Prosjektplanlegging med AI: Fra idé til gjennomføring

Har du noen gang startet et maker-prosjekt med stor entusiasme, bare for å gå tom for komponenter halvveis eller oppdage at tidsestimatet var fullstendig urealistisk? Med riktig bruk av AI som planleggingspartner kan du unngå de fleste av disse fallgruvene – og vi skal se på nøyaktig hvordan, sammen.

Hva du trenger

• Tilgang til en AI-assistent (Claude, ChatGPT eller lignende)
• Grunnleggende oversikt over prosjektidéen din
• Tilgang til datablader eller produktsider for aktuelle komponenter
• Et regneark eller tekstverktøy for å organisere resultatet
• Eventuelt en eksisterende komponentbeholdning å sjekke mot

Hvorfor bruke AI i prosjektplanlegging?

De fleste maker-prosjekter feiler ikke på grunn av manglende teknisk kompetanse, men på grunn av dårlig planlegging. Vi undervurderer tidsbruk, glemmer passive komponenter i innkjøpslisten, og oppdager flaskehalser først når loddebolten allerede er varm. En AI-assistent er ikke en erstatning for din egen fagkunnskap, men et verktøy som strukturerer tankeprosessen og fanger opp detaljer du lett overser når du er ivrig etter å komme i gang.

Nøkkelen er å bruke AI systematisk gjennom hele prosjektets livssyklus – ikke bare som en «generer kode»-funksjon, men som en sparringspartner for idé, komponenter, tidsplan og risiko.

Steg 1: Idé-evaluering

Før du kjøper en eneste komponent, bør idéen testes mot realistiske rammer. Her er en fremgangsmåte som fungerer godt:

1. Beskriv prosjektidéen i detalj til AI-assistenten – inkludert formål, ønsket funksjonalitet og eventuelle begrensninger (budsjett, tid, kompetansenivå)
2. Be om en vurdering av teknisk kompleksitet og hvilke delsystemer prosjektet krever (f.eks. strømforsyning, sensorikk, mekanikk, kommunikasjon)
3. Spør spesifikt: «Hvilke deler av dette prosjektet er mest sannsynlig å skape problemer for noen med [ditt erfaringsnivå]?»
4. Be om alternative tilnærminger – ofte finnes det enklere veier til samme resultat

Et konkret eksempel: Si at du vil bygge en autonom linjefølgerrobot med objektdeteksjon. En god AI-respons vil peke på at kombinasjonen av sanntids bildebehandling og presis motorstyring krever mer prosessorkraft enn en vanlig Arduino Uno kan levere, og foreslå en Raspberry Pi eller ESP32-S3 med dedikert kamerainngang i stedet.

Tips: Be alltid AI-en om å identifisere «ukjente ukjente» – ting du sannsynligvis ikke har tenkt på fordi du mangler erfaring med akkurat denne typen prosjekt. Formuler det som: «Hva overser nybegynnere typisk ved denne typen prosjekt?»

Steg 2: Komponentvalg

Når idéen er validert, er neste steg å konkretisere hvilke komponenter som faktisk trengs. Dette er et område hvor AI er spesielt sterk fordi den kan resonnere rundt spesifikasjoner raskt.

Be om sammenligninger basert på konkrete kriterier:

• Strømforbruk og spenningsnivåer (kritisk for batteridrevne prosjekter)
• Grensesnitt-kompatibilitet (I2C, SPI, UART – stemmer protokollene?)
• Tilgjengelighet og pris i norsk/nordisk marked
• Fysiske dimensjoner hvis prosjektet har plassbegrensninger
• Community-støtte og dokumentasjonskvalitet

Her er et eksempel på hvordan du kan formulere forespørselen:

Jeg bygger en værstasjon som skal logge temperatur, luftfuktighet
og lufttrykk, og sende data over WiFi til en server hver 10. minutt.
Den skal kjøre på batteri i minst 6 måneder.

Foreslå:
1. Mikrokontroller med lavt strømforbruk i dvalemodus
2. Sensor for temp/fuktighet/trykk (helst én kombinert sensor)
3. Estimert strømforbruk for hele systemet i aktiv og sovende tilstand

En slik forespørsel vil typisk gi deg forslag som ESP32 med deep sleep, kombinert med en BME280-sensor, samt et konkret regnestykke for batterilevetid basert på duty cycle.

Tips: Dobbeltsjekk alltid strømforbrukstall AI-en oppgir mot det faktiske databladet. AI-modeller kan noen ganger blande sammen tall fra lignende, men ikke identiske komponenter.

Steg 3: BOM-generering

En Bill of Materials (BOM) er limet som holder prosjektet sammen praktisk. Dette er stedet mange maker-prosjekter sklir ut – man glemmer motstandene, kondensatorene eller skrue-settet som egentlig er like viktig som hovedkomponentene.

Be AI-en generere en komplett BOM strukturert som en tabell, gjerne med disse kolonnene:

• Komponentnavn og spesifikasjon
• Antall
• Kategori (elektronikk, mekanikk, forbruksvarer)
• Estimert enhetspris
• Kritikalitet (må ha vs. nice-to-have)

Be spesifikt om at AI-en inkluderer «usynlige» poster som pull-up-motstander, dekoblingskondensatorer, kabler, koblingsstykker og eventuelt varmekrympeslange. Disse glemmes ofte fordi de ikke er de «spennende» delene av prosjektet, men mangel på dem stopper byggingen akkurat like effektivt.

Tips: Lagre BOM-en som et levende dokument i et regneark, og oppdater den etter hvert som prosjektet utvikler seg. Be AI-en om en revidert versjon hver gang designet endrer seg vesentlig, så unngår du at listen blir utdatert.

Steg 4: Tidsplan

Tidsestimering er notorisk vanskelig for de fleste makere – vi er optimister av natur. Her kan AI hjelpe med å bryte ned prosjektet i håndterbare faser og gi realistiske tidsrammer basert på kompleksitet.

En nyttig teknikk er å be om tre scenarier: optimistisk, realistisk og pessimistisk tidsbruk for hver fase (design, innkjøp, montering, programmering, feilsøking, testing). Feilsøking og testing undervurderes nesten alltid, så sett av ekstra tid her uansett hva estimatet sier.

Steg 5: Risikoanalyse

Dette er trinnet flest hopper over – og det er nettopp derfor prosjekter stopper opp. Be AI-en identifisere risikoer langs tre akser: teknisk risiko, leveranserisiko og kompetanserisiko.

En praktisk tilnærming er å be om en enkel risikomatrise:

Lag en risikomatrise for prosjektet mitt med kolonnene:
Risiko | Sannsynlighet (lav/middels/høy) | Konsekvens | Tiltak

Fokuser spesielt på:
- Komponenter med lang leveringstid eller kjent knapphet
- Deler av koden/kretsen jeg ikke har erfaring med fra før
- Mekaniske toleranser som kan kreve iterasjon

Typiske funn kan være at en spesifikk sensor har lang leveringstid fra enkelte leverandører, eller at trådløs kommunikasjon mellom to spesifikke moduler historisk har vært ustabil. Slik informasjon lar deg bestille kritiske deler tidlig eller legge inn buffertid i planen.

Tips: Be AI-en om et «Plan B» for de tre høyeste risikoene i matrisen. Å ha en alternativ komponent eller tilnærming klar på forhånd sparer deg for dager med frustrasjon senere.

Vanlige feil

• Stoler blindt på AI-genererte spesifikasjoner: Sjekk alltid mot offisielle datablader før du bestiller noe
• Hopper over idé-evaluering: Går rett til komponentvalg uten å validere om prosjektet er gjennomførbart med din kompetanse og tidsramme
• Glemmer forbruksvarer i BOM-en: Motstander, kondensatorer, skruer og kabler forsvinner ofte fra listen
• Setter for optimistisk tidsplan: Feilsøking tar nesten alltid lengre tid enn forventet – dobbel estimatet for denne fasen
• Ignorerer risikoanalysen etter at den er laget: En risikomatrise er verdiløs hvis den ikke følges opp underveis i prosjektet

Avslutning

AI-drevet prosjektplanlegging handler ikke om å la maskinen ta beslutninger for deg, men om å strukturere og stresstest tankeprosessen din før du investerer tid og penger. Kombiner dette med egen erfaring og faktasjekk mot datablader, så har du et solid rammeverk for å gå fra idé til ferdig prosjekt med færre overraskelser underveis. Sjekk gjerne produktsidene hos RoboNordic for oppdatert informasjon om komponenttilgjengelighet når du setter opp BOM-en din.