Så leder du organisatorisk AI-förändring i ett komplext företag

Galen Low: Är det värt ansträngningen att försöka bryta ner stuprören och samordna synen på AI inom en enorm organisation? Är det ens möjligt?

Deborah Ketai: Om de hoppar över det steget kommer de att dra på sig mycket skuld – teknisk skuld, kunskapsskuld och annat – som kommer att göra framtida projekt dyrare och svårare.

Galen Low: Du nämnde att det inte bara handlade om generativ AI, utan att detta faktiskt mer liknade en grundläggande förändring.

Deborah Ketai: Vi hade egentligen tre mål – kompetens, rörlighet och bibehållande – för att uppmuntra samarbete mellan dessa AI-team så att de inte uppfinner hjulet på nytt. Det tredje målet var en kulturell förskjutning: att uppmuntra verksamhetens förespråkare att överväga AI-lösningar på sina affärsutmaningar.

Galen Low: Vissa personer ombeds att ha en dubbelroll. Behöver alla projekt förändringsledning?

Deborah Ketai: Alla projekt kräver inte förändringsledning. Kompetenserna är olika men överlappar varandra. Programledare behöver komma närmare den plats där strategin utformas, för att vara transparenta när de återkopplar till ledningen var det sannolikt finns bristande samordning.

Galen Low: Välkommen till podden The Digital Project Manager – programmet som hjälper leveransansvariga att arbeta smartare, leverera snabbare och leda bättre i AI-åldern. Jag heter Galen, och varje vecka går vi igenom verklighetsnära strategier, nya verktyg, beprövade ramverk och ibland en krigshistoria från projektets frontlinjer. Oavsett om du styr enorma omvandlingsprojekt, hanterar AI-arbetsflöden eller bara försöker hålla kaoset under kontroll har du kommit rätt. Då sätter vi igång.

Okej, idag tittar vi bakom kulisserna på hur en programledare och hennes team skapade en praktikgemenskap inom ett enormt vårdföretag. Gemenskapen hjälpte till att avlägsna stuprör och samordna synen på AI inom verksamheten.

Min gäst idag är just denna programledare, Deborah Ketai. Deborah är certifierad förändringsledare och programledare, senast för en enorm USA-baserad vårdgrupp, där hon byggde livskraftiga gemenskaper kring AI, mångfald, jämlikhet och inkludering samt kontroller för dataöverföring. Deborah har också varit mycket aktiv i att bygga projektledningsgemenskapen som styrelseledamot och ansvarig för programportföljen i en regional PMI-avdelning.

I det här avsnittet ska vi gå igenom hur Deboras vardag såg ut som programledare för ett stort initiativ för organisatorisk förändring kring AI, om organisatorisk förändring kopplad till AI och maskininlärning behöver hanteras annorlunda, vad team av alla storlekar kan lära sig av spelböckerna hos företag som genomför omfattande AI-omvandlingar, samt om rollen som projekt- eller programledare kommer att utvecklas så att den omfattar förändringsledning och vad det kan innebära för projektledarkompetensen.

Deborah, stort tack för att du är här idag.

Deborah Ketai: Tack för möjligheten, Galen.

Galen Low: Jag ser verkligen fram emot det här samtalet, eftersom du har varit så djupt involverad som programansvarig och förändringsledare för ett enormt vårdföretag, precis när AI började göra intåg.

I våra samtal inför detta har du nämnt saker som att bryta ner stuprör mellan divisioner och intressentgrupper, genomföra utbildningar och hackathon, hantera oro kring risker och efterlevnad samt få AI-praktiker och kanske även blivande AI-praktiker att vara på samma sida.

Så jag tänkte börja med en brännande fråga som jag tror att mina lyssnare vill ha svar på. Är det värt ansträngningen och energin att försöka bryta ner stuprör och samordna synen på AI inom en enorm företagsorganisation? Är det ens möjligt? Och vad skulle hända om en organisation som den du arbetade med helt hoppade över det steget?

Deborah Ketai: Det är en riktigt bra fråga, Galen, och jag är glad att du ställde den. Jag tror att samordning kommer att vara avgörande och att nedbrytningen av stuprör kommer att vara en stor del av detta. För det första behöver företag etablera styrning för data och AI. De behöver samordna sina resurser och förväntningar kring utveckling eller inköp av AI-verktyg.

Och om de vill ha en AI-först-kultur – vilket de kommer att behöva om deras konkurrenter gör det – måste de fundera på vad det innebär för deras medarbetare, både nu och i framtiden. Som ett minimum behöver de bryta ner stuprören för att undvika risken för cybersäkerhetsincidenter.

Om de hoppar över steget att bryta ner stuprören kommer de också att dra på sig mycket av det vi kallar skuld: teknisk skuld, kunskapsskuld och så vidare. Det kommer att göra framtida projekt dyrare och svårare. Jag tycker att det finns tre områden där jag har brutit ner stuprör. Du nämnde egentligen alla.

AI, systemdriftskontroller och samhällsengagemang som ansvarig för gemenskapsengagemanget i den näst största personalresursgruppen på United Health Group. Och i viss utsträckning även genom ett mentorsprogram, där jag bröt ner stuprör efter fusioner och förvärv. Jag tror alltså att det finns många olika steg och kompetenser som projekt- och förändringsledare behöver fokusera på när det gäller att bryta ner stuprör.

Det ena är att skapa empati mellan olika grupper genom att göra dem bekanta med varandra: korsutbildning, jobbskuggning, mentorskap och coachning. Ledningen behöver skapa och få stöd för en vision om hur det skulle se ut och vilka fördelarna skulle vara med att bryta ner stuprören. De behöver skapa och fokusera på beröringspunkter, processer och kommunikationskanaler som för samman stuprören.

De behöver också fokusera på att undanröja hinder för att föra människor samman, till exempel olika datakällor, som är ett av de stora hindren.

Galen Low: Det jag verkligen gillar med ditt svar är att jag tänkte på att bryta ner stuprör som att hjälpa olika grupper i en organisation att förstå varandra.

Jag gillar inramningen att det på sätt och vis är allas problem. Det är ett lagarbete. Det handlar inte bara om kumbaya – att vi alla ska förstå varandra och komma överens. Det handlar också om att när det gäller datastyrning, efterlevnad och säkerhet är alla på något sätt ansvariga för sin del, och alla behöver på sätt och vis sjunga från samma sångbok och vara överens om vad effekten eller resultatet av denna samordning är.

Det måste också vara överenskommet och förstått på ledningsnivå, så att det inte bara blir denna kulturella förskjutning, som är ett vagt ord vi använder hela tiden, särskilt kring AI, utan faktiskt handlar om risk. Det handlar faktiskt om avkastningen på investeringen i att skapa samhörighet och enighet.

Och även kostnaden för att göra fel, att inte ha dessa samtal och sedan ta på sig en risk eller få en risk förverkligad som kan vara mycket dyr och skadlig. Den risken hade kanske kunnat undvikas om människor var på samma sida. Jag gillar hur konkret det är.

Deborah Ketai: Det kan vara både luddigt och konkret.

Galen Low: Jag gillar det. Luddigt och konkret, och även teknikkomponenten.

Deborah Ketai: Hon är en sorts konkret person, så det finns det också.

Galen Low: Jag älskar det. Jag undrar om vi kan zooma ut lite. Som du antydde hade du tidigare en roll på en stor amerikansk vårdgrupp, där ditt ansvar faktiskt var att leda förändringsledningsprogram och initiativ inom många områden, och senast tror jag AI och maskininlärning.

Det leder tillbaka till min nyfikenhet: hur såg din vardag ut i den rollen och vilka resultat förväntades av dig?

Deborah Ketai: Som ofta är fallet med förändringsledning var min största insats förmodligen det inledande arbetet med att definiera målen, vilka framgångsmåtten skulle vara, vilka som skulle involveras och så vidare. Vi hade egentligen tre mål – kompetens, rörlighet och bibehållande – inom AI-området. Det här var ett enormt företag på Fortune 5-nivå. AI pågick i olika fickor överallt. Och låt mig vara tydlig: när jag talar om AI i det här sammanhanget menar jag inte bara generativ AI, utan även prediktiv analys, bärbara enheter och sensorer samt sakernas internet.

Mitt andra mål för programmet var att uppmuntra samarbete mellan dessa AI-fickor, så att de inte uppfann hjulet på nytt. Det tredje var en kulturell förskjutning: att uppmuntra verksamhetens förespråkare att överväga AI-lösningar på sina affärsutmaningar. I början ägnade jag mycket tid åt att identifiera och segmentera intressentgrupperna.

Jag samarbetade med en specialist på AI-rapportering och analys för att göra detta och fastställa deras behov samt ta reda på hur vi bäst kunde nå dem. Resten av programmet handlade huvudsakligen om att skapa möjligheter för dem att lära, dela och bygga gemenskap, anpassat till de olika grupper och segment jag hade identifierat. Mina projekt inom programmet bestod av tre delar: evenemang som en intern konferens och hackathon; innehåll som poddar, artiklar och presentationer; samt gemenskap, interna sociala medier och kunskapsdelning.

Sedan fanns det en fjärde del, riskhantering, där jag rådgav styrkommittén om styrning, efterlevnad och säkerhet.

Galen Low: Det är ett stort program. Ja. Det är roligt, för i min gemenskap pratar vi ofta om att få ett direktiv överlämnat till sig och behöva genomföra det, men du började längre bak. Och inte nog med det – det intressanta är också tidsramen. Du nämnde att det inte bara handlade om generativ AI.

På den tiden var generativ AI relativt nytt i affärsvärlden när det gällde vardagliga affärstillämpningar, men detta handlade mer om grundläggande förändring, i förväntan på att större och mer specifika förändringar skulle komma i framtiden. Det handlade mer om att föra människor samman. Det är verkligen intressant att du har gjort det igen, för gemenskap kan vara något luddigt, men avkastningen på investeringen och riskhanteringen i att föra människor samman så att de förstår varandra, kan korsutbilda varandra och samarbeta bygger grunden för det som kommer härnäst.

Det är i sig riskhantering. Jag gillar verkligen den tanken, eftersom jag tror att uttrycket praktikgemenskap – och även ordet gemenskap i allmänhet – används så ofta att värdet inte förstås brett.

Det är inte lika vetenskapligt som många företagsledare och chefer skulle önska. Men jag tycker att du har träffat huvudet på spiken: genom att göra dessa saker skapar man ett slags väv, enighet och sammanhållning mellan åtskilda grupper som förstår världen på olika sätt och försöker få dem att hamna på samma sida.

Jag gillar verkligen det. Jag tänkte faktiskt på två saker. För det första tänkte jag på det du nämnde om företagsledare och att få dem samordnade kring hur tekniken kan användas i verksamheten. Det är roligt att prata om det nu, 2025, när alla jagar efter alla AI-verktyg. Men upplevde du att du behövde övertyga människor om att AI faktiskt var något värt att investera i och diskutera?

Deborah Ketai: Ja. Jag tror att det fanns två nivåer av detta. Den ena var att företagsledare ofta helt enkelt inte hade övervägt AI som en möjlig lösning på problem. Oavsett om problemen handlade om bedrägerier inom vården eller diagnostisk bildbehandling fanns det så många områden där AI kunde användas, men de tänkte helt enkelt inte på det.

Det andra steget var att hjälpa dem att komma i kontakt med personer som hade tillräcklig kunskap för att bryta ner AI-koncepten åt dem och förklara: Okej, finns detta redan? Kan det finnas inom en nära framtid? Och vilka är riskerna, kostnaderna och den möjliga avkastningen med att använda dessa lösningar?

Sedan behövde de jämföra det, eftersom AI aldrig kommer att vara den universella gyllene nyckeln till problemet. De var fortfarande tvungna att överväga sina andra, icke-AI-baserade lösningar också.

Galen Low: Det är verkligen intressant hur det så tydligt visar hur viktig kompetensen är. Det var det första du nämnde: att du faktiskt använde ett datavetenskapligt, analytiskt angreppssätt för att identifiera kompetenser och intressentgrupper i hela organisationen, förstå vilka grupper du arbetade med och vilka kompetenser de hade och behövde.

För att möjliggöra denna kunskapsdelning så att alla kunde utvecklas, eller hur? Det lyfter nästan alla båtar, särskilt inom området som vi brukade kalla möjligheternas konst. Vi behöver veta vad tekniken kan göra. Vi måste förstå att den inte är någon silverkula.

Vi måste förstå hur den passar in i ekosystemet av annan teknik och andra metoder. Och dessutom är insatserna mycket höga inom vården. Det finns mycket efterlevnad och reglering att ta hänsyn till, och i grunden handlar det om människors liv och försörjning.

Det är det som står på spel och därför är det värt att föra samman alla dessa grupper, identifiera vem som kan rätt saker och vem som kan utbilda och korsutbilda andra, så att vi får ett starkare team som förstår varandra, visar empati, har arbetat tillsammans och kan driva lösningar som kanske är enbart AI-baserade, kanske kombinerar AI med annan teknik, kanske kombinerar AI med medicinteknik eller helt enkelt handlar om processer.

Oj, vilket stort arbete. Av nyfikenhet, eftersom det är ett så stort program: hur börjar man ens mäta den förändringen för att veta om den fungerar? Som bakgrund har min organisation svårt med detta. Vi vill samla alla, ha hackathon och för några månader sedan stängde vi ner verksamheten i en vecka för att som team utforska olika AI-lösningar och olika sätt att använda så kallad vibekodning.

Men hela vägen tänker vi: Kommer det här att vara värt det? Vi ska stänga ner, lägga all denna tid och energi på att skapa ett resultat. Resultatet var ganska tydligt, men vi hade också svårt med detta: Hur vet vi om det fungerade? Hur vet vi om det fungerar? Vad mätte du, eller ombads du mäta, för att avgöra om korsutbildningarna och utbildningstillfällena fungerade, eller om hackathonen fungerade?

Deborah Ketai: Jag medger att mätvärdena var den svåraste delen av programmet för mig. Mycket berodde på att en del av de data vi ville följa helt enkelt inte fångades i våra HR-system och andra system. Det gick till exempel inte att följa karriärrörlighet i HR-systemet. Eftersom det var ett Fortune 5-företag som till stor del hade vuxit genom fusioner och förvärv fanns dessutom resterna av gamla HR-system kvar. Samma typ av roll hade ofta 15 olika titlar eller befattningskoder i organisationen, vilket gjorde livet mycket svårt.

Vi fick därför ofta förlita oss på mycket enkla mätvärden eller ersättningsmått, inte sådant man vill arbeta med på lång sikt. På längre sikt skulle vi ha samarbetat med HR för att samla in mer data, men vi fick börja med enkla saker som engagemang i innehåll. Vi införde olika typer av webbanalys för sociala medier, webbplatsen och mikrosajterna. Vi registrerade självklart också konferensdeltagande.

Vi var mycket intresserade av att se till att AI-praktikergemenskapen blev mångfaldig. Det krävde alla möjliga typer av data när vi bjöd in talare till denna tredagarskonferens med fyra spår. Vi såg till att presentatörerna hade olika kön och kom från olika geografiska platser globalt. Vi tittade på alla möjliga mångfaldsmått, även olika åldrar.

Och återigen var mycket av den datan ofullständig. Mycket saknades helt och hållet och en del var missvisande. Om programmet hade fortsatt längre – det avslutades tyvärr i förtid av flera orsaker som inte hade något med själva programmet att göra – tror jag att vi hade kunnat hitta bättre sätt att fastställa och följa upp mer lämpliga data.

Galen Low: Jag gillar angreppssättet: Vad har vi att arbeta med och hur kan vi använda det för att bedöma framdriften? Just nu arbetar jag i en organisation där vi fortfarande kan omfamna vår personal – inte fysiskt, utan jag menar att vi fortfarande vet att en viss person är bra på x och y.

Vi har inget omfattande HRIS-system. Den här kompetensmatrisen är inte särskilt formaliserad. Vi vet bara att den här personen skulle vara bra och kan sin sak. Kanske kan personen hålla en lunchutbildning. När man talar om företag i stor skala, och jag tänker på min tid på en konsultbyrå med 500 000 anställda, blir det nästan mer som en massmarknadsmodell. När man planerar en extern konferens eller bygger en plattform för sociala medier och söker engagemang tittar man på saker som biljettförsäljning och deltagande.

Man måste se på datan sammantaget och hoppas att människor fyller i en enkät på väg in eller ut om vilka de var, vad de gör och vad de tycker om. Det är den data man får arbeta med. Jag gillar tanken att om det hade fortsatt hade man kunnat bygga ett HR-system med mer strukturerad och ren data om människor och deras kompetenser, för att fatta beslut om gemenskaper och evenemang, men också om bemanning.

Man behöver nästan AI för att bygga nästa generations identifiering av intressenter i den skalan. Jag gillar att det faktiskt är signalbaserat. Man försöker inte gräva för djupt i data man inte har, önskar att man hade den och sedan låter sig låsas av det, utan är kreativ och arbetar med det man har.

Det du sa om befattningstitlar och befattningskoder – vilket kaos. Jag har arbetat i organisationer där fusioner och förvärv är en veckoritual. Det är så rörigt och det finns så många delar att man undrar hur man ens ska veta vilka man har nu. Jag kan verkligen förstå arbetet med att försöka ta reda på vem som gör vad, vem som ska sitta vid bordet och vem som kan tala på ett evenemang utan att missa någon.

Som: Varför frågade ni inte den här personen, som är vår expert på detta? Personen fanns inte i systemet.

Deborah Ketai: Precis. Å andra sidan har man när man arbetar med en teknikrelaterad förändring fördelen att man har användarstatistik och analyser av olika slag. Man kan åtminstone använda dem för att ta reda på vem som använder Hugging Face eller vad det nu kan vara.

Galen Low: Är Hugging Face ett verktyg?

Deborah Ketai: Hugging Face tillhandahåller små områden där man kan skapa sina egna generativa AI-modeller.

Galen Low: Okej. Just det. Jag tänkte direkt på Ridley Scotts Alien-filmer. Aliens som hoppar upp och griper tag i ansiktet. Jag tänkte att det nog inte var det Deborah menade.

Deborah Ketai: Det var förmodligen det grundarna föreställde sig, eller hur?

Galen Low: Ja, precis. Kan vi inte bara ha en sak som hoppar ut ur skärmen och suger data ur hjärnan? Det slår mig att du verkligen brinner för förändringsledning, och inte bara förändringsledning inom AI. Du har arbetat med initiativ för mångfald, jämlikhet och inkludering samt andra datainitiativ.

Jag undrar om förändringsledning behöver hanteras annorlunda när det gäller AI, eller om det i princip är samma spelbok som vid andra typer av organisatorisk förändring?

Deborah Ketai: Det finns vissa skillnader. För det första kommer allt som rör AI och maskininlärning att gå snabbare och snabbare med tiden.

Inlärningskurvan är exponentiell. Jag tror att personer som ska leda förändringsinitiativ, projekt eller program inom AI-området behöver förstå grunderna i dataprocesser, infrastruktur och anpassning till strategiska mål. Inom förändringsledning behöver man alltid stöd från toppen.

Man behöver stöd från mellanchefer, eftersom de ska förklara vad förändringen innebär för medarbetarna. Och man behöver mekanismer för att medarbetarna på gräsrotsnivå ska kunna föra idéer och attityder tillbaka upp till toppen. Det finns också frågan om motstånd mot AI som koncept, oavsett om det handlar om den omedelbara reflexen: Är mitt jobb säkert? Svaret är kanske, kanske inte.

Är någons jobb säkert i vår tid? Det finns en brist på förståelse. Det saknas ofta transparens, både kring hur AI används inom ett företag och kring verktygen själva, hur de fattar beslut eller – om man tillåter dem att fatta beslut – hur de kommer fram till sina resultat.

Det finns gott om rädsla och risker, så jag tror att det finns ett särskilt område inom förändringsledning för personer som arbetar med AI-relaterade förändringsinitiativ. Men de grundläggande principerna för förändringsledning är desamma.

Galen Low: Det känns rimligt för mig när det gäller sakerna du nämnde om stöd och transparens.

Det som verkligen fastnade hos mig var förändringstakten och att det inte bara handlar om en enda förändring. I organisationer jag har arbetat i tidigare finns det ett förändringsledningsteam. De hanterar den förändringen och går sedan därifrån tills de behövs igen för nästa stora förändring.

Men här talar vi faktiskt om kontinuerlig förändring på något som inte är instabilt, men kanske på skakig mark. Det du sa om anställningstrygghet, rädsla för tekniken och beslutsfattande i en svart låda är saker som förstärker hur människor upplever förändring.

Sedan förvärras det av att förändringen inte tar slut. Jag tänker på Hungerspelen: Om det bara fanns en omgång och man klarade sig kunde man säga att man var säker för alltid. Så är det inte. Det är kontinuerlig förändring.

Jag blev en gång tillrättavisad för att jag sa ständig förändring, eftersom ständig betyder något annat, men den kontinuerliga förändringen är det som gör det komplicerat. Det är inte längre en rak linje, som linjär förändringsledning. Det är cykliskt, en förändringscykel som nästan behöver hanteras kontinuerligt eftersom förändringen inte har upphört.

Deborah Ketai: Precis. Även inom de enskilda AI-insatserna sker ständig förändring. Datan förändras över tid. Det finns alltså alla möjliga saker som projektledaren, förändringsledaren eller båda måste ta hänsyn till, och som skiljer sig beroende på den vetenskap som är involverad.

Men som jag sa är det ett litet område jämfört med grunderna i projektledning och förändringsledning. De är desamma.

Galen Low: Ja, ramverken är desamma. Det som fyller dem kommer alltid att vara annorlunda. Vi kunde väl inte göra det för enkelt för oss? Det kommer att finnas nyanser och komplexitet beroende på vilken typ av förändring det är.

Deborah Ketai: En komplexitet som jag tror att människor först nu börjar inse är att AI i allt högre grad, särskilt generativ AI, själv är en intressent. Den har sina egna mål och attityder och kommer att agera annorlunda och ibland i strid med det man vill, baserat på dessa interna realiteter.

Galen Low: Det är intressant. Jag gillar verkligen det. Vi har talat i gemenskapen om att nästan lägga till sina AI-verktyg i projektets kommunikationsplan, eftersom de blir en källa till sanning eller information. Vi behöver alltså kommunicera uppdateringar till dem, till exempel ladda upp mötesprotokoll så att verktygen är uppdaterade.

Jag gillar tanken att de har sina egna attityder och perspektiv. För två år sedan hade det låtit som science fiction, men det gör det inte riktigt längre. Vi talar om agentiska arbetsflöden och om att eftersträva generell artificiell intelligens.

Vi är inte där än, men redan nu behöver vi ta hänsyn till detta eftersom det är så systemen är byggda: särskilt generativ AI är utformad för att anpassa sig efter en enskild användares preferenser och kanske bete sig annorlunda inför en annan användare. Det är förmodligen likadant med människor, men jag gillar tanken att AI måste räknas som en intressent, att den själv förändras och på sätt och vis själv behöver förändringsledning för att förstå förändringarna runt omkring.

Deborah Ketai: Jag tänker mycket på det som tron på Gud. Jag tycker inte att man måste tro på Gud.

Jag tycker inte heller att man måste tro på generell artificiell intelligens för att inse att världen, eller det sätt på vilket artificiell intelligens agerar, ibland kan verka ha en personlighet eller som om den hade en gudomlig utformning. Därför måste man ta hänsyn till detta och se hur man kan begränsa, styra och så vidare – annars riskerar man att händelser och situationer man inte kan kontrollera tar över.

Galen Low: Jag känner att vi borde trycka några tröjor med texten: AI verkar på mystiska sätt. Det är inte direkt osant. Hela tiden tänker jag på dig och din bakgrund, din roll som program- och förändringsledare.

Du är djupt involverad i projektledningsgemenskapen, och i min gemenskap finns det personer som ombeds ha en dubbelroll. De ska vara både projektledare och förändringsledare. Med andra ord håller rollerna som projektledare och förändringsledare på att förenas, och det verkar bli allt vanligare.

Jag vill höra din syn på saken, eftersom du själv har erfarenhet av det. Behöver alla projekt förändringsledning, och behöver alla projektledare förstå förändringsledning?

Deborah Ketai: Nej, alla projekt kräver inte förändringsledning. Den ortodoxa synen är i princip att projekt som är komplexa och riskerar att inte realisera sina nyttor om människor inte börjar använda resultatet efter införandet behöver förändringsledning. Och jag talar inte bara om teknikprojekt.

Jag tycker inte att det är rimligt att förvänta sig att projektledare ska vara förändringsledare, men det har blivit normen i många organisationer.

Kompetenserna är olika men överlappar varandra. Det jag brukar fokusera på är att skälet till att ha separata roller handlar om tidslinjerna. Traditionellt får projektledare inte möjlighet att följa upp och verkligen säkerställa att en förändring blir varaktig.

Galen Low: Intressant. Ja.

Deborah Ketai: Det är verkligen avgörande.

Om PMO:t, verksamheten eller den som styr projektledningsprocessen inte är beredd att erkänna och finansiera projektledarnas möjlighet att säkerställa att förändringen består, tycker jag inte att det är meningsfullt att låta projektledare sköta förändringsledning. Men de måste förstå varandra.

Jag tror att det kommer att bli allt vanligare och mer hjälpsamt att ha integrerade planer för projektledning och förändringsledning. För projektledare som tvingas eller vill arbeta med förändringsledning finns det flera saker som vore värdefulla att lära sig, bland annat grundläggande koncept.

De behöver förstå att framgångsrik förändring måste komma från toppen, botten och mitten av företagshierarkin. Beroende på organisation kan de behöva kliva in i rollen som kommunikationsansvarig. De kan behöva samarbeta med företagets funktion för lärande och utveckling eller till och med själva ta den rollen.

Om företaget saknar en sådan funktion kan de behöva etablera eller omkonstruera processer. Sådant är inte nödvändigtvis ett starkt fokus för de flesta projektledare. Det finns inom projektledning, men inte i samma utsträckning som för förändringsledare.

Det andra är att både enskilda projektledare och projektledningsorganisationer måste vara beredda att lägga mycket tid och kraft tidigt på olika typer av bedömningar: intressentbedömningar, konsekvensbedömningar och beredskapsbedömningar. Utan detta kommer förändringen inte att lyckas.

Införandet kommer inte att lyckas, eller så lyckas det först och faller sedan tillbaka.

Galen Low: Jag gillar den tidsmässiga aspekten. Även det du beskrev tidigare om ditt uppdrag och din vardag var så övergripande och grundläggande att det nästan i sig var ett initiativ, vilket man kan hävda är ett projekt, men det lade också grunden för andra projekt. Att samordna ett hackathon skulle till exempel vara ett projekt där någon helst skulle ta ledningen och leverera resultatet.

Du gjorde allt detta inledande grundarbete för att skapa förändringen och sedan finns det en längre period än själva projektet där förändringen mäts. När vi pratar med personer på Project Management Institute är ett av de stora fokuserna nu att driva resultat och göra mer än att bara hantera järntriangeln, samt att ta större ansvar för det värde vi levererar.

Det leder till frågan: Vi är inte alltid kvar för att se förändringen förverkligas. Skapar vi förutsättningar för framgång om vi bara går vidare till nästa projekt och inte har något att göra med hur effekten mäts över tid? Är dessa saker ens förenliga?

Deborah Ketai: Jag tror att det finns ett par tankar där. En som dyker upp är att en av grundprinciperna i det tidiga agila arbetssättet var dedikerade team. Det var en av de första sakerna som försvann när arbetssättet faktiskt infördes i de flesta stora organisationer. Faktum är att någon måste vara dedikerad till uppföljningen.

Man kan kalla dem en del av teamet eller ett team som sitter ovanför stridslinjen och kommunicerar med de team som kommer och går, men någon måste göra det.

Galen Low: Jag gillar att du tidigare beskrev det som en investering.

Med andra ord måste en ledningsgrupp vara beredd att investera i en dedikerad person eller ett dedikerat team som övervakar detta. Jag tänker på min tid inom konsultverksamhet, där vi hade en helt separat division för förändringsledning. Nu börjar jag förstå varför: deras perspektiv var annorlunda.

Det började tidigare och slutade senare när det gällde att hantera förändring och mäta effekten av förändringen. Sedan finns mitten, där projektet genomförs och levereras. Det vore förmodligen inte en lönsam investering för ett företag att behålla projektteamet i 18 månader bara för att mäta resultaten och inte göra något annat.

Teamet behöver gå vidare. Jag gillar tanken att investeringen kan vara en dedikerad person eller grupp som övervakar förändringen, och att den rekommenderade riktningen kanske inte är att projektledare också ska vara förändringsledare. Kanske kan man växla mellan rollerna: vara förändringsledare i ett initiativ och projektledare i ett annat, en roll i taget.

Inte båda samtidigt, eftersom det är svårt att ansvara för att mäta effekten om man går vidare till ett annat projekt efter lanseringen. Det får mig att zooma ut lite och tänka på rollen som projekt- eller programledare.

Hur tror du att programledarens roll kommer att utvecklas under de kommande tre till fem åren? Och vilka färdigheter bör projektledare fokusera på idag för att vara redo när förändringen kommer?

Deborah Ketai: För programledare definierar jag rollen så här, bara för den här frågan: en person som leder en uppsättning relaterade projekt. Som helhet kan programmet ha eller sakna ett definierat start- och slutdatum. Det kan vara något som pågår kontinuerligt.

Jag tror att programledare behöver komma närmare den plats där strategin formas och kunna påverka strategin. De behöver få den högsta ledningen att klargöra prioriteringar och mål, samt vara transparenta när de återkopplar var det sannolikt finns bristande samordning och var investeringar sannolikt inte kommer att ge rätt avkastning.

De behöver kunna säga att avkastningen kanske blir viktig på lång sikt, men att den inte kommer att ge tio gånger pengarna under nästa räkenskapsår. Den är ändå viktig. Jag tror också att programledare måste fokusera mer på företagsövergripande risker, där risk omfattar både klassiska negativa risker och möjligheter.

Galen Low: Jag älskar att du tog upp det, eftersom inte många gör det: de positiva, möjlighetsbaserade riskerna. Och det är faktiskt logiskt, särskilt med den definitionen. Jag är glad att du definierade rollen i början, eftersom jag tänker på en programägare vars program inte börjar och slutar.

Det är inte bara en samling projekt som tar slut ett visst datum. Man äger faktiskt programmet och har perspektivet att se längre än ett visst datum och tänka på verksamhetens strategi. Min fråga är: Har du märkt att ledningsgrupper vill ha programledare vid det strategiska bordet? Eller måste programledare som vill vara mer strategiska kämpa för att bli inbjudna? Hur ser den resan ut?

Deborah Ketai: Jag ska använda det klassiska projektledarsvaret: det beror på. Det beror på ledaren och på organisationskulturen.

Jag tror också att vi ofta måste vara proaktiva. Vi kan inte anta att de inte vill ha oss där bara för att vi inte bjuds in tidigt. Ibland har ingen tänkt på det. Under de kommande 3, 5 och 10 åren kommer relationsbyggande att bli en allt viktigare funktion för projekt- och programledare, dels på grund av AI:s påverkan på arbeten i allmänhet, dels eftersom de behöver komma närmare källan till makt och vision.

Jag tror också att de mest framgångsrika projekt- och programledarna under de kommande tre till fem åren kommer att vara de som suddar ut gränserna mellan verksamheten och IT. De som kommer från en IT-bakgrund måste verkligen lära sig vad som får verksamheten och branschen att fungera. De som kommer från en verksamhetsbakgrund måste lära sig hur olika delar av verksamheten kan dela data och information.

Om det handlar om vård måste de förstå grunderna i allt från att behandla anspråk till att samla in pengar. Den gränsen kommer alltså att suddas ut med tiden.

Galen Low: Jag gillar hur pragmatiskt det är. Det finns många inlägg på LinkedIn och i andra medier som nästan säger att man måste slå om en brytare i morgon, bli strategisk ledare och sitta vid bordet direkt.

Men jag uppskattar din syn: det tar tid. Man behöver vara den person som lyfter risker och visar att man förstår verksamheten, eller visar att man förstår tekniken i sin nuvarande roll, och sedan sträcker sig upp mot och växer in i nästa roll.

Det är en realistisk bild av hur förändringen faktiskt sker. Alla säger att AI kommer att lyfta alla, men sedan stannar vi där. Ingen av oss vet riktigt vad det betyder. Men det är detta det betyder: börja bygga dessa färdigheter och relationer nu. Det är inte så att man inte är välkommen vid bordet; människor vet bara ännu inte att man bör sitta där. Det tar tid.

Sedan får man förhoppningsvis perspektivet och utrymmet att se saker ur ett verksamhetsstrategiskt och teknikstrategiskt perspektiv, inte bara genom projektets omfattning och budget.

Deborah Ketai: Precis. Tänk på ditt eget liv som projektledare. Du vet redan att det finns andra personer som inte bjuds in tillräckligt tidigt, exempelvis testteamet eller personer inom efterlevnad och säkerhet. Vi har alla problemet att inte komma in i samtalet tillräckligt tidigt.

Om du behöver en öppning in i den världen kan det ibland vara bra att helt enkelt be om att få delta i möten och lova att du bara ska vara en fluga på väggen. Du ska inte ingripa eller göra något, men åtminstone vara där. Ha möten med chefer på högre nivå så att du kan låta några av dina idéer eller farhågor sippra uppåt.

Galen Low: Jag gillar det. Det för oss nästan tillbaka till början, när du talade om att få rätt perspektiv och kompetenser i samma rum, låta dem utbyta kunskap och korsutbilda varandra samt bygga gemenskap.

Om vi alla kan se saker ur varandras perspektiv – eller åtminstone börja se vissa saker ur samma perspektiv – är det ett band som lyfter alla båtar. Det skapar sammanhållning och ger oss möjlighet att arbeta tillsammans på ett samordnat sätt för att hantera förändringarna och utmaningarna framför oss, snabbt och i stor skala.

Deborah Ketai: Jag håller med.

Galen Low: Vilken fin avrundning. Deborah, stort tack för detta. Bara för skojs skull, har du en fråga du vill ställa till mig?

Deborah Ketai: Ja. Jag vet inte om du vill svara, men vad är en sak du skulle vilja göra med AI men antingen är rädd för eller inte vet hur man gör?

Galen Low: Oj. Listan är lång, men jag är mycket nöjd med hur många av mina generativa AI-verktyg fungerar som tankepartners. Jag har ännu inte släppt dem helt fria att vara autonoma – inte bara agentiska arbetsflöden, utan något som liknar en projektkoordinator eller assistent, en människa vid min sida som kan ta en uppgift och driva den vidare med begränsade instruktioner.

Jag vet att det är ungefär detta människor försöker bygga, men som jag ser det handlar många agentiska arbetsflöden mer om intelligent automatisering än om att faktiskt vidta åtgärder. Jag skulle vilja kunna formulera en instruktion till min assistent och be den utföra några saker i olika verktyg.

Jag tänker på agentläget i ChatGPT och kanske behöver jag experimentera mer med det. Men det handlar om administration över flera verktyg på begäran, när något händer, snarare än en AI-agent som arbetar i bakgrunden. Jag längtar efter en mer mångsidig assistent som är delvis autonom och delvis styrd av instruktioner, så att den kan ta bort en del av min tidsåtgång.

Jag vet inte om det är ett vagt svar, men jag befinner mig mellan dem som bygger appar med vibekodning, dem som bygger agenter som arbetar i bakgrunden och fattar egna beslut, och vanlig instruktionsteknik. För mig är det inte riktigt samma sak som att ha en assistent.

Om jag hade en mänsklig assistent som kunde gå ut och ta itu med vissa uppgifter åt mig vore det fantastiskt. Jag skulle ge instruktioner, assistenten skulle fatta vissa beslut själv och sedan komma tillbaka. Kanske är det så människor bygger agenter redan nu, men jag har ännu inte sett det.

Deborah Ketai: Det som ärligt talat hindrar mig är bristen på förtroende för vart min data kommer att ta vägen.

Galen Low: Är det den svarta lådan igen? Det här kanske får bli ett helt annat avsnitt, men jag tror att det är en av sakerna som får alla att tveka. Jag läste en artikel, men minns inte alls var. Om jag kommer på det lägger jag in den i programanteckningarna.

Det handlade om att människor börjar använda AI, men sedan stöter på en vägg. Jag minns inte ordet, men bara en viss andel använder AI för dessa typer av saker eller med den här frekvensen. Det handlar inte nödvändigtvis bara om tekniken eller förståelsen av den, utan om förtroende och transparens kring datastyrning och efterlevnad: vart tar datan vägen, vad får jag göra, kan jag koppla ihop allt och kommer det att vara säkert?

Bara tanken på detta, innan man ens börjar, skapar tvekan. Jag känner igen det helt. Jag tänker också: Tänk om det blir fel? Tänk om data skickas överallt? Allt detta sker i en svart låda. Det kan gå snett innan det faktiskt skapar någon nytta.

Deborah Ketai: Jag var nyligen på en regional ledarskapskonferens för PMI. En av parallellsessionerna handlade om AI och projektledning, och en fråga som kom upp var om det är etiskt att låta AI underlätta avdelningens massutskick via e-post.

Galen Low: Intressant.

Deborah Ketai: Slutsatsen var att det inte var etiskt om det innebar att medlemmarnas data lämnades ut.

Galen Low: Just det. Okej.

Deborah Ketai: Ut i tomrummet. Om man inte använde något slags helt internt verktyg var svaret alltså nej.

Galen Low: Är det inte intressant hur det alltid återkommer till skyddsräcken som vi människor själva inte helt förstår? Det handlar oftast om bedömningar, och sedan finns policy och styrning, men vi litar ännu inte på oss själva och vår teknik när det gäller att bygga och införa dessa skyddsräcken så att vi kan känna förtroende.

Det är mycket intressant. Jag skulle gärna återkomma till detta. Jag är alltid intresserad av idéer och exempel på hur AI används inom projektledning och på andra områden, samt vad som får oss att tveka och vilka hinder vi möter. Ofta är det inte tekniken utan etiken.

Deborah Ketai: Ja.

Galen Low: Och förtroendet.

Det är så intressant.

Deborah, stort tack för att du tog dig tid att prata med mig idag. Jag har verkligen uppskattat samtalet. För er som lyssnar, var kan man läsa mer om dig?

Deborah Ketai: Kontakta mig gärna på LinkedIn. Jag är den enda Deborah Ketai på LinkedIn. Om du har möjlighet att lägga till en anteckning, nämn DPM-podden.

Galen Low: Toppen. Jag lägger till en länk till din LinkedIn-profil.

Jag är glad att du är den enda Deborah Ketai. Jag är en av två Galen Low på LinkedIn, så just nu är jag avundsjuk. Men jag lägger till länken i programanteckningarna så att lyssnarna kan få kontakt med Deborah.

Deborah, tack igen.

Deborah Ketai: Tack så mycket, Galen.

Galen Low: Det var allt för dagens avsnitt av The Digital Project Manager Podcast. Om du uppskattade samtalet, se till att prenumerera där du lyssnar. Om du vill ha ännu fler praktiska insikter, fallstudier och spelböcker kan du besöka thedigitalprojectmanager.com. Vi hörs nästa gång. Tack för att du lyssnade.