Tekoälyn rooli projektinhallinnassa askarruttaa tällä hetkellä monia organisaatioita. Keskeinen kysymys kuuluu: missä tekoäly voisi aidosti auttaa projektiorganisaatioita käytännön tasolla?
Projektipomon tekoälyblogisarjan toisessa osassa aihetta tarkastellaan jalat maassa ja konkretian kautta. Keskustelu tekoälystä pyörii usein suurten lupausten ympärillä, vaikka projektiorganisaatioissa olennaisempaa olisi ymmärtää, missä arjen työssä tekoäly voisi oikeasti helpottaa tekemistä, parantaa näkyvyyttä päätöksentekoon ja tukea kilpailukykyä. Blogisarjan ensimmäiseen osaan pääset tästä.
Projektipomo pohtii tässä jatko-osassa erityisesti sitä, voisiko tekoäly auttaa projektiorganisaatioita näkemään oman toimintansa selkeämmin ja ennakoimaan asioita paremmin ennen kuin ongelmat näkyvät projekteissa käytännössä.
Voiko tekoäly auttaa tunnistamaan kannattavimmat projektit?
Monessa organisaatiossa projektisalkku sisältää suuren määrän hankkeita, jotka kilpailevat samoista resursseista ja budjeteista. Yksi haastavimmista kysymyksistä on usein se, mitkä projektit tukevat strategiaa parhaiten ja mihin investoinnit pitäisi kohdistaa.
Projektisalkun hallinnassa tätä arvioidaan jo nykyisin esimerkiksi kustannusten, takaisinmaksuajan, riskitason ja strategisen merkityksen kautta. Tekoäly voisi auttaa tunnistamaan näiden tietojen välisiä yhteyksiä huomattavasti laajemmasta datamäärästä kuin mitä ihminen pystyy käsittelemään.
Järjestelmä voisi esimerkiksi havaita, että tietyntyyppiset projektit onnistuvat jatkuvasti paremmin kuin toiset, tai että tietyt hankkeet aiheuttavat toistuvasti resurssiongelmia ja kustannusylityksiä. Kyse ei kuitenkaan ole siitä, että tekoäly tekisi päätökset organisaation puolesta. Sen tehtävä olisi nostaa esiin havaintoja, jotka tukevat päätöksentekoa ja auttavat hahmottamaan projektisalkun kokonaisuutta selkeämmin.
Toteutuuko strategia oikeasti projekteissa?
Strategia toteutuu projektien kautta. Silti monessa organisaatiossa kokonaiskuvan seuraaminen on haastavaa, erityisesti silloin kun projekteja on paljon ja tieto on hajallaan eri järjestelmissä. Yksi tekoälyn kiinnostavimmista mahdollisuuksista liittyy juuri strategian toteutumisen analysointiin.
Jos projektisalkusta löytyy tietoa projektien tavoitteista, resursseista, kustannuksista ja prioriteeteista, tekoäly voisi auttaa tunnistamaan, kuinka hyvin projektikokonaisuus tukee organisaation strategisia tavoitteita. Samalla se voisi nostaa esiin ristiriitoja ja poikkeamia, joita olisi muuten vaikea havaita suurista tietomääristä.
Tekoäly voisi esimerkiksi havaita tilanteita, joissa:
- resursseja kohdistuu jatkuvasti projekteihin, jotka eivät tue strategisia painopisteitä
- kriittiset kehityshankkeet etenevät liian hitaasti
- projektisalkku kuormittuu pienistä rinnakkaisista hankkeista ilman selkeää liiketoimintahyötyä
- investoinnit eivät jakaudu organisaation tavoitteiden mukaisesti
Projektipomo pohtii, että juuri tällaisissa tilanteissa tekoäly voisi toimia ennen kaikkea keskustelun herättäjänä ja päätöksenteon tukena. Mitä suurempi projektisalkku on kyseessä, sitä vaikeampaa kokonaisuuden hahmottaminen on ilman selkeää näkyvyyttä dataan.
Resurssien hallinta on edelleen yksi suurimmista haasteista
Projektiorganisaatioissa yksi jatkuvista haasteista liittyy resurssien kohdentamiseen. Kenellä on kapasiteettia? Missä osaamisalueissa on puutteita? Mihin projekteihin kannattaa rekrytoida lisää osaamista?
Tällä hetkellä näitä kysymyksiä ratkotaan usein manuaalisesti useiden eri järjestelmien ja Excel-taulukoiden avulla, vaikka projektien ja resurssien tilanne muuttuu jatkuvasti. Tekoäly voisi auttaa tunnistamaan tilanteita, joita olisi muuten vaikea havaita ajoissa. Se voisi analysoida projektien aikatauluja, resurssivarauksia ja osaamisprofiileja sekä nostaa esiin mahdollisia kuormitusongelmia ennen kuin ne näkyvät projektien arjessa.
Samalla tekoäly voisi auttaa tunnistamaan organisaation pidemmän aikavälin osaamistarpeita. Jos tietyntyyppiset projektit lisääntyvät jatkuvasti ja samoja osaamisalueita tarvitaan yhä enemmän, rekrytointitarpeita voitaisiin ennakoida aikaisemmassa vaiheessa. Projektinhallinnassa juuri ennakointi on usein kaikkein arvokkainta.
Projektipäällikön työstä suuri osa liittyy menneisyyteen
Moni projektipäällikkö tunnistaa tilanteen, jossa suuri osa työajasta kuluu raportointiin, tilannekuvien päivittämiseen ja jo tapahtuneiden asioiden selvittämiseen. Projektien johtaminen muuttuu helposti jatkuvaksi reagoinniksi.
Tekoälyn kiinnostavin mahdollisuus ei välttämättä ole yksittäisten tehtävien automatisointi, vaan kyky siirtää painopistettä enemmän tulevaisuuden ennakointiin. Jos järjestelmä pystyy tunnistamaan aikaisemmista projekteista toistuvia poikkeamia, kustannusriskien kasvua tai aikataulujen viivästymiseen liittyviä ilmiöitä, projektipäällikkö voi reagoida tilanteisiin aikaisemmin. Samalla raportoinnin automatisointi voi vähentää manuaalista työtä ja vapauttaa aikaa itse projektin johtamiseen.
Kyse ei ole siitä, että tekoäly korvaisi projektipäällikön. Päinvastoin. Mitä monimutkaisemmista projekteista on kyse, sitä tärkeämmäksi korostuvat ihmisen kokemus, liiketoiminnan ymmärrys ja kyky tehdä päätöksiä epävarmuuden keskellä. Tekoälyn rooli on ennen kaikkea tukea tätä työtä.
Kaikki riippuu lopulta datasta ja sen laadusta
Tekoälystä ei synny hyötyä ilman laadukasta projektidataa. Jos tieto on hajallaan eri järjestelmissä, dokumenteissa ja Excel-tiedostoissa, kokonaiskuvaa on vaikea muodostaa niin ihmiselle kuin tekoälyllekin. Mitä laadukkaampaa ja yhtenäisempää data on, sitä hyödyllisempiä havaintoja siitä voidaan tehdä.
Siksi projektinhallinnan järjestelmien merkitys korostuu myös tekoälykeskustelussa. Ennen kehittyneitä analytiikoita ja tekoälypohjaisia tukitoimintoja organisaation pitää tietää, missä sen projektidata on ja kuinka hyvin sitä hallitaan.
Camako luo pohjan tekoälyn käytölle
Prohan kehittämä projektinhallintaohjelmisto Camako kokoaa projektien keskeisen tiedon yhteen järjestelmään, jolloin projektisalkkua voidaan tarkastella yhtenäisenä kokonaisuutena. Kun aikataulut, resurssit, kustannukset ja projektien tilannetiedot ovat keskitetysti hallittuja, myös raportointi ja analytiikka muuttuvat tehokkaammiksi.
Camakon avoimet rajapinnat mahdollistavat projektidatan hyödyntämisen esimerkiksi Power BI -raportoinnissa ja erilaisissa analytiikkaratkaisuissa. Käytännössä tämä tarkoittaa sitä, että organisaatio voi lähteä liikkeelle jo olemassa olevan datan hyödyntämisestä ja rakentaa vaiheittain pohjaa myös tulevaisuuden tekoälyratkaisuille.
Avoimet rajapinnat tarjoavat pääsyn projektidatan ohella myös Camakon tietomalliin. Tietomalli mm. kuvaa tietojen väliset yhteydet, tietotyypit, tietojen pakollisuudet ja laskettujen tietojen laskentalogiikan. Tietomallin avulla ja pelkällä projektitunnisteella tekoäly pystyy etsimään kaikki projektiin liittyvät tiedot analysoinnin pohjaksi.
Olennainen kysymys kuuluukin: Mitä ajatuksia tekoäly herättää teidän projektiorganisaatiossanne? Voisiko tekoäly auttaa projektisalkun priorisoinnissa, resurssien hallinnassa tai strategian toteutumisen seurannassa? Onko organisaatiossanne jo pohdittu, miten projektidataa voitaisiin hyödyntää tehokkaammin?
Projektipomo ja Prohan asiantuntijat keskustelevat mielellään erilaisista käyttötapauksista ja ajatuksista projektinhallinnan tulevaisuudesta. Ota yhteyttä, niin jatketaan keskustelua yhdessä.