Videoserien

Frode Stenstrøm og Adrian Sjøholt sammenlignet verktøy fra Google, OpenAI og Anthropic gjennom oppgaver innen prosjektplanlegging og dokumentasjon. Eksemplene omfattet kravdokumenter, milepælsplaner og rapportering med et felles oppgavegrunnlag.

Dette bør dere følge opp

Resultatene viser hvordan bestemte modellversjoner håndterte de valgte instruksjonene på opptakstidspunktet. Prosjektledere må kontrollere forutsetninger, avhengigheter og tall mot prosjektets faktiske grunnlag, og bevare sporbarhet når et KI-utkast bearbeides.

Serien brukte samme prosjektgrunnlag til kravdokument, milepælsplan, WBS, ansvarsmatrise, risiko og presentasjon på tvers av modeller. Det gjør sammenligningen konkret, men også tidsbundet til valgte versjoner og instrukser. Prosjektets egne avhengigheter og beslutninger må fortsatt spores til mennesker, godkjente dokumenter og prosjektets vedtatte grunnlinje for tid, kostnad og omfang.

NIST AI RMF deler risikostyringen i styring, kartlegging, måling og håndtering. Det gir en leverandøruavhengig struktur for å lese råd og modelltester i ProsessPilotene-materialet. Demonstrasjonene viser bestemte oppgaver; rammeverket krever at virksomheten også vurderer kontekst, konsekvens, målemetode og ansvar gjennom hele livsløpet.

En pilot bør ha et avgrenset datasett, forventede svar, vanskelige moteksempler og en navngitt eier for beslutningen. Feil må klassifiseres etter konsekvens, ikke bare telles. Modell- og instruksjonsversjon bør lagres, slik at virksomheten kan forklare hvorfor et resultat endrer seg før agenten får større handlingsrom.

Kilder

Primærkilde: ProsessPilotene, «Slik bruker du AI i prosjektarbeidet», 1. september 2025.

NIST, AI Risk Management Framework 1.0, 26. januar 2023.

Del dine erfaringer

Hvilken erfaring fra deres egen virksomhet er mest relevant for denne saken? Del gjerne hva dere lærte.