Framtiden för AI inom projektledning med Forecast, ett Accelo-företag

Tim Fisher (00:01.19) Hej och välkomna till framtiden för AI och projektledning, en serie där vi går bortom presentationsmaterialet och undersöker hur AI faktiskt förändrar sättet som team planerar, levererar och hanterar arbete. I dag presenterar vi Forecast PSA, ett Accelo-företag. Om du leder ett team inom professionella tjänster och har undrat var AI faktiskt skapar värde, inte teoretiskt utan i de verktyg ni använder varje dag, då är detta samtalet för dig. Vi ska höra deras perspektiv på vad som inte fungerar inom projektleveranser, se deras AI-funktioner i ett par riktigt intressanta livedemonstrationer och prata om vart allt detta är på väg. Skriv gärna era frågor i chatten under tiden så tar vi upp så många vi hinner mot slutet av samtalet. Jag heter Tim Fisher. Jag är vice vd för AI på The Digital Project Manager. Mitt jobb är att ta reda på var AI faktiskt fungerar och var det fortfarande bara är marknadsföringsbilder. Därför kommer jag att ställa de frågor som ert team skulle ställa. Med oss i dag har vi Joe DiPaulo, vd för Accelo, företaget bakom Forecast PSA. Joe har ägnat hela sin karriär åt att hjälpa team inom professionella tjänster att bygga mer förutsägbara och skalbara leveransorganisationer. I dag ska han berätta hur AI formar den framtiden. Joe, roligt att ha dig här.

Joe DiPaulo (01:07.502) Fantastiskt att vara här, Tim. Tack för att jag fick komma. Jag ser fram emot ämnet och hur det formar vår värld inom professionella tjänster.

Tim Fisher (01:10.554)
Av

Tim Fisher (01:16.088) Mycket bra. Joe, kan du ge oss 30-sekundersversionen av Forecast? Vad gör det och vem är det byggt för?

Joe DiPaulo (01:23.822) Absolut. Forecast är en modern PSA-plattform, alltså en plattform för automatisering av professionella tjänster. Den är utformad för tjänsteföretag som vanligtvis är tillväxtorienterade och arbetar med att skala sina verksamheter. Det är nog den viktigaste delen. Vi fokuserar på funktioner från projektplanering, kapacitet och prognoser till genomförande av leveranser och intäktsverksamhet. Vårt uppdrag är verkligen att ge kunderna insyn i deras data, förutsägbara insikter om vad som händer i verksamheten och hur de levererar, samt hjälpa dem att hantera verksamheten så effektivt som möjligt.

Tim Fisher (01:58.652) Fantastiskt. Forecast gick nyligen samman med Accelo. Vad möjliggör den kombinationen som ingen av plattformarna egentligen hade på egen hand tidigare?

Joe DiPaulo (02:08.674) Ja, målet med kombinationen av de två organisationerna och plattformarna är att skapa ett verkligt heltäckande operativsystem för tjänsteorganisationer. Forecast har varit mycket starkt inom AI-driven projektplanering, resursprognoser, efterfrågeplanering ur ett resursstyrningsperspektiv och att ge god framförhållning. Accelo har många styrkor inom CRM-funktioner, arbetsflöden för kundhantering och ekonomiska arbetsflöden. Tillsammans täcker den kopplingen hela processen för en tjänsteorganisation ur vårt perspektiv och fungerar som ett centralt system för verksamhetens information.

Tim Fisher (02:46.748) Det låter rimligt. En nästan komiskt självklar fråga: varför är AI det område ni satsar allra hårdast på just nu? Vilket är det strategiska antagandet här?

Joe DiPaulo (03:01.602) Ja, det är väl ingen som pratar om det här, eller hur? Vi satsar på AI eftersom våra kunder, som driver tjänsteinriktade verksamheter, arbetar i en komplex miljö med mycket begränsade marginaler. Det finns många faktorer som påverkar hur de levererar åt sina kunder. Historiskt har de här företagen skalat genom att anställa fler människor.

Tim Fisher (03:04.444) Nej, inte alls. Det kommer aldrig upp.

Joe DiPaulo (03:27.72) Så satsningen på AI, mer intelligens och automatisering bygger på att de här företagen kan använda det som ett verktyg för att förbättra sina resultat, förbättra kundupplevelsen och i slutändan skala och bli mer lönsamma. AI gör det enligt vår uppfattning möjligt för ledare att gå från att bara se vad som historiskt har hänt och vara något reaktiva till att driva verksamheten mycket mer proaktivt. Jag kommer säkert att säga det här många gånger i dag, men det handlar återigen om att hjälpa våra kunder att skala utan att behöva öka personalstyrkan, och om att låta deras team fokusera på det värde de skapar genom sina tjänster, bygga relationer med kunder och fortsätta växa och optimera leveransprocessen. Det är därför vi fokuserar på det här, och i grunden beror det på att våra kunder vill att vi ska hjälpa dem att utveckla sina verksamheter.

Tim Fisher (04:30.587) Det låter rimligt. Innan vi går vidare till demonstrationerna vill jag höra vad du ser i branschen just nu. Du pratar med tjänsteföretag varje dag – byråer, konsultföretag, IT-tjänsteföretag och alla möjliga andra. Vad förändras egentligen i hur arbetet levereras just nu?

Joe DiPaulo (04:50.668) Jag tycker att våra kunder går från att ha experimenterat med AI under det senaste året eller de senaste två åren till att verkligen försöka använda det mer effektivt som en resurs i organisationen och i hur de levererar arbete. De tittar på hur de kan modernisera sin verksamhet och använda det för att hjälpa dem att leverera åt sina kunder. Alla befinner sig på olika platser i den resan, men de försöker skapa upprepningsbara resultat och optimera dessa resultat genom AI. Jag tycker att det är den utveckling vi ser just nu.

Tim Fisher (05:33.757) Vi har alla sett de senaste nyhetsartiklarna om AI som inte levererar för organisationer eller inte lever upp till hypen och löftena. Jag tycker att fokus just nu tydligt ligger på verkliga, praktiska resultat. Det känns verkligen som att det är det ni arbetar mot här. När man tittar på er plattformsdata ser man att team rapporterar en nyttjandegrad på ungefär 75 procent jämfört med branschgenomsnittet på 40 procent. Vad tror du driver den stora skillnaden?

Joe DiPaulo (06:10.029) Jag tror att det handlar om att man kan vara mycket mer proaktiv när man arbetar mer konsekvent och använder verktyg som hjälper en att bli mer förutsägbar. En av sakerna vi försöker göra i PSA-systemet är att ge kunderna insyn i det arbete som kommer från säljorganisationerna, skapa upprepningsbara och konsekventa processer och låta dem se vem som gör vad och när. Ju mer de kan förutsäga och vara proaktiva kring sådana saker, desto bättre kan de arbeta. När de kan planera i förväg för arbete som kommer om en, två eller tre månader, eller se exakt vad alla arbetar med, kan de undvika att överbelasta individer och i stället använda deras bästa möjliga kompetens och kapacitet. Ju bättre de kan utnyttja den operativa förmågan, desto bättre kan de driva verksamheten, och vi ser att det leder till bättre resultat för nyttjandegraden.

Tim Fisher (07:20.826) Mycket bra. Om man ser på de drygt 2 000 tjänsteföretag ni arbetar med, vilka är de största luckorna ni ser? Oavsett om det handlar om marginaler som läcker eller den berömda företeelsen som fortfarande verkar finnas: resursstyrning i kalkylblad, och alla kalkylblad. Dålig insyn i problem. Hur ser allt det ut för er just nu?

Joe DiPaulo (07:47.437) Det finns flera olika ämnen att reda ut där. När det gäller marginaler som läcker inom professionella tjänster är det definitivt något våra kunder ofta kämpar med. Det är aldrig något som händer på en gång, eller hur? Det sker bit för bit när ett projekt eller ett kunduppdrag pågår över tid. De ser problem med hur de har tilldelat resurser eller vilka resurser de använder. Har de rätt personer? Använder de en viss kompetens eller en viss högpresterande medarbetare för mycket?

Tim Fisher (08:15.676) Ja.

Joe DiPaulo (08:22.58) De får ofta fördröjd insyn i risker i arbetet och i projekt som håller på att spåra ur. Det är sådant vi försöker lösa. En annan sak som påverkar marginalen är okontrollerad omfattningsökning. Därför använder vi systemet för att hjälpa dem upptäcka och förutsäga när de har sådana utmaningar. I slutändan leder det till förbättrade marginaler. Det finns många ställen i livscykeln där detta kan uppstå, men ju mer vi kan uppmärksamma kunderna på och proaktivt hjälpa dem att förutsäga när sådant händer, desto bättre kan de reagera. När det gäller att arbeta i kalkylblad tror jag att det är vanligt i mindre organisationer. Många säger att de blir mer flexibla på det sättet och kan reagera snabbare. Men jag tror att det är en missuppfattning. Självklart har vi ett verktyg som hjälper till att lösa det problemet. När verksamheter blir mer komplexa, när antalet projekt ökar, när de använder olika prismodeller, strukturerar uppdrag på olika sätt och får fler team, blir det svårare. Man förlorar en del av noggrannheten och kontrollerna i realtid. Man börjar bryta mönster eller processer som påverkar marginalen och disciplinen kring marginaler. I organisationer som verkligen använder data, och som använder arbete från CRM-systemet för att analysera och planera framåt, kan de se värdet bortom att bara hantera processen i ett kalkylblad. De kan bli mycket mer förutsägbara och förhoppningsvis driva verksamheten mer effektivt och smidigt.

Tim Fisher (10:24.688) Fantastiskt. Forecast byggdes AI-infödd från första dagen. Jag tror inte många PSA-verktyg kan säga det. Det är faktiskt inget jag har hört tidigare. Det är imponerande. Med tanke på det vi nyss pratade om – marginalpress, skalning, insyn och allt sådant – vad innebär det i praktiken för hur produkten hanterar de här problemen på ett annorlunda sätt?

Joe DiPaulo (10:50.624) Ja, precis. Systemet bygger verkligen på idén att använda maskininlärningsmodeller för att hjälpa team att förbättra bemanning och resursplanering, och det har utvecklats och vuxit sedan starten. Målet är att AI ska fungera som en vägledare för tjänsteorganisationer: hjälpa dem att hantera ineffektivitet, ta sig förbi begränsningar i skalning och hantera utmaningar med att växa. När företag blir mer förutsägbara kan de undvika risker, skapa bättre kundupplevelser, använda resurserna mer effektivt och optimera hur de utnyttjar dem. På så sätt kan de förhoppningsvis hålla teamen nöjda och undvika att högpresterande medarbetare överbelastas och blir utbrända. AI hjälper dem att identifiera sådana problem och risker och skapa effektiviseringar. En annan sak vi hör från kunder är att när de hanterar projekt eller uppdrag inom olika delar av verksamheten eller olika avdelningar får de bättre insyn i data över hela organisationen. Om de behöver använda resurser tvärfunktionellt eller fatta beslut som går över avdelningsgränser kan de göra det mer effektivt. AI hjälper definitivt till med det. När vi blickar framåt kommer AI att få en allt mer central roll i hur tjänsteföretag faktiskt arbetar och levererar resultat. Det är den spännande delen av det som händer i dag, och det knyter återigen an till hur företag skalar och hur AI kan göra det möjligt på ett effektivare sätt.

Tim Fisher (12:39.612) Du nämnde maskininlärning, vilket jag känner att jag måste ta upp eftersom vi alla använder termen AI och även uttrycket stora språkmodeller. Att du nämner det säger mig att ni arbetade med detta innan ChatGPT kom ut i världen. Det är mer grundläggande för hur ni har tänkt. Det tycker jag är mycket intressant.

Joe DiPaulo (13:02.242) Ja, jag håller med. Det är spännande. Jag är glad att vi hade den historiken och började för flera år sedan. Men vi fortsätter självklart att investera och dra nytta av all ny teknik som kommer för att hjälpa våra kunder.

Tim Fisher (13:17.712) Definitivt. Okej, låt oss se det i praktiken. Joe, kan du gå igenom några användningsfall för Forecasts AI-funktioner?

Joe DiPaulo (13:27.018) Absolut. Jag vill gå igenom tre användningsfall i dag, så jag ska försöka dela min skärm.

Joe DiPaulo (13:39.823) Som sagt ska jag prata om tre användningsfall. Jag går igenom två i vår applikation, och de kommer att visa några av maskininlärningsmodellerna vi använder för att hjälpa våra kunder. Det första jag vill visa är hur man går in i ett projekt och ser i systemet om…

Tim Fisher (13:42.652) Okej.

Joe DiPaulo (14:02.966) …vi kan förutsäga att ett projekt eller ett portföljprojekt håller på att få problem, eller hur vi kan hjälpa en projektledare eller ledare i en organisation att hantera det. Jag har loggat in på min instrumentpanel som en resurs med fokus på projektledning. Jag går in i ett specifikt projekt som pågår. När jag tittar på detta har jag öppnat det vi kallar Nova Insights. Det är ett av namnen vi använder för vårt AI-verktyg, och det analyserar kontinuerligt data kring all aktivitet i systemet. Alla projekt, alla insatser som slutförs och levereras till kunder, registrerade timmar, arbete som utförs och faktureras. I det här specifika scenariot ser du att det ger mig insikter om mycket detaljerade delar av projektet. Det tittar på saker som uppgifternas resultat och talar i princip om för mig att uppgifterna i allmänhet slutförs i linje med uppskattningarna. Däremot verkar vissa av mina resurser i projektet inte hålla tidsplanen eller inte vara så tillgängliga som jag förväntade mig när projektet startade och när jag tog fram uppskattningarna. Utifrån det säger systemet sannolikt att det finns risker ur ett budgetperspektiv och risker kring när projektet kommer att bli klart. Jag kan gå in i detta och se mer detaljer. Om jag tittar på budgetinformationen ser jag att jag befinner mig relativt tidigt i projektet, i mars, men systemet har redan beräknat en avvikelse när det gäller…

Tim Fisher (15:19.91) Ja.

Joe DiPaulo (15:47.461) …min marginal och var jag hoppades vara eller vilka parametrar jag hade angett för marginalmålet. Systemet föreslår alltså att det finns en risk där. Det beräknar också att slutdatumet kommer att hamna efter det som ursprungligen beräknades. Det här är sannolikt ett extremt exempel och det är demonstrationsdata. Det kanske inte är perfekt, men det ger en bra bild av vad som händer. I det här fallet var projektet planerat att avslutas i maj, men systemet säger att det, baserat på mängden arbete som har genomförts, faktiskt inte blir klart förrän i augusti. Utifrån detta kan projektledaren eller den som driver projektet…

Tim Fisher (16:17.629) Absolut.

Joe DiPaulo (16:35.436) …agera. Systemet har också det vi kallar assistenter, som kan föreslå hur man kan lösa vissa av utmaningarna och få projektet tillbaka på rätt spår. I det här fallet uppskattar systemet att vi saknar ett visst antal timmar inom vissa roller och ger den projektansvariga ett enkelt sätt att justera och se vilka som är tillgängliga. Från den här skärmen kan man skapa det vi kallar platshållare i systemet. De skapar efterfrågan på specifika resurser som jag sedan kan tilldela. Det var det första användningsfallet jag ville visa. Det är ett bra exempel på hur systemet kan förutsäga risker och problem i ett projekt eller en grupp av projekt, och hur någon snabbt kan använda informationen för att justera, granska eller gå djupare in i ett projekt.

Tim Fisher (17:33.618) Mycket intressant. Hur mycket historisk data behöver AI innan rekommendationerna blir användbara? Och på andra sidan av den frågan: finns det ett slags startproblem om en organisation inte har tillräckligt med data i systemet för att ge riktigt bra svar om kapacitetsplanering?

Joe DiPaulo (18:00.866) Ja, det är en bra fråga. Modeller behöver definitivt viss information att lära sig av och använda. Under implementeringsprocessen är vår bästa praxis dock att läsa in ett eller två år av historisk data. Om man kan lägga in resursinformation och historiska projektresultat kan man förkorta den perioden. Då blir det tillgängligt nästan omedelbart. En del av vårt implementeringsteam arbetar med nya kunder för att föra in data i systemet så att de kan få värde från dag ett.

Tim Fisher (18:14.854) Okej.

Joe DiPaulo (18:33.122) De arbetar konsultativt med de nya kunderna i den processen.

Tim Fisher (18:33.893) Utmärkt.

Tim Fisher (18:38.653) Bra. Okej.

Joe DiPaulo (18:40.938) Om vi fortsätter resan här, Tim, vill jag prata lite om schemaläggning och…

Tim Fisher (18:47.741) Okej.

Joe DiPaulo (18:48.502) …gå vidare till det andra användningsfallet, där jag vill fokusera mer på kapacitetsplanering, resursplanering och hur resurser kan tilldelas. Det knyter an till din fråga om att hantera arbetet i kalkylblad jämfört med att hantera det i ett verktyg. Det här är just nu en bild på hög nivå av kapacitet per månad. Jag kan gå ner på olika veckor eller tidsperioder och gå längre fram i kvartalen. Men detta visar en resurs…

Tim Fisher (19:02.598) Ja.

Tim Fisher (19:13.415) Mycket intressant. Ja.

Joe DiPaulo (19:18.346) …chef eller någon som behöver planera med resurser och tilldela dem arbete, vilket kommande arbete vi har. Det kan filtreras på olika sätt efter specifika projekt eller kunder, eller på det sätt man själv vill. Om jag går in i det här exemplet tittar jag på arbete som pågår. I det här fallet har jag i mars timmar tilldelade personer som aktivt arbetar med detta, och sedan har jag konceptet platshållare som jag…

Tim Fisher (19:33.511) Ja.

Joe DiPaulo (19:48.129) …nämnde tidigare i assistentalternativet. För projektledare kan man se olika arbeten som finns där ute och som behöver tilldelas. När jag går igenom och tilldelar arbetet visar systemet att jag har åtta matchade personer. Det gör faktiskt rekommendationer baserat på saker som kompetens, personens roll, tilldelade priser och olika attribut i profilen. Det bör göra det relativt enkelt för en resurschef. Om jag går ännu djupare och tittar på detaljerna visar systemet de tre främsta resurserna för just det här arbetet. Jag har projektledning, 260 timmar, från mars till maj. Jag kan titta på olika resurser här och se vad de har tilldelat sig. Jag kan dra och släppa arbetet och flytta det för att se hur det påverkar deras kapacitet under olika timmar. Om jag vill tilldela arbetet till dem kan jag göra det. Poängen är att systemet tar över en del av arbetet med att avgöra vem som är tillgänglig, vilken kompetens som behövs och hur arbetet ska tilldelas. Det görs med modellerna jag talade om, genom rekommendationer och genom att göra det enkelt för olika personer att utföra uppgiften. Jag nämnde att de kan göra detta på olika nivåer beroende på hur varje organisation arbetar med resursfördelning.

Tim Fisher (21:29.309) Mycket intressant. Du kanske kommer till det här, men när jag ser detta tänker jag på en sak: när AI rekommenderar en roll, vilka signaler ligger bakom? Vad driver det? Kompetensmatchning, tillgänglighet, tidigare projektresultat – vad påverkar de smarta rekommendationerna?

Joe DiPaulo (21:50.007) Ja, det är exakt de sakerna du nämner. Den första och mest uppenbara är tillgänglighet. Om jag har arbete som måste göras i morgon, vem är tillgänglig i morgon? Sedan handlar det om personens roll och kompetens. Vi tar in mycket data i systemet om tidigare projektresultat, vilka typer av uppgifter personer har arbetat med och hur väl de har genomfört dem. En intressant sak är att systemet lär sig av detta. Ibland utför en mer junior person mer seniora uppgifter, och det är en del av utvecklingen. Systemet känner till det och kan använda informationen i rekommendationerna. Det är sådant som ligger bakom dem.

Tim Fisher (22:27.869) Jag har aldrig sett ett kalkylblad göra sådant här. Det är mycket intressant.

Joe DiPaulo (22:31.342) Jag håller med. Det sista användningsfallet jag vill ta upp, Tim, om det är dags att gå vidare, är att visa hur vi använder MCP för att låta kunder interagera med data i systemet via valfri extern stor språkmodell eller genom andra system, så att de kan bygga sina egna AI-arbetsflöden. Jag ska öppna Claude och gå igenom det, om det låter bra.

Tim Fisher (23:06.779) Ja, det gör det. Medan du gör det vill jag för säkerhets skull säga något till de mindre tekniska personer som lyssnar. MCP står för Model Context Protocol. Alla som har arbetat med att integrera ett AI-system med någon av de stora chattplattformarna – det ser ut som att vi ska titta på Claude – har förmodligen använt eller känner till MCP. För dem som är tillräckligt tekniska för att känna till grunderna kan man säga att det fungerar lite som ett API för stora språkmodeller och AI-modeller som ska interagera med varandra och med annan data och andra system. Det är det vi pratar om här. Jag ser fram emot att se det i praktiken. Det är mycket intressant att ni har byggt in det i de här verktygen.

Joe DiPaulo (23:54.723) Tack för förklaringen, Tim. Det var hjälpsamt. Jag använder Claude, som du sa, men våra kunder använder olika verktyg för sina agenter och sin AI-användning, och de kan ansluta vilket som helst av dem till detta. Kunder kan använda sina egna stora språkmodeller för att få ut så mycket som möjligt, inte bara av Forecast utan av en grupp system, om de vill, eller för att utforma arbetsflöden. Det är något vi har hört från många kunder. Det här är en betafunktion som vi håller på att lansera. Jag kan ställa frågor som: vilka är tillgängliga nästa vecka? När jag gör det ansluter systemet via MCP till en viss kunds data och returnerar informationen. Du kommer att se hur det fungerar. En annan sak att nämna ur ett MCP-perspektiv är att det är ett säkert protokoll. Kunder måste autentisera sig för att använda det och får bara data från sitt eget konto. Det här är inte data som vi delar mellan kunder. Det är helt avgränsat.

Joe DiPaulo (25:09.614) Det är en del av protokollet. Du ser att systemet tänker nu, men det söker efter tillgänglighet nästa vecka. Det bör ge oss lite data tillbaka. Det här kan vara en resurschef eller någon i en ledande roll som vill få fram rapportinformation ur systemet. Det kan handla om projektstatus eller liknande saker.

Tim Fisher (25:14.749) Ja. Det här är så intressant.

Joe DiPaulo (25:37.742) Förhoppningsvis kommer svaret från Claude snart.

Tim Fisher (25:39.998) När den arbetar kan jag göra en snabb kommentar. När jag ser verktyg som detta och interaktioner och arbetsflöden som sätts ihop så här bra tänker jag på hela mötesdödaren och på de frågor ledningen har. Jag har haft sådana roller där systemen och produkterna är komplicerade, och möjligheten att gå till ett användargränssnitt och få en användarupplevelse som vi alla nu är vana vid, och få djupa, kontextualiserade svar från den egna verksamheten, är oerhört värdefull.

Joe DiPaulo (25:55.149) Ja, det är fantastiskt. Det här är återigen uppenbart demonstrationsdata, men för nästa vecka ser jag att jag har många tillgängliga timmar, 55 personer med kapacitet, förmodligen någonstans i listan, och att jag har 40 lediga timmar. Det är felaktigt, men du förstår principen. Systemet visar information om personer i organisationen, hur mycket tid de har och vem som är tillgänglig för arbete. Jag vill bara ge ett snabbt exempel till. Om jag är intresserad av ett mer verkställande användningsfall och vill se rapportdata, ungefär som det du pratade om när det gäller mötesdödaren, kan jag fråga: hur mycket av den registrerade tiden är fakturerbar och icke-fakturerbar? Det kan ta en minut att köra och hämta resultaten, men det här är mer ett rapportbaserat scenario. I stället för att föra in data i ett kalkylblad eller en instrumentpanel kan jag fråga exakt vad jag vill veta, och systemet går igenom processen och hämtar det. Det arbetar fortfarande, men det ser ut som att det hämtar många olika tidsregistreringar. I det här demonstrationsscenariot verkar nyttjandegraden inte vara särskilt bra, men du förstår principen: registrerade timmar, hur saker faktureras och icke-fakturerbara timmar.

Tim Fisher (27:55.709) Ja.

Joe DiPaulo (28:01.198) Det ser ut som att den fortfarande sammanfattar en del av datan och bygger information. Men det är ett bra exempel på MCP-användningsfallet och på hur kunder kan ansluta till data i sitt operativa system för att besvara frågor och ge mer meningsfulla insikter om verksamheten.

Tim Fisher (28:20.741) Det är nästan roligt att höra dig beskriva det här, för man kan ana en viss tvekan över hur lång tid sakerna tar. Men om vi zoomar ut en stund och tänker på arbetet som sker i bakgrunden och den tid och ansträngning som skulle krävas för att samla ihop allt detta, då går det otroligt snabbt. Det här är verkligen, verkligen intressant.

Joe DiPaulo (28:38.702) Ja, absolut. Vi pratar om 23 000 timmar och mycket data här. Ändå går det snabbt att hämta både kontextuell och detaljerad information om projektet. Det här är återigen i hög grad demonstrationsdata, men du förstår bilden av vad som returneras. På 20 eller 30 sekunder får man en mycket djup översikt av den specifika kund jag frågade om. Det var de användningsfall jag ville gå igenom. Jag hoppas att det var hjälpsamt.

Tim Fisher (29:10.661) Fantastiskt. Väldigt hjälpsamt. Okej, vi såg precis vad AI kan göra i dag, vilket jag tycker är mycket imponerande. Men låt oss ta några minuter och blicka framåt. PSA-marknaden beräknas nästan fördubblas fram till 2030, vilket är häftigt att tänka på. AI-verktyg och projektledning växer dessutom ännu snabbare än så. Joe, vart tror du att detta är på väg?

Joe DiPaulo (29:43.611) Jag antydde det i början. Jag är mycket entusiastisk över hur AI gör det möjligt för tjänsteföretag att använda agenter för att leverera åt sina kunder mer effektivt. Vi kommer att se organisationer använda agenter för att leverera arbete och ta över delar av det som människor gör. Det kommer att innebära snabbare värdeskapande för kunderna, bättre kundupplevelser och bättre vinstmarginaler för dem som använder vårt system. Jag tycker att det är ett mycket spännande perspektiv.

Tim Fisher (30:15.613) Ja, definitivt. Du kan dela det du vill, på den nivå du vill. Utan att ge oss hela färdplanen: vilken kapacitetslucka ser du mest fram emot att stänga med AI, och hur förändrar det vad kunderna kommer att kunna göra?

Joe DiPaulo (30:44.47) Det bygger vidare på temat jag nyss pratade om. Vi ser definitivt hur verktyg som Claude och liknande hjälper utvecklingsteam, till exempel med att skriva kod och arbeta mer effektivt. Vi vill vara en del av det ekosystemet och hjälpa våra kunder att identifiera sin arbetsstyrka och låta dem samordna och koppla sina operativa system till agenter, så att de kan driva verksamheten så effektivt som möjligt, se information i rätt verksamhetskontext och i sina arbetsflöden, och samtidigt dra nytta av agenternas möjligheter att göra arbetet mer robust och leverera det snabbare. Vi tror starkt på det. Vi gör det i vårt eget företag och kan se hur det kan påverka och förbättra våra kunders verksamheter mycket kraftfullt.

Tim Fisher (31:48.166) Fantastiskt. Jag brukar ställa den här frågan ofta. Om vi befinner oss tre år framåt, eller tre eller fyra år framåt, hur ser vardagen ut för en projektledare? Hur förändras rollen? Finns det ens en projektledare? Ser du att AI tar över den rollen? Hur ser du på framtiden från ditt perspektiv?

Joe DiPaulo (32:10.158) Jag tror att vi kommer att se mycket stora förändringar i hur arbetet utförs. Det kommer fortfarande att behövas människor som hjälper till att organisera och tänka på vilka resultat vi försöker uppnå, och som verkligen samordnar systemen så att de levererar. Det kommer att krävas mycket tänkande kring vilka indata vi matar in i maskinerna och vilket resultat vi vill uppnå. Det kommer fortfarande att finnas kvalitetskontroller och andra saker som måste göras. Men jag tror att allt detta sker snabbare än under de kommande tre åren. Vi kommer att se betydande förändringar och agenter som fungerar som medarbetare i organisationer. Om vi inte ser det redan nu kommer det definitivt att hända under de kommande 12 till 36 månaderna, och det kommer att anammas allt mer av olika, mycket specifika verksamheter inom många branscher. Jag tycker att det är fascinerande.

Tim Fisher (33:13.554) Ja.

Tim Fisher (33:18.971) Det är det verkligen. Tack så mycket för att du gick igenom allt detta med oss. Det var ett mycket insiktsfullt samtal. Till alla som tittar och tänker att de vill se Forecast i sin egen miljö med sina egna data: vad är det bästa nästa steget?

Joe DiPaulo (33:35.343) Det bästa de kan göra är att gå till vår webbplats, Forecast.App. Där kan de begära en demonstration, och en konsult kontaktar dem. Vanligtvis vill konsulten förstå verksamheten de driver lite bättre, så att demonstrationen och diskussionen kan anpassas och så att vi kan definiera hur vi ska visa värdet för dem och gå igenom processen tillsammans. Det är vad jag rekommenderar. Som en del av det här webbinariet kommer vi också att publicera en bedömning av AI-beredskap. Det är ytterligare något som kunder kan använda och interagera med, och vi kan självklart kontakta dem efteråt om de är intresserade.

Tim Fisher (34:13.629) Fantastiskt. Okej, nu går vi vidare till direktsänd frågestund. Om ni som lyssnar ännu inte har skrivit era frågor i chatten är det här möjligheten att ställa dem direkt till Forecast-teamet. Vi har redan fått in några och jag går igenom dem med dig nu. Yaron frågar: hur jämför man på ett tillförlitligt sätt den tid som sparas på projektledningsproblem med och utan AI? Finns det något sådant som AI-kaninhål?

Joe DiPaulo (34:40.622) Utan AI görs det vanligtvis genom rapporter, instrumentpaneler eller andra mekanismer i systemet. Man kan titta på ett enskilt projekt i stor detalj eller använda traditionell BI-rapportering eller instrumentpaneler för att se över flera projekt. I många fall använder vi mycket av samma data för att fylla språkmodellerna eller AI-verktygen som vi använder för att ge den informationen. Därför bör resultaten bli ganska lika, beroende på hur man formulerar sina frågor till agenterna. Datastommen är densamma. Det är en viktig del av att använda AI i ett operativt system som vårt: indata är konsekvent och datastrukturen bakom är konsekvent. Verktyget går inte ut på webben för att söka efter kontext kring arbetade timmar. Det använder data från den egna organisationen. Utifrån våra tester och resultat ser vi mycket liknande resultat när man söker efter information.

Tim Fisher (35:50.256) Vi har två mycket liknande frågor från Michael och Eduardo. Kommer den här typen av funktionalitet till Accelo? Frågan ställdes, tror jag, när du pratade om färdplanen.

Joe DiPaulo (36:03.724) Ja. Vi lanserar ytterligare AI-funktionalitet i båda systemen. Vårt första fokus för MCP-servern och MCP-arbetsflödet ligger på Forecast-sidan, men i slutändan vill vi erbjuda det till alla våra kunder.

Tim Fisher (36:20.744) Mycket intressant. Vivek frågar: varifrån hämtas de tillgängliga timmarna? Det var under ditt sista användningsfall, som jag tror var det med Claude.

Joe DiPaulo (36:30.222) Ja. Jag vet inte om de kan se det i vår applikation, men det kan man. Många av våra kunder registrerar tid från sina konsulter. De behöver inte nödvändigtvis fakturera på det sättet, men det är viktigt för oss att förstå kostnader för uppgifter och projekt och hur de står sig mot uppskattningarna. Tiden kan också matas in i systemet på andra sätt, men en del av applikationen är att registrera enskilda resursers tid. Därefter kan vi använda den informationen, följa hur uppgifter slutförs jämfört med uppskattningarna och rapportera om det. Det är en del av kärndata i systemet.

Tim Fisher (36:40.062)
Absolut. Mycket intressant. Här kommer några mer kompletterande frågor som rör det vi har pratat om. En mycket specifik produktfråga: kan ni integrera med ServiceNow eller Azure?

Joe DiPaulo (37:19.47) Ja, vi integrerar med Xero. Det är mycket vanligt för oss att integrera med redovisnings- och ekonomisystem. Vi har standardiserade integrationer som fungerar direkt med…

Tim Fisher (37:31.44) Förlåt, jag uttalade mig nog fel. Jag menade Microsoft Azure.

Joe DiPaulo (37:36.258) Gjort, jag förstår. Genom MCP-modellen kan någon som använder Azure eller Microsoft Copilot, till exempel, hämta in data till en stor språkmodell i den miljön.

Tim Fisher (37:43.944) Absolut. Mycket intressant. Yaron frågar: har ni en rekommenderad ordlista eller ett register över termer som rör dagens ämnen för vidare läsning?

Joe DiPaulo (38:01.166) Det är en bra fråga. Jag har inget sådant till hands just nu, men jag är säker på att vi kan ta fram något om det kommer frågor efteråt och följa upp det.

Tim Fisher (38:09.873) Utmärkt. Och lite relaterat: håller ni några kurser om AI inom projektledning? Om ja, finns det några detaljer kring det?

Joe DiPaulo (38:23.586) Historiskt har vi inte gjort det. Vi har främst fokuserat på att leverera programvaran och hjälpa kunderna att dra nytta av den, snarare än att utbilda deras team i ämnen som projektledning. Det har inte varit vårt historiska fokus.

Tim Fisher (38:29.073) Ja. Bra. Vi har en till: tror du att AI någonsin kan ersätta samarbete och samtal när det gäller resursstyrning?

Joe DiPaulo (38:54.231) Ja.

Tim Fisher (38:54.365) Det är en stor fråga.

Joe DiPaulo (38:59.39) Jag tror att det kan ge mycket kontextuell information och hjälpa till att ge rekommendationer. Men det kommer alltid att finnas ett värde i att ha samtal och förstå människor ansikte mot ansikte, vad de är intresserade av och vilka kompetenser de själva tycker att de har. Förhoppningsvis gör det att samtalen kan bli snabbare och mer värdeskapande, i stället för att bara handla om huruvida någon är tillgänglig om tre veckor. Man kan i stället säga: vi har ett spännande projekt som jag tror passar din kompetens bra, vad tycker du? Förhoppningsvis är det kombinationen av dessa två saker som gör kunderna effektivare och hjälper dem att utnyttja data i organisationen bättre.

Tim Fisher (39:47.08) En fråga från mig. Vad skiljer allt det här ni pratar om, alla era verktyg och demonstrationerna vi såg, från att bara använda ChatGPT, Claude eller Copilot med en dump av data och sedan ställa frågor till den?

Joe DiPaulo (40:03.863) Det är en mycket bra fråga. Vi tror självklart, och vet, att våra kunder kommer att använda många verktyg – ChatGPT, Copilot, Claude och så vidare. Vi vill att de ska göra det. Vi bygger användningsfall som stöder att de för in data i flera system. Skillnaden ur mitt perspektiv, och jag tror att det gäller de flesta SaaS-applikationer som är ett verksamhetssystem eller en del av kundernas ekosystem och hur de driver verksamheten, är att system som vårt har mer kontext om kunderna och deras data. Det såg du till exempel med tidsregistreringen och timdatan. Ett allmänt AI-verktyg befinner sig utanför det operativa systemet. Det kan ge kontext och göra vissa analyser, men det har vanligtvis inte alla indata i realtid från hela organisationen – nya kunder som vunnits, fakturor och annat som skickas och hanteras, eller annan data som kommer in i systemet. Vårt system kan hela tiden använda den informationen. Kombinationen av de två är det kraftfulla. Jag tror att det är skillnaden för de flesta SaaS-applikationer med operativa data. Det är där värdet finns.

Tim Fisher (41:30.331) Ja, det är helt logiskt. En ny fråga från Augustina: ur ett projektlednings- eller ledningsperspektiv, vilka andra områden tror du fortfarande har störst möjlighet till AI-driven förbättring? Vi berörde det lite, men jag är nyfiken på ditt svar.

Joe DiPaulo (41:47.94) För mig handlar det generellt om alla platser där ett system på ett genomtänkt sätt kan hjälpa till att genomföra mer vardagliga uppgifter som är upprepningsbara och kan baseras på logik. Vi hör mycket i medierna om programvaruutveckling eller juridiska sammanhang. Om jag tittar på den traditionella livscykeln för professionella tjänster kan det till exempel handla om att automatiskt hjälpa till att skapa förslag som en människa granskar innan de skickas till en kund. En annan sak vi ofta hör är: hjälp mig skapa den faktura jag behöver skicka till en kund, men uppmärksamma mig på avvikelser. Saknas det timmar eller någon kontext? Som jag nämnde kan systemet identifiera risker så att jag kan hantera dem tidigt. Det är bra exempel på situationer där AI kan hjälpa till genom att ta över vissa uppgifter eller mönster. Sådana arbetsflöden är värdefulla i vårt system.

Tim Fisher (42:54.14) När du säger allt det där inser jag att en stor del av möjligheten handlar om att när man driver ett mycket litet företag, kanske som ensamföretagare, har man allt detta i huvudet. Man känner till allt. Men när verksamheten skalar blir man själv inte lika skalbar. Då blir allt man måste väga in i besluten helt enkelt för mycket för en person eller en liten grupp. Att ha en dator som förstår språk, kontext och allt sådant innebär därför enorma möjligheter att hjälpa människor att skala utan att skala upp den mänskliga arbetsstyrkan, något du nämnde tidigare. Det är verkligen spännande. Vi har en till från Pia. Har du några…

Joe DiPaulo (43:40.738) Ja, det är spännande.

Tim Fisher (43:48.984) Vilka användningsfall ligger högst upp på listan när Accelo används av europeiska företag, särskilt inom ekosystemet för teknikstartups?

Joe DiPaulo (43:56.311) Ja, absolut. Det är ett av de områden vi satsar mest på. En av sakerna systemet gör bra är det vi hittills främst har talat om som traditionell projektledning, med milstolpar, uppgifter och liknande. Systemet stöder också ett mer agilt arbetssätt, oavsett om det handlar om sprintar eller Kanban. Vi satsar definitivt på att låta kunderna driva indata genom den processen till det som traditionellt har varit programvaruutvecklare eller ingenjörer, oavsett om de bygger något ur ett byråperspektiv, till exempel en ny webbplats, hanterar någon teknisk del av SEO eller levererar programvara åt en kund. Vi satsar på agenter som hjälper programvaruutvecklingsorganisationer att göra sådant mer agentbaserat, på samma sätt som vi ser med Claude eller OpenAI. Det är definitivt den riktning vi går i.

Tim Fisher (45:12.23)
Fantastiskt. Vi börjar närma oss de sista frågorna. Jag tror att den bästa frågan hittills kommer från Katarzyna: hur rekommenderar du att man övertygar organisationens PMO att tillåta användning av projektledningsverktyg och programvara för portföljhantering i stället för kalkylblad? Hur kan man visa att fördelarna är större än riskerna? Innan du svarar vill jag säga att en av de största utmaningarna jag ständigt stöter på är förändringsledning, oavsett teknik eller förändring. Förändring är svårt. Vad skulle du rekommendera här?

Joe DiPaulo (45:48.847) Jag håller med om delen som handlar om förändringsledning. I sådana fall måste man kunna säga vilka smärtpunkterna är, eller förstå vilka problem personerna upplever. För mig handlar det om saker som: är överlämningarna svåra mellan sälj och leverans samt mellan leverans och ekonomi? Om sådana problem finns i dag och hanteras i ett kalkylblad är det ofta en indikation på en utmaning eller något där personen förhoppningsvis kan förstå värdet och avkastningen på investeringen. När det gäller förändringsledning är det vanligtvis den mänskliga naturen som spelar in. Man kan behöva övertyga och utbilda människor och förmodligen ha en genomtänkt plan. Om man säger att vi börjar göra detta nya i morgon kanske de inte uppskattar det. Men om de får en tidsram på 30, 60 eller 90 dagar och leds genom resan är det naturligtvis ett bättre sätt att skapa framgång.

Tim Fisher (46:56.092) Jag tycker att din sista kommentar är mycket viktig. Den visar kanske att människor och organisationer befinner sig på olika platser just nu. Vissa har experimenterat sedan dag ett, andra håller kanske på att börja och ytterligare andra motarbetar det aktivt eller passivt. Det är ett brett spektrum av perspektiv, särskilt i större organisationer, och det är svårt att hantera. Men låt oss avsluta med en eller två frågor till. Vi blickar återigen lite framåt. Jag vet att jag redan har närmat mig detta flera gånger och att vi till och med har fått en fråga om det, men det är ett av de mest intressanta ämnena att prata om. Om du, Joe, som vd kunde vifta med ett trollspö, vilket är det enda problemet i projektledning som du helst skulle lösa härnäst med AI?

Joe DiPaulo (47:56.782) Det är en bra fråga. Jag tror att det handlar om att ta över vardagliga uppgifter som människor har utfört och hjälpa till att leverera dem snabbare och effektivare, så att människorna kan bygga relationer och verkligen optimera sina verksamheter. Det är vad det handlar om för mig. Det varierar lite beroende på vilken typ av organisation och verksamhet man driver, men jag tror att det är det som växer fram mycket snabbt just nu.

Tim Fisher (48:28.049) Utan tvekan. Ja.

Tim Fisher (48:32.83) Det är definitivt löftet med allt detta. Okej, det är all tid vi har i dag, Joe. Tack så mycket för att du var med. Det här var fantastiskt. Och till vår publik: tack för alla bra frågor. Ha en fantastisk dag, så ses vi vid nästa framtida AI-evenemang inom projektledning. Tack, Joe.

Joe DiPaulo (48:52.46) Ja, tack så mycket, Tim. Jag uppskattar det.

Tim Fisher (48:54.589) Fantastiskt.