De största utmaningarna inom leveransledning 2026
AI-integrering: AI är en aktuell påfrestning för projektledare, eftersom införandet ofta saknar en tillräcklig strategi och beredskap.
Datautmaningar: Ostrukturerade och partiska data undergräver AI:s effektivitet och kräver bättre datastyrning och datakompetens.
Mänskliga farhågor: Införandet av AI skapar oro i teamen kring anställningstrygghet, vilket kräver att ledare hanterar förtroendet på ett effektivt sätt.
Expertparadoxen: Djup expertis är fortfarande avgörande för effektiv användning av AI, eftersom AI är beroende av mänsklig kompetens för att skapa värde.
Fokus på genomförande: Projekt misslyckas ofta i genomförandet på grund av multitasking och överbelastning, inte på grund av bristande planering.
Något är annorlunda med leveransarbete 2026. Det handlar inte bara om att verktygen har förändrats eller att förändringstakten har ökat — det handlar om att varje större kraft som stör hur organisationer fungerar verkar ha anlänt samtidigt. Artificiell intelligens har gått från nyfikenhet till operativ förväntan på bara några år. Geopolitisk instabilitet omformar marknader och leveranskedjor. Leveranspressen har ökat, samtidigt som teamen är mer slimmade och utspridda än någonsin. Och genom allt detta förväntas människorna som ansvarar för att faktiskt få projekten att hända navigera i en terräng som ingen handbok helt har kartlagt.
För att förstå vad det här ögonblicket verkligen kräver pratade vi med flera leveransansvariga från olika branscher. Här är deras tankar.
AI-uppgörelsen — möjligheter, oro och obesvarade frågor
Artificiell intelligens är inte längre något framtida övervägande för projektledare — det är en pågående press här och nu. Men i våra samtal framträdde en återkommande spänning: entusiasmen för AI har ökat betydligt snabbare än organisationernas beredskap att använda AI på ett bra sätt. Frågan är inte längre om man ska införa AI, utan hur man gör det ansvarsfullt och vad som händer när organisationer hoppar över det grundläggande arbetet som krävs för att få det att faktiskt fungera.
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
Pressen att införa AI utan en grund
Kravet på att "använda AI" kommer uppifrån i organisationerna med stor brådska, men ofta utan den strategi som krävs för att backa upp det. Marcus Glowasz, ledarskapscoach och rådgivare inom förändrings- och projektkommunikation på Projects & Data, beskrev ett mönster han ser om och om igen: "Jag hör ofta: ‘Vi måste använda AI. Eftersom alla använder det måste vi göra det.’ Och sedan kastar sig alla över det. Men det kanske finns en bättre lösning än AI." Pressen är verklig, men inriktningen är ofta förhastad.
Jag hör ofta: ‘Vi måste använda AI. Eftersom alla använder det måste vi göra det.’ Och sedan kastar sig alla över det. Men det kanske finns en bättre lösning än AI.
Denna uppifrån och ned-riktade press förstärks av bristen på samråd med de personer som faktiskt leder leveransarbetet. Emmanuels Magaya, grundare av Project Managers Africa, beskrev ett scenario han har stött på otaliga gånger: "AI kommer ofta från organisationsnivå, och man säger åt alla att börja använda det här verktyget. Det kommer uppifrån som en helikopter ... Men ingen rådfrågade PMO-teamet." Resultatet blir en implementering utan anpassning — och ett misslyckat införande som skapar skepsis.
AI kommer ofta uppifrån som en helikopter … men ingen rådfrågade PMO-teamet.
Samma mönster syns på projektnivå. Derek Fredrickson, grundare av The COO Solution, menar att ordningsföljden i grunden är bakvänd i många organisationer: "Ofta försöker de [ledarna] initiera AI som lösningen innan en människa faktiskt har gjort det ... Det vi verkligen behöver klargöra är vad människan gör först, för att se var AI kan skapa värde, i stället för att tänka: ‘Jag har ingen funktion eller uppgift ännu, men jag vill bara att AI ska göra det.’" Innan AI kan läggas till, säger han, måste den mänskliga processen förstås och dokumenteras.
Ofta försöker de [ledarna] initiera AI som lösningen innan en människa faktiskt har gjort det. Vi måste först bli väldigt tydliga med vad människan gör för att se var AI kan tillföra värde.
Dataproblemet under AI-problemet
Under frågan om AI-användning ligger en mer grundläggande fråga: är den underliggande datan tillräckligt bra för att göra AI användbart? Bruno Morgante, grundare och vd för Mantegora, är tydlig med det problem han ser med AI i portföljarbete: "det största problemet just nu är att den data vi utgår från inte är särskilt ren. Vi har alltså ostrukturerad, oren och partisk data. Och när man sammanför allt detta och ber ett AI-verktyg att hjälpa till med förutsägelser ... kommer resultatet inte att bli särskilt bra." Skräp in, skräp ut — den äldsta regeln inom data gäller fortfarande, även i de stora språkmodellernas tidsålder.
Vi har ostrukturerad, oren och partisk data. Och när man sammanför allt detta och ber ett AI-verktyg att hjälpa till med förutsägelser … kommer resultatet inte att bli särskilt bra.
För Laurel Sim, delägande partner och president på Taleo Project Services, Inc., är avsaknaden av tydliga gränser för var och hur AI får användas en av vår tids avgörande ledarskapsutmaningar. "AI:s hastighet och att vi saknar riktlinjer för att avgränsa var AI är en acceptabel arbetsmetod", säger hon, hör till hennes största yrkesmässiga bekymmer — och organisationer utan stark datastyrning är enligt henne särskilt utsatta.
Marcus Glowasz påpekar att det också finns en fråga om datakompetens som måste hanteras innan en seriös AI-implementering kan genomföras: "Det krävs datakompetens. Man måste förstå begreppen kring data. Om man har data som man inte förstår ... vilken nytta har man då av några verkligt avancerade AI-verktyg?" Datastyrning i kombination med mänsklig förståelse för den data som används är en förutsättning, inte något som bara är bra att ha, för effektiv AI-användning.
Den mänskliga dimensionen: team, tillit och rädsla för att förlora jobbet
Även när AI integreras på ett genomtänkt sätt finns det en utmaning inom personalledning som ledare säger underskattas: den oro som AI skapar i teamen. Pam Butkowski, SVP, leverans på Horizontal Digital, identifierar detta som det verkliga ledarskapstestet: "Jag tror inte att det är själva utmaningen att förstå eller komma fram till hur vi ska integrera AI-verktyg och metoder i våra dagliga arbetssätt. Ur ett ledarskapsperspektiv har utmaningen för mig varit att uppmuntra mitt team, eller hitta sätt att få mitt team, att utveckla andra förmågor när vi tar in de här AI-verktygen ... Och att förklara och inge teammedlemmarna förtroende för att AI inte kommer att ta deras jobb." Den tekniska integrationen är, menar hon, nästan den enklare delen.
Utmaningen för mig har varit att uppmuntra mitt team och hitta sätt att få mitt team att använda andra förmågor när vi tar in de här AI-verktygen … Och att förklara för teammedlemmarna och inge dem förtroende för att AI inte kommer att ta deras jobb.
Bill Dow, direktör för företagsövergripande PMO vid UW Medicine, kopplar denna oro till en bredare omvärldsrealitet som ledare inte kan ignorera: "Jag tror att man 2026 måste vara medveten om den omvärld vi befinner oss i, alla uppsägningar på grund av AI, allt som händer i världen, och sedan samla sig och säga: hur håller vi oss uppdaterade? Hur ser vi till att ligga steget före?" Frågan för leveransledare handlar inte bara om hur man använder AI, utan också om hur man leder team som är rädda för vad det innebär för deras framtid.
2026 måste man vara medveten om den omvärld vi befinner oss i, alla uppsägningar på grund av AI, allt som händer i världen, och sedan samla sig och säga: hur håller vi oss uppdaterade?
Expertparadoxen — AI behöver mänsklig expertis för att skapa värde
Det finns en paradox i kärnan av AI-användningen som Markus Kopko, huvudcoach för CPMAI på ALVISSION, formulerar så här: "Det de flesta ännu inte har förstått är att man måste vara expert inom sitt område för att få bra resultat från AI." Konsekvenserna är betydande. AI minskar inte behovet av djupgående expertis — det bygger på den.
Kopko går längre och lyfter en generationsfråga: "Problemet vi kommer att möta inom en inte alltför avlägsen framtid, antar jag, är att om yngre människor inte längre får den kunskapen och blir experter med tiden, hur ska de då kunna bedöma och granska resultaten av AI:s utdata?"
AI minskar inte behovet av djupgående expertis. Det bygger på den.
Hålla jämna steg — förändringstakten springer ifrån människor
Artificiell intelligens är den mest synliga pådrivande faktorn, men den är inte den enda. De experter vi talade med hanterar ett mycket större problem med förändringstakten: den tekniska utvecklingen går snabbare än vad de flesta människor och organisationer kan ta till sig, övergripande krafter skapar ny osäkerhet och förväntningarna på snabbare leveranser krockar med den mänskliga kapacitetens begränsningar. Utmaningen med att hålla jämna steg handlar inte bara om att lära sig nya verktyg — den handlar om att leda människor genom en långvarig desorientering.
Teknikens utvecklingstakt och inlärningsskuld
Kopko beskriver tempot som något relativt nytt: "[den största utmaningen] är att komma ikapp med och integrera den snabba teknikutvecklingen. AI-området var relativt nytt för många människor för bara ett par år sedan. Och nu använder vi det i princip dagligen. Nu måste vi integrera AI-kunnande och datakunnande samt lära oss saker mycket snabbare än vi gjorde tidigare."
Yrkesgruppen kämpar inte med att förstå AI i teorin — den kämpar med att hålla jämna steg med hur snabbt AI självt utvecklas. Det som var aktuell praxis för sex månader sedan kan redan vara föråldrat, och organisationer befinner sig ständigt i ett läge där de försöker komma ikapp.
Makromiljön: politik, marknader och osäkerhet
Utmaningen med utvecklingstakten sträcker sig långt bortom tekniken. Laurel Sim nämner makromiljön som en av sina två mest angelägna farhågor för yrkesgruppen: "min största oro är det politiska läget i landet, på kontinenten och i världen, samt hur vi alla måste utvecklas utifrån var våra marknader finns." Geopolitisk instabilitet, förändrade handelsförhållanden och ekonomisk osäkerhet är inte abstrakta bekymmer för leveransansvariga — de leder direkt till förändrade prioriteringar, störningar i leveranskedjorna och projekt som inleds utifrån en uppsättning antaganden men måste slutföras under helt andra förutsättningar.
Min största oro är det politiska läget i landet, på kontinenten och i världen, samt hur vi alla måste utvecklas utifrån var våra marknader finns
Kompetenskrisen inom mänskliga färdigheter — kritiskt tänkande, genomförande och gruppdynamik
Mitt i allt oväsen kring teknik återkom experterna vi talade med gång på gång till en tystare, långsammare kris: urholkningen av de grundläggande mänskliga färdigheter som ingen AI kan efterlikna.
Kritiskt tänkande och kommunikationsfärdigheter blir allt viktigare grundläggande färdigheter
När Laurel Sim fick frågan om vilka färdigheter som är viktigast för nästa generation av projektledare tvekade hon inte: "Kritiskt tänkande", säger hon. "Så att vi tänker och är kreativa ... om vi inte försöker uppmuntra den styrkan går vi miste om något." Problemet är inte bara att det kritiska tänkandet är outvecklat — det är att vi aktivt misslyckas med att utveckla denna färdighet samtidigt som den blir allt viktigare i AI-eran.
Michael Gold, grundare och fraktionerad leveranschef, kopplar denna förändring direkt till hur AI omformar själva projektledarrollen: "att säga att man är processinriktad som projektledare är meningslöst, för vem är inte processinriktad med AI? Med AI blir fokuset på den mänskliga sidan ännu större, på relationshantering, intressenthantering, övertygelseförmåga och kommunikationsfärdigheter ... AI kan inte ersätta den direkta mänskliga interaktionen." När AI tar över de processintensiva delarna av rollen är det som återstår — och det som betyder mest — omisskännligt mänskligt.
Med AI blir fokuset på den mänskliga sidan ännu större, på relationshantering, intressenthantering, övertygelseförmåga och kommunikationsfärdigheter.
Multitasking, överbelastning och den omänskliga arbetsplatsen
Ett av de mest konsekventa teman som framkom i våra intervjuer var den skada som orsakas av organisatorisk överbelastning — att tilldela människor mer arbete än de rimligen kan hantera. Bill Dow beskriver det rakt på sak: "chefer lägger tio projekt på människor ... Och vad som händer är att man helt enkelt hamnar i ett ständigt skiftande från projekt till projekt till projekt, eller hur? Och ingen människa klarar det." Resultatet är inte produktivitet — det är en illusion av produktivitet som döljer djupare organisatoriska problem.
Johanna Rothman, ägare av Rothman Consulting Group, tar kritiken längre och beskriver multitasking inte bara som ett praktiskt problem utan också som ett etiskt sådant: "Anledningen till att jag blir så upprörd över multitasking är att det tar bort det mänskliga ur arbetet. I stället har vi bitar och delar av människor i ett kalkylblad. Multitasking uppstår alltså ur tanken att vi kan dela upp och erövra, vilket skapar en omänsklig arbetsplats." Med andra ord, när vi behandlar människor som delade resurser utspridda över parallella arbetsflöden minskar vi inte bara effektiviteten. Vi skapar också förutsättningar som gör meningsfullt arbete av hög kvalitet svårare att uppnå.
Johanna Rothman ifrågasätter också hur organisationer planerar arbetet. Många team bygger långa ärendeköer och färdplaner som lovar leverans varannan vecka, men hon menar att en sådan grad av säkerhet är orealistisk: “Jag vet inte hur lång tid saker kommer att ta, trots att jag har stor erfarenhet av mina resultat. Och om jag, efter 30 års erfarenhet av resultatbaserat arbete, inte kan förutsäga vad jag kommer att göra under nästa vecka, hur skulle då något team kunna göra det?”
Hennes poäng är att överbelastning och överbelåning ofta är inbyggda i själva systemet, vilket lämnar leveransansvariga att hantera konsekvenserna.
Om jag, efter 30 års erfarenhet av resultatbaserat arbete, inte kan förutsäga vad jag kommer att göra under nästa vecka, hur skulle då något team kunna göra det?
Vägen framåt
De utmaningar som dessa ledare beskriver är inte isolerade. De hänger ihop. AI förändrar hur projekt planeras och levereras, men de styrningsramverk, den datainfrastruktur och de processer för kompetensutveckling som krävs för att stödja denna förändring släpar efter. De ledare som kommer att navigera 2026 med störst framgång är de som förstår att de svåraste problemen fortfarande i grunden är mänskliga.
Vill du ha fler insikter från experter som de som presenteras i den här artikeln? Skapa ett gratis konto för att få tillgång till mängder av expertlett innehåll och resurser.
