Kunstig intelligens møter prosjektfaget
Marte Bache
Da PS 2000 ble gjennomført, var digitalisering først og fremst et støtteverktøy. Nå former kunstig intelligens selve prosjektfaget. Vi står midt i et skifte der prosjektlederen blir både mer menneskelig og mer datadrevet. Gjennom praktiske forsøk og reelle prosjektprosesser ser vi hvordan KI forandrer arbeidsmetoder, roller og beslutninger, uten å fjerne behovet for erfaring, dømmekraft og etikk.
KI som muliggjører i prosjektledelse
Kunstig intelligens har eksistert i flere tiår, men den nye bølgen av generativ KI har gjort teknologien tilgjengelig i hverdagen. For prosjektfaget betyr det et potensial for høyere kvalitet, samtidig som mye av det manuelle «maskinarbeidet» automatiseres. KI gjør det mulig med skreddersøm i løsninger, prosjektmodeller og opplæringsløp til det enkelte prosjekt eller portefølje. Resultatet er mer tid til ledelse, kommunikasjon og analyse.
Når vi snakker om KI i prosjekter, handler det gjerne om tre sammenvevde områder:
(1) KI som evner å gjenkjenne mønstre og forstår språk
(2) Maskinlæring som lærer av data og kan forutsi utfall
(3) Generativ KI som skaper førsteutkast, oppsummerer og forklarer basert på fleksibel input-data
Effekten merkes gjennom hele livsløpet. I konseptfasen synliggjør KI alternativer raskt, i plan fanger den risiko tidligere, i gjennomføring strømlinjeformes status og avviksoppfølging, samtidig som kursing i utilgjengelige temaer som kontrakt og teknisk spesifikasjon blir allemannseie. I avslutning blir læringspunkter og sporbarhet bedre ivaretatt. I kontrollerte studier er det observert at verktøy som Copilot kan gjøre kunnskapsarbeid merkbart raskere og mer konsistent (bl.a. 29 % raskere i oppgaver som søk, skriving og oppsummering; nesten 4× raskere å «ta igjen» et tapt møte).¹
Allerede i dag finnes KI i hverdagen til mange prosjektledere, enten det gjelder oppgavesporing, automatiserte analyser eller generering av møtereferater. Det som virkelig skiller dagens KI fra tidligere digitale løsninger, er evnen til å lære av data, oppdage mønstre og forutsi utviklingstrekk, samt skape innhold på nivå med mennesker. Det flytter teknologien fra å effektivisere rutiner til å forme beslutninger og praksis.
Hva sier forskningen – og
hva ser vi i dag?
Forskningen peker i samme retning som erfaringene fra praksis: arbeidet går raskere og kvaliteten øker når oppgaven ligger innenfor KIs styrkeområder². I storskala feltdata ser man bruk av KI gir produktivitetsløft i snitt, med størst effekt for de minst erfarne – som i praksis gir jevnere kvalitet i team. Samtidig faller treffsikkerheten når oppgaven ligger utenfor KIs kompetanse. Poenget er ikke at alt bør automatiseres, men at bruken må styres klokt.²,³
Flere internasjonale studier konkluderer med at KI kan transformere faget, særlig i store og komplekse prosjekter.⁴ Jo mer komplekst prosjektet er, og jo mer data som håndteres, desto større gevinst.⁵ Gartner har i flere år pekt på at en stor andel prosjektledelsesoppgaver kan automatiseres innen 2030, primært de repeterbare data- og rapportoppgavene.
Samtidig viser erfaringer at mange KI-prosjekter feiler fordi de blir implementert uten tilstrekkelig forståelse av arbeidsprosesser.
Fire områder der KI gir mest effekt
Forskning og praksis peker på fire kjerneområder der KI gir tydelige resultater
• Automatisering av rutineoppgaver: KI tar over repeterende oppgaver som statusrapport er og dokumenthåndtering, og frigjør tid til mer verdiskapende arbeid.⁶
• Risikohåndtering: Gjennom analyse av historiske data kan KI oppdage mønstre og varsle om mulige avvik tidligere enn før.⁷
¹ Nieto-Rodriguez, A., & Vargas, R. V. (2023). How KI Will Transform Project ²Söderlund, J., Geraldi, J., & Söderholm, A. (2020). Project Studies: What it is, where it is going. International Journal of ³Project Management Institute (PMI) (2021). KI Innovators: Cracking the Code on Project Performance
⁴Dacre, N., & Kockum, F. (2022). Artificial intelligence in project management: A review of KI’s usefulness and future considerations for the project profession. Association for Project Management (APM).
⁵ Nieto-Rodriguez, A., & Vargas, R. V. (2023). How KI Will Transform Project Management. Harvard Business Review
⁶ Söderlund, J., Geraldi, J., & Söderholm, A. (2020). Project Studies: What it is, where it is going. International Journal of Project Management.
⁷ Project Management Institute (PMI) (2021). KI Innovators: Cracking the Code on Project Performance.
• Beslutningsstøtte: KI gir bedre grunnlag for prioriteringer og ressursallokering gjennom simuleringer og scenarier.⁸
• Læring og forbedring: Kontinuerlig overvåking av fremdrift og prestasjon gir løpende læring på tvers av prosjekter. I tillegg gjør KI det mulig å tilpasse opplæringen for prosjekt medarbeidere, ledere og interessenter til det enkelte prosjektets karakter, kontrakt og kon tekst. Denne målrettede læringen, hvor kunnskap og trening justeres etter prosjektets behov gir raskere kompetanseheving og høyere verdi i praksis
Men gevinstene kommer bare når data er pålitelige, strukturerte og tilgjengelige. Dårlig datakvalitet reduserer verdien dramatisk. I tillegg kreves kompetanse og opplæring. KI fungerer best når prosjektledere forstår både teknologien og faget, og når virksomheten måler effekt før den skalerer opp bruken.⁹
Prosjektlederrollen – mer strategisk, mer menneskelig?
KI endrer ikke bare prosessen, men selve rollen til prosjektlederen. Tidligere lå hovedvekten på planlegging, rapportering og kontroll. Nå flyttes fokus mot ledelse, fasilitering, optimalisering og strategiske valg. Automatisering gjør at status, dokumentasjon og grunnleggende analyse tar mindre tid, mens menneskelig dømmekraft og kommunikasjon blir viktigere enn noen gang. Prosjektlederen kan bruke mer av dagen på å sette retning, bygge team og navigere interessenter. Det betyr også høyere forventinger; å kunne kombinere erfaring med datadrevet dømmekraft, vite når modellen er god nok, og sette klare rammer for etikk, kvalitet og ansvar. I praksis ligner rollen stadig mer på en dirigent: orkestrere mennesker, prosesser og teknologi, med et skarpt blikk for konsekvensene av beslutningene.
Tre tydelige skifter merkes i praksis:
Fra Til Effekt
Planlegging og kontroll
Detaljstyring
Erfaring alene
Ledelse og fasilitering
Relasjoner, kommunikasjon og strategiske beslutninger
Menneskelig dømmekraft + datadrevne analyser
Mer tid til mennesker og retning
Økt samhandling og endringskraft
Bedre beslutninger og læring
Som Harvard Business Review formulerer det «Prosjektledere vil ikke forsvinne, men de må omfavne endringene og dra nytte av de nye teknologiene.»10
⁸ Dacre, N., & Kockum, F. (2022). Artificial intelligence in project management: A review of KI’s usefulness and future considerations for the project profession. Association for Project Management (APM).
⁹ Gartner (2019). Gartner Says 80 Percent of Today’s Project Management Tasks Will Be Run by Artificial Intelligence by 2030. 10Nieto-Rodriguez, A., & Vargas, R. V. (2023). How KI Will Transform Project Management. Harvard Business Review
Våre erfaringer i Metier
Vi har de siste årene testet og tatt i bruk KI i sentrale prosjektprosesser – fra planlegging og analyse til gjennomføring og rapportering. Ambisjonen har vært raskere og bedre beslutninger, bedre innsikt og mer tid til ledelse. Arbeidet spenner fra det helt praktiske til det mer avanserte. I den ene enden bruker vi språkmodeller til å løfte tungt tekstarbeid, som å skrive førsteutkast til prosjektdokumenter, oppsummere kontrakter og få oppfølgingspunkter fra møtereferater. I den andre enden har vi brukt prediktive modeller i tidligfase for å strukturere store datamengder, avdekke sannsynlige feil og årsaker – og gjøre innsikten tilgjengelig direkte i ingeniørenes arbeidsverktøy. Dette gir raskere tilgang til beslutningsgrunnlag og bedre støtte for utvikling og forbedring.
I praksis har vi sett størst effekt der arbeidsoppgaver starter med et tomt ark eller med store informasjonsmengder. KI hjelper oss å bearbeide tilbud og kontraktsvedlegg til korte, treffsikre sammendrag og «første gode versjon» av rapporter, prosjektstyresaker og status, mens beslutninger og tiltak flyter rett inn i oppfølgingen. Verdieffekten er at teamet kan bruke mer tid på kvalitetssikring og optimalisering, ikke på formatering. Møtene blir mer virkningsfulle når beslutninger og tiltak automatisk følges opp, i stedet for å bli liggende i notater. Resultatet er kortere ledetid, færre tekstiterasjoner og raskere oppfølging – som samlet gir bedre beslutninger, og høyere og jevnere kvalitet i leveranser.
Innen risikostyring har vi brukt KI til å oppdage mønstre i risikologger og foreslå prioriteringer. Resultatet er at vi får identifisert risikoer tidligere og kommer tidligere til diskusjonen om tiltak, som igjen gir større spillerom for gode løsninger. På estimering i tidligfase har sammenligning mot historikk og «liknende case» gitt oss raskere, mer transparente førsteestimater. Verdieffekten er tidligere og mer treffsikre risikoreduserende tiltak samt bedre kalibrerte estimater, som øker forutsigbarheten i tid og kost og reduserer behovet for sen omarbeiding.
Når vi behandler endringsmeldinger og kontraktskrav, fungerer KI som en tålmodig «andreleser» som peker på relevante bestemmelser og mulige konsekvenser. Beslutningene tas av mennesker, men grunnlaget blir konsist og sporbart.
Gjennom alle disse forsøkene har vi fulgt tre prinsipper:
1. Menneske-i-loopen i alle kritiske leveranser.
2. Virksomhetsstyrte løsninger for data og tilgang.
3. Måling av effekt før skalering.
Nytt landskap av verktøy og aktører
Markedet for KI-løsninger i prosjektledelse er i rask utvikling, og vi ser et tydelig inntog av nisjeselskaper som tilbyr spesialiserte verktøy for oppgaver som tidligere krevde mye manuell innsats. Disse aktørene utfordrer det etablerte ved å ta over deler av prosjektlederens tradisjonelle ansvarsområder eller ved å styrke prosjektstyringen innenfor smalere fagfelt. Denne utviklingen endrer også samspillet mellom prosjektering og prosjektledelse. Når prosjekteringsprosesser i økende grad kan støttes – og delvis gjennomføres – av KI-baserte verktøy, forskyves grensen mellom planlegging, utførelse og oppfølging.
Det gjør prosjektprosessen mer integrert, men stiller samtidig større krav til koordinering, kvalitetssikring og rolleforståelse.
Dette gir store muligheter, men også nye spørsmål:
• Hvordan integreres disse løsningene med eksisterende systemer?
• Hvordan sikrer vi kvalitet og standardisering?
• Hvem har ansvaret når KI gir anbefalinger som påvirker prosjektets retning?
For å lykkes i dette nye landskapet må prosjektlederen kombinere teknologiforståelse med klassiske prosjektlederferdigheter. Det handler ikke lenger bare om å følge opp planer, men om å kunne vurdere, implementere og bruke KI-løsninger på en måte som skaper verdi. Prosjektlederen må forstå teknologiens muligheter og begrensninger, stille kritiske spørsmål og sikre kvalitet og ansvarlighet i beslutninger basert på KI.
Utfordringer og usikkerhet KI bringer med seg både muligheter og dilemmaer som prosjektledere må håndtere:
• Etikk og ansvar: Kan vi stole på KI-anbefalinger, og hvem bærer ansvaret ved feil?
• Personvern og datasikkerhet: Prosjekter inneholder ofte sensitive data som må håndteres forsvarlig.
• Kompetanse: Prosjektledere må utvikle digital forståelse og evne til å bruke KI kritisk.
• Endringsledelse: Organisasjoner må akseptere en ny hybrid hverdag der mennesker og KI samarbeider.
Som Nenni et al. (2024) påpeker, er datakvalitet, integrasjon med eksisterende systemer og mangel på kompetanse blant de største utfordringene for å lykkes med KI i prosjektledelse. Feltet er fortsatt fragmentert, og det finnes ingen entydig beste praksis. For å realisere gevinstene må virksomheter investere i opplæring, etiske rammer og sikre at KI-løsninger er trygge, transparente, forutsigbare og tilpasset prosjektets behov.11
¹¹Nenni, M. E., De Felice, F., De Luca, C., & Forcina, A. (2024). How artificial intelligence will transform project management in the age of digitization: a systematic literature review. Management Review Quarterly, 75, 1669–1716. https://doi.org/10.1007/s11301-024-00418-z
Hva betyr dette for prosjektfaget?
Erfaringen så langt er tydelig: Kunstig intelligens gir målbar effekt på skrive-, analyse- og oppsummeringsoppgaver, og forbedrer beslutningsgrunnlaget – når bruken styres, oppgaven ligger innenfor KIs styrker, og mennesker kvalitetssikrer resultatene.
Teknologien løfter særlig de minst erfarne og bidrar dermed til raskere onboarding, jevnere kvalitet og bedre samlet prestasjon. KI vil ikke erstatte prosjektlederen, men styrke rollen. Fremtidens prosjektleder blir en «augmented leader» – en leder som kombinerer menneskelig dømmekraft, kommunikasjonsevne og etisk refleksjon med datadrevet innsikt. Prosjektfaget blir mer analytisk, mer strategisk – og mer menneskelig.
KI tilfører kontinuerlige data, mønstergjenkjenning og prediktive analyser. Prosjektledelse blir mer empirisk og evidensbasert, men vil fortsatt kreve menneskelig skjønn for å tolke og handle.
Dette reiser et spørsmål som bør stå sentralt i videre forskning og fagutvikling:
Hvordan kan prosjektfaget utvikle modeller, metoder og utdanninger som utnytter kunstig intelligens som en integrert del av prosjekter, uten å svekke det som gjør prosjektledelse til et menneskelig fag?
Om forfatteren:
Marte Bache leder Metiers AI-team og er Senior Manager med bakgrunn fra strategi, virksomhetsutvikling og prosjektledelse. Hun er siviløkonom fra Copenhagen Business School (CBS) og fullfører nå en MBA i Technology Management ved NTNU.