Fyra moderna projekt

Vad projektledare kan lära av AI-campus, elnät och megainfrastruktur?

De flesta projektledningsmodeller bygger på samma antagande: målet är tydligt, lösningen går att planera och omvärlden ändrar sig långsamt. De senaste åren har flera projekt visat motsatsen. Här är fyra moderna projekt – pågående eller nyligen accelererade som är så extrema i skala, tempo eller systemkomplexitet att traditionell projektlogik inte räcker till.

1. AI-datacentercampus i Wyoming – när projektet kräver mer el än en hel delstat

Ett av världens mest uppmärksammade – men fortfarande relativt okända – projekt är de nya AI-datacentercampus som byggs i USA:s inland, bland annat i Wyoming. Dessa campus planeras för flera gigawatt effekt, vilket är mer än vad många länder förbrukar totalt.

Det speciella är inte byggnaderna.
Det är att energiförsörjningen är själva huvudprojektet.

Projektet omfattar:

• nya kraftverk
• nätförstärkningar
• långsiktiga elavtal
• parallell byggnation i etapper som ännu inte är fullt definierade

Projektledningslärdom

Det här är inte ett byggprojekt med el som stöd – det är ett energiprojekt med byggnader som konsekvens.
När beroendena är större än leveransen måste governance, intressentstyrning och riskägarskap komma före tidplan.

2. Google X – Tapestry: projektet som vill göra elnätet “synligt”

Google X-projektet Tapestry har under 2024–2025 gått från forskningsidé till piloter med riktiga elnätsoperatörer. Målet är djärvt: att skapa en gemensam digital karta över hela elnätet – från produktion till distribution. Man brukar beskriva det som “Google Maps för elnätet”.

Det som gör projektet unikt är att:

• lösningen är mjukvara
• användarna är offentliga och reglerade aktörer
• systemet måste fungera tillsammans med fysisk infrastruktur som inte kan pausas

Projektledningslärdom

Här finns ingen tydlig slutleverans. Plattformen måste växa i takt med att användarna vågar lita på den.
Detta är ett exempel på projekt där framgång mäts i adoption och förtroende, inte i färdig funktionalitet.

3. The Line (NEOM) – när visionen är viktigare än planen

Saudiarabiens megaprojekt The Line har under 2024–2025 genomgått omplaneringar, nedskalningar och omprioriteringar – men projektet fortsätter. En 170 km lång stad, 200 meter bred, byggd från grunden i öknen. Oavsett vad man tycker om idén är projektet extremt.

Det mest intressanta ur projektledningsperspektiv är inte tekniken, utan att:

• målbilden förändras
• beslut tas politiskt snarare än projektmässigt
• projektet inte får misslyckas offentligt

Projektledningslärdom

Här är commitment lock-in starkare än business case.
I vissa projekt är din viktigaste uppgift inte leverans – utan att skapa stabilitet när förutsättningarna ändras.

4. Snabbindustrialiserade byggprojekt i Europa – “fabrik istället för byggplats”

Under 2024–2025 har flera europeiska bygg- och infrastruktursatsningar gått över till extrem prefab-logik: sjukhus, bostäder och industribyggnader produceras i fabrik och monteras på plats på rekordtid.

Det visuella resultatet är ofta förvånande:

• byggnader som “dyker upp” på veckor
• minimalt arbete på plats
• drastiskt minskad byggtid

Projektledningslärdom

Projektets kritiska väg flyttas från platsen till fabriken.
Planering, logistik och standardisering blir viktigare än klassisk byggledning.

Sammanfattning: 

Trots att projekten är helt olika delar de tre egenskaper:

1. De är systemprojekt, inte leveranser
2. De kräver beslut även när informationen är ofullständig
3. Projektledarens roll handlar mer om riktning än kontroll

En fråga till dig som projektledare

Om du fick leda ett projekt där:

• målet förändras
• lösningen inte är färdigdefinierad
• och omvärlden rör sig snabbare än planen

Vad skulle du behöva släppa taget om i ditt sätt att leda?

by Svenskt Projektforum

Praktisk och pragmatisk riskhantering - repris

Läs mer och anmäl dig här>

by Svenskt Projektforum

Ledarskap som faktiskt fungerar i dag

Vad ny forskning och praktik säger om att leda människor i en ny arbetsverklighet

Ledarskap har aldrig varit statiskt. Men just nu förändras förutsättningarna snabbare än många ledare hinner uppdatera sitt sätt att leda. Nya generationer kliver in på arbetsmarknaden, tekniken omformar vardagen och kraven på mening, trygghet och utveckling har blivit lika viktiga som leverans och resultat. För projektledare – som ofta leder utan formellt personalansvar – blir detta extra tydligt. Det här är inte en artikel om metoder eller modeller, utan om hur ledarskap faktiskt fungerar i praktiken i dag, enligt aktuell forskning och observationer från arbetslivet.

Från chef till möjliggörare

Ett tydligt skifte i modern ledarskapsforskning är att ledarens roll rör sig bort från kontroll och instruktion, mot stöd, riktning och sammanhang. Särskilt tydligt blir detta i mötet med yngre medarbetare.

Många yngre prioriterar inte titlar eller traditionella karriärsteg. De söker i stället:

• meningsfullt arbete
• kontinuerlig utveckling
• tydliga förväntningar
• och ledare som är närvarande och genuina

Det betyder inte lägre ambition – utan andra drivkrafter. För ledare innebär det att auktoritet inte längre kommer av position, utan av förtroende. För projektledare betyder det här att rollen mer liknar en coach eller mentor än en klassisk uppgiftsfördelare.

Tydlighet är den nya tryggheten

Samtidigt som arbetslivet blivit mer flexibelt har osäkerheten ökat. Forskning visar att många – särskilt i början av karriären – upplever stress kopplad till otydliga krav, diffusa mål och osynliga förväntningar. Det paradoxala är att frihet utan struktur ofta skapar mer oro än engagemang.

Moderna ledare som lyckas bra är därför:

• extremt tydliga med mål och ramar
• öppna med vad som är “tillräckligt bra”
• konsekventa i prioriteringar

Detta skapar psykologisk trygghet, vilket i sin tur ökar både prestation och lärande. Tydlighet i mål, roller och beslutsvägar är inte byråkrati – det är omsorg.

Det mänskliga ledarskapet är inte “mjukt” – det är effektivt

En av de starkaste trenderna i modern ledarskapsforskning är betoningen på autenticitet och empati. Inte som personliga egenskaper, utan som professionella färdigheter.

Ledare som:

• lyssnar aktivt
• visar sårbarhet när det är relevant
• kommunicerar öppet även när svar saknas

bygger team som är mer motståndskraftiga, mer engagerade och bättre rustade för förändring.

Det handlar inte om att vara “snäll”, utan om att skapa relationell stabilitet i en komplex vardag. Relationer är ofta viktigare än processer när det verkligen gäller.

AI förändrar inte bara arbetet – utan förväntningarna på ledare

Tekniken, och särskilt AI, påverkar ledarskapet på ett mer subtilt sätt än många tror. Medarbetare förväntar sig inte att ledaren ska kunna allt – men de förväntar sig:

• nyfikenhet
• transparens
• och en vilja att lära tillsammans

Samtidigt visar studier att ledare ofta tar till sig ny teknik snabbare än sina team, vilket kan skapa ett glapp. Här blir ledarskapet avgörande för hur tekniken upplevs: som hot eller som stöd.

I modern ledarskapsforskning beskrivs AI allt oftare som ett besluts- och reflektionsstöd, snarare än ett produktivitetsverktyg. Din roll är inte att vara teknikexpert, utan att sätta tonen för hur teknik används mänskligt och ansvarsfullt.

Hur mäter vi bra ledarskap i dag?

Synen på vad som är “framgångsrikt ledarskap” håller också på att breddas. Traditionella mått som leverans, effektivitet och resultat kompletteras allt oftare med:

• engagemang
• tillit
• psykologisk trygghet
• vilja att stanna och utvecklas

Det betyder inte att resultat blivit oviktiga – utan att hur resultaten uppnås fått större betydelse. Ett projekt som levererar men lämnar ett utmattat team efter sig är inte längre självklart en framgång.

Sammanfattning – ledarskap som håller över tid

Det moderna ledarskapet kännetecknas mindre av kontroll och mer av:

• tydlig riktning
• mänsklig närvaro
• förtroende
• och förmåga att leda i osäkerhet

För projektledare innebär det ett skifte: från att “driva projekt” till att skapa förutsättningar för människor att lyckas tillsammans.

Avslutande reflektion

Om ledarskap i dag handlar mindre om svar och mer om riktning – vad behöver du själv utveckla för att vara den ledare andra vill följa?

by Svenskt Projektforum

Tips för datautvinning för bland annat AI-projekt – modellen CRISP-DM

CRISP-DM är en beprövad modell som tillhandahåller en färdplan för projekt och ger god praxis samt struktur för bättre och snabbare resultat vid användning av datautvinning, särskilt när det finns stora datamängder.

CRISP-DM är en branschövergripande standardprocess för datautvinning. Modellen ger ett strukturerat tillvägagångssätt för att planera ett datautvinningsprojekt, bland annat för olika former av AI-projekt. Det är en robust och väl beprövad metodik som har funnits i mer än ett decennium och är utan tvekan den mest använda standarden för analysprocesser.

Det är en öppen standard som vem som helst kan använda. Den är utvecklad av ett konsortium med över 200 olika organisationer och med finansiering från Europeiska unionen. Även om modellen utvecklades specifikt för datamining är den tillräckligt flexibel för att passa även andra analytiska projekt.

Modellen visar ett idealiserat händelseförlopp. I praktiken kan dock många uppgifter utföras i en annan ordning, och det är ofta nödvändigt att gå tillbaka till tidigare steg och upprepa vissa aktiviteter. Modellen försöker inte fånga alla möjliga vägar för datautvinning, utan ger exempel på ett strukturerat arbetssätt.

CRISP-DM-processmodellen har sex huvudsakliga faser:

1. Affärsförståelse:
   Skapa en tydlig förståelse för problemet som ska lösas, hur det påverkar organisationen samt vilka mål som finns för projektet. Vid kundprojekt är det i denna fas man förstår kundens behov, problem och mål.
2. Dataförståelse:
   Inspektera, beskriva och utvärdera tillgängliga data. I denna fas samlas data in och en första undersökning av datamaterialet genomförs.
3. Datapreparation/Förberedelser:
   Bearbeta data från dess ursprungliga tillstånd till ett tillstånd som är lämpligt för analys. Under denna fas sker bland annat urval av data, rensning, formatering och sammanslagning av data.
4. Modellering:
   Använd matematiska och analytiska tekniker för att skapa modeller (till exempel ekvationer eller algoritmer) som kan användas för att stödja projekt- eller affärsbeslut. Modelleringen ska stödja de mål som identifierats i affärsförståelsefasen.
5. Utvärdering:
   Utvärdera om modellerna håller tillräcklig kvalitet. Har datautvinningen gett de resultat som efterfrågats? Stödjer resultaten organisationens mål? Här fattas beslut om tidigare faser behöver genomföras igen eller om resultatet uppfyller de krav som ställdes i projektets inledning.
6. Implementering:
   Integrera modellerna i det dagliga affärsarbetet. I denna fas implementeras de framtagna modellerna och en slutlig projektrapport samt projektpresentation tas fram.

Projektledaren och CRISP-DM

Projektledaren har en övergripande roll i varje fas, även om ansvaret är större i vissa faser än i andra. Projektledaren behöver stöd för att få tillgång till relevanta data i rätt form, vilket kräver tydlig involvering från datasägare.

Projektledare har generellt inte de färdigheter som krävs för att utveckla matematiska modeller, men de kan bidra med viktig expertis kring vilka affärsprocesser som ska användas i dataanalysen.

Att bli bekant med CRISP-DM-standarden är särskilt värdefullt för projektledare inom IT. En fråga som ofta uppstår när projektledare hör om dataanalys och datorresurser är: Var är affärsargumentet? CRISP-DM kräver identifiering och dokumentation av affärsfrågor, vilket säkerställer att alla delar en tydlig ram för affärsnytta, mål, arbetsplan och resultat. Projektledaren får därmed god insyn i projektet från början och tillgång till den struktur och dokumentation som krävs för att visa att projektet genomförs av rätt skäl.

En definierad processmodell som CRISP-DM stödjer projektledarens behov av kontroll över data och arbetsprodukter, förutsatt att nödvändiga uppgifter slutförs och dokumenteras. Projektledaren kan – och bör – även ta på sig en viktig men ofta förbisedd roll genom att tillhandahålla system och resurser för korrekt hantering av analysresultat.

Att arbeta gemensamt utifrån en tydligt definierad process underlättar samarbetet mellan projektledare, IT och dataanalytiker. Det förbättrar förståelsen, möjliggör idéutbyte och stärker kommunikationen. CRISP-DM är en etablerad, respekterad och fritt tillgänglig standard som kan anpassas till ett brett spektrum av analysprojekt. Lär känna den – så kan du utföra mer och bättre arbete inom dataanalys.

Om du vill veta mer om CRISP-DM finns det gott om information tillgänglig på internet; ett exempel på var du kan hitta mer information är följande länk: https://www.datascience-pm.com/crisp-dm-2/.

Författare: Camilla Malmer. December 2025.

by Andréa Björklund

Projektledningens Ai-trender

Trender kan ibland vara lite som mode, de kommer och går. Vi anammar, justerar och går vidare. Men en trend som känns som mer än en trend och kommer att fundamentalt förändra hur vi arbetar är förstås AI.

AI kommer också att påverka projektledare och projektledning. Hur mycket och hur snabbt är svårare att bedöma, men förändringsprocessen är redan här. Mellan 2023 och 2025 fördubblades användningen av AI-verktyg inom projektledning.

AI har potentialen att automatisera många av de arbetsuppgifter en projektledare har. Det kommer primärt kanske handla om repetitiva administrativa uppgifter såsom rapporter, schemaläggning av möten, mötesanteckningar och uppdatering av projekt- och tidsplaner. Ett annat område är resursplanering där ett AI-verktyg utifrån en lista över tillgängliga resurser, kompetenser och projektplan kan optimera allokeringen. På samma sätt kan även riskanalyser bli föremål för AI-assistans. Alla dessa typer av arbetsuppgifter har en sak gemensamt, du hittar dem under kompetensområdet Practice i IPMA:s standard.

Detta skulle i sin tur medföra att projektledarens roll blir betydligt mer strategisk än operativ. Det AI inte lätt kan ersätta är just det. Här ligger ledarskap, beslutsfattande, strategiskt och kritiskt tänkande, kommunikation, skapa engagemang och hantera personal. De ”mjuka frågorna” som i IPMA:s standard hittas under de andra två kompetenselementen; Perspective och People.

Sammantaget ser det ut som att projektledarens roll stärks av AI. Tiden kan läggas mer på det som i slutändan ändå är avgörande: nämligen skapa bästa möjliga förutsättningar för projektmedlemmarna att göra ett bra jobb.

Glaset är halvfullt!

Författare: Anders Södergren december 2025

by Andréa Björklund