Bezpłatny fragment - AI — pomoc przy projektach

WSTĘP

Każdy projekt zaczyna się od czegoś, czego jeszcze nie ma. Czasami jest to jedno zdanie zapisane na kartce. Czasami rozmowa przy kawie. Czasami problem, który ktoś zauważył i pomyślał: „Przecież można by to zrobić lepiej”. Innym razem projekt zaczyna się od marzenia, ambicji, potrzeby biznesowej albo zwykłej ciekawości. Początek jest zazwyczaj łatwy. Pojawia się energia, entuzjazm i poczucie, że wystarczy tylko zabrać się do pracy.

A potem przychodzi rzeczywistość.

Trzeba określić, co właściwie ma powstać. Trzeba zdecydować, dla kogo jest projekt. Trzeba zebrać informacje, zaplanować kolejne działania, ustalić terminy, znaleźć zasoby, przygotować dokumenty, przeanalizować ryzyko, podzielić pracę, komunikować się z innymi osobami, kontrolować postępy, reagować na problemy i podejmować decyzje. Im większy projekt, tym więcej elementów zaczyna się ze sobą łączyć. Jedno opóźnienie wpływa na kolejne zadanie. Jedna błędna decyzja może wymusić zmianę całego planu. Jedna niedoprecyzowana rzecz potrafi wrócić po kilku tygodniach i kosztować znacznie więcej czasu niż jej wyjaśnienie na początku.

I właśnie dlatego wiele dobrych pomysłów nigdy nie staje się dobrymi projektami.

Nie dlatego, że były złe.

Nie dlatego, że ich autorzy nie mieli wystarczających umiejętności.

Często po prostu zabrakło czasu, struktury, konsekwencji albo możliwości zajęcia się wszystkimi elementami jednocześnie.

Projektowanie i realizacja projektu wymagają bowiem znacznie więcej niż samego pomysłu. Dobry pomysł jest dopiero początkiem drogi. Pomiędzy pomysłem a efektem znajduje się ogromna przestrzeń wypełniona pytaniami, decyzjami, analizami, dokumentami, zadaniami, spotkaniami, poprawkami i nieprzewidzianymi problemami.

Sztuczna inteligencja może pomóc przejść przez tę przestrzeń.

Nie zrobi jednak projektu za człowieka.

I to rozróżnienie będzie jedną z najważniejszych zasad tej książki.

AI nie jest właścicielem projektu. Nie ponosi za niego odpowiedzialności. Nie zna wszystkich realiów organizacji, nie zna relacji między ludźmi, nie odczuwa konsekwencji złej decyzji i nie może zastąpić osoby, która odpowiada za rezultat. Może natomiast stać się niezwykle użytecznym asystentem projektowym. Może pomóc uporządkować chaos, znaleźć pytania, których wcześniej nie zadaliśmy, przygotować pierwszą wersję planu, przeanalizować informacje, zaproponować rozwiązania, wskazać ryzyka, stworzyć dokumentację, przygotować komunikację i spojrzeć na projekt z perspektywy, której człowiekowi może czasami zabraknąć.

Może być analitykiem.

Może być doradcą.

Może być sekretarzem projektu.

Może być generatorem pomysłów.

Może być redaktorem dokumentacji.

Może być „drugą parą oczu”.

A w wielu sytuacjach może po prostu pomóc człowiekowi szybciej dojść do momentu, w którym trzeba podjąć rzeczywistą decyzję.

Właśnie na tym polega idea tej książki.

Nie chodzi o zachwyt nad sztuczną inteligencją. Nie chodzi również o przedstawianie AI jako magicznego rozwiązania każdego problemu. Chodzi o praktyczne wykorzystanie technologii w miejscu, w którym człowiek najczęściej potrzebuje pomocy: pomiędzy pomysłem a jego realizacją.

Projekt może być wszystkim. Może oznaczać przygotowanie nowego produktu, uruchomienie firmy, stworzenie strony internetowej, organizację wydarzenia, wdrożenie systemu, przygotowanie kampanii marketingowej, napisanie książki, remont, przeprowadzkę, stworzenie szkolenia, przygotowanie konferencji, przeprowadzenie badania, opracowanie oferty, zmianę procesu w firmie albo realizację prywatnego przedsięwzięcia.

Niezależnie od rodzaju projektu pewne problemy powtarzają się zaskakująco często.

Nie wiadomo, od czego zacząć.

Zakres projektu jest zbyt szeroki.

Zespół nie wie dokładnie, co ma zrobić.

Lista zadań rośnie szybciej, niż jest realizowana.

Brakuje priorytetów.

Informacje są rozrzucone po dokumentach, wiadomościach i notatkach.

Spotkania kończą się bez jasnych ustaleń.

Terminy istnieją, ale nie wiadomo, co właściwie trzeba zrobić, żeby ich dotrzymać.

Pojawiają się problemy, których nikt wcześniej nie przewidział.

A czas przeznaczony na właściwą pracę jest stopniowo pochłaniany przez organizowanie pracy.

To jeden z największych paradoksów projektów.

Człowiek rozpoczyna projekt po to, żeby coś stworzyć, zmienić albo osiągnąć, a następnie znaczną część czasu zaczyna poświęcać na zarządzanie wszystkim, co jest potrzebne do wykonania projektu.

AI może pomóc odzyskać część tego czasu.

Wyobraź sobie, że opisujesz sztucznej inteligencji swój projekt nieuporządkowanymi notatkami. Zamiast samodzielnie próbować przekształcić je w plan, prosisz AI o znalezienie brakujących elementów, uporządkowanie informacji i zaproponowanie kolejności działań.

Możesz użyć polecenia takiego jak:

„Przeanalizuj poniższy opis mojego projektu. Uporządkuj informacje, określ główny cel projektu, zaproponuj jego zakres, wypisz najważniejsze rezultaty, wskaż elementy, które są niejasne, oraz przygotuj listę pytań, na które powinienem odpowiedzieć przed rozpoczęciem realizacji. Nie zakładaj faktów, których nie podałem. Jeżeli brakuje istotnych informacji, wyraźnie je zaznacz.”

To nie jest gotowy projekt.

To jest punkt wyjścia.

I właśnie tak warto myśleć o AI.

Nie jako o maszynie, której przekazujemy odpowiedzialność, lecz jako o narzędziu, które pomaga nam lepiej wykonać własną pracę.

Dobry projekt wymaga myślenia. AI może to myślenie wspierać, ale nie powinna go całkowicie zastępować.

Czasami największą wartością AI nie będzie nawet przygotowanie odpowiedzi. Będzie nią zadanie właściwego pytania.

Człowiek pracujący nad projektem często zna swój temat tak dobrze, że przestaje zauważać oczywiste problemy. Przyzwyczajenie sprawia, że pewne założenia wydają się naturalne. Wiemy, dlaczego coś robimy, więc zakładamy, że wszyscy pozostali również to wiedzą. Znamy historię projektu, więc nie zauważamy, że nowa osoba nie ma dostępu do tej samej wiedzy. Wiemy, co oznacza określone pojęcie, więc używamy go w dokumentacji bez wyjaśnienia.

AI może być tutaj użyteczna jako zewnętrzny obserwator.

Możemy powiedzieć:

„Przyjmij rolę sceptycznego recenzenta mojego projektu. Przeanalizuj poniższy opis i spróbuj znaleźć założenia, które mogą okazać się błędne, niejasności, pominięte zależności, ryzyka, potencjalne konflikty interesów oraz pytania, które może zadać osoba niezwiązana z projektem. Nie próbuj mnie przekonywać, że projekt jest dobry. Szukaj przede wszystkim jego słabych punktów.”

Takie polecenie może być znacznie bardziej wartościowe niż zwykłe „co o tym sądzisz?”.

Dlaczego?

Ponieważ sposób zadania pytania wpływa na jakość odpowiedzi.

AI potrzebuje kontekstu.

Im bardziej złożony projekt, tym ważniejsze staje się przekazanie informacji o jego celu, odbiorcach, ograniczeniach, terminach, dostępnych zasobach, ryzykach i oczekiwanym rezultacie. Jeżeli powiemy tylko „zaplanuj mój projekt”, możemy otrzymać odpowiedź poprawną, ale bardzo ogólną. Jeżeli natomiast przedstawimy sytuację, określimy cel i ograniczenia, AI ma znacznie większą szansę przygotować coś rzeczywiście użytecznego.

Dlatego w tej książce prompty nie będą traktowane jak zaklęcia.

Gotowy prompt jest punktem startowym.

Nie jest końcem pracy.

Możesz go skopiować, wkleić i wykorzystać dokładnie w takiej formie, w jakiej został przedstawiony. Możesz jednak również zmienić go tak, aby odpowiadał twojemu projektowi. To właśnie ta druga umiejętność będzie z czasem coraz ważniejsza.

Jeżeli prompt mówi o projekcie marketingowym, możesz zastąpić go projektem technicznym. Jeżeli opisuje pracę zespołu pięcioosobowego, możesz dostosować go do jednej osoby. Jeżeli zakłada sześciomiesięczny termin, możesz zmienić go na trzy tygodnie. Jeżeli rezultat ma być raportem dla zarządu, możesz określić, że potrzebujesz dokumentu dla klienta albo instrukcji dla zespołu.

Prompt powinien być elastyczny.

Dobry prompt nie jest magiczną formułą.

Jest dobrze skonstruowanym sposobem przekazania AI zadania.

W praktyce oznacza to, że powinieneś nauczyć się przekazywać jej cztery podstawowe rzeczy: kontekst, cel, ograniczenia i oczekiwany rezultat.

Kontekst odpowiada na pytanie: „W jakiej sytuacji jesteśmy?”.

Cel: „Co chcemy osiągnąć?”.

Ograniczenia: „Czego musimy przestrzegać?”.

Rezultat: „Co dokładnie ma powstać?”.

Im bardziej złożone zadanie, tym większe znaczenie może mieć również określenie odbiorcy, kryteriów jakości, sposobu prezentacji informacji oraz tego, czego AI nie powinna robić.

Przykładowo zamiast napisać:

„Zrób plan projektu.”

możemy napisać:

„Pomóż mi przygotować plan projektu polegającego na uruchomieniu nowej strony internetowej dla małej firmy usługowej. Projekt ma zostać zrealizowany w ciągu ośmiu tygodni przez trzy osoby. Budżet jest ograniczony, a strona musi być gotowa przed rozpoczęciem kampanii reklamowej. Przygotuj kolejność etapów, zadania, zależności między zadaniami, potencjalne ryzyka oraz punkty kontrolne. Jeżeli do przygotowania sensownego planu brakuje ci informacji, najpierw wskaż, czego potrzebujesz.”

Różnica jest ogromna.

Drugie polecenie nie gwarantuje idealnego planu. Daje jednak AI znacznie lepszy materiał do pracy.

A potem zaczyna się najważniejsza część: rozmowa.

Nie trzeba oczekiwać, że pierwsza odpowiedź będzie doskonała. Można poprosić AI o poprawienie planu. Można wskazać, co się nie zgadza. Można dodać ograniczenia. Można zmienić priorytety. Można poprosić o wariant oszczędny i wariant ambitny. Można poprosić o znalezienie ryzyk. Można zakwestionować jej propozycje.

W ten sposób AI staje się partnerem w procesie myślowym.

To bardzo ważna zmiana w porównaniu ze zwykłym używaniem wyszukiwarki czy traktowaniem AI jak generatora pojedynczych odpowiedzi.

Projekt jest procesem.

Dlatego AI również warto wykorzystywać procesowo.

Możesz najpierw przekazać jej opis projektu. Następnie poprosić o uporządkowanie zakresu. Potem o znalezienie brakujących informacji. Następnie o przygotowanie harmonogramu. Później o analizę ryzyka. Jeszcze później o stworzenie komunikacji dla zespołu, dokumentacji, checklisty czy raportu postępu.

Jedno zadanie może prowadzić do kolejnego.

W efekcie powstaje coś, co można nazwać inteligentnym wsparciem projektowym.

Nie chodzi o to, żeby za każdym razem otwierać AI i pytać ją o przypadkowe rzeczy. Chodzi o włączenie jej w określone momenty procesu.

To może być moment rozpoczęcia projektu.

Może to być planowanie.

Może to być analiza.

Może to być dokumentowanie.

Może to być kontrola jakości.

Może to być komunikacja.

Może to być rozwiązywanie problemów.

Może to być podsumowanie.

Może to być przygotowanie kolejnego etapu.

Im lepiej poznasz swój sposób pracy, tym łatwiej będzie zauważyć miejsca, w których AI może być najbardziej pomocna.

Nie oznacza to jednak, że każdą część projektu warto przekazywać sztucznej inteligencji.

Istnieją zadania, w których człowiek powinien pozostać zdecydowanie na pierwszym miejscu.

Dotyczy to szczególnie decyzji wymagających odpowiedzialności, znajomości kontekstu organizacyjnego, oceny ludzi, negocjacji, poufnych informacji, kwestii prawnych, finansowych, bezpieczeństwa czy innych sytuacji, w których błąd może mieć poważne konsekwencje.

AI może przygotować analizę ryzyka, ale człowiek powinien zdecydować, które ryzyko rzeczywiście jest akceptowalne.

AI może zaproponować harmonogram, ale człowiek powinien ocenić, czy zespół rzeczywiście jest w stanie go zrealizować.

AI może przygotować dokument, ale człowiek powinien sprawdzić, czy dokument odpowiada rzeczywistości.

AI może wskazać potencjalny problem, ale człowiek powinien zweryfikować, czy problem rzeczywiście istnieje.

AI może zaproponować dziesięć rozwiązań, ale to człowiek wybiera rozwiązanie numer trzy, siedem albo żadne z nich.

To człowiek jest właścicielem projektu.

To człowiek podejmuje decyzje.

To człowiek ponosi odpowiedzialność.

AI ma pomagać.

Ta zasada jest szczególnie ważna dlatego, że sztuczna inteligencja potrafi generować odpowiedzi bardzo przekonujące. Forma odpowiedzi nie jest jednak dowodem jej prawdziwości. AI może przedstawić błędne założenie w sposób brzmiący niezwykle profesjonalnie. Może pominąć istotny szczegół. Może błędnie zrozumieć zależność między elementami projektu. Może również oprzeć rekomendację na niepełnych danych.

Dlatego korzystanie z AI wymaga nie tylko umiejętności zadawania pytań, ale również umiejętności oceniania odpowiedzi.

To właśnie człowiek musi powiedzieć: „To ma sens”.

Albo: „To się nie zgadza”.

Albo: „Sprawdź to jeszcze raz”.

Albo: „Brakuje tutaj ważnego elementu”.

Albo po prostu: „Nie zgadzam się z tym rozwiązaniem”.

Warto wręcz nauczyć AI, że nie zawsze oczekujesz od niej potwierdzenia swoich pomysłów.

Możesz powiedzieć:

„Nie zgadzaj się automatycznie z moimi założeniami. Jeżeli zauważysz problem, zakwestionuj go. Jeżeli mój plan jest nierealistyczny, wyjaśnij dlaczego. Jeżeli brakuje ważnej informacji, wskaż ją. Jeżeli istnieje lepsza alternatywa, przedstaw ją wraz z uzasadnieniem. Twoim zadaniem nie jest mnie przekonać, że mam rację, ale pomóc mi podjąć możliwie dobrą decyzję.”

Takie podejście zmienia sposób korzystania z AI.

Zaczynamy traktować ją nie jako maszynę do potakiwania, lecz jako narzędzie do sprawdzania własnego myślenia.

A projekty bardzo tego potrzebują.

Każdy projekt ma bowiem swoje ślepe punkty.

Czasami nie widzimy ich dlatego, że jesteśmy zbyt blisko problemu. Czasami dlatego, że przyjęliśmy pewne założenia na samym początku i później przestaliśmy je kwestionować. Czasami dlatego, że wszyscy członkowie zespołu myślą podobnie. Czasami dlatego, że presja czasu powoduje, że skupiamy się na wykonywaniu zadań zamiast na sprawdzaniu, czy nadal wykonujemy właściwe zadania.

AI może pomóc stworzyć dodatkową perspektywę.

Może spojrzeć na projekt z punktu widzenia klienta.

Może spojrzeć na niego jak sceptyczny inwestor.

Może wcielić się w rolę osoby, która będzie korzystała z produktu.

Może przeanalizować plan z perspektywy menedżera.

Może spróbować znaleźć miejsca, w których użytkownik może mieć problem.

Może porównać kilka wariantów rozwiązania.

Nie oznacza to, że AI zastępuje prawdziwego klienta, inwestora, menedżera czy eksperta. Oznacza natomiast, że możemy wykorzystać ją do przygotowania się do realnej rozmowy i realnej oceny.

To szczególnie ważne przy dużych projektach.

Im więcej elementów projektu, tym większa wartość może wynikać z porządkowania informacji.

Czasami problemem nie jest brak wiedzy.

Problemem jest nadmiar wiedzy.

Dziesiątki dokumentów. Setki wiadomości. Notatki z kilku spotkań. Różne wersje plików. Opinie członków zespołu. Informacje od klienta. Dane z raportów. Terminy. Zadania. Zmiany zakresu. Decyzje podejmowane na przestrzeni tygodni.

Człowiek może się w tym wszystkim zgubić.

AI może pomóc zbudować z tego strukturę.

Można przekazać jej materiały i poprosić o wyodrębnienie najważniejszych informacji, sprzeczności, decyzji, nierozwiązanych kwestii i zadań. Można poprosić o stworzenie chronologii wydarzeń. Można przygotować podsumowanie dla nowego członka zespołu. Można porównać aktualną wersję projektu z pierwotnymi założeniami.

To są zastosowania, w których AI może działać jak dodatkowa warstwa organizacyjna.

Ale najważniejsze jest to, że wszystko zaczyna się od projektu.

Nie od narzędzia.

Nie od modelu.

Nie od modnej aplikacji.

Od problemu.

Jeżeli masz problem projektowy, najpierw nazwij go.

Dopiero potem zastanawiaj się, czy AI może pomóc.

To odwrócenie kolejności ma ogromne znaczenie.

Bardzo łatwo wpaść w pułapkę pytania: „Co mogę zrobić za pomocą AI?”. Znacznie lepsze pytanie brzmi: „Co w moim projekcie zajmuje mi zbyt dużo czasu, jest trudne, powtarzalne, chaotyczne albo wymaga dodatkowej perspektywy?”.

Dopiero wtedy szukamy zastosowania technologii.

W tej książce będziemy właśnie tak pracować.

Nie będziemy zaczynać od funkcji AI.

Będziemy zaczynać od potrzeb projektu.

Najpierw pojawi się problem.

Następnie sposób jego uporządkowania.

Potem możliwość wykorzystania AI.

A na końcu rezultat, który człowiek powinien sprawdzić i wykorzystać w praktyce.

To podejście pozwala uniknąć jednej z największych pułapek związanych z AI: używania jej tylko dlatego, że można.

Nie każda czynność wymaga sztucznej inteligencji.

Nie każdy projekt potrzebuje automatyzacji.

Nie każda decyzja powinna być wspomagana przez model językowy.

Czasami szybciej jest zrobić coś samemu.

Czasami rozmowa z człowiekiem będzie lepsza niż analiza AI.

Czasami pięć minut własnego myślenia będzie skuteczniejsze niż przygotowanie skomplikowanego promptu.

Technologia ma sens wtedy, gdy rozwiązuje realny problem.

To zdanie warto mieć z tyłu głowy przez całą książkę.

AI nie powinna być kolejnym obowiązkiem.

Nie powinna powodować, że zamiast wykonywać projekt, będziesz spędzać godziny na konfigurowaniu narzędzi.

Nie chodzi o to, żeby do każdej czynności dopisać słowo „AI”.

Chodzi o to, żeby projekt był realizowany lepiej.

Czasami oznacza to szybszą pracę.

Czasami lepszą analizę.

Czasami mniej błędów.

Czasami lepszą dokumentację.

Czasami dokładniejsze przygotowanie.

Czasami po prostu większy spokój, ponieważ masz uporządkowany obraz sytuacji.

Właśnie dlatego AI może być szczególnie interesująca dla osób, które prowadzą wiele projektów jednocześnie.

Im więcej projektów, tym większa liczba informacji, terminów i decyzji. Człowiek może bardzo dobrze radzić sobie z jednym projektem, ale przy pięciu czy dziesięciu równoległych przedsięwzięciach pojawia się problem pamięci, uwagi i organizacji.

AI może pomóc zmniejszyć obciążenie poznawcze.

Może pomóc przypomnieć sobie, co zostało ustalone.

Może uporządkować zadania.

Może wskazać zależności.

Może przygotować listę rzeczy wymagających uwagi.

Może stworzyć podsumowanie statusu.

Może przeanalizować, które elementy projektu są opóźnione i jakie mogą być tego konsekwencje.

Nie musi jednak samodzielnie wykonywać żadnej decyzji.

Wystarczy, że pomoże człowiekowi zobaczyć sytuację wyraźniej.

To właśnie jest jedna z najciekawszych cech AI jako asystenta projektowego.

Nie zawsze musi robić.

Czasami wystarczy, że pomaga widzieć.

Widzieć zależności.

Widzieć ryzyka.

Widzieć braki.

Widzieć możliwości.

Widzieć rzeczy, które znikają pod warstwą codziennych obowiązków.

Dlatego warto potraktować tę książkę nie jako zbiór trików, ale jako przewodnik po sposobie myślenia o projektach z wykorzystaniem sztucznej inteligencji.

Gotowe prompty będą ważną częścią książki, ale nie powinny być jej jedyną wartością. Prompt możesz skopiować. Możesz go również zmienić. Możesz połączyć dwa prompty. Możesz wykorzystać jeden prompt w zupełnie innym projekcie. Możesz stworzyć własną wersję.

Najcenniejsze będzie to, jeżeli po pewnym czasie przestaniesz pytać: „Jaki prompt mam teraz wpisać?”.

Zamiast tego zaczniesz myśleć:

„Jakie zadanie chcę wykonać?”

„Jakich informacji potrzebuję?”

„Co mogę przekazać AI?”

„Jaki rezultat będzie dla mnie użyteczny?”

„Jak sprawdzę, czy rezultat jest poprawny?”

To jest poziom, na którym AI zaczyna naprawdę wspierać projekty.

Nie musisz znać programowania.

Nie musisz być informatykiem.

Nie musisz rozumieć technicznej budowy modeli językowych.

Nie musisz znać setek narzędzi.

Potrzebujesz przede wszystkim wiedzieć, co chcesz osiągnąć.

Technologia jest środkiem.

Projekt jest celem.

Jeżeli nigdy wcześniej nie korzystałeś z AI przy projektach, nie próbuj od razu przebudować całego sposobu pracy. Zacznij od jednego konkretnego problemu.

Może masz projekt, którego zakres jest niejasny.

Może masz ogromną liczbę notatek.

Może przygotowujesz ważne spotkanie.

Może musisz stworzyć harmonogram.

Może nie wiesz, jakie ryzyka uwzględnić.

Może masz kilka możliwych rozwiązań i nie potrafisz ich obiektywnie porównać.

Może musisz przygotować raport.

Może projekt utknął i nie wiesz, co dalej.

Wybierz jeden z tych problemów.

Opisz go AI.

Nie musisz od razu używać skomplikowanego promptu.

Możesz zacząć bardzo prosto:

„Mam problem z moim projektem. Najpierw pomóż mi go uporządkować. Zadawaj mi pytania dotyczące celu, zakresu, terminu, zasobów, zespołu, ryzyk i oczekiwanego rezultatu. Nie proponuj jeszcze rozwiązania. Najpierw chcę dobrze zrozumieć sytuację.”

To może być pierwszy krok.

Potem przyjdą następne.

Z czasem zauważysz, że AI może uczestniczyć w coraz większej liczbie etapów projektu. Nie jako jego właściciel, ale jako narzędzie wspierające człowieka.

I być może właśnie wtedy zmieni się twoje spojrzenie na projekty.

Zamiast patrzeć na projekt jak na ogromną górę zadań, zaczniesz widzieć go jako system decyzji, informacji i działań, które można odpowiednio uporządkować.

Zamiast zaczynać od pytania „co mam teraz zrobić?”, będziesz mógł zapytać „jaki jest następny najważniejszy krok?”.

Zamiast spędzać godzinę nad pierwszą wersją dokumentu, możesz rozpocząć od materiału przygotowanego przez AI i poświęcić własną energię na jego ocenę i poprawę.

Zamiast samodzielnie próbować znaleźć wszystkie słabe punkty projektu, możesz poprosić AI o stworzenie listy potencjalnych problemów, a następnie sprawdzić je w rzeczywistości.

Zamiast bać się pustej kartki, możesz potraktować AI jako punkt startowy.

To nie oznacza, że praca nad projektem stanie się łatwa.

Oznacza, że część niepotrzebnego tarcia może zniknąć.

A właśnie z takich drobnych usprawnień składa się często ogromna różnica.

Godzina oszczędzona na przygotowaniu dokumentu.

Pół godziny odzyskane dzięki lepszym notatkom.

Kilka godzin zaoszczędzonych dzięki uporządkowaniu informacji.

Jedna pominięta rzecz zauważona odpowiednio wcześnie.

Jedno ryzyko wykryte przed rozpoczęciem realizacji.

Jedna decyzja podjęta na podstawie lepiej przygotowanych danych.

To wszystko może mieć większą wartość niż efektowna demonstracja najnowszego narzędzia AI.

Bo prawdziwa wartość sztucznej inteligencji w projekcie nie polega na tym, że potrafi wygenerować imponujący tekst.

Polega na tym, że może pomóc przejść od chaosu do struktury.

Od pomysłu do planu.

Od planu do działania.

Od działania do kontroli.

Od problemu do możliwych rozwiązań.

Od dużej ilości informacji do wiedzy potrzebnej do podjęcia decyzji.

I wreszcie od projektu, który istnieje głównie w głowie, do projektu, który zaczyna istnieć w rzeczywistości.

To właśnie będzie głównym tematem tej książki.

Nie sztuczna inteligencja sama w sobie.

Nie technologia dla technologii.

Nie kolejne modne narzędzie.

Tylko człowiek, który ma coś do zrobienia, i technologia, która może pomóc mu zrobić to lepiej.

Jeżeli potraktujesz AI jako odpowiedzialnego asystenta, a nie jako wyrocznię, jej możliwości mogą okazać się naprawdę szerokie. Jeżeli nauczysz się przekazywać kontekst, określać cele, podawać ograniczenia i wymagać konkretnego rezultatu, jakość współpracy będzie rosła. Jeżeli nauczysz się kontrolować odpowiedzi, poprawiać prompty i zadawać kolejne pytania, AI przestanie być jednorazowym generatorem tekstu, a zacznie przypominać narzędzie, z którym można prowadzić rzeczywistą pracę.

A jeżeli nauczysz się patrzeć na własny projekt przez pryzmat pytania „co mogę uprościć, uporządkować, delegować albo sprawdzić z pomocą AI?”, zaczniesz odkrywać możliwości, których wcześniej prawdopodobnie nie zauważałeś.

Nie oznacza to, że AI zrobi projekt za ciebie.

I dobrze.

Bo najlepszy projekt nadal potrzebuje człowieka.

Potrzebuje jego pomysłu, odpowiedzialności, intuicji, doświadczenia, odwagi, wiedzy o realnym świecie i umiejętności podejmowania decyzji.

AI może pomóc te cechy wykorzystać lepiej.

Może zabrać część żmudnej pracy.

Może przyspieszyć przygotowanie.

Może uporządkować chaos.

Może wskazać pytania.

Może pokazać alternatywy.

Może być dodatkowym głosem wtedy, gdy potrzebujesz spojrzeć na problem z innej strony.

Ale to ty decydujesz, dokąd projekt ma zmierzać.

I to właśnie od tej zasady warto rozpocząć pracę.

Nie pytaj najpierw, co potrafi AI.

Najpierw zapytaj, czego potrzebuje twój projekt.

Dopiero potem zobacz, jak sztuczna inteligencja może pomóc ci przejść drogę od pomysłu do efektu.

ROZDZIAŁ 1. Najpierw pomysł — określ, co właściwie chcesz zrobić

Każdy projekt zaczyna się od pomysłu, ale pomysł sam w sobie jeszcze nie jest projektem. Może być inspiracją, potrzebą, obserwacją albo odpowiedzią na problem, który ktoś zauważył. Możesz mieć w głowie świetną koncepcję nowego produktu, usługi, wydarzenia, kampanii, książki, aplikacji, strony internetowej, szkolenia czy przedsięwzięcia biznesowego. Możesz nawet być przekonany, że dokładnie wiesz, co chcesz zrobić. Jednak kiedy przychodzi moment przełożenia tej myśli na konkretne działania, bardzo często okazuje się, że pomysł jest znacznie mniej określony, niż początkowo się wydawało.

„Chcę stworzyć własną firmę” nie jest jeszcze projektem. „Chcę stworzyć kurs internetowy” również nie. „Chcę zrobić aplikację”, „chcę napisać książkę”, „chcę uruchomić sklep internetowy”, „chcę zorganizować wydarzenie” albo „chcę poprawić obsługę klientów” to dopiero kierunki działania. Dopiero kiedy zaczniemy odpowiadać na pytania dotyczące celu, odbiorców, zakresu, zasobów, terminu i oczekiwanego rezultatu, ogólna idea zaczyna przybierać kształt projektu.

To właśnie na tym etapie sztuczna inteligencja może być niezwykle pomocna. Nie dlatego, że wymyśli za nas, co powinniśmy zrobić, lecz dlatego, że może pomóc nam uporządkować własne myśli. Człowiek często ma w głowie znacznie więcej informacji, niż potrafi jednocześnie uporządkować. Wiemy, co chcemy osiągnąć, ale nie potrafimy jeszcze jasno tego opisać. Mamy wiele pomysłów, ale nie wiemy, które są najważniejsze. Dostrzegamy problem, lecz nie jesteśmy pewni, czy właściwie go zdefiniowaliśmy. AI może w takiej sytuacji pełnić funkcję rozmówcy, który pomaga przejść od intuicji do konkretu.

Najważniejsze jest jednak to, aby nie zaczynać od pytania: „AI, wymyśl mi projekt”. Znacznie lepszym początkiem jest powiedzenie: „Mam pomysł i chcę go dobrze zrozumieć”. To pozornie niewielka różnica, ale zmienia całą filozofię pracy. W pierwszym przypadku oddajemy AI inicjatywę. W drugim wykorzystujemy ją do uporządkowania własnej koncepcji.

Wyobraźmy sobie osobę, która mówi: „Chcę stworzyć aplikację dla małych firm”. To interesujący pomysł, ale w tej formie praktycznie nie da się jeszcze stworzyć sensownego planu. Jakie firmy? Jaki problem ma rozwiązywać aplikacja? Kto będzie z niej korzystał? Czy będzie płatna? Czy użytkownikami będą właściciele firm, pracownicy, klienci czy wszyscy jednocześnie? Czy aplikacja ma automatyzować procesy, pomagać w sprzedaży, zarządzaniu, komunikacji, finansach czy czymś zupełnie innym? Czy projekt ma być realizowany przez jedną osobę, czy przez zespół? Jakim budżetem dysponujemy? Kiedy rozwiązanie ma być gotowe? Co właściwie oznacza „gotowe”?

Bez odpowiedzi na takie pytania można bardzo łatwo rozpocząć pracę nad czymś, co po kilku tygodniach okaże się zupełnie inne od tego, czego naprawdę potrzebowaliśmy.

Dlatego pierwszym zadaniem nie powinno być wykonywanie pracy. Pierwszym zadaniem powinno być doprecyzowanie, co właściwie chcemy osiągnąć.

Możesz poprosić AI o pomoc w taki sposób:

PROMPT:

„Mam pomysł na projekt. Nie chcę jeszcze, żebyś tworzył plan realizacji ani proponował gotowych rozwiązań. Najpierw pomóż mi dokładnie zdefiniować, co właściwie chcę zrobić. Zadaj mi serię konkretnych pytań dotyczących problemu, który projekt ma rozwiązać, celu projektu, odbiorców, oczekiwanego rezultatu, zakresu, ograniczeń, dostępnych zasobów, terminu oraz kryteriów sukcesu. Zadawaj pytania etapami, po kilka naraz, żebym mógł na nie spokojnie odpowiedzieć. Jeżeli w moich odpowiedziach zauważysz niejasności, sprzeczności albo założenia wymagające sprawdzenia, wskaż je. Nie zakładaj informacji, których ci nie podałem.”

To bardzo dobry prompt na rozpoczęcie pracy, ponieważ nie próbuje od razu stworzyć czegoś efektownego. Zmusza natomiast nas i AI do wykonania jednej z najważniejszych czynności projektowych: zdefiniowania problemu.

Problem jest często ważniejszy niż samo rozwiązanie.

Jeżeli nie wiemy, jaki problem próbujemy rozwiązać, możemy stworzyć świetne rozwiązanie problemu, którego nikt nie ma. To jeden z klasycznych błędów projektowych. Ludzie zaczynają od tego, co chcą stworzyć, zamiast od tego, po co chcą to stworzyć.

Jeżeli ktoś mówi: „Chcę stworzyć aplikację do zarządzania zadaniami”, warto zapytać: dlaczego? Być może problemem jest chaos w obowiązkach. Być może ludzie mają zbyt wiele narzędzi i potrzebują jednego miejsca. Być może problemem nie jest samo zarządzanie zadaniami, ale brak wiedzy o tym, które zadania są naprawdę ważne. Być może użytkownicy potrzebują współpracy zespołowej, a nie kolejnej listy zadań.

To właśnie różnica między pomysłem a projektem.

Pomysł mówi: „Zbudujmy coś”.

Projekt odpowiada: „Zbudujmy coś, aby osiągnąć konkretny rezultat dla określonej grupy osób, w określonych warunkach i przy określonych ograniczeniach”.

Im wcześniej tę różnicę zrozumiemy, tym mniej czasu stracimy później.

AI może pomóc nam również w oddzieleniu celu od środka prowadzącego do jego osiągnięcia. To bardzo przydatne, ponieważ ludzie często mylą jedno z drugim. Na przykład ktoś może powiedzieć: „Celem projektu jest stworzenie nowej strony internetowej”. Ale strona internetowa nie jest celem sama w sobie. Jest rozwiązaniem. Rzeczywistym celem może być zwiększenie liczby zapytań od klientów, poprawienie sprzedaży, uporządkowanie informacji o firmie, umożliwienie klientom samodzielnego składania zamówień albo zwiększenie wiarygodności marki.

Jeżeli pomylimy rozwiązanie z celem, możemy później uznać projekt za zakończony tylko dlatego, że powstał określony produkt. Tymczasem produkt może być gotowy, a prawdziwy cel nadal niezrealizowany.

Warto więc poprosić AI o oddzielenie tych elementów.

PROMPT:

„Przeanalizuj mój pomysł na projekt i rozdziel go na pięć elementów: problem, który próbuję rozwiązać; główny cel; proponowane rozwiązanie; oczekiwany rezultat oraz odbiorców. Następnie wskaż, które elementy są już jasno określone, a które wymagają doprecyzowania. Zwróć szczególną uwagę na sytuacje, w których mylę rozwiązanie z celem. Nie zmieniaj mojego pomysłu bez wyraźnego powodu.”

Takie ćwiczenie może wydawać się bardzo proste, ale często ujawnia problemy, których wcześniej nie zauważaliśmy.

Kolejnym ważnym elementem jest określenie odbiorcy. Projekt zawsze jest realizowany dla kogoś, nawet jeżeli tym kimś jesteśmy my sami. Jeżeli tworzysz narzędzie dla pracowników, musisz wiedzieć, kim są ci pracownicy. Jeżeli przygotowujesz produkt dla klientów, musisz wiedzieć, jakiego klienta masz na myśli. Jeżeli organizujesz wydarzenie, musisz wiedzieć, kto ma w nim uczestniczyć. Jeżeli piszesz książkę, musisz wiedzieć, do kogo ją kierujesz.

Brak określonego odbiorcy powoduje, że projekt zaczyna być projektowany „dla wszystkich”. A produkt dla wszystkich bardzo często nie jest idealnym rozwiązaniem dla nikogo.

AI może pomóc również tutaj. Możemy opisać jej pomysł i poprosić o zadanie pytań, które pozwolą zdefiniować odbiorcę. Nie powinniśmy jednak przyjmować automatycznie każdej sugestii. Jeżeli AI zaproponuje, że naszym klientem powinny być małe firmy zatrudniające od pięciu do pięćdziesięciu osób, nie oznacza to, że tak rzeczywiście jest. To hipoteza, którą należy zweryfikować.

To jedna z ważnych zasad korzystania z AI przy projektach: AI może pomagać tworzyć hipotezy, ale rzeczywistość musi je potwierdzić.

Kiedy określamy projekt, powinniśmy również odpowiedzieć sobie na pytanie, jak będzie wyglądał sukces. To pytanie często jest pomijane, ponieważ wydaje się oczywiste. Tymczasem nie jest.

Co oznacza, że projekt zakończył się sukcesem?

Czy wystarczy, że produkt zostanie ukończony?

Czy musi zostać uruchomiony?

Czy musi zostać zaakceptowany przez klienta?

Czy musi wygenerować określony przychód?

Czy użytkownicy muszą zacząć z niego korzystać?

Czy musimy osiągnąć określony poziom sprzedaży?

Czy projekt ma zostać wykonany w określonym czasie i budżecie?

Bez kryteriów sukcesu trudno ocenić, czy rzeczywiście osiągnęliśmy cel.

Można poprosić AI o pomoc w przygotowaniu takich kryteriów:

PROMPT:

„Na podstawie poniższego opisu projektu zaproponuj możliwe kryteria sukcesu. Podziel je na kryteria dotyczące rezultatu, czasu, budżetu, jakości, użytkowników oraz efektu biznesowego. Nie zakładaj, że wszystkie kryteria muszą być zastosowane. Wskaż, które z nich mogą być najbardziej istotne w mojej sytuacji i jakie informacje powinienem jeszcze ustalić, aby móc obiektywnie ocenić sukces projektu.”

Takie wykorzystanie AI jest znacznie bardziej wartościowe niż samo generowanie tekstów. Pomaga bowiem myśleć projektowo.

Projekt wymaga również określenia zakresu.

Zakres odpowiada na pytanie: co właściwie wchodzi do projektu, a co nie?

To niezwykle istotne, ponieważ projekty mają naturalną tendencję do rozrastania się. Na początku planujemy stworzenie jednej rzeczy. Potem pojawia się pomysł na dodatkową funkcję. Następnie ktoś proponuje kolejną. Później dochodzi jeszcze jedna potrzeba. Po kilku miesiącach projekt staje się znacznie większy, droższy i bardziej skomplikowany niż pierwotnie zakładaliśmy.

To zjawisko jest powszechne i może prowadzić do tak zwanego rozszerzania zakresu projektu. AI może pomóc zauważyć, kiedy do projektu zaczynamy dodawać elementy, które nie są konieczne do osiągnięcia jego głównego celu.

Możemy powiedzieć:

PROMPT:

„Przeanalizuj opis mojego projektu i przygotuj propozycję zakresu. Podziel elementy na trzy grupy: niezbędne do osiągnięcia głównego celu, przydatne, ale możliwe do wykonania później, oraz dodatkowe, które mogą niepotrzebnie zwiększyć złożoność projektu. Przy każdym elemencie wyjaśnij swoje rozumowanie. Nie usuwaj żadnego elementu automatycznie — chcę otrzymać materiał do podjęcia decyzji.”

W tym miejscu warto zwrócić uwagę na jeszcze jedną rzecz. AI może być bardzo dobra w porządkowaniu, ale nie zna twoich priorytetów tak dobrze, jak ty. Jeżeli uzna coś za „dodatkowe”, może się mylić. Dlatego wynik takiej analizy należy traktować jako propozycję, a nie jako decyzję.

To samo dotyczy praktycznie każdego promptu zawartego w tej książce.

Nie chodzi o to, żeby bezmyślnie kopiować polecenia i wykonywać wszystko zgodnie z odpowiedzią AI. Chodzi o to, żeby wykorzystać gotowe prompty jako narzędzia do myślenia i pracy.

W miarę czytania książki warto zmieniać je pod własne potrzeby.

Jeżeli AI odpowiada zbyt ogólnie, dodaj więcej kontekstu.

Jeżeli odpowiedź jest zbyt długa, określ oczekiwany format.

Jeżeli AI pomija ważne kwestie, wskaż jej, na co ma zwrócić uwagę.

Jeżeli przyjmuje zbyt wiele założeń, zabroń jej ich tworzenia.

Jeżeli potrzebujesz kilku wariantów, poproś o kilka wariantów.

Jeżeli chcesz krytycznej analizy, powiedz to wprost.

Jeżeli nie wiesz, jakiego rezultatu potrzebujesz, poproś AI najpierw o pomoc w jego zdefiniowaniu.

To ostatnie jest szczególnie ważne.

Człowiek często myśli, że musi przyjść do AI z dokładnym pytaniem. Tymczasem można przyjść również z problemem.

Można napisać: „Nie wiem, jak dobrze zdefiniować ten projekt”.

Można powiedzieć: „Mam kilka pomysłów i nie wiem, który wybrać”.

Można napisać: „Wiem, co chcę osiągnąć, ale nie potrafię tego przełożyć na konkretny zakres”.

Można powiedzieć: „Mam w głowie chaos i potrzebuję go uporządkować”.

To również są wartościowe zadania dla AI.

W praktyce oznacza to, że sztuczna inteligencja może pełnić rolę swoistego lustra dla naszego sposobu myślenia. Przedstawiamy jej pomysł, a ona pomaga nam zobaczyć jego strukturę. Wskazuje pytania, które należy zadać. Zauważa elementy, które mogą być ze sobą sprzeczne. Proponuje sposób uporządkowania informacji.

Ale najważniejsza część nadal należy do człowieka.

To człowiek musi zdecydować, co naprawdę chce zrobić.

To człowiek zna swoje możliwości.

To człowiek zna realia organizacji.

To człowiek wie, jakie ma zasoby.

To człowiek ponosi konsekwencje decyzji.

AI może pomóc uporządkować mapę, ale nie może zdecydować, dokąd naprawdę chcesz pojechać.

Dlatego warto rozpocząć każdy większy projekt od prostego ćwiczenia. Opisz go własnymi słowami, nawet chaotycznie. Nie próbuj od razu tworzyć profesjonalnego dokumentu. Napisz wszystko, co masz w głowie: dlaczego chcesz zrealizować projekt, co chcesz stworzyć, dla kogo, jakie masz pomysły, czego się obawiasz, co już zrobiłeś i czego jeszcze nie wiesz.

Dopiero wtedy przekaż materiał AI.

Możesz użyć takiego promptu:

PROMPT:

„Poniżej znajduje się mój chaotyczny opis pomysłu na projekt. Nie poprawiaj go jeszcze stylistycznie. Najpierw przeanalizuj jego zawartość i uporządkuj informacje. Wyodrębnij: główny problem, cel projektu, oczekiwany rezultat, odbiorców, zakres, najważniejsze zadania, dostępne zasoby, ograniczenia, terminy, ryzyka oraz pytania wymagające odpowiedzi. Jeżeli czegoś nie podałem, zaznacz to jako brakującą informację. Nie wymyślaj faktów. Na końcu przygotuj krótkie podsumowanie tego, jak rozumiesz mój projekt, abym mógł sprawdzić, czy dobrze go zinterpretowałeś.”

To jest jeden z najlepszych sposobów rozpoczęcia pracy z AI przy projekcie, ponieważ pozwala uniknąć sytuacji, w której od razu zaczynamy generować rozwiązania na podstawie niejasnego problemu.

Najpierw zrozumienie.

Potem planowanie.

Dopiero później realizacja.

Warto również pamiętać, że dobry projekt może ewoluować. To, że na początku określisz cel, nie oznacza, że nie możesz go później zmienić. W rzeczywistości wiele projektów zmienia się wraz z pojawianiem się nowych informacji. Problem polega nie na tym, że projekt się zmienia, lecz na tym, że często zmienia się bez świadomej decyzji.

Jeżeli zakres, cel albo odbiorcy ulegają zmianie, warto to zauważyć i ponownie przeanalizować projekt.

AI może pomóc również w takich momentach.

Możemy przekazać jej pierwotne założenia oraz aktualny stan projektu i zapytać, co się zmieniło.

PROMPT:

„Poniżej przedstawiam pierwotne założenia mojego projektu oraz jego aktualny stan. Porównaj oba opisy i wskaż, co się zmieniło. Podziel zmiany na dotyczące celu, zakresu, odbiorców, terminów, zasobów, ryzyka i oczekiwanego rezultatu. Wskaż również, które zmiany mogą mieć wpływ na pozostałe elementy projektu. Nie oceniaj zmian jako dobrych lub złych bez dodatkowego kontekstu.”

Dzięki temu AI może pełnić rolę dodatkowej warstwy kontroli projektu.

Warto jednak od początku przyzwyczaić się do jednej zasady: AI nie zna projektu lepiej od jego właściciela.

Może znać ogromną liczbę ogólnych wzorców. Może potrafić szybko analizować informacje. Może tworzyć struktury, dokumenty i propozycje. Nie ma jednak dostępu do całego kontekstu, który znajduje się w głowie człowieka, w relacjach zespołu, w kulturze organizacji czy w rzeczywistych ograniczeniach projektu.

Dlatego odpowiedź AI powinna być początkiem kolejnego etapu myślenia, a nie jego końcem.

Jeżeli AI zaproponuje piętnaście zadań, nie oznacza to, że wszystkie trzeba wykonać.

Jeżeli zaproponuje trzy grupy odbiorców, nie oznacza to, że wszystkie są właściwe.

Jeżeli określi pięć potencjalnych ryzyk, nie oznacza to, że innych nie ma.

Jeżeli stwierdzi, że projekt można wykonać w sześć tygodni, nie oznacza to, że rzeczywiście jest to możliwe.

AI pomaga tworzyć materiał do decyzji.

Człowiek podejmuje decyzję.

To rozróżnienie będzie powracało w całej książce.

Na tym etapie nie potrzebujesz jeszcze perfekcyjnego projektu. Potrzebujesz projektu wystarczająco dobrze zdefiniowanego, aby można było przejść do kolejnego kroku.

To ogromna różnica.

Perfekcjonizm na początku projektu może być równie niebezpieczny jak brak planu. Możemy spędzić tygodnie na dopracowywaniu dokumentacji, zanim wykonamy pierwsze działanie, które dostarczy nam rzeczywistych informacji. Czasami dopiero kontakt z klientem, użytkownikiem, zespołem albo rynkiem pokazuje, czy nasze początkowe założenia były słuszne.

Dlatego dobra definicja projektu powinna być wystarczająco konkretna, aby umożliwić działanie, ale jednocześnie wystarczająco elastyczna, aby można było ją aktualizować wraz z pojawianiem się nowych informacji.

AI może pomóc znaleźć tę równowagę.

Możesz poprosić ją o sprawdzenie, czy twój opis projektu jest wystarczająco konkretny:

PROMPT:

„Oceń poniższy opis mojego projektu pod kątem gotowości do rozpoczęcia planowania. Nie twórz jeszcze harmonogramu. Oceń, czy jasno określiłem problem, cel, odbiorców, rezultat, zakres, ograniczenia i kryteria sukcesu. Wskaż trzy najważniejsze braki, które powinienem uzupełnić przed przejściem do planowania. Jeżeli projekt jest wystarczająco określony, wskaż również, jakie pytanie powinienem rozstrzygnąć jako pierwsze.”

To może być dobry moment kontrolny przed przejściem do następnego etapu.

Bo kiedy pomysł jest już konkretny, kiedy wiemy, jaki problem rozwiązujemy, dla kogo, po co i jaki rezultat chcemy osiągnąć, możemy zacząć zadawać kolejne pytanie:

co właściwie trzeba zrobić, żeby ten rezultat osiągnąć?

I właśnie wtedy zaczyna się prawdziwe projektowanie.

Pomysł przestaje być tylko pomysłem.

Staje się projektem z określonym celem, zakresem, odbiorcą i oczekiwanym efektem.

AI nie wykona za nas tej najważniejszej decyzji.

Może jednak pomóc nam dojść do niej szybciej, dokładniej i z większą świadomością.

A im lepiej zdefiniowany jest projekt na początku, tym większa szansa, że kolejne etapy będą miały sens.

ROZDZIAŁ 2. Czy ten projekt w ogóle ma sens?

Sam fakt, że pomysł wydaje się interesujący, nie oznacza jeszcze, że warto go realizować. To jedna z najważniejszych rzeczy, które należy zrozumieć przed rozpoczęciem projektu. Entuzjazm jest świetnym paliwem, ale jednocześnie potrafi zniekształcać ocenę rzeczywistości. Kiedy jesteśmy przekonani do własnego pomysłu, naturalnie zaczynamy szukać argumentów potwierdzających, że jest dobry. Dostrzegamy możliwości, a ignorujemy ograniczenia. Wyobrażamy sobie końcowy sukces, ale nie zawsze równie dokładnie wyobrażamy sobie drogę, która ma do niego prowadzić.

Tymczasem dobry projekt powinien zostać poddany próbie jeszcze zanim pochłonie znaczącą ilość czasu, pieniędzy i energii.

Nie oznacza to, że każdy pomysł trzeba od razu odrzucać, jeśli nie jest idealny. Wręcz przeciwnie. Celem analizy przed rozpoczęciem projektu nie jest znalezienie powodu, żeby niczego nie robić. Celem jest sprawdzenie, czy pomysł rzeczywiście ma sens, jakie warunki muszą zostać spełnione, żeby mógł się udać, gdzie znajdują się największe zagrożenia oraz co można poprawić, zanim rozpoczniemy kosztowną realizację.

W tym miejscu sztuczna inteligencja może odegrać bardzo ciekawą rolę. Może bowiem zrobić coś, czego człowiekowi często trudno zrobić samodzielnie: zakwestionować własny pomysł.

Kiedy jesteśmy autorami projektu, jesteśmy zazwyczaj emocjonalnie związani z jego koncepcją. Włożyliśmy w nią czas, wyobraźnię i energię. Naturalnie chcemy, aby się udała. AI nie ma tego emocjonalnego przywiązania. Możemy więc poprosić ją, aby spojrzała na projekt sceptycznie, poszukała słabych punktów i spróbowała znaleźć argumenty przeciwko jego realizacji.

To nie jest próba zniszczenia dobrego pomysłu.

To próba sprawdzenia, czy dobry pomysł wytrzyma krytykę.

Warto zacząć od bardzo prostego polecenia.

PROMPT:

„Przeanalizuj mój pomysł na projekt w sposób możliwie obiektywny. Oceń, jaki problem rozwiązuje, dla kogo może być wartościowy, jakie może przynieść korzyści, jakie może generować koszty oraz jakie są najważniejsze ryzyka. Wskaż mocne i słabe strony pomysłu, potencjalne przeszkody oraz informacje, których jeszcze brakuje do rzetelnej oceny. Nie zakładaj, że mój pomysł jest dobry tylko dlatego, że go przedstawiam. Jeżeli widzisz poważne problemy, powiedz o nich wprost. Na końcu określ, co powinienem sprawdzić przed rozpoczęciem realizacji.”

Taki prompt nie powinien być traktowany jak wyrocznia. AI nie jest w stanie zagwarantować, że projekt odniesie sukces albo poniesie porażkę. Może jednak pomóc stworzyć znacznie szerszą listę kwestii, które należy rozważyć.

Właśnie to jest pierwsza ważna zasada analizy projektu z pomocą AI: nie pytaj wyłącznie „czy to dobry pomysł?”. To pytanie jest zbyt ogólne. Znacznie bardziej wartościowe jest rozłożenie problemu na części.

Czy istnieje rzeczywista potrzeba?

Czy ktoś będzie chciał skorzystać z rozwiązania?

Czy projekt można zrealizować przy dostępnych zasobach?

Czy koszt realizacji jest akceptowalny?

Czy przewidywane korzyści uzasadniają poniesione koszty?

Czy termin jest realistyczny?

Czy mamy odpowiednie kompetencje?

Czy potrzebujemy innych ludzi?

Czy istnieją przeszkody prawne, techniczne, organizacyjne lub finansowe?

Czy projekt można przetestować na małą skalę, zanim zainwestujemy większe środki?

Czy istnieje prostszy sposób osiągnięcia tego samego celu?

To właśnie takie pytania powinny pojawić się przed rozpoczęciem poważnej realizacji.

AI może pomóc je wygenerować, ale jeszcze ważniejsze jest to, że może zmusić nas do konfrontacji z niewygodnymi założeniami.

Każdy projekt opiera się bowiem na założeniach.

Zakładamy, że klient będzie zainteresowany.

Zakładamy, że określony budżet wystarczy.

Zakładamy, że zespół będzie miał czas.

Zakładamy, że technologia zadziała.

Zakładamy, że termin jest możliwy do dotrzymania.

Zakładamy, że konkurencja nie zaoferuje czegoś lepszego.

Zakładamy, że użytkownicy będą chcieli zmienić swoje zachowanie.

Niektóre z tych założeń mogą być prawdziwe. Inne mogą być błędne. Największym problemem nie jest samo posiadanie założeń. Problem pojawia się wtedy, gdy nie zdajemy sobie sprawy, że są to tylko założenia.

Dlatego jednym z bardzo dobrych zastosowań AI jest stworzenie listy założeń projektu.

PROMPT:

„Przeanalizuj poniższy opis projektu i wypisz wszystkie istotne założenia, na których opiera się ten pomysł. Nie ograniczaj się do założeń podanych wprost. Zwróć uwagę również na założenia ukryte dotyczące klientów, użytkowników, kosztów, czasu, technologii, zasobów, zespołu, sprzedaży, konkurencji i sposobu działania projektu. Przy każdym założeniu określ, jak można je zweryfikować możliwie małym kosztem, zanim podejmiemy decyzję o pełnej realizacji.”

To może być niezwykle wartościowe ćwiczenie.

Jeżeli projekt zakłada, że sto osób będzie chciało kupić produkt, być może zamiast od razu produkować tysiąc sztuk warto najpierw sprawdzić zainteresowanie. Jeżeli projekt zakłada, że klienci będą korzystali z określonej funkcji, można przeprowadzić test. Jeżeli zakłada określony koszt technologii, można sprawdzić rzeczywiste ceny. Jeżeli zakłada określony czas realizacji, można przygotować mały prototyp i zmierzyć, ile rzeczywiście zajmuje wykonanie poszczególnych czynności.

To prowadzi do jednej z najważniejszych zasad rozsądnego projektowania: im ważniejsze założenie, tym bardziej warto je zweryfikować przed poniesieniem dużego kosztu.

AI może pomóc ustalić, które założenia są najważniejsze.

PROMPT:

„Na podstawie opisu mojego projektu przygotuj listę najważniejszych założeń, których prawdziwość ma największy wpływ na powodzenie projektu. Uporządkuj je od najbardziej krytycznych do najmniej istotnych. Przy każdym założeniu wyjaśnij, co może się wydarzyć, jeżeli okaże się błędne, oraz zaproponuj możliwie prosty i tani sposób jego sprawdzenia.”

Dzięki temu analiza przestaje być czysto teoretyczna.

Nie chodzi już tylko o zastanawianie się, czy projekt jest dobry.

Chodzi o znalezienie informacji, które pozwolą odpowiedzieć na to pytanie.

Jednym z najbardziej znanych sposobów porządkowania takiej analizy jest SWOT, czyli zestawienie mocnych stron, słabych stron, szans i zagrożeń. Samo stworzenie tabeli SWOT nie gwarantuje oczywiście dobrej decyzji. Może jednak pomóc uporządkować sposób patrzenia na projekt.

Mocne strony dotyczą tego, co działa na naszą korzyść. Mogą to być kompetencje zespołu, doświadczenie, przewaga technologiczna, dostęp do klientów, unikalny produkt, marka, zasoby albo inne elementy, które zwiększają szanse powodzenia.

Słabe strony dotyczą ograniczeń znajdujących się wewnątrz projektu. Może to być brak pieniędzy, brak doświadczenia, mały zespół, zależność od jednej osoby, niedopracowany produkt, ograniczony czas albo brak odpowiednich kompetencji.

Szanse odnoszą się do czynników zewnętrznych, które mogą działać na korzyść projektu. Mogą to być zmiany na rynku, nowe potrzeby klientów, rozwój technologii, pojawiające się możliwości współpracy albo zmiana zachowań odbiorców.

Zagrożenia obejmują natomiast czynniki zewnętrzne, które mogą utrudnić realizację projektu. Mogą to być działania konkurencji, zmiany przepisów, wzrost kosztów, problemy z dostawcami, sytuacja gospodarcza czy zmiany technologiczne.

AI może przygotować wstępną analizę SWOT.

PROMPT:

„Przygotuj analizę SWOT dla mojego projektu. Uwzględnij mocne strony, słabe strony, szanse i zagrożenia. Oddzielaj czynniki wewnętrzne od zewnętrznych. Nie wpisuj ogólników tylko po to, żeby wypełnić tabelę. Jeżeli nie masz wystarczających informacji, zaznacz, czego brakuje. Przy każdym ważnym punkcie dodaj krótkie wyjaśnienie, dlaczego może mieć znaczenie dla projektu. Na końcu wskaż trzy najważniejsze elementy SWOT, które powinny wpłynąć na moje dalsze decyzje.”

Można następnie zrobić coś jeszcze ciekawszego: poprosić AI o zakwestionowanie własnej analizy.

PROMPT:

„Teraz skrytykuj przygotowaną analizę SWOT. Sprawdź, czy któryś z punktów jest zbyt optymistyczny, zbyt ogólny albo oparty na niepotwierdzonym założeniu. Poszukaj elementów, które mogłem pominąć. Następnie przygotuj poprawioną wersję analizy, ale wyraźnie zaznacz, które elementy zostały zmienione i dlaczego.”

Takie podejście pokazuje, że praca z AI nie musi polegać na zadaniu jednego pytania i zaakceptowaniu pierwszej odpowiedzi. Możemy prowadzić ją etapami.

Najpierw prosimy o analizę.

Potem o krytykę.

Następnie o poprawienie.

Później możemy skonfrontować wynik z własną wiedzą.

To przypomina pracę z konsultantem, któremu możemy powiedzieć: „Dobrze, a teraz spróbuj znaleźć argumenty przeciwko własnej rekomendacji”.

I właśnie w tej roli AI może być szczególnie interesująca.

Możemy potraktować ją jako „adwokata diabła”.

Adwokat diabła nie ma za zadanie udowodnić, że pomysł jest zły. Jego zadaniem jest znaleźć argumenty, które mogą podważyć nasze przekonanie, że pomysł jest dobry. Dzięki temu możemy zobaczyć projekt z drugiej strony.

PROMPT:

„Przyjmij rolę adwokata diabła dla mojego projektu. Załóż, że jestem bardzo przekonany do tego pomysłu i mam tendencję do ignorowania jego wad. Twoim zadaniem jest znaleźć jak najwięcej racjonalnych powodów, dla których projekt może nie osiągnąć zakładanych rezultatów. Zwróć uwagę na klientów, koszty, konkurencję, zasoby, termin, technologię, wykonanie, sprzedaż, skalowanie i ryzyka. Nie krytykuj projektu dla samej krytyki. Wskazuj tylko problemy, które mogą mieć rzeczywiste znaczenie. Przy każdym problemie zaproponuj sposób jego zweryfikowania albo ograniczenia.”

Ten prompt warto wykorzystywać szczególnie przed decyzjami wymagającymi większego zaangażowania.

Może również pomóc wtedy, kiedy jesteśmy już bardzo mocno przekonani do projektu.

Im bardziej jesteśmy emocjonalnie związani z pomysłem, tym bardziej potrzebujemy świadomego poszukiwania argumentów przeciwnych.

Warto jednak uważać na jedną rzecz. AI może również przesadzić w drugą stronę. Jeżeli każemy jej znaleźć sto powodów, dla których projekt się nie uda, prawdopodobnie je znajdzie. Nie oznacza to, że wszystkie są istotne.

Dlatego analiza ryzyka powinna uwzględniać prawdopodobieństwo i konsekwencje.

Inaczej należy traktować problem, który ma niewielkie prawdopodobieństwo wystąpienia i niewielkie konsekwencje, a inaczej taki, który może wystąpić często i całkowicie zablokować projekt.

Możemy poprosić AI o przygotowanie takiej analizy.

PROMPT:

„Na podstawie opisu projektu zidentyfikuj najważniejsze ryzyka. Dla każdego ryzyka określ: na czym polega, jakie może mieć przyczyny, jakie mogą być jego konsekwencje, jak prawdopodobne jest jego wystąpienie na podstawie dostępnych informacji, jak poważny może być jego wpływ oraz co można zrobić, aby zmniejszyć prawdopodobieństwo lub skutki problemu. Nie twórz sztucznie długiej listy. Skoncentruj się na ryzykach, które mogą rzeczywiście wpłynąć na powodzenie projektu.”

Tak przygotowana analiza może być znacznie bardziej użyteczna niż przypadkowa lista zagrożeń.

Warto również zapytać AI, czego w projekcie może brakować.

Jest to ważne, ponieważ człowiek często analizuje projekt przez pryzmat tego, co już wie. Tymczasem jednym z największych zagrożeń jest właśnie brakujące ogniwo.

PROMPT:

„Przeanalizuj mój projekt jak doświadczony kierownik projektu, który otrzymał go do oceny przed rozpoczęciem realizacji. Poszukaj elementów, których może brakować. Sprawdź w szczególności: cel, zakres, odbiorców, zasoby, budżet, terminy, zależności, odpowiedzialność, komunikację, ryzyka, kryteria sukcesu, testowanie, kontrolę jakości oraz sposób zakończenia projektu. Nie zakładaj, że brak informacji oznacza brak problemu. Przygotuj listę pytań, na które powinienem odpowiedzieć przed rozpoczęciem pracy.”

Takie pytania mogą czasami okazać się ważniejsze niż gotowe odpowiedzi.

Dojrzałość projektowa nie polega bowiem na tym, że znamy odpowiedź na każde pytanie. Polega na tym, że wiemy, które pytania trzeba zadać.

AI może być bardzo dobra w ich wyszukiwaniu.

Kiedy mamy już analizę korzyści, kosztów, zasobów i ryzyka, warto spojrzeć na projekt również z perspektywy wykonalności.

Dobry pomysł może być niewykonalny w określonych warunkach.

Nie dlatego, że jest zły, lecz dlatego, że obecnie nie mamy odpowiednich zasobów.

Możemy nie mieć wystarczającego budżetu. Możemy nie mieć odpowiednich ludzi. Możemy nie mieć technologii. Możemy mieć zbyt mało czasu. Możemy być zależni od zewnętrznego dostawcy. Możemy nie posiadać wymaganych kompetencji.

To nie musi oznaczać końca projektu.

Czasami oznacza jedynie konieczność jego zmiany.

Można zmniejszyć zakres.

Można wydłużyć termin.

Można znaleźć partnera.

Można stworzyć prostszą wersję.

Można rozpocząć od prototypu.

Można odłożyć część funkcji.

Można zmienić grupę odbiorców.

Można znaleźć alternatywną technologię.

AI może pomóc znaleźć takie warianty.

PROMPT:

„Przeanalizuj mój projekt pod kątem wykonalności przy obecnych zasobach. Uwzględnij czas, budżet, ludzi, kompetencje, technologię i zależności od innych osób lub firm. Wskaż elementy, które mogą uniemożliwić realizację projektu w obecnej formie. Następnie zaproponuj kilka sposobów zmniejszenia wymagań projektu bez utraty jego głównego celu. Nie zakładaj zwiększenia budżetu. Szukaj przede wszystkim prostszych wariantów.”

To prowadzi do bardzo ważnego pytania: czy naprawdę trzeba realizować projekt w obecnej formie?

Czasami odpowiedź brzmi: nie.

I jest to dobra wiadomość.

Zmiana projektu na wczesnym etapie nie jest porażką. Może być oznaką dobrego zarządzania.

Jeżeli po dwóch dniach analizy odkryjemy, że założenia są błędne, możemy zmienić kierunek. Jeżeli po dwóch miesiącach wydamy dużą kwotę i dopiero wtedy odkryjemy ten sam problem, sytuacja wygląda zupełnie inaczej.

Im wcześniej wykryjemy problem, tym tańsza zazwyczaj jest korekta.

Dlatego przed rozpoczęciem realizacji warto zadać sobie pytanie: „Co musiałoby być prawdą, aby ten projekt miał sens?”.

To jedno z najważniejszych pytań projektowych.

Można również poprosić AI o przygotowanie takiej listy.

PROMPT:

„Wypisz najważniejsze warunki, które muszą zostać spełnione, aby mój projekt miał sens i miał realną szansę osiągnąć swój cel. Uporządkuj je od najbardziej krytycznych do najmniej istotnych. Następnie wskaż, które z nich mogę sprawdzić przed rozpoczęciem pełnej realizacji oraz jakie małe eksperymenty, testy lub działania mogłyby dostarczyć mi wiarygodnych informacji.”

To bardzo dobre przejście od myślenia do działania.

Nie musimy od razu realizować całego projektu.

Możemy najpierw przetestować jego najważniejsze założenia.

To podejście jest szczególnie przydatne w projektach biznesowych, technologicznych i produktowych, ale można je zastosować praktycznie wszędzie.

Jeżeli planujesz wydarzenie, możesz najpierw sprawdzić zainteresowanie.

Jeżeli chcesz stworzyć produkt, możesz porozmawiać z potencjalnymi odbiorcami.

Jeżeli planujesz szkolenie, możesz przygotować pilotaż.

Jeżeli chcesz stworzyć system wewnętrzny, możesz przetestować go na jednym procesie.

Jeżeli chcesz napisać książkę, możesz sprawdzić strukturę i grupę odbiorców przed rozpoczęciem wielomiesięcznej pracy.

Jeżeli chcesz uruchomić usługę, możesz sprawdzić, czy ktoś rzeczywiście jest gotowy za nią zapłacić.

AI może pomóc przygotować plan takiego testu.

PROMPT:

„Załóżmy, że nie chcę od razu realizować całego projektu. Chcę najpierw sprawdzić, czy jego najważniejsze założenia są prawdziwe. Na podstawie mojego opisu zaproponuj możliwie prosty test lub eksperyment, który pozwoli zdobyć wartościowe informacje przy minimalnym koszcie i czasie. Określ, jakie założenie testujemy, co dokładnie należy zrobić, jaki wynik będzie pozytywny, jaki negatywny oraz jakie decyzje możemy podjąć na podstawie wyniku.”

To jest sposób wykorzystania AI, który może mieć ogromną wartość.

Nie pytamy jej: „Czy mój projekt odniesie sukces?”.

Pytamy: „Jak mogę zdobyć informacje, które pomogą mi ocenić, czy projekt ma sens?”.

To dużo bardziej praktyczne podejście.

Warto również przyjrzeć się kosztom. Koszt projektu to nie tylko pieniądze. Czas również jest kosztem. Energia zespołu jest kosztem. Uwaga menedżera jest kosztem. Zajęcie ludzi projektem oznacza, że w tym samym czasie mogą nie wykonywać innych zadań.

Dlatego warto analizować całkowity koszt przedsięwzięcia.

Możemy poprosić AI o przygotowanie struktury kosztów:

PROMPT:

„Przeanalizuj mój projekt pod kątem wszystkich potencjalnych kosztów. Nie ograniczaj się do bezpośrednich wydatków. Uwzględnij również czas pracy ludzi, koszty narzędzi, usług zewnętrznych, testów, wdrożenia, utrzymania, poprawek, komunikacji, szkoleń oraz potencjalnych kosztów wynikających z opóźnień i błędów. Podziel koszty na jednorazowe i cykliczne. Wskaż również, których kosztów nie jestem obecnie w stanie wiarygodnie oszacować.”

Takie zestawienie pomaga uniknąć sytuacji, w której projekt wygląda na tani tylko dlatego, że nie uwzględniliśmy pracy ludzi.

Kolejnym ważnym elementem jest porównanie projektu z alternatywami.

Czasami pytanie nie powinno brzmieć: „Czy realizować ten projekt?”.

Powinno brzmieć: „Czy realizować ten projekt, czy lepiej osiągnąć ten sam cel w inny sposób?”.

To ogromna różnica.

Jeżeli celem jest poprawa obsługi klientów, niekoniecznie trzeba budować nowy system. Być może wystarczy zmienić procedurę. Jeżeli celem jest zwiększenie sprzedaży, niekoniecznie trzeba tworzyć nowy produkt. Być może lepiej poprawić istniejącą ofertę. Jeżeli celem jest uporządkowanie dokumentacji, niekoniecznie trzeba kupować nowe oprogramowanie. Być może wystarczy stworzyć lepszy proces.

AI może pomóc porównać rozwiązania.

PROMPT:

„Mój główny cel projektu to: [cel]. Obecnie rozważam rozwiązanie: [opis projektu]. Zaproponuj co najmniej pięć alternatywnych sposobów osiągnięcia tego samego celu. Nie zakładaj, że mój obecny pomysł jest najlepszym rozwiązaniem. Przy każdym wariancie uwzględnij orientacyjny poziom złożoności, potrzebne zasoby, potencjalne korzyści, ograniczenia, ryzyka oraz sytuację, w której dany wariant może być lepszy od pozostałych.”

To ćwiczenie może prowadzić do zaskakujących wniosków.

Czasami najlepszą decyzją nie jest lepsza realizacja pierwotnego projektu.

Czasami najlepszą decyzją jest jego uproszczenie.

Czasami zmiana zakresu.

Czasami odłożenie.

A czasami całkowita rezygnacja.

Rezygnacja z projektu również może być dobrą decyzją biznesową czy organizacyjną. Problem pojawia się wtedy, gdy kontynuujemy projekt tylko dlatego, że już poświęciliśmy na niego dużo czasu.

To mechanizm, który może prowadzić do dalszego inwestowania w coś, co nie ma już uzasadnienia. Człowiek myśli: „Skoro już tyle zrobiliśmy, szkoda teraz przestać”. Tymczasem wcześniejszy koszt jest już poniesiony. Najważniejsze pytanie brzmi: czy kolejne godziny, kolejne pieniądze i kolejne miesiące mają sens od dzisiaj?

AI może pomóc spojrzeć na projekt właśnie z tej perspektywy.

PROMPT:

„Przeanalizuj mój projekt tak, jakbyśmy podejmowali decyzję o jego rozpoczęciu dzisiaj, bez uwzględniania czasu i pieniędzy, które zostały już wcześniej zainwestowane. Oceń, czy dalsza realizacja ma sens na podstawie obecnych informacji. Wskaż argumenty za kontynuacją, argumenty za zmianą projektu, argumenty za jego odłożeniem oraz argumenty za rezygnacją. Nie kieruj się zasadą, że skoro coś już rozpoczęliśmy, należy to koniecznie dokończyć.”

To jeden z najbardziej wartościowych promptów w tym rozdziale, ponieważ pozwala ograniczyć wpływ emocjonalnego przywiązania do wcześniejszych decyzji.

Nie oznacza to jednak, że AI powinna podjąć decyzję za nas.

Jej zadaniem jest pomóc zobaczyć problem z różnych stron.

Ostateczna decyzja nadal należy do człowieka.

Po wykonaniu takiej analizy warto stworzyć jedno końcowe podsumowanie.

Nie po to, żeby AI wydała wyrok, ale żeby zebrać najważniejsze informacje w jednym miejscu.

PROMPT:

„Na podstawie całej dotychczasowej analizy przygotuj krótką ocenę gotowości mojego projektu do rozpoczęcia realizacji. Uwzględnij: co wiemy, czego jeszcze nie wiemy, jakie są największe szanse, jakie są największe zagrożenia, które założenia wymagają sprawdzenia, jakie zasoby są potrzebne oraz jakie pytania muszę rozstrzygnąć przed rozpoczęciem. Na końcu przedstaw trzy możliwe decyzje: rozpocząć projekt teraz, najpierw przeprowadzić dodatkowe testy albo zmienić projekt przed rozpoczęciem. Przy każdej decyzji przedstaw argumenty, ale nie podejmuj decyzji za mnie.”

To jest właściwy sposób kończenia analizy.

Nie pytamy AI o magiczne „tak” albo „nie”.

Budujemy podstawę do świadomej decyzji.

Warto przy tym pamiętać, że analiza przed rozpoczęciem projektu nie powinna trwać w nieskończoność. Można wpaść w kolejną pułapkę: tak długo analizować, testować i planować, że nigdy nie przejdziemy do działania.

Celem analizy jest zmniejszenie niepewności, a nie całkowite jej wyeliminowanie.

Żaden projekt nie będzie pozbawiony ryzyka.

Nigdy nie będziemy wiedzieć wszystkiego.

Nie zawsze będziemy mieć komplet danych.

Nie zawsze będziemy mogli przewidzieć reakcję klientów, konkurencji czy zespołu.

Projekt jest działaniem w warunkach niepełnej informacji.

Dlatego dobrym momentem na rozpoczęcie realizacji nie jest chwila, w której wszystko wiemy. Jest nim chwila, w której mamy wystarczająco dużo informacji, aby świadomie podjąć ryzyko i wiemy, jakie kwestie nadal pozostają niewiadome.

To właśnie różni świadome ryzyko od lekkomyślności.

AI może pomóc nam lepiej zrozumieć niepewność.

Może pomóc znaleźć niewiadome.

Może wskazać założenia.

Może stworzyć warianty.

Może podważyć nasze argumenty.

Może przygotować analizę SWOT.

Może odegrać rolę sceptycznego doradcy.

Może zaproponować test.

Może przeanalizować koszty.

Może wskazać alternatywne rozwiązania.

Ale nie powinna być jedynym źródłem decyzji.

Jeżeli projekt dotyczy poważnych kwestii finansowych, prawnych, medycznych, bezpieczeństwa, ochrony danych lub innych obszarów o istotnych konsekwencjach, informacje wygenerowane przez AI powinny być dodatkowo sprawdzane w wiarygodnych źródłach i w razie potrzeby konsultowane z odpowiednimi specjalistami.

Sztuczna inteligencja może być świetnym narzędziem do zadawania pytań.

Nie jest automatycznym gwarantem prawidłowych odpowiedzi.

Największa wartość AI na tym etapie projektu może więc polegać na czymś bardzo prostym: pozwala zobaczyć własny pomysł z większej liczby perspektyw.

A to często wystarcza, żeby podjąć lepszą decyzję.

Dobry projekt nie jest projektem, którego nikt nie zakwestionował.

Dobry projekt to taki, który został zakwestionowany, przetestowany, poprawiony i świadomie wybrany.

Dlatego zanim zaczniesz budować, pisać, kupować, zatrudniać, wdrażać i wydawać pieniądze, zatrzymaj się na chwilę i zapytaj:

Czy ten projekt naprawdę rozwiązuje ważny problem?

Czy wiem, dla kogo go realizuję?

Czy wiem, jaki rezultat chcę osiągnąć?

Czy korzyści uzasadniają koszty?

Czy mam zasoby potrzebne do realizacji?

Jakie są największe ryzyka?

Które założenia są nadal niepotwierdzone?

Czy istnieje prostszy sposób osiągnięcia tego samego celu?

Co może sprawić, że projekt się nie uda?

I przede wszystkim: co mogę sprawdzić już teraz, zanim zainwestuję w ten projekt znacznie więcej?

To są pytania, które mogą zaoszczędzić więcej czasu niż najbardziej zaawansowane narzędzie do automatyzacji.

AI może pomóc je zadawać.

Może pomóc na nie odpowiadać.

Może pomóc podważać odpowiedzi.

Ale decyzja pozostaje po naszej stronie.

Bo rolą sztucznej inteligencji nie jest powiedzieć nam, który projekt mamy realizować.

Jej rolą jest pomóc nam zobaczyć projekt na tyle wyraźnie, abyśmy mogli zdecydować, czy rzeczywiście warto go realizować.

ROZDZIAŁ 3. Cel projektu bez lania wody

Wiele projektów zaczyna się od zdania, które brzmi dobrze, ale niewiele naprawdę mówi. „Chcemy poprawić obsługę klienta”. „Chcemy zwiększyć sprzedaż”. „Chcę stworzyć nową usługę”. „Musimy usprawnić komunikację”. „Chcę napisać książkę”. „Chcemy wdrożyć sztuczną inteligencję”. „Musimy uporządkować dokumentację”. Wszystkie te zdania mogą być początkiem wartościowego projektu, ale żadne z nich nie jest jeszcze dobrym celem projektu.

Problem nie polega na tym, że są nieprawdziwe. Problem polega na tym, że są zbyt ogólne, aby na ich podstawie można było jednoznacznie określić, co właściwie należy zrobić, kiedy projekt będzie zakończony i skąd będziemy wiedzieć, że zakończył się sukcesem.

To jedna z najczęstszych przyczyn problemów projektowych. Ludzie zaczynają pracę, zanim odpowiedzą sobie na podstawowe pytanie: „Co dokładnie chcemy osiągnąć?”.

W efekcie projekt zaczyna żyć własnym życiem. Pojawiają się kolejne zadania, pomysły, poprawki i dodatkowe oczekiwania. Zakres zaczyna się rozszerzać. Jedna osoba rozumie cel jako przygotowanie produktu, druga jako jego sprzedaż, trzecia jako uruchomienie systemu, a czwarta jako osiągnięcie konkretnego wyniku biznesowego. Wszyscy pracują, ale niekoniecznie nad dokładnie tym samym.

Dlatego dobry projekt potrzebuje dobrze określonego celu.

Cel projektu powinien być czymś więcej niż ogólną intencją. Powinien opisywać pożądany stan końcowy, do którego zmierzamy. Powinien pozwalać odpowiedzieć na pytanie, co konkretnie ma się zmienić w wyniku realizacji projektu.

To pozornie prosta różnica, ale w praktyce ma ogromne znaczenie.

„Chcemy poprawić obsługę klienta” jest intencją.

„Do końca września wdrożymy nowy system obsługi zgłoszeń, dzięki któremu średni czas pierwszej odpowiedzi na zapytanie klienta spadnie z 24 do 8 godzin” jest celem.

Pierwsze zdanie mówi nam, czego ogólnie chcemy.

Drugie mówi, co ma zostać osiągnięte, w jakim terminie i po czym poznamy, że osiągnęliśmy rezultat.

To właśnie przejście od ogólnej intencji do konkretnego celu jest jednym z najważniejszych momentów w przygotowaniu projektu.

Nie oznacza to, że każdy cel musi być skomplikowany. Wręcz przeciwnie. Dobry cel często można opisać jednym lub kilkoma prostymi zdaniami. Najważniejsza jest jego precyzja.

Warto więc zacząć od rozróżnienia celu głównego i celów szczegółowych.

Cel główny odpowiada na pytanie: „Co ostatecznie chcemy osiągnąć?”.

Cele szczegółowe odpowiadają na pytanie: „Co musi się wydarzyć po drodze, aby osiągnąć cel główny?”.

Przykładowo, jeżeli celem głównym projektu jest uruchomienie nowej strony internetowej firmy, cele szczegółowe mogą obejmować przygotowanie struktury strony, stworzenie treści, zaprojektowanie interfejsu, wdrożenie systemu, przeprowadzenie testów oraz uruchomienie strony.

Nie należy jednak mylić celu z listą zadań.

„Napisać teksty”, „zaprojektować stronę” czy „przeprowadzić testy” to działania. Są potrzebne, ale same w sobie niekoniecznie opisują sukces projektu.

To bardzo ważne rozróżnienie.

Projekt nie jest po to, żeby wykonać jak najwięcej zadań.

Projekt jest po to, żeby osiągnąć określony rezultat.

Możemy wykonać sto zadań i nadal nie osiągnąć celu. Możemy również wykonać znacznie mniej zadań, ale osiągnąć zakładany rezultat dzięki prostszemu rozwiązaniu.

Dlatego podczas definiowania celu warto stale zadawać sobie pytanie: „Po czym poznam, że naprawdę osiągnąłem to, co zamierzałem?”.

Jeżeli nie potrafimy odpowiedzieć na to pytanie, prawdopodobnie cel jest jeszcze zbyt ogólny.

Sztuczna inteligencja może być bardzo pomocna właśnie na tym etapie. Nie dlatego, że powinna wymyślić za nas cel, ale dlatego, że może przeanalizować nasze sformułowanie i wskazać jego braki.

Możemy zacząć od prostego promptu:

PROMPT:

„Przeanalizuj mój cel projektu i zamień go w konkretny, mierzalny i możliwy do osiągnięcia cel. Wskaż również, czego w obecnej wersji brakuje. Zwróć uwagę na rezultat, termin, zakres, odbiorców, sposób pomiaru sukcesu oraz najważniejsze ograniczenia. Nie zmieniaj sensu mojego pomysłu. Pomóż mi jedynie sformułować go precyzyjniej. Mój obecny cel: [wpisz cel].”

Dobra odpowiedź AI nie powinna po prostu przepisać naszego zdania bardziej profesjonalnym językiem. Powinna pomóc nam zauważyć, czego w tym zdaniu nie ma.

Może się okazać, że nie określiliśmy terminu. Albo odbiorcy. Albo konkretnego rezultatu. Albo sposobu pomiaru. Albo zakresu projektu.

To właśnie są elementy, które często decydują o jakości celu.

Wyobraźmy sobie projekt, którego opis brzmi: „Chcę zwiększyć sprzedaż”.

Brzmi rozsądnie, ale właściwie nie wiadomo, co ma zostać osiągnięte.

O ile ma wzrosnąć sprzedaż?

W jakim okresie?

Którego produktu?

Na jakim rynku?

W jakim kanale?

Czy chodzi o przychód, liczbę klientów, liczbę transakcji czy marżę?

Dopiero po odpowiedzi na takie pytania zaczynamy mieć cel, który można rzeczywiście wykorzystać w projekcie.

Można więc przekształcić go na przykład w: „Zwiększyć miesięczny przychód ze sprzedaży produktu X o 20 procent w ciągu sześciu miesięcy, bez zwiększania kosztu pozyskania klienta powyżej określonego poziomu”.

Teraz sytuacja jest zupełnie inna.

Możemy zmierzyć wynik.

Możemy obserwować postęp.

Możemy ocenić, czy działania przynoszą efekt.

Możemy zdecydować, czy projekt zakończył się sukcesem.

I przede wszystkim możemy łatwiej odróżnić działania ważne od tych, które tylko zajmują czas.

Mierzalność celu jest szczególnie istotna, ponieważ bez niej ocena projektu często staje się kwestią opinii.

Jedna osoba może powiedzieć: „Projekt zakończył się sukcesem, bo przygotowaliśmy rozwiązanie”.

Druga może odpowiedzieć: „Nie, bo klienci z niego nie korzystają”.

Trzecia może powiedzieć: „Tak naprawdę projekt miał zwiększyć przychody, a tego nie osiągnęliśmy”.

Wszystkie trzy osoby mogą mieć pewną rację, jeżeli wcześniej nie ustalono, co właściwie oznacza sukces.

Dlatego kryteria sukcesu powinny zostać określone możliwie wcześnie.

Kryterium sukcesu jest konkretnym warunkiem, który pozwala ocenić, czy założony rezultat został osiągnięty.

Może nim być liczba użytkowników, poziom sprzedaży, termin uruchomienia, liczba wykonanych elementów, poziom satysfakcji klientów, czas realizacji procesu, liczba błędów albo inny wskaźnik odpowiedni dla danego projektu.

Nie każdy projekt da się jednak sprowadzić do jednej liczby.

W niektórych projektach sukces zależy od kilku warunków jednocześnie.

Jeżeli tworzymy szkolenie, może liczyć się jego ukończenie, frekwencja, ocena uczestników i poziom wiedzy po szkoleniu. Jeżeli wdrażamy system, ważne może być jego uruchomienie, stabilność, liczba użytkowników i ograniczenie liczby błędów. Jeżeli tworzymy produkt, sukces może obejmować zarówno jego przygotowanie, jak i rzeczywiste wykorzystanie przez klientów.

AI może pomóc zidentyfikować odpowiednie kryteria.

PROMPT:

„Na podstawie poniższego celu projektu zaproponuj kryteria sukcesu. Podziel je na kryteria dotyczące rezultatu, czasu, jakości, kosztów oraz efektu końcowego. Przy każdym kryterium wyjaśnij, jak można je zmierzyć. Unikaj ogólników takich jak „dobrze”, „szybko”, „skutecznie” czy „wysoka jakość”, jeśli nie da się ich jednoznacznie ocenić. Jeżeli dla mojego projektu niektórych kryteriów nie da się sensownie zastosować, zaznacz to. Cel projektu: [wpisz cel].”

Taki prompt pomaga uniknąć bardzo częstego problemu: używania słów, które brzmią konkretnie, ale w rzeczywistości niczego nie mierzą.

„Poprawić”.

„Usprawnić”.

„Zwiększyć”.

„Zoptymalizować”.

„Wdrożyć”.

„Unowocześnić”.

„Przyspieszyć”.

Każde z tych słów może być użyteczne, ale samo w sobie nie określa wyniku.

Poprawić o ile?

Usprawnić w jaki sposób?

Zwiększyć do jakiego poziomu?

Zoptymalizować pod jakim względem?

Wdrożyć kiedy i z jakim efektem?

Unowocześnić w porównaniu z czym?

Przyspieszyć z jakiego poziomu do jakiego?

Dopiero dodanie odpowiednich parametrów sprawia, że cel zaczyna być operacyjny.

To nie oznacza jednak, że trzeba za wszelką cenę zamieniać każdy aspekt projektu w liczbę. Niektóre rezultaty są jakościowe. Można je jednak opisywać za pomocą konkretnych warunków.

Zamiast „stworzyć dobrą instrukcję” można powiedzieć: „przygotować instrukcję obejmującą wszystkie etapy procesu, zatwierdzoną przez osoby odpowiedzialne i przetestowaną przez co najmniej dwóch pracowników, którzy wcześniej nie wykonywali tego zadania”.

To nadal zawiera element jakościowy, ale jest znacznie łatwiejsze do oceny.

Kolejnym problemem są cele, które są zbyt ambitne.

W świecie projektów łatwo pomylić ambicję z realizmem. Chcemy zrobić dużo, szybko i tanio. Każdy z tych elementów osobno może być możliwy. Problem zaczyna się wtedy, gdy próbujemy maksymalizować wszystkie jednocześnie.

Cel powinien być ambitny na tyle, aby miał znaczenie, ale jednocześnie możliwy do osiągnięcia przy dostępnych zasobach.

AI może pomóc przeprowadzić taki test.

PROMPT:

„Oceń, czy mój cel projektu jest realistyczny przy założonych zasobach, terminie i ograniczeniach. Wskaż, które elementy mogą być zbyt ambitne. Nie zakładaj automatycznie, że należy obniżyć cel. Najpierw wskaż, jakie dodatkowe informacje są potrzebne do oceny jego wykonalności. Następnie przedstaw trzy warianty celu: konserwatywny, realistyczny i ambitny. Przy każdym wyjaśnij, jakie warunki musiałyby zostać spełnione, aby go osiągnąć.”

Takie podejście może być szczególnie wartościowe podczas planowania większych projektów.

Warto też pamiętać o zakresie.

Cel mówi, co chcemy osiągnąć, ale projekt powinien również określać, czego nie obejmuje.

Brak jasno określonych granic jest jedną z najczęstszych przyczyn niekontrolowanego rozrastania się projektów.

Początkowo planujemy stworzenie jednego rozwiązania. Później pojawia się pomysł dodania kolejnej funkcji. Następnie ktoś proponuje jeszcze jedną. Później dochodzi integracja z innym systemem, dodatkowy raport, kolejny wariant produktu i nowe wymaganie klienta.

Każdy pojedynczy dodatek może wydawać się niewielki.

Razem mogą całkowicie zmienić projekt.

Dlatego dobrze zdefiniowany cel powinien być powiązany z zakresem.

AI może pomóc również tutaj.

PROMPT:

„Na podstawie mojego celu projektu określ, co powinno znaleźć się w zakresie projektu, a co powinno zostać wyraźnie wyłączone z zakresu. Wskaż również potencjalne elementy, które mogą pojawić się w trakcie realizacji jako dodatkowe oczekiwania lub pomysły i które mogą spowodować niekontrolowane rozszerzenie projektu. Zaproponuj prostą zasadę, według której będę mógł decydować, czy nowe zadanie rzeczywiście należy do tego projektu.”

Warto również zastanowić się nad różnicą pomiędzy rezultatem a celem.

Rezultat jest tym, co powstaje lub zmienia się w wyniku projektu.

Może być nim produkt, dokument, system, proces, szkolenie, usługa, kampania, baza danych, raport albo inne konkretne osiągnięcie.

Cel natomiast mówi, po co ten rezultat powstaje i co ma dzięki niemu zostać osiągnięte.

Przykładowo, celem może być skrócenie czasu obsługi klientów. Rezultatem może być nowy system obsługi zgłoszeń.

Celem może być zwiększenie wiedzy pracowników. Rezultatem może być program szkoleniowy.

Celem może być uporządkowanie procesu sprzedaży. Rezultatem może być nowa procedura i zestaw narzędzi.

To rozróżnienie jest bardzo ważne, ponieważ stworzenie rezultatu nie zawsze oznacza osiągnięcie celu.

Możemy stworzyć piękną stronę internetową, która nie zwiększy sprzedaży.

Możemy stworzyć aplikację, z której nikt nie korzysta.

Możemy przygotować szkolenie, które nie zmienia zachowania uczestników.

Możemy napisać procedurę, której nikt nie stosuje.

Rezultat jest więc elementem projektu, ale jego istnienie nie musi automatycznie oznaczać sukcesu.

AI może pomóc sprawdzić, czy rezultat rzeczywiście prowadzi do celu.

PROMPT:

„Przeanalizuj zależność między moim celem projektu a planowanym rezultatem. Sprawdź, czy osiągnięcie rezultatu rzeczywiście może doprowadzić do osiągnięcia celu. Wskaż możliwe luki w tym założeniu. Zidentyfikuj sytuacje, w których rezultat zostanie dostarczony, ale cel mimo to nie zostanie osiągnięty. Następnie zaproponuj, co powinienem dodatkowo mierzyć lub sprawdzać.”

To bardzo dobre ćwiczenie przed rozpoczęciem realizacji.

Możemy również poprosić AI o odegranie roli osoby, która nie zna naszego projektu.

To ciekawy test. Jeżeli opis celu jest tak niejasny, że osoba z zewnątrz nie wie, co właściwie chcemy osiągnąć, prawdopodobnie potrzebujemy go dopracować.

PROMPT:

„Przeczytaj mój opis celu projektu jak osoba, która niczego wcześniej o nim nie wie. Nie domyślaj się brakujących informacji. Napisz, co dokładnie rozumiesz z mojego celu, a następnie wypisz wszystkie elementy, które pozostają niejasne. Wskaż słowa lub sformułowania, które mogą być różnie interpretowane. Na końcu zaproponuj bardziej precyzyjną wersję celu.”

To pozwala wykryć coś, czego często nie widzi autor projektu.

Kiedy znamy własny pomysł bardzo dobrze, automatycznie uzupełniamy braki w opisie. Czytamy jedno zdanie i w głowie dopowiadamy dziesięć kolejnych informacji.

Inni ludzie tego nie robią.

Jeżeli członek zespołu otrzyma krótkie, nieprecyzyjne polecenie, może zinterpretować je zupełnie inaczej niż autor projektu.

Dlatego dobry cel powinien być zrozumiały nie tylko dla osoby, która go stworzyła.

Powinien być możliwie jednoznaczny dla wszystkich osób uczestniczących w projekcie.

Można nawet przeprowadzić prosty test: dać opis celu kilku osobom i zapytać je, co ich zdaniem projekt ma osiągnąć. Jeżeli otrzymamy kilka zupełnie różnych odpowiedzi, jest to wyraźny sygnał ostrzegawczy.

AI może pomóc przeprowadzić podobną analizę.

PROMPT:

„Przeanalizuj mój cel pod kątem jednoznaczności. Wypisz wszystkie możliwe interpretacje, jakie może mieć osoba, która nie zna kontekstu projektu. Następnie zaproponuj jedną wersję celu, która minimalizuje ryzyko różnych interpretacji. Nie dodawaj informacji, których nie podałem. Jeżeli brakuje kluczowych danych, zadaj mi pytania.”

Warto także wykorzystać AI do stworzenia pytań, które trzeba zadać przed ostatecznym zatwierdzeniem celu.

PROMPT:

„Chcę ostatecznie zdefiniować cel mojego projektu. Zadaj mi maksymalnie 15 najważniejszych pytań, które pomogą doprecyzować cel. Pytania powinny dotyczyć problemu, oczekiwanego rezultatu, odbiorców, zakresu, terminu, zasobów, ograniczeń, sposobu pomiaru sukcesu i kryteriów zakończenia. Zadawaj pytania pojedynczo i po każdej mojej odpowiedzi aktualizuj roboczą wersję celu. Na końcu przygotuj finalną wersję celu wraz z kryteriami sukcesu.”

Ten prompt pokazuje jeszcze jedną ważną możliwość pracy z AI.

Nie zawsze musimy prosić ją o natychmiastową odpowiedź.

Możemy poprosić ją o przeprowadzenie procesu.

To szczególnie przydatne w sytuacjach, w których problem wymaga kilku kolejnych decyzji.

AI może zadawać pytania, analizować odpowiedzi, wykrywać sprzeczności i dopiero na końcu przygotować propozycję.

Dzięki temu nie otrzymujemy przypadkowej odpowiedzi stworzonej na podstawie zbyt małej ilości informacji.

Im bardziej złożony projekt, tym większe znaczenie ma właśnie kontekst.

Cel nie istnieje w próżni.

Powinien wynikać z problemu.

Jeżeli nie wiemy, jaki problem chcemy rozwiązać, możemy stworzyć bardzo precyzyjny cel, który w rzeczywistości prowadzi donikąd.

Dlatego warto zastosować prosty łańcuch:

problem → cel → rezultat → kryterium sukcesu.

Problem mówi, co jest nie tak albo jaką potrzebę chcemy zaspokoić.

Cel mówi, co chcemy zmienić.

Rezultat mówi, co ma powstać lub co ma zostać osiągnięte w ramach projektu.

Kryterium sukcesu mówi, po czym poznamy, że się udało.

Przykładowo: problemem jest długi czas odpowiedzi na zapytania klientów. Celem jest skrócenie czasu odpowiedzi. Rezultatem może być nowy proces obsługi oraz system wspierający pracowników. Kryterium sukcesu może stanowić skrócenie średniego czasu odpowiedzi z 24 do 8 godzin.

Takie uporządkowanie pozwala uniknąć sytuacji, w której zaczynamy od rozwiązania, zanim zrozumiemy problem.

To niezwykle częsty błąd.

Ludzie mówią: „Potrzebujemy aplikacji”.

Ale aplikacja nie jest celem.

„Potrzebujemy systemu AI”.

System AI nie jest celem.

„Potrzebujemy nowej strony”.

Nowa strona również nie jest celem.

To potencjalne rozwiązania.

Najpierw trzeba odpowiedzieć na pytanie, co chcemy dzięki nim osiągnąć.

AI może pomóc również w takim odwróceniu perspektywy.

PROMPT:

„Mam następujący pomysł na rozwiązanie: [opis rozwiązania]. Nie zakładaj, że jest ono najlepsze. Spróbuj ustalić, jaki problem może ono rozwiązywać i jaki cel powinien stać za jego realizacją. Następnie zaproponuj kilka alternatywnych sposobów osiągnięcia tego samego celu. Oddziel problem, cel, rezultat i proponowane rozwiązanie.”

To jeden z bardzo ważnych promptów projektowych, ponieważ pozwala uniknąć sytuacji, w której zakochujemy się w konkretnym rozwiązaniu i zaczynamy traktować je jak cel.

Projekt powinien być podporządkowany rezultatowi, a nie odwrotnie.

Dobrze określony cel pomaga również w późniejszym podejmowaniu decyzji.

W trakcie projektu pojawią się dziesiątki, a czasami setki drobnych decyzji. Czy dodać funkcję? Czy przygotować kolejny dokument? Czy zmienić rozwiązanie? Czy wykonać dodatkowy test? Czy przesunąć termin? Czy rozszerzyć zakres?

Jeżeli cel jest jasny, łatwiej odpowiedzieć na te pytania.

Możemy wtedy zapytać: „Czy ta decyzja zwiększa nasze szanse na osiągnięcie celu?”.

Jeżeli tak, prawdopodobnie warto ją rozważyć.

Jeżeli nie, być może jest tylko dodatkową pracą.

W ten sposób cel staje się filtrem dla całego projektu.

Nie jest czymś, co zapisujemy na pierwszej stronie dokumentu i później zapominamy. Powinien być punktem odniesienia przez cały czas trwania projektu.

Warto również sprawdzić, czy cel jest zgodny z rzeczywistymi ograniczeniami.

Cel może być mierzalny, konkretny i atrakcyjny, a mimo to niewykonalny przy dostępnych zasobach.

Dlatego przed jego ostatecznym zatwierdzeniem warto zestawić go z czasem, budżetem, zespołem, kompetencjami i technologią.

PROMPT:

„Zestaw mój cel projektu z dostępnymi zasobami i ograniczeniami. Oto cel: [cel]. Oto dostępny czas: [czas]. Budżet: [budżet]. Zespół: [zespół]. Dostępne kompetencje: [kompetencje]. Inne ograniczenia: [ograniczenia]. Oceń, czy cel jest wykonalny. Wskaż największe napięcia między celem a zasobami. Jeżeli cel jest zbyt ambitny, zaproponuj, co można zmienić: zakres, termin, rezultat albo sposób realizacji.”

Warto zauważyć, że AI może w tym procesie pełnić funkcję nie tylko generatora tekstu, ale także narzędzia do myślenia.

To właśnie jest jedna z najważniejszych idei tej książki.

Nie chodzi o to, żeby sztuczna inteligencja napisała za nas kilka zdań.

Chodzi o to, żeby pomogła nam lepiej zrozumieć projekt.

Możemy użyć jej do zadawania pytań, wyszukiwania luk, porównywania wariantów, testowania założeń, krytykowania pomysłów i porządkowania informacji.

W przypadku definiowania celu jest to szczególnie wartościowe, ponieważ dobry cel często powstaje dopiero po kilku rundach myślenia.

Pierwsza wersja może być bardzo ogólna.

Druga bardziej precyzyjna.

Trzecia może ujawnić brakujące elementy.

Czwarta może zostać skonfrontowana z zasobami.

Piąta może zostać uproszczona.

Dopiero wtedy otrzymujemy cel, który rzeczywiście może prowadzić projekt.

Nie należy jednak przesadzać z komplikowaniem.

Czasami po kilku godzinach analizy powstaje tak rozbudowany opis celu, że nikt nie jest w stanie go zapamiętać.

Dobry cel powinien być precyzyjny, ale również komunikatywny.

Jeżeli trzeba przeczytać trzy strony dokumentu, żeby zrozumieć, co właściwie chcemy osiągnąć, prawdopodobnie coś poszło nie tak.

Możemy poprosić AI o skrócenie rozbudowanego celu bez utraty jego najważniejszych elementów.

PROMPT:

„Skróć poniższy opis celu projektu do maksymalnie dwóch zdań. Zachowaj wszystkie informacje niezbędne do jednoznacznego określenia rezultatu, terminu, zakresu i sposobu pomiaru sukcesu. Usuń zbędne słowa, korporacyjne sformułowania i ogólniki. Tekst ma być zrozumiały dla osoby, która nie zna szczegółów projektu.”

Dobrze jest również przygotować jedną wersję celu dla zespołu i jedną krótką wersję, którą można wykorzystać podczas codziennej pracy.

Przykładowo:

„Do końca czerwca uruchamiamy nowy proces obsługi reklamacji, który skróci średni czas rozpatrywania zgłoszenia z pięciu do dwóch dni roboczych, przy zachowaniu wymaganej jakości obsługi.”

Taki cel może być wystarczająco konkretny, żeby zespół wiedział, dokąd zmierza.

A jeżeli pojawi się nowe zadanie, można zadać pytanie: „Czy to pomaga nam osiągnąć ten cel?”.

Jeżeli odpowiedź brzmi „nie”, trzeba zastanowić się, czy rzeczywiście powinno znaleźć się w projekcie.

Właśnie dlatego dobrze zdefiniowany cel jest jednym z najlepszych narzędzi ochrony przed marnowaniem czasu.

Bez celu łatwo pracować.

Z celem łatwiej pracować nad właściwą rzeczą.

To zasadnicza różnica.

Na początku projektu warto więc poświęcić więcej czasu na odpowiednie zdefiniowanie tego, co chcemy osiągnąć. Paradoksalnie może to przyspieszyć całą późniejszą realizację.

Kilka godzin spędzonych na dopracowaniu celu może oszczędzić tygodnie pracy nad niewłaściwym rozwiązaniem.

Dlatego zanim przejdziemy do harmonogramu, zadań, zespołu, narzędzi i workflow, powinniśmy móc odpowiedzieć na kilka prostych pytań.

Jaki problem rozwiązujemy?

Co dokładnie chcemy osiągnąć?

Dla kogo?

Jaki rezultat ma powstać?

Do kiedy?

Przy jakich ograniczeniach?

Po czym poznamy sukces?

Czego projekt nie obejmuje?

Jakie założenia muszą być prawdziwe?

Jakie informacje nadal są nieznane?

Jeżeli potrafimy odpowiedzieć na te pytania, jesteśmy znacznie lepiej przygotowani do dalszej pracy.

A jeżeli nie potrafimy, nie jest to powód do frustracji.

To cenna informacja.

Oznacza po prostu, że jeszcze nie pora na realizację. Najpierw trzeba dopracować kierunek.

Właśnie w tym miejscu AI może być bardzo dobrym partnerem.

Nie musi wymyślać projektu.

Nie musi podejmować decyzji.

Nie musi przejmować odpowiedzialności.

Może natomiast zadawać pytania, które sami moglibyśmy pominąć.

Może wskazywać niejasności.

Może proponować warianty.

Może sprawdzać logiczną spójność celu.

Może wcielić się w rolę sceptycznego członka zespołu.

Może pokazać, jak ten sam cel wygląda z perspektywy klienta, pracownika, menedżera czy osoby odpowiedzialnej za budżet.

Możemy wykorzystać ją również do końcowego testu.

PROMPT:

„Przeprowadź końcowy audyt mojego celu projektu. Oceń go pod kątem: jasności, konkretności, mierzalności, wykonalności, terminu, zakresu, odbiorców, rezultatu i kryteriów sukcesu. Wskaż wszystkie elementy, które nadal mogą powodować nieporozumienia. Następnie przedstaw poprawioną wersję celu oraz krótką listę kryteriów, które pozwolą sprawdzić, czy projekt osiągnął sukces. Jeżeli brakuje informacji, nie zgaduj — wskaż dokładnie, czego potrzebujesz.”

Ostatecznie dobry cel nie powinien być ozdobnym zdaniem w prezentacji projektowej.

Powinien być praktycznym narzędziem.

Powinien pomagać zespołowi podejmować decyzje.

Powinien pomagać odrzucać niepotrzebne zadania.

Powinien pomagać kontrolować zakres.

Powinien umożliwiać ocenę postępów.

Powinien pozwalać rozpoznać moment, w którym projekt rzeczywiście został zakończony.

I przede wszystkim powinien odpowiadać na najważniejsze pytanie: „Co konkretnie ma być inne, lepsze lub osiągnięte dzięki temu projektowi?”.

Im lepsza odpowiedź na to pytanie, tym większa szansa, że kolejne etapy projektu będą miały sens.

Bo projekt bez jasnego celu przypomina podróż bez określonego miejsca docelowego. Można bardzo długo i bardzo intensywnie iść naprzód, a mimo to nie mieć pewności, czy rzeczywiście zmierzamy tam, gdzie powinniśmy.

Dobrze określony cel nie gwarantuje sukcesu.

Nie zastąpi dobrego zespołu, odpowiednich zasobów, właściwego planowania ani skutecznej realizacji.

Ale daje coś fundamentalnego: wspólny kierunek.

A kiedy kierunek jest jasny, znacznie łatwiej zdecydować, co robić, czego nie robić, co automatyzować, co delegować, co mierzyć i kiedy powiedzieć: „Ten projekt osiągnął to, po co został rozpoczęty”.

Właśnie od tego powinien zaczynać się każdy poważny projekt.

ROZDZIAŁ 4. Zakres projektu — co robimy, a czego nie robimy

Każdy projekt ma swoje granice. Nawet jeśli na początku wydają się oczywiste, z czasem bardzo łatwo je przesunąć. Projekt, który miał polegać na stworzeniu strony internetowej, nagle obejmuje również przygotowanie sklepu, bloga, newslettera, kampanii reklamowej i systemu obsługi klientów. Projekt szkoleniowy zaczyna obejmować tworzenie materiałów, nagrywanie filmów, budowę platformy i późniejszą obsługę uczestników. Projekt dotyczący automatyzacji jednego procesu zaczyna obejmować kolejne działy, kolejne systemy i kolejne problemy.

Zwykle nie dzieje się to jednego dnia.

Zakres rozszerza się po trochu.

„Dodajmy jeszcze tę jedną funkcję”.

„Skoro już to robimy, możemy przy okazji poprawić tamto”.

„Klient prosił jeszcze o jedną rzecz”.

„To przecież zajmie tylko godzinę”.

„Może warto od razu zrobić to porządnie”.

„Później nie będziemy musieli do tego wracać”.

Każde z tych zdań może wydawać się rozsądne. Problem pojawia się wtedy, gdy takich decyzji zaczyna być kilkanaście, kilkadziesiąt albo kilkaset. W pewnym momencie przestajemy realizować pierwotny projekt, a zaczynamy realizować znacznie większe przedsięwzięcie, którego nikt formalnie nie zaplanował.

To właśnie jeden z powodów, dla których zakres projektu powinien zostać określony możliwie wcześnie.

Zakres odpowiada na bardzo proste pytanie: co dokładnie należy do tego projektu?

Drugie pytanie jest równie ważne: czego ten projekt nie obejmuje?

W praktyce druga część bywa nawet ważniejsza.

Ludzie często zapisują to, co mają zrobić, ale nie zapisują tego, czego robić nie będą. Tymczasem brak wyraźnej granicy oznacza, że każda nowa potrzeba może zostać uznana za część projektu.

Jeżeli tworzymy nową stronę internetową i nie określimy, czy projekt obejmuje późniejszą obsługę strony, ktoś może oczekiwać, że zespół będzie aktualizował ją przez kolejne miesiące. Jeżeli przygotowujemy raport, a nie określimy liczby analizowanych źródeł, może się okazać, że oczekiwania będą stale rosły. Jeżeli wdrażamy narzędzie AI, brak zakresu może spowodować, że projekt zacznie obejmować praktycznie każdy proces w organizacji.

Zakres jest więc nie tylko opisem pracy.

Jest granicą chroniącą projekt.

Dobrze określony zakres pozwala wszystkim uczestnikom projektu wiedzieć, na co się umawiają. Ułatwia planowanie czasu, budżetu i zasobów. Pomaga również podejmować decyzje w sytuacji, gdy pojawiają się nowe pomysły.

Najważniejsza zasada brzmi: pojawienie się nowego pomysłu nie oznacza automatycznie, że powinien zostać dodany do projektu.

Pomysł może być dobry i jednocześnie nie należeć do tego projektu.

To bardzo ważne rozróżnienie.

Nie musimy odrzucać nowych pomysłów. Możemy je zapisać, przeanalizować i zaplanować na później. Możemy stworzyć listę rzeczy „na później”, backlog albo osobny projekt. Nie powinniśmy jednak automatycznie wrzucać wszystkiego do aktualnego przedsięwzięcia.

W przeciwnym razie projekt może nigdy się nie skończyć.

Jednym z największych zagrożeń jest tak zwany scope creep, czyli niekontrolowane rozszerzanie zakresu projektu. Zjawisko to jest szczególnie niebezpieczne dlatego, że pojedyncze zmiany często wydają się niewielkie. Problem zaczyna być widoczny dopiero wtedy, gdy zsumujemy wszystkie dodatkowe wymagania.

Jedna godzina tutaj.

Dwie godziny tam.

Kolejne zadanie.

Jeszcze jeden dokument.

Jeszcze jedna funkcja.

Jeszcze jedna wersja.

Jeszcze jedno spotkanie.

W rezultacie projekt, który miał trwać miesiąc, trwa trzy miesiące. Zespół, który miał być zaangażowany przez kilka godzin tygodniowo, zaczyna poświęcać na niego większość czasu. Budżet rośnie, termin przesuwa się, a ludzie zaczynają mieć poczucie, że projekt jest „ciągle prawie gotowy”.

AI może być bardzo pomocna w wykrywaniu takich sytuacji.

Możemy przekazać jej opis projektu oraz kolejne pojawiające się zadania i poprosić o ocenę, czy nowe elementy mieszczą się w pierwotnym zakresie.

PROMPT:

„Przeanalizuj poniższy zakres projektu i porównaj go z nowymi zadaniami, które pojawiły się w trakcie realizacji. Dla każdego nowego zadania określ, czy: 1) zdecydowanie należy do zakresu, 2) prawdopodobnie należy do zakresu, 3) jest niejednoznaczne i wymaga decyzji, 4) wykracza poza zakres projektu. Przy każdym zadaniu uzasadnij ocenę. Zwróć szczególną uwagę na scope creep, czyli niekontrolowane rozszerzanie zakresu. Nie zakładaj, że każde nowe zadanie powinno zostać zaakceptowane. Jeśli zadanie wykracza poza zakres, zaproponuj, gdzie można je przenieść lub jak potraktować je jako osobną inicjatywę.

Pierwotny zakres projektu:

[WPROWADŹ ZAKRES]

Nowe zadania:

[WPROWADŹ NOWE ZADANIA]”

Taki prompt można wykorzystywać wielokrotnie w trakcie realizacji projektu. Nie trzeba czekać do końca, aby sprawdzić, czy projekt zaczął się rozrastać.

Dobrym zwyczajem jest wykonywanie krótkiego przeglądu zakresu co tydzień albo po każdej większej zmianie.

Można również poprosić AI o przeanalizowanie listy wszystkich aktualnych zadań.

PROMPT:

„Oto lista zadań wykonywanych obecnie w projekcie. Porównaj ją z pierwotnym celem i zakresem projektu. Wskaż zadania, które bezpośrednio wspierają realizację celu, zadania pomocnicze, zadania potencjalnie zbędne oraz zadania, które mogą być wynikiem rozszerzenia zakresu. Przy każdym podejrzanym zadaniu wyjaśnij, dlaczego może nie należeć do projektu. Na końcu zaproponuj listę zadań, które powinny pozostać w projekcie, oraz listę rzeczy, które warto odłożyć.

Cel projektu:

[CEL]

Zakres projektu:

[ZAKRES]

Aktualna lista zadań:

[LISTA]”

To narzędzie jest szczególnie przydatne wtedy, gdy projekt trwa długo i pierwotne ustalenia zaczynają zacierać się w pamięci.

Po kilku tygodniach ludzie często pamiętają przede wszystkim ostatnie rozmowy. Zapominają, co było pierwotnym założeniem. Nowe zadania zaczynają wydawać się oczywistą częścią projektu tylko dlatego, że od pewnego czasu są obecne w dyskusjach.

Dlatego warto mieć zapisany zakres.

Nie musi to być skomplikowany dokument.

Czasami wystarczy jedna strona.

Dobry dokument zakresu powinien jasno opisywać, co projekt obejmuje, czego nie obejmuje, jaki jest jego cel, jaki rezultat ma powstać i jakie są najważniejsze ograniczenia.

AI może pomóc taki dokument przygotować.

PROMPT:

„Na podstawie poniższych informacji przygotuj zwięzły dokument zakresu projektu. Dokument ma być konkretny i zrozumiały dla zespołu oraz osób decyzyjnych. Uwzględnij: nazwę projektu, cel, oczekiwany rezultat, elementy wchodzące w zakres, elementy wyłączone z zakresu, najważniejsze założenia, ograniczenia, kluczowe kryteria sukcesu oraz kwestie wymagające dodatkowego ustalenia. Nie dopisuj informacji, których nie podałem. Jeśli brakuje danych, oznacz je jako „do ustalenia”.

Informacje o projekcie:

[WPROWADŹ INFORMACJE]”

Taki dokument może stać się punktem odniesienia dla całego zespołu.

Warto jednak pamiętać, że zakres projektu nie powinien być traktowany jak coś absolutnie niezmiennego. Projekty czasami rzeczywiście muszą się zmieniać. Pojawiają się nowe informacje, zmieniają się potrzeby klienta, warunki rynkowe, przepisy, technologie albo możliwości organizacji.

Problemem nie jest sama zmiana.

Problemem jest zmiana, której nikt nie zauważa.

Jeżeli zakres musi zostać rozszerzony, warto zrobić to świadomie.

Nowa funkcja może zostać dodana, ale należy wtedy odpowiedzieć na pytania: ile czasu zajmie jej realizacja, jakie zasoby będą potrzebne, jaki będzie wpływ na budżet, jakie inne zadania trzeba przesunąć i czy zmieni się termin zakończenia projektu.

To bardzo ważne, ponieważ dodatkowa praca nie jest darmowa tylko dlatego, że nie została uwzględniona w pierwotnym planie.

Każda zmiana ma koszt.

Czasami jest to koszt finansowy.

Czasami czas zespołu.

Czasami utrata możliwości wykonania innego zadania.

Czasami opóźnienie projektu.

Czasami zwiększenie ryzyka.

Dlatego każda większa zmiana zakresu powinna zostać oceniona również pod kątem konsekwencji.

AI może pomóc przeprowadzić taką analizę.

PROMPT:

„Pojawiła się propozycja dodania nowego elementu do projektu. Przeanalizuj wpływ tej zmiany na projekt. Oceń: zgodność z celem, zgodność z zakresem, dodatkowy czas pracy, potrzebne zasoby, potencjalny koszt, ryzyko opóźnienia, wpływ na jakość oraz możliwe konsekwencje dla innych zadań. Następnie przedstaw trzy opcje: dodać zmianę teraz, odłożyć ją na później albo całkowicie ją odrzucić. Przy każdej opcji przedstaw argumenty za i przeciw.

Obecny projekt:

[OPIS]

Nowa propozycja:

[OPIS ZMIANY]”

Warto zauważyć, że AI nie powinna samodzielnie decydować, czy zakres zostanie zmieniony. Może przeprowadzić analizę, ale decyzja należy do właściciela projektu lub osoby odpowiedzialnej za podejmowanie takich decyzji.

To kolejny przykład sytuacji, w której AI jest bardzo dobrym doradcą, ale nie powinna automatycznie stawać się decydentem.

Jednym z najskuteczniejszych sposobów ochrony zakresu jest stworzenie dwóch prostych list.

Pierwsza odpowiada na pytanie: „Co robimy?”.

Druga: „Czego nie robimy?”.

Lista elementów wchodzących w zakres powinna być konkretna. Zamiast pisać „przygotowanie materiałów”, lepiej określić, jakie materiały, w jakiej liczbie i do jakiego celu.

Zamiast „analiza klientów” można określić, ilu klientów obejmuje analiza, jakie dane zostaną wykorzystane i jaki ma być jej rezultat.

Zamiast „wdrożenie AI” warto wskazać konkretne procesy, narzędzia i oczekiwane rezultaty.

Im bardziej konkretna lista, tym łatwiej później ocenić nowe zadania.

Lista elementów poza zakresem jest równie istotna.

Może zawierać rzeczy, które świadomie zostają odłożone na później, zadania należące do innych zespołów, funkcje planowane w przyszłości albo elementy, które w ogóle nie są potrzebne do osiągnięcia celu.

Przykładowo projekt wdrożenia nowego systemu może obejmować konfigurację i szkolenie użytkowników, ale nie obejmować późniejszego rozwoju systemu.

Projekt stworzenia strony internetowej może obejmować stronę główną i kilka podstron, ale nie obejmować sklepu internetowego.

Projekt przygotowania kampanii może obejmować strategię, treści i materiały reklamowe, ale nie obejmować późniejszej obsługi klienta.

Takie rozróżnienia mogą wydawać się oczywiste.

W praktyce właśnie rzeczy oczywiste często nie zostają zapisane.

A kiedy pojawia się konflikt, każda osoba ma własną definicję tego, co było „oczywiste”.

Dlatego zapis ma ogromne znaczenie.

AI może pomóc również w znalezieniu elementów, które mogą zostać błędnie uznane za część projektu.

PROMPT:

„Przeanalizuj opis mojego projektu i wskaż elementy, które mogą powodować nieporozumienia dotyczące zakresu. Zidentyfikuj zadania lub rezultaty, które ktoś może uznać za oczywistą część projektu, mimo że nie zostały jednoznacznie uwzględnione. Zaproponuj również listę elementów, które warto wyraźnie wpisać jako „poza zakresem”. Celem jest ograniczenie późniejszych sporów i niekontrolowanego rozszerzania projektu.

Opis projektu:

[OPIS]”

Szczególnie interesujące jest wykorzystanie AI jako „testera zakresu”.

Możemy poprosić ją o przyjęcie roli klienta, przełożonego albo członka zespołu i sprawdzenie, czego taka osoba mogłaby oczekiwać na podstawie naszego opisu.

PROMPT:

„Przeczytaj mój opis zakresu projektu z perspektywy klienta, który nie uczestniczył w jego tworzeniu. Załóż, że klient będzie interpretował opis dosłownie, ale jednocześnie będzie oczekiwał logicznie wynikających elementów. Wskaż, czego może oczekiwać dodatkowo, mimo że nie zostało to jasno zapisane. Następnie wskaż fragmenty zakresu, które mogą powodować spory lub różne interpretacje. Zaproponuj poprawki zwiększające jednoznaczność dokumentu.

Opis zakresu:

[WPROWADŹ DOKUMENT]”

To proste ćwiczenie może ujawnić wiele problemów jeszcze przed rozpoczęciem pracy.

Jeżeli klient czyta „przygotowanie kompletnego systemu” i uważa, że oznacza to również integrację z pięcioma innymi narzędziami, podczas gdy zespół miał na myśli tylko podstawową konfigurację, problem nie powstał w momencie realizacji. Problem powstał wcześniej — w nieprecyzyjnym określeniu zakresu.

Właśnie dlatego im ważniejszy projekt, tym większą wagę należy przywiązywać do języka.

Słowa takie jak „kompletny”, „pełny”, „profesjonalny”, „nowoczesny”, „optymalny”, „kompleksowy” czy „wszystkie” mogą brzmieć dobrze, ale często są niebezpiecznie nieprecyzyjne.

„Kompleksowa obsługa” może oznaczać pięć rzeczy dla jednej osoby i pięćdziesiąt dla innej.

„Pełna analiza” może oznaczać analizę kilku danych albo całego rynku.

„Profesjonalny dokument” nie mówi, ile ma mieć stron, jakie informacje ma zawierać ani kto powinien go zatwierdzić.

Dlatego warto zastępować ogólniki konkretnymi rezultatami.

AI może pomóc w takiej zamianie.

PROMPT:

„Przeanalizuj poniższy opis zakresu i znajdź wszystkie nieprecyzyjne sformułowania. Zwróć szczególną uwagę na słowa takie jak „kompleksowy”, „pełny”, „profesjonalny”, „szybki”, „wysoki poziom”, „wszystkie”, „odpowiedni” i podobne określenia. Przy każdym wskaż, dlaczego może prowadzić do różnych interpretacji. Następnie zaproponuj bardziej konkretne sformułowanie. Nie zmieniaj znaczenia projektu.

Opis:

[TEKST]”

Zakres projektu powinien również być powiązany z jego celem.

Jeżeli jakieś zadanie nie pomaga osiągnąć celu, powinno wzbudzić pytanie: dlaczego właściwie znajduje się w projekcie?

Nie oznacza to, że każde zadanie musi bezpośrednio realizować cel. Niektóre zadania są konieczne jako działania pomocnicze. Ale powinno istnieć logiczne uzasadnienie ich obecności.

Można więc zastosować prosty test.

Dla każdego większego zadania zapytajmy: „W jaki sposób wykonanie tego zadania przybliża nas do rezultatu projektu?”.

Jeżeli odpowiedź jest jasna, prawdopodobnie wszystko jest w porządku.

Jeżeli odpowiedź brzmi „bo tak się zawsze robi”, warto się zatrzymać.

Jeżeli odpowiedź brzmi „może się przydać”, również warto się zastanowić.

Jeżeli odpowiedź brzmi „ktoś o to poprosił”, trzeba sprawdzić, czy prośba rzeczywiście mieści się w zakresie.

AI może przeprowadzić taki audyt.

PROMPT:

„Przeanalizuj każde zadanie z poniższej listy i określ jego związek z celem projektu. Przy każdym zadaniu odpowiedz: jaki jest jego bezpośredni lub pośredni wpływ na osiągnięcie celu, czy jest konieczne, czy można je uprościć, odłożyć albo usunąć oraz czy może być symptomem scope creep. Nie oceniaj zadań wyłącznie na podstawie ich nazwy — uwzględnij kontekst projektu.

Cel:

[CEL]

Zadania:

[LISTA]”

Takie podejście może również pomóc w odchudzaniu projektu.

Czasami okazuje się, że część zaplanowanych działań nie jest już potrzebna. Projekt zmienił się, zdobyliśmy nowe informacje albo znaleźliśmy prostsze rozwiązanie.

Zakres nie powinien więc służyć wyłącznie do blokowania nowych zadań.

Powinien pomagać również usuwać zadania, które przestały mieć sens.

To ważna różnica.

Dobre zarządzanie zakresem nie oznacza powiedzenia „nie” każdej zmianie.

Oznacza świadome decydowanie, co powinno znaleźć się w projekcie.

Czasami odpowiedzią będzie „tak”.

Czasami „nie teraz”.

Czasami „nie”.

A czasami „usuwamy coś innego, żeby zrobić miejsce na tę zmianę”.

Ta ostatnia możliwość jest szczególnie interesująca. Jeżeli nowy element jest naprawdę ważny, nie zawsze trzeba po prostu zwiększać zakres. Można zmniejszyć inny element, który ma mniejszą wartość.

Dzięki temu projekt pozostaje pod kontrolą.

Możemy poprosić AI o znalezienie takich możliwości.

PROMPT:

„Do mojego projektu pojawiło się nowe wymaganie, którego wcześniej nie było. Nie zwiększaj automatycznie zakresu. Przeanalizuj obecne zadania i zaproponuj, które elementy można ograniczyć, uprościć, przesunąć lub usunąć, aby zrobić miejsce na nowe wymaganie bez znaczącego zwiększania terminu i zasobów. Wyjaśnij konsekwencje każdej propozycji.

Cel projektu:

[CEL]

Obecny zakres:

[ZAKRES]

Nowe wymaganie:

[WYMAGANIE]”

To pokazuje, że zakres nie musi być sztywną ścianą.

Może być raczej budżetem projektu — mamy określoną ilość czasu, pieniędzy, energii i zasobów, dlatego każda nowa rzecz powinna mieć swoją cenę.

Jeżeli chcemy coś dodać, powinniśmy wiedzieć, co to oznacza.

To podejście bardzo dobrze sprawdza się również w małych projektach.

Nie trzeba prowadzić rozbudowanej dokumentacji, organizować formalnych komitetów zmian ani tworzyć dziesiątek stron procedur.

W przypadku niewielkiego projektu może wystarczyć kilka akapitów:

„Robimy…”

„Nie robimy…”

„Projekt kończy się, gdy…”

„Zmiana zakresu wymaga…”

Taki prosty zapis potrafi oszczędzić wiele nieporozumień.

Można nawet poprosić AI o stworzenie krótkiej „karty zakresu”.

PROMPT:

„Stwórz jednokartkową kartę zakresu mojego projektu. Dokument ma być maksymalnie konkretny i możliwy do wykorzystania jako punkt odniesienia podczas realizacji. Uwzględnij: cel, rezultat końcowy, zakres, poza zakresem, najważniejsze zadania, kryteria zakończenia oraz zasadę zatwierdzania nowych wymagań. Nie używaj zbędnego języka formalnego.

Informacje:

[WPROWADŹ INFORMACJE]”

Warto również ustalić kryterium zakończenia projektu.

Bez niego projekt może trwać znacznie dłużej, niż powinien.

„Strona jest gotowa, kiedy…”

„Raport jest gotowy, kiedy…”

„System jest wdrożony, kiedy…”

„Kampania jest zakończona, kiedy…”

„Produkt jest gotowy, kiedy…”

To pozornie banalne zdania, ale mogą mieć ogromne znaczenie.

Jeżeli nie wiadomo, kiedy projekt jest zakończony, bardzo łatwo ciągle dodawać kolejne poprawki.

„Jeszcze tylko poprawimy ten element”.

„Jeszcze tylko dodamy jedną funkcję”.

„Jeszcze tylko dopracujemy wygląd”.

„Jeszcze tylko przygotujemy dodatkową wersję”.

Projekt nigdy nie zostaje formalnie zamknięty.

Dlatego zakres powinien być powiązany nie tylko z tym, co robimy, ale również z tym, kiedy możemy powiedzieć: „gotowe”.

AI może pomóc zdefiniować takie kryteria.

PROMPT:

„Na podstawie celu i zakresu projektu przygotuj jednoznaczne kryteria zakończenia projektu. Kryteria powinny umożliwiać osobie z zewnątrz ocenę, czy projekt rzeczywiście został ukończony. Unikaj sformułowań subiektywnych. Uwzględnij rezultat, jakość, kompletność, testy, akceptację oraz ewentualne wymagania formalne.

Cel projektu:

[CEL]

Zakres:

[ZAKRES]”

Zakres projektu jest więc czymś znacznie więcej niż listą zadań.

To sposób na utrzymanie koncentracji.

Chroni projekt przed rozproszeniem.

Pomaga zespołowi powiedzieć „nie” rzeczom, które są interesujące, ale niepotrzebne.

Pomaga klientowi zrozumieć, co otrzyma.

Pomaga przełożonemu zobaczyć, na co przeznaczane są zasoby.

Pomaga właścicielowi projektu kontrolować koszty i terminy.

A AI może stać się dodatkową warstwą kontroli.

Może porównywać nowe wymagania z pierwotnym zakresem.

Może wykrywać potencjalny scope creep.

Może wskazywać niejasne sformułowania.

Może analizować wpływ zmian.

Może proponować elementy, które można usunąć lub przesunąć.

Może przygotować dokument zakresu.

Może również pełnić funkcję sceptycznego obserwatora, który regularnie zadaje jedno bardzo ważne pytanie:

„Czy to nadal jest ten sam projekt?”.

To pytanie warto zadawać znacznie częściej, niż się wydaje.

Bo największe problemy z zakresem rzadko zaczynają się od ogromnej zmiany.

Najczęściej zaczynają się od małego wyjątku.

„Tylko tym razem”.

„Tylko jedna funkcja”.

„Tylko jeden dodatkowy raport”.

„Tylko jeszcze jedna poprawka”.

Każda taka decyzja może być uzasadniona.

Ale suma tych decyzji może stworzyć zupełnie inny projekt.

Dlatego dobra praktyka jest prosta: nie zabraniaj zmianom się pojawiać, ale każdą zmianę świadomie oceniaj.

Jeżeli jest wartościowa, dodaj ją.

Jeżeli jest ważna, ale niepilna, zapisz ją na później.

Jeżeli nie należy do projektu, przenieś ją gdzie indziej.

Jeżeli jej wartość jest mniejsza niż koszt realizacji, zrezygnuj.

Najważniejsze jest to, aby decyzja była świadoma.

Projekt nie powinien rozszerzać się dlatego, że nikt nie zauważył, że właśnie się rozszerza.

Powinien zmieniać się tylko wtedy, gdy ktoś świadomie podjął taką decyzję i zaakceptował jej konsekwencje.

Właśnie dlatego zakres jest jednym z najważniejszych elementów całego projektu.

Dobry zakres nie ogranicza kreatywności.

Chroni ją.

Pozwala skupić energię na tym, co rzeczywiście ma znaczenie.

Bo celem projektu nie jest zrobienie wszystkiego.

Celem projektu jest zrobienie właściwych rzeczy i doprowadzenie ich do właściwego rezultatu.

ROZDZIAŁ 5. Plan projektu krok po kroku

Dobry pomysł jest dopiero początkiem projektu. Nawet bardzo trafnie określony cel, dobrze zdefiniowany zakres i przekonanie, że projekt ma sens, nie wystarczą, jeżeli nie wiadomo, co właściwie trzeba zrobić, w jakiej kolejności, do kiedy i od czego zależą poszczególne działania. W tym miejscu pojawia się plan projektu. Można powiedzieć, że plan jest pomostem pomiędzy pomysłem a jego wykonaniem. Pomysł odpowiada na pytanie „co chcemy osiągnąć?”, natomiast plan odpowiada na pytanie „jak krok po kroku do tego dojdziemy?”. Właśnie dlatego planowanie nie powinno być traktowane jako biurokratyczny obowiązek wykonywany tylko dlatego, że ktoś wymaga harmonogramu. Dobry plan pozwala zobaczyć cały projekt zanim jeszcze zacznie się jego realizacja, zauważyć problemy, które w przeciwnym razie pojawiłyby się dopiero w trakcie pracy, odpowiednio rozłożyć obciążenie zespołu i znacznie łatwiej kontrolować postęp.

Szczególnie przydatna może być tutaj sztuczna inteligencja. AI nie zna automatycznie wszystkich szczegółów naszego projektu i nie powinna samodzielnie decydować o terminach czy zasobach, ale może bardzo szybko pomóc uporządkować nawet chaotyczny zestaw pomysłów. Może zaproponować etapy, rozbić duże zadania na mniejsze czynności, wskazać potencjalne zależności, znaleźć miejsca, w których harmonogram może się zablokować, zaproponować kamienie milowe, przygotować kilka wariantów planu i pomóc ocenić, czy przyjęte terminy są realistyczne. Ostateczna decyzja nadal należy jednak do człowieka, który zna rzeczywiste możliwości zespołu, ograniczenia organizacyjne, budżet, klientów i specyfikę przedsięwzięcia.

Pierwszym krokiem jest rozbicie projektu na etapy. Duży projekt często wydaje się trudny nie dlatego, że każda jego część jest skomplikowana, lecz dlatego, że patrzymy na niego jak na jedną ogromną całość. Jeżeli ktoś mówi: „muszę uruchomić sklep internetowy”, „muszę przygotować konferencję”, „muszę stworzyć aplikację”, „muszę wydać książkę” albo „muszę przeprowadzić kampanię marketingową”, to samo sformułowanie może wywoływać poczucie przytłoczenia. Nie wiadomo bowiem, od czego zacząć. Kiedy jednak ten sam projekt zostanie podzielony na logiczne etapy, sytuacja zmienia się diametralnie. Zamiast jednego ogromnego zadania otrzymujemy serię mniejszych obszarów pracy.

Przykładowo przygotowanie konferencji może zostać podzielone na etap koncepcyjny, organizacyjny, promocyjny, logistyczny i realizacyjny. Przygotowanie książki może obejmować określenie koncepcji, research, przygotowanie planu, pisanie, redakcję, korektę, skład, przygotowanie okładki, publikację i promocję. Stworzenie produktu może wymagać analizy potrzeb, opracowania koncepcji, przygotowania prototypu, testów, poprawek, produkcji i wdrożenia. Nie chodzi o to, aby każdy projekt sztucznie dzielić na kilkadziesiąt etapów. Chodzi o znalezienie takiego poziomu szczegółowości, przy którym projekt staje się możliwy do zarządzania.

AI może być bardzo dobrym partnerem właśnie na tym etapie. Możemy przekazać jej ogólny opis projektu i poprosić o propozycję jego struktury.

PROMPT: „Mam projekt opisany następująco: [opis projektu]. Podziel go na logiczne etapy od rozpoczęcia do zakończenia. Nie rozbijaj jeszcze etapów na bardzo drobne czynności. Najpierw zaproponuj główną strukturę projektu i krótko wyjaśnij, jaki cel ma każdy etap.”

Warto następnie poprosić AI o zakwestionowanie własnej propozycji. Pierwszy wygenerowany plan nie powinien być automatycznie uznawany za właściwy. Sztuczna inteligencja może bowiem stworzyć strukturę logiczną z punktu widzenia ogólnej wiedzy, ale niekoniecznie dopasowaną do konkretnej sytuacji.

PROMPT: „Przeanalizuj zaproponowany wcześniej podział projektu na etapy. Wskaż, czy któregoś etapu brakuje, czy jakieś etapy powinny zostać połączone oraz czy kolejność etapów jest logiczna. Uzasadnij każdą proponowaną zmianę.”

Kiedy mamy już etapy, należy przejść do kolejnego poziomu, czyli zadań. Etap jest większą częścią projektu, natomiast zadania są konkretnymi działaniami, które trzeba wykonać, aby ten etap zakończyć. To rozróżnienie jest niezwykle ważne. „Przygotowanie strony internetowej” może być etapem, ale nie jest jeszcze wystarczająco precyzyjnym zadaniem. W środku mogą znajdować się takie działania jak określenie struktury strony, przygotowanie tekstów, zebranie materiałów graficznych, wybór technologii, zaprojektowanie wyglądu, wdrożenie, konfiguracja formularzy, testy i publikacja.

Jeżeli zadania są zbyt ogólne, trudno określić ich czas, odpowiedzialność i stan realizacji. Zadanie „zająć się marketingiem” może trwać tydzień, miesiąc albo pół roku. Zadanie „przygotować trzy wersje reklamy i przekazać je do akceptacji” jest znacznie bardziej konkretne. Można przypisać do niego osobę, określić termin rozpoczęcia i zakończenia, oszacować nakład pracy oraz sprawdzić, czy zostało wykonane.

Warto więc poprosić AI o rozbicie każdego etapu na konkretne zadania.

PROMPT: „Rozbij poniższy etap projektu na konkretne zadania możliwe do wykonania i zweryfikowania: [nazwa i opis etapu]. Zadania powinny być wystarczająco szczegółowe, aby można było przypisać im osobę odpowiedzialną, oszacować czas i określić, czy zostały zakończone. Unikaj bardzo ogólnych sformułowań.”

Jednym z najczęstszych błędów podczas planowania jest założenie, że wszystkie zadania można wykonywać jednocześnie. W rzeczywistości projekty są pełne zależności. Jedno działanie może być możliwe dopiero wtedy, gdy zakończy się inne. Nie można przeprowadzić testów produktu, jeśli produkt nie został jeszcze przygotowany. Nie można zaakceptować finalnej wersji materiału, jeżeli wcześniej nie powstał jego projekt. Nie można rozpocząć kampanii reklamowej, jeżeli nie ma jeszcze materiałów reklamowych. Nie można rozpocząć produkcji, jeśli nie zatwierdzono specyfikacji. Takie zależności tworzą swoisty łańcuch projektu.

Niektóre zadania mogą być wykonywane równolegle. Jeżeli jedna osoba przygotowuje teksty, inna może w tym samym czasie pracować nad grafiką. Jeżeli dział techniczny przygotowuje rozwiązanie, marketing może opracowywać komunikację. Umiejętne rozpoznanie takich możliwości może znacząco skrócić czas realizacji całego projektu. Z drugiej strony zbyt agresywne zakładanie równoległości może prowadzić do chaosu, ponieważ działania rozpoczęte niezależnie mogą później okazać się ze sobą niezgodne.

AI może pomóc stworzyć mapę zależności.

PROMPT: „Przeanalizuj poniższą listę zadań projektu i określ zależności między nimi. Wskaż, które zadania muszą zostać wykonane przed innymi, które mogą być realizowane równolegle oraz które mogą rozpocząć się dopiero po uzyskaniu określonej decyzji, informacji lub materiału. Zwróć szczególną uwagę na potencjalne blokady.”

Bardzo użyteczne jest także poproszenie AI o wskazanie tzw. zadań blokujących. Są to czynności, których opóźnienie może zatrzymać wiele innych działań. Jeżeli na przykład przygotowanie kluczowego dokumentu trwa dłużej niż zakładano, a pięć kolejnych osób czeka na jego zatwierdzenie, mamy do czynienia z zadaniem o dużym znaczeniu dla harmonogramu. Takie miejsca powinny być szczególnie dobrze monitorowane.

PROMPT: „Na podstawie poniższej listy zadań wskaż zadania krytyczne i potencjalne wąskie gardła projektu. Określ, które opóźnienia mogą wpłynąć na największą liczbę kolejnych działań i gdzie warto zastosować dodatkowy bufor czasowy.”

Kolejnym ważnym elementem planu są kamienie milowe. Kamień milowy nie jest po prostu kolejnym zadaniem. Jest punktem kontrolnym pokazującym, że określona część projektu została osiągnięta. Może nim być zatwierdzenie koncepcji, ukończenie prototypu, zakończenie testów, podpisanie umowy, uzyskanie wymaganej decyzji, zakończenie produkcji czy publikacja produktu. Kamień milowy odpowiada na pytanie: „Czy jesteśmy dokładnie w tym miejscu projektu, w którym powinniśmy być?”.

Dobrze wyznaczone kamienie milowe pomagają nie tylko kierownikowi projektu. Dają także zespołowi poczucie postępu. Przy długim projekcie trudno codziennie odczuwać, że wykonana praca przybliża nas do celu. Kamienie milowe tworzą natomiast wyraźne punkty, które pozwalają zobaczyć, że kolejne duże części przedsięwzięcia zostały zakończone.

AI może zaproponować takie punkty kontrolne.

PROMPT: „Na podstawie poniższego planu projektu zaproponuj 5–10 najważniejszych kamieni milowych. Każdy kamień milowy opisz jako konkretny, możliwy do zweryfikowania rezultat, a nie jako ogólne zadanie. Przy każdym podaj, po czym poznamy, że został osiągnięty.”

Warto zwrócić uwagę na różnicę między „pracujemy nad projektem” a „osiągnęliśmy kamień milowy”. Pierwsze określenie opisuje aktywność. Drugie opisuje rezultat. W zarządzaniu projektem rezultaty są zdecydowanie bardziej wartościowe, ponieważ pozwalają jednoznacznie ocenić postęp.

Następnym elementem jest harmonogram. Harmonogram zamienia strukturę projektu w oś czasu. Pokazuje, kiedy poszczególne działania powinny się rozpocząć i zakończyć. W prostym projekcie może wystarczyć zwykła tabela z zadaniami i terminami. W większym projekcie przydatny może być wykres Gantta albo specjalistyczne oprogramowanie do zarządzania projektami. Samo narzędzie nie jest jednak najważniejsze. Najważniejsza jest logika, która stoi za harmonogramem.

Podczas tworzenia harmonogramu trzeba pamiętać, że szacowanie czasu jest jednym z trudniejszych elementów planowania. Ludzie mają tendencję do niedoszacowywania zadań, szczególnie tych, których jeszcze nigdy wcześniej nie wykonywali. Często zakładają, że skoro samo wykonanie pracy może zająć dwa dni, to całe zadanie potrwa dwa dni. Tymczasem dochodzi oczekiwanie na informacje, konsultacje, poprawki, akceptacje, przerwy, problemy techniczne, błędy i nieprzewidziane sytuacje.

Jeżeli zadanie polega na przygotowaniu materiału, nie oznacza to wyłącznie czasu spędzonego nad jego tworzeniem. Trzeba być może najpierw zebrać informacje, potem przygotować pierwszą wersję, wysłać ją do akceptacji, poczekać na odpowiedź, wprowadzić poprawki i dopiero wtedy uznać zadanie za zakończone. Harmonogram powinien uwzględniać rzeczywisty proces, a nie tylko idealny czas pracy.

AI może pomóc w takim oszacowaniu, ale trzeba dostarczyć jej kontekst.

PROMPT: „Oceń realistyczny czas wykonania poniższych zadań projektu. Uwzględnij nie tylko samą pracę, ale również przygotowanie, komunikację, oczekiwanie na informacje, możliwe poprawki i ryzyko opóźnień. Dla każdego zadania podaj wariant optymistyczny, realistyczny i ostrożny oraz wyjaśnij, od czego zależy czas realizacji.”

Takie trzy warianty są znacznie bardziej użyteczne niż jedna liczba. Jeżeli AI odpowie, że dane zadanie może potrwać od dwóch do pięciu dni, kierownik projektu otrzymuje informację o niepewności. To ważniejsze niż pozornie precyzyjne stwierdzenie, że zadanie zajmie dokładnie trzy dni.

Właśnie tutaj pojawia się pojęcie bufora czasowego. Bufor jest dodatkowym czasem przewidzianym na sytuacje, których nie dało się dokładnie zaplanować. Nie powinien być traktowany jako „wolny czas, który można od razu wykorzystać”. Jego zadaniem jest absorbowanie nieprzewidzianych problemów. Jeżeli projekt został zaplanowany tak ciasno, że każde jednodniowe opóźnienie powoduje przesunięcie całego terminu końcowego, mamy do czynienia z planem bardzo kruchym.

Bufory można umieszczać w różnych miejscach. Można zastosować niewielki zapas przy konkretnych zadaniach, większy bufor przed ważnym kamieniem milowym albo dodatkowy czas przed finalnym terminem projektu. Wybór zależy od rodzaju przedsięwzięcia. Projekt, w którym wiele rzeczy jest zależnych od dostawców zewnętrznych, wymaga zwykle większej ostrożności niż projekt realizowany przez mały, doświadczony zespół, który ma pełną kontrolę nad wszystkimi zadaniami.

AI może pomóc ocenić, gdzie bufory są najbardziej potrzebne.

PROMPT: „Przeanalizuj mój harmonogram projektu pod kątem ryzyka opóźnień. Wskaż zadania, przy których warto zastosować bufory czasowe, oraz określ, gdzie ich brak może spowodować przesunięcie kolejnych etapów. Nie zakładaj idealnego przebiegu projektu.”

Jednocześnie należy uważać na przeciwieństwo zbyt ciasnego harmonogramu, czyli sztuczne wydłużanie wszystkiego. Jeżeli każde zadanie otrzyma ogromny zapas, harmonogram może stać się niepraktyczny. Bufor ma chronić projekt przed niepewnością, a nie usprawiedliwiać brak dyscypliny.

Bardzo przydatną praktyką jest stworzenie dwóch wersji planu: planu minimum i planu rozszerzonego. Plan minimum określa najmniejszy zakres działań potrzebny do osiągnięcia głównego celu projektu. Plan rozszerzony zawiera dodatkowe elementy, które są wartościowe, ale nie są konieczne do uznania projektu za udany.

To rozróżnienie ma ogromne znaczenie. Projekty często rozrastają się dlatego, że twórcy chcą zrobić wszystko od razu. Początkowo plan zakłada prostą wersję rozwiązania, ale pojawiają się kolejne pomysły: dodatkowa funkcja, bardziej rozbudowana grafika, kolejny moduł, dodatkowy raport, następna kampania, kolejne materiały. Każda rzecz osobno może wydawać się niewielka, ale razem mogą opóźnić projekt o tygodnie lub miesiące.

Plan minimum chroni przed taką sytuacją. Nie oznacza wykonania projektu byle jak. Oznacza świadome określenie tego, co jest niezbędne, aby osiągnąć podstawowy rezultat. Plan rozszerzony odpowiada natomiast na pytanie: „Co dodamy, jeśli będziemy mieli wystarczająco dużo czasu, pieniędzy i zasobów?”.

AI może pomóc w rozdzieleniu elementów projektu na te dwie grupy.

PROMPT: „Przeanalizuj poniższy zakres projektu i podziel elementy na dwie grupy: PLAN MINIMUM — elementy niezbędne do osiągnięcia głównego celu, oraz PLAN ROZSZERZONY — elementy wartościowe, ale możliwe do odłożenia. Uzasadnij każdą decyzję i wskaż, co stanie się z projektem, jeśli elementy planu rozszerzonego zostaną pominięte.”

Taki sposób myślenia jest szczególnie cenny wtedy, gdy projekt zaczyna mieć problemy z czasem. Zamiast chaotycznie próbować przyspieszyć wszystko, można zdecydować, które elementy mają najwyższy priorytet. Jeżeli termin jest nieprzekraczalny, często rozsądniej jest ograniczyć zakres niż obniżać jakość wszystkich elementów projektu.

Dobry harmonogram powinien także uwzględniać terminy zewnętrzne. Niektóre daty nie zależą od nas. Może to być termin wydarzenia, deadline klienta, data premiery, termin rozpoczęcia kampanii, dostępność podwykonawcy, dostawa materiałów, termin prawny albo data posiedzenia zarządu. Takie terminy powinny być znane możliwie wcześnie, ponieważ mogą narzucać całą strukturę harmonogramu.

Jeżeli konferencja odbywa się 15 listopada, to nie wystarczy wpisać do kalendarza „konferencja — 15 listopada”. Trzeba zaplanować wszystko, co musi być zakończone przed tą datą. Jeżeli druk materiałów trwa pięć dni, projekt musi być gotowy wcześniej. Jeżeli projekt musi zostać zaakceptowany przez kilka osób, trzeba uwzględnić czas na ich decyzję. Jeżeli przed drukiem konieczna jest korekta, również trzeba przewidzieć na nią miejsce. W praktyce oznacza to planowanie wstecz od terminu końcowego.

AI może pomóc w stworzeniu takiego harmonogramu.

PROMPT: „Projekt musi zostać zakończony najpóźniej [data]. Poniżej znajduje się lista zadań wraz z zależnościami i szacowanym czasem realizacji: [lista]. Zbuduj harmonogram planowany wstecz od terminu końcowego. Uwzględnij zależności, czas na akceptacje oraz bufory. Wskaż również, które zadania są krytyczne dla dotrzymania terminu.”

Warto także pamiętać, że harmonogram nie jest dokumentem wyrytym w kamieniu. Projekt żyje. Zmieniają się priorytety, pojawiają się nowe informacje, ktoś może zachorować, dostawca może się spóźnić, klient może zmienić wymagania, a zadanie, które miało potrwać dwa dni, może okazać się znacznie bardziej skomplikowane. Dobry plan powinien więc być aktualizowany.

Nie oznacza to jednak, że harmonogram powinien zmieniać się codziennie pod wpływem każdej drobnej trudności. Zbyt częste poprawianie planu może doprowadzić do sytuacji, w której zespół zamiast realizować projekt bez końca aktualizuje dokumenty. Aktualizacja powinna następować wtedy, gdy zmiana rzeczywiście wpływa na dalszą realizację.

AI może pełnić funkcję kontrolera harmonogramu. Wystarczy przekazać jej pierwotny plan i aktualny stan projektu.

PROMPT: „Oto pierwotny harmonogram projektu: [harmonogram]. Oto aktualny stan realizacji: [stan]. Porównaj plan z rzeczywistością. Wskaż opóźnienia, zadania wykonane wcześniej, zadania zagrożone oraz konsekwencje dla kolejnych etapów. Zaproponuj realistyczną aktualizację harmonogramu bez zmieniania głównego terminu końcowego, jeśli jest to możliwe.”

Można również poprosić AI o przygotowanie wariantu awaryjnego.

PROMPT: „Mój projekt jest obecnie opóźniony o [liczba] dni. Termin końcowy [data] jest [nieprzekraczalny/elastyczny]. Przeanalizuj możliwości odzyskania czasu. Zaproponuj kilka wariantów: zwiększenie zasobów, wykonywanie części zadań równolegle, ograniczenie zakresu, przesunięcie elementów planu rozszerzonego oraz inne realistyczne rozwiązania. Przy każdym wariancie wskaż ryzyka i konsekwencje.”

To szczególnie ważne, ponieważ projekt nie zawsze trzeba ratować poprzez „pracę szybciej”. Czas można odzyskać na wiele sposobów. Można zmienić kolejność zadań, przenieść część pracy na inną osobę, uprościć zakres, wykorzystać gotowe rozwiązania, zwiększyć zasoby, skrócić proces akceptacji albo usunąć elementy, które nie są konieczne. Czasami największym błędem jest próba przyspieszenia czynności, których w rzeczywistości wcale nie trzeba wykonywać.

AI może także pomóc znaleźć takie zbędne działania.

PROMPT: „Przeanalizuj poniższy harmonogram projektu i wskaż zadania, które mogą być zbędne, zdublowane, zbyt rozbudowane albo niewspółmierne do wartości, jaką dają projektowi. Nie usuwaj niczego automatycznie. Przy każdym elemencie wyjaśnij potencjalną korzyść i ryzyko rezygnacji.”

Bardzo ważne jest również przypisanie odpowiedzialności. Zadanie bez osoby odpowiedzialnej często staje się zadaniem, które „wszyscy mają zrobić”, a w praktyce nie robi go nikt. Odpowiedzialność nie musi oznaczać, że jedna osoba wykonuje całą pracę. Powinna jednak istnieć osoba, która wie, że jej rolą jest doprowadzenie danego zadania do zakończenia albo skoordynowanie osób zaangażowanych w jego wykonanie.

Możemy więc rozszerzyć analizę AI o zasoby.

PROMPT: „Przeanalizuj plan projektu i dla każdego zadania zaproponuj potrzebne zasoby: ludzi, kompetencje, informacje, materiały, narzędzia i decyzje. Wskaż również, których zasobów może zabraknąć oraz jakie mogą być konsekwencje ich braku.”

To pozwala zauważyć problem, który często pozostaje niewidoczny na etapie tworzenia harmonogramu. Możemy mieć doskonale rozpisane terminy, ale jeżeli osoba posiadająca kluczową kompetencję jest dostępna tylko przez kilka godzin tygodniowo, harmonogram może być nierealny. Podobnie nie da się zaplanować wykonania zadania wymagającego konkretnego materiału, jeśli materiał ten nie został jeszcze zamówiony.

Warto więc traktować harmonogram jako połączenie czterech elementów: czasu, zadań, zależności i zasobów. Sama lista terminów nie jest jeszcze dobrym planem.

Jednym z ciekawszych sposobów wykorzystania AI jest stworzenie kilku wersji harmonogramu. Nie zawsze istnieje jedna najlepsza droga do celu. Możemy poprosić sztuczną inteligencję o przygotowanie wariantu bezpiecznego, szybkiego i oszczędnego.

PROMPT: „Przygotuj trzy warianty harmonogramu mojego projektu. Wariant pierwszy ma być bezpieczny i uwzględniać większe bufory. Wariant drugi ma być zrównoważony pod względem czasu, kosztu i ryzyka. Wariant trzeci ma być możliwie szybki, ale nadal realistyczny. Dla każdego wariantu przedstaw najważniejsze założenia, ryzyka i kompromisy.”

Takie porównanie może być bardzo pomocne podczas podejmowania decyzji. Jeżeli termin jest elastyczny, być może warto wybrać wariant bezpieczny. Jeżeli projekt musi zostać wykonany przed konkretną datą, można zdecydować się na wariant szybszy, ale trzeba świadomie zaakceptować związane z nim ryzyko.

W przypadku bardziej złożonych przedsięwzięć warto również przeprowadzić symulację sytuacji kryzysowych. Nie chodzi o przewidywanie wszystkiego, co może pójść źle. Chodzi o znalezienie kilku scenariuszy, które mogą poważnie wpłynąć na realizację.

PROMPT: „Przeprowadź analizę ryzyka dla poniższego harmonogramu. Wskaż 10 sytuacji, które mogą spowodować istotne opóźnienie projektu. Przy każdej określ prawdopodobieństwo, potencjalny wpływ, sygnały ostrzegawcze oraz sposób przygotowania planu awaryjnego.”

Możemy następnie pójść o krok dalej i poprosić o analizę scenariusza.

PROMPT: „Załóżmy, że kluczowe zadanie projektu opóźnia się o 14 dni. Przeanalizuj krok po kroku, które kolejne zadania zostaną dotknięte tym opóźnieniem, które można przesunąć, które można wykonać równolegle oraz jakie decyzje trzeba podjąć, aby ograniczyć wpływ problemu na termin końcowy.”

To jest przykład wykorzystania AI nie tylko do tworzenia planu, ale również do myślenia o projekcie. Sztuczna inteligencja może pomóc przeprowadzić swoisty „test odporności” harmonogramu.

Warto też pamiętać o różnicy między terminem rozpoczęcia a terminem zakończenia. W praktyce ludzie często zapisują tylko deadline, czyli datę, do której coś ma być gotowe. To jednak nie mówi, kiedy praca powinna się rozpocząć. Jeżeli zadanie zajmuje pięć dni roboczych, termin końcowy przypada na piątek, a wykonawca nie pracuje w weekendy, to nie można zacząć w czwartek. Harmonogram powinien pokazywać cały przedział czasu.

Przy bardziej złożonych projektach pomocne jest także określenie punktów kontrolnych wewnątrz dużych zadań. Jeżeli zadanie ma trwać miesiąc, nie warto czekać całego miesiąca, aby dowiedzieć się, czy wszystko przebiega prawidłowo. Można wyznaczyć po drodze mniejsze rezultaty kontrolne. Dzięki temu problemy są zauważane wcześniej.

AI może pomóc stworzyć takie punkty.

PROMPT: „Mam zadanie, którego realizacja potrwa około [czas]. Zaproponuj wewnętrzne punkty kontrolne, które pozwolą monitorować postęp bez nadmiernego obciążania zespołu. Przy każdym punkcie określ, jaki rezultat powinien być widoczny i jakie sygnały powinny skłonić nas do korekty planu.”

Plan projektu powinien być również zrozumiały dla osób, które nie uczestniczyły w jego tworzeniu. Jeżeli harmonogram jest czytelny wyłącznie dla kierownika projektu, nie spełnia swojej funkcji komunikacyjnej. Członek zespołu powinien wiedzieć, czego się od niego oczekuje, kiedy jego praca jest potrzebna, od czego zależy jego zadanie i co wydarzy się po jego zakończeniu.

AI może pomóc przekształcić techniczny plan w prostą wersję komunikacyjną.

PROMPT: „Przekształć poniższy plan projektu w krótką, zrozumiałą instrukcję dla członków zespołu. Każda osoba powinna móc łatwo znaleźć swoje zadania, terminy, zależności i oczekiwane rezultaty. Nie dodawaj nowych założeń, których nie ma w planie.”

Można także przygotować wersję dla osoby zarządzającej projektem.

PROMPT: „Na podstawie szczegółowego harmonogramu przygotuj skrócony plan dla kierownika projektu. Uwzględnij główne etapy, kamienie milowe, najważniejsze terminy, zadania krytyczne, ryzyka i punkty wymagające decyzji. Usuń szczegóły operacyjne, które nie są potrzebne do szybkiej oceny sytuacji.”

W ten sposób jeden szczegółowy plan może mieć kilka poziomów. Zespół może pracować na zadaniach, kierownik na etapach i zależnościach, a osoba decyzyjna na kamieniach milowych, ryzykach i terminie końcowym. Nie oznacza to tworzenia niepotrzebnej dokumentacji. Chodzi o pokazanie właściwej ilości informacji właściwej osobie.

Wreszcie możemy wykorzystać AI do stworzenia kompletnego pierwszego projektu harmonogramu. To właśnie tutaj przydaje się podstawowy prompt, który łączy najważniejsze elementy.

PROMPT: „Podziel mój projekt na logiczne etapy. Dla każdego etapu określ zadania, kolejność, zależności, potrzebne zasoby i proponowany termin realizacji.”

Można jednak znacznie go rozbudować, jeżeli chcemy uzyskać bardziej użyteczny rezultat.

PROMPT: „Pomóż mi stworzyć kompletny plan projektu. Projekt: [opis]. Główny cel: [cel]. Termin końcowy: [data]. Dostępne osoby i zasoby: [zasoby]. Ograniczenia: [ograniczenia]. Podziel projekt na logiczne etapy, a następnie rozbij każdy etap na konkretne zadania. Dla każdego zadania określ proponowaną kolejność, zależności od innych zadań, potrzebne zasoby, szacowany czas trwania, proponowany termin rozpoczęcia i zakończenia oraz osobę lub rolę odpowiedzialną. Wyznacz kamienie milowe, zadania krytyczne i miejsca wymagające buforów czasowych. Przygotuj również plan minimum i plan rozszerzony. Na końcu wskaż najważniejsze ryzyka harmonogramu i zaproponuj sposoby ich ograniczenia. Nie zakładaj, że wszystkie zadania mogą być realizowane jednocześnie. Jeżeli brakuje danych do stworzenia realistycznego planu, najpierw wypisz pytania, na które powinienem odpowiedzieć.”

Ostatnie zdanie tego promptu jest szczególnie ważne. Dobra AI nie powinna zawsze udawać, że posiada wszystkie informacje. Jeżeli nie wiadomo, ilu ludzi pracuje nad projektem, jakie są ich kompetencje, jakie są zależności zewnętrzne albo jaki jest rzeczywisty termin, lepiej zadać pytania niż wygenerować pozornie precyzyjny, ale całkowicie nierealny harmonogram.

Możemy nawet polecić AI, aby wcieliła się w rolę krytycznego kierownika projektu i spróbowała znaleźć problemy w przygotowanym planie.

PROMPT: „Przyjmij rolę doświadczonego kierownika projektu. Przeanalizuj poniższy harmonogram tak, jakbyś miał odpowiadać za jego realizację. Nie skupiaj się na tym, czy wygląda profesjonalnie. Sprawdź, czy jest realistyczny. Wskaż nierealne terminy, ukryte zależności, brakujące zadania, przeciążenie zasobów, zbyt małe bufory, ryzyka oraz założenia, które mogą okazać się błędne. Następnie zaproponuj poprawioną wersję planu.”

To zastosowanie AI jest często bardziej wartościowe niż samo wygenerowanie harmonogramu. Pierwsza wersja może powstać w kilka minut, ale dopiero krytyczna analiza pozwala sprawdzić, czy rzeczywiście ma sens.

Najważniejsze jest jednak to, aby nie mylić szczegółowości planu z jego jakością. Plan składający się z pięciuset pozycji nie musi być lepszy od planu zawierającego pięćdziesiąt. Nadmierna szczegółowość może utrudnić zarządzanie i sprawić, że każda niewielka zmiana będzie wymagała aktualizacji ogromnej dokumentacji. Dobry plan jest wystarczająco szczegółowy, aby umożliwiać działanie, ale wystarczająco prosty, aby dało się go aktualizować i rozumieć.

Nie należy też traktować harmonogramu jako gwarancji, że projekt zakończy się dokładnie w określonym dniu. Harmonogram jest hipotezą dotyczącą przyszłości. Im mniej pewności mamy na początku projektu, tym bardziej trzeba być gotowym na jego aktualizację. Najlepszy plan nie jest tym, który nigdy się nie zmienia. Jest nim plan, który pozwala szybko zauważyć, że rzeczywistość zaczyna odbiegać od założeń, i odpowiednio wcześnie podjąć decyzję.

Sztuczna inteligencja może w takim procesie pełnić wiele funkcji jednocześnie. Może być narzędziem do rozbijania projektu na etapy, generowania zadań, analizowania zależności, szacowania czasu, wyszukiwania ryzyk, tworzenia kamieni milowych, budowania wariantów harmonogramu, przygotowywania planów awaryjnych i przeprowadzania kontroli logicznej. Nie zastępuje jednak odpowiedzialności osoby prowadzącej projekt. AI może powiedzieć, że dane zadanie powinno potrwać trzy dni, ale nie wie automatycznie, że pracownik odpowiedzialny za jego wykonanie jest w tym tygodniu na urlopie. Może wskazać, że dwa zadania można wykonać równolegle, ale nie wie, że korzystają z tego samego urządzenia dostępnego tylko przez kilka godzin dziennie. Może stworzyć doskonały harmonogram na papierze, który w rzeczywistości jest niemożliwy do wykonania.