Hvilke projekter skal vi begynde med?

Vælg ud fra både den forskel, projektet kan skabe, og alt det arbejde, der skal til. EnableAI forbinder to modeller: værdipoint (VP) for den forventede forbedring og størrelsesenheder (SE) for timer, køb og usikkerhed.

Forholdet VP / SE giver et fælles udgangspunkt for prioriteringen. 19,5 VP og 11,47 SE giver fx 1,70 VP pr. størrelsesenhed. Tallene er et regneeksempel, ikke et dokumenteret kunderesultat.

To spørgsmål før I siger ja

  • Hvad bliver bedre? Se på anvendt tid, kvalitet, drift, kunder og dokumenterede muligheder for fremtidig værdi.
  • Hvad kræver det? Medregn leverance, forberedelse, forandringer, uddannelse, kommunikation og opfølgning i både forretning og IT.

Læs om værdimodellen og størrelsesmodellen.

Ny viden skal ændre beslutningen

Før Hypotese, MVP og Skalering revurderer I begge estimater. Efter hver fase sammenligner I faktisk effekt og forbrug med det godkendte grundlag. Nye projekter kan ændre rækkefølgen uden at ændre de eksisterende projekters måleenheder.

Et enkelt overblik over en mere krævende vurdering

Denne side viser princippet. I praksis skal I dokumentere antagelser, undgå at tælle samme gevinst flere gange og vurdere krav, afhængigheder, tid og knappe kompetencer. Den højeste ratio er derfor ikke automatisk det rigtige valg. VP/SE er EnableAI’s lokale beslutningsmodel, ikke økonomisk ROI eller WSJF.

Lær at bruge modellerne på to halve dage

På halvdag 1 om VP omsætter I forventninger til målbare forbedringer. På halvdag 2 om SE og prioritering estimerer I hele indsatsen og øver ledelsens beslutning og opfølgning. Begge workshops varer fire timer inklusive pause.

Vil I gå i dybden? Læs underviserartiklen om beslutning og opfølgning.

Fagligt grundlag

MCDA og GAO’s estimeringsprincipper er faglige afsæt. De konkrete enheder, vægte og formler er EnableAI’s valg til lokal tilpasning.

Brug medarbejdernes viden i prioriteringen

Se AI-kultur i praksis med retning, medarbejderinvolvering og rollebaseret læring. Læs om den inkluderende hypotesefase og AI-træning i arbejdet.