Ha meg kellene neveznünk a kedvenc cross-platform GTD alkalmazásunkat, az jelen pillanatban kétség kívül a Todoist lenne. Ez a program vagy inkább szolgáltatás annak ellenére is egy nagyon könnyen használható feladat- és projektkezelő tudott maradni, hogy az elmúlt évek során döbbenetes mennyiségű új funkciót és felületi elemet kapott. Mellesleg nem is olyan régen összefoglaltuk egy cikkbe, hogy melyek voltak az utóbbi hónapok legjobb Todoist funkciói, amelyekbe a hétköznapi használat során szinte azonnal beleszerettünk. Azt kell mondjuk, kevés fejlesztőcsapatnak szokott sikerülni ez a bravúr, mármint az, hogy úgy pakolják tele praktikus funkciókkal az alkalmazásaikat, hogy azok használata ne váljon egyre bonyolultabbá, nehézkesebbé. Arról nem beszélve, hogy manapság nagy divat az AI funkciók öncélú beépítése is az szoftverekbe, mert az olyan jól hangzik, sőt, lassan már elvárás is. Szóval ahogy ebbe belegondoltunk, hirtelen igencsak kíváncsiak lettünk rá, miként tudja egy fejlesztőcsapat mindezt tető alá hozni. Hogyan lehet egy produktivitást ösztönző alkalmazás egyre ügyesebb anélkül, hogy közben csorbulna a produktivitást valóban elősegítő működés. Pláne tudván, hogy a Todoist csapatának tagjai nem egyetlen irodában ücsörögnek, hanem szanaszét a világban. Hogyan lehetséges így ennyire összeszedetten dolgozni? Ma cikkünkből kiderül a Todoist titka. Következzen egy exkluzív interjú a népszerű feladatkezelő kulisszatitkairól.
A Todoist titka: exkluzív interjú a népszerű feladatkezelő kulisszatitkairól
Szóval a kíváncsiságunkat végül annyira nem hagyta nyugodni a dolog, hogy nem bírtuk tovább és kértünk egy interjúlehetőséget a Todoist csapatától. Szerencsére ők is osztották a lelkesedést, így a Todoist kulisszatitkairól, a fejlesztéseket meghatározó szempontokról, a mesterséges intelligencia szerepéről és a népszerű feladatkezelő jövőjéről Dominique Josttal, a Todoist termékfejlesztési vezetőjével (Head of Product) beszélgethettünk ebben az exkluzív interjúban.
A Todoist eredetileg Amir Salihefendić személyes használatra készített eszközeként indult. Mi az, ami a kezdetek óta változatlan maradt a termék filozófiájában, és mi változott a legtöbbet? Hatott például a munkátokra a generatív mesterséges intelligencia elterjedése?
Az első dolog, ami eszembe jut, az egyszerű, mégis sokoldalú alapelvünk. Annyira mélyen beépült a vállalati kultúránkba, hogy nemcsak a termék, hanem az üzleti működésünk és a munkamódszereink fejlődését is meghatározta. Mindig visszatérünk ugyanahhoz a kérdéshez: “Egyszerű, mégis sokoldalú?”
De egyéb dolgok is változatlanok maradtak: a távoli és aszinkron munkavégzésre épülő működésünk, az, hogy továbbra is saját forrásból finanszírozzuk a vállalatot, és magunk alakítjuk a sorsunkat, valamint az a megközelítés, ahogyan a mesterséges intelligenciához viszonyulunk a körülötte kialakult hatalmas felhajtás közepette. Ez azt jelenti, hogy nem ragadjuk meg az első lehetőséget, amellyel egyszerűen AI-funkciókat faraghatunk a termékünkbe, hanem átgondoljuk, hogyan építhetjük be úgy a mesterséges intelligenciát, hogy az továbbra is egyszerű és sokoldalú maradjon. Így ezt a fantasztikus technológiát sokkal több ember számára tehetjük elérhetővé anélkül, hogy előbb a mesterséges intelligencia szakértőivé kellene válniuk.
A legnagyobb változás az, hogy ma már szinte mindenki, aki a Todoistnál dolgozik, potenciálisan hozzájárulhat az éles környezetben futó programkódhoz. Ez a folyamat az elmúlt 12 hónapban különösen felgyorsult, és jelentősen eltér a kezdeti időszaktól, amikor ehhez még komoly szoftverfejlesztői szaktudásra volt szükség.
A mesterséges intelligencia most új lehetőségeket adott a nem fejlesztőként dolgozó munkatársaknak is arra, hogy kifejezzék magukat, kreatívak legyenek, és közvetlenül a programkódban hozzanak létre vagy fejlesszenek tovább dolgokat, ahelyett, hogy csupán beszélnének róluk. Ez sokkal több innovációhoz vezetett, az apró hibajavításoktól a nagyobb, ambiciózusabb kezdeményezésekig.
Hogyan jellemeznéd a Todoist jelenlegi helyzetét a produktivitási szoftverek piacán? Mi különbözteti meg a Todoistot a nagyobb projektmenedzsment-platformoktól és az újabb, elsősorban mesterséges intelligenciára épülő eszközöktől?
A Todoist mindig is jól elkülöníthető helyet foglalt el a produktivitási eszközök piacán. Mindig azokra a csapatokra és felhasználókra összpontosítottunk, akik számára fontosabb a feladataik elvégzése, mint az, hogy folyamatosan az eszközeik beállítgatásával foglalkozzanak.
Minden technológiai változás során, legyen szó az asztali gépekről a mobileszközökre való átállásról, vagy most a mesterséges intelligencia felé történő elmozdulásról, úgy használtuk a technológiát ügyfeleink szolgálatában, hogy közben nem veszítettük el az identitásunkat. Feladatkezelőként definiáljuk a Todoistet, és erre büszkék vagyunk. Nem próbálunk másnak látszani. Azért vagyunk, hogy segítsünk a csapatoknak és az egyéneknek megvalósítani a számukra fontos dolgokat, és ehhez használjuk fel az új technológiákat.
Vezérelvünk következetesen a már említett “egyszerű, mégis sokoldalú” megközelítés maradt, amely lehetővé tette, hogy a Todoist zökkenőmentesen alkalmazkodjon a szakmai munkafolyamatokon túli élethelyzetekhez is. A legtöbb alternatíva vagy munkára, vagy magánéleti használatra alkalmas igazán, de egyszerre a kettőre már nem. A Todoist elég sokoldalú ahhoz, hogy a munkahelyen is használható legyen, ugyanakkor elég egyszerű ahhoz, hogy az élet más területein is beváljon. Így teljes áttekintést nyújt a teendőkről anélkül, hogy több különböző alkalmazás között kellene váltogatni.
A másik dolog, amely mindig megkülönböztetett bennünket, az, hogy milyen mélyen integrálódunk a felhasználók már meglévő produktivitási rendszereibe. Ezt korábban az API-nkon keresztül tettük lehetővé, most pedig olyan jelentős AI-eszközökkel is, mint a Claude, a ChatGPT, a Cursor és a VS Code. Úgy gondolom, ez a két dolog – hogy pontosan tudjuk, kik vagyunk, és hogy az ügyfeleink igényeit a technológia elé helyezzük – rendkívül sokat segített számunkra.
Mint mondtad, a Todoist esetében mindig is az egyszerűség volt az egyik legfontosabb alapelv. Hogyan tudtok egyensúlyt teremteni az egyszerűség és a kényelmi funkciók, integrációk, különféle nézetek, valamint folyamatosan bővülő AI-képességek között?
Mindig ahhoz térünk vissza, hogy mi az ami valóban hasznos az ügyfeleink számára, legyenek akár magánszemélyek, akár kis- és középvállalkozásoknál dolgozó csapatok, és ehhez mérten ellenőrizzük a megoldásainkat.
Egy közelmúltbeli példa: dolgoztunk egy Goals nevű funkción, mert azt láttuk, hogy nagy rá az igény, és sok felhasználónk kérte. Nemcsak a feladataikat akarták kezelni a Todoistban, hanem azokat a célokat is, amelyeket ezek a feladatok szolgálnak, méghozzá egy külön eszköz vagy egyéb szükségmegoldás használata nélkül.
Rengeteg időt fordítottunk arra, hogy olyan funkciót dolgozzunk ki, amely megfelel ennek az igénynek. Fejlesztettünk, elérhetővé tettük az Experimentalists program résztvevőinek, teszteltünk, beszélgettünk a felhasználókkal, és végül elkészült a teljes funkció. Működött iOS-en, Androidon és a weben is. Még MCP-támogatása is volt. Ennek ellenére végül úgy döntöttünk, hogy visszavonjuk. Nem azért, mert már nem hittünk a problémakörben vagy a benne rejlő lehetőségben. Továbbra is hiszünk ebben. Az ok egyszerűen az volt, hogy az általunk kidolgozott megoldás nem felelt meg annak az elvárásnak, hogy egyszerre legyen egyszerű és hasznos. Úgy éreztük, nem üti meg a mércét.
Nagyon nehéz döntés volt, és csalódást okoztunk néhány felhasználónak, akik szerint jó megoldást készítettünk. Ugyanakkor rengeteg elismerést is kaptunk a közösségünktől azért, hogy nem adtunk ki egyszerűen valamilyen silány megoldást, és körültekintően mérlegeljük, mi kerüljön be az alkalmazásokba, illetve mit kell eltávolítani belőlük. Ezen a téren is mindig fejlődünk, de ez a legutóbbi példa erre a hozzáállásra.
Milyen szerepet játszik a mesterséges intelligencia a Todoist jövőjében? Elsősorban a feladatok gyorsabb rögzítése a cél, vagy a Todoistnek idővel proaktívabban kellene segítenie a felhasználókat a munka megtervezésében, a prioritások meghatározásában és a feladatok elvégzésében is?
Az egyik legutóbbi csapatelvonulásunkon az egyik terméktervezőnk rukkolt elő a “no AI sparkles” kifejezéssel. Ez azt jelenti, hogy nem adunk hozzá mesterséges intelligenciára épülő funkciót valamihez pusztán az AI kedvéért. A mesterséges intelligenciának mindig olyan hozzáadott értékkel kell szolgálnia, ami tényleg hasznos a felhasználóink számára.
Az AI-funkciókkal végzett korai kísérleteink során azt tapasztaltuk, hogy a mi területünkön a mesterséges intelligencia nem akkor előnyös, ha még több kezelendő vagy átgondolandó dolgot pakol a felhasználó elé. Akkor a leghasznosabb, amikor leveszi a vállukról azokat a feladatokat, amelyeket nem szeretnek, és amelyekkel nem is feltétlenül szükséges foglalkozniuk. Esetleg amikor természetesen illeszkedik a megszokott viselkedésükhöz. A mesterséges intelligenciának köszönhetően a funkciókat ezekhez a természetes viselkedési mintákhoz igazíthatjuk, ahelyett, hogy az embereknek kellene a technológiánkhoz igazítaniuk a szokásaikat.
A Ramble remek példa erre. Korábban annak, aki a Todoistot használta, már előre pontosan tudnia kellett, milyen feladatot szeretne rögzíteni. Az általunk kínált felület a világos szerkezetre és az átgondolt ötletekre volt optimalizálva. A Ramble segítségével viszont egyszerűen szabadon beszélhetünk, az összeszedettség és átgondoltság kényszere nélkül. Nem kell a struktúrán gondolkodni. Úgy mondhatjuk el, ami a fejünkben jár, mintha valaki mással beszélgetnénk.
Itt a technológiát arra használjuk, hogy a felhasználó elmondja, ami foglalkoztatja, mi pedig ezt az AI segítségével – egyfajta szuperképességként – strukturált, végrehajtható feladatokká alakítjuk. A csapongó, szabad beszédből olyasmit hozunk létre, ami illeszkedik egy feladatkezelő működéséhez.
Szerintünk így érdemes használni a mesterséges intelligenciát: vagy egy természetes viselkedésre építünk, és ahhoz igazítjuk a szoftvert, vagy levesszük az időt rabló rutinfeladatokat a felhasználó válláról. A legkevésbé azt szeretnénk, hogy a felhasználóknak az AI működésén kelljen gondolkodniuk, vagy hogy túlterhelje őket az általa előállított tartalom. Ez éppen az ellenkező hatást váltaná ki, mint amire szükség van.
Az olyan funkciók, mint a Ramble, valamint a feladatok kinyerése szövegekből, képekből és dokumentumokból, a strukturálatlan információkat alakítják feladatokká. Ez ügyben is inspirálódtatok a felhasználóktól arról, hogyan lehet a legjobban rögzíteni és rendszerezni az ötleteket az AI segítségével?
Rengeteget tanultunk tőlük. A Ramble belső használata során már tudtuk, hogy valami különlegeset alkottunk, de egy funkció nyilvános bevezetése mindig egészen más helyzet. Némi hitre is szükség volt, mert tudomásunk szerint korábban nem létezett ehhez hasonló megoldás. Voltak diktálóprogramok, és egyes AI-eszközök lehetővé tették a diktálást és az átírást, de ez most más iránynak tűnt.
Azért volt más, mert szabadságot adott a felhasználóknak, hogy a saját természetes módjukon gondolkodjanak és beszéljenek, utána pedig a technológiára bízzák, hogy a szándékaikból végrehajtható feladatokat készítsen. Hihetetlen volt az a lelkesedés, amit pusztán azért éreztek a funkciót tesztelők, mert a használata során önmaguk maradhattak. Néhányan varázslatosnak nevezték, mások forradalminak. Annyi pozitív visszajelzést kaptunk, hogy biztosak voltunk abban, jó úton járunk.
Nagyon könnyű volt figyelembe venni a kéréseket, visszajelzéseket és hibajelentéseket, miközben továbbfejlesztettük a Ramble-t. Szerintem az egyik oka annak, hogy az emberek ennyire szeretik, az, hogy mindenkinek másképp működik az agya, a Ramble pedig afféle fordítóként működik az ember gondolkodásmódja és a szoftver által igényelt strukturált adatok között. Az embereknek csak ki kell mondaniuk a gondolataikat, és bízhatnak abban, hogy az biztonságosan bekerül a Todoistba, méghozzá olyan struktúrában, amelynek később is hasznát vehetik.
Az is nagyon érdekes volt, hogy minél többet használták az emberek a Ramble-t, annál több új ötlet merült fel. Miután elmondták a gondolataikat, szerettek volna néhány apróságot módosítani a feladat beküldése előtt. Ez egy teljesen új lépés volt, amelyet végül hozzáadtunk, pedig eredetileg nem is gondoltunk rá a funkció tervezésekor.
Azóta olyan kérdések is érkeztek, mint hogy “És mi a helyzet a szöveggel? Mi a helyzet a dokumentumokkal?”. Így kibővítettük az AI-alapú feladatrögzítést, hogy immár dokumentumokból, képekből és hosszabb szövegekből is képes legyen feladatokat kinyerni. Ha valakit érdekel, hogyan működik mindez a háttérben, technológiai igazgatónk, Gonçalo Silva írt arról a Google Cloud blogján, hogyan készült Ramble.
Természetesen szöveget is lehet másolni és beilleszteni, de van valami varázslatos abban, amikor az ember beszél az alkalmazáshoz, és látja, ahogy a szavai szépen rendszerezett feladatokká alakulnak. Ez egy igazán hasznos funkció, amelyet az emberek nagyon szeretnek. Annak pedig kiváltképpen örülünk, hogy sikerült egy olyan AI-technológián alapuló megoldást létrehoznunk, amelynek még a nevében sem szerepel az “AI”.
Ezek szerint a Todoist mesterséges intelligenciát használ arra, hogy – például a Ramble esetében – strukturálatlan bemenetekből feladatokat nyerjen ki. De ha jól tudom, akkor arra is van AI funkció, hogy konkrét feladatokat javasoljon vagy a nagyobb feladatokat kisebb lépésekre bontsa. Hogyan biztosítjátok, hogy ezek az AI által generált javaslatok hasznosak, relevánsak és végrehajthatók maradjanak, elkerülve, hogy felesleges feladatokat, zajt vagy rosszul meghatározott teendőket hoznának létre? Mekkora beleszólása van a felhasználónak, mielőtt ezek a javaslatok bekerülnek a projektjeibe?
Ez a felhasználási esettől és a funkciótól függ. Néhány korábbi AI-funkciónknál, amelyek feladatokat hoznak létre vagy javasolnak, könnyű visszavonni az eredményt: egyszerűen törölni kell a feladatot, ugyanúgy, mint bármelyik másikat.
Azóta valamelyest továbbléptünk ettől a megközelítéstől, mert a legtöbb embernek már eleve jó elképzelése van arról, mit kell elvégeznie. Azt értékelik igazán, ha segítséget kapnak ahhoz, hogy ezeket a dolgokat a feladat- vagy projektmenedzsment környezetének megfelelően alakítsák. Nagyon népszerűnek bizonyulnak az olyan AI funkciók, amelyek segít az embereknek strukturáltabban megfogalmazni a gondolataikat, és erre a Ramble a legjobb példa.
Egyre inkább abba az irányba haladunk, hogy az AI segítségével az embereket a saját gondolkodásukban támogassuk, ahelyett, hogy tartalmakat hoznánk létre vagy találgatnánk helyettük. Jelenleg ez az irány, mert az emberek szeretnék megtartani az irányítást. Azt akarják, hogy a tartalom hitelesnek és sajátjuknak érződjön, ne pedig olyasminek, amit a mesterséges intelligencia hozott létre.
A Todoist ma már olyan AI-asszisztensekhez is csatlakoztatható, mint a ChatGPT, így a felhasználók természetes nyelven olvashatnak, hozhatnak létre és módosíthatnak feladatokat és projekteket. Hogyan változtathatják meg ezek az integrációk az emberek munkaszervezési szokásait, és miként gondoskodtok arról, hogy a felhasználók továbbra is ellenőrzésük alatt tarthassák az adataikat és döntéseiket?
Minden bevált gyakorlatot követünk annak érdekében, hogy a ChatGPT-hez és a Claude-hoz készített csatlakozóink úgy működjenek, hogy az AI-kliensek érvényesíthessék a szükséges biztonsági intézkedéseket. Így elkerülhető, hogy a felhasználók akaratlanul adatvesztéssel vagy más káros következménnyel járó műveleteket indítsanak el. Az, hogy pontosan miként valósítja meg ezt a ChatGPT, a Claude és a többi eszköz, részben kívül esik a hatáskörünkön, de részünkről mindent megteszünk, hogy minden feltétel adott legyen ezeknek a biztosítékoknak a lehető legjobb érvényesítéséhez. Sok új felhasználási móddal kísérleteznek az emberek, és még túl korai lenne mintázatokat felismerni vagy következtetéseket levonni, mert azok, akik jelenleg MCP-csatlakozókat használnak olyan AI-eszközökben, mint a ChatGPT, a technológia legkorábbi alkalmazói közé tartoznak.
Nemrég felmérést végeztünk ügyfeleink körében. Az eredmények azt mutatták, hogy bár az MCP-csatlakozók használata terjed, a legtöbben, akik összekapcsolják ezeket az eszközöket, még mindig csak ismerkednek azzal, milyen lehetőségeik vannak, ha minden össze van kötve. Úgy gondolom, jelenleg leginkább a tanulás és felfedezés zajlik ezen a területen.
Az AI-t napi szinten, intenzíven használók körében nagyon érdekes és kifinomult munkafolyamatokat látunk, amelyekben a Todoist központi szerepet tölt be. Ez új felhasználókat is hozott a Todoistnak, akik az AI-kliensekkel való integrációinkból látják, hogy nyitottak vagyunk a mesterséges intelligencia irányába, és megértjük, hogy mindig lesznek olyan emberek, akik AI-csatlakozók segítségével szeretnék összehangolni a különböző eszközeiket. Mi ezt teljes mértékben támogatjuk.
Másrészt sokan ismerik ezeket az eszközöket, de valójában nem használják őket. A megközelítésünk ezért kétirányú:
- A lehető legjobb csatlakozókat készítjük el. Azt szeretnénk, hogy az elsők között szerepeljünk mindenhol, ahol az emberek ilyen megoldásokat keresnek, beleértve a ChatGPT-t és a Claude-ot is.
- Ezzel párhuzamosan továbbra is egyszerű, mégis sokoldalú eszközöket fejlesztünk, amelyeket az emberek egy számukra kellemes kezelőfelületen keresztül használhatnak.
Hogyan dönti el a Todoist csapata, hogy mely felhasználói kérésekből legyenek tényleges termékfunkciók, és mikor szoktatok arra a következtetésre jutni, hogy egy kért funkció feleslegesen bonyolítaná az alkalmazást?
A felhasználói kérésekkel kapcsolatban több különböző forrást és jelzést veszünk figyelembe:
- Saját használat: Mi magunk is intenzíven használjuk a Todoistet, ezért a belső visszajelzések, kérések, kívánságok és elképzelések is fontos forrást jelentenek.
- Közösségi média: Figyeljük a Redditet – beleértve a Todoist közösségét -, az X-et és a LinkedInt.
- Ügyfélszolgálat: Rendszeresen kapunk visszajelzéseket az ügyfélszolgálaton keresztül is, amelyek újabb, megvizsgálandó jelzéseket adhatnak.
- Korai kiadások: Időnként egy még nem teljesen kidolgozott funkciót teszünk elérhetővé egy kisebb felhasználói csoport, például alfa-tesztelők vagy az Experimentalists program résztvevői számára, akik már a fejlesztés közben visszajelzéseket adnak.
Mindezek a források összeérnek. Összegyűjtjük az információkat, és idővel elkezdünk mintázatokat felismerni. Minél erősebb egy mintázat, annál valószínűbb, hogy foglalkozni kezdünk az adott funkcióval, vagy legalábbis megfontoljuk a megvalósítását. Gyakran előfordul, hogy az emberek különböző funkciókat kérnek, miközben valójában ugyanazt a mögöttes problémát próbálják megoldani. Ilyenkor ahelyett, hogy közvetlenül megvalósítanánk a kért funkciót, elemezhetjük, hogy mi jelenti benne az igazi lehetőséget, és megkeressük a probléma legoptimálisabb megoldását.
Végül, de nem utolsósorban van egy termékvíziónk és termékstratégiánk is, s ezek meghatározzák azokat a nagyobb léptékű kezdeményezéseket, amelyeket szükségesnek tartunk a versenyképességünk megőrzéséhez, valamint ahhoz, hogy továbbra is azt az értéket nyújthassuk, amelyet a felhasználók az elmúlt 20 évben megszerettek. A felhasználói visszajelzések jelentős része a vízió és a stratégia alakításába is beépül, a nagyobb kezdeményezések pedig a stratégiából következnek, nem egyedi funkciókérésekből.
Szakadjunk el kicsit az AI-őrülettől és az új funkcióktól. Nézzünk egy sokkal hétköznapibb problémát: sok felhasználónak okoznak nehézséget a folyamatosan halogatott feladatok és a befejezetlen projektek. Milyen munkamódszert ajánl a Todoist azoknak a feladatoknak az áttekintésére, átütemezésére vagy eltávolítására, amelyeket már túl sokszor halasztottak el?
Az egyik dolog, amit a Todoistnál töltött éveim során megtanultam, az az, hogy ahány ember, annyiféle munkamódszer létezik. Ami nekem tökéletesen működik, az másnak teljesen haszontalan lehet, ezért óvatos vagyok a tanácsadással.
Amit viszont mindenképpen elmondanék, az az, hogy érdemes különböző módszerekkel kísérletezni. A blogunkon kiváló cikkek találhatók a napi tervezés, a heti tervezés és más módszerek témájában. Amir Salihefendic, az alapítónk és vezérigazgatónk is írt egy bejegyzést arról az egyszerű rendszerről, amellyel egy mellékprojektet és ezt az egész vállalatot is irányítja. Már most is rengeteg tartalmunk van, és egy nagyszerű YouTube-csatornánk is, ahol hasznos tippeket osztunk meg.
Én valami nagyon egyszerűvel kezdeném: egy napi vagy heti áttekintéssel. Ez mindössze 10–15 percet vehet igénybe. Leülünk, átnézzük a lejárt határidejű feladatokat, és könyörtelenül eltávolítjuk azokat, amelyeket már nagyon régóta halogatunk. Ha valami fontos, úgyis újra előkerül, és bármikor ismét hozzáadhatjuk a Quick Add, a Ramble, az MCP vagy bármely más, számunkra megfelelő módszer segítségével.
A tanácsom tehát a kísérletezés. Tartsunk ki egy rutin mellett két-három hétig, értékeljük, hogyan működött, és ha nem vált be, próbáljunk ki valami mást. Előbb-utóbb mindenki megtalálja a számára megfelelő módszert. Nekünk is vannak ötleteink arra, hogyan segíthetne ebben az AI. Nem ígérek semmit, de ez jó felhasználási terület lehetne számunkra.
Rendben, nem szeretsz tanácsokat osztogatni, de ha egyetlen gyakorlati Todoist-tippet kellene adnod egy kisvállalkozás tulajdonosának, aki jelenleg e-mailek, jegyzetek és a saját emlékezete segítségével szervez mindent, mi lenne az?
Azzal kezdeném, hogy a helyében minden rutinfeladatot felvennék a Todoistba. Ez lehet olyan egyszerű is, mint egyetlen projekt létrehozása a rendszeres teendők számára, amelybe minden olyan feladat bekerül, amelyet rendszeresen el kell végezni, vagy amelyről semmiképpen sem szabad megfeledkezni.
Minden rutinfeladathoz rendeljünk hozzá egy felelőst, aki gondoskodik az elvégzéséről. Ez lehet maga a vállalkozás tulajdonosa vagy valamelyik munkatársa. Ha innen indulunk, kialakul egy természetes ritmus és rendszeresség, így nem maradnak el azok a legfontosabb teendők, amelyek biztosítják a vállalkozás zavartalan működését.
Amint megtapasztaljuk ennek az előnyeit, a feladatok már nem maradnak el, és egyenletes ütemben haladunk velük, fokozatosan kiterjeszthetjük a rendszert a vállalkozás más területeire is. A beépített integrációink segítségével más alkalmazásokat is összekapcsolhatunk a Todoisttal, mindkét irányban. Érdemes kipróbálni az automatizálásokat azoknál a rendszeresen ismétlődő, manuális feladatoknál, amelyek automatikusan is működhetnének, és a saját tempónkban felfedezni ezeket a lehetőségeket. A lényeg, hogy először egy stabil működési ritmust alakítsunk ki, és csak utána bővítsük tovább a rendszert.
