AI: transformacje, których można się spodziewać w zarządzaniu projektami i analizie biznesowej

W dzisiejszym świecie biznesu organizacje coraz częściej polegają na dobrze zorganizowanych metodologiach, aby zarządzać zmianami, dostarczać wartość i utrzymywać przewagę konkurencyjną. Dwie kluczowe dyscypliny, które często przyczyniają się do pomyślnej realizacji inicjatyw strategicznych, to zarządzanie projektami (PM) i analiza biznesowa (BA). Chociaż każda z tych dyscyplin ma odrębne role, obowiązki i metodologie, w praktyce często się one pokrywają. W tym artykule na blogu (będącym kontynuacją  poprzedniego, poświęconego różnicom i synergii dwóch kluczowych ról, które sprawiają, że każdy projekt jest skutecznie realizowany: analityka biznesowego i kierownika projektu) postaramy się przyjrzeć perspektywom PM i BA, wzajemnej zależności zmian, które będą pochodzić ze strony sztucznej inteligencji (AI), oraz zdefiniować obszary, w których się one przecinają.
W rzeczywistości PM i BA są w praktyce głęboko współzależne. Skuteczna współpraca między kierownikami projektów a analitykami biznesowymi ma zasadnicze znaczenie dla osiągnięcia pomyślnych wyników. Projekty bez jasnej analizy biznesowej niosą ze sobą ryzyko wdrożenia niewłaściwego rozwiązania; z drugiej strony, analiza bez realizacji projektu nie ma praktycznego zastosowania.
W najbliższej przyszłości sztuczna inteligencja przyniesie nieuniknione zmiany w obecnym funkcjonowaniu zarówno BA, jak i PM, a my spodziewamy się znacznie więcej. Czego więc możemy się spodziewać?

Wspólne cechy obu dyscyplin, na które wpłynie sztuczna inteligencji

Zarządzanie projektami   

Analiza biznesowa

Zautomatyzowane procedury

Planowanie i harmonogramowanie

• Narzędzia AI mogą analizować wymagania projektu i automatycznie generować realistyczne harmonogramy, biorąc pod uwagę zależności, dostępność zasobów i dane historyczne 
• Dynamiczne dostosowania: w przypadku opóźnień lub zmian zakresu AI może na bieżąco ponownie optymalizować harmonogramy.

Gromadzenie i integracja danych  

 

• Tradycyjne: analitycy ręcznie gromadzą i oczyszczają dane z różnych źródeł.
• Wzbogacone o sztuczną inteligencję:
• Wykorzystuje inteligentne agenty i interfejsy API do gromadzenia danych z różnych platform (ERP, CRM, internet, media społecznościowe).
• Narzędzia ETL oparte na sztucznej inteligencji oczyszczają, deduplikują i normalizują dane szybciej i dokładniej.

Przetwarzanie języka naturalnego (NLP)

Wirtualni asystenci

 

• NLP umożliwia sztucznej inteligencji:
• Zrozumienie dokumentacji projektu
• Wyodrębnianie działań z notatek ze spotkań
• Automatycznie generowanie raportów lub aktualizacje
• Asystenci oparci na AI (np. chatboty) mogą odpowiadać na pytania zespołu, aktualizować zadania lub generować podsumowania postępów na żądanie.   

Zapytania i podsumowania 

 

• Użytkownicy biznesowi mogą zadawać pytania w prostym języku (np. „Dlaczego spadły zyski w Q2?”)
• Sztuczna inteligencja wyjaśnia w języku naturalnym, pobierając dane z narzędzi BI, nie tylko liczby, ale także informacje kontekstowe.
• Notatki ze spotkań, dokumenty i opinie interesariuszy mogą być automatycznie podsumowywane.

Procedury w czasie rzeczywistym

Monitorowanie i alerty

 

• Narzędzia AI zapewniają pulpity nawigacyjne w czasie rzeczywistym z inteligentnymi alertami.
• Systemy te wcześnie sygnalizują potencjalne problemy, takie jak zadania, które są opóźnione lub zespoły, które pozostają w tyle, dzięki czemu można szybciej podjąć działania naprawcze.

Wsparcie decyzji

 

• Agenci AI dostarczają decydentom rekomendacje w czasie rzeczywistym, uwzględniające kontekst.
• Łączą dane wewnętrzne (sprzedaż, operacje) z danymi zewnętrznymi (trendy rynkowe, nastroje w mediach).

Umożliwiają tworzenie adaptacyjnych modeli biznesowych, które dynamicznie reagują na warunki rynkowe.

Lepsza współpraca

Monitorowanie i alerty

 

• Narzędzia AI zapewniają pulpity nawigacyjne w czasie rzeczywistym z inteligentnymi alertami.
• Systemy te wcześnie sygnalizują potencjalne problemy, takie jak zadania, które są opóźnione lub zespoły, które pozostają w tyle, dzięki czemu można szybciej podjąć działania naprawcze.

Wirtualni asystenci AI

 

• Analitycy biznesowi mogą współpracować z asystentami AI w celu:
• Generowania wniosków na żądanie
• Przeprowadzania doraźnych analiz hipotetycznych
• Uzyskiwania sugestii dotyczących ulepszeń dostosowanych do kontekstu

Ciągłe doskonalenie

Skupienie się na uczeniu się i optymalizacji procesów

 

• AI może analizować ukończone projekty w celu wyciągnięcia wniosków.
• Z czasem pomaga organizacjom ulepszać metodologię projektów poprzez identyfikację tego, co konsekwentnie działa (lub nie działa).   

Skupienie się na modelach biznesowych

 

• AI stale przekazuje wyniki wydajności z wdrożeń do modelu biznesowego.
• Systemy samouczące się z czasem ulepszają prognozy i metody analizy.

Redukcja błędów poznawczych

• AI zmniejsza ludzkie uprzedzenia poprzez:
• Formułowanie zaleceń opartych na danych
• Oferowanie alternatywnych scenariuszy lub kontrargumentów dla decyzji opartych na przeczuciu

• AI oferuje alternatywne spojrzenie na dane, podważa założenia i ujawnia słabe punkty.
• Ogranicza tendencję do potwierdzania własnych przekonań poprzez porównanie wielu modeli analitycznych lub perspektyw.

Analiza predykcyjna i preskrypcyjna

• AI zmniejsza ludzkie uprzedzenia poprzez:
• Formułowanie zaleceń opartych na danych
• Oferowanie alternatywnych scenariuszy lub kontrargumentów dla decyzji opartych na przeczuciu

• AI oferuje alternatywne spojrzenie na dane, podważa założenia i ujawnia słabe punkty.
• Ogranicza tendencję do potwierdzania własnych przekonań poprzez porównanie wielu modeli analitycznych lub perspektyw.

Specyficzne cechy każdej z dziedzin, na które wpłynie sztuczna inteligencja

Zarządzanie projektami   

Analiza biznesowa

Optymalizacja zasobów

 

• AI może rekomendować optymalny przydział zasobów poprzez analizę:
• Dopasowania umiejętności
• Równoważenia obciążenia pracą
• Dostępności
• Pomaga to uniknąć przeciążenia kluczowych pracowników i niedostatecznego wykorzystania innych.   

Automatyczne raportowanie i pulpity nawigacyjne

AI automatycznie generuje:

• Raporty wizualne
• Streszczenia wykonawcze
• Pulpitów nawigacyjnych dostosowanych do potrzeb interesariuszy
• Raporty są aktualizowane w czasie rzeczywistym w miarę napływania nowych danych.

Ulepszone zarządzanie ryzykiem

• AI może przewidywać ryzyko, zanim się ono zmaterializuje, analizując:
• Historyczne dane projektowe
• Wydajność zespołu
• Czynniki zewnętrzne, takie jak trendy rynkowe lub zakłócenia w łańcuchu dostaw
• Może również sugerować strategie ograniczania ryzyka w oparciu o podobne scenariusze z przeszłości.   

Zaawansowane rozpoznawanie wzorców i wnioski

• AI wykrywa trendy, wartości odstające i korelacje w dużych zbiorach danych, wykraczając poza możliwości ludzkie.
• AI wykorzystuje modele uczenia maszynowego do:
• Identyfikowania związków przyczynowych
• Przewidywania zachowań klientów
• Wykrywania nieefektywności operacyjnej

Zarządzanie portfelem projektów (PPM)

 

• Na poziomie portfela AI może:
• Oceniać i ustalać priorytety projektów w oparciu o zgodność strategiczną i zwrot z inwestycji
• Optymalizować alokację zasobów między wieloma projektami
• Dostarczać symulacje scenariuszy „co jeśli” Informacje o klientach i rynku

Customer & Market Intelligence

 

• AI skanuje media społecznościowe, recenzje, fora i wiadomości przy użyciu NLP w celu:
• Śledzenia nastrojów
• Wykrywania działań konkurencji
• Odkrywania niezaspokojonych potrzeb klientów

AI zmienia zarządzanie projektami, poprawiając efektywność realizacji i kontrolę.   

AI zmienia analizę biznesową, zwiększając głębię wglądu i strategiczną przewidywalność.

Ważna uwaga:

Wszystkie wymienione powyżej zmiany nie będą łatwe do wprowadzenia. Każdy proces wdrażania AI zaczyna się od danych. Bez dostępnych i odpowiednio zarządzanych danych transformacja AI nigdy nie nastąpi w Twojej organizacji. Szkolenie algorytmów AI do zarządzania projektami będzie wymagało dużych ilości danych związanych z projektami. Twoja organizacja może przechowywać ogromne ilości historycznych danych dotyczących projektów i badań, ale prawdopodobnie są one przechowywane w tysiącach dokumentów w różnych formatach plików, rozproszonych w różnych systemach. Informacje te mogą być nieaktualne, mogą wykorzystywać różne wskaźniki lub zawierać błędy i luki. Znaczna część czasu poświęconego na przygotowanie algorytmu uczenia maszynowego (ML) do praktycznego zastosowania koncentruje się na gromadzeniu i czyszczeniu danych, które przekształca surowe i nieustrukturyzowane dane w dane ustrukturyzowane, które mogą służyć do szkolenia modelu ML.

Jednocześnie organizacje nie mogą zapomnieć o przygotowaniu swoich pracowników do tej ważnej zmiany. Nowa generacja narzędzi nie tylko zmieni technologię zarządzania projektami, ale także całkowicie zmieni praktyczną pracę w ramach projektu. Kierownicy projektów, a także analitycy biznesowi muszą być przygotowani do szkolenia i trenowania swoich zespołów, aby dostosować się do tej zmiany. Powinni oni zwiększyć nacisk na interakcje międzyludzkie, jednocześnie wcześnie identyfikując braki umiejętności technologicznych swoich pracowników i pracując nad ich wyeliminowaniem. Oprócz skupienia się na wymaganiach biznesowych i wynikach projektu, powinni oni zwrócić szczególną uwagę na tworzenie wysokowydajnych zespołów i zapewnienie im wszystkiego, czego potrzebują, aby osiągać najlepsze wyniki.

 

Aby przygotować się do zastosowania AI w analizie biznesowej i zarządzaniu projektami, należy:

• Sporządzić dokładny wykaz wszystkich projektów, od tych historycznych po najnowsze;
• Przez kilka miesięcy (lat?) inwestować zasoby w gromadzenie, porządkowanie i strukturyzowanie danych historycznych oraz szkolenie personelu w zakresie nowych technologii opartych na AI;
• Przygotować się do wyjścia poza tradycyjne strefy komfortu i radykalnej zmiany głównego podejścia do analizy biznesowej i zarządzania projektami;
• Być przygotowanym na to, że technologie oparte na AI będą popełniać błędy, ucząc się, jak lepiej działać w konkretnej organizacji;
• Poczekać kilka miesięcy (rok?), aby zacząć dostrzegać korzyści płynące z automatyzacji;

Kluczowe pytanie dla sponsora wykonawczego tej inicjatywy: czy ma on w swojej organizacji zdolność i wiarygodność, aby poprowadzić tę transformację?

Jeśli masz już pozytywną odpowiedź, to jesteś gotowy, aby rozpocząć tę rewolucyjną transformację. Jeśli masz nieokreśloną odpowiedź lub wyraźne „nie”, to musisz popracować nad zmianą jej na „tak” – zanim zaczniesz działać!

Końcowa refleksja:

Chociaż AI nie zastąpi kierowników projektów, zwiększy ich możliwości, pozwalając im skupić się na przywództwie, aktywnym zaangażowaniu interesariuszy poprzez automatyczne śledzenie statusu projektu i regularne aktualizacje dla interesariuszy, przewidywanie ryzyka przed jego materializacją — zamiast wdrażania strategii ograniczania ryzyka po fakcie.

 

Chociaż AI nie zastąpi analityków biznesowych, rozszerzy ich możliwości, pozwalając im skupić się na niezaspokojonych potrzebach klientów, odpowiednim zaangażowaniu interesariuszy, sugestiach dotyczących ulepszeń opartych na wielu modelach analitycznych, trendach i korelacjach w dużych zbiorach danych wykraczających poza ludzkie możliwości oraz nadzorze strategicznym — zamiast ręcznego śledzenia i przetwarzania danych.