AI ændrer meget. Også hvordan vi strukturerer og prioriterer leverancetrin i IT-projekter. Hvor udviklingsfasen tidligere slugte størstedelen af både tid og budget, bevæger vi os nu mod en ny virkelighed: Analysefasen fylder mere, og en afsluttende testfase bliver en væsentligere del af processen.

Fra projekt til produkt - og fra prediktiv til adoptiv 

AI har sat gang i et skifte af IT-projekters leverancetrin, som i høj grad handler om mindset. Hvor vi tidligere arbejdede i faste projektrammer med faste forudsigelser fra start, bør vi nu bevæge os mod en mere fleksibel produktorienteret tilgang. Her evaluerer, tilpasser og lærer vi løbende med fokus på brugerinddragelse. 

Det betyder, at vi som ledere og fagfolk skal turde sige: “Vi skal ikke gå videre”. Vi skal turde lukke ned for et initiativ, der ikke skaber værdi, og i stedet investere tiden dér, hvor vi faktisk rykker noget. Det kræver både mod, nysgerrighed og ikke mindst en organisation, der er klar til at arbejde på en ny måde. 

Ny struktur i leverancetrinene: Analyse og test får en ny rolle 

I praksis ændrer det måden, vi strukturerer projekter på. Tidligere så faserne i et offentligt IT-projekt (lidt forenklet) typisk ud som grafikken herunder illustrerer: 

Klassisk leverancemodel:

Vi har været vant til, at den indledende analysefase var den, der tog mindst tid. Den har været særlig lille, hvis ikke vi har husket at medtage vigtige overvejelser som governance, rolle- og ansvarsfordeling, operating models og dokumentation for at sikre en vellykket implementering, som jeg ofte har set på flere projekter. Disse overvejelser øger naturligvis analysefasen og er med til at sikre en mere vellykkede udviklingsfase: En fase, der både med og uden en omfattende analysefase udgør mest i både tid og investering. 

Nu, hvor AI accelererer selve udviklingsarbejdet, skifter balancen og giver mulighed for en mere effektiv udviklingsfase. Det fordrer dog en endnu mere præcis analyse og dokumentation af de forretningsmæssige behov. Med AI sker der derfor et skifte i omfanget af leverancetrinene, der kan illustreres således: 

AI-baseret leverancemodel:

Med AI kan vi hurtigt generere kode og løsninger. Men vi skal være ekstremt præcise i analysen og forstå brugerne, kerneprocesserne og målet - ellers fokuserer vi bare på at bygge hurtigere på en ineffektiv måde. Derfor er analysefasen nu også blevet den, der bør fylde mere og i nogen tilfælde mest.   

Samtidig er der kommet et øget behov for en afslutningsvis test-fase, hvor IT-projekterne bliver testet grundigere: Teknisk, organisatorisk og oplevelsesmæssigt.  

Den effektive udnyttelse af AI gør det samtidig muligt at bevæge sig hurtigere gennem faserne fra idé, analyse til udvikling og test. Den innovative model bliver dermed en iterativ model (som symbolet til venstre illustrerer), hvor organisationen kan teste forskellige muligheder – og hvor anvendelsen af AI gør det muligt at afprøve forskellige retninger og løsninger uden at søsætte store fejlslagne projekter.  

Med andre ord går vi fra et projekt-mindset til et produkt-mindset i måden, vi udvikler IT-projekter på, som er illustreret nedenfor: 

Inddrag et produkt-mindset i den AI baseret leverancemodel:

Med en iterativ produktudviklingstilgang kan organisationen arbejde sig trinvis igennem forløbet, hvor der løbende bliver evalueret, om initiativet skal fortsætte (som ‘stop’ og ‘go’ tegnet i den mørkeorange trekant viser). Inddrager vi dette produkt-mindset i vores leverancemodel, tester vi flere løsninger i deres enkle versioner – men ender kun med dem, vi er sikre på, faktisk skaber værdi for os.

Hvordan kan et produkt-mindset passe ind i udbudsprocesser?

I mange offentlige IT-projekter er spillereglerne lagt fra start: Scope, budget og tidsplan fastlåses tidligt gennem udbudsprocessen. Det giver tryghed og overblik – men kan også gøre det svært at arbejde på den mere fleksible og eksperimenterende måde, som et produkt-mindset og AI lægger op til.

Men det behøver ikke være enten-eller. Flere udbud designes i dag, så de indeholder elementer af agilitet: plads til iterationer, test og justeringer undervejs. Det betyder, at samarbejdet mellem kunde og leverandør kan rumme brugerfeedback og markedsændringer – også når projektet strækker sig over måneder eller år.

På den måde er det ikke nok at have dialog tidligt i forløbet. Det afgørende er, at udbuddet giver mulighed for løbende læring og tilpasning i selve samarbejdet.

Den nye måde at levere på kræver et innovativt mindset

Det innovative mindset kan være svært at sætte gang i. Særlig i store organisationer, hvor mentaliteten kan være låst fast i klassiske rammer. 

For at vi kan lykkes med innovation og AI-drevne processer, skal vi turde arbejde anderledes – og det starter som alt andet, med ledelse. Her anbefaler jeg, at følgende skal i spil: 

(Nye) ledelsesformater: 

• Sæt mangfoldighed og tværfaglighed i spil ved at oprette et rum for teams med forskellige kompetencer og perspektiver 

• Skab psykologisk tryghed ved at give plads til den “skøre idé” og acceptér, at fejl er en naturlig del af innovation 

• Tænk eksperimenter og læring ind i budgettet. Innovation kræver ressourcer og struktur 

• Prioritér løbende læring og feedback – innovation er også uddannelse og vidensdeling 

• Led gennem eksempel ved at være en nysgerrig og åben leder for at skabe forandring 

Konklusion: AI ændrer ikke bare, hvad vi gør – men hvordan vi tænker 

AI er ikke blot en ny teknologi – det er en katalysator for at gentænke, hvordan vi udvikler og leverer digitale løsninger. Det kræver nytænkning i udbud og leverancemodeller, et modigt innovationsmindset og nye ledelsesformer. 

Her skal fremtidens digitale organisationer tage føringen - ikke ved blot at eksekvere hurtigere, men ved at analysere klogere, styrke teams og træffe modigere beslutninger.