlar om information: att vi kan ladda upp all vår medicinska kunskap och sedan göra den tillgänglig. Men du visade också att vården redan har genomgått många tekniska förändringar.
Du nämnde receptappar och distansvård. Det har hänt mycket, och de grundläggande principerna som har hjälpt oss genom förändringarna är just de här frågorna om förtroende, omdöme och mänsklighet. Elektroniska patientjournaler har varit en lång resa.
Det är inte bara tekniska framsteg. Vi bygger fortfarande förtroende och är försiktiga eftersom vi har ett ansvar. Vi kan inte anta att något som händer i en svart låda kommer att fungera väl varje gång eller ens 90 procent av gångerna.
Det räcker inte riktigt. Omdömet och mänskligheten måste finnas kvar. Och när det gäller konsekvens blir jag genast att tänka på hallucinationer i AI. I mitt arbete kan jag rätta till ett felaktigt svar eller ställa samma fråga igen. Men när det gäller patientvård måste vi göra rätt, och vara mycket försiktiga.
Varför är det då så viktigt att vården hittar sätt att ta till sig AI? Vad står på spel och vilket är det största hindret för AI-införande inom vården?
David Doan: Det som ytterst står på spel är mer än effektiviteten i hur kliniker samarbetar med patienter, medlemmar och vårdteam. Det finns ett helt team som hanterar patienten, och resultatet måste i slutändan vara bättre hälsa.
Det handlar alltså inte bara om att förenkla någons arbetsflöde eller skapa en bättre upplevelse. Det påverkar patientvården direkt. Patientvård i det enskilda mötet bidrar i slutändan till befolkningshälsa i stor skala.
Det knyter också an till det femfaldiga målet: inte bara kostnader och tillgång, utan även klinikerns upplevelse, patientens upplevelse och hälsomässig jämlikhet.
AI kan förutsäga sjukdomar genom att använda stora mängder kliniska data, skade- och ersättningsdata, icke-kliniska data och offentligt tillgängliga uppgifter. Det kan hjälpa vårdgivare, vårdplaner och betalare att snabbt identifiera patientgrupper som behöver insatser för att bromsa utvecklingen av kroniska tillstånd.
Om införandet misslyckas kan patienter som borde få vård missas eller felaktigt identifieras. Det finns en allvarlig risk att patienter och medlemmar går miste om potentiellt livräddande insatser. Feldiagnoser kan uppstå om maskinen eller modelleringsverktyget inte fungerar.
Tekniken måste också fungera för människor på landsbygden och i områden där sjukhusen är svåra att nå. Tillgång till teknik räcker inte om 5G-, nätverks- eller internetanslutningen saknas. Hälsomässig jämlikhet innebär dessutom att personer vars första språk inte är engelska, eller som har begränsad finmotorik, utbildning eller är äldre, måste kunna använda distansvården.
Det som står på spel är alltså befolkningens hälsoutfall och vårdpersonalens möjlighet att ta till sig tekniken. Ett stort hinder är förtroendet. Informationen måste integreras i arbetsflödet och presenteras vid vårdpunkten. Om AI tvingar klinikern att använda ytterligare teknik eller dokumentera samtalet i ett separat verktyg kan det störa tiden med patienten och leda till sämre införande.
Dessutom finns det fördomar i data. Om AI-modeller tränas på ofullständiga, onormaliserade eller snedfördelade data kan särskilt marginaliserade grupper få sämre hälsoutfall.
Galen Low: Jag är glad att du tog upp patientens och klinikerns upplevelse. Min bakgrund är inom användarcentrerad design. Digitala lösningar måste inte bara lösa problem, effektivisera och utnyttja mer data – de måste också fungera i praktiken.
De måste integreras sömlöst i arbetsflödet och inte skapa ytterligare hinder. Som sjuksköterska vid patientens säng hade du möjlighet att ägna mer tid åt patientvård om tekniken fungerade rätt, men ett extra steg kan också leda till sämre resultat.
Hälsomässig jämlikhet är särskilt intressant. AI kan på vissa områden jämna ut spelplanen, men vi kan inte anta att alla har tillgång till bredband, kan använda verktygen eller kan delta på samma villkor.
Det är därför vården är så intressant. Till skillnad från vissa företagslösningar berör vården alla människor, över demografiska gränser och livssituationer. Det visar AI i stor skala för något som verkligen spelar roll: befolkningens hälsa och patienternas utfall.
David Doan: Absolut.
Galen Low: När man ser olika grupper i befolkningen och något så viktigt som deras hälsa blir frågan om förebyggande insatser också central. Prediktiv analys kan hjälpa organisationer att förutse problem och ingripa vid rätt tidpunkt.
Du arbetar med chefsmedicinska chefer, tillsynsmyndigheter och andra beslutsfattare, och du har själv arbetat nära patienter. Hur kan förtroende för AI byggas mellan patienter, vårdgivare, kliniker, tillsynsmyndigheter och företagsledare? De ser alla frågan ur olika perspektiv.
David Doan: Inom vården handlar det aldrig bara om en person. Det är ett vårdekosystem med många intressenter, varav vissa är osynliga för patienterna. Det finns ackrediteringsorgan, Centers for Medicare and Medicaid Services, CMS, Centers for Disease Control och många andra. De vill ha styrning och säkerställa att vården är säker och håller hög kvalitet, oavsett om avancerad teknik används.
Patienter vill ha trygghet. De vill veta att vårdgivaren förstår deras kultur och språk, eftersom det påverkar mat, näring och andra delar av vården. Kliniker vill se evidens. De utbildas i att granska sakkunniggranskade artiklar och vill veta om en lösning verkligen fungerar och hur hallucinationer och feldiagnoser hanteras.
Företagsledare vill se ekonomiska resultat och kvantifierbar avkastning på investeringar, även på sjukhus eftersom ett sjukhus också är en verksamhet.
För att överbrygga klyftan krävs transparens och ett gemensamt språk. Det första är förklarbarhet: att kunna förklara data och användningsfall på ett begripligt språk för kliniker, tekniker, ingenjörer, dataforskare och produktchefer.
Om alla förstår problemen, möjligheterna och hur AI fungerar kan de bidra, ställa frågor och skapa delaktighet. Man måste också tala om dataskydd, hur olika datakällor kopplas samman och hur informationen presenteras i arbetsflödet vid vårdpunkten.
Det andra är inkludering i designen. Patienter, sjuksköterskor, läkare, fysioterapeuter, farmaceuter och andra måste få komma till tals. En farmaceuts arbetsflöde skiljer sig från en sjuksköterskas eller läkares. Modulerna i ett elektroniskt journalsystem kan behöva konfigureras olika för olika avdelningar och enheter.
Design, införande och förändringsledning måste vara inkluderande och omges av styrning. Det behövs skydd och tydliga ramar för jämlikhet, rättvisa, partiskhet, integritet och ansvar. Utan detta blir införandet inte framgångsrikt.
Slutligen behövs kulturellt berättande. Hur förbättrar AI inte bara siffrorna och den kvantifierbara avkastningen utan faktiskt patienternas liv? Teknikteamet bör förstå hur det de bygger används av en kliniker eller verksamhetsanvändare och hur det kopplas till en bättre patientupplevelse och bättre hälsoutfall.
Teknikteamet bör vara en förlängning av klinikerna och vårdgivarna – vårdgivare för vårdgivarna. Där byggs förtroende. Genom samtal, samarbete och kundens röst skapas delaktighet, transparens och förtroende.
Galen Low: Jag tycker om hur du beskriver det som ett ekosystem med många intressenter kring något som verkligen spelar roll: människors hälsa och liv. Produkt- och teknikteamet blir vårdgivare för vårdgivarna, och samma helhet måste ses genom olika linser.
Det är en helt annan bild än den många har av AI. Man kanske tänker att man bara ska prova ett litet pilotprojekt och sedan skala upp. Men vården måste ta hänsyn till tillsynsmyndigheter, datakvalitet, styrning och många olika perspektiv.
Det är därför vården är så intressant. Den präglas av rigorösa krav och många intressenter som standard. Det är nästan den mest komplexa formen av att införa AI för att skapa lösningar som ger bättre resultat för människor.
Vilken roll spelar då projektledare när det gäller att bygga detta förtroende inom AI-drivna vårdprojekt?
David Doan: Projektledare har en strategisk roll eftersom de samordnar alla intressenter och projektmedlemmar. De kan se projektet ur många perspektiv.
Projektledare måste vara strategiska och kunna översätta så att kliniker, verksamheten och övriga intressenter förstår varandra. Det är viktigt att inte bara tala samma språk utan också förstå varandras behov, avsikter och krav.
Som den som samordnar projektet ska man proaktivt och transparent lyfta risker tidigt. Ett AI-projekt bör inte ses som enbart en teknisk leverans utan som en människocentrerad förändring. Tekniken ska mänskliggöras och bidra till mer tid med patienter och bättre hälsoutfall.
Projektledare ska inte bara vara uppgiftsansvariga. De behöver använda sin visionära, strategiska och kritiskt tänkande förmåga. Projektframgång handlar inte bara om omfattning, budget och tidplan, utan om resultat och positiv påverkan.
Inom vården kan det handla om att rädda liv, öka livslängden, förbättra livskvaliteten och förändra beteenden. Projektledare behöver därför förstå hur de stärker yrkesgrupper, samhällen och hela ekosystemet av intressenter.
Det är en viktig strategisk roll för projektledare som leder teknikprojekt inom vården och möjliggör AI.
Galen Low: Jag tycker om kopplingen till rollen som översättare och samordnande quarterback. Det finns en mycket mänsklig dimension där. Teknikprojekt måste mänskliggöras, särskilt inom vården där det handlar om patientutfall och människors liv.
Det kan verka som ett stort steg från att hantera omfattning, tidplan och budget till att förstå branschen och människorna så väl att man kan påverka resultaten. Hur ser det steget ut för personer som har lett vårdprojekt men hittills bara fokuserat på att få saker gjorda?
David Doan: Jag ser det som en mognadsmodell. Den som är ny inom projektledning behöver först lära sig metoderna, oavsett om man använder PMI, agila metoder eller Scrum. Efter några år behärskar man mekaniken.
Därefter kan man utvecklas från projektkoordinator till projektledare, programledare och portföljledare. Då börjar man tänka bredare på projektens påverkan. Det handlar inte bara om kostnad och effektivitet. När en produkt eller tjänst levereras tidigare kan användarna dra nytta av den och resultaten kan uppnås snabbare.
Projektledare måste också kunna beskriva avkastning ur flera perspektiv – inte bara ekonomiska besparingar eller minskat antal återinläggningar, utan också hur resultatet påverkar en befolkning, ett samhälle eller en marginaliserad grupp.
Detta måste läras ut, tränas och stödjas. Projektkontor och ledare behöver ge projektledare möjlighet att utvecklas strategiskt. Människor vill förstå vilken påverkan deras arbete har och vilket arv de lämnar efter sig.
Galen Low: Det är ett tydligt svar. Det är aspirerande men inte något som förväntas från dag ett. Det är en mognadsmodell. Många projektledare gör redan delar av detta utan att få erkännande.
När man slutar se projektledning som enbart omfattning, tidplan, budget och mätbara ekonomiska resultat ser man att arbetet handlar om människor, samarbete, perspektiv och resultat. Resan kan fortsätta uppåt.
David Doan: Jag vill utmana projektledare som lyssnar: när ni avslutat ett AI-projekt inom vården, går ni tillbaka till slutanvändaren och frågar hur tekniken fungerade? Känner de förtroende för tekniken? Den kvalitativa återkopplingen kan visa vad som fungerar och vad som behöver förbättras.
Vi är bra på att markera att ett projekt är framgångsrikt, men vi går inte alltid tillbaka till mottagarna av det vi byggt och undersöker nya förbättringsmöjligheter. Det är en viktig koppling till de mänskliga användarna.
Galen Low: Jag är själv skyldig till det. Från byråvärlden rullar man av ett projekt, går vidare till nästa och hinner inte alltid se tillbaka. Men inom vården påverkar man riktiga människors liv. Där finns en möjlighet att återkomma, utvärdera resultaten och fortsätta förbättra lösningen.
För personer som vill gå över till att leda vårdprojekt: vilka färdigheter och kunskaper bör de söka? Måste de bli läkare eller sjuksköterskor?
David Doan: Nej, absolut inte. Man behöver inte vara kliniker för att bidra i ett vårdprojekt. Tvärtom behövs personer med nya perspektiv och erfarenheter från andra branscher för att bryta vårdens isolering.
En projektledarutbildning eller PMP-certifiering ger en grund eftersom projektledning kan tillämpas i alla branscher. Därefter behövs ledarskap, påverkan och effektiv kommunikation för att skapa förändring.
AI- och datakompetens är också värdefull. AI börjar med datastyrning, normalisering, standardisering och dataintegritet. Det behövs fler människor som vill lära sig om data och AI.
Man bör också förstå att vården är starkt reglerad, liksom finans- och banksektorn. Det är bra att lära sig mer om krav från CMS, CDC, HIPAA och den amerikanska läkemedelsmyndigheten.
Empati är dessutom viktigt. Många har en personlig erfarenhet av vården genom sig själva, en familjemedlem eller någon de känner. Den erfarenheten kan skapa motivation och nyfikenhet. Empati hjälper projektledaren att förstå dem som faktiskt ger vården och att översätta mellan teknik, data, infrastruktur, kvalitetssäkring och klinik.
Man behöver alltså inte vara kliniker. Vården välkomnar ingenjörer, ekonomer och andra som bidrar med olika perspektiv och färdigheter.
Galen Low: Jag tycker om att nästan alla har en berättelse om en egen vårdresa eller någon närståendes. Den erfarenheten kan driva nyfikenhet. Det är inte en hemlig kunskap gömd någonstans. Regelverket kan vara svårt, men det finns tillgängligt och alla lär sig.
David Doan: Bra sammanfattat, Galen.
Galen Low: Det här har varit väldigt roligt. Vi skulle kunna fortsätta i dagar. Jag skulle gärna ha dig tillbaka för att tala om mätbara hälsoutfall. Men för att avsluta: har du en fråga till mig?
David Doan: Jag har väntat på det här tillfället eftersom jag också vill lära mig av dig. Vilken större trend eller förändring i tankesätt ser du inom digitala projekt utanför vården, och vad kan vården lära av andra branscher?
Galen Low: Jag tror att det handlar om samarbete och korsbefruktning mellan roller som vanligtvis inte talar med varandra. Digitala team förväntas göra mer med mindre, vilket leder till att roller kombineras. Någon kan vara både verksamhetsanalytiker och projektledare, eller kundansvarig och affärsutvecklare.
Vi ser också att fler olika roller kommer in i projekten. Jag arbetade till exempel med en lingvist i ett projekt för naturlig språkbehandling av kunddata och kundfeedback. När människor med olika kunskaper möts kan teamets perspektiv breddas.
I alla branscher kan vi bli bättre på att välja teammedlemmar med olika erfarenheter, lära av varandra och utveckla fler än en kompetens. Det kan vara en tillgång i AI-eran, även om det återstår att se hur arbetsmarknaden utvecklas.
David Doan: Det var mycket användbart, Galen. Vården kan verkligen dra nytta av det. Jag hoppas att samtalet väcker nyfikenhet hos dig och andra.
Galen Low: Absolut.
David Doan: Det har varit mycket givande att utbyta frågor och svar. Jag har lärt mig mycket.
Galen Low: Detsamma här. Det har varit ett fantastiskt samtal. Tack för din tid. Var kan lyssnarna lära sig mer om dig och ditt arbete?
David Doan: Jag är relativt aktiv på LinkedIn och välkomnar människor att ta kontakt. Jag har också börjat skriva en LinkedIn-blogg om vård, teknik, hälsomässig jämlikhet, projektledning och samhällsengagemang.
Galen Low: Det är väldigt intressant. Jag tar med länkar till din LinkedIn-profil och blogg när avsnittet publiceras. Tack igen, David.
David Doan: Tack så mycket, Galen, för samtalet.
Galen Low: Det var allt för dagens avsnitt av podden The Digital Project Manager. Om du uppskattade samtalet kan du prenumerera där du lyssnar. Om du vill ha ännu fler praktiska insikter, fallstudier och spelböcker kan du besöka thedigitalprojectmanager.com.
Tills nästa gång – tack för att du lyssnade.
