AI proměňuje způsob, jakým projektoví manažeři řídí projekty. Od fáze plánování až po závěrečný reporting. Ale jak ji skutečně využít efektivně, bez iluzí a bez zbytečných obav?
Zeptali jsme se Jana Groha, Head of Delivery v Exportio a lektora kurzu AI pro projektové manažery, který má nejen zkušenosti z praxe, ale i vhled do toho, kde AI opravdu pomáhá. A kde je naopak lepší spolehnout se na vlastní úsudek.
Honzo, v našem předchozím rozhovoru jste zmiňoval, že hlavním rizikem projektů je nedostatečná analýza. Může nám AI v analytické fázi projektu pomoci, abychom připravovali lepší podklady pro startující projekt?
Díky za skvělou otázku hned na začátek, odpověď je jasná. AI je velkým pomocníkem i v této fázi projektu a pomáhá nám připravovat komplexnější analytické výstupy.
Ale určitě si nepředstavujme situaci tak, že za nás AI tuto práci kompletně provede. Stále je zde hlavní analytické myšlení a pochopení všech aspektů projektu. Kvalitní business analytik, který si však k ruce bere AI, je absolutně nenahraditelný.
Které fáze projektových procesů podle Vás dnes zažívají díky automatizaci a AI nástrojům největší rozvoj?
Dalo by se říci, že AI dnes již zasahuje do každé fáze projektu. A to od již zmíněné analytické přes realizační, kde však záleží vždy na oboru projektu, až po fázi kontrolní, kde AI dokáže připravovat scénáře kontroly kvality i zajišťovat jejich provádění.
A nelze nezmínit to hlavní – AI nám obrovsky pomáhá v podpůrných činnostech, které jsme za její pomoci schopni optimalizovat tak, aby nám zabíraly minimum času a my se mohli soustředit na oblast naší expertizy – tedy projektové řízení.
Jaké typy AI modelů nejčastěji využíváte ve své praxi? A proč?
Osobně nejvíce pracuji s modely s pokročilou argumentací, které dokážou dosahovat lepších výsledků v kvalitě výstupů. Také hodně zpracovávám pomocí copilotů data, která používám jako analytické podklady, a šetřím si čas pomocí různých transformací.
V kurzu „AI pro projektové manažery“ pracujete s tématy GDPR a AI Act. Narazil jste už na reálnou situaci, kdy legislativa nějak významně zasáhla do procesu zavádění AI?
V praxi se nejčastěji řeší legislativa v souvislosti s ochranou dat. Zde je třeba říci, že ochranu dat neděláme kvůli zákonům a nařízením, ale kvůli tomu, abychom naše a nám svěřené know-how udrželi v bezpečí.
Stejně jako cizímu člověku nedáme přečíst náš deník, nesmíme mu dát přečíst ani citlivá data. Proto součástí každé implementace AI musí být také zajištění bezpečnosti dat. A to nejen v souladu se všemi regulacemi, ale tak, aby zpracování dat mohlo být prohlášeno za bezpečné.
A musíme také brát v úvahu riziko etické – to si ale necháme až do kurzu.
Prompt engineering je dnes buzzword. Jak moc je ve skutečnosti obtížné napsat opravdu dobrý prompt?
Zde se situace s postupným vývojem AI značně zjednodušila. V úplných začátcích bylo opravdu potřeba promptovat tak, „aby mi nástroj rozuměl“.
Dnes už tomu tak u velkých modelů není, ale přichází na řadu jiná superschopnost. Tou je přizpůsobit zadání tak, abychom získali vysoce specializovaný výsledek odpovídající nejen našim potřebám, ale také naší identitě, pozici, cílové skupině atd. Bavíme se tedy spíše o fine-tuningu promptu.
V minulém rozhovoru jste také zmiňoval delegování a přiznání chyb. Mění nástup AI v tomto ohledu dynamiku ve Vašem týmu?
Pokud se budeme bavit o softskillových oblastech projektového vedení, troufnu si říci, že nikoli. Změna naopak přichází v té druhé oblasti. Máme spoustu dat a možností jejich zpracování a přetavení do reportů nebo podkladů, na které musí právě ty soft skills navázat.
Řešíte nějak „black box“ efekt v AI? Setkáváte se při zavádění nových procesů s nedůvěrou stakeholderů?
Je to přesně tak, lidé mají nedůvěru k neznámým věcem, a proto je hlavním prvkem osvěta i detailní vysvětlení fungování AI a jejích aspektů.
Sice nemůžeme do onoho „black boxu“ nahlédnout, ale můžeme ho popsat a pochopit zvenčí a následně také výsledky dobře předvídat. A samozřejmě také otestovat a kontrolovat. Toto všechno je argumentace, kterou poté předáváme stakeholderům.
Výhoda je, že boom spojený s AI je tak veliký, že si ji ve volném čase vyzkoušel téměř každý – neukazujeme tedy lidem něco úplně nového – spíše zasazujeme použití do kontextu daného procesu.
Integrace AI přináší často odpor zkušených manažerů. Co za tím podle Vás je?
Nemyslím si, že by AI přinášela odpor zkušených manažerů, ale spíše těch, kteří o svých kompetencích pochybují či se obávají inovací. Zkušení manažeři dle mého názoru naopak vítají možnosti, které jim a jejich týmům svět AI a automatizací přináší.
Na druhou stranu je však třeba říct, že tyto změny podrobují silnému kritickému myšlení a vyhodnocují, kterým projektům či procesům implementace AI pomohou a kterým nikoli.
Veškerý obsah v užitečném formátu. Rozhovory, články, life hacky a tipy ze světa businessu i korporátů na našem LinkedIn profilu.
Pojďte se připojit!
Jak řešíte situace, kdy je lidský úsudek v rozporu s predikcemi a návrhy postupů od AI?
Je to vždy o kritickém myšlení. Vše, co nám řekne druhý člověk, je nutné prohnat verifikací vlastního úsudku a zdrojů. A s AI je to naprosto shodné. Nemůžeme ji považovat za důvěryhodný zdroj, vždy musíme její výstupy kriticky hodnotit a ověřovat. A ano, paradoxně nám k tomu může pomoci i samotná AI.
Můžete nám přiblížit nějaký případ z praxe, kdy AI nástroje zrychlily procesy ve složitém projektu?
Uvedu příklady z administrativní praxe, kdy projektový manažer byl se svým asistentem vždy zodpovědný za vyhotovení zápisu ze schůzky. A nyní je ten asistent virtuální… Je se mnou na každé schůzce, rozumí každému jazyku, pamatuje si každý detail a jako bonus mi umí sestříhat video s klíčovými informacemi pro danou záležitost.
Nebo také projekty, které se řídí spoustou dat. Dříve člověk trávil hodiny získáváním potřebného výstupu či ho musel delegovat na technické kolegy. Nyní je můj technický kolega připraven mi data zpracovat v řádu minut a já se mohu věnovat jejich interpretaci.
Co byste poradil projektovým manažerům, kteří s AI teprve začínají? Jaký jednoduchý use case byste doporučil implementovat hned na startu?
Jako úplně první krok bych se naučil si pomocí AI doplňovat a validovat své úvahy. Tedy vždy, když připravím nějaký výstup, použiji AI na získání zpětné vazby a jeho vylepšení, případně doplnění.
Díky tomuto validačnímu frameworku budu nejen dodávat komplexnější výstupy, ale také pochopím slabá místa a limity umělé inteligence.
Díky za rozhovor, praktické insighty a expertní pohled na využití AI v projektovém managementu.
Chcete se přihlásit k odběru novinek?
