September 3, 2024 • 48 mins
*** Är du intresserad av en AI-kurs för projektledare där du får lära dig använda de vanligaste AI-verktygen för en projektledare? Anmäl intresse på www.projektledarpodden.se/ai ***
Nedanstående är helt skapat av AI efter den lyssnat igenom avsnittet:
Välkommen till ett nytt avsnitt av Projektledarpodden! Idag återvänder Daniel Karlsson för att fördjupa vårt samtal om AI och dess praktiska tillämpningar inom projektledning. Vi diskuterar hur du som projektledare kan använda AI för att effektivisera arbetsuppgifter som att hantera e-post, planera workshops och organisera brainstorming-sessioner.
Daniel delar insikter från över hundra vetenskapliga artiklar och masteruppsatser om AI inom projektledning. Vi pratar om konkreta exempel från deras kurs "AI för projektledare" och hur AI kan användas för att förbättra projektplanering och intressentkommunikation.
Missade du avsnitt 50? Ingen fara! Vi återkopplar till tidigare diskussioner och bygger vidare med nya, praktiska tips. Vill du lära dig mer om hur AI kan förändra din arbetsvardag som projektledare? Lyssna på detta avsnitt och upptäck hur du kan börja använda AI redan idag!
Som vanligt får du gärna höra av dig på lyssnare@projektledarpodden.se med dina tankar och åsikter. Jag som har Projektledarpodden heter Mattias Ejbe och du kan läsa mer om podden på www.projektledarpodden.se
Mark as Played
Transcript
Episode Transcript
Available transcripts are automatically generated. Complete accuracy is not guaranteed.
(00:00):
När man börjar experimentera så här, då kommer man se att, ja just det,
jag kan ju använda den till det här.
Då kan jag också använda den till att kanske hjälpa till med mejlen.
Jag kan använda den till att kanske planera vår nästa workshop.
Just det, jag kunde använda kamerafunktionen och fota post-it-lapparna som vi
tog fram under brainstorming-sessionen och breda in dem och kategorisera dem.
(00:23):
Den du har pratat, Daniel Karlsson.
Han var med i avsnitt 50 när vi pratade om AI för projektledare.
Nu fortsätter vi det samtalet fast lite fördjupat och med mer praktiska exempel.
Några av exemplen finns i Daniels och min kurs AI för projektledare som du kan
läsa mer om på projektledarpodden.se-ai.
(00:43):
De första tillfällena är redan utsålda men vi kommer att lägga upp nya så gå
gärna in där på projektledarpodden.se-ai om du är intresserad av en sån kurs.
Jag som har podden heter Mattias Eibe och nu kör vi!
Du vill lyssna på Projektledarpodden. En podd för dig som gillar att leda projekt
(01:05):
och vill lära dig mer av andra om projektledning.
Idag har vi med oss Daniel Karlsson igen. Vi ska prata mer AI och nu ännu mer
vad kan man som projektledare använda AI till?
Och hur ser det ut framåt? Välkommen tillbaka Daniel.
Stort tack. Enormt kul att få vara här en andra gång. Ja, och du har ju hållit
(01:27):
på lite grann efter det här.
Jag gick ju igång så mycket på det här så vi har ju till och med satt ihop en
kurs om det här. Det kan vi prata lite mer om, men det är lite utifrån den kursen
vi kommer att prata idag.
Absolut, det blir superkul. Men du har ju gått igenom mer än hundra vetenskapliga
artiklar om AI och projektledning, det är specifikt.
Vad har du fått fram av det? Om man ska vara noggrann där så har jag gått igenom,
(01:48):
jag hade väl en bas på 200 vetenskapliga artiklar och sen så hade jag ett stort
antal bloggartiklar och också master thesis som är kopplat till AI inom projektledning.
Så kokade jag ner det där till ett mindre antal.
I slutändan så tror jag att det landade kring 20-30 tal forskningsartiklar som
var intressanta och sen ett stort antal bloggartiklar och master thesis.
(02:11):
Det det kokar ner till är att det finns ett par tydliga saker.
Dels är det att det är mycket spekulation i de här artiklarna.
Man pratar om vad som kommer hända, hur AI kommer förändra projektledning,
vad som eventuellt kan hända när den här tekniken används fullt ut.
Det finns också instruktioner för hur man ska implementera det som projektledare
(02:33):
och också mycket som är drivet från verktygsperspektivet.
Sen när det kom till konkreta use cases för hur man gör, hur man använder det, så är det ganska tunt.
Jag hittade i princip ingenting där, ett fåtal med artiklar som beskriver de
här sakerna, utan det är mycket spekulation i artiklarna.
(02:54):
Däremot om man går in och tittar i projektforum där projektledare får skriva
av sig, då finns det mycket små trådar om hur man använder AI,
men det är ett tecken på att vi fortfarande är väldigt tidigt ute inom det här
området. Det var liksom det stora take-awayen.
Och det de föreslår att man ska använda det till, vad är det?
Ja, det är ju små saker kan man säga.
(03:16):
Om man tittar på det som det används till i praktiken så är det små saker.
Vi kanske ska börja med drömmarna, vad vi vill använda det till.
Och då är det, vi projektledare vill kunna leverera ett projekt i tid.
Och vi vill kunna följa vår budget och vi vill ha rätt kvalitet.
Och då tänk om man kunde ha en AI som kunde förutspå hur långt ett projekt kommer att ta.
(03:37):
Och vad budgeten kommer att bli med högre prestation än vad vi kan göra själva.
Men det här är faktiskt väldigt svårt att göra med dagens AI.
Det finns ett ganska bra examensarbete som släpptes här för ett halvårsrund ungefär.
Där man tog, jag tror att det var tolv stycken projekt. Och så tittade man på
hur bra hade projektledarna varit på att förutspå hur lång tid det kommer ta.
(03:59):
Och då som vi projektledare så tog vi lite grann i underkant som vi brukar göra.
Så det visade sig att projekten tog ungefär 50% längre än vad vi hade estimerat.
Och så tänkte vi, bra, nu har vi data, nu slänger vi in det här och låter en AI göra beräkningar.
Och den hade fel på plus minus någonstans mellan 200-300 procent.
Den var ju inte ens i närheten av året. Och det visade att, visst kan man säkert
(04:21):
använda det för att ta fram tidplaner och så, men då krävs det en helt annan
nivå av data än vad de flesta sitter på.
Så det var ett intressant exempel.
Om vi backar tillbaka då, varför är AI relevant för projektledare?
Ja men, ja det kan man säga, det är,
Det är kanske första gången som vi får ett verktyg som kan hjälpa oss med allt vi gör.
(04:44):
Det är så stort och brett verktyg.
Så om man tittar på vad en projektledare gör till vardags så kan man säga att AI kan hjälpa oss i allt.
Det blir väldigt abstrakt och flummigt när jag säger så. Men om man kockar ner
och tittar på vad de här projektledarna skriver om i forum och vad du och jag
också har experimenterat med.
Så är det allt från att skriva skräddarsydda mejl till att ta fram vilka intressenter
(05:11):
man har i ett projekt och kanske hjälpa till att ta fram projektplaner,
sammanställa post-it notes.
Rubbet av små atomära uppgifter är den jättebra på att hjälpa till med i dagsläget.
Och har du några grundläggande begrepp inom AI som varje projektledare bör känna till?
Ja, man behöver inte bli expert på AI som projektledare utan då ska man vara expert med projekt.
(05:35):
Men det är bra att ha en grundläggande kunskap om några saker.
Det är väl framförallt skillnad på maskininlärning och det som heter generativ
AI som vi kanske kan prata lite mer om sen.
Det är en sak som jag tycker man ska ha koll på så att man inte blandar ihop
de begreppen. och då maskininlärning, det kallas ibland för traditionell AI
(05:56):
eller analytisk AI eller AI för beslutsstöd,
Och det har säkert många av er sett exempel på.
De typiska är att man tränar en AI-modell på massor med röntgenplåtar som en
läkare har gjort en bedömning på.
Så tränar man den på hur röntgenplåten ser ut och vilka beslut som kunde fattas
(06:18):
utifrån röntgenplåten.
Kanske om det var ett benbrott eller inte. Och sen så låter man AI själv fatta
beslut på en röntgenplåt.
Det är liksom väretablerat. Du bygger en egen modell utifrån dator.
Sen så har vi det nya som är generativ AI som är extremt nytt.
(06:39):
Det baseras mycket på ett vetenskapligt papper som släpptes av Google 2017.
Så väldigt ny. Och det den typen av AI gör är att den genererar ny information.
Så maskininlärning används för beslutsstöd, man tränar en egen modell.
Medan generativ AI, då har man en modell som kan användas för att generera ny information.
(07:00):
Till exempel ny text, den kan skapa en projektrapport.
Och du behöver inte träna den modellen, utan den är liksom förtränad.
Så de två är ganska bra att hålla isär, de två stora olika typerna av AI som finns.
Jag tänkte också på prompting ett begrepp som ofta
nämns och man ofta hör och man kanske inte riktigt har koll på vad det är för någonting,
(07:24):
så det är ytterligare ett begrepp som jag tycker att man ska känna till och
det är i det här generativa A-in den som kan skapa nytt, så är prompting begreppet
för att göra beställningen det vill säga skriva in vad man vill ha för någonting.
Föreställ dig, om jag skriver en prompt så kanske det står, föreställ dig att
du är en att du jobbar på legal inom ditt företag, här är är ett NDA.
(07:45):
Snälla granska det och se om det är några punkter som du tycker kräver extra uppmärksamhet.
Och så får man svaret därefter. Och själva den beställningen kallas för en prompt.
Och promptar gör man annat än också det som kallas LLM.
Ja, just det. Det var bra att du påminner mig om språkmodeller också.
Det är mycket som man tar för givet när man är inne på det här.
(08:05):
Men LLM, det är en förkortning som man ser om man är lite mer initierad och
det står för stor språkmodell. Och det är den generativa AI som används för texthantering.
Den bygger på en stor språkmodell. Jag kommer att gå in kort på hur man tränar
en sån modell vilket kan tyckas vara lite out of scope men om man förstår det
(08:27):
så kommer man ha mycket lättare att ta sig till vilka begränsningar och vilka
saker som en sån LLM använder.
Som är bra till. Och den vanligaste LLM som ni kanske talar om är GPT.
Och då har Chatt GPT en vanlig assistent som använder en sån språkmodell.
Men de funkar i princip i två steg. Först tränar man modellen.
(08:49):
Och sen så använder man den. Och i den här träningsfasen.
Då kan det tyckas banalt. Det man gör är att man låter den gissa förutspå nästa ord i en mening.
Så har man massor med data. där man säger att man kanske har till och med all
data på intet och så låter man den gissa vilket ord kommer näst.
Och så tar den fram vilket ord som har störst sannolikhet och listar alla ord
(09:13):
så att alla ord får en sannolikhet att förekomma.
Så att den blir jättebra på att gissa vilka ord som följer efter varandra.
Och det kan man ju tänka sig, ja men det här är ju superbanalt.
Men det ger ganska mycket och är mer avancerat än man tror.
Man kan tänka sig på ett exempel om man har en kriminalroman och står på sista
raden och mördaren är då måste man kunna pricka rätt namn då kräver det någon form av.
(09:40):
Förståelse eller någon form av känsla för vad som har förekommit innan.
Så det är så de tränas först på nästa ord och då kan man tänka sig att om man
har en mening så finns det något ord som har störst sannolikhet tänk dig att
du har hunden springer efter en då kanske boll,
absolut med sannolika men,
(10:02):
Det vore ju tråkigt om man hela tiden skulle få samma svar på samma fråga i
de här språkmodellerna.
Så det man gör är att man väljer ett ord med hög sannolikhet.
Kanske inte det absolut högsta. Som gör att ena gången så får man att hunden springer efter en boll.
Andra gången får man efter en strumpa. Och tredje gången så får man att den
springer efter en smula eller vad som helst.
(10:25):
Och det här kan man säga är en av grunderna för det som vi tycker är jättedåligt
med de här modellerna. det är att de har fel ibland.
De säger bara att det här är en sannolik följd av ord men det behöver inte vara rätt eller fel.
Den vet inte om det är rätt eller inte.
Och det är dåligt. Vi är vana med att med en dator så matar man in en sak och
(10:48):
så får man exakt samma svar hela tiden. Så det är så vi förhåller oss till en dator.
Trycker man på fetstil så blir det alltid fetstil. Det blir inte kursivt ibland.
Men de här har den egenheten att man får ord som är sannolika och det kan ju
vara fantastiskt om man tittar en brainstorming-situation då kan den generera
(11:09):
massor av olika exempel, och då vill vi ha den här.
Oförsäbarheten och slumpmässigheten i systemet, så det är verkligen pros and cons,
Nu blir det en lång utläggning här, men jag ska bara ta en sak till kort,
och det handlar om den är tränad på det datat som finns på internet,
och det är ju vi människor som har lagt upp där med allt vad vi gör med bra
(11:30):
och dåligt och bias och saker som är politiskt korrekta och saker som inte är så politiskt korrekta.
Och eftersom AI är tränad på det så kommer det såklart återspegla sig i det som ramlar ut ur AI.
Så alla våra bra saker finns där. Alla våra dåliga saker finns där också.
Så om ni använder AI för att generera en text se då till att läsa igenom den.
(11:56):
Så att ni står bakom det som texten innehåller. Det vill säga,
ska ni skicka ett mejl som en AI har skrivit.
Säg då till att det här är någonting som står för er. För det kan finnas information
som kanske inte känns så rolig.
Så det är lite mer avancerat än när jag får hjälp när jag skriver sms.
Och bara får de här tre orden. Vara nästa ord.
(12:16):
Ja, det är lite mer avancerat. Men jag gissar att de här tre orden kommer ganska
snart vara AI-baserade.
Det är de säkert redan. Det är de säkert redan. idag. Så som jag tänker mig
de här assistenterna så tänker man verkligen som en assistent.
Jag tänker som en praktikant eller en tjeni som kommer och hjälper mig.
Som aldrig hållit på med projektledning.
(12:37):
Som inte har gjort och har de erfarenheterna som kanske jag har.
Men en fantastisk ambition och har lärt sig otroligt mycket innan.
Men jag måste instruera.
Jag vet inte, hur tänker du? Ja, men det är en bra observation och bra om man kan ha det med sig.
När man går in och ska prompta, man ska göra sin beställning till sin AI,
(12:59):
då vet ju den, vet inom situationstecken igen då, ingenting om förutsättningar,
vad du vill åt, hur den ska formulera svaret.
Så att ofta om man inte hjälper den på traven på det sättet som du nämnde så
får man ganska generella, generiska, tråkiga svar som man känner att man inte kan använda.
(13:19):
Man förstår varför de är där men de känns inte som relevant för mig i den situationen
jag är just nu. för då tittar den, då hamnar man i de här breda svaren med hög
sannolikhet, så precis som du säger så ska man,
tänka på den som kanske en assistent som behöver ganska mycket guidning och
som man behöver liksom styra.
(13:39):
Och då kommer vi in lite grann på promptingar känns det som.
Jag kan ta lite kort om det bara. För många gånger när man sätter sig vid en
AI för första gången så tänker man naturligt på Google.
Hur googlar jag liksom? Det är ju klart att man tänker så.
Och Google funkar ju så att du söker efter någonting och då matchar den ditt
(14:03):
sökord med befintlig information på nätet och så får du fram någonting.
Kanske en artikel eller vad du ska laga till middag. Någonting som finns skrivet där.
Medan en AI eller en generativ AI skapar information utifrån vad du säger.
Så det är liksom ett helt annat sätt att ta fram information.
Och då för att få fram bra information som känns som den träffar oss så måste
(14:26):
man göra beställning på ett bra sätt och det är det som kallas prompting.
Om man pratar prompting, kanske ett nytt yrke, jag vet inte.
Och då finns det best practices som har liksom mejslats fram nu under de här
ett och ett halvt, snart två åren som alla har suttit och promptat i sina rum.
Och en ganska enkel formel som man kan använda på engelska heter den RTF,
(14:49):
som är för role, task och format.
Och på svenska så blir det väl RUF då, roll, uppgift och format.
Då kan man tänka sig att man ska börja med att ange vilken roll som man vill
att A och N ska ta. Då vet den lite mer, okej det är inom det här området som man vill ha ett svar.
Om vi går tillbaka till exemplet med att granska ett dokument så kanske man
(15:12):
säger att jag vill att du ska anta rollen som en legal expert på ett företag.
Då vet den ungefär vad man vill ut efter.
Sen så har det varit uppgift, då kan det vara att granska det här kontraktet
med den här underleverantören.
Då kan man till och med slänga upp en pdf där så att den vet vilket kontrakt
det är för någonting. Och.
(15:32):
Och sen formatet då. Då kan man säga att om uppgiften var granskare så kanske
formatet är att jag vill ha alla punkter som kräver extra uppmärksamhet.
Eller som du tycker avviker från normen.
I punktform. Eller kanske som en tabell med förslag på förbättringar.
Och just det med bara de tre enkla sakerna som roll, uppgift och format.
(15:54):
Så kommer man väldigt mycket längre än om man bara skriver in som om man gjorde en googling.
Och sen det fina med det här. Det är att sen när man får ett svar så kan man
fortsätta diskussionen på så sätt som man gjorde med den legala experten på företaget.
Då kan man säga att den där paragrafen, jag förstod inte riktigt vad man menade med den.
Kan du förklara den till mig som om jag vore en tolvåring? Då får man en förklaring som passar.
(16:17):
Och sen så kan man ha den diskussionen tills man känner sig nöjd.
Fungerar det här i alla språkmodeller? Samma tankesätt? Ja, det skulle jag säga.
Den fungerar i alla språkmodeller. och då när vi pratar språkmodell då tänker
vi framförallt på de här AI-assistenterna som ChattGPT.
Claude, Copilot Gemini ja,
(16:39):
det finns säkert 50 till, men det är väl de stora i varje fall ja,
och några har ju samma språkmodell kanske bakom och framför och sådär precis,
det är bara bra att du tar upp det för det är en fråga jag faktiskt ofta får
det här med Copilot mot ChattGPT vilken ska man använda Då brukar jag säga att de har samma motor,
(17:01):
samma intelligens, samma språkmodell som är det GPT-4O som är hjärnan bakom det hela.
Sen så får man lite olika språk. Både de här chat-GPT och Coop-Ires använder
samma motor men sen så får man lite olika svar beroende på vilka inställningar
som Microsoft och OpenAI har gjort.
Men i stort sett så är det samma grundförutsättningar.
(17:24):
Och om jag som projektledare vill testa på det här, vad ska jag tänka på första
gången och vad ska jag börja med?
Ska jag börja med Ketka P10 eller Clod eller Copilot, vad ska jag göra?
Om du vill använda det på jobbet så är det första att se vad du får använda.
Det kan ju vara så att ni får bara använda Copilot, vilket jag sett är ganska vanligt.
(17:48):
Och då har man inte så mycket att välja på utan då är det det som man får köra.
Sen om man har betalvarianten eller gratisvarianten kan det också skilja lite grann.
Har man mer fritt att kunna välja vad man vill då tycker inte jag att det spelar
jättestor roll om man använder ChattGPT, Copilot eller Cloud.
Visst är det skillnader mellan dem men det är lite nyanser. Det blir lite nördigt i nästa nivå.
(18:13):
Om någon börjar med ChattGPT så kanske du blir befäst i den eller så börjar
du läsa mer och så märker du att nu vill jag testa Cloud för jag har läst att
den har en ny funktionalitet och det verkar bra.
Men som nybörjare så skulle jag säga på den nivån så är alla de här lika bra.
Vad säger du Mattias? Du har ju testat en hel del.
Absolut. Just nu så är det Claude som ligger bra till hos mig men vissa saker
(18:37):
använder jag chat-KPT och vissa saker kör Copilot så det börjar lära sig.
Men egentligen, jag kan använda en av dem och det skulle gå lika bra.
Det är bara det här sista fina. Jag tycker Claude är lite bättre på svenska vad chat-KPT är.
Men chat-KPT Jag skulle kunna vara exakt lika bra som Claude om jag bara instruerade
den lite mer. Det är egentligen så att jag är lat.
Claude fattar mig lite snabbare. Så det är små nyanser i det hela.
(19:01):
Jag tänker bara en sak. Det viktiga är att man inte fastnar i någon form av beslutsångest.
Man sitter och så vet man inte vilken man ska välja. Så blir det ingenting av.
Då är det bättre att bara slumpa en och så kör man den. Det kommer inte bli så fel, tänker jag.
Skillnaden kör gratisversion jämfört med betald version? Nej.
Där kan det vara en fördel att ha betalversionerna.
(19:23):
Framförallt om man vill använda dem lite oftare och lite mer seriöst.
För gratisversionerna har ofta en begränsning i hur många frågor och prompt man kan ge.
Man kan börja med gratisvarianten och klå. Då märker man att man slår i taket
så tycker jag att det är värt att ta betalvarianten. Jag testar med chatt-GPT
(19:46):
och så märker man att gratisvarianten duger för det jag vill göra.
Då duger det för att börja med.
Nu har jag kommit in på den webbsidan där jag når dem här, eller via den appen,
som ny AI-projektledare.
Vad är det jag ska börja med? Hur ska jag lära mig det här?
(20:07):
Först är det bra om du har lite koll på den här promptformen som vi pratade om tidigare.
Det kan vara bra att repetera den och experimentera med den så att man får lite
känsla för hur svaren skiljer sig beroende på hur man ställer frågorna.
Då är det alltid bra att använda ett konkret exempel om man har det.
(20:27):
Nu kan det vara att vi inte får använda projektinformation för att den är konfidentiell
så den får vi inte lägga in i de här.
Om man vill experimentera med hur modellerna funkar då kan man ju ta företagsinformation
som ligger fritt tillgänglig på webben som är publik och så kan man,
experimentera med det så att man lär sig hur frågor och svar hänger ihop eller
(20:49):
så kan man ta annan data det viktiga är att man.
Får hålla sig till den data man får använda och den man inte får använda så
att det är klart innan så att det inte blir något tokigt där,
sen så det är också bra om man hittar saker i sin vardag små uppgifter i sin
vardag som man kan börja och experimentera med det kanske skulle kunna vara,
(21:10):
ta fram en intressent rapport för olika intressenter för marknadsföring,
forskning och utveckling och för legal igen då,
Då kan man experimentera med att sätta upp de personerna så att man definierar
hur en person i marknadsföring brukar agera. Man definierar det nästan som en persona.
Och sen så kan man lägga in kanske en projektrapport och så säger man så här,
(21:34):
jag vill att du granskar den här projektrapporten utifrån den här marknadspersonen. Så får man det.
Så kan man få lite olika input på rapporter. Så det är ett sätt att experimentera
och hjälpa till och granska saker man har gjort.
En annan är att ta fram information och när det gäller allt som jag säger så
här så kan det vara bra om man hittar saker där fallhöjden inte är så hög.
(21:58):
Ni kommer ihåg tidigare så pratade vi om hallucineringar det kan vara så att
outputen inte alltid stämmer dels kan man faktakolla det men det är väl bra
om man inte tar som första exempel någonting som är helt avgörande och sen så
på något sätt så litar man på den här modellen och så använder man det rakt av utan hitta saker som.
Har en ganska låg fallhöjd och då granskar dokument det en sak för där får man
(22:22):
ju bara input och så får man ju bedöma själv hur man ska använda den inputen,
en annan sak skulle kunna vara och skräddarsyda meddelanden om man ändå har
sin marketingperson så kanske man ska skriva en,
projektrapport till den personen så kan man ju säga att kan du formulera den
här utifrån det som den här marknadspersonen tycker är intressant då får man
(22:43):
förslag på det och så kan man bestämma själv hur man ska hantera den informationen,
och om det blir lite fel eller inte, det är inte hela världen,
sen när man börjar experimentera då kommer man se att Ja just det.
Jag kan ju använda den till det här.
Då kan jag också använda den till att kanske hjälpa till med mejlen.
Jag kan använda den till att kanske planera vår nästa workshop.
(23:08):
Just det, jag kunde använda kamerafunktionen och fota post-it-lapparna som vi
tog fram under brainstorming-sessionen och be den lägga in dem och kategorisera dem.
Just det, om jag kan använda den funktionen. Då helt plötsligt så har det öppnats
upp en helt ny värld och så vill man använda AI till precis exakt allt. Gör du det?
Jag har alltid ett fönster öppet med en AI-assistent i.
(23:30):
Och försöker använda den till saker som jag vet att den är bra på.
Sen vet jag också saker som den inte är bra på. Till exempel om jag skriver mycket på LinkedIn.
Och där har jag försökt att få den att skriva på samma sätt som jag.
Men jag tycker inte riktigt att den har lyckats. Så där vill jag skriva allting själv.
(23:50):
Men när det gäller att sammanfatta forskningsartiklar eller vad det är för någonting.
Då är det ett optimalt verktyg. Och hela tiden tänka, kan jag använda AI?
Har jag provat det här förut? Nej, nu testar vi. Så lär man sig på det.
Då bygger man upp sin egen kunskapsbas.
För den finns inte.
Det här är liksom ett nytt verktyg. Det finns inte en jättestor kunskapsbas att ösa ut.
(24:11):
Den börjar byggas upp nu, men det är fortfarande ganska nytt.
Jag gillar det du säger, det här med att spara tid och effektivisera.
För det är väldigt mycket där vi hamnar.
Och när du säger det här med forskningsartiklar, det är typiskt ett sådant tillfälle
när det faktiskt inte är hemligt.
Alltså kan jag använda vilken av de här språkmodellerna som helst.
Stämt på mitt företag, jag matar in det säger att jag vill sammanfatta det jag
(24:33):
säger vilken roll du är och du kan väl säga den roll man har på företaget du
är ansvarig för det här och du har fått den här forskningsartikeln,
kan du sammanfatta den för mig?
Eller ännu bättre jag ska redovisa den här för min chef.
Hjälp mig att ta fram det som min chef tycker är viktigt i den här forskningsartikeln
tio punkter gör det så jag kan kopiera in det till powerpoint,
(24:53):
och då gör ni det är superbra på det här, du är så tydlig när du specificerar
vad man ska göra för någonting Och det gör att du kommer få mycket bättre resultat
när du är specifik i vad du vill ha.
För då hjälper du den att ge dig det du förväntar dig. Det är som i all kravställning
och det har många projekt jag har stött på.
Det var visst en dålig kravställning som gjorde att man beställde inte var så
(25:16):
bra. Och så det gäller här också.
Många misslyckanden för att nå dit kan jag säga och det är många misslyckanden kvar.
Jag kan ta ett annat exempel där jag faktiskt använt det här.
Jag skulle göra en kravspes för hur man skulle logga in med bank-ID.
Det är heller ingenting som är hemligt om hur kraven för det ska se ut.
Sen kanske det är hemligt på det företaget hur man implementerar men själva
(25:36):
kraven är ju öppna och där den fixade utan problem.
Jag matade in så här ser vår kravspis ut, så här är våra kolumner och sen så
är det att du är kravare och du bla bla och sen så kunde jag få ut det här.
Och det tog tio sekunder. Och så hade jag kanske en fyrtiofemte krav.
Och det hade tagit mig ett par dagar att skriva ihop det där.
(25:57):
Sen fick jag givetvis läsa igenom allting, justera det.
Den hade hallucinerat lite grann på några få.
Men jag skulle säga att 80% av det där var bara direkt användningspart.
Ja, det är ofta under 80%. Ett annat just case som jag kommer att tänka på som
kanske inte alla provar. Det är just Excel.
Många projektledare sitter i Excel och gör saker.
Och här kan man använda ChatGPT. jag vill summera den här kolumnen på det här
(26:22):
sättet men vet inte riktigt hur jag ska göra ta fram en Excel-formel och där är den klockren,
man får jättebra då matar den ut precis hur Excel-formeln ska se ut så bara
ta copy-paste in med den i Excel och det hade jag haft under min karriär så
hade det sparat mig mycket tid och frustration.
Väldigt mycket av det jag gör idag när jag har ett problem så går jag inte längre
(26:43):
in i Google och googlar det problemet om jag ska ha en instruktion eller liknande
Då går jag hellre in i någon av de här språkmodellerna och skriver problemet.
Ibland så förstår de inte, men ChatCapté kan googla själv.
Vi har Perplexity som faktiskt kan lösa ett problem åt mig. Vi kan prata lite mer om den.
Vilket gör att det går snabbare att få skräddarsydd handledning för vad jag
(27:05):
ska göra av de här än att jag ska gå in och läsa i en manual eller liknande. Så det är jättehäftigt.
Inne, fler exempel. Kan du ta ett exempel från början till slut?
Ett sådant användningsfall? Någonting?
Ja, om jag ska ta något exempel där så skulle vi kunna ha kring stakeholder kommunikation.
(27:27):
Då kanske man börjar ett projekt och då får man väl föreställa sig att man inte
riktigt har koll på att man är ganska ny som projektledare så att man inte vet
vilka stakeholders man brukar ha med.
Så då kan man börja med att definiera en projektplan som vanligt och sen så
frågar man vilka är lämpliga stakeholders att ha med i det här projektet vilka
tror ni kan vara intresserade så kan man få en.
(27:50):
En matris på lämpliga stakeholders. Kan man välja ut några stycken som man tycker
är bra och några som man kan välja bort.
Och sen så kan man be den att ta fram en kommunikationsplan för hur man ska
kommunicera med de här olika stakeholdersna.
Och bra då om man kan ge den lite input.
Då kan man ta fram en snygg matris på att säga att den här ska uppdateras dagligen.
Den här ska uppdateras varje månad och så vidare. Så kan man ta fram en sån
(28:14):
kommunikationsmatris.
Och sen så känner man de här stakeholdersna kan man ju skapa de här personaserna,
annars så får man väl använda deras roller för att skapa personas så då tar
man fram en persona för varje stakeholder och sen när det gäller och kanske,
vad är nästa sak som man ska göra sen ska man be den här stakeholdersen om de
vill vara med i projektet och då vill man göra den på ett lite mer personligt
(28:36):
och smalt sätt, man kanske inte vill skicka ut sammelaren till alla,
då kan man skapa sitt generella meddelande och sen så kan man be den.
Omformulerar det här utifrån de här stakeholders perspektiv och sen justerar
man det litegrann och sen gör man utskick och så kommer de tjäna sig mer träffade
av det budskapet som når och man får väl större sannolikhet att de,
(28:58):
är med i projektet och sen kan man ju följa sin plan och så kommer man behöva
skicka ut ny information till de här stakeholdersna och igen då kan man använda
samma taktik och så får man det genom hela projektet,
Och det här gör du i chatt.
Om du återkommer, om du ska fortsätta med de här, då återkommer du alltså till den chatten.
(29:22):
Ja, precis. Jag skulle kanske kunna ha en chatt för varje stakeholder.
Det skulle nu underlätta för att annars så finns det väl en liten risk att den
kan bli förvirrad kring vilken stakeholder man pratade om.
Att den kan liksom blanda in produktutvecklare-stakeholdern
när jag pratar marknadsföring eller visa versa.
(29:42):
Så det kanske jag skulle hålla ut några chattar Men det är ändå så att du återvänder
till de chattarna så tre veckor senare så letar du upp din gamla chatt och så
fortsätter du prata med den där Ja, och anledningen till det är att vi pratade tidigare om att.
De här modellerna inte vet vad man vill ha för någonting, de vet ingenting när
man börjar en chatt om man inte har lärt upp det lite grann från grunden,
(30:04):
vilket man kan göra med ett annat kapitel,
Men om den har hela chatten då vet den ungefär vad man förväntar sig och kan
fortsätta diskussionen i samma stil.
Så har man en viss stil mot det här marknadsföret så kommer man fortsätta diskussionen i samma sätt.
Så då spar den en viss arbete med att man annars måste definiera upp antar rollen
som den här projektledaren eller vad det nu är för någonting.
(30:27):
Så då spar man tid genom att fortsätta på samma chatt. Och den här chatten,
det är vad den egentligen vet.
Den tittar inte på andra chattar runt omkring.
Nej, det skulle jag säga. Ja, lite darr på machete men det är det den har koll på.
Och ett tips där, det är att ibland kan chatten bli lite för långa så du inte
(30:47):
orkar med, utan du behöver starta en ny chatt.
Då är ett tips det att man då ger en instruktion och säger så här,
jag ska starta en ny chatt. Jag vill ta med mig all den viktiga informationen
från den här chatten så att jag kan fortsätta samma anda. Vad ska jag ge för instruktion?
Och sen tar jag den instruktionen och så startar jag en ny chatt med den instruktionen.
(31:08):
Ja, nu kommer jag bara in på en sak när vi pratar instruktioner eller prompter
som är intressanta vet man inte hur man ska prompta så kan man ju alltid be den,
jag vill ha en instruktion för att sammanfatta den här chatten,
kan du ge tre exempel på bra instruktioner då kommer man få tre exempel,
så kan man ju tweaka dem lite grann som man tycker passar men det är just det
att man alltid har någon att fråga,
(31:31):
så att, absolut det kallas för metaprompting när man sysslar med sådana saker,
det är hjälpsamt Idag, vilka är
de största fördelarna att använda AI genom projektledningen i en day då?
Ja, de största fördelarna är att man kan om man ska ta på högsta nivå så kan
man få mer tid till annat.
(31:54):
Man kan få mer tid att investera i att förbättra kvaliteten eller man kan få
mer tid till att göra andra typer av aktiviteter som man tror gynnar projektet.
Som projektledare i I vissa organisationer så är det lätt att man hamnar i,
ska man säga, att det blir mycket administration.
Att man nästan sitter inlåst på rummet och bollar i Excel-ark eller sitter och
(32:15):
jobbar med sitt projektledningsverktyg dagarna ända och inte har tid att ge
teamet den uppmärksamhet som behövs för att bygga en stark känsla av gemenskap.
Nu om man kan få loss lite tid så kanske man kan jobba med den typen av saker
och bygga ett starkt team och också hjälpa de som jobbar i teamet och göra så
att deras förmåga att leverera ökar.
Man får mer tid för den typen av saker så att det är väl på högsta nivån så
(32:39):
att jag skulle säga Men jag som projektledare det här är ytterligare ett verktyg
det tar mig tid att gå in och lära mig det här den tiden har inte jag, hur ska jag tänka?
Nej, exakt så och det tror jag är ganska utbrett men som projektledare,
vi har fullt upp hela tiden det är en rapport som ska lämnas inom två veckor
till en styrgrupp och den måste inom två timmar och då gör man ju så Då gör
(33:03):
man det på samma sätt som man alltid har gjort. För då vet man att man klarar det på två timmar.
Man har liksom inte energin att försöka lyfta in chattgipete och misslyckas.
Och bli för sen med leveransen. Och det blir bara pannkaka och allting.
Och jag menar, om du har två månader kvar som projektledare.
Och sen ska börja jobba som takläggare.
Då skulle jag säga så här, bry dig inte om AI.
(33:25):
Utan gör saker som du har gjort på samma sätt som tidigare. Siktar man på en
längre karriär så tror jag...
Att AI-verktyget kommer göra att vi får andra förväntningar och krav på oss
om man tittar kortsiktigt.
Om du tidigare är van att få en dag för att sätta upp en projektplan så kommer
du ganska snart bara få två timmar på dig att sätta ihop den projektplanen.
(33:45):
För att man vet att det går att göra på två timmar. Och dels är det liksom,
vill man hänga med så tror jag
att man på något sätt måste hitta tiden och lära sig det här verktyget.
Sen är det som allt annat att i början så förlorar man tid på det.
Det kommer ta mer tid än vad man får ut.
Man kommer bli frustrerad och allt sånt dåligt men i
(34:07):
slutändan vinsten är så pass stor i det här fallet till skillnad från många
andra mindre teknikskiften att jag tror att hamnar man för mycket efter så kan
man helt enkelt känna sig frånseglad och då kommer man behöva göra en stor fokuserad
insats vid något tillfälle.
Men om vi jämför det med att på alla företag finns det ju en Lisa eller Bosse
(34:28):
som är jätteduktig på Excel.
Och kan det inte fortsätta vara så att det finns någon Lisa eller Bosse som
är duktig på AI och som kan jobba vidare som vanligt?
Ja, jag tror att Lisa och Bosse kan vara jättebra på ett företag.
Och de kan hjälpa oss andra och skapa bra prompter som vi kan använda.
(34:49):
Men de kan inte sitta med mig hela tiden. jag använder det här verktyget i precis allt jag gör.
Så de kan inte sitta bredvid mig. De kan ju inte vara som en assistent som jag
går in och säger att jag har haft en konflikt med en projektdeltagare.
Kan du hjälpa mig med konflikthantering? Ja visst hjälper jag med det.
Jag behöver programmera Python-kod för att göra den här maskininlärningssaken.
(35:12):
Kan du hjälpa mig med det? Visst. Jag behöver en projektplan. Ja visst.
Och där tror inte jag att de har kapacitet att vara hos alla.
Det vore ju grymt om de kunde vara det. jag tror tyvärr inte att det går så
att då faller det på liksom på våra, ska man säga, axlar nu får jag ju låta
som en jobbig grej, det är faktiskt,
tillfredsställande att jobba med verktygen det kan du säkert intyga om,
(35:33):
men vi kommer behöva lära oss dem vill man ligga på framkant då gör man det nu,
sen så är vi tygade om att det här med prompting som vi har pratat mycket om
att det kommer i ganska stor utsträckning.
Fördefinieras så att man kanske har prompt för och skapa en projektplan som
(35:54):
företaget kanske har tagit fram.
Då använder man den prompten genom att klicka på en knapp.
Så jag tror att det kommer vara ett sätt för att få det här breda upptaget.
Men vill man vara liksom någorlunda på bollen så tror jag faktiskt att man gör
bäst i att lära sig det här själv.
Har du några fler tips och tricks när man sätter sig här nu första gången?
(36:18):
För många projektledare för ett och ett halvt år sedan så kanske de gick in och testade.
Och sen så, det där var ingenting för mig, det blev bara galler Mattias.
Vad tänker du, vad ska man göra? Man kan ta till sig det här med de här promptingformerna,
RTF till exempel eller RUF som vi pratade om, så kommer man komma mycket längre.
(36:39):
Sen så måste man tillåta sig, och det här måste få ta tid.
Det är inte någonting som du kanske ska göra på fem minuter mellan två möten
utan man måste ge sig själv förutsättningar att lyckas.
Så kanske man sätter upp om man har möjlighet en timme på fredagar där man försöker
lösa ett specifikt problem och då,
(37:01):
jobbar man den timmen med att lösa det problemet och fokusera och lära sig och
inte uppnå resultat så att man mer stressfritt kan prova.
Det tror jag är en förutsättning och det gäller allt lärande att man måste ge
sig förutsättningar att lyckas där och det kommer ta tid.
Sen var det inne på att för en och ett halvt år sedan då blev det inte alls
(37:21):
bra och det Och det håller jag med om.
Om man tittar på det som man gjorde för ett och ett halvt år sedan så var det
inte alls särskilt avancerat. Men utvecklingen är så enormt snabb.
Så att det som kanske inte gick för två, tre veckor sedan kan gå i dagsläget.
I varje fall om vi tittar på bildgenerering och generering av filmer.
Där är utvecklingen så sjukt snabb.
(37:43):
Samma sak med de här med klåd och de som genererar text.
Vi får ny funktionalitet hela tiden. Så man måste också vara beredd på att omvärdera sin bild.
Och sen också, man måste ju vilja lyckas. Så man kan inte gå in med inställningen
att jag ska visa att chatt-GBT inte funkar.
Då kommer man kunna visa det ganska snabbt. För det är bara att ställa vissa
(38:04):
typer av specifika frågor.
Förut kunde man be den skriva lollipop baklänges och det blev bara skräp varje gång.
Så det är ganska lätt att få den att misslyckas. Man måste liksom kamma den
med hårs och hitta de exemplen där den lyckas.
Så ha det liksom mindsetet att det ska bli så bra som möjligt.
Jag skulle vilja lära ett exempel till någonting som många projektledare inte
(38:24):
tycker är så roligt. Och det är att skriva mötesanteckningar.
Kan du berätta hur de olika verktygen, hur man kan använda.
Jag ska åt möte nu. Vad ska jag tänka på? Hur gör jag? Ja, det är bra.
Om jag ska välja en sak som man ska försöka prova.
Så skulle det vara mötesanteckningar. Det är liksom kill rap för det här i mina
ögon. För att ni vet hur det är.
Mötesanteckningar ska vi ta. Ja, men det är mycket arbete och det tar sig inte
(38:46):
alltid. Och här har vi ett verktyg som är jättebra på det här.
Och igen då så måste man gå tillbaka och titta vad man har för förutsättningar i sin organisation.
Har man till exempel tillgång till Copilot för Microsoft 365 då finns det här inbyggt i Teams.
Så då är det bara att trycka på knappen transkribera och sen så ber den sammanfatta det.
(39:11):
Så gör den det. Det krävs ingenting avancerat alls.
Det finns också verktyg som Otter AI 1 och det finns massor med sådana som man kan då köpa in.
Jag tror det finns inbyggt i Zoom också om man vill ha just den funktionaliteten.
Då har man det ganska lätt. Då är det i princip att trycka på en knapp så löser vi svårten.
Sen så finns det nästa steg. Det är att man inte har tillgång till de här verktygen som kan göra allt.
(39:35):
Om man ändå kan gå in i Teams eller vad man har för någonting.
Och så få mötet transkriberat. Det vill säga översatt från tal till text.
Det kan man få utan att man har någon specifik AI i många fall.
Då kan man ju sen ta den här. Och om man har ChatGPT kan man ta den här texten
och klistra in den i ChatGPT. och sen ha några prompter som heter sammanfatta
mötet, ta fram actions och beslutpunkter eller vad det är för någonting.
(39:58):
Så det är liksom ett sätt att hantera det på om man inte har de verktygen.
Sen så finns det ju också det där supernördiga, att man jobbar på ett företag
där man inte alls får använda de här molnvarianterna.
Man får inte använda chatbotten, man får inte använda någonting.
Då kan man faktiskt sträcka sig så långt att det går att spela in ljudet från ett möte.
Transkribera det själv på sin egen dator, installera en lokal språkmodell som
(40:23):
ligger på den egna datorn och göra mötesammanfattningarna helt på en egen dator
utan att vara uppkopplad till nätet.
Det är mycket svårare och kvaliteten blir sämre.
Men bara för att visa att det går faktiskt att göra det på ett helt avgränsat
och stängt sätt som är helt säkert också.
Och för att få hjälp att göra det då kan man bara fråga ZKPT eller Claude.
(40:44):
De är väldigt duktiga på hur ska jag installera det här?
Hur ska jag göra det här? Tänk dig att jag är en person som aldrig har suttit
framför en dator tidigare. Gör stegvis hur jag ska göra det här.
Och det gör jag verkligen nu. Ja, det var precis så jag gjorde när jag testade det.
Och det tog bokstavligen, för att göra på en nördig institution,
säkert det svåra sättet, det tog en halvtimme för mig.
Chattgrippet till leddevägen skrev exakt vad jag skulle göra.
(41:06):
Det var saker som inte funkade. Jag frågade och fick perfekta svar så att det går.
Men titta om ni har funktionen i Teams.
Då finns det någonting mer du skulle vilja skicka med projektledare som ännu
inte använder det här nej men.
Prova det är det jag skulle vilja säga finns det bra böcker kurser,
(41:29):
du och jag ska ha kurs den är säkert jättebra att hålla sådana kurser,
men finns det böcker eller vad hittar informationen det finns böcker det finns också online kurser,
det skiljer, eftersom fältet rör sig så snabbt så kan det vara ganska svårt
med böcker, utan man får titta på lite mer information som kan samlas ihop snabbare.
(41:53):
Bloggartiklar jag hittade en vetenskaplig artikel häromdagen som var jättebra,
om man får göra reklam för mig så kan man följa mig på LinkedIn jag försöker
ha som syfte att hjälpa projektledare att lägga upp saker som man kan ha nytta
av i sin vardag jag kan inte är man med i PMI,
den typen av organisationer så har de också kurser man kan gå det finns på Coursera
(42:14):
finns det också utbildningar jag har svårt att peka ut en kurs som jag tycker är helt briljant.
Nej, det man kan säga är att man kan ju faktiskt fråga ChattKPT eller Claude
att nu sitter jag här, vad ska jag göra?
Lär mig och så kan man få den att skapa en kurs.
Jag har själv gjort det för tyska och provat det i ChattKPT och den fungerar
(42:37):
jättebra och jag säger att jag vill ha en konversation med dig,
du är en tyska lärare och den börjar med bra.
Då börjar vi med vilken nivå du är på. Berätta lite om dig själv.
Och sen korrigerar den mig. Och chattykuppet 4O är så pass bra nu.
Så att den korrigerar inte bara grammatik. Utan den korrigerar hur min tonalitet
är. När du ska göra så här.
(42:58):
Och så får jag repetera det. Och säga nej, den är fortfarande inte bra. Den gör så här.
Och det är en modell som inte är tränad till att vara lärare.
Utan jag bara giver den några små instruktioner.
Om hur den ska vara som lärare. Och sen hjälper den mig framåt.
Och den kan man gå och prata med.
Ja, och det kommer att bli ännu bättre nu när man kommer att vara snabbare på
(43:18):
att svara i de nya modellerna som kommer att komma ut.
Men man märker också att du är det man kallar för AI first.
Vad man än slänger på dig så säger man att man kan göra det i ChatGPT.
Och där hamnar man efter ett tag.
Att man tänker hela tiden att jag kan faktiskt lösa det med ChatGPT.
Men jag ber bara ChatGPT om hjälp.
Och sen har du också lärt dig var det funkar och var det inte funkar.
(43:38):
Så du vet ungefär var du ska använda det någonstans. när man väl har kommit
dit då är det nästan svårt att tänka sig hur man gjorde det innan,
Så tänker jag kring den sista googlingen man gör finns det ett litet roligt
citat på nu och det är någonting som heter Perplexity och det är nog många av
er som redan använder det men det är ni som inte gör det.
(43:59):
Ladda ner den appen eller gå in på Perplexity eller googla det.
Jag berättar, vad är Perplexity?
Perplexity är som en sökmotor på något sätt som är AI-first.
Så det den kan göra är att du beställer vad du vill ha för någonting och sen så går den in på nätet.
(44:20):
Och sen så letar den upp de mest relevanta källorna och sen så sammanfattar
den de källorna och ges källanvisningar.
Så istället för att få flera sidor med betald reklam som man får i Google så
får man den informationen som man vill ha sammanfattad och man kan gå in på
de källor som det hämtade informationen av om man vill dyka vidare.
(44:42):
Så det känns som det nya sättet att hämta in information.
Det är min bild av det. Absolut, och den är helt fantastisk för att den går på intention.
Som jag söker efter, jag skulle vilja ha en resa till Island.
Och sen så svarar den på det. Då kommer den googla eller söka bland de relevanta med reset till Island.
(45:05):
Men den kommer också hitta på själv. Bästa priset till Island.
Vad kan jag göra på Island? Så hittar den på 4-5 frågor kring det här ämnet.
Och söker på dem. Och sen lägger den ihop all den informationen till mig.
Och efter det så lägger den också in detta kanske du också undrar över.
Som är väldigt relevant då. Och då jobbar man sig vidare därifrån.
(45:28):
Så att det blir ett bra steg att gå från googling till perplexity för att sen gå till en språkmodell.
Och det som också Perplexity har det är källanvisning som du säger.
Till skillnad från de här språkmodellerna. Men den har dessutom att den använder
väldigt betrodda källor.
Så att det är väldigt lite av det här som man kan hitta i Google nu.
(45:51):
Där folk har SEO-optimerat, optimerat för Google.
Utan den används av tidningar, vetenskapliga artiklar och liknande.
Alltså det är också ett tips. Vi lägger länk i anteckningen till det här avsnittet.
Till de här sakerna som Daniel har nämnt. de artiklarna, till Daniels LinkedIn-profil
och sen till Perflexity så kan ni alla prova det.
(46:13):
Och återkom gärna till mig om ni har tankar, idéer eller till Daniel om ni undrar
om någonting. Han kan jättemycket om AI.
Stort tack för att du kunde ta dig tid med att vara med i podden igen,
Daniel. Ja, det var fantastiskt kul att vara här. Jag skulle gärna fortsätta ta till.
Tack ska du ha. Tack för att du har lyssnat på projektledarpodden.
(46:33):
Hör gärna av dig till oss med idéer, tips och förbättringsförslag.
Det gör du enklast via mail på lyssnare-projektledarpodden.se eller vid det
sociala nätverk du föredrar.
Music.
När man börjar experimentera så här, då kommer man se att, ja just det,
jag kan ju använda den till det här.
Då kan jag också använda den till att kanske hjälpa till med mejlen.
Jag kan använda den till att kanske planera vår nästa workshop.
Just det, jag kunde använda kamerafunktionen och fota post-it-lapparna som vi
tog fram under brainstorming-sessionen och breda in dem och kategorisera dem.
(00:23):
Den du har pratat, Daniel Karlsson.
Han var med i avsnitt 50 när vi pratade om AI för projektledare.
Nu fortsätter vi det samtalet fast lite fördjupat och med mer praktiska exempel.
Några av exemplen finns i Daniels och min kurs AI för projektledare som du kan
läsa mer om på projektledarpodden.se-ai.
(00:43):
De första tillfällena är redan utsålda men vi kommer att lägga upp nya så gå
gärna in där på projektledarpodden.se-ai om du är intresserad av en sån kurs.
Jag som har podden heter Mattias Eibe och nu kör vi!
Du vill lyssna på Projektledarpodden. En podd för dig som gillar att leda projekt
(01:05):
och vill lära dig mer av andra om projektledning.
Idag har vi med oss Daniel Karlsson igen. Vi ska prata mer AI och nu ännu mer
vad kan man som projektledare använda AI till?
Och hur ser det ut framåt? Välkommen tillbaka Daniel.
Stort tack. Enormt kul att få vara här en andra gång. Ja, och du har ju hållit
(01:27):
på lite grann efter det här.
Jag gick ju igång så mycket på det här så vi har ju till och med satt ihop en
kurs om det här. Det kan vi prata lite mer om, men det är lite utifrån den kursen
vi kommer att prata idag.
Absolut, det blir superkul. Men du har ju gått igenom mer än hundra vetenskapliga
artiklar om AI och projektledning, det är specifikt.
Vad har du fått fram av det? Om man ska vara noggrann där så har jag gått igenom,
(01:48):
jag hade väl en bas på 200 vetenskapliga artiklar och sen så hade jag ett stort
antal bloggartiklar och också master thesis som är kopplat till AI inom projektledning.
Så kokade jag ner det där till ett mindre antal.
I slutändan så tror jag att det landade kring 20-30 tal forskningsartiklar som
var intressanta och sen ett stort antal bloggartiklar och master thesis.
(02:11):
Det det kokar ner till är att det finns ett par tydliga saker.
Dels är det att det är mycket spekulation i de här artiklarna.
Man pratar om vad som kommer hända, hur AI kommer förändra projektledning,
vad som eventuellt kan hända när den här tekniken används fullt ut.
Det finns också instruktioner för hur man ska implementera det som projektledare
(02:33):
och också mycket som är drivet från verktygsperspektivet.
Sen när det kom till konkreta use cases för hur man gör, hur man använder det, så är det ganska tunt.
Jag hittade i princip ingenting där, ett fåtal med artiklar som beskriver de
här sakerna, utan det är mycket spekulation i artiklarna.
(02:54):
Däremot om man går in och tittar i projektforum där projektledare får skriva
av sig, då finns det mycket små trådar om hur man använder AI,
men det är ett tecken på att vi fortfarande är väldigt tidigt ute inom det här
området. Det var liksom det stora take-awayen.
Och det de föreslår att man ska använda det till, vad är det?
Ja, det är ju små saker kan man säga.
(03:16):
Om man tittar på det som det används till i praktiken så är det små saker.
Vi kanske ska börja med drömmarna, vad vi vill använda det till.
Och då är det, vi projektledare vill kunna leverera ett projekt i tid.
Och vi vill kunna följa vår budget och vi vill ha rätt kvalitet.
Och då tänk om man kunde ha en AI som kunde förutspå hur långt ett projekt kommer att ta.
(03:37):
Och vad budgeten kommer att bli med högre prestation än vad vi kan göra själva.
Men det här är faktiskt väldigt svårt att göra med dagens AI.
Det finns ett ganska bra examensarbete som släpptes här för ett halvårsrund ungefär.
Där man tog, jag tror att det var tolv stycken projekt. Och så tittade man på
hur bra hade projektledarna varit på att förutspå hur lång tid det kommer ta.
(03:59):
Och då som vi projektledare så tog vi lite grann i underkant som vi brukar göra.
Så det visade sig att projekten tog ungefär 50% längre än vad vi hade estimerat.
Och så tänkte vi, bra, nu har vi data, nu slänger vi in det här och låter en AI göra beräkningar.
Och den hade fel på plus minus någonstans mellan 200-300 procent.
Den var ju inte ens i närheten av året. Och det visade att, visst kan man säkert
(04:21):
använda det för att ta fram tidplaner och så, men då krävs det en helt annan
nivå av data än vad de flesta sitter på.
Så det var ett intressant exempel.
Om vi backar tillbaka då, varför är AI relevant för projektledare?
Ja men, ja det kan man säga, det är,
Det är kanske första gången som vi får ett verktyg som kan hjälpa oss med allt vi gör.
(04:44):
Det är så stort och brett verktyg.
Så om man tittar på vad en projektledare gör till vardags så kan man säga att AI kan hjälpa oss i allt.
Det blir väldigt abstrakt och flummigt när jag säger så. Men om man kockar ner
och tittar på vad de här projektledarna skriver om i forum och vad du och jag
också har experimenterat med.
Så är det allt från att skriva skräddarsydda mejl till att ta fram vilka intressenter
(05:11):
man har i ett projekt och kanske hjälpa till att ta fram projektplaner,
sammanställa post-it notes.
Rubbet av små atomära uppgifter är den jättebra på att hjälpa till med i dagsläget.
Och har du några grundläggande begrepp inom AI som varje projektledare bör känna till?
Ja, man behöver inte bli expert på AI som projektledare utan då ska man vara expert med projekt.
(05:35):
Men det är bra att ha en grundläggande kunskap om några saker.
Det är väl framförallt skillnad på maskininlärning och det som heter generativ
AI som vi kanske kan prata lite mer om sen.
Det är en sak som jag tycker man ska ha koll på så att man inte blandar ihop
de begreppen. och då maskininlärning, det kallas ibland för traditionell AI
(05:56):
eller analytisk AI eller AI för beslutsstöd,
Och det har säkert många av er sett exempel på.
De typiska är att man tränar en AI-modell på massor med röntgenplåtar som en
läkare har gjort en bedömning på.
Så tränar man den på hur röntgenplåten ser ut och vilka beslut som kunde fattas
(06:18):
utifrån röntgenplåten.
Kanske om det var ett benbrott eller inte. Och sen så låter man AI själv fatta
beslut på en röntgenplåt.
Det är liksom väretablerat. Du bygger en egen modell utifrån dator.
Sen så har vi det nya som är generativ AI som är extremt nytt.
(06:39):
Det baseras mycket på ett vetenskapligt papper som släpptes av Google 2017.
Så väldigt ny. Och det den typen av AI gör är att den genererar ny information.
Så maskininlärning används för beslutsstöd, man tränar en egen modell.
Medan generativ AI, då har man en modell som kan användas för att generera ny information.
(07:00):
Till exempel ny text, den kan skapa en projektrapport.
Och du behöver inte träna den modellen, utan den är liksom förtränad.
Så de två är ganska bra att hålla isär, de två stora olika typerna av AI som finns.
Jag tänkte också på prompting ett begrepp som ofta
nämns och man ofta hör och man kanske inte riktigt har koll på vad det är för någonting,
(07:24):
så det är ytterligare ett begrepp som jag tycker att man ska känna till och
det är i det här generativa A-in den som kan skapa nytt, så är prompting begreppet
för att göra beställningen det vill säga skriva in vad man vill ha för någonting.
Föreställ dig, om jag skriver en prompt så kanske det står, föreställ dig att
du är en att du jobbar på legal inom ditt företag, här är är ett NDA.
(07:45):
Snälla granska det och se om det är några punkter som du tycker kräver extra uppmärksamhet.
Och så får man svaret därefter. Och själva den beställningen kallas för en prompt.
Och promptar gör man annat än också det som kallas LLM.
Ja, just det. Det var bra att du påminner mig om språkmodeller också.
Det är mycket som man tar för givet när man är inne på det här.
(08:05):
Men LLM, det är en förkortning som man ser om man är lite mer initierad och
det står för stor språkmodell. Och det är den generativa AI som används för texthantering.
Den bygger på en stor språkmodell. Jag kommer att gå in kort på hur man tränar
en sån modell vilket kan tyckas vara lite out of scope men om man förstår det
(08:27):
så kommer man ha mycket lättare att ta sig till vilka begränsningar och vilka
saker som en sån LLM använder.
Som är bra till. Och den vanligaste LLM som ni kanske talar om är GPT.
Och då har Chatt GPT en vanlig assistent som använder en sån språkmodell.
Men de funkar i princip i två steg. Först tränar man modellen.
(08:49):
Och sen så använder man den. Och i den här träningsfasen.
Då kan det tyckas banalt. Det man gör är att man låter den gissa förutspå nästa ord i en mening.
Så har man massor med data. där man säger att man kanske har till och med all
data på intet och så låter man den gissa vilket ord kommer näst.
Och så tar den fram vilket ord som har störst sannolikhet och listar alla ord
(09:13):
så att alla ord får en sannolikhet att förekomma.
Så att den blir jättebra på att gissa vilka ord som följer efter varandra.
Och det kan man ju tänka sig, ja men det här är ju superbanalt.
Men det ger ganska mycket och är mer avancerat än man tror.
Man kan tänka sig på ett exempel om man har en kriminalroman och står på sista
raden och mördaren är då måste man kunna pricka rätt namn då kräver det någon form av.
(09:40):
Förståelse eller någon form av känsla för vad som har förekommit innan.
Så det är så de tränas först på nästa ord och då kan man tänka sig att om man
har en mening så finns det något ord som har störst sannolikhet tänk dig att
du har hunden springer efter en då kanske boll,
absolut med sannolika men,
(10:02):
Det vore ju tråkigt om man hela tiden skulle få samma svar på samma fråga i
de här språkmodellerna.
Så det man gör är att man väljer ett ord med hög sannolikhet.
Kanske inte det absolut högsta. Som gör att ena gången så får man att hunden springer efter en boll.
Andra gången får man efter en strumpa. Och tredje gången så får man att den
springer efter en smula eller vad som helst.
(10:25):
Och det här kan man säga är en av grunderna för det som vi tycker är jättedåligt
med de här modellerna. det är att de har fel ibland.
De säger bara att det här är en sannolik följd av ord men det behöver inte vara rätt eller fel.
Den vet inte om det är rätt eller inte.
Och det är dåligt. Vi är vana med att med en dator så matar man in en sak och
(10:48):
så får man exakt samma svar hela tiden. Så det är så vi förhåller oss till en dator.
Trycker man på fetstil så blir det alltid fetstil. Det blir inte kursivt ibland.
Men de här har den egenheten att man får ord som är sannolika och det kan ju
vara fantastiskt om man tittar en brainstorming-situation då kan den generera
(11:09):
massor av olika exempel, och då vill vi ha den här.
Oförsäbarheten och slumpmässigheten i systemet, så det är verkligen pros and cons,
Nu blir det en lång utläggning här, men jag ska bara ta en sak till kort,
och det handlar om den är tränad på det datat som finns på internet,
och det är ju vi människor som har lagt upp där med allt vad vi gör med bra
(11:30):
och dåligt och bias och saker som är politiskt korrekta och saker som inte är så politiskt korrekta.
Och eftersom AI är tränad på det så kommer det såklart återspegla sig i det som ramlar ut ur AI.
Så alla våra bra saker finns där. Alla våra dåliga saker finns där också.
Så om ni använder AI för att generera en text se då till att läsa igenom den.
(11:56):
Så att ni står bakom det som texten innehåller. Det vill säga,
ska ni skicka ett mejl som en AI har skrivit.
Säg då till att det här är någonting som står för er. För det kan finnas information
som kanske inte känns så rolig.
Så det är lite mer avancerat än när jag får hjälp när jag skriver sms.
Och bara får de här tre orden. Vara nästa ord.
(12:16):
Ja, det är lite mer avancerat. Men jag gissar att de här tre orden kommer ganska
snart vara AI-baserade.
Det är de säkert redan. Det är de säkert redan. idag. Så som jag tänker mig
de här assistenterna så tänker man verkligen som en assistent.
Jag tänker som en praktikant eller en tjeni som kommer och hjälper mig.
Som aldrig hållit på med projektledning.
(12:37):
Som inte har gjort och har de erfarenheterna som kanske jag har.
Men en fantastisk ambition och har lärt sig otroligt mycket innan.
Men jag måste instruera.
Jag vet inte, hur tänker du? Ja, men det är en bra observation och bra om man kan ha det med sig.
När man går in och ska prompta, man ska göra sin beställning till sin AI,
(12:59):
då vet ju den, vet inom situationstecken igen då, ingenting om förutsättningar,
vad du vill åt, hur den ska formulera svaret.
Så att ofta om man inte hjälper den på traven på det sättet som du nämnde så
får man ganska generella, generiska, tråkiga svar som man känner att man inte kan använda.
(13:19):
Man förstår varför de är där men de känns inte som relevant för mig i den situationen
jag är just nu. för då tittar den, då hamnar man i de här breda svaren med hög
sannolikhet, så precis som du säger så ska man,
tänka på den som kanske en assistent som behöver ganska mycket guidning och
som man behöver liksom styra.
(13:39):
Och då kommer vi in lite grann på promptingar känns det som.
Jag kan ta lite kort om det bara. För många gånger när man sätter sig vid en
AI för första gången så tänker man naturligt på Google.
Hur googlar jag liksom? Det är ju klart att man tänker så.
Och Google funkar ju så att du söker efter någonting och då matchar den ditt
(14:03):
sökord med befintlig information på nätet och så får du fram någonting.
Kanske en artikel eller vad du ska laga till middag. Någonting som finns skrivet där.
Medan en AI eller en generativ AI skapar information utifrån vad du säger.
Så det är liksom ett helt annat sätt att ta fram information.
Och då för att få fram bra information som känns som den träffar oss så måste
(14:26):
man göra beställning på ett bra sätt och det är det som kallas prompting.
Om man pratar prompting, kanske ett nytt yrke, jag vet inte.
Och då finns det best practices som har liksom mejslats fram nu under de här
ett och ett halvt, snart två åren som alla har suttit och promptat i sina rum.
Och en ganska enkel formel som man kan använda på engelska heter den RTF,
(14:49):
som är för role, task och format.
Och på svenska så blir det väl RUF då, roll, uppgift och format.
Då kan man tänka sig att man ska börja med att ange vilken roll som man vill
att A och N ska ta. Då vet den lite mer, okej det är inom det här området som man vill ha ett svar.
Om vi går tillbaka till exemplet med att granska ett dokument så kanske man
(15:12):
säger att jag vill att du ska anta rollen som en legal expert på ett företag.
Då vet den ungefär vad man vill ut efter.
Sen så har det varit uppgift, då kan det vara att granska det här kontraktet
med den här underleverantören.
Då kan man till och med slänga upp en pdf där så att den vet vilket kontrakt
det är för någonting. Och.
(15:32):
Och sen formatet då. Då kan man säga att om uppgiften var granskare så kanske
formatet är att jag vill ha alla punkter som kräver extra uppmärksamhet.
Eller som du tycker avviker från normen.
I punktform. Eller kanske som en tabell med förslag på förbättringar.
Och just det med bara de tre enkla sakerna som roll, uppgift och format.
(15:54):
Så kommer man väldigt mycket längre än om man bara skriver in som om man gjorde en googling.
Och sen det fina med det här. Det är att sen när man får ett svar så kan man
fortsätta diskussionen på så sätt som man gjorde med den legala experten på företaget.
Då kan man säga att den där paragrafen, jag förstod inte riktigt vad man menade med den.
Kan du förklara den till mig som om jag vore en tolvåring? Då får man en förklaring som passar.
(16:17):
Och sen så kan man ha den diskussionen tills man känner sig nöjd.
Fungerar det här i alla språkmodeller? Samma tankesätt? Ja, det skulle jag säga.
Den fungerar i alla språkmodeller. och då när vi pratar språkmodell då tänker
vi framförallt på de här AI-assistenterna som ChattGPT.
Claude, Copilot Gemini ja,
(16:39):
det finns säkert 50 till, men det är väl de stora i varje fall ja,
och några har ju samma språkmodell kanske bakom och framför och sådär precis,
det är bara bra att du tar upp det för det är en fråga jag faktiskt ofta får
det här med Copilot mot ChattGPT vilken ska man använda Då brukar jag säga att de har samma motor,
(17:01):
samma intelligens, samma språkmodell som är det GPT-4O som är hjärnan bakom det hela.
Sen så får man lite olika språk. Både de här chat-GPT och Coop-Ires använder
samma motor men sen så får man lite olika svar beroende på vilka inställningar
som Microsoft och OpenAI har gjort.
Men i stort sett så är det samma grundförutsättningar.
(17:24):
Och om jag som projektledare vill testa på det här, vad ska jag tänka på första
gången och vad ska jag börja med?
Ska jag börja med Ketka P10 eller Clod eller Copilot, vad ska jag göra?
Om du vill använda det på jobbet så är det första att se vad du får använda.
Det kan ju vara så att ni får bara använda Copilot, vilket jag sett är ganska vanligt.
(17:48):
Och då har man inte så mycket att välja på utan då är det det som man får köra.
Sen om man har betalvarianten eller gratisvarianten kan det också skilja lite grann.
Har man mer fritt att kunna välja vad man vill då tycker inte jag att det spelar
jättestor roll om man använder ChattGPT, Copilot eller Cloud.
Visst är det skillnader mellan dem men det är lite nyanser. Det blir lite nördigt i nästa nivå.
(18:13):
Om någon börjar med ChattGPT så kanske du blir befäst i den eller så börjar
du läsa mer och så märker du att nu vill jag testa Cloud för jag har läst att
den har en ny funktionalitet och det verkar bra.
Men som nybörjare så skulle jag säga på den nivån så är alla de här lika bra.
Vad säger du Mattias? Du har ju testat en hel del.
Absolut. Just nu så är det Claude som ligger bra till hos mig men vissa saker
(18:37):
använder jag chat-KPT och vissa saker kör Copilot så det börjar lära sig.
Men egentligen, jag kan använda en av dem och det skulle gå lika bra.
Det är bara det här sista fina. Jag tycker Claude är lite bättre på svenska vad chat-KPT är.
Men chat-KPT Jag skulle kunna vara exakt lika bra som Claude om jag bara instruerade
den lite mer. Det är egentligen så att jag är lat.
Claude fattar mig lite snabbare. Så det är små nyanser i det hela.
(19:01):
Jag tänker bara en sak. Det viktiga är att man inte fastnar i någon form av beslutsångest.
Man sitter och så vet man inte vilken man ska välja. Så blir det ingenting av.
Då är det bättre att bara slumpa en och så kör man den. Det kommer inte bli så fel, tänker jag.
Skillnaden kör gratisversion jämfört med betald version? Nej.
Där kan det vara en fördel att ha betalversionerna.
(19:23):
Framförallt om man vill använda dem lite oftare och lite mer seriöst.
För gratisversionerna har ofta en begränsning i hur många frågor och prompt man kan ge.
Man kan börja med gratisvarianten och klå. Då märker man att man slår i taket
så tycker jag att det är värt att ta betalvarianten. Jag testar med chatt-GPT
(19:46):
och så märker man att gratisvarianten duger för det jag vill göra.
Då duger det för att börja med.
Nu har jag kommit in på den webbsidan där jag når dem här, eller via den appen,
som ny AI-projektledare.
Vad är det jag ska börja med? Hur ska jag lära mig det här?
(20:07):
Först är det bra om du har lite koll på den här promptformen som vi pratade om tidigare.
Det kan vara bra att repetera den och experimentera med den så att man får lite
känsla för hur svaren skiljer sig beroende på hur man ställer frågorna.
Då är det alltid bra att använda ett konkret exempel om man har det.
(20:27):
Nu kan det vara att vi inte får använda projektinformation för att den är konfidentiell
så den får vi inte lägga in i de här.
Om man vill experimentera med hur modellerna funkar då kan man ju ta företagsinformation
som ligger fritt tillgänglig på webben som är publik och så kan man,
experimentera med det så att man lär sig hur frågor och svar hänger ihop eller
(20:49):
så kan man ta annan data det viktiga är att man.
Får hålla sig till den data man får använda och den man inte får använda så
att det är klart innan så att det inte blir något tokigt där,
sen så det är också bra om man hittar saker i sin vardag små uppgifter i sin
vardag som man kan börja och experimentera med det kanske skulle kunna vara,
(21:10):
ta fram en intressent rapport för olika intressenter för marknadsföring,
forskning och utveckling och för legal igen då,
Då kan man experimentera med att sätta upp de personerna så att man definierar
hur en person i marknadsföring brukar agera. Man definierar det nästan som en persona.
Och sen så kan man lägga in kanske en projektrapport och så säger man så här,
(21:34):
jag vill att du granskar den här projektrapporten utifrån den här marknadspersonen. Så får man det.
Så kan man få lite olika input på rapporter. Så det är ett sätt att experimentera
och hjälpa till och granska saker man har gjort.
En annan är att ta fram information och när det gäller allt som jag säger så
här så kan det vara bra om man hittar saker där fallhöjden inte är så hög.
(21:58):
Ni kommer ihåg tidigare så pratade vi om hallucineringar det kan vara så att
outputen inte alltid stämmer dels kan man faktakolla det men det är väl bra
om man inte tar som första exempel någonting som är helt avgörande och sen så
på något sätt så litar man på den här modellen och så använder man det rakt av utan hitta saker som.
Har en ganska låg fallhöjd och då granskar dokument det en sak för där får man
(22:22):
ju bara input och så får man ju bedöma själv hur man ska använda den inputen,
en annan sak skulle kunna vara och skräddarsyda meddelanden om man ändå har
sin marketingperson så kanske man ska skriva en,
projektrapport till den personen så kan man ju säga att kan du formulera den
här utifrån det som den här marknadspersonen tycker är intressant då får man
(22:43):
förslag på det och så kan man bestämma själv hur man ska hantera den informationen,
och om det blir lite fel eller inte, det är inte hela världen,
sen när man börjar experimentera då kommer man se att Ja just det.
Jag kan ju använda den till det här.
Då kan jag också använda den till att kanske hjälpa till med mejlen.
Jag kan använda den till att kanske planera vår nästa workshop.
(23:08):
Just det, jag kunde använda kamerafunktionen och fota post-it-lapparna som vi
tog fram under brainstorming-sessionen och be den lägga in dem och kategorisera dem.
Just det, om jag kan använda den funktionen. Då helt plötsligt så har det öppnats
upp en helt ny värld och så vill man använda AI till precis exakt allt. Gör du det?
Jag har alltid ett fönster öppet med en AI-assistent i.
(23:30):
Och försöker använda den till saker som jag vet att den är bra på.
Sen vet jag också saker som den inte är bra på. Till exempel om jag skriver mycket på LinkedIn.
Och där har jag försökt att få den att skriva på samma sätt som jag.
Men jag tycker inte riktigt att den har lyckats. Så där vill jag skriva allting själv.
(23:50):
Men när det gäller att sammanfatta forskningsartiklar eller vad det är för någonting.
Då är det ett optimalt verktyg. Och hela tiden tänka, kan jag använda AI?
Har jag provat det här förut? Nej, nu testar vi. Så lär man sig på det.
Då bygger man upp sin egen kunskapsbas.
För den finns inte.
Det här är liksom ett nytt verktyg. Det finns inte en jättestor kunskapsbas att ösa ut.
(24:11):
Den börjar byggas upp nu, men det är fortfarande ganska nytt.
Jag gillar det du säger, det här med att spara tid och effektivisera.
För det är väldigt mycket där vi hamnar.
Och när du säger det här med forskningsartiklar, det är typiskt ett sådant tillfälle
när det faktiskt inte är hemligt.
Alltså kan jag använda vilken av de här språkmodellerna som helst.
Stämt på mitt företag, jag matar in det säger att jag vill sammanfatta det jag
(24:33):
säger vilken roll du är och du kan väl säga den roll man har på företaget du
är ansvarig för det här och du har fått den här forskningsartikeln,
kan du sammanfatta den för mig?
Eller ännu bättre jag ska redovisa den här för min chef.
Hjälp mig att ta fram det som min chef tycker är viktigt i den här forskningsartikeln
tio punkter gör det så jag kan kopiera in det till powerpoint,
(24:53):
och då gör ni det är superbra på det här, du är så tydlig när du specificerar
vad man ska göra för någonting Och det gör att du kommer få mycket bättre resultat
när du är specifik i vad du vill ha.
För då hjälper du den att ge dig det du förväntar dig. Det är som i all kravställning
och det har många projekt jag har stött på.
Det var visst en dålig kravställning som gjorde att man beställde inte var så
(25:16):
bra. Och så det gäller här också.
Många misslyckanden för att nå dit kan jag säga och det är många misslyckanden kvar.
Jag kan ta ett annat exempel där jag faktiskt använt det här.
Jag skulle göra en kravspes för hur man skulle logga in med bank-ID.
Det är heller ingenting som är hemligt om hur kraven för det ska se ut.
Sen kanske det är hemligt på det företaget hur man implementerar men själva
(25:36):
kraven är ju öppna och där den fixade utan problem.
Jag matade in så här ser vår kravspis ut, så här är våra kolumner och sen så
är det att du är kravare och du bla bla och sen så kunde jag få ut det här.
Och det tog tio sekunder. Och så hade jag kanske en fyrtiofemte krav.
Och det hade tagit mig ett par dagar att skriva ihop det där.
(25:57):
Sen fick jag givetvis läsa igenom allting, justera det.
Den hade hallucinerat lite grann på några få.
Men jag skulle säga att 80% av det där var bara direkt användningspart.
Ja, det är ofta under 80%. Ett annat just case som jag kommer att tänka på som
kanske inte alla provar. Det är just Excel.
Många projektledare sitter i Excel och gör saker.
Och här kan man använda ChatGPT. jag vill summera den här kolumnen på det här
(26:22):
sättet men vet inte riktigt hur jag ska göra ta fram en Excel-formel och där är den klockren,
man får jättebra då matar den ut precis hur Excel-formeln ska se ut så bara
ta copy-paste in med den i Excel och det hade jag haft under min karriär så
hade det sparat mig mycket tid och frustration.
Väldigt mycket av det jag gör idag när jag har ett problem så går jag inte längre
(26:43):
in i Google och googlar det problemet om jag ska ha en instruktion eller liknande
Då går jag hellre in i någon av de här språkmodellerna och skriver problemet.
Ibland så förstår de inte, men ChatCapté kan googla själv.
Vi har Perplexity som faktiskt kan lösa ett problem åt mig. Vi kan prata lite mer om den.
Vilket gör att det går snabbare att få skräddarsydd handledning för vad jag
(27:05):
ska göra av de här än att jag ska gå in och läsa i en manual eller liknande. Så det är jättehäftigt.
Inne, fler exempel. Kan du ta ett exempel från början till slut?
Ett sådant användningsfall? Någonting?
Ja, om jag ska ta något exempel där så skulle vi kunna ha kring stakeholder kommunikation.
(27:27):
Då kanske man börjar ett projekt och då får man väl föreställa sig att man inte
riktigt har koll på att man är ganska ny som projektledare så att man inte vet
vilka stakeholders man brukar ha med.
Så då kan man börja med att definiera en projektplan som vanligt och sen så
frågar man vilka är lämpliga stakeholders att ha med i det här projektet vilka
tror ni kan vara intresserade så kan man få en.
(27:50):
En matris på lämpliga stakeholders. Kan man välja ut några stycken som man tycker
är bra och några som man kan välja bort.
Och sen så kan man be den att ta fram en kommunikationsplan för hur man ska
kommunicera med de här olika stakeholdersna.
Och bra då om man kan ge den lite input.
Då kan man ta fram en snygg matris på att säga att den här ska uppdateras dagligen.
Den här ska uppdateras varje månad och så vidare. Så kan man ta fram en sån
(28:14):
kommunikationsmatris.
Och sen så känner man de här stakeholdersna kan man ju skapa de här personaserna,
annars så får man väl använda deras roller för att skapa personas så då tar
man fram en persona för varje stakeholder och sen när det gäller och kanske,
vad är nästa sak som man ska göra sen ska man be den här stakeholdersen om de
vill vara med i projektet och då vill man göra den på ett lite mer personligt
(28:36):
och smalt sätt, man kanske inte vill skicka ut sammelaren till alla,
då kan man skapa sitt generella meddelande och sen så kan man be den.
Omformulerar det här utifrån de här stakeholders perspektiv och sen justerar
man det litegrann och sen gör man utskick och så kommer de tjäna sig mer träffade
av det budskapet som når och man får väl större sannolikhet att de,
(28:58):
är med i projektet och sen kan man ju följa sin plan och så kommer man behöva
skicka ut ny information till de här stakeholdersna och igen då kan man använda
samma taktik och så får man det genom hela projektet,
Och det här gör du i chatt.
Om du återkommer, om du ska fortsätta med de här, då återkommer du alltså till den chatten.
(29:22):
Ja, precis. Jag skulle kanske kunna ha en chatt för varje stakeholder.
Det skulle nu underlätta för att annars så finns det väl en liten risk att den
kan bli förvirrad kring vilken stakeholder man pratade om.
Att den kan liksom blanda in produktutvecklare-stakeholdern
när jag pratar marknadsföring eller visa versa.
(29:42):
Så det kanske jag skulle hålla ut några chattar Men det är ändå så att du återvänder
till de chattarna så tre veckor senare så letar du upp din gamla chatt och så
fortsätter du prata med den där Ja, och anledningen till det är att vi pratade tidigare om att.
De här modellerna inte vet vad man vill ha för någonting, de vet ingenting när
man börjar en chatt om man inte har lärt upp det lite grann från grunden,
(30:04):
vilket man kan göra med ett annat kapitel,
Men om den har hela chatten då vet den ungefär vad man förväntar sig och kan
fortsätta diskussionen i samma stil.
Så har man en viss stil mot det här marknadsföret så kommer man fortsätta diskussionen i samma sätt.
Så då spar den en viss arbete med att man annars måste definiera upp antar rollen
som den här projektledaren eller vad det nu är för någonting.
(30:27):
Så då spar man tid genom att fortsätta på samma chatt. Och den här chatten,
det är vad den egentligen vet.
Den tittar inte på andra chattar runt omkring.
Nej, det skulle jag säga. Ja, lite darr på machete men det är det den har koll på.
Och ett tips där, det är att ibland kan chatten bli lite för långa så du inte
(30:47):
orkar med, utan du behöver starta en ny chatt.
Då är ett tips det att man då ger en instruktion och säger så här,
jag ska starta en ny chatt. Jag vill ta med mig all den viktiga informationen
från den här chatten så att jag kan fortsätta samma anda. Vad ska jag ge för instruktion?
Och sen tar jag den instruktionen och så startar jag en ny chatt med den instruktionen.
(31:08):
Ja, nu kommer jag bara in på en sak när vi pratar instruktioner eller prompter
som är intressanta vet man inte hur man ska prompta så kan man ju alltid be den,
jag vill ha en instruktion för att sammanfatta den här chatten,
kan du ge tre exempel på bra instruktioner då kommer man få tre exempel,
så kan man ju tweaka dem lite grann som man tycker passar men det är just det
att man alltid har någon att fråga,
(31:31):
så att, absolut det kallas för metaprompting när man sysslar med sådana saker,
det är hjälpsamt Idag, vilka är
de största fördelarna att använda AI genom projektledningen i en day då?
Ja, de största fördelarna är att man kan om man ska ta på högsta nivå så kan
man få mer tid till annat.
(31:54):
Man kan få mer tid att investera i att förbättra kvaliteten eller man kan få
mer tid till att göra andra typer av aktiviteter som man tror gynnar projektet.
Som projektledare i I vissa organisationer så är det lätt att man hamnar i,
ska man säga, att det blir mycket administration.
Att man nästan sitter inlåst på rummet och bollar i Excel-ark eller sitter och
(32:15):
jobbar med sitt projektledningsverktyg dagarna ända och inte har tid att ge
teamet den uppmärksamhet som behövs för att bygga en stark känsla av gemenskap.
Nu om man kan få loss lite tid så kanske man kan jobba med den typen av saker
och bygga ett starkt team och också hjälpa de som jobbar i teamet och göra så
att deras förmåga att leverera ökar.
Man får mer tid för den typen av saker så att det är väl på högsta nivån så
(32:39):
att jag skulle säga Men jag som projektledare det här är ytterligare ett verktyg
det tar mig tid att gå in och lära mig det här den tiden har inte jag, hur ska jag tänka?
Nej, exakt så och det tror jag är ganska utbrett men som projektledare,
vi har fullt upp hela tiden det är en rapport som ska lämnas inom två veckor
till en styrgrupp och den måste inom två timmar och då gör man ju så Då gör
(33:03):
man det på samma sätt som man alltid har gjort. För då vet man att man klarar det på två timmar.
Man har liksom inte energin att försöka lyfta in chattgipete och misslyckas.
Och bli för sen med leveransen. Och det blir bara pannkaka och allting.
Och jag menar, om du har två månader kvar som projektledare.
Och sen ska börja jobba som takläggare.
Då skulle jag säga så här, bry dig inte om AI.
(33:25):
Utan gör saker som du har gjort på samma sätt som tidigare. Siktar man på en
längre karriär så tror jag...
Att AI-verktyget kommer göra att vi får andra förväntningar och krav på oss
om man tittar kortsiktigt.
Om du tidigare är van att få en dag för att sätta upp en projektplan så kommer
du ganska snart bara få två timmar på dig att sätta ihop den projektplanen.
(33:45):
För att man vet att det går att göra på två timmar. Och dels är det liksom,
vill man hänga med så tror jag
att man på något sätt måste hitta tiden och lära sig det här verktyget.
Sen är det som allt annat att i början så förlorar man tid på det.
Det kommer ta mer tid än vad man får ut.
Man kommer bli frustrerad och allt sånt dåligt men i
(34:07):
slutändan vinsten är så pass stor i det här fallet till skillnad från många
andra mindre teknikskiften att jag tror att hamnar man för mycket efter så kan
man helt enkelt känna sig frånseglad och då kommer man behöva göra en stor fokuserad
insats vid något tillfälle.
Men om vi jämför det med att på alla företag finns det ju en Lisa eller Bosse
(34:28):
som är jätteduktig på Excel.
Och kan det inte fortsätta vara så att det finns någon Lisa eller Bosse som
är duktig på AI och som kan jobba vidare som vanligt?
Ja, jag tror att Lisa och Bosse kan vara jättebra på ett företag.
Och de kan hjälpa oss andra och skapa bra prompter som vi kan använda.
(34:49):
Men de kan inte sitta med mig hela tiden. jag använder det här verktyget i precis allt jag gör.
Så de kan inte sitta bredvid mig. De kan ju inte vara som en assistent som jag
går in och säger att jag har haft en konflikt med en projektdeltagare.
Kan du hjälpa mig med konflikthantering? Ja visst hjälper jag med det.
Jag behöver programmera Python-kod för att göra den här maskininlärningssaken.
(35:12):
Kan du hjälpa mig med det? Visst. Jag behöver en projektplan. Ja visst.
Och där tror inte jag att de har kapacitet att vara hos alla.
Det vore ju grymt om de kunde vara det. jag tror tyvärr inte att det går så
att då faller det på liksom på våra, ska man säga, axlar nu får jag ju låta
som en jobbig grej, det är faktiskt,
tillfredsställande att jobba med verktygen det kan du säkert intyga om,
(35:33):
men vi kommer behöva lära oss dem vill man ligga på framkant då gör man det nu,
sen så är vi tygade om att det här med prompting som vi har pratat mycket om
att det kommer i ganska stor utsträckning.
Fördefinieras så att man kanske har prompt för och skapa en projektplan som
(35:54):
företaget kanske har tagit fram.
Då använder man den prompten genom att klicka på en knapp.
Så jag tror att det kommer vara ett sätt för att få det här breda upptaget.
Men vill man vara liksom någorlunda på bollen så tror jag faktiskt att man gör
bäst i att lära sig det här själv.
Har du några fler tips och tricks när man sätter sig här nu första gången?
(36:18):
För många projektledare för ett och ett halvt år sedan så kanske de gick in och testade.
Och sen så, det där var ingenting för mig, det blev bara galler Mattias.
Vad tänker du, vad ska man göra? Man kan ta till sig det här med de här promptingformerna,
RTF till exempel eller RUF som vi pratade om, så kommer man komma mycket längre.
(36:39):
Sen så måste man tillåta sig, och det här måste få ta tid.
Det är inte någonting som du kanske ska göra på fem minuter mellan två möten
utan man måste ge sig själv förutsättningar att lyckas.
Så kanske man sätter upp om man har möjlighet en timme på fredagar där man försöker
lösa ett specifikt problem och då,
(37:01):
jobbar man den timmen med att lösa det problemet och fokusera och lära sig och
inte uppnå resultat så att man mer stressfritt kan prova.
Det tror jag är en förutsättning och det gäller allt lärande att man måste ge
sig förutsättningar att lyckas där och det kommer ta tid.
Sen var det inne på att för en och ett halvt år sedan då blev det inte alls
(37:21):
bra och det Och det håller jag med om.
Om man tittar på det som man gjorde för ett och ett halvt år sedan så var det
inte alls särskilt avancerat. Men utvecklingen är så enormt snabb.
Så att det som kanske inte gick för två, tre veckor sedan kan gå i dagsläget.
I varje fall om vi tittar på bildgenerering och generering av filmer.
Där är utvecklingen så sjukt snabb.
(37:43):
Samma sak med de här med klåd och de som genererar text.
Vi får ny funktionalitet hela tiden. Så man måste också vara beredd på att omvärdera sin bild.
Och sen också, man måste ju vilja lyckas. Så man kan inte gå in med inställningen
att jag ska visa att chatt-GBT inte funkar.
Då kommer man kunna visa det ganska snabbt. För det är bara att ställa vissa
(38:04):
typer av specifika frågor.
Förut kunde man be den skriva lollipop baklänges och det blev bara skräp varje gång.
Så det är ganska lätt att få den att misslyckas. Man måste liksom kamma den
med hårs och hitta de exemplen där den lyckas.
Så ha det liksom mindsetet att det ska bli så bra som möjligt.
Jag skulle vilja lära ett exempel till någonting som många projektledare inte
(38:24):
tycker är så roligt. Och det är att skriva mötesanteckningar.
Kan du berätta hur de olika verktygen, hur man kan använda.
Jag ska åt möte nu. Vad ska jag tänka på? Hur gör jag? Ja, det är bra.
Om jag ska välja en sak som man ska försöka prova.
Så skulle det vara mötesanteckningar. Det är liksom kill rap för det här i mina
ögon. För att ni vet hur det är.
Mötesanteckningar ska vi ta. Ja, men det är mycket arbete och det tar sig inte
(38:46):
alltid. Och här har vi ett verktyg som är jättebra på det här.
Och igen då så måste man gå tillbaka och titta vad man har för förutsättningar i sin organisation.
Har man till exempel tillgång till Copilot för Microsoft 365 då finns det här inbyggt i Teams.
Så då är det bara att trycka på knappen transkribera och sen så ber den sammanfatta det.
(39:11):
Så gör den det. Det krävs ingenting avancerat alls.
Det finns också verktyg som Otter AI 1 och det finns massor med sådana som man kan då köpa in.
Jag tror det finns inbyggt i Zoom också om man vill ha just den funktionaliteten.
Då har man det ganska lätt. Då är det i princip att trycka på en knapp så löser vi svårten.
Sen så finns det nästa steg. Det är att man inte har tillgång till de här verktygen som kan göra allt.
(39:35):
Om man ändå kan gå in i Teams eller vad man har för någonting.
Och så få mötet transkriberat. Det vill säga översatt från tal till text.
Det kan man få utan att man har någon specifik AI i många fall.
Då kan man ju sen ta den här. Och om man har ChatGPT kan man ta den här texten
och klistra in den i ChatGPT. och sen ha några prompter som heter sammanfatta
mötet, ta fram actions och beslutpunkter eller vad det är för någonting.
(39:58):
Så det är liksom ett sätt att hantera det på om man inte har de verktygen.
Sen så finns det ju också det där supernördiga, att man jobbar på ett företag
där man inte alls får använda de här molnvarianterna.
Man får inte använda chatbotten, man får inte använda någonting.
Då kan man faktiskt sträcka sig så långt att det går att spela in ljudet från ett möte.
Transkribera det själv på sin egen dator, installera en lokal språkmodell som
(40:23):
ligger på den egna datorn och göra mötesammanfattningarna helt på en egen dator
utan att vara uppkopplad till nätet.
Det är mycket svårare och kvaliteten blir sämre.
Men bara för att visa att det går faktiskt att göra det på ett helt avgränsat
och stängt sätt som är helt säkert också.
Och för att få hjälp att göra det då kan man bara fråga ZKPT eller Claude.
(40:44):
De är väldigt duktiga på hur ska jag installera det här?
Hur ska jag göra det här? Tänk dig att jag är en person som aldrig har suttit
framför en dator tidigare. Gör stegvis hur jag ska göra det här.
Och det gör jag verkligen nu. Ja, det var precis så jag gjorde när jag testade det.
Och det tog bokstavligen, för att göra på en nördig institution,
säkert det svåra sättet, det tog en halvtimme för mig.
Chattgrippet till leddevägen skrev exakt vad jag skulle göra.
(41:06):
Det var saker som inte funkade. Jag frågade och fick perfekta svar så att det går.
Men titta om ni har funktionen i Teams.
Då finns det någonting mer du skulle vilja skicka med projektledare som ännu
inte använder det här nej men.
Prova det är det jag skulle vilja säga finns det bra böcker kurser,
(41:29):
du och jag ska ha kurs den är säkert jättebra att hålla sådana kurser,
men finns det böcker eller vad hittar informationen det finns böcker det finns också online kurser,
det skiljer, eftersom fältet rör sig så snabbt så kan det vara ganska svårt
med böcker, utan man får titta på lite mer information som kan samlas ihop snabbare.
(41:53):
Bloggartiklar jag hittade en vetenskaplig artikel häromdagen som var jättebra,
om man får göra reklam för mig så kan man följa mig på LinkedIn jag försöker
ha som syfte att hjälpa projektledare att lägga upp saker som man kan ha nytta
av i sin vardag jag kan inte är man med i PMI,
den typen av organisationer så har de också kurser man kan gå det finns på Coursera
(42:14):
finns det också utbildningar jag har svårt att peka ut en kurs som jag tycker är helt briljant.
Nej, det man kan säga är att man kan ju faktiskt fråga ChattKPT eller Claude
att nu sitter jag här, vad ska jag göra?
Lär mig och så kan man få den att skapa en kurs.
Jag har själv gjort det för tyska och provat det i ChattKPT och den fungerar
(42:37):
jättebra och jag säger att jag vill ha en konversation med dig,
du är en tyska lärare och den börjar med bra.
Då börjar vi med vilken nivå du är på. Berätta lite om dig själv.
Och sen korrigerar den mig. Och chattykuppet 4O är så pass bra nu.
Så att den korrigerar inte bara grammatik. Utan den korrigerar hur min tonalitet
är. När du ska göra så här.
(42:58):
Och så får jag repetera det. Och säga nej, den är fortfarande inte bra. Den gör så här.
Och det är en modell som inte är tränad till att vara lärare.
Utan jag bara giver den några små instruktioner.
Om hur den ska vara som lärare. Och sen hjälper den mig framåt.
Och den kan man gå och prata med.
Ja, och det kommer att bli ännu bättre nu när man kommer att vara snabbare på
(43:18):
att svara i de nya modellerna som kommer att komma ut.
Men man märker också att du är det man kallar för AI first.
Vad man än slänger på dig så säger man att man kan göra det i ChatGPT.
Och där hamnar man efter ett tag.
Att man tänker hela tiden att jag kan faktiskt lösa det med ChatGPT.
Men jag ber bara ChatGPT om hjälp.
Och sen har du också lärt dig var det funkar och var det inte funkar.
(43:38):
Så du vet ungefär var du ska använda det någonstans. när man väl har kommit
dit då är det nästan svårt att tänka sig hur man gjorde det innan,
Så tänker jag kring den sista googlingen man gör finns det ett litet roligt
citat på nu och det är någonting som heter Perplexity och det är nog många av
er som redan använder det men det är ni som inte gör det.
(43:59):
Ladda ner den appen eller gå in på Perplexity eller googla det.
Jag berättar, vad är Perplexity?
Perplexity är som en sökmotor på något sätt som är AI-first.
Så det den kan göra är att du beställer vad du vill ha för någonting och sen så går den in på nätet.
(44:20):
Och sen så letar den upp de mest relevanta källorna och sen så sammanfattar
den de källorna och ges källanvisningar.
Så istället för att få flera sidor med betald reklam som man får i Google så
får man den informationen som man vill ha sammanfattad och man kan gå in på
de källor som det hämtade informationen av om man vill dyka vidare.
(44:42):
Så det känns som det nya sättet att hämta in information.
Det är min bild av det. Absolut, och den är helt fantastisk för att den går på intention.
Som jag söker efter, jag skulle vilja ha en resa till Island.
Och sen så svarar den på det. Då kommer den googla eller söka bland de relevanta med reset till Island.
(45:05):
Men den kommer också hitta på själv. Bästa priset till Island.
Vad kan jag göra på Island? Så hittar den på 4-5 frågor kring det här ämnet.
Och söker på dem. Och sen lägger den ihop all den informationen till mig.
Och efter det så lägger den också in detta kanske du också undrar över.
Som är väldigt relevant då. Och då jobbar man sig vidare därifrån.
(45:28):
Så att det blir ett bra steg att gå från googling till perplexity för att sen gå till en språkmodell.
Och det som också Perplexity har det är källanvisning som du säger.
Till skillnad från de här språkmodellerna. Men den har dessutom att den använder
väldigt betrodda källor.
Så att det är väldigt lite av det här som man kan hitta i Google nu.
(45:51):
Där folk har SEO-optimerat, optimerat för Google.
Utan den används av tidningar, vetenskapliga artiklar och liknande.
Alltså det är också ett tips. Vi lägger länk i anteckningen till det här avsnittet.
Till de här sakerna som Daniel har nämnt. de artiklarna, till Daniels LinkedIn-profil
och sen till Perflexity så kan ni alla prova det.
(46:13):
Och återkom gärna till mig om ni har tankar, idéer eller till Daniel om ni undrar
om någonting. Han kan jättemycket om AI.
Stort tack för att du kunde ta dig tid med att vara med i podden igen,
Daniel. Ja, det var fantastiskt kul att vara här. Jag skulle gärna fortsätta ta till.
Tack ska du ha. Tack för att du har lyssnat på projektledarpodden.
(46:33):
Hör gärna av dig till oss med idéer, tips och förbättringsförslag.
Det gör du enklast via mail på lyssnare-projektledarpodden.se eller vid det
sociala nätverk du föredrar.
Music.
Popular Podcasts
Crime Junkie
Does hearing about a true crime case always leave you scouring the internet for the truth behind the story? Dive into your next mystery with Crime Junkie. Every Monday, join your host Ashley Flowers as she unravels all the details of infamous and underreported true crime cases with her best friend Brit Prawat. From cold cases to missing persons and heroes in our community who seek justice, Crime Junkie is your destination for theories and stories you won’t hear anywhere else. Whether you're a seasoned true crime enthusiast or new to the genre, you'll find yourself on the edge of your seat awaiting a new episode every Monday. If you can never get enough true crime... Congratulations, you’ve found your people. Follow to join a community of Crime Junkies! Crime Junkie is presented by audiochuck Media Company.
24/7 News: The Latest
The latest news in 4 minutes updated every hour, every day.
Stuff You Should Know
If you've ever wanted to know about champagne, satanism, the Stonewall Uprising, chaos theory, LSD, El Nino, true crime and Rosa Parks, then look no further. Josh and Chuck have you covered.