De bästa AI-modellerna för projektledningsuppgifter
Modellandskapet: Användningen av AI-modeller inom projektledning har ökat snabbt, med olika modeller för specifika uppgifter.
Mötessammanfattningar: Olika AI-modeller är bra på att sammanfatta möten; valet av modell påverkar noggrannhet och detaljnivå.
Kommunikation med intressenter: AI hjälper till att strukturera innehåll för uppdateringar till intressenter, men precisionen varierar mellan olika modeller.
Dokumentation av omfattning: Claude föredras för detaljorienterade uppgifter som rör omfattning, särskilt när modellen bearbetar beroenden.
Processdokumentation: ChatGPT är ofta bättre på att organisera spridd information till sammanhängande processdokument.
Vi pratar mycket om AI-projektledningsverktyg här på DPM — men vi har ännu inte riktat blicken mot själva AI-modellerna och hur de formar PM-arbetet. Förrän nu.
Modellandskapet har snabbt blivit trångt. Enligt Artificial Analysis undersökning om AI-användning ökade det genomsnittliga antalet LLM-familjer som användes eller övervägdes från ungefär 2,8 under 2024 till 4,7 under 2025. Och rankningen T4 Atlas ”Mest använda AI-modeller” visar vilka som fortsätter att dyka upp på marknaden: GPT-4o, Claude 3.5 Sonnet, DeepSeek R1, Gemini 1.5 Pro, Llama 3, Copilot Model Stack, Grok och Codestral.
Om du har experimenterat med fler än en vet du redan att de inte är utbytbara — och att behandla dem som om de vore det kan innebära att du går miste om verkliga prestandavinster. För att ta reda på hur dessa modeller står sig i de vanligaste PM-uppgifterna vände vi oss direkt till yrkesverksamma. Här är vad de berättade för oss.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Sammanfattning av möten och åtgärdspunkter
Claude, Gemini, Read AI
Sammanfattning av möten är ett av de vanligaste användningsområdena för AI inom projektledning och också ett av de mest känsliga för försämrad modellprestanda. Joe Troyer, marknadschef på Great Lakes Tiny Homes, gör en direkt jämförelse: "Claude håller åtgärdspunkterna korrekta i timslånga transkriptioner, medan GPT börjar tappa namn och tidsfrister efter de första trettio minuterna." Ju längre mötet är, desto viktigare blir valet av modell.
Claude håller åtgärdspunkterna korrekta i timslånga transkriptioner, medan GPT börjar tappa namn och deadlines efter de första trettio minuterna.
Men att identifiera rätt modell är bara halva ekvationen — att veta hur ett bra resultat ser ut är den andra. Troyer är specifik: "Ett bra resultat listar varje punkt med talarens namn och en enda mening om åtagandet. Ett dåligt resultat lägger till extra uppgifter som aldrig togs upp eller slår ihop två personer till en och samma ansvariga."
Alla hamnar inte på samma plats. Michael Gold, som hanterar projekt för flera kunder, korsrefererar medvetet mellan modeller i stället för att binda sig till en: "I slutändan använder jag allt möjligt, som Gemini, Claude, Chatty och så vidare, även när jag har Firefly. Jag tar transkriptionen från Firefly och lägger in den i något annat, eftersom jag inte litar på Firefly." Hans metod behandlar modelljämförelse som en del av själva arbetsflödet — inte som ett konfigurationssteg man gör en gång.
Ryan Gilbreath har ett mer strukturerat tillvägagångssätt och rangordnar alternativen han har testat: "Jag skulle säga att om jag måste rangordna min lista över verktyg för AI-anteckningsverktyg, så har Read AI just nu varit ett av de bästa för mig. Tvåa skulle vara Gemini, helt enkelt eftersom jag arbetar i en Google-arbetsyta och det är enkelt att synkronisera och samla alla mina anteckningar på samma ställe. Därefter skulle jag säga Otter AI."
Kommunikation med intressenter och statusrapportering
Claude Opus, ChatGPT-4
En användbar statusuppdatering gör vissa saker väl. Som Guillermo Ginesta, verkställande partner för APAC på Brinc, uttrycker det: "Ett användbart resultat måste skilja fakta, hinder, åtgärder som tilldelats specifika ansvariga och politiska risker åt utan att hitta på någon säkerhet." Ken Herron, medgrundare på VCONify, formulerar det lika tydligt: "Ett bra resultat sammanfattar vad som har förändrats, varför det spelar roll, vem som ansvarar för nästa åtgärd och var beslut krävs. Ett dåligt resultat läser som en generisk mötessammanfattning, behandlar varje fråga som lika viktig och tappar det ledningsmässiga sammanhanget."
Med det i åtanke tenderar yrkesverksamma att dela upp sig efter vad de optimerar för. Ken Herron, medgrundare på VCONify, väljer Claude när kommunikationskvalitet är prioriteten: "När jag behöver omvandla mötesanteckningar, e-posttrådar och återkoppling från ledningen till en kortfattad uppdatering för intressenter, producerar Claude [Opus] konsekvent tydligare och mer nyanserad kommunikation än andra modeller jag har testat."
Andra förespråkar ChatGPT-4. Bogdan Condurache, medgrundare och CPO på Brizy, använder GPT-4 för kommunikation med intressenter tillsammans med Claude för avgränsning. Han framhåller GPT-4:s förmåga att anpassa kommunikationen mellan olika målgrupper: "Om jag behöver förklara en försening för ledningen, förenkla en produktuppdatering för kunder eller sammanfatta teknisk skuld för icke-tekniska team, anpassar den ton och detaljnivå på ett bra sätt."
Dokumentation av omfattning och krav
Claude Opus, ChatGPT-4
När det gäller att definiera omfattningen lutar yrkesverksamma i allmänhet åt Claude — särskilt vid komplext arbete med flera beroenden, där kostnaden för ett missat antagande är hög. Murli Pawar, vice president på SunTec, beskriver hur hans team använder Claude Opus för just detta: "Vi använder Claude Opus för att omvandla en kunds dokument om projektets omfattning till en faktisk projektplan genom att dela upp den i uppgifter, ordna dem i rätt följd och kartlägga beroenden. Våra projekt tenderar att ha många ömsesidigt beroende steg, där ett moment inte kan börja förrän ett annat är slutfört och klart, så det här är den uppgift där planeringen måste bygga på verkliga resonemang och inte bara bestå av en lista."
Det som skiljer Claude från de andra i det här sammanhanget, enligt Pawar, är hur verktyget hanterar tvetydighet: "När jag ger det en vag projektbeskrivning är Claude bäst på att upptäcka att steg C i själva verket beror på steg A och att påpeka var beskrivningen är ofullständig, i stället för att i tysthet hitta på antaganden för att fylla luckorna. De andra ger mig oftare en plan som ser komplett ut men vars ordningsföljd faller samman så fort man granskar den."
Pawars definition av ett bra respektive dåligt resultat här är värd att komma ihåg: "Ett bra resultat är en plan som jag kan ifrågasätta. Den synliggör sina egna antaganden. Den kan också gruppera uppgifter i logiska faser och tala om för mig var projektbeskrivningen var tvetydig, i stället för att dölja det. Jag ska kunna redigera den, inte bygga om den. Ett dåligt resultat är en överdrivet självsäker plan som i grunden är fel."
SOP- och processdokumentation i ChatGPT
Processdokumentation ställer andra krav på AI än dokumentation av möten i realtid — och skillnaden mellan ett resultat som ser välpolerat ut och ett som faktiskt går att använda kan bli särskilt kostsam här. Yrkesverksamma som regelbundet arbetar med detta väljer ofta ChatGPT, inte minst på grund av verktygets styrka när det gäller att strukturera om utspridd information till logiska sekvenser.
Hien Nguyen, medgrundare och direktör på Happy Way, använder ChatGPT för att samla operativ kunskap som är "utspridd på olika platser — möten, meddelanden i Slack, e-post och från enskilda medlemmar i driftteamet." Modellens värde ligger enligt hennes erfarenhet i dess förmåga att ta oorganiserade indata och skapa struktur: "Ett bra resultat definierar processen steg för steg och inkluderar beslutspunkter med sådan detaljnivå att en ny anställd skulle kunna använda dokumentet för att genomföra processen utan att behöva ständiga förtydliganden."
Han identifierar tydligt det centrala misslyckandemönstret: "Ett dåligt resultat kommer att se polerat ut men saknar de praktiska detaljerna. Om AI skapar nya steg, utelämnar viktig information om en process och använder allmänna termer för att beskriva verksamheter utan att förklara hur arbetet utförs blir dokumentet nästan oanvändbart." För SOP:er räcker det inte med ytlig sammanhållning — detaljeringsgraden måste finnas där, annars misslyckas dokumentet i praktiken.
Reklamskrivande och skriftligt arbete
Claude, Gemini
När det gäller skrivuppgifter — oavsett om det handlar om att utforma projektkommunikation, innehåll eller reklamtext — rapporterar yrkesverksamma om en tydlig skillnad. Claude och Gemini framstår som de föredragna alternativen, medan ChatGPT hamnar efter i direkta jämförelser.
Jennifer Goebel, projektkoordinator på Baker Marketing Laboratory, anser att Claude är det bästa skrivverktyget när det gäller tonläge: "Claude verkar vara det verktyg som fungerar bäst för kommunikation, med mindre fram och tillbaka än ChatGPT och ett mer naturligt tonläge i texten."
Yonelly Gutierrez, som hanterar projektarbetsflöden i flera verktyg, gjorde en mer definitiv förändring: hon avslutade helt sitt professionella ChatGPT-abonnemang efter att ha märkt en försämring av prestandan. "Jag har märkt en enorm skillnad, även mellan GPT-modeller. Jag brukade använda ChatGPT hela tiden, men nu har jag märkt att det hallucinerar alldeles för mycket." Nu förlitar hon sig på Gemini för skrivande: "När det faktiskt kommer till att skriva föredrar jag Gemini." Hennes sekundära verktyg är Glean — inte på grund av dess skrivkvalitet, utan för dess förmåga att hitta relevant intern projektkontext.
Matcha modellen med tillfället
Oavsett om det handlar om mötessammanfattningar, statusuppdateringar, processdokumentation eller arbete med att avgränsa projekt framträder ett konsekvent tema: AI-resultat misslyckas inte för att tekniken är fel, utan för att fel förväntningar — eller fel modell — tillämpades på uppgiften. De projektledare som får ut mest värde av AI använder inte ett enda verktyg till allt. De ser modellvalet som en medveten del av arbetsflödet — och bedömer resultaten utifrån en tydlig standard för hur ett bra resultat faktiskt ska se ut.
Vill du ha fler insikter som dessa? Skapa ett kostnadsfritt DPM-konto för att höra från fler experter som dessa.
