Directeur technologieprogrammamanagement zegt dat AI zonder voldoende context tot gevaarlijke beslissingen kan leiden
Ontdek hoe een leider op het gebied van technologieprogramma's AI gebruikt om de rapportagelast te verminderen, risico's voor de oplevering zichtbaar te maken en teams te helpen zich te richten op beslissingen in plaats van administratie.
Anika Banakh
Directeur technologieprogrammamanagement bij ACV Auctions
Mensgericht leiderschap: Anika benadrukt dat effectieve AI-adoptie begint met het in staat stellen van teams, en niet alleen met technologie.
Efficiëntiewinst: AI-tools hebben repetitieve taken gestroomlijnd, waardoor de rapportage-efficiëntie en het inzicht in de oplevering binnen teams zijn verbeterd.
Overmatige afhankelijkheid voorkomen: Menselijke tussenkomst is essentieel om AI-uitvoer nauwkeurig te interpreteren en ervoor te zorgen dat de bedrijfscontext behouden blijft.
Werkstromen vereenvoudigen: Overengineering kan de duidelijkheid belemmeren; door te focussen op beslissingen met een hoge waarde wordt een snellere adoptie van AI-tools mogelijk.
Eigenaarschap is belangrijk: Duidelijk eigenaarschap van beslissingen verbetert de integratie van AI, waardoor organisaties verwarring kunnen voorkomen en betere resultaten kunnen behalen.
Anika Banakh is directeur Technologieprogrammamanagement bij ACV Auctions. Ze heeft leidinggegeven aan meerdere wereldwijd verspreide, cross-functionele leveringsteams. Nu richt ze zich op het niet-intrusief maken van AI-adoptie, terwijl ze de levering effectiever maakt.
We spraken Anika om te ontdekken hoe ze AI implementeert in haar leveringsworkflows. Dit is wat ze zei.
Mensgerichte AI-leiderschap
Ik ben een in Oekraïne geboren Canadese vrouw die dingen voor elkaar krijgt. De meeste mensen nemen aan dat mijn weg naar AI-gedreven transformatie begon bij technologie, maar hij begon bij mensen — talent werven, vertrouwen opbouwen binnen wereldwijde teams en leren hoe organisaties onder druk functioneren.
Create a Free Account to Read More
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Ik heb inmiddels leidinggegeven aan meerdere wereldwijd verspreide, cross-functionele leveringsteams die initiatieven voor digitale marktplaatsen en operationele transformatie op ondernemingsschaal ondersteunden. De omvang varieerde van zes mensen tot enkele duizenden. De meeste van deze organisaties bewogen snel — ze voerden agile levering uit binnen product, engineering, operations en met zakelijke belanghebbenden, terwijl ze complexe integraties, snelle opschaling en datagedreven platformwerk beheerden voor klanten uit de automobielsector, banken, detailhandel, non-profitorganisaties en het internationale bedrijfsleven.
Leidinggeven aan leveringen binnen verschillende organisaties leerde me dat de grootste belemmering voor innovatie zelden de technologie zelf is; het gaat erom of mensen zich voldoende in staat gesteld voelen om hun manier van werken te veranderen. Daarom is mijn perspectief op AI-leiderschap onconventioneel: de toekomst van levering zal niet toebehoren aan leiders die het meest automatiseren, maar aan degenen die AI diep menselijk, samenwerkend en creatief stimulerend kunnen laten aanvoelen voor de teams die er elke dag mee werken.
Hoe AI-tools de efficiëntie op de werkplek verhogen
In het afgelopen jaar heb ik de meest repetitieve, voorspelbare taken in het leveringsproces vervangen, waardoor tijd vrijkwam voor het echte werk — voornamelijk door AI-gestuurde samenvatting en prioritering te integreren in processen voor statusrapportage, het volgen van afhankelijkheden en communicatie met belanghebbenden.
Als gevolg van AI heb ik een verbeterde efficiëntie van rapportages, beter inzicht in leveringen en een betere identificatie van risico's gezien binnen verspreide teams, terwijl de handmatige coördinatie-inspanningen zijn verminderd en de voorspelbaarheid van de uitvoering is verbeterd.
Als gevolg van AI heb ik een verbeterde efficiëntie van rapportages, beter inzicht in leveringen en een betere identificatie van risico's gezien binnen verspreide teams.
Maar hoewel ik op AI kan vertrouwen om datarijke leveringsactiviteiten zoals prioriteringsinzichten, samenvattingen van statussen, identificatie van risicopatronen, het volgen van afhankelijkheden en operationele rapportage te versnellen, kan ik er niet voor alles op vertrouwen.
Beslissingen rond afstemming met belanghebbenden, teamdynamiek, organisatieverandering, conflictoplossing en strategische afwegingen blijven bewust door mensen aangestuurd. Succesvolle levering blijft namelijk afhankelijk van vertrouwen, context, empathie en beoordelingsvermogen, die AI niet volledig kan nabootsen.
Waarom AI-uitvoer menselijke tussenkomst vereist
Mijn grootste uitdaging is zelfs geweest om te voorkomen dat teams te veel vertrouwen op geautomatiseerde uitvoer zonder zakelijke context toe te passen. Om dit te voorkomen, stelde ik hun uitvoer ter discussie en benadrukte ik het belang van praktijkervaring met product- en bedrijfscontext. Dat is het verschil tussen goed en geweldig.
Menselijke tussenkomst is cruciaal bij het opstellen van prompts en de interpretatie ervan. Je hebt een solide, gestructureerd verzoek nodig met de juiste context voor correlatie en causaliteit, plus een diepgaand begrip van processen en drijfveren om de uitvoer te interpreteren.
Een tool kan je bijvoorbeeld vertellen dat het op te leveren resultaat risico loopt, maar de oorzaak kan zijn dat de engineer een ziek kind heeft. Daarom moet je diep graven om de reden achter de gegevens en de mens achter de taak te begrijpen.
Mijn grootste uitdaging is geweest om te voorkomen dat teams te sterk vertrouwen op geautomatiseerde resultaten zonder de bedrijfscontext toe te passen. Menselijke tussenkomst is cruciaal bij het geven van opdrachten en de interpretatie.
Hoe overengineering werkstromen schaadt
Wat hulpmiddelen betreft gebruiken we momenteel Omni voor dashboards, Rovo op Jira voor technisch management en interne AI-chat voor teamupdates en samenvattingen.
In het begin hadden we kunnen voorkomen dat we de werkstroom te complex maakten met te veel signalen en dashboards. Dat zorgde voor meer interpretatiewerk dan duidelijkheid. Een eenvoudiger, strak afgebakend gebruiksscenario — gericht op één of twee beslissingen met een hoge waarde — zou tot een snellere invoering en minder scepsis bij teams hebben geleid.
Waarom AI de snelheid van besluitvorming niet verbetert
AI leverde niet de verwachte verbetering op het gebied van afstemming tussen teams en snelheid van besluitvorming, simpelweg door meer geautomatiseerde inzichten en dashboards toe te voegen.
AI verbeterde inderdaad de zichtbaarheid, maar verminderde de onduidelijkheid niet en loste tegenstrijdige prioriteiten niet op — in sommige gevallen versterkte het de ruis, doordat verschillende teams dezelfde resultaten anders interpreteerden.
AI verbeterde de zichtbaarheid, maar verminderde de onduidelijkheid niet en loste tegenstrijdige prioriteiten niet op — in sommige gevallen versterkte het de ruis.
Neem een dashboard als voorbeeld. Elk team richt zich op zijn eigen KPI's en bedrijfsbehoeften, waardoor teams de hulpmiddelen opdrachten kunnen geven om resultaten te genereren die hun eigen belangrijkste doelstellingen dienen. Samenhang creëren in deze chaos is cruciaal, gezien de impact op alle teams.
Waarom betere planning niet noodzakelijk tot betere resultaten leidt
Door AI liet ik de aanname los dat betere planning automatisch tot betere opleverresultaten leidt. Zelfs zeer gedetailleerde plannen worden minder voorspellend zodra AI het werkelijke tempo van verandering zichtbaar maakt en prioriteiten en de volatiliteit van afhankelijkheden in realtime verschuiven.
Continu opnieuw plannen op basis van actuele signalen, in plaats van te streven naar meer zekerheid vooraf, verbeterde de resultaten. Oplevering draaide niet langer om het plan juist krijgen, maar om het snel aanpassen ervan.
Onze AI-aangedreven opleverworkflow verwerkt werkitems en teamupdates, waarbij AI thema's groepeert, risico's markeert en de voortgang van alle teams automatisch samenvat. Deze inzichten vormen de input voor een door mensen geleide prioriteringssessie, waarin beslissingen worden omgezet in sprintplannen. Tijdens de uitvoering brengt AI voortdurend afwijkingen en nieuwe problemen onder de aandacht.
Het nettoresultaat was minder tijd aan rapportage en meer tijd aan het oplossen van opleverproblemen.
Waarom statusrapportage met AI opnieuw moet worden ontworpen
Een gebied dat meer opleveringsverantwoordelijken actief opnieuw zouden moeten ontwerpen, is statusrapportage en oplevergovernance — het is nog steeds een van de meest handmatige, minst waardevolle en meest vertekeningsgevoelige onderdelen van de meeste organisaties.
Ik werk aan het vervangen van traditionele statuspresentaties en handmatige consolidaties door een door AI ondersteunde werkstroom die updates uit opleverhulpmiddelen voortdurend samenvoegt, risico's markeert en beknopte, “besluitklare” samenvattingen voor het management genereert. De verschuiving draaide niet alleen om efficiëntie — ze veranderde de aard van governancegesprekken van “wat is de status?” naar “welke beslissingen moeten we nu nemen?”
Het resultaat was minder tijd aan het verzamelen van updates en meer tijd aan het oplossen van daadwerkelijke opleverbeperkingen, met een snellere escalatie van echte risico's — maar pas nadat we het eigenaarschap van beslissingen hadden aangescherpt, zodat AI-resultaten niet nog een extra interpretatielaag werden.
Waarom duidelijk eigenaarschap de echte doorbraak met AI is
Dit is mijn advies:
Verwar meer AI-uitvoer niet met betere beslissingen; het geeft mensen alleen meer dingen om over van mening te verschillen. De echte doorbraak is duidelijk eigenaarschap. AI doet voorstellen, mensen beslissen, geen gedoe in commissies.
Houd dit ook in gedachten. Als de adoptie traag lijkt te verlopen, ligt dat meestal niet aan het model — het zijn de mensen die het beleefd negeren.
Volg het
Je kunt het werk van Anika Banakh volgen op LinkedIn.
Er komen meer interviews met experts aan op The Digital Project Manager.