Im bardziej złożone środowisko projektowe, tym mniej skuteczna okazuje się wiara w doskonały plan. W świecie zmienności przewagę buduje nie precyzja harmonogramu, lecz jakość uczenia się zespołu. Co jeśli projekt nie jest liniową realizacją zakresu, lecz sekwencją eksperymentów – a sztuczna inteligencja może tę pętlę znacząco wzmocnić?
W zarządzaniu projektami nauczyliśmy się planować coraz lepiej. Tworzymy szczegółowe harmonogramy, precyzyjne zakresy, mapy ryzyk i mierzalne cele. W teorii wszystko jest spójne. W praktyce – projekty nadal napotykają opóźnienia, napięcia i frustrację. Jednym z częstszych źródeł problemów nie jest brak planu. Problemem bywa nadmierne przywiązanie do planu oraz do sztywno zdefiniowanych celów.
Tymczasem środowisko projektowe – szczególnie w erze transformacji cyfrowej i sztucznej inteligencji – jest dynamiczne. Zmieniają się priorytety, interesariusze, dostępność zasobów, a często także samo rozumienie problemu, który projekt miał rozwiązać. W takich warunkach sztywne zarządzanie przez cele zaczyna ujawniać swoje ograniczenia. Skupienie na wyniku – liczbie, dacie, KPI – sprawia, że projekt zaczyna bronić wskaźnika zamiast uczyć się rzeczywistości.
Właśnie w tym miejscu klasyczne podejście zadaniowe zaczyna ustępować miejsca podejściu pętlowemu – opartemu na procesie, refleksji i eksperymentowaniu. I tu pojawia się przestrzeń dla innej logiki zarządzania projektem. Nie plan jako ostateczna mapa. Nie cel jako jedyny punkt odniesienia. Lecz pętla uczenia się jako podstawowy mechanizm postępu.
Projekt jako sekwencja ruchów – logika Kata Doskonalenia
Jeżeli plan przestaje wystarczać, potrzebujemy innej logiki działania. Takiej, która nie opiera się na jednorazowym zaprojektowaniu przyszłości, lecz na systematycznym uczeniu się w drodze do niej. Taką logikę opisuje Kata Doskonalenia – koncepcja spopularyzowana przez Mike Rother w książce Toyota Kata. Rother, badając wzorce działania w Toyota, zauważył, że przewaga tej organizacji nie wynika wyłącznie z narzędzi Lean, lecz z powtarzalnych nawyków myślenia i działania.
Rys. 1. Logika Kata Doskonalenia
Źródło: Opracowanie własne Leantrix na podstawie książki Toyota Kata Mike’a Rothera
Kata Doskonalenia opiera się na czterech krokach:
- Ustal kierunek lub wyzwanie (6 miesięcy – 3 lata).
- Zrozum stan obecny.
- Ustal następny stan docelowy (1–3 miesiące).
- Działaj w krótkich cyklach eksperymentów (PDCA).
Krok 1. Wyzwanie – gdzie chcemy dojść?
Każdy projekt powinien rozpocząć się od zdefiniowania wyzwania. Nie chodzi o listę zadań ani o backlog. Chodzi o kierunek, który jest spójny z wizją organizacji i nadaje sens działaniu zespołu. Dla przykładu organizacji konferencji, wyzwanie projektowe może brzmieć: zgromadzić liczbę uczestników i partnerów strategicznych o 50% wyższą niż we wcześniejszej edycji.
Krok 2. Stan obecny – gdzie naprawdę jesteśmy?
Drugi krok wymaga brutalnej uczciwości. Zamiast zakładać, że „damy radę”, zespół projektowy musi zrozumieć aktualną sytuację – w oparciu o fakty.
Krok 3. Następny stan docelowy – nie cel końcowy, lecz kolejny krok
To jeden z najważniejszych elementów Kata. Nie przechodzimy od stanu obecnego bezpośrednio do wyzwania rocznego. Ustalamy następny stan docelowy na 1 miesiąc, na przykład: 3 potwierdzonych partnerów strategicznych konferencji.
Krok 4. PDCA – tygodniowe sprinty eksperymentów
Jeżeli projekt prowadzony jest w logice Kata, kluczowe pytanie brzmi: jak pracować pomiędzy stanem obecnym a kolejnym stanem docelowym? Projekt zaczyna funkcjonować w rytmie pętli: hipoteza – działanie – obserwacja – refleksja – kolejna hipoteza. Aby tę logikę uporządkować, warto prowadzić rejestr eksperymentów (rys. 2). Nie jest to skomplikowane narzędzie. To struktura myślenia. Zawiera odniesienie do wyzwania projektu, aktualnego stanu docelowego oraz konkretnej przeszkody, która blokuje postęp.
Rys. 2. Rejestr eksperymentów w Toyota Kata
Źródło: Opracowanie własne Leantrix na podstawie książki Toyota Kata Mike’a Rothera
W projekcie konferencyjnym zespół napotyka trudność w pozyskiwaniu partnerów. Zamiast intensyfikować sprzedaż, formułuje hipotezę: zaproszenie partnerów do współtworzenia panelu tematycznego zwiększy ich zaangażowanie. Ustala metrykę – liczbę pozytywnych odpowiedzi w ciągu dwóch tygodni – i testuje założenie.
Zastosowanie AI w podejściu Kata
W tym miejscu podejścia Kata pojawia się przestrzeń dla sztucznej inteligencji. Po zakończeniu tygodniowego cyklu zespół może przekazać do modelu AI opis eksperymentu: założoną hipotezę, oczekiwany efekt, rzeczywiste wyniki oraz własne wnioski. Na tej podstawie sztuczna inteligencja może:
- pomóc uporządkować obserwacje,
- wskazać możliwe luki w rozumowaniu,
- zaproponować alternatywne interpretacje danych,
- zasugerować kolejne kierunki testowania.
Źródło: Adobre Stock
AI staje się lustrem poznawczym. Nie podejmuje decyzji za zespół. Nie wykonuje eksperymentu. Wzmacnia jednak jakość analizy i poszerza pole widzenia. Co więcej, może wspierać planowanie kolejnego kroku: pomóc sformułować precyzyjniejszą hipotezę, doprecyzować metrykę, zidentyfikować potencjalne ryzyka lub ukryte założenia. W ten sposób każda kolejna pętla eksperymentalna staje się bardziej świadoma.
Kluczowe jest jednak to, że działanie pozostaje po stronie zespołu. To ludzie prowadzą rozmowy, testują rozwiązania, negocjują, wdrażają. Sztuczna inteligencja nie zastępuje doświadczenia ani odpowiedzialności. Wspiera proces uczenia się.
Dr Bartosz Misiurek – ekspert w obszarze Lean Management. Prezes Zarządu w Leantrix i Do Lean IT. Autor ponad 100 publikacji dotyczących rozwoju kompetencji i doskonalenia procesów oraz książki wydanej w USA. Prowadził ponad 300 warsztatów w Polsce i za granicą. Były Lean Global Coach w międzynarodowej organizacji Automotive. Adiunkt na Politechnice Wrocławskiej, gdzie zajmuje się tematyką rozwoju kompetencji oraz zastosowań AI w zarządzaniu.