Twój feed pewnie wygląda jak mój. „20 promptów, które zmienią Twoją pracę." „AI zastąpi project managerów do końca roku." „Ten jeden GPT robi za cały PMO."

Prowadzę projekty od ponad dwóch dekad. Prince2, AgilePM, zespoły do 23 osób, napisałem o tym książkę. I powiem wprost: większość tych obietnic to szum. Nie dlatego, że AI nie działa. Działa. Tylko nie tam, gdzie krzyczą guru.

Ten tekst to nie lista promptów. To mój realny tydzień. Pokażę Ci konkretnie, co wpiąłem w swoją pracę PM-a i ile mi to daje. A potem pokażę trzy miejsca, gdzie świadomie nie ufam AI i nie oddam mu roboty, choćby nie wiem jak ładnie brzmiał.

Gdzie AI realnie wygrywa

Zacznę od tego, co u mnie faktycznie zadziałało. Nie od hipotez, od rzeczy, które robię co tydzień.

Status raporty. Kiedyś klepałem je z palca: przeklej z Jiry, ubierz w zdania, dopasuj ton do odbiorcy. 40 minut tygodniowo, które nienawidziłem. Dziś wrzucam surowe dane ze sprintu do Claude z jednym stałym promptem i dostaję szkielet w trzech wersjach: dla zarządu, dla klienta, dla zespołu. Redaguję, dodaję kontekst, wysyłam. Zeszło do jakichś 10 minut. Klucz: to zawsze szkielet, nie gotowiec. O tym za chwilę.

Notatki ze spotkań w akcje. To dla mnie największa wygrana. Nagrywam call (za zgodą), przepuszczam transkrypt przez model z promptem „wyciągnij decyzje, akcje z właścicielem i terminem, oraz otwarte pytania". Zamiast wracać do 50 minut nagrania, mam listę do przejrzenia w 5. Nie ufam jej w ciemno, ale jako punkt startu jest bezcenna. Godzina po spotkaniu, którą wcześniej traciłem na spisywanie, w dużej części wróciła.

Draft komunikacji do stakeholderów. Trudny mail do sponsora, który przepala budżet. Eskalacja, która nie może zabrzmieć jak atak. Wrzucam kontekst i proszę o trzy warianty w różnych tonach. AI nie napisze tego za mnie, ale przełamuje pustą stronę i pokazuje ujęcia, na które sam bym nie wpadł. Dobieram, przepisuję po swojemu, wysyłam.

Wstępny research ryzyk. Startuje nowy projekt w domenie, której nie znam na wylot. Pytam AI: „jakie typowe ryzyka pojawiają się w projektach typu X". Dostaję listę do zakwestionowania, nie do przyjęcia. Połowa nie pasuje. Ale ta druga połowa czasem podrzuca ryzyko, o którym bym nie pomyślał, dopóki by mnie nie ugryzło.

Widzisz wzór? W każdym z tych miejsc AI robi pierwszy ruch, a decyzję i odpowiedzialność zostawia mnie. To nie przypadek. To jedyny układ, w którym mu ufam.

Trzy miejsca, gdzie AI nie dostaje głosu

Tu jest sedno tekstu. Bo o tej połowie guru milczą.

1. Estymacje

Poproś dowolny model o estymację, a dostaniesz pewną siebie liczbę. Problem w tym, że on jej nie wie, on ją zgaduje ładnymi słowami.

Estymacja nie żyje w danych, które wkleisz. Żyje w tym, że Marek jest na urlopie w połowie sprintu. Że ten moduł ciągnie za sobą dług techniczny, o którym nikt nie napisał w tickecie. Że klient historycznie zmienia zdanie w trzecim tygodniu. Że zespół jest po trudnym release i potrzebuje oddechu. Tego nie ma w żadnym transkrypcie.

AI poda Ci „8 dni" tonem eksperta. A potem Ty pójdziesz z tą liczbą do sponsora i to Twoje nazwisko będzie pod nią, gdy pęknie. Estymacji nie oddaję. Mogę użyć AI, żeby rozbić zadanie na kawałki. Ale liczbę przy każdym kawałku stawiam sam, z zespołem, patrząc mu w oczy.

2. Decyzje o ludziach

Kto poprowadzi ten strumień. Kto się wypala i trzeba go odciążyć. Jak rozegrać konflikt między dwójką seniorów, którzy przestali ze sobą gadać. Komu powiedzieć, że nie dowozi.

AI nie ma tu żadnej stawki. Nie zna historii tych ludzi, nie siedziało z nimi w okopach, nie poniesie konsekwencji złej decyzji. Zarządzanie ludźmi to zaufanie i wyczucie sytuacji, a nie zadanie do sprowadzenia do promptu. Model chętnie podpowie Ci, „jak przeprowadzić trudną rozmowę". Ale to Ty ją przeprowadzasz i to Ty odbudowujesz relację, jeśli pójdzie źle. Tego obszaru pilnuję zazdrośnie. To jest robota PM-a, nie maszyny.

3. „Prawda" o realnym statusie projektu

To najbardziej podstępne, bo wygląda najniewinniej.

Wrzucasz notatki ze spotkania i prosisz o podsumowanie statusu. AI wypluwa gładki akapit: „projekt postępuje zgodnie z planem". Tyle że w transkrypcie były trzy asekuracje, jedno „chyba zdążymy" i cisza po pytaniu o testy. Model wygładził niepewność w pewność, bo tak został skrojony. Zawsze brzmi pewnie, i gdy ma rację, i gdy jej nie ma.

Realny status projektu to nie streszczenie tekstu. To polityczna prawda: co ludzie mówią, a czego nie mówią, gdzie się wahają, czyj „zielony" jest naprawdę zielony. AI halucynuje pewność, a moja robota polega dokładnie na tym, żeby ją przekłuwać. Podsumowania używam. Ale ocenę, czy projekt naprawdę jest na torach, stawiam sam, i często brzmi inaczej niż akapit z modelu.

Mój setup, czyli proces przed narzędziem

Spodziewasz się teraz listy piętnastu wtyczek. Nie będzie.

Używam w zasadzie trzech rzeczy: jednego asystenta AI (u mnie Claude czasem Gemini lub ChatGPT), Jira, Confluence na wiedzę i akcje, oraz narzędzia do transkrypcji spotkań. Tyle. Nie dlatego, że jestem minimalistą z zasady, tylko dlatego, że problemem nigdy nie jest brak narzędzi.

Nie automatyzuje się bałaganu. Najpierw układasz proces, dopiero potem podłączasz maszynę, inaczej dostajesz szybszy chaos. Pisałem o tym szerzej w architektura przed automatyzacją. Z AI jest identycznie. Zanim wpiąłem model w status raporty, najpierw miałem czysty, powtarzalny sposób ich pisania. AI tylko przyspieszył krok, który już był ułożony.

Cały mój setup trzyma się jednej zasady, która ma nazwę.

AI to asystent juniora, nie zastępstwo osądu

Wyobraź sobie bardzo bystrego stażystę. Szybki, oczytany, nigdy się nie męczy. Dałbyś mu do przygotowania szkic raportu, research, pierwszą wersję maila, wyciąg z notatek. I byłbyś zadowolony.

A teraz: czy pozwoliłbyś temu stażyście podpisać estymację, którą niesiesz zarządowi? Zdecydować, kto dostanie awans? Powiedzieć komitetowi sterującemu, że projekt jest zdrowy? Nigdy. Nie dlatego, że jest głupi. Dlatego, że nie ma doświadczenia, relacji ani skóry w grze.

Z AI stosuję dokładnie tę samą granicę. Robota juniora: draft, research, wyciąg, pierwsza wersja. Robota PM-a: osąd, liczba, decyzja o człowieku, prawda o statusie. Ta granica to nie brak zaufania do technologii. To wiedza, gdzie kończy się przyspieszanie, a zaczyna odpowiedzialność, której nie da się scedować.

To zresztą inna warstwa niż zaufanie do AI na poziomie całej firmy, o którym pisałem w czy możesz ufać AI w swojej firmie. Tam chodzi o ład wokół narzędzia. Tu o Twój własny warsztat i o to, których zadań ze swojej roli nie oddajesz nikomu, ani człowiekowi, ani maszynie.

Na koniec

AI w zarządzaniu projektami działa. Oddał mi realne godziny w tygodniu na status raportach, notatkach i draftach. Ale każdą z tych wygranych zawdzięczam temu, że wcześniej ustawiłem granicę: AI robi pierwszy ruch, ja stawiam ostatnie słowo.

Estymacje, ludzie, prawda o statusie. Trzy rzeczy, których nie oddam. Nie z ostrożności, tylko dlatego, że to jest właśnie ta praca, za którą PM bierze odpowiedzialność.

Buduję teraz „AI w pracy": zestaw workflow-ów dla project managerów, poskładany dokładnie tak, jak sam pracuję. Bez magii, z granicami zaznaczonymi na czerwono. Jeśli chcesz wejść na early-access jako pierwszy i mieć wpływ na to, co powstaje, napisz do mnie na kontakt@krzysztofnyrek.pl.