Vad icke-tekniska projektledare verkligen behöver veta om AI

Galen Low: Vilka är dina främsta råd till projektledare som behöver fungera som översättare mellan tvärfunktionella team som arbetar med eller använder AI?

Kesha Williams: I stället för att jaga verktyg bör man verkligen tänka på affärsresultatet. Vilka problem försöker vi lösa? Fokusera först på vadet och därefter på hur.

Galen Low: Vad tycker du om certifieringar inom AI och varför någon skulle skaffa dem? Är det värt det?

Kesha Williams: Jag älskar certifieringar. Certifieringar kan ge dig en intervju, men de ger dig inte jobbet. Det är viktigt att ha praktisk erfarenhet och en portfölj online där du visar upp projekt som du faktiskt har utvecklat med hjälp av den här tekniken.

Galen Low: Behöver varje projektledare bli systemingenjör för att fortsätta vara relevant i en AI-förstärkt ekonomi?

Kesha Williams: Det är en bra utgångspunkt, och jag skulle säga nej. För mig handlar det mer om att förstå systemtänkande: vad AI är, vad det kan göra och hur jag kan tillämpa det i min nuvarande roll och i ett projekt.

Galen Low: Välkomna till The Digital Project Manager Podcast – programmet som hjälper leveransansvariga att arbeta smartare, leverera smidigare och leda sina team med självförtroende i AI:s tidsålder. Jag heter Galen, och varje vecka går vi igenom strategier från verkligheten, nya trender, beprövade ramverk och ibland även en krigshistoria från projektets 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 pratar vi om hur projektledare kan bli effektivare översättare när de leder samtal om AI mellan tekniska och affärsmässiga intressenter, och hur detta kan vara nyckeln till att minska risken för att ännu en AI-lansering misslyckas.

Med mig i dag har jag Kesha Williams, grundare och managing partner på KeySoft, en konsultbyrå som hjälper organisationer att införa AI genom strategi, teknisk möjliggörande och engagemang bland utvecklare. Kesha har själv lång erfarenhet av skärningspunkten mellan AI-strategi, teknik, utbildning och påverkan. Hon har över 25 års erfarenhet av programvaruutveckling, företagsarkitektur och AI-innovation, vilket hon använder för att införa AI i komplexa miljöer.

Hon har också nyligen riktat sina utbildningsprogram till mindre tekniska målgrupper och har avslutat sitt första 15-dagars AI-bootcamp i samarbete med LinkedIn Learning.

Kesha, tack så mycket för att du är med mig i dag.

Kesha Williams: Tack, Galen. Jag är väldigt glad över att vara här och ha det här samtalet.

Galen Low: Jag är också glad. Jag tycker verkligen om det du gör. Du lägger så mycket energi i ditt arbete. Du är verkligen alltid i farten. Jag vet inte hur du hinner med allt. Det dyker upp så mycket utbildningsmaterial i ditt LinkedIn-flöde. Jag vet att du har flera olika LinkedIn Learning-kurser och även andra kurser. Jag ser verkligen fram emot att gå in på djupet.

Jag vet att din målgrupp oftast består av mer tekniska personer, men du har börjat rikta dig mer till oss mindre tekniska människor.

Kesha Williams: Precis.

Galen Low: Det uppskattar jag verkligen. Jag hoppas att vi kan svänga mellan olika ämnen i dag, men för säkerhets skull har jag skissat upp en färdplan åt oss. Till att börja med ville jag få din spontana syn på en stor och viktig fråga som mina lyssnare förmodligen vill veta svaret på. Därefter vill jag dela upp samtalet i tre delar.

För det första vill jag prata om varför det är viktigt för icke-tekniska projektledare att förstå AI. Sedan vill jag utforska hur projektledare kan bli bra översättare mellan tekniska och affärsmässiga intressenter när det gäller AI, och hur de kan förbättra sig på det området. Till sist vill jag få ditt perspektiv på projektledarrollens framtid när det gäller projekt som involverar AI eller tar fram en AI-baserad lösning.

Kesha Williams: Det låter som att det kommer att bli ett bra samtal.

Galen Low: Ambitiöst, men vi ska klara det.

Kesha Williams: Absolut.

Galen Low: Okej. Jag tänkte börja med en stor och svår fråga och ge den lite sammanhang. Många i min community känner sig mer än lite oroliga över AI och hur det förändrar förväntningarna på deras nuvarande roll, karriärutveckling och vilka färdigheter de behöver fokusera på.

Min stora fråga är: Behöver varje projektledare bli systemingenjör för att fortsätta vara relevant i en AI-förstärkt ekonomi?

Kesha Williams: Det är en bra utgångspunkt, och jag skulle säga nej. Om man ser på vad som händer i branschen just nu, med alla dessa AI-verktyg utan och med lite kod, behöver man inte ens kunna programmera eller ha en teknisk bakgrund för att bygga en AI-agent eller till och med en app.

För mig handlar det mer om att förstå systemtänkande: Vad är AI? Vad kan det göra? Hur kan jag tillämpa det i min nuvarande roll och i ett projekt? Så nej, du behöver inte bli systemingenjör eller ens särskilt teknisk för att förbli relevant och förstå hur du använder och tillämpar AI.

Galen Low: Där satt den. Jag älskar det, och jag är säker på att alla som lyssnar drog en lättnadens suck. Jag tycker också om den nyansen, eftersom jag upplever att det finns en press kring ekosystemet för kod utan kod och så kallad känslostyrd kodning. Kulturellt finns det en press att säga att man inte behöver kunna programmera, men det du säger är att det fortfarande krävs ett systemtänkande för att närma sig detta.

Vi ser det hela tiden. Folk börjar skriva kod genom att beskriva vad de vill ha och säger sedan: vänta, jag behöver fortfarande felsöka och kvalitetssäkra. Jag skriver inte koden själv, men det är ändå den typen av IT- och ingenjörsarbete som krävs. Jag måste fortfarande veta vad jag vill att saken ska göra och hur den ska göra det.

Kesha Williams: Precis. Och när jag har lagt den i produktion betyder det att jag måste uppdatera, förbättra och underhålla den? Jag trodde att jag var klar.

Galen Low: Vad sägs om känslostyrd DevOps? Ärligt talat tycker jag att det här är en bra utgångspunkt, eftersom nästa fråga blir hur mycket teknisk kunskap som är lagom och hur man utvecklar det här systemtänkandet.

Du är själv mycket tekniskt meriterad. Du är ingenjör samt företags- och lösningsarkitekt. Du har lett utvecklingsteam och byggt en mycket stor och engagerad målgrupp kring just detta. Som jag nämnde har du nyligen breddat målgruppen till mindre tekniska personer.

Till exempel ledde ditt 15-dagarsbootcamp i samarbete med LinkedIn Learning deltagarna genom en resa in i AI. Det gick faktiskt ganska djupt, med en start långt tillbaka och sedan ganska avancerade ämnen. Varför är det viktigt för dig att ta din pedagogiska erfarenhet och ditt AI-kunnande till den breda publiken?

Kesha Williams: Det är viktigt för mig eftersom AI påverkar alla branscher, roller och nivåer i en organisation, och jag vill inte att någon ska hamna efter. När jag ser vilken kraft AI har och hur det kan öka produktiviteten och automatisera arbetsflöden tycker jag att det är en väldigt spännande tid att arbeta inom teknik. Jag vill att alla ska omfamna AI och hitta var det passar in i vardagen.

Galen Low: Märker du att du stöter på falska antaganden, myter och missuppfattningar kring AI? En del av ditt arbete handlar ju om att hjälpa personer som kanske inte redan har grundläggande kunskaper om systemtänkande eller hunnit undersöka vad AI kan göra.

Märker du att en del av arbetet går ut på att skära igenom mytbildningen och skrämselpropagandan kring vad AI är och hur det påverkar människors jobb, oavsett om de är tekniska eller inte?

Kesha Williams: Absolut. Hollywood och alla science fiction-filmer har inte hjälpt till. De har gjort mitt jobb mycket svårare. Mitt mål, och något jag alltid har brunnit för, är att avmystifiera AI och maskininlärning och göra den här komplexa tekniken lättillgänglig. Men som sagt, Hollywood har verkligen inte hjälpt till.

Galen Low: Det är både Hollywood och en mängd artiklar som visserligen är trovärdiga, men formulerade för att fånga uppmärksamhet. Man läser exempelvis att en tidigare AI-chef på Google säger att AGI tar över inom sju år. Alla dessa personer som är AI-auktoriteter uttrycker sig på ett sätt som får en att tänka: herregud. Samtidigt har de naturligtvis tänkt igenom detta.

De som var AI:s pionjärer och föregångare har behövt tänka på konsekvenserna. Om man placerar det på en tillräckligt lång tidslinje kommer det att förändra väldigt mycket och på många olika sätt. Men även det du sa är lätt att relatera till: vi behöver alla få en gemensam förståelse, även om vi inte befinner oss på samma nivå.

AI påverkar alla och deras jobb samt förväntningarna på jobben. Ju bättre vi förstår det, eller ju bättre gemensamt ordförråd vi har, desto bättre kan vi prata om det. Det är inte samma sak som när jag började. Min bakgrund är digital projektledning. Utvecklingsteamen jag arbetade med bestod av frontend- och backendingenjörer, och de första dagarna tänkte jag: inget av det här är begripligt. Ni kan väl distribuera det där och göra något med Git, så ses vi senare.

Den inlärningskurvan – att kunna relatera till varandra och föra en meningsfull dialog i stället för att bara titta på något och säga att de kan genomföra regressionstestningen – var stor. Hur har du upplevt den utbildning du har gett människor? Jag tror att du har din Everyday AI-kurs och ditt 15-dagarsbootcamp. Vilka effekter eller insikter har du sett hos deltagarna?

Kesha Williams: Som du nämnde startade jag 15-dagarsutmaningen Everyday AI i samarbete med LinkedIn Learning.

I dag är faktiskt dag 15, den sista dagen. Jag är väldigt glad över hur allt blev. Jag har fått mycket återkoppling från deltagare och sett hur deras oro inför AI har förvandlats till entusiasm. Jag har sett människor inse var AI kan passa in i deras vardag och hur de kan använda det för att spara tid och öka produktiviteten.

En deltagare hörde av sig och berättade att hon använde AI för en uppgift som tog ungefär 30 minuter, medan det annars skulle ha tagit flera dagar att sammanställa upplägget. Det är just sådant som är anledningen till att jag skapade 15-dagarsutmaningen. Den är verkligen till för icke-tekniska personer som vill börja förstå grundläggande begrepp inom AI och hur AI kan tillämpas i vardagen.

Galen Low: Jag älskar det. Jag får intrycket att det är väldigt praktiskt. Deltagarna gör faktiskt saker. Det får mig att tänka på när vi spelade kortspelet Exploding Kittens i går kväll. Instruktionsboken säger att man inte ska läsa instruktionerna, eftersom det är det sämsta sättet att lära sig spela ett spel. Titta på videon och börja sedan prova.

Det gäller verkligen AI också. Jag tror att många, inklusive jag själv, kände mest oro när AI bara var en press och jag ännu inte hade öppnat något av verktygen. Det är nästan som inkorgen: man ser den röda siffran och tänker att det står 967 meddelanden och att man inte ens vill titta. Men man har inte ens sett vad som finns där.

Jag gillar idén att vägleda människor genom grunderna, och sedan blir det ganska avancerat. Vad gör deltagarna i dag, på dag 15?

Kesha Williams: Dag 15 handlar om att skapa sin första AI-agent utan kod. Du behöver inte kunna programmera. Allt sker genom ett dra-och-släpp-gränssnitt där du bygger din första AI-agent. Allt under de tidigare dagarna leder fram till dag 15.

Galen Low: Jag älskar det. Dag ett är kanske vad AI är, och dag 15 bygger man en agent.

Kesha Williams: Precis. Så gick det till.

Galen Low: Jag tycker verkligen om det. Det leder oss in på det mer centrala ämnet jag ville gå in på: hur mindre tekniska projektledare kan minska risken i sina AI-förstärkta projekt genom att ha rätt samtal, skapa samsyn kring AI med både tekniska och affärsmässiga intressenter och hantera allt däremellan.

Vi är så vana vid att polarisera frågan i teknisk eller icke-teknisk. Men jag menar egentligen hur man översätter mellan olika intressenter som vet olika saker, har olika perspektiv och olika kompetenser. Bör projektledaren över huvud taget ha rollen att fungera som översättare i samtal om AI? Är det en bra eller dålig idé?

Kesha Williams: Det är definitivt en bra idé. Projektledare översätter redan mellan olika perspektiv genom att prata om projektrisker, tidsplaner och liknande. Därför är det naturligt att projektledare får en översättande roll även när det gäller AI.

Galen Low: Det är en väldigt bra poäng. Det finns redan mycket översättning i rollen.

Kesha Williams: Precis.

Galen Low: Du och jag pratade faktiskt om detta före inspelningen. Du hade ett inlägg om att agenter och MCP är de nya API:erna, och jag tänkte tillbaka på mina första dagar som projektledare när jag frågade: vad är ett API? Jag visste bara att det var något som användes för att integrera system och koppla ihop saker.

Kesha Williams: Just det.

Galen Low: Det var något jag behövde översätta för affärsintressenter som inte nödvändigtvis förstod API:er. Jag behövde förklara varför det var viktigt att ta vissa steg, bygga en datakatalog, gå igenom dokumentationen och göra en MVP eller ett koncepttest.

Jag ser likheter här, men också skillnader, eftersom det kommer så mycket nytt inom AI och allt förändras. Det känns som att en ny modell introduceras varje dag, oavsett om vi talar om stora språkmodeller, bildgenerering eller något annat. Vilka är dina främsta råd till projektledare som behöver fungera som översättare mellan tvärfunktionella team som arbetar med eller använder AI? Kan vi gå igenom några exempel på samtal som kan gå snett eller göra att ett projekt går mycket bättre?

Kesha Williams: Mitt första råd är att inte jaga verktygen. Som du sa kommer det bokstavligen varje dag en förändring av ett befintligt verktyg eller ett nytt verktyg.

Tänk i stället på affärsresultatet. Vilka problem försöker vi lösa? Det är samma princip som har funnits länge inom projektledning: fokusera först på vadet och sedan på hur. Mitt främsta råd är alltså att tänka på resultaten och inte jaga verktyg, eftersom man annars lätt hamnar i ett kaninhål och tappar riktningen.

Projektledare behöver inte vara tekniska, men de måste förstå AI-begreppen. När någon säger modell ska du förstå vad det betyder. När någon säger promptteknik ska du förstå vad det betyder. När någon säger agent ska du förstå vad det betyder. Förstå de övergripande begreppen och hur de passar in i det som utvecklas.

Galen Low: Vilka samtal kan till exempel gå snett?

Kesha Williams: Föreställ dig att du är projektledare för ett AI-projekt och har en maskininlärningsingenjör i teamet. Personen säger: modellen är klar och noggrannheten ser bra ut. Ett samtal kan gå snett om projektledaren svarar: bra, då går vi till produktion.

Projektledaren behöver ställa fler frågor. Först måste projektledaren förstå vad en modell är och vad noggrannhet betyder. Noggrannhet är ett sätt att bedöma hur modellen presterar. En fråga kan vara: Vad betyder noggrannhet i det här sammanhanget?

En annan fråga är vad underhålls- och omträningsprocessen blir när modellen ligger i produktion. AI-modeller och AI-system kan drabbas av modellförskjutning. Det innebär att data i verkligheten förändras över tid, vilket kan påverka maskininlärningsmodellens kvalitet eller resultat.

När man sätter ett AI-projekt i produktion är det därför viktigt att prata om omträning och löpande underhåll. Det påverkar systemets övergripande resultat. Ställ helt enkelt rätt frågor om de AI-system som ska sättas i produktion.

Galen Low: Jag tycker särskilt om poängen om förskjutning. Även ganska tekniska projektledare kommer från en värld där saker är deterministiska. Om något fungerar på ett visst sätt i test och användaracceptanstest kommer det att fungera på samma sätt i produktion varje gång, tills något annat går sönder.

Men när data som modellen tränas på förändras, modellerna förändras och tekniken är sannolikhetsbaserad i stället för deterministisk, behöver man se lösningarna genom en helt annan lins.

Jag tycker om din poäng om löpande underhåll. Det är en viktig fråga och en stor risk att som projektledare säga att något är klart att lansera utan att förstå underhållsbehovet.

Kesha Williams: Precis. Man tränar modellen och tror att man är klar. Men det är den förändringen i tankesättet som krävs när vi bygger AI-system. Och din poäng om samarbete är viktig. Den mjuka färdigheten blir ännu viktigare i AI:s tidsålder.

Galen Low: Jag gillar också kopplingen till din ursprungliga poäng: alla behöver bygga upp grundläggande kunskaper för att kunna föra de här samtalen, och det måste ske tillsammans eftersom vi alla försöker förstå det.

Kesha Williams: Precis.

Galen Low: Det finns inte tillräckligt mycket tid bakom oss och saker förändras så snabbt att det egentligen inte finns några självklara mästare. Det finns experter, men kanske inte mästare.

Kesha Williams: Vi lär oss alla. Vi lär oss verkligen alla.

Galen Low: Vilka är dina främsta råd till personer som behöver fungera som översättare mellan team? Hur lär man sig tillräckligt för att driva de här samtalen och samtidigt hålla sig uppdaterad?

Kesha Williams: Jag måste hänvisa till mina kurser på LinkedIn Learning, särskilt 15-dagarsutmaningen. Den börjar med grunderna och förklarar de olika begreppen på ett enkelt sätt. Därefter handlar det om hur AI kan passa in i vardagen och hjälpa till att öka produktiviteten.

Det handlar inte ens om att bygga system, utan om att använda AI för att arbeta effektivare i vardagen. När du börjar använda och öva med AI lär du dig begreppen och inspireras till att hitta nya sätt för dig själv och ditt team att använda AI.

Följ också min LinkedIn-sida Kesha on AI och min Substack med samma namn. Från och med nästa vecka kommer jag att publicera korta AI-tips på Substack och LinkedIn-sidan.

Jag tycker också om OpenAI Academy, som har många webbinarier och kostnadsfria kurser. LinkedIn Learning har flera av mina kurser. På Pluralsight har jag tekniska kurser, men även icke-tekniska kurser om promptteknik, AI-kompetenser och hur man kompetensutvecklar team inom AI.

Galen Low: Det är en bra uppdelning. Ibland använder team AI för att bygga något, ibland bygger de något där AI ingår i arkitekturen och ibland använder de AI för själva projektarbetet. Det finns alltså flera olika sätt att använda tekniken.

Hur undviker man att gå för djupt? När vet man att en kurs är på rätt nivå och när är den egentligen till för någon som programmerar?

Kesha Williams: Om du ska starta en Jupyter Notebook eller skriva Python-kod har du definitivt gått för djupt. Jag brukar strukturera mina kurser med ett koncept först och en praktisk övning därefter. Om övningen blir för komplex, exempelvis om den kräver Python, kan du titta på de konceptuella delarna och hoppa över den tekniska övningen.

Även om kursen är teknisk kan du fokusera på konceptvideorna. Begreppen går att använda i många olika verktyg.

Galen Low: Det är ett väldigt bra råd. Man ska inte låta bli att titta bara för att vissa delar ligger över ens nivå. Det finns fortfarande mycket att lära sig. Jag tycker också om att lyssna på det tekniska språket. Jag kanske inte förstår allt, men jag lär mig vissa ord och begrepp och kan åtminstone ställa bättre frågor.

Kesha Williams: Det finns inga dumma frågor.

Galen Low: Särskilt inte inom AI, där allt förändras så snabbt.

Kesha Williams: Just det. Vi lär oss alla.

Galen Low: Jag vill också höra din spontana syn på certifieringar. Vad tycker du om AI-certifieringar och varför skulle någon skaffa en? Är det värt det?

Kesha Williams: Jag älskar certifieringar. Jag brukar säga att en certifiering kan ge dig en intervju, men den ger dig inte jobbet. Det är viktigt att faktiskt kunna utföra det man intervjuas för. Certifieringen ger en tillräcklig grund för att förstå begreppen och hur de hänger ihop.

För mer praktiska roller, särskilt tekniska roller, är det viktigt att ha praktisk erfarenhet och en portfölj online där man visar projekt som man faktiskt har utvecklat med hjälp av tekniken.

Galen Low: Skulle du rekommendera att även projektledare har några saker de har byggt, eller annan konkret evidens på att de använder AI, i sin portfölj?

Kesha Williams: I dag, med tanke på var AI befinner sig och vart tekniken är på väg, kommer det att ge en projektledare ett försprång framför projektledare som saknar den erfarenheten.

AI påverkar alla branscher och roller. Det är viktigt att förstå var AI passar in i vardagen och hur man kan använda det för att automatisera repetitiva uppgifter och öka produktiviteten. Annars riskerar man att hamna efter.

Galen Low: Det är som ett mycket snabbt godståg. Även om vi skulle vilja stoppa det är det svårt att lägga tillbaka tekniken i lådan.

Kesha Williams: Det kommer inte att hända.

Galen Low: Om du intervjuade en utvecklare, eller egentligen vem som helst, vilken fråga skulle hjälpa dig att avgöra om personen verkligen kan AI eller bara har gått en kurs och fått ett certifikat?

Kesha Williams: För en utvecklare skulle jag fråga hur personen använder AI för att skriva kod, vilka verktyg som används och vilken del av utvecklingslivscykeln AI ingår i. Be om ett konkret exempel. När jag intervjuar människor är det viktigt att de kan ge verkliga exempel och inte bara prata om teori.

Galen Low: Det gäller även icke-utvecklare. Om någon har byggt flera agenter för att hantera projekt bättre kan man fråga hur de använde dem. Det är en mycket relevant fråga.

Kesha Williams: Fråga också vilket verktyg de använde och varför de valde just det. Det finns många verktyg för att bygga agenter. Det finns Copilot, Amazon Bedrock Agents och numera funktioner för att bygga agenter på många plattformar, exempelvis Salesforce. Det är viktigt att förstå vilket verktyg de använde och varför.

Galen Low: Tror du att detta förändrar projektledarens roll när det gäller leverans av tekniska, AI-baserade lösningar? Hur kan projektledare förbereda sig för en AI-framtid som ännu inte finns men som sannolikt kommer att påverka deras roller?

Kesha Williams: Det handlar om att förstå vad AI är, vilka begreppen är och hur man kan tillämpa tekniken i vardagen för att öka produktiviteten. Det finns mycket rädsla i branschen för att AI ska ersätta roller, men det är inte det vi främst bör vara rädda för just nu.

Det viktigaste är att inte hamna efter. Ta reda på hur du kan använda AI i din roll för att bli bättre än nästa person och hjälpa både dig själv och organisationen att fortsätta utvecklas.

Galen Low: Jag tycker om temat kring begreppen och grunderna. Vissa grunder förändras, men det är klokt att hålla sig uppdaterad utan att jaga varje enskilt verktyg eller fylla huvudet med detaljer som snart kan vara föråldrade.

Kesha, tack så mycket. Det här har varit väldigt roligt. Har du en fråga som du vill ställa till mig?

Kesha Williams: Eftersom vi har pratat om AI vill jag fråga hur du använder AI i vardagen. Och om du inte använder det, varför inte?

Galen Low: Jag använder det, men inte särskilt intensivt. Jag använder AI som en tankepartner. Jag tycker om ett arbetsflöde som liknar Iron Man och Jarvis. Jag använder det inte för att skriva mitt första utkast och sedan redigera det. Jag skriver hellre första utkastet själv och låter AI utmana det.

Jag kan exempelvis be AI att agera som en mycket krävande projektsponsor eller CTO, beskriva vad personen bryr sig om och sedan granska mitt mejl. Jag ber AI att tala om var mottagaren kan invända mot innehållet. Det passar min personlighet, eftersom jag gärna ifrågasätter och förbättrar saker tills de känns bra.

Jag använder AI för mejl, nyhetsbrev, ämnesrader och projektplaner. Jag försöker förstå vad någon kan invända mot innan jag anser att något är färdigt. AI har varit en bra partner i det arbetet.

Jag vill också börja arbeta mer med autonoma funktioner. Vi har byggt anpassade GPT:er för att stärka arbetsflödena. Tekniken är särskilt användbar för repetitiva uppgifter som ändå kräver omdöme och viss interaktion.

Men först måste man förstå var AI faktiskt hjälper. Därefter måste data, referensmaterial och arbetsprocesser vara i ordning. För att träna en agent måste man kunna ge den samma typ av kontext som man skulle ge en människa.

Kesha Williams: Det är en mycket viktig poäng och knyter an till projektledarens roll. Snart kommer du att leda agenter tillsammans med människor. Börja därför tänka på AI som en del av teamet.

Galen Low: Det tycker jag om. Vi pratade nyligen om hur en prestationsutvärdering för en agent skulle kunna se ut. Ibland ger vi våra modeller bättre återkoppling än våra kollegor.

AI har stor kapacitet, men ansvaret ligger fortfarande hos människor. Man kan inte bara skylla på agenten om något går fel. Det kommer att bli intressant att se hur ansvarsfördelningen förändras och hur teamkulturen påverkas när vissa uppgifter utförs av agenter och automatisering.

Kesha Williams: Jag håller med. Det är där AI-styrning kommer in.

Galen Low: Då får jag bjuda tillbaka dig när vi tar upp det ämnet. På vissa sätt är det närmare än man tror.

Kesha, tack så mycket för att du tog dig tid i dag. Jag har haft väldigt roligt och lärt mig mycket. Jag tycker verkligen om det du gör. Var kan lyssnarna lära sig mer om dig?

Kesha Williams: Följ mig på LinkedIn. Jag publicerar mycket där. På KeySofts webbplats, www.keysoft.tech, finns mer information om mig och de tjänster jag erbjuder.

Galen Low: Toppen. Jag tar med länkarna i programanteckningarna. Tack igen, Kesha.

Kesha Williams: Tack själv. Det var ett fantastiskt samtal.

Galen Low: Okej, det var allt för dagens avsnitt av The Digital Project Manager-podden. Om du tyckte om samtalet, prenumerera där du lyssnar. Om du vill ha ännu fler praktiska insikter, fallstudier och arbetsmodeller kan du gå till thedigitalprojectmanager.com.

Tills nästa gång – tack för att du lyssnade.