I dette blogindlæg kan du læse mere om, hvordan Fortes ProjectFlow’s strukturerede projektdata kan kombineres med kunstig intelligens (AI) og der med hjælpe med projekteksekveringen.
Hvad kan AI så bruges til i projekt- og porteføljestyring?
Det anerkendte Project Management Institute (PMI) har i artiklen ”pushing the limits” indsamlet erfaringer omkring brugen af AI og konkluderer, at den største gevinst ligger i at øge den individuelle produktivitet for de involverede i projekterne.
En række konkrete use cases nævnes af interviewet i studiet fra PMI:
– Hjælp til projektplanlægning
– Udfyldning af risikolog og mitigering af risici
– En projektstyrings FAQ, som hjælper med projektstyringsrelaterede spørgsmål
– Vidensoverdragelse ved projektafslutning
– Genbruge ”lessons learned” fra tidligere projekter
– Hjælp til statusrapportering
Microsofts cloud indeholder en hel række generative AI løsninger. Da ProjectFlow driftes i Microsoft Azure og er baseret på Microsoft Entra ID kan fx CoPilot/ChatGPT knyttes til ProjectFlow. Derved kan ovenstående use cases understøttes.
Vi arbejder også på at lave en ”AI assistent” til ProjectFlow. Assistenten implementeres som et indlejret chat interface, som man har set i mange andre sammenhænge.
Men til forskel fra mere eller mindre ”intelligente” support-chatbots, har vores assistent grundigt kendskab til dokumentationen og det tilgængelige featuresæt, og baseres på en præget OpenAI sprogmodel (LLM), i stil med dem vi kender fra Chat-GPT.
Vi påtænker at udvikle assistentens featuresæt i nogle overordnede kadencer:
1. Kendskab til dokumentation
2. Kendskab til tilgængeligt featuresæt (konkret installation såvel som bruger)
3. Kendskab til data (i brugerens kontekst)
4. Adgang til aggregeret data og systemindikatorer (påmindelser, advarsler m.v.)
5. Oprettelse af data (endnu noget usikker i form).
Figur 1. GenAI kan fordres med oplysninger om projektet og komme med forslag til risici i risikologgen.
Se også video om risikostyring, AI og ProjectFlow 365 her
Udvid AI med data fra ProjectFlow
Sprogmodellen kan ”fordres” med strukturerede projektdata fra f.eks. ProjectFlow og kombinere dette med al den anden viden, som sprogmodellen i forvejen har, og derefter give et endnu bedre svar tilbage. Det kaldes RAG (Retrieval-Augmented Generation) med et fint ord.
RAG er en AI-teknik, der kombinerer store sprogmodeller (LLM’er) med eksterne kilder såsom ProjectFlow. Derved forbedres præcisionen og relevansen af de genererede svar. Det betyder, at modellen ikke kun genererer tekst baseret på dens træning, men også kan hente relevante oplysninger fra ProjectFlow for at forbedre nøjagtigheden og relevansen af dens svar.
For at øge sandsynligheden for få et godt svar fra sprogmodellen er det en fordel, at det er strukturerede projektdata – f.eks. fra data fra et projekt- og porteføljestyringssystem. Så hvis din organisation ikke har et sådant system, så er der endnu en grund til at række ud til ProjectFlow.
75% of organizations have increased their technology investments around data life cycle management due to Generative AI.
Deloitte undersøgelse, august 2024
Hvilken form for AI bruger vi?
I ProjectFlow anvender vi en form for AI kendt som generativ AI (GenAI), som anvender store sprogmodeller. Disse modeller er trænet på store mængder tekstdata og kan generere menneskelignende tekst, hvilket gør dem velegnede til oprette forslag til indhold i dit projekt og hjælpe med afrapportering.
Figur 2. Der findes forskellige former for AI. ProjectFlow kan p.t. udvides med Generativ AI, som kan generere indhold (typisk billeder og tekst) ud fra almindelig tekst. Kilde.
Der findes enorme mængder af viden i sprogmodeller såsom ChatGPT, CoPilot og DeepSeek. Men din organisation kan få endnu større glæde af sprogmodellen, hvis den ved mere om din organisations projekter.
Risikerer vi at vores data deles med andre?
Det er et område, som Microsoft har behandlet meget intensivt. I dokumentationen ”Data, privacy, and security for Azure OpenAI Service” beskriver de databeskyttelsen. Det anføres bl.a. at input og output samt træningsdata ikke er tilgængelige for andre kunder eller OpenAI. Data bliver således ikke brugt til at forbedre OpenAI-modeller osv. Dine finjusterede Azure OpenAI-modeller er udelukkende tilgængelige for din brug.
Opsummering
ProjectFlow kan udvides med AI, og derved kombinere AI og strukturerede data, som forbedrer resultatet fra sprogmodellen uden at dele data med andre organisationer. Ved at udnytte generativ AI og RAG kan vi ProjectFlow løfte både effektiviteten men også kvaliteten af beslutningstagningen.
Kilder:
”Pushing the Limits – Transforming Project Management With GenAI Innovation”, Project Management Institute (PMI)
”First Movers’ Advantage – The Immediate Benefits of Adopting Generative AI for Project Management”, Project Management Institute (PMI)
“Now decides next: Moving from potential to performance – Deloitte’s State of Generative AI in the Enterprise Quarter three report”, Deloitte august 2024
“Data, privacy, and security for Azure OpenAI Service”, 18/12-2024. Microsoft.