Voordat je AI uitrolt, los dit op
Governance: Succesvolle AI-adoptie begint met eenduidige processen en governance, niet met platformselectie of het verstrekken van licenties.
Opschoning: Het opschonen van documentatie bracht tegenstrijdige werkprocessen aan het licht en legde de betrouwbare basis die automatisering nodig had om teams met elkaar te verbinden.
Inzicht: Geïntegreerde systemen gaven ontwerp-, handels- en engineeringteams gedeeld inzicht in beslissingen, afhankelijkheden en overdrachtsmomenten.
Afbakening: Gespecialiseerde AI-agents met handmatige controlepunten beperken afhankelijkheidsrisico's en behouden tegelijkertijd menselijk toezicht in geautomatiseerde werkprocessen.
Inwerken: Kleine, niet-gedocumenteerde taken, zoals printerinstructies, brachten waardevolle kennislacunes aan het licht die AI kan helpen verspreiden.
Voor veel bedrijven begint AI-adoptie met een gesprek over tools: welk platform, welk licentieniveau, welk team krijgt als eerste toegang. Maar volgens Jeffrey Cedeno, een programmamanager voor design bij NBCUniversal die het afgelopen jaar heeft geholpen om AI uit te rollen binnen design- en engineeringteams, is dat in zijn geheel het verkeerde startpunt.
"We hebben een governancesysteem gelanceerd voor elk operationeel proces dat bestaat, zodat we verschillende teams kunnen gaan verenigen," zegt Cedeno. De AI-tools kwamen pas daarna. Governance kwam eerst.
We hebben een governancesysteem gelanceerd voor elk operationeel proces dat bestaat, zodat we verschillende teams kunnen gaan verenigen
De volgorde van “proces vóór platform” maakt het verschil tussen AI die een organisatie stroomlijnt en AI die dezelfde rommel alleen iets sneller automatiseert.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
We gingen met Cedeno om tafel om zijn kijk te horen op hoe dit er in de praktijk daadwerkelijk uitzag binnen zijn team: de successen, de waarborgen en het weinig glamoureuze opruimwerk dat de AI-uitrol überhaupt mogelijk maakte. Dit is wat hij vertelde.
De onthulling: AI legt bloot wat nooit is gedefinieerd
Cedeno was niet van plan om de operationele documentatie opnieuw op te bouwen. Hij wilde ervoor zorgen dat design- en engineeringteams AI consequenter gingen gebruiken. Maar zodra ze echte workflows in AI-tools probeerden te laden, kwamen de problemen onmiddellijk aan het licht.
"We ontdekten echte hiaten in ons eigen operationele beheer. Zo had het ene team bijvoorbeeld een projectplan dat het gebruikte, terwijl een ander team een volledig ander document voor hetzelfde doel had," zegt hij. "Dit hielp niet om zaken te stroomlijnen of continuïteit te creëren."
We ontdekten echte hiaten in ons eigen operationele beheer.
Het is het soort probleem dat jarenlang in het volle zicht verborgen kan blijven. Iedereen gaat ervan uit dat zijn eigen proces in wezen prima is — totdat iets al die processen tegelijk moet kunnen lezen en blijkt dat er nooit één proces is geweest.
De weinig glamoureuze oplossing kwam eerst
Voordat er enige automatisering werd uitgerold, deed Cedeno's team het deel waar niemand op zat te wachten: ze kozen één tool voor één taak, ruimden die op en maakten een einde aan de redundantie.
"Specifiek voor ons is SharePoint heel geschikt voor actuele documentatie, en daarvoor wordt het gebruikt," legt hij uit. "We hebben elke afzonderlijke map opgeschoond met zeer actuele informatie over elk onderwerp voor elk team."
Confluence kreeg dezelfde behandeling en werd geherstructureerd als een echte wiki met een duidelijke hiërarchie. De opschoning was niet zachtzinnig. "Ik heb honderden pagina's verwijderd, zodat we alle gegevens konden herstructureren volgens ons governancesysteem," zegt Cedeno.
Pas nadat die structuur bestond, begon automatisering echt werk te doen: SharePoint, Jira en Confluence met elkaar verbinden, zodat het invoeren van een ticket in Airtable automatisch een overeenkomstig Jira-ticket kon aanmaken, zonder handmatige herinvoer. "Niets daarvan was mogelijk geweest zonder de AI-integratie," zegt hij. Maar de AI-integratie was niet mogelijk geweest zonder eerst op te ruimen.
De winst was duidelijkheid, niet alleen snelheid
Het meest tastbare resultaat was niet een snellere output, maar inzicht over teams heen dat daarvoor simpelweg niet bestond. Cedeno wijst op de langdurige kloof tussen de design- en commerceteams als duidelijk voorbeeld.
"We hebben een commerceteam tegenover een [design]team. Deze teams werken in silo's, en nu zijn we allemaal geïntegreerd," zegt hij. Voorheen kon een ontwerpbeslissing doorgaan zonder rekening te houden met bijvoorbeeld een reclameblok, omdat de teams "dingen gewoon doorgaven en we geen idee hadden wat ermee gebeurde." Nu, zegt hij, is "elke stap ook iets waarbij iemand rekening moet houden, en dit is ook het team dat betrokken is bij dat ene ding waar je niet aan denkt."
De anekdote over de printer
Niet elke leemte in de documentatie is strategisch. Sommige vallen gewoon meteen op zodra je ze ziet.
"Zelfs willekeurige dingen — zoals de manier waarop mensen de printer in het bedrijf gebruiken — die tot de meest gestelde vragen binnen ons hele team behoorden, stonden niet in de documentatie", zegt Cedeno. "En slechts twee mensen konden je uitleggen hoe je dat moest doen."
Zelfs willekeurige dingen — zoals de manier waarop mensen de printer in het bedrijf gebruiken — die tot de meest gestelde vragen binnen ons hele team behoorden, stonden niet in de documentatie.
Het is een klein voorbeeld, maar het is de duidelijkste illustratie van het werkelijke probleem: ongedocumenteerde kennis die in de hoofden van twee mensen zat en eerder als te onbeduidend werd beschouwd om in de documentatie op te nemen. Maar juist zulke stukjes kennis kunnen AI veel nuttiger maken, vooral voor nieuwere medewerkers in een organisatie die AI inzet voor het inwerken van personeel.
De waarborg: gespecialiseerde agenten, geen megabrein
Ondanks al het enthousiasme is Cedeno opvallend voorzichtig met te veel centralisatie. Zijn team probeert niet één systeem te bouwen dat alles doet.
"We proberen zeer specifieke agenten, gebruiksscenario's en werkstromen te creëren, en het daartoe te beperken", zegt hij. Eén systeem dat alles afhandelt, klinkt efficiënt, maar hij ziet de afweging duidelijk: "Het zorgt er wel voor dat je nu afhankelijk bent van dat ene ding, en hoe minder menselijke interactie je hebt, hoe groter de kans dat het volledig misgaat."
Daarom heeft elke geautomatiseerde werkstroom bij NBCUniversal nog steeds wat hij een handmatig controlepunt noemt. "Er is op elk afzonderlijk contactpunt een niveau van menselijke interactie, als een omzeilsleutel", zegt hij, "zodat iemand het opmerkt als er iets niet klopt."
De conclusie
Cedeno's ervaring vormt een vrij directe weerlegging van de manier waarop de meeste bedrijven over AI-adoptie praten. De instinctieve aanpak is om met de tool te beginnen: geef iedereen licenties, organiseer enkele workshops en wacht tot de productiviteit stijgt. Wat bij Peacock daadwerkelijk het verschil maakte, was trager en minder spectaculair: overeenstemming bereiken over één proces, de documentatie erachter opschonen en AI pas daarna laten automatiseren wat al goed gedefinieerd was.
"Het zal nooit perfect worden", zegt Cedeno. "Ik kan je zeker vertellen dat het ons heeft geholpen om het voor nu zo perfect mogelijk te maken."
Wil je meer inzichten zoals deze? Maak een gratis DPM-account aan om van meer experts zoals deze te horen.
