6 banbrytande automatiseringar som alla projektledare bör prova
Automatisera kommunikationen: Projektledare kan öka hastigheten i kundkommunikationen samtidigt som de behåller en personlig kontakt genom automatiserade svar.
Effektivisera uppdateringar: AI-agenter kan användas för att omvandla tekniska projektdata till tydliga uppdateringar riktade till kunder.
Håll data ren: Automatiserad datarensning kan förebygga problem som uppstår till följd av felaktig eller inaktuell information i CRM-system.
Effektiva överlämningar: Automatiserade arbetsflöden kan underlätta smidiga övergångar mellan försäljning och verksamhet och minimera manuell inmatning.
Omdömet är viktigt: Automatisering är användbar för rutinuppgifter, men mänsklig tillsyn är avgörande för det slutliga beslutsfattandet.
Projektledare väntar inte längre på att programvaruleverantörer ska bygga det arbetsflöde de behöver. Numera bygger många projektledare det själva – genom att koppla samman API:er, skript och AI-agenter för att eliminera rutinarbete, samtidigt som en människa fortfarande har det fulla ansvaret för bedömningar och slutgiltiga godkännanden.
Vi frågade de verksamhetschefer vi kände som var väl insatta i automatisering av arbetsflöden: vilken var den mest omvälvande automatisering ni byggde in i ert arbetsflöde?
Här är vad de berättade fungerar – och var de drog gränsen för automatisering.
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
Automatisera kundkommunikationen utan att förlora den personliga kontakten (eller affärerna)
Många företag lever eller dör beroende på hur snabbt de svarar på en ny potentiell kund. Men det är orealistiskt att förvänta sig att en människa ska svara inom några minuter. Där kommer automatisering in i bilden och utformar svar automatiskt, utan att någonsin skicka något som inte har granskats.
Alla dessa exempel på automatiserad kundkommunikation visar att du inte behöver ett dyrt verktyg för att få automatisering att fungera. Du kan få automatisering att fungera med din befintliga verktygsuppsättning.
E-postutkast redo att skickas
Jacob Varghese, ägare av Zion Foodtrucks, beskrev det arbetsflöde han byggde för att hantera inkommande leads: ”Så här är det kopplat: Ett schemalagt jobb körs i GitHub Actions, så det finns i molnet och fortsätter att fungera oavsett om min bärbara dator är på eller inte. Vid varje körning hämtar ett Python-skript nya leadmejl från Outlook via Microsoft Graph API, läser vad personen skrev och skickar det till Claude. Claude utformar ett svar anpassat efter innehållet i mejlet och personens frågor, med en Calendly-länk så att personen kan boka ett samtal direkt. Utkastet hamnar sedan tillbaka i Outlook som ett riktigt utkast som jag kan läsa och skicka.”
Hålla koll på WhatsApp-meddelanden
Walid Chaya, ägare av en fastighetsbyrå, kom fram till samma slutsats efter en kostsam försening. ”En dag kontaktade en kund mig via WhatsApp. Jag såg meddelandet men kände inte för att svara direkt. Det gick ungefär två timmar och sedan skickade jag ett meddelande till honom. Det kunden berättade chockade mig: han hade redan hittat en bostad. På två timmar! Jag fördröjde kommunikationen på ett infall, och han hade redan fått jobbet gjort. Då insåg jag att poängen inte är att svara snabbare när jag råkar se meddelandet, för jag är ju människa. Poängen är att automatisera det.”
Han förklarade hur han gjorde detta på ett enkelt sätt: ”Jag tog alla sociala nätverk jag använder, vilket i det här fallet är de som drivs av Meta: WhatsApp, Instagram och Facebook. Jag kopplade ihop dem med ett API och en LLM och länkade sedan allt till en kalender.”
En dag kontaktade en kund mig via WhatsApp. Jag såg meddelandet men kände inte för att svara direkt. Det gick ungefär två timmar och sedan skickade jag ett meddelande till honom. Det kunden berättade chockade mig: han hade redan hittat en bostad.
Kommunikation organiserad efter brådskandegrad
Eric Turney, ägare av The Monterey Company, byggde ett system för att fånga upp möjligheter som dyker upp utanför en vanlig inkorg: ”F5Bot och Google Alerts skickar nya omnämnanden och relevanta diskussioner via e-post. Dessa möjligheter läggs till i ett delat Google Sheet med trådens URL, produktkategori, köparens fråga, brådskandegrad och status. Sedan hjälper ChatGPT till att sammanfatta diskussionen och förbereda ett första utkast. En person granskar varje svar med avseende på korrekthet, ton och om det faktiskt skulle vara till någon nytta att svara.”
Förvandla utspridda projektdata till uppdateringar redo för kunden
Att hålla kunder uppdaterade om projektets framsteg innebär ofta att hämta status från ett halvdussin verktyg och översätta den till något som icke-tekniska personer faktiskt kan läsa.
Jeremy Belcher, grundare av Robot Heart Studios, löste detta genom att bygga en AI-agent som hämtar och översätter informationen åt honom. ”Det jag automatiserade var hela versionsinformationen. Jag byggde en AI-agent (en Claude-funktion) som hämtar veckans slutförda arbete från Linear, kontrollerar det mot sammanfogade GitHub-PR:er, kontrollerar Slack, e-post och mina samtalsinspelningar, och sedan utformar ett kundanpassat versionsmeddelande på klarspråk och skriver in det i kundportalen. Jag startar den, den skapar ett utkast, och jag granskar och publicerar.”
Jag byggde en AI-agent (en Claude-färdighet) som hämtar veckans slutförda arbete från Linear, kontrollerar det mot sammanslagna GitHub-PR:er, går igenom Slack, e-post och mina inspelningar av samtal och sedan utarbetar en kundanpassad versionsanteckning.
Han gav oss också en genomgång av hur han kopplar samman sin verktygsuppsättning: ”Linears API tillhandahåller data om ärenden och cykler, GitHub tillhandahåller sammanslagningshistoriken, Google används för e-post, Slack och Granola MCP:er ger sammanhang och en Claude-agent i mitten översätter utvecklarspråk till något som en kund faktiskt kan läsa.”
Belcher påpekade att konsekvensen i resultatet är lika viktig som den sparade tiden: ”Färdigheten är versionshanterad, så den körs på samma sätt varje vecka i stället för att jag ska behöva uppfinna formatet på nytt varje fredag.”
Håll CRM- och uppgiftsdata rena och självuppdaterande
Smutsiga data undergräver i tysthet fler projekt än de flesta team inser, och några yrkesverksamma har automatiserat själva rensningen i stället för bara rapporteringen ovanpå den.
Självuppdaterande kunddata
Justin DeBron, general manager på Peak Time Pickleball, hoppade helt över verktygen för dra-och-släpp-automatisering och valde i stället ett litet anpassat skript som körs enligt ett automatiskt schema: ”Jag valde medvetet bort middleware utan kod. Det är ett Python-skript som körs som ett schemalagt GitHub Actions-arbetsflöde via en cron-utlösare. Varje segment i HubSpot uppdateras nu automatiskt i stället för att byggas manuellt. Jobbet upptäcker också datafel på egen hand. Vid den första felfria körningen flaggade det 259 kontakter utan e-postadress och några felstavade adresser som mitt team fick rätta till.”
Varje segment i HubSpot uppdateras nu automatiskt i stället för att byggas manuellt. Jobbet upptäcker också datafel på egen hand.
Automatiserade överlämningar från försäljning till drift
Hamza Amir, grundare av Jabwewed, automatiserade överlämningen mellan försäljning och drift så att introduktionsuppgifter inte längre är beroende av att någon kommer ihåg att skapa dem: ”Jag byggde ett Make.com-arbetsflöde som utlöses automatiskt när en leverantörs status uppdateras i HubSpot. Det skapar en strukturerad introduktionsuppgift i ClickUp med förifyllda fält som hämtas direkt från HubSpot-posten – leverantörens namn, kategori, kontaktuppgifter och prioritetsnivå – så att inget behöver skrivas in manuellt igen.”
Var automatiseringen bör ta slut och omdömet ta över
Nästan alla yrkesverksamma vi talade med drog en tydlig gräns mellan vad som automatiseras och vad som stannar hos en person, oavsett hur kapabel automatiseringen blir.
Philip Ruffini, vd för Hire Overseas, berättade att hans regel är att ”automatisera förberedelserna och grovjobbet och låta AI:n göra de första 80 procenten. Behåll en människa för de sista 20 procenten och för det faktiska slutliga beslutet. Vi automatiserar aldrig beslutet, bara allt som leder fram till det.”
Graham Mann, grundare av SEOTakeoff, formulerade samma princip utifrån vad som gör automatisering faktiskt användbar snarare än bara imponerande: ”Min regel: automatisera sortering, sammanfattning och dirigering, men låt en person behålla omdömet, prioriteringen och godkännandena. Det är vanligtvis där automatisering hjälper projektledare att arbeta, i stället för att skapa ett andra system som människor måste hantera.”
För projektledare är det den verkliga möjligheten: inte att bygga system som kör sig själva från början till slut, utan att bygga system som överlämnar de beslut som spelar roll till dig.
Vill du ha fler insikter som dessa? Skapa ett kostnadsfritt DPM-konto för att höra från fler experter som dessa.
