Transkribering: Upptäck AI:s möjligheter för Projektledare med Daniel Karlsson (avsnitt 54)

Detta är en maskinell transkribering (KB-Whisper) av avsnittet som publicerades 2024-09-04. Fel kan förekomma.

Lyssna på avsnittet: 54: Upptäck AI:s möjligheter för Projektledare med Daniel Karlsson Läs sammanfattningen: AI för projektledare – Praktisk guide till generativ AI i projektarbete (54)

Transkribering

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 mailen. Jag kan använda den till att kanske planera våra nästa workshop. Just det, jag kunde använda kamerafunktionen och fota post-it-lapparna som jag tog fram under brainstorm-sessionen och beden lägga in dem och kategorisera dem. Den du har pratat, Daniel Carlsson. 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. De första tillfällena är redan utsålda men vi kommer lägga upp nya så gå gärna in där på Projektledarpodden.se-ai om du är intresserad av en sådan kurs. Jag som har podden heter Mattias Ejbe och nu kör vi. Du lyssnar på Projektledarpodden. En podd för dig som gillar att leda projekt och vill lära dig mer av andra om projektledning.

Idag har vi med oss Daniel Karlsson igen. Vi ska prata mer AI och ännu mer vad man som projektledare kan använda AI till och hur det ser ut framåt. Välkomna tillbaka Daniel. Stort tack, det är enormt kul att få vara här en andra gång. Ja, och du har ju hållit 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 ju lite utifrån en kurs som vi kommer att prata idag. Absolut, det blir superkul. Men du har ju gått igenom mer än 100 vetenskapliga artiklar om AI och projektledning, det specifikt. Vad har du fått fram av det? Om man ska vara noggrann där så har jag gått igenom, jag hade väl en bas på 200 vetenskapliga artiklar och sen så hade jag ett stort antal bloggarntiklar och också masterstesis som är kopplat till AI och projektledning så kokade jag ner det där till ett mindre antal så i slutändan så tror jag att det landade kring 20-30-tal forskningsartiklar som var liksom intressanta och sen stort antal bloggarntiklar och masterstesis.

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 att 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 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. 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 tecken på att vi är fortfarande väldigt tidigt ute inom det här området. Det var liksom det stora take-awayen.

Och det de förslår att man ska använda det till, vad är det? Ja, det är ju småsaker kan man säga. Om man tittar på det som det använder till i praktiken så är det småsaker. Om man tittar, 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 våra 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 och vad budgeten kommer bli med högre precision än man kan göra själva.

Men det här är faktiskt väldigt svårt att göra med dagens AI. Det finns en ganska bra examensarbete som släpptes här för ett halvårsund ungefär. Där man tog, jag tror att det var tolv stycken projekt och så tittar man på hur bra hade projektledarna varit på att förutspå hur lång tid det kommer att ta. Och då som vi projektledare så tog vi lite grann i underkant som vi brukar göra. Det visade sig att projekten tog ungefär 50 procent längre än vad vi hade estimerat. Och så tänkte vi, bra nu har vi datan, nu slänger vi in det här och låter AI göra beräkningar.

Och den hade fel på plus minus någonstans mellan 2-300 procent. Den var inte ens i närheten av att vara rätt. Och det visade att visst kan man säkert använda det för att ta fram tidplaner och så. Men då krävs en helt annan nivå av data än vad de fästta sitter på. Det var ett intressant exempel. Om vi backar tillbaka, då, varför är AI relevant för projektledare?

AI är kanske första gången vi får ett verktyg som kan hjälpa oss med allt vi gör. Det är så stort och obrätt verktyg. 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 flumligt när jag säger så. Men om man kockar ner och tittar på de här projekten… och projektledarna skriver om i forum och vad du och jag också har experimenterat med. Så är det allt från att skriva skräddarsydda mail till att ta fram vilka intressenter man har i ett projekt och kanske hjälpa till att ta fram projektplaner, sammanställa post-it notes.

Rubbet av små atomära uppgifter är en jättebra på att hjälpa till med dagsläget. 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. Men det är bra att ha en grundläggande kunskap om några saker. Det är framförallt skillnad på maskininlärning och det som heter generativ AI som vi kanske kan prata lite mer om. Det är en sak som jag tycker man ska ha koll på så att man inte blandar ihop de begreppen.

Och maskininlärning kallas ibland för traditionell AI 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 gjort en bedömning på. Så tränar man den på hur röntgenplåten ser ut och vilka beslut som kunde fattas utifrån det röntgenplåten. Kanske om det var ett benbrott eller inte. Och sen så låter man AI-en själv fatta beslut på en röntgenplåt.

Det är liksom väratablerat. Du bygger en egen modell utifrån dator. Sen så har vi det nya, generativa AI. Som är extremt nytt. Baseras mycket på ett vetenskapligt papper som släpptes av Google 2017. 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, till exempel ny text, det kan skapa en projektrapport.

Och du behöver inte träna den modellen utan den är liksom förtjänad. Så de två är ganska bra att hålla isär de två stora olika typer 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. Så det är ett begrepp som jag tycker att man ska känna till. Och det är i den här generativa A-indien som kan skapa nytt så är prompting begreppet för att göra beställning. 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 jobbar på legal inriktningsföretag. Här är ett NDA. Snälla granska det och se om det är några punkter som du tycker kräver extra uppmärksamhet. Så får man svaret därefter. Och själva den beställningen kallas för en prompt. Och pronta 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 om man är inne på det här. Men LLM är en förkortning som man ser om man är lite mer intresserad och det står för stor språkmodell. Och det är den generativa AIN som används för texthantering. Den bygger på en stor språkmodell.

Kommer jag att gå in kort på hur man tränar en sån modell, vilket kan tyckas vara lite out of scope, men om man förstår det så kommer man mycket lättare att ta sig till vilka begränsningar och vilka saker som en sådan LLM är bra till. Och den vanligaste LLM som ni kanske talas om är GPT. och då har Shatt GPT en vanlig assistent som använder en sån språkkoder. Men de funkar i princip i två steg. Först tränar man modellen och sen så använder man den. Och i den här träningsfasen då kan jag tycka att det är banalt. Det man gör är att man låter den gissa förutspå nästa ord i en mening.

Så har man massor med data. Man säger att man kanske har till och med all data på inte rätt. Och så så låter man den gissa vilket ord kommer näst. Och sen tar den fram vilket ord som har störst sannolikhet och listar alla ord så alla ord får en sannolikhet att förekomma. Så att den blir jättebra på att gissa vilka ord som följer efter det andra. Och det kan man tänka sig, men det här är ju super banalt.

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 på sista raden står och mördaren är. Då måste man kunna pricka rätt namn där, då kräver det någon form av in-situations-tecken förståelse. Eller i alla fall 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 och kanske boll. Absolut mest sannolikt. Men 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 samverkhet, kanske inte det absolut högsta, som gör att ena gången får man att hunden springer efter en boll, andra gången får man efter en strumpa, och tredje gången får man att den springer efter en smula eller vad som helst. 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 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 så får man exakt samma svar hela tiden. Så det är så vi förhåller oss till en dator. Tryck man på fet stil så blir det alltid fet stil, det blir inte kursivt ibland. Men de här, de har den egenheten att man får ord som är sammanlika. Och det kan ju vara fantastiskt om man tittar på en brainstorming situation. Då kan den generera massor med olika exempel och då vill vi ha den här oförsäbarheten och slumpmässigheten i systemet.

Så det blir verkligen pros and cons. Nu blir det en lång utläggning här men jag ska bara ta en sak till kort. Det handlar om om den är tränad på det datat som finns på internet. Det är ju vi människor som har lagt upp där med allt vad vi gör med bra och dåligt och bias och saker som är politiskt korrekta och saker som inte är så politiskt korrekta. Eftersom AI-in är tränad på det så kommer det såklart återspegla sig i det som ramlar ut ur AI-in. Så alla våra bra saker finns där, och alla våra dåliga saker finns där också.

Så om ni använder AI för att generera en text, se då till att läsa igenom den så att ni står bakom det som texten innehåller, det vill säga ska ni skicka ett mail som en AI har skrivit, se då till att det här är någonting som står för er, för det kan finnas informationer som kanske inte känns så rolig. Så det är lite mer avancerat än när jag får hjälp, när jag skriver SMS, och bara få de här tre orden att vala nästa ord. Ja, det är lite mer avancerat, men jag gissar att de här tre orden kommer ganska snart vara AI-baserade. Det är de säkerhetsledningarna idag.

Så som jag tänker mig, de här assistenterna, så tänker man verkligen som en assistent. Jag tänker ju som en praktikant eller en trainee som kommer och hjälper mig. Som aldrig håller på med projektledning, 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 promta att göra sin beställning till sin AI- –då vet den inom situationstekningen ändå ingenting om förutsättningar. Vad du vill åt, hur den ska formulera svaret. Så ofta om man inte hjälper den på traven på det sättet som du nämner så får man ganska generella generiska tråkiga svar. Man känner att man kan inte använda dem. Man förstår varför de är där men de känns inte relevant för mig i den situationen jag är just nu. För då tittar den och hamnar med de här breda svar med hög sannolikhet.

Precis som du säger ska man tänka på den som en assistent som behöver ganska mycket guidning och som man behöver styra. Då kommer vi in lite grann på promptingar. 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 Google är liksom. Det är klart att man tänker så.

Google funkar ju så att du söker efter någonting och då matchar den ditt 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 man ju göra beställning på ett bra sätt och det är det som kallas prompting, om man pratar prompting, engineering, kanske ett nytt yrke, jag vet inte.

Och då finns det best practices som har 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, som är för roll, task och format. På svenska så blir det väl ruff 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 I ska ta. Då vet den lite mer, okej, det är inom det här området som man vill ha ett svar. Som om vi går tillbaka till exemplet med granska ett dokument, så kanske man säger så att jag vill att du ska anta rollen som en legal expert på ett företag.

Okej, då vet den ungefär vad man vill ute efter. Sen så var det uppgift, då kan det vara att granska det här kontraktet med den här underleverantören. Kan man till och med slänga upp en pdf där så att den vet Vilket kontrakt det är för någonting. Och sen formatet då. Då kan man säga att om man uppgifterna var att granska det 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. Så kommer man väldigt mycket längre än om man bara skriver in som om man gjorde en googling. Och sen liksom 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, ja men 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 liksom en förklaring som passar. Och sen så kan man ha den diskussionen så att 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 språkmodeller, då tänker vi framför allt på de här AI-assistenterna som Chatt-GPT, Claude, Copilot, Gemini. Ja, det finns säkert 50 till, men det är väl de stora jag hör i alla 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 Chatt-GPT. vilken ska man använda. Då brukar jag säga att de har samma motor, 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 Chatt-GPT och Co-Pilot 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. Om du som projektvän vill testa på det här, vad ska jag tänka på första gången? Och vad ska jag börja med? Ska jag börja med kätkapiti eller klod eller co-pilot? 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 co-pilot, vilket jag sett är ganska vanligt. 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 Shutt GPT, Copilot eller Clored. Visst är det skillnad mellan dem, men det är lite nyanser. Det blir lite nördigt i nästa nivå.

Om du har börjat med Shutt GPT så kanske du blir befäst i den eller så börjar du läsa mer och så märker du att du vill testa Clored. Jag har läst att den har en ny funktionalitet och det verkar bra. Men som nybörjare skulle jag säga på den nivån att alla de här är lika bra. Vad säger du, Mattias? Du har ju testat en hel del. Absolut.

Just nu är det Clod som ligger bra till hos mig, men vissa saker jag använder är ChatKPT och vissa saker kör jag CoPilot. Så det börjar lära sig. Men egentligen kan jag använda en av dem och det skulle gå lika bra. Det är bara här lilla sista fina. Jag tycker Clod är lite bättre på svenska, vad ChatKPT är. Men chat-kapitelet skulle kunna vara exakt lika bra som Claude om jag bara instruerar lite mer.

Det är egentligen så att jag är lat. Claude fattar mig lite lite snabbare. Så det är små nyanser i det hela. Jag tänker bara en sak. Det viktiga där är att man inte är fasta i någon form av beslutsångest. Man sitter och så vet man inte vilka man ska välja så blir det ingenting av.

Då är det bättre att bara slumpa igen och så kör man den. Det kommer inte bli så fel, tänker jag. Och skillnad kör gratis version jämfört med betalad version? Där kan det vara en fördel att ha betalversionerna. Framförallt om man vill använda dem lite mer, ska man säga, lite oftare och lite mer seriöst. För de har, gratisversionerna har ofta en begränsning i hur många frågor, hur många prompter man kan ge.

Så märker man, man kan ju börja med gratisvarianten och klåd och märker att man slår i taket så tycker jag att det är värt att ha betalvarianten. Överst sätter man med chat-GPT och så märker man det här. gratisvarianten duger för det jag vill göra, då duger det för att börja med. inte ny, men som ny AI-projektledare. Vad är det jag ska börja med? Hur ska jag lära mig det här? Ja, först är det bra om du har lite koll på den här promptformen som vi pratade om tidigare. Det kan vara bra att kanske repetera den och så experimentera lite grann med den så att man får lite känsla för hur svaren skiljer sig beroende på hur man ställer frågorna.

Och då är det alltid bra att använda ett konkret exempel om man har det. 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 frittillgänglig på webben, som är publik. Och så kan man experimentera med det så att man lär sig hur frågor och svar hänger ihop. Eller 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 är det 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 att ta fram en intressent rapport för olika intressenter. För kanske för marknadsföraren, för forskning och utveckling och för Ligil igen då. Då kan man experimentera med att sätta upp de personerna. Man definierar hur en person i marknadsföring brukar agera.

Man definierar det nästan som en persona. Sen kan man lägga in en projektrapport och säga att man vill granska den här projektrapporten utifrån den här marknadspersonen. Så får man det. Så kan man få lite olika input på rapporter. Det är ett sätt att experimentera och hjälpa till och granska saker man har gjort. En annan sak är att ta fram information.

När det gäller allt som jag säger så kan det vara bra om man hittar saker där fallhöjden inte är så hög. Ni kommer ihåg att tidigare pratade om hallucineringar. Det kan vara så att outputen inte alltid stämmer. Dels ska man fakta och kolla det. Men det är väl bra om man inte tar som första exempel någonting som är helt avgörande. Sen på något sätt litar man på den här modellen och så använder man det rakt av.

Utan hitta saker som har en ganska låg fallhöjd. Och då granska dokumenten en sak, för där får man bara input. Och så får man bedöma själv hur man ska använda den inputen. En annan sak skulle kunna vara att skräddasyda meddelanden. Om man är en dag 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 förslag på det och så kan man bestämma själv hur man ska hantera den informationen. Om det blir lite fel eller inte, det är inte hela världen. Sen 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 mailen. Jag kan använda den till att kanske planera våra nästa workshop. Just det, jag kunde använda kamerafunktionen och fota post-it-lapparna som jag tog fram under brainstorm-sessionen och beden lägga in dem och kategorisera dem.

Just det, om jag kan använda den funktionen, då helt plötsligt så har jag uppnått upp en helt ny värld och så vill man använda AI-intelligen precis exakt allt. Gör du det? Jag har alltid ett fönster öppet med en AI-assistent i 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 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. Men när det gäller att sammanfatta forskningsartiklar, då är det ett optimalt verktyg.

Och heltid har tänkt att jag kan använda AI, har jag provat det här förut, nej, nu testar vi. och lämnas 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. Den börjar byggas upp nu, men det är fortfarande ganska nytt.

Jag gillar hur 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 typ sådant tillfälle när det faktiskt inte är hemligt. Alltså kan jag använda vilken, utav de här språkmodellerna som helst, Jag stämmer på mitt företag, jag matar in det, säger att jag vill sammanfatta det. Jag säger vilken roll du är och då kan man 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. 10 punkter. Gör det så jag kan kopiera in det till PowerPoint. Och du gör nu det.

Det är superbra på det här att du är så tydlig när du specificerar vad man ska göra för någonting. –och gör att du får mycket bättre resultat när du är specifik i vad du vill ha. Då hjälper du den att ge dig det du förväntar dig. Det är som i all kravställning. Det har många projekt jag har stött på. Det var en dålig kravställning som gjorde att man beställde inte var så bra. Det gäller här också.

Många misslyckanden för att nå dit, kan jag säga. Ett annat exempel är att jag skulle göra en kravspec– –för hur man skulle logga in med BankID. Det är heller inget som är hemligt om hur kraven för det ska se ut. Sen kanske det är hemligt på företaget hur man implementerar det. Men själva kraven är ju öppna. Och där…

Den fixade utan problem. Jag matade in. Så här ser vår kravspele ut. Så här är våra kolumner. Och sen sa det att du är kravare och du blabla. Och sen kunde jag få ut det där.

Och det tog tio sekunder. Och så hade jag kanske en 40-50-krav. Det hade tagit mig ett par dagar att skriva ihop det där. Sen fick jag läsa igenom allting. Justerare hade hallucinerat lite grann på några få. Men jag skulle säga att 80 procent av det där var direkt användningsbart.

Ja, det är ofta under 80 procenten. Ett annat just case som jag kommer att tänka på, som kanske inte alla provar, är just Excel. Många projektledare sitter i Excel och gör saker. Här kan man använda Chat-KPTSA. Jag vill summera den här kolumnen på det här sättet, men vet inte riktigt hur jag ska göra. för att ta fram Excel-formen. Och där är det en klockren.

Man får jättebra liksom. Då möter man ut precis hur Excel-formen ska se ut. Så bara tar copy-paste in med den i Excel. Och det hade jag haft under min karriär så hade det sparat mig mycket tid och frustration. Så jag… Väldigt mycket av det jag gör idag.

När jag har ett problem så går jag inte längre 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 förstår man inte, men ChatKape T kan googla själv. Vi har Perplexity, som kan lösa ett problem mot mig. Vi kan prata mer om den. Det går snabbare att få ett skräddasydd handledning för vad jag ska göra av dem- än att gå in och läsa i en manual eller liknande.

Det är jättehäftigt. Inne, fler exempel. Kan du ta ett exempel från början till slut? Nånting. Om jag ska ta något exempel där så skulle vi kunna ha kring stakeholders kommunikation. Då kanske man börjar ett projekt och då får man väl föreställa sig att man inte har riktigt koll på att man är ganska ny som projektdirektör 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 chat-QPT vilka är det lämpliga stakeholders att ha med i det här projektet? Vilka tror ni kan vara intresserade? Så kan man få 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 kan man be den att ta fram en kommunikationsplan för hur man ska kommunicera med de här olika stakeholders. Och bra då om man kan ge en 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 kommunikationsmatris. Sen så känner man de här stakeholderserna kan man ju skapa de här personaserna. Annars så får man väl använda deras roller för att skapa personer. Så då tar man fram en person för varje stakeholder. Och sen när det gäller att kanske, ja, vad är nästa sak som man ska göra?

Sen ska man be den här stakeholdern om den vill vara med i projektet. Och då vill man göra den på ett lite mer personligt och smalt sätt. Man kanske inte vill skicka ut samma melare till alla. Då kan man skapa sitt generella meddelande. Sen kan man begär den att omformulera det här utifrån de här stakeholders perspektivet. Sen justerar man det lite grann.

Sen gör man utskick och så kommer de att känna sig beträffade av det budskapet som de når. Man får väl större sannolikhet att de är med i projektet. Sen kan man följa sin plan och så kommer man behöva skicka ut ny information till de här stakeholdersen. Och igen kan man använda samma taktik. Ja, och så får man det genom hela projektet. Och det här gör du i chatt?

Om du återkommer, om du ska fortsätta med det här, då återkommer du alltså till den chatten? Ja, precis. Jag skulle kanske kunna ha en chat för varje stakeholder. Det skulle nu underlätta för annars finns det väl en lite risk att den kan bli förvirrad kring vilken stakeholder man pratade om, att den kan liksom blanda in produktutvecklars-stakeholden när jag pratar marknadsföring eller vice versa. Så det kanske jag skulle hålla ut några chattar. Men det är ändå så att du återvänder till de chattarna så tre veckor senare och så letar du upp din gamla chat och så fortsätter du prata med den där.

Ja, och andelen till det är att vi pratade tidigare om att att de här modellerna inte vet vad man vill ha. De vet ingenting när man börjar en chatt om man inte har lärt upp det lite grann från grunden, 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 diskussioner i samma stil. Så att har man en viss stil mot den här marknadsföranden så kommer man fortsätta diskussioner i samma sätt. Så då spar den en viss, viss arbete med att man annars måste definiera upp, okej, antal rollen som den här projektet är, ledaren som den här var den är för någonting.

Så då spar man tidigare om att fortsätta på samma chatt. Och den här chatten, det är vad den egentligen vet. Den tittar inte på andra chatten runtomkring. Nej, det skulle jag säga. Lite dar på vad skett det, men det är det den har koll på. Ett tips där är att ibland kan chatten bli lite förlångad, så du inte orkar med, utan du behöver starta en ny chat.

Då är ett tips att man ger en instruktion och säger så här, jag ska starta en ny chat. Jag vill ta med mig all den viktiga informationen från den här chatten så att jag kan fortsätta sammananda. Vad ska jag ge för instruktion? Ja. Och sen tar jag den instruktionen och så startar jag en ny chat med den instruktionen. Ja, nu kommer jag bara in på en sak när vi pratar instruktioner eller promter som är intressanta.

Vet man inte hur man ska promta 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 tweaka dem lite grann som man tycker passar. Men det är just det att man alltid har någon att fråga. Så absolut, det kallas för meta-prompting när man sysslar med sådana saker.

Det är hjälpsamt. Idag, vilka är de största fördelarna att använda genom projektledningen än dig? Ja, de största fördelarna är att man kan… Om man ska ta på högsta nivå så kan man få mer tid till annat. 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 vissa organisationer 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 jobbar med sitt projektledningsverktyg i dagarna ända och inte har tid att ge teamet det 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 förmågor levererar ökar. Man får mer tid för den typen av saker. Så det är väl på högsta nivån. 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 är det. Det tror jag är ganska utbrett. Men som projektledare, vi har fullt upp hela tiden. Det är en rapport som ska lämnas in om två veckor till en styrgrupp. Och den måste in om två timmar.

Och då gör man ju så. Då gör 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 chat-GPT och misslyckas och blir förtjen med leveransen. Det blir bara pannkaka och allting. 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, 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 som man tittar kortsiktigt. Om du är tidigare i 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. För att man vet att det går i rabot två timmar. Och dels 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 som är dåligt. Men i 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. 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 Lise eller Bosse som är jätteduktig på Excel. Kan det inte fortsätta vara så att det finns någon Lisa eller Bosse som är duktig på AI och så kan jag 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 promter som vi kan använda. Men de kan inte sitta med mig hela tiden. Jag använder det här verktyget i precis allt det 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? Jag visste att jag hjälpte mig med det. Jag behöver programmera Python-kod för att göra den här maskininlärningssaken. Kan du hjälpa mig med det? Visst, jag behöver en projektplan. Där tror inte jag att de har kapacitet att vara hos alla.

Det vore ju grymt om de kunde vara. Jag tror till varje dag att det går. Så då faller det på våra axlar. Nu får jag ju det som en jobbig grej, det är faktiskt tillfredsställande att jobba med verktygen, det kan jag inte säkert intyga om. Men vi kommer behöva lära oss dem. Vill man ligga på en framkant, då gör man det nu.

Sen 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 att skapa en projektplan som företaget kanske tagit fram. Då använder man den prompten genom att klicka på en knapp. Jag tror att det kommer vara ett sätt för att få det breda upptaget. Men vill man vara 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?

För många projektledare för ett och ett halvt år sedan kanske de gick in och testade. Och sen så, det där var ingenting för mig, det blev bara Galle Mathias. Vad tänker du, vad ska man göra? Man kan ta till sig det här med de här prompting-formerna, RTF till exempel, eller RUF som vi pratade om. Så kommer man komma mycket längre. 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 och lyckas. Så kanske man sätter upp om man har möjlighet en timme på fredagar där man försöker lösa ett specifikt problem. Då jobbar man den timmen med att lösa det problemet och fokus är på att lära sig och inte uppnå resultat. Så att man mer stressfritt kan prova. Det tror jag är en förutsättning och det gäller allt lärande. Man måste ge sig förutsättningar och lyckas där och det kommer att ta tid.

Sen var det inne på att för ett och ett halvt år sedan blev det inte alls bra. Och det håller jag med om man tittar på det man gjorde för ett och ett halvt år sedan så var det inte alls särskilt avancerat. Men utvecklingen är så enormt snabb. Det som kanske inte gick för två tre veckor sedan kan gå i dagsläget. I varje fall om man tittar på bildgenerering och film. Där är utvecklingen så sjukt snabb.

Samma sak med klåd och de som ger text. Vi får nyfunktionalitet hela tiden. Så man måste också vara beredd på att omvärdera sin bild. Och sen också måste man ju vilja lyckas. Så man kan inte gå in med inställningen att jag ska visa att chatgbt inte funkar. Då kommer man kunna visa det ganska snabbt.

För det är bara att ställa vissa typer av specifika frågor. Förut kunde man be den skriva lollipop baklänge så det blev bara skräp varje gång. Så det är ganska lätt att få dem att misslyckas. Man måste kammaren medhårs och hitta de exempel där den lyckas. Så ha det mindsetet att det ska bli så bra som möjligt. Jag skulle vilja ett exempel till, någonting som många projektledare inte tycker är så roligt, och det är att skriva mötsanteckningar.

Kan du berätta hur de olika verktygen, hur man kan använda… Jag ska åt möte nu. Vad ska jag tänka på? Hur gör jag? Det är bra, för om jag ska välja en sak som man ska försöka prova så skulle det vara mötesanteckningar. Det är liksom killrappet för det här i mina ögonen.

Ni vet hur det är, mötesanteckningar ska vi ta, men det är mycket arbete och det tas inte alltid. Här har vi ett verktyg som är jättebra på det här. Och igen då måste man gå tillbaka och titta på 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 liksom bara att trycka på knappen, transkribera och sen så be den sammanfattare. 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 köpa in. Jag tror det finns inbyggt i Zoom också om man vill ha just den funktionalitet. Då har man det ganska lätt. Då är det i princip trycka på en knapp så löser det sig åt. Sen så finns det nästa steg, det är att man inte har tillgång till de här verktygen som kan göra allt.

Om man ändå kan gå in i Teams eller om man har frontting och så får mötet transkriberat, det vill säga översatt från tal till text. Det kan man få utan att man har någon sån specifik AI i många fall. Då kan man ju sedan ta den här då och om man har chatgb.t kan man ju ta texten och klistra in den i chatgb.t och sedan ha några prompter som heter sammanfatta mötet, ta fram en action och så beslutpunkter. Eller vad det är för någonting. Så det är liksom ett sätt. och hanterar på om man inte har de verktygen. Sen så finns det också det där supernördiga sättet att jobba på ett företag där man inte alls får använda de här månvarianterna.

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 ligger på den egna datorn och göra mötesammanfattningarna helt på en egen dator utan att uppkoppla till nätet. Det är mycket svårare och kvaliteten blir sämre, men bara för att visa att det går att göra det på ett helt avgränsat och stängt sätt som är helt säkert också. Och för att få hjälp att göra det kan man bara fråga Sättkapete eller Klod.

De är väldigt duktiga på hur man ska installera det här, hur man ska göra det här. Tänk att det är en person som aldrig suttit framför en dator tidigare, gör stegvis hur jag ska göra det här. Och den gör verkligen det. Ja, det var precis så jag gjorde när jag testade det. Och det tog boksavelen för att göra på en nördiga institutionssektets svåra sättet. Det tog en halvtimme för mig.

Chatt-GPT ledde vägen och skrev exakt vad jag skulle göra. Det var saker som inte funkade. Jag frågade och fick perfekta svar, så det går. Men har ni… Titta om ni har funktionen i Teams. Då finns det någonting mer du skulle vilja skicka med projektledare som ännu inte använder här?

Nej men, prova. Det är det jag skulle säga. Finns det bra böcker, kurser? Ja, 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 onlinekurser. Det skiljer… Eftersom fältet rör sig så snabbt så kan det vara ganska svårt med böcker.

Man får titta på lite mer information som kan samlas ihop snabbare. Bloggartiklar. Jag hittade en vetenskaplig artikel häromdagen. Om man får göra reklam kan man följa mig på LinkedIn. Jag försöker hjälpa projektet att lägga upp saker som man kan ha nytta av. Är man med i P-Miden och så har de också kurser man kan gå.

På Crusera 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 Klod att nu sitter jag här, vad ska jag göra? Lär mig. Och så kan man få den att skapa en kurs. Jag själv gjorde tyska.

Och prov att det är ChattKPT och den fungerar jättebra. Och jag säger det 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 det själv. Och sen korrigerar den mig och så att KPT4O är så pass bra nu så att den korrigerar inte bara grammatik utan den korrigerar hur min tonalitet är.

Du ska göra så här. Och så får jag repetera det och säga nej, det är fortfarande inte bra. Den gör så här. Och det är en modell som inte är tränad till att vara lärare. Jag bara givar 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, det är helt… Och det kommer bli ännu bättre nu. Det kommer vara snabbare på att svara de nya modellerna som kommer komma ut. Men man märker också, Mattias, att du är det man kallar för AI-first. Vad man än slänger på dig, så att säga.

Man kan göra det i chat-GPT. Och där hamnar man efter ett tag. Att man tänker hela tiden att jag kan faktiskt lösa det med chat-GPT. Men jag ber bara chat-GPT om hjälp. Och sen har du också lärt dig vad det inte funkar, så du vet ju ungefär vad 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. Det finns ett litet roligt citat på nu, och det är någonting som heter Perplexity. Och det är nog många av er som använder det, men ni som inte gör det. 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.

Det den kan göra är att du beställer vad du vill ha från någonting. Sen går den in på nätet och letar upp de mest relevanta källorna. Sen sammanfattar den de källorna och ger källhandvisningar. Så istället för att få flera sidor med betald reklam som man får i Google- så får man den information som man vill ha sammanfattad- och man kan gå in på de källor som man hämtar information av om man vill dyka vidare. 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 ha en resa till Island och sen Då kommer den att googla eller söka bland relevanta med reset till Island. Men den kommer också att hitta på själv. Bästa priset till Island, vad kan jag göra på Island? Då hittar den på en fyra av fem 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. Så det blir ett bra steg att gå från Googling till Perplexity för att sen gå till en språkmodell. Det som också Perplexity har är källanvisning som du säger, till skillnad från de här språkmodellerna, men dessutom att den använder väldigt betrodda källor. Så det är väldigt lite av det här som man kan hitta i Google nu där folk har SEO-optimerat, optimerat för Google. Utan den används av tidningar, vetenskapliga artiklar och liknande.

Det är också tips. Vi lägger länk i anteckningen till avsnittet– –till de här saker som Daniel nämnt, artiklarna, Daniels LinkedIn-profil– –och sen till Perflexity. Så kan ni alla prova det. Återkom gärna till mig om ni har tankar, idéer eller till Daniel. Om ni undrar om nånting, han kan jättemycket vara i. Stort tack för att du var med i podden igen, Daniel.

Fantastiskt kul att vara här. Jag skulle gärna fortsätta ett tag till. Tack för att du har lyssnat på Projektledarpodden. Höll gärna av dig till oss med idéer, tips och förbättringsförslag. Det gör du enklast via mejl på lyssnare, snabbelag, Projektledarpodden.se- eller vid det sociala nätverk du föredrar.