Wprowadzenie: Czym jest zarządzanie projektem?
Zarządzanie projektem to struktura, która definiuje role, odpowiedzialność, polityki i procesy podejmowania decyzji, kontrolowania działań projektowych oraz zapewniania przejrzystości i rozliczalności przez cały cykl życia projektu. Zasadniczo zapewnia, że projekty są wykonywane właściwie przy jednoczesnym zarządzaniu związanymi z nimi ryzykami. Dobra struktura zarządzania projektem powinna wyjaśniać, kto za co jest odpowiedzialny i kto ponosi odpowiedzialność, gdy sprawy nie idą zgodnie z planem. Dla kierownika projektu i zespołu projektowego powinna zapewnić strukturę władzy i kontroli, która prowadzi projekty w kierunku osiągnięcia celów projektowych przy jednoczesnym zarządzaniu ryzykami i zapewnianiu zgodności z celami organizacyjnymi.
Przy sztucznej inteligencji powszechnie obecnej jako rodzaj asystenta w środowiskach projektowych, nasze podejście do zarządzania projektem wymaga aktualizacji. Narzędzia AI są wbudowane w oprogramowanie do zarządzania projektami, narzędzia oceny ryzyka, systemy harmonogramowania i platformy wspomagania decyzji. Ta zmiana wprowadziła nowe złożoności, z którymi tradycyjne modele zarządzania projektem nie radzą sobie. Przy AI jako kluczowej części zespołu realizacyjnego, wyzwaniem jest teraz skuteczne zarządzanie wykorzystaniem AI, bez spowalniania projektu.
Tu właśnie nowoczesne zarządzanie projektem staje się niezbędne. Kierownicy projektów i biuro zarządzania projektami muszą zapewnić, że narzędzia AI wspierające ich projekty są używane etycznie, wydajnie i skutecznie – przynosząc rezultaty, które rzeczywiście poprawiają sukces projektu, a nie tworzą nowe problemy. Dla kierowników projektów, kierowników programów, menedżerów portfela i liderów PMO, zrozumienie zarządzania projektem w tym kontekście jest niezbędne dla zapewnienia udanych projektów i skutecznego zaangażowania interesariuszy.
Trzy podstawowe zasady zarządzania projektami
Czym jest zarządzanie projektem bez fundamentów? Plan zarządzania projektem działa tylko wtedy, gdy jest zbudowany na solidnych podstawach. Struktura zarządzania projektami AI zapewnia model specjalnie zaprojektowany dla realiów środowisk projektowych opartych na AI, zbudowany na trzech fundamentalnych zasadach, które kształtują sposób, w jaki zespoły projektowe powinny podchodzić do zarządzania AI w projektach.
1. Orientacja na człowieka
AI powinno wzmacniać ludzkie możliwości, a nie je zastępować. Ta zasada zapewnia, że AI pozostaje narzędziem wspierającym, a nie autonomicznym podmiotem podejmującym decyzje. Nawet gdy AI wykonuje znaczną część zadań administracyjnych projektu, niektóre prognozy sugerują, że AI może obsługiwać do 80% zadań zarządzania projektami do 2030 roku. Ludzie muszą pozostać za sterem. Dla sponsora projektu i zarządu projektu zasada Human-in-the-Loop powinna być niepodlegająca negocjacjom.
W praktyce oznacza to utrzymywanie aktywnego nadzoru, a nie biernego monitorowania. Gdy system AI sygnalizuje zagrożenia lub zaleca zmiany w harmonogramie, kierownik projektu i zespół projektowy muszą kontekstualizować te spostrzeżenia, ocenić ich trafność i podjąć ostateczną decyzję. AI może zidentyfikować zagrożenie w oparciu o dane historyczne, ale nie potrafi zrozumieć polityki organizacyjnej, dynamiki zespołu czy priorytetów strategicznych tak jak ludzie.
Zasada człowiekocentryczności chroni odpowiedzialność i zapewnia, że podejmowanie decyzji strategicznych pozostaje tam, gdzie powinno – u doświadczonych kierowników projektów i interesariuszy projektu, którzy rozumieją pełny kontekst i mogą napędzać sukces projektu.
2. Przejrzystość
Transparentność zapewnia, że rola AI w projektach jest wyjaśnialna i podlegająca audytowi. Zespoły projektowe muszą być w stanie wytłumaczyć, w jaki sposób powstały rekomendacje generowane przez AI, zapobiegając przekształceniu się AI w "czarną skrzynkę", która podważa zaufanie interesariuszy.
Wykracza to poza dokumentację techniczną. Jeśli narzędzie AI zaleca dostosowanie harmonogramów projektu, kierownik projektu musi wyjaśnić, dlaczego system wydał taką rekomendację i czy jest ona zgodna z celami projektu. Jeśli AI przydziela pracę w sposób nieproporcjonalny określonym członkom zespołu na podstawie błędnych danych historycznych, mechanizmy transparentności pomagają zidentyfikować i skorygować problem, zanim wzmocni on nierówność.
Transparentność zapewnia również zgodność z przepisami, szczególnie w branżach, gdzie decyzje generowane przez AI mają implikacje prawne lub finansowe. Buduje zaufanie wśród interesariuszy projektu, demonstrując, że AI jest wykorzystywane odpowiedzialnie poprzez skuteczne zarządzanie projektem i że nadzór ludzki sprawowany przez zarząd projektu pozostaje solidny.
3. Zdolność adaptacji
Dojrzałość integracji AI i zarządzania AI różni się drastycznie między organizacjami. Niektóre używają AI jedynie do automatyzacji rutynowych zadań; inne wdrażają zaawansowane prognozowanie, ocenę ryzyka i optymalizację przepływów pracy. Zasada adaptowalności zapewnia, że struktura zarządzania projektami może odpowiednio skalować się, aby wspierać różne typy projektów.
Działa to na dwóch poziomach. Po pierwsze, dostosowywanie się do poziomu adopcji AI w organizacji. Od podstawowej pomocy Gen AI po wyrafinowane systemy wspomagania decyzji napędzane AI. Po drugie, dostosowywanie się do dojrzałości zarządzania AI. Niezależnie od tego, czy dopiero ustalasz polityki, czy masz już dobrze zdefiniowane struktury nadzoru. Zamiast narzucać podejście „jeden rozmiar dla wszystkich", adaptowalność zapewnia, że zarządzanie projektami pozostaje praktyczne i specyficzne dla kontekstu, ewoluując wraz z możliwościami AI organizacji.
Pięć podstawowych wartości, które napędzają wdrożenie
Podczas gdy zasady stanowią fundament, pięć podstawowych wartości przekłada je na praktyczne sposoby myślenia i zachowania dla kierowników projektów, zespołów projektowych oraz osób pełniących role nadzorcze, takie jak PMO i sponsorzy projektów:
Odpowiedzialność zapewnia, że decyzje wspierane przez AI pozostają przejrzyste, możliwe do wyjaśnienia i wolne od uprzedzeń. Gdy AI wpływa na rezultaty i wyniki projektu, jasne linie odpowiedzialności zapewniają, że te decyzje pozostają możliwe do prześledzenia i zgodne z wartościami organizacyjnymi. Kierownik projektu pozostaje odpowiedzialny za zapewnienie odpowiedniego wykorzystania AI, podczas gdy sponsor projektu ponosi odpowiedzialność za ogólną integralność projektu i osiągnięcie celów projektu.
Rozsądek równoważy poleganie na AI z osądem ludzkim. AI może przetwarzać dane z szybkością, z którą ludzie nie mogą się równać, ale brakuje mu świadomości kontekstualnej i inteligencji emocjonalnej. Nadmierne poleganie na AI może prowadzić do decyzji, które ignorują dynamikę organizacyjną lub względy etyczne. Rozsądek zapobiega ślepemu uzależnieniu od rekomendacji generowanych przez AI i podkreśla znaczenie krytycznego nadzoru ludzkiego przez zespół projektowy.
Współpraca sprzyja efektywnej pracy zespołowej między ludźmi a AI. Poprzez współpracę z narzędziami AI, zespół projektowy zapewnia, że różnorodne perspektywy od interesariuszy projektu wpływają na decyzje, a nie izolowane, sterowane algorytmami wybory. Ta wartość zachęca do transparentności w kwestii roli AI i tworzy środowiska, w których członkowie zespołu czują się komfortowo kwestionując i doskonaląc rekomendacje AI w celu wsparcia sukcesu projektu.
Ciekawość promuje eksplorację tego, jak AI może wspierać wyniki projektu, przy jednoczesnym zachowaniu świadomości ograniczeń. W szybko ewoluujących krajobrazach technologicznych ciekawość zachęca zespoły projektowe do odpowiedzialnego eksperymentowania, badania sposobu działania narzędzi i krytycznej oceny wyników. Prowadzi to do odkrywania innowacyjnych zastosowań przy jednoczesnym zrozumieniu, kiedy AI nie jest odpowiednim rozwiązaniem.
Ciągłe doskonalenie koncentruje się na regularnej ocenie i udoskonalaniu integracji AI. Maksymalizacja wartości AI wymaga ciągłej oceny, zbierania opinii i chęci dostosowywania podejść. Kierownicy projektów i zespoły zaangażowane w ciągłe doskonalenie nie odrzucają narzędzi po niezadowalających wynikach – badają problemy, dopracowują parametry i wzmacniają mechanizmy nadzoru.
Razem te trzy zasady i pięć wartości tworzy kompleksowy fundament dla zarządzania projektem, gdy używane są narzędzia AI, zapewniając, że zespoły projektowe mogą wykorzystywać potencjał AI przy jednoczesnym zachowaniu kontroli, odpowiedzialności i standardów etycznych przez cały cykl życia projektu.
Korzyści i znaczenie zarządzania projektami
Skuteczne zarządzanie projektami przynosi wymierne korzyści w wielu wymiarach. Dla starszych menedżerów projektów, biur zarządzania projektami oraz dyrektorów PMO, zrozumienie tych korzyści pomaga uzasadnić potrzebę lepszego zarządzania projektami w dzisiejszym świecie napędzanym sztuczną inteligencją.
Zwiększone Wskaźniki Powodzenia Projektów
Projekty odnoszące sukces z jasnymi ramami zarządzania projektami po prostu sprawdzają się lepiej. Zarządzanie projektami zapewnia przejrzystość, odpowiedzialność i mechanizmy kontroli, które utrzymują projekty na właściwym torze i pomagają kierownikom projektów realizować cele projektowe. W projektach wspomaganych przez AI, gdzie złożoność techniczna i niepewność są wysokie, solidny plan zarządzania projektami staje się jeszcze bardziej wartościowy dla zapewnienia sukcesu projektu.
Pomaga zespołom projektowym poruszać się w niejednoznaczności poprzez jasne procesy podejmowania decyzji i ścieżki eskalacji, które angażują radę projektu i sponsora projektu. Gdy pojawiają się nieoczekiwane problemy z wydajnością AI lub obawy etyczne, zespoły wiedzą dokładnie, kto musi być zaangażowany i jak powinny być podejmowane decyzje. Jasne zarządzanie projektami zapobiega kosztownym opóźnieniom i zmniejsza ryzyko złych decyzji podejmowanych w danej chwili bez odpowiedniej analizy.
Skuteczne ograniczanie ryzyka
AI wprowadza specyficzne ryzyka, których tradycyjne zarządzanie ryzykiem w projektach nie uwzględnia w pełni. Algorytmiczne uprzedzenia mogą prowadzić do dyskryminacyjnych wyników. Problemy z prywatnością danych mogą powstać w wyniku niewłaściwego obchodzenia się z danymi treningowymi. Autonomiczne systemy mogą podejmować decyzje o niezamierzonych konsekwencjach. Wydajność modeli AI może się pogarszać z czasem bez odpowiedniego monitorowania.
Struktura zarządzania projektem zapewnia ustrukturyzowane podejścia do identyfikowania, oceniania i łagodzenia tych ryzyk. Obejmuje procesy oceny ryzyka, mechanizmy monitorowania i procedury eskalacji specjalnie zaprojektowane dla kontekstów AI. Bez zarządzania projektem organizacje zasadniczo lecą na ślepo, przyjmując potężne technologie bez systematycznych sposobów zarządzania ich ryzykiem.
Zgodność z przepisami
Zgodność z przepisami nie jest opcjonalna, a krajobraz prawny dotyczący AI jest złożony i stale ewoluuje. Na przykład akt AI UE to nie opcjonalne wytyczne. To ustawodawstwo regulacyjne. Niezgodność niesie ze sobą znaczące kary finansowe i konsekwencje prawne.
Dla menedżerów portfeli nadzorujących wiele projektów zapewnienie spójnej zgodności z przepisami we wszystkich inicjatywach stanowi duże wyzwanie. Ramy zarządzania projektem zapewniają ustandaryzowane procesy, które gwarantują, że wszystkie projekty spełniają wymagania zgodności. Ta spójność ułatwia audyty i zmniejsza ryzyko prawne, jednocześnie wspierając biuro zarządzania projektami w utrzymywaniu standardów.
Budowanie zaufania interesariuszy
Zaufanie ma większe znaczenie niż kiedykolwiek. Klienci, pracownicy, inwestorzy i opinia publiczna coraz częściej wymagają od organizacji odpowiedzialnego wykorzystywania AI. Głośne porażki związane z AI powodują ogromne szkody wizerunkowe, których naprawienie zajmuje lata.
Przejrzyste zarządzanie projektami demonstruje zaangażowanie Twojej organizacji w odpowiedzialne AI. Pokazuje interesariuszom projektu, że posiadasz ustrukturyzowane procesy podejmowania decyzji etycznych, zarządzania ryzykiem i zapewniania zgodności poprzez skuteczne angażowanie interesariuszy. Ta przejrzystość buduje zaufanie i może stać się przewagą konkurencyjną, szczególnie podczas konkurowania o klientów lub talenty, które cenią etyczne wykorzystywanie technologii.
Praktyczne kroki wdrożenia dla kierowników projektów
Wdrażanie lub ulepszanie zarządzania projektami powinno być przeprowadzane w sposób skoordynowany i dostosowany do kontekstu organizacji w zakresie stopnia adopcji AI w środowiskach projektowych. Biuro zarządzania projektami zazwyczaj przewodzi tym działaniom przy wsparciu sponsora projektu i rady projektu.
Krok 1: Gdzie jesteśmy teraz?
Dobrym pierwszym krokiem dla kierownika projektu i biura zarządzania projektami jest przeprowadzenie benchmarku obecnego poziomu dojrzałości zarządzania projektami w organizacji w kontekście wykorzystania AI w projektach.
Model Dojrzałości Zdolności Zarządzania Projektami AI (AIPG-CMM) pomaga organizacjom ocenić obecną dojrzałość zarządzania projektami i zaplanować ulepszenia. Ocena obejmuje cztery kluczowe filary dla projektów wspomaganych przez AI:
-
Strategia i Zarządzanie AI: Ten filar koncentruje się na tym, jak strategia/polityka organizacji dotycząca wykorzystania AI jest definiowana i kontrolowana w ramach projektów. Ocenia, czy istnieją jasne ramy, polityki i aktywny nadzór wykonawczy, aby zapewnić etyczne i skuteczne wykorzystanie AI oraz właściwe zarządzanie jego ryzykiem.
-
Narzędzia i Infrastruktura AI: Ten filar bada środowisko techniczne i systemy wykorzystywane do AI w projektach. Ocenia, czy narzędzia i infrastruktura AI są bezpieczne, zgodne z politykami organizacyjnymi i mogą się skalować przy zachowaniu silnego zarządzania projektami.
-
Zdolności Ludzkie i Odpowiedzialność: Ten filar ocenia aspekty zarządzania projektami skoncentrowane na ludziach. Koncentruje się na zapewnieniu, że zespół projektowy jest właściwie przeszkolony w odpowiedzialnym wykorzystaniu AI i że jasno określone są role i obowiązki w celu utrzymania ludzkiego nadzoru i odpowiedzialności za wyniki generowane przez AI.
-
Gotowość i Jakość Danych: Ten filar dotyczy danych wykorzystywanych przez narzędzia AI w środowisku projektowym. Ocenia procesy zapewniania, że dane projektowe są dostępne, dokładne i wysokiej jakości, z określoną własnością i regularnymi audytami w celu ciągłego poprawiania niezawodności i przydatności zbiorów danych.
Pięć poziomów dojrzałości to: Ad Hoc, Zainicjowany, Ustandaryzowany, Przedsiębiorczy i Zoptymalizowany.
Przeprowadzenie takiego benchmarku zarządzania projektami pomaga ustalić realistyczne kolejne kroki na drodze do ciągłego doskonalenia. Ta widoczność jest cenna dla biura zarządzania projektami i innych liderów organizacyjnych, którzy muszą wykazać skuteczność zarządzania projektami.
Krok 2: Dostosowanie i Personalizacja
Dostosuj ramy zarządzania projektami do swojego kontekstu. Wybierz odpowiednie procesy i szablony, zmodyfikuj je do swojego środowiska i zapewnij integrację z istniejącymi metodologiami i narzędziami zarządzania projektami. Kierownik projektu powinien współpracować z zespołem projektowym, aby zapewnić, że ramy wspierają, a nie utrudniają realizację rezultatów projektu.
Krok 3: Program Pilotażowy i Wdrożenie
Przetestuj na niewielkiej liczbie projektów przed pełnym wdrożeniem. Wybierz pilotaże reprezentujące różne typy i poziomy ryzyka, aby przetestować elastyczność ram. Wykorzystaj wyniki pilotażu do udoskonalenia swojego podejścia. Pozwala to kierownikowi projektu i radzie projektu na walidację planu zarządzania projektem przed szerszą implementacją.
Krok 4: Szkolenie i Komunikacja
Opracuj kompleksowe szkolenia dla wszystkich ról. Upewnij się, że wszyscy – od sponsora projektu i rady projektu po zespół projektowy i interesariuszy projektu – rozumieją ramy zarządzania projektem, swoje obowiązki oraz sposób integracji zarządzania z istniejącymi procesami zarządzania projektami. Jasna komunikacja zapobiega postrzeganiu ram jako biurokratycznego narzutu i pomaga w angażowaniu interesariuszy.
Krok 5: Monitorowanie i Ciągłe Doskonalenie
Ustal procesy monitorowania skuteczności. Zbieraj metryki dotyczące narzutu zarządzania, wyników projektów i zgodności. Wykorzystuj AIPG-CMM do oceny dojrzałości i identyfikacji możliwości doskonalenia. Biuro zarządzania projektami powinno regularnie przeglądać ramy zarządzania projektami, aby zapewnić ich ewolucję w miarę dojrzewania możliwości AI organizacji i kontynuować wspieranie udanych projektów.
Wniosek
Zarządzanie projektem jest fundamentem, który umożliwia pomyślne wdrożenie AI w zarządzaniu projektami. W miarę jak AI coraz bardziej wbudowuje się w narzędzia i procesy zarządzania projektami, ryzyko niekontrolowanego użytkowania rośnie proporcjonalnie. Pytanie dla kierownika projektu, sponsora projektu i rady projektu nie brzmi, czy wdrożyć system zarządzania projektem, ale jak zrobić to skutecznie, nie utrudniając realizacji projektu.
Korzyści wykraczają poza zarządzanie ryzykiem. Organizacje z silnym zarządzaniem projektami osiągają wyższe wskaźniki udanych projektów, lepsze ograniczanie ryzyka, lepszą zgodność z przepisami i większe zaufanie interesariuszy. Co najważniejsze, zarządzanie projektem umożliwia innowacje z pewnością siebie – kierownicy projektów mogą wdrażać technologie AI, wiedząc, że mają struktury pozwalające zarządzać ryzykiem i zapewnić odpowiedzialne użytkowanie przy jednoczesnym osiąganiu celów projektu.
Krajobraz regulacyjny się zaostrza. Oczekiwania interesariuszy rosną. Konsekwencje awarii AI stają się coraz poważniejsze. Organizacje, które czekają z ustanowieniem zarządzania projektem do momentu pojawienia się problemów, znajdą się w trybie reaktywnym, zarządzając kryzysami zamiast im zapobiegać. Dla organizacji poważnie podchodzących do wdrożenia AI w zarządzaniu projektami nadszedł czas ustanowienia solidnego zarządzania projektem.
Niezależnie od tego, czy dopiero zaczynasz eksplorować zarządzanie projektami, czy chcesz udoskonalić istniejące praktyki, framework oferuje praktyczne narzędzia, jasne wskazówki i uporządkowaną ścieżkę dla kierowników projektów i zespołu projektowego. Nie chodzi o dodawanie warstw biurokracji – chodzi o zapewnienie, że narzędzia AI wspierające twoje projekty rzeczywiście dostarczają wartość, jednocześnie zarządzając bardzo realnymi ryzykami, które wprowadzają.
Organizacje, które będą prosperować, to te, które skutecznie zarządzają użytkowaniem AI, równoważąc innowacje z odpowiedzialnością oraz efektywność z etyką. AI Project Governance Framework zapewnia strukturę, która czyni tę równowagę osiągalną, wspierając sukces projektu poprzez skuteczne angażowanie interesariuszy, jasne cele projektu i solidny nadzór ze strony sponsora projektu, rady projektu i biura zarządzania projektami.