Hoe je organisatorische AI-verandering in een complexe onderneming leidt

Galen Low: Is het de moeite waard om te proberen silo's af te breken en houdingen rond AI binnen een enorme organisatie op één lijn te brengen? Is het überhaupt mogelijk?

Deborah Ketai: Als ze die stap overslaan, lopen ze tegen veel achterstand aan: technische achterstand, kennisachterstand en meer, waardoor toekomstige projecten duurder en moeilijker worden.

Galen Low: Je had aangegeven dat het niet alleen om generatieve AI ging; dit was in feite meer een fundamentele verandering.

Deborah Ketai: We hadden eigenlijk drie doelen: talent, mobiliteit en behoud, om samenwerking tussen deze AI-teams aan te moedigen zodat ze het wiel niet opnieuw uitvinden. En het derde doel was een culturele verschuiving: bedrijfskampioenen aanmoedigen om AI-oplossingen voor hun zakelijke uitdagingen te overwegen.

Galen Low: Sommige mensen wordt gevraagd een dubbele rol te vervullen. Hebben alle projecten verandermanagement nodig?

Deborah Ketai: Niet alle projecten vereisen verandermanagement. De vaardigheden verschillen, maar overlappen elkaar. Programmamanagers moeten dichter komen bij de plek waar strategie wordt gevormd, zodat ze transparant aan het leiderschap kunnen terugkoppelen waar waarschijnlijk afwijkingen zullen ontstaan.

Galen Low: Welkom bij de podcast van De Digitale Projectmanager — de show die deliveryleiders helpt slimmer te werken, sneller te leveren en beter leiding te geven in het tijdperk van AI. Ik ben Galen, en elke week duiken we in praktijkstrategieën, nieuwe hulpmiddelen, bewezen raamwerken en af en toe een waargebeurd verhaal uit de frontlinie van projecten. Of je nu enorme transformatieprojecten aanstuurt, AI-processen beheert of gewoon probeert de chaos onder controle te houden: je bent hier op de juiste plek. Laten we beginnen.

Vandaag kijken we achter de schermen van de manier waarop een programmamanager en haar team een praktijkgemeenschap hebben opgezet binnen een enorme zorgorganisatie. Die gemeenschap hielp silo's te verwijderen en houdingen rond AI binnen het bedrijf op één lijn te brengen.

Mijn gast vandaag is die programmamanager zelf: Deborah Ketai. Deborah is een gecertificeerd manager voor organisatorische verandering en was tot voor kort programmamanager bij een grote, in de Verenigde Staten gevestigde zorggroep. Daar bouwde ze bloeiende gemeenschappen rond AI, diversiteit, gelijkheid en inclusie, en beheersing van datatransmissie. Deborah was ook zeer actief in het opbouwen van de projectmanagementgemeenschap als bestuurslid en portefeuilleleider voor programma's van een regionale afdeling van PMI.

In deze aflevering bespreken we hoe Deborahs dagelijkse werk eruitzag als programmamanager die een belangrijke organisatorische veranderings­initiatief rond AI leidde, of organisatorische verandering rond AI en machinaal leren anders moet worden aangepakt, wat teams van elke omvang kunnen leren van de draaiboeken van ondernemingen die enorme AI-transformaties ondergaan, en of de rol van een project- of programmamanager zich zal ontwikkelen om verandermanagement te omvatten — en wat dat kan betekenen voor de vaardigheden van projectmanagers.

Deborah, heel erg bedankt dat je er vandaag bent.

Deborah Ketai: Bedankt voor de uitnodiging, Galen.

Galen Low: Ik kijk enorm uit naar dit gesprek, omdat je zo diep betrokken bent geweest bij en ingebed was in je rol als programmaleider en verandermanager voor een enorme zorgorganisatie, precies toen AI zijn intrede begon te doen.

In onze gesprekken voorafgaand hieraan noemde je zaken als het afbreken van silo's tussen divisies en belanghebbendengroepen, het organiseren van trainingssessies en hackathons, het aanpakken van zorgen rond risico en compliance, en het op één lijn brengen van AI-professionals — en misschien ook mensen die AI-professional wilden worden.

Dus ik dacht dat ik zou beginnen met een prangende vraag waarvan ik denk dat mijn luisteraars het antwoord willen weten. Is het de moeite en energie waard om silo's af te breken en houdingen rond AI binnen een enorme bedrijfsorganisatie op één lijn te brengen? Is het überhaupt mogelijk? En wat zou er gebeuren als een organisatie zoals die waarmee jij werkte die stap volledig zou overslaan?

Deborah Ketai: Dat is echt een goede vraag, Galen, en ik ben blij dat je die stelt. Ik denk dat afstemming cruciaal zal zijn en dat het afbreken van silo's daar een belangrijk onderdeel van wordt. Om te beginnen zullen bedrijven datagovernance en AI-governance moeten instellen. Ze zullen hun middelen en verwachtingen rond het ontwikkelen of aanschaffen van AI-hulpmiddelen op elkaar moeten afstemmen.

En als ze een AI-eerstcultuur willen hebben — en dat zullen ze moeten doen als hun concurrenten ermee bezig zijn — moeten ze nadenken over wat dat nu en in de toekomst voor hun medewerkers betekent. Op zijn minst zullen ze silo's moeten afbreken om het risico op cybersecurity-incidenten te vermijden.

Als ze de stap van het afbreken van silo's overslaan, lopen ze ook tegen veel van wat we achterstand noemen aan: technische achterstand, kennisachterstand enzovoort. Daardoor worden toekomstige projecten duurder en moeilijker. Ik denk dat er drie gebieden zijn waarin ik silo's heb afgebroken. Je noemde ze eigenlijk allemaal.

AI, systeembeheercontroles en gemeenschapsbetrokkenheid als leider van de op één na grootste personeelsgroep binnen UnitedHealth Group. En tot op zekere hoogte ook via een mentorprogramma, waarbij silo's na fusies en overnames werden afgebroken. Ik denk dus dat er verschillende stappen en vaardigheden betrokken zijn bij het afbreken van silo's waarop projectmanagers en verandermanagers zich moeten richten.

Een daarvan is empathie tussen verschillende groepen creëren door hen met elkaar vertrouwd te maken. Cross-training, meelopen met collega's, mentoring en coaching. Het leiderschap moet een visie creëren en draagvlak krijgen voor hoe het eruit zou zien en wat de voordelen zouden zijn van het afbreken van de silo's. Ze moeten zich richten op contactmomenten, processen en communicatiekanalen die de silo's samenbrengen.

Ze moeten zich ook richten op het wegnemen van obstakels voor het samenbrengen van mensen, zoals verschillende gegevensbronnen — een van de grootste obstakels.

Galen Low: Wat ik mooi vind aan je antwoord is dat ik afbreken van silo's aanvankelijk zag als verschillende groepen binnen een onderneming helpen elkaar te begrijpen.

Ik vind het een goede invalshoek dat het eigenlijk ieders probleem is. Het is teamwork. Het gaat niet alleen om samen zingen en elkaar begrijpen. Als het aankomt op datagovernance, compliance en beveiliging, is iedereen op een bepaalde manier verantwoordelijk voor zijn eigen onderdeel. Iedereen moet uit hetzelfde liedboek zingen en het eens zijn over de afstemming.

Wat de impact of uitkomst van die afstemming is, moet ook op leiderschapsniveau worden afgesproken en begrepen. Het gaat dus niet alleen om die culturele verschuiving — een vaag woord dat we vooral rond AI voortdurend gebruiken — maar daadwerkelijk om risico. En om het rendement op investering van verbondenheid en eenheid.

Ook de kosten van fouten: het niet voeren van die gesprekken en vervolgens een risico oplopen of een risico werkelijkheid zien worden dat zeer duur en schadelijk kan zijn. Dat had waarschijnlijk voorkomen kunnen worden als mensen op één lijn hadden gezeten. Ik vind het prettig hoe tastbaar dat is.

Deborah Ketai: Het kan zowel vaag als tastbaar zijn.

Galen Low: Dat vind ik mooi. Vaag en tastbaar, inclusief het technische onderdeel.

Deborah Ketai: Zij is een soort tastbare, dus dat is er ook nog.

Galen Low: Ik vind het geweldig. Ik vraag me af of we iets kunnen uitzoomen. Zoals je al aangaf, werkte je eerder bij een grote Amerikaanse zorggroep. Je verantwoordelijkheid lag bij het leiden van verandermanagementprogramma's en -initiatieven rond allerlei onderwerpen, en volgens mij meest recent rond AI en machinaal leren.

Dat brengt me terug bij mijn nieuwsgierigheid: hoe zag je dagelijkse werk in die rol eruit en welke resultaten werden van je verwacht?

Deborah Ketai: Zoals vaak bij verandermanagement was mijn grootste inspanning waarschijnlijk het voorbereidende werk: bepalen wat de doelen waren, wat de succesmaten zouden worden, wie erbij betrokken zou zijn enzovoort. We hadden echt drie doelen: talent, mobiliteit en behoud binnen het AI-domein. Dit was een enorm Fortune 5-bedrijf. AI vond op allerlei plekken plaats. En laat me duidelijk zijn: wanneer ik in deze context over AI spreek, gaat het niet alleen om generatieve AI, maar ook om voorspellende analyses, draagbare apparaten en sensoren, en het internet der dingen.

Mijn tweede doel voor het programma was samenwerking tussen deze AI-activiteiten stimuleren, zodat ze niet telkens opnieuw het wiel uitvonden. Het derde doel was een culturele verschuiving: bedrijfskampioenen aanmoedigen om AI-oplossingen voor hun zakelijke uitdagingen te overwegen. In het begin besteedde ik veel tijd aan het identificeren en segmenteren van de belanghebbendengroepen.

Ik werkte hiervoor samen met een specialist in AI-rapportage en analyse. We bepaalden hun behoeften en onderzochten hoe we hen het beste konden bereiken. De rest van het programma bestond voornamelijk uit het creëren van mogelijkheden om te leren, te delen en een gemeenschap op te bouwen, afgestemd op de verschillende groepen en segmenten die ik had geïdentificeerd.

Mijn projecten binnen het programma bestonden uit drie onderdelen: evenementen zoals een interne conferentie en hackathons; inhoud zoals podcasts, artikelen en presentaties; en een gemeenschap via interne sociale media en kennisdeling. Daarnaast was er een vierde onderdeel: risicomanagement, waarbij ik de governancecommissie adviseerde over governance, compliance en beveiliging.

Galen Low: Dat is een groot programma. Het is grappig, want in mijn gemeenschap praten we vaak over het krijgen van een opdracht en die vervolgens moeten uitvoeren. Jij begon echter nog eerder. En wat ook interessant is, is de tijdsperiode. Je had aangegeven dat het niet alleen om generatieve AI ging — in feite was generatieve AI toen relatief nieuw in de bedrijfswereld wat betreft dagelijkse zakelijke toepassingen — maar dat dit meer een fundamentele verandering was, vooruitlopend op grotere en specifiekere veranderingen in de toekomst.

Het ging er meer om mensen samen te brengen. Het is interessant dat je dit opnieuw hebt gedaan: gemeenschap kan vaag klinken, maar het rendement en het risicomanagement van mensen samenbrengen zodat ze elkaar begrijpen, elkaar kunnen trainen en samenwerken, legt de basis voor wat er daarna komt. Dat is op zichzelf risicomanagement. Ik vind dat een sterk idee, omdat de term praktijkgemeenschap — zelfs het woord gemeenschap — vaak wordt gebruikt zonder dat de waarde ervan breed wordt begrepen.

Het is niet zo wetenschappelijk als veel bedrijfsleiders en bestuurders zouden willen. Maar volgens mij heb je precies de kern geraakt: door dit soort dingen te doen, creëer je een soort weefsel, eenheid en samenhang tussen uiteenlopende groepen die de wereld op verschillende manieren begrijpen, en probeer je hen op één lijn te brengen.

Dat vind ik goed. Ik dacht eigenlijk aan twee dingen. Ten eerste aan wat je zei over bedrijfsleiders en hen helpen afstemmen op manieren om deze technologie in het bedrijf te gebruiken. Het is grappig om dit nu in 2025 te bespreken, nu iedereen achter elk AI-hulpmiddel aanjaagt. Maar moest je mensen ervan overtuigen dat AI de moeite waard was om in te investeren en te bespreken?

Deborah Ketai: Ja. Ik denk dat daar twee niveaus in zaten. Het eerste was dat bedrijfsleiders AI vaak simpelweg niet hadden overwogen als mogelijke oplossing voor problemen. Of die problemen nu fraude in de zorg of diagnostische beeldvorming betroffen, er waren zoveel mogelijke toepassingsgebieden voor AI en ze dachten er gewoon niet aan.

De tweede stap was hen in contact brengen met mensen die er genoeg van wisten om de AI-concepten voor hen te vertalen en uit te leggen: bestaat dit al? Kan het in de nabije toekomst bestaan? En wat zijn de risico's, kosten en dergelijke, en het mogelijke rendement van deze oplossingen?

Daarna moesten ze die opties vergelijken, want AI zal nooit de universele gouden sleutel tot elk probleem zijn. Ze moesten dus ook hun andere, niet op AI gebaseerde oplossingen blijven overwegen.

Galen Low: Het is interessant hoe dit het belang van talent zo duidelijk maakt. Dat was het eerste wat je noemde: je gebruikte eigenlijk een gegevensgerichte, analytische aanpak om talent- en belanghebbendengroepen binnen de onderneming te identificeren, zodat je begreep met welke groepen je te maken had, welke vaardigheden zij bezaten en welke vaardigheden nodig waren.

Om kennisdeling mogelijk te maken zodat iedereen zich kon ontwikkelen. Het brengt alle boten omhoog, vooral op het gebied van wat we vroeger de kunst van het mogelijke noemden. We moeten weten wat deze technologie kan. We moeten begrijpen dat het geen wondermiddel is.

We moeten begrijpen hoe dit past binnen het ecosysteem van andere technologieën of methoden. En daarbovenop zijn in de zorg de belangen groot. Er is veel compliance en regelgeving om rekening mee te houden. Uiteindelijk hebben we het over het levensonderhoud en het leven van mensen.

Dat staat hier op het spel. Daarom is het de moeite waard al deze groepen samen te brengen en vast te stellen wie over de juiste kennis beschikt en wie anderen kan trainen, zodat we een sterker team vormen dat elkaar begrijpt, empathie heeft opgebouwd en kan werken aan oplossingen die uitsluitend op AI gebaseerd zijn, AI met andere technologie combineren, AI met medische technologie combineren of gewoon processen verbeteren.

Wat een enorme opgave. Uit nieuwsgierigheid: omdat het zo'n groot programma was, hoe begin je überhaupt te meten of die verandering werkt? Als achtergrond: mijn organisatie worstelt hiermee. We willen iedereen samenbrengen en hackathons organiseren. Een paar maanden geleden hebben we zelfs een volledige week stilgelegd om als teams verschillende AI-oplossingen en manieren om met behulp van beschrijvend programmeren te werken te onderzoeken.

Maar de hele tijd vragen we ons af: is dit het waard? We leggen alles stil en besteden al die tijd en energie aan een bepaalde uitkomst. De uitkomst was duidelijk, maar we worstelden ook met de vraag: hoe weten we of het werkte? Hoe weten we of het werkt? Welke zaken mat of moest je meten om vast te stellen of die cross-trainingen, educatieve sessies en hackathons effectief waren?

Deborah Ketai: Ik geef toe dat de meetgegevens voor mij het moeilijkste onderdeel van het programma waren. Dat kwam grotendeels doordat sommige gegevens die we wilden volgen eenvoudigweg niet in onze HR-systemen en andere systemen werden vastgelegd. Zo was er niet alleen geen manier om loopbaanmobiliteit binnen het HR-systeem te volgen, maar doordat dit een Fortune 5-bedrijf was dat grotendeels door fusies en overnames was gegroeid, bestonden er nog overblijfselen van oude HR-systemen.

Dezelfde soort functie had daardoor binnen de organisatie vaak vijftien verschillende functietitels of functiecodes. Dat maakte het leven erg moeilijk. We moesten dus vaak vertrouwen op zeer eenvoudige of indirecte meetgegevens — niet het soort gegevens dat je op lange termijn zou willen gebruiken.

Op lange termijn zouden we met HR hebben samengewerkt om meer gegevens vast te leggen. Voorlopig gebruikten we eenvoudige zaken, zoals betrokkenheid bij inhoud. We implementeerden verschillende soorten webanalyse op sociale media, de website en microsites. Uiteraard legden we ook zaken vast zoals conferentiebezoek.

We vonden het bovendien belangrijk dat de gemeenschap van AI-professionals divers was. Dat vereiste allerlei soorten gegevens, bijvoorbeeld toen we sprekers uitnodigden voor een driedaagse conferentie met vier programmalijnen. We zorgden ervoor dat de presentatoren verschillende genders en geografische locaties wereldwijd vertegenwoordigden. We bekeken allerlei diversiteitsmetingen en ook verschillende leeftijden.

Veel van die gegevens waren echter onvolledig. Een groot deel ontbrak eenvoudigweg en sommige gegevens waren misleidend. Als het programma langer had geduurd — helaas werd het om verschillende redenen voortijdig beëindigd, die niets met het programma zelf te maken hadden — hadden we waarschijnlijk manieren kunnen vinden om geschiktere gegevens vast te leggen en te volgen.

Galen Low: Ik vind die aanpak goed: kijken waarmee we moeten werken en hoe we dat kunnen gebruiken om voortgang te meten. In mijn huidige organisatie kunnen we onze medewerkers nog enigszins overzien. Daarmee bedoel ik niet letterlijk fysiek, maar we weten bijvoorbeeld dat iemand hier goed is in bepaalde zaken.

We hebben geen diepgaand HR-informatiesysteem en onze vaardighedenmatrix is niet sterk geformaliseerd. We weten gewoon dat iemand geschikt zou zijn en misschien een lunchsessie kan geven. Maar wanneer je over een onderneming op schaal praat — ik denk aan mijn tijd bij een adviesbureau met 500.000 medewerkers — lijkt het bijna meer op een massaal bedrijfsmodel.

Wanneer je een externe conferentie plant of een socialmediaplatform bouwt, kijk je naar betrokkenheid, kaartverkoop en aanwezigheid. Je moet de gegevens als geheel bekijken en hopen dat mensen bij binnenkomst of vertrek een enquête invullen over wie ze zijn, wat ze doen en wat ze graag doen. Dat is de data waarmee je moet werken.

Ik vind het een goed idee dat je, als het programma was doorgegaan, een HR-systeem met meer gestructureerde en schone gegevens over mensen had kunnen opbouwen. Niet alleen om beslissingen over gemeenschappen en evenementen te nemen, maar ook voor personeelsbezetting. Op die schaal heb je bijna AI nodig om de volgende generatie identificatie van belanghebbenden op te bouwen.

Ik vind het goed dat je je op signalen baseert: niet proberen te graven in gegevens die je niet hebt en wensen dat je ze wel had, maar creatief werken met wat beschikbaar is. Wat je zei over functietitels en functiecodes klinkt als een enorme puinhoop. Ik heb gewerkt in organisaties waar fusies en overnames een wekelijkse routine waren. Het is zo rommelig dat je je afvraagt hoe je überhaupt weet wie er nu in dienst is.

Deborah Ketai: Aan de andere kant heb je bij een technologische verandering het voordeel dat je over allerlei soorten gebruikersstatistieken en analyses beschikt. Je kunt bijvoorbeeld nagaan wie Hugging Face of een vergelijkbaar hulpmiddel gebruikt.

Galen Low: Is Hugging Face een hulpmiddel?

Deborah Ketai: Hugging Face biedt kleine omgevingen waarin je je eigen generatieve AI-modellen kunt maken.

Galen Low: Mijn gedachten gingen meteen naar de Alien-films van Ridley Scott: aliens die op je gezicht springen en je vastgrijpen. Ik dacht: dat bedoelt Deborah waarschijnlijk niet.

Deborah Ketai: Misschien was dat precies wat de oprichters voor ogen hadden.

Galen Low: Precies. Kunnen we iets maken dat van het scherm springt en gegevens uit iemands hersenen slurpt? Het valt me op dat je erg gepassioneerd bent over verandermanagement, en niet alleen over AI-verandermanagement. Je hebt gewerkt aan initiatieven rond diversiteit, gelijkheid en inclusie, en aan andere gegevensinitiatieven.

Moet verandermanagement volgens jouw ervaring anders worden aangepakt bij AI, of is het in wezen hetzelfde draaiboek als bij andere soorten organisatorische verandering?

Deborah Ketai: Er zijn enkele verschillen. Ten eerste zal alles wat met AI en machinaal leren te maken heeft steeds sneller bewegen.

De leercurve is exponentieel. Mensen die veranderingsinitiatieven, projecten of programma's in het AI-domein leiden, moeten inzicht krijgen in de basis van gegevens, processen, infrastructuur en afstemming met strategische doelen. Bij verandermanagement heb je altijd draagvlak aan de top nodig.

Je hebt draagvlak bij het middenmanagement nodig, omdat zij moeten uitleggen wat het voordeel voor medewerkers is. En je hebt mechanismen nodig waarmee medewerkers op de werkvloer ideeën en houdingen naar boven kunnen terugkoppelen.

Er is ook de vraag hoeveel weerstand er tegen AI als concept bestaat. Is mijn baan veilig? Het antwoord daarop is misschien wel en misschien niet. Is iemands baan tegenwoordig eigenlijk veilig?

Er is een gebrek aan begrip en vaak ook een gebrek aan transparantie, zowel rond het gebruik van AI binnen een bedrijf als rond de hulpmiddelen zelf: hoe nemen ze beslissingen en, als je ze beslissingen laat nemen, hoe komen ze tot hun uitkomst?

Er zijn veel angsten en risico's. Daarom denk ik dat er binnen verandermanagement een afzonderlijk gebied bestaat voor mensen die aan AI-gerelateerde veranderingsinitiatieven werken. Maar de basisprincipes van verandermanagement blijven hetzelfde.

Galen Low: Dat is logisch voor mij, vooral wat je zei over draagvlak en transparantie. Wat me vooral trof, was de snelheid van verandering. Het is niet slechts één verandering binnen organisaties waar ik eerder werkte. Daar is een verandermanagementteam dat één verandering beheert en daarna vertrekt tot het weer nodig is.

Hier hebben we het over voortdurende verandering op onzekere grond. De zorgen over baanzekerheid, angst voor technologie en besluitvorming als een zwarte doos versterken allemaal de manier waarop mensen verandering ervaren. En het wordt erger doordat de verandering niet stopt.

Het is cyclisch. Het is een veranderingscyclus die bijna voortdurend moet worden beheerd, omdat verandering niet is opgehouden.

Deborah Ketai: Zelfs binnen afzonderlijke AI-inspanningen is er voortdurende verandering. Je gegevens veranderen in de loop van de tijd. De projectmanager, verandermanager of beiden moeten dus allerlei zaken meenemen die verschillen op basis van de betrokken wetenschap.

Maar zoals ik zei, is dat een klein onderdeel ten opzichte van de fundamenten van project- en verandermanagement. Die blijven hetzelfde.

Galen Low: De raamwerken zijn hetzelfde. Wat erin zit, verschilt altijd. Er zijn nuances en complexiteiten afhankelijk van het type verandering.

Deborah Ketai: Een van de complexiteiten die mensen nu pas beginnen te beseffen, is dat AI zelf steeds meer een belanghebbende wordt, vooral bij generatieve AI. Het heeft zijn eigen doelen en houdingen en gedraagt zich soms anders — en soms tegengesteld — aan wat jij wilt, op basis van die interne realiteiten.

Galen Low: Dat is interessant. In onze gemeenschap praten we erover om AI-hulpmiddelen bijna toe te voegen aan het communicatieplan van een project, omdat ze een bron van waarheid of informatie worden. We moeten updates dus aan hen communiceren, bijvoorbeeld door vergaderverslagen naar de gebruikte hulpmiddelen te uploaden zodat ze actueel blijven.

Ik vind het idee interessant dat ze hun eigen houdingen en perspectieven hebben. Twee jaar geleden zou dat sciencefiction zijn geweest, maar nu praten we over agentische werkstromen en algemene kunstmatige intelligentie.

We zijn er nog niet, maar we moeten er al rekening mee houden, omdat AI zo is gebouwd: om de voorkeuren van een individuele gebruiker te bedienen en misschien anders te reageren tegenover een andere gebruiker. Dat geldt waarschijnlijk ook voor mensen.

Het moet dus worden meegenomen: AI is een belanghebbende, verandert zelf en heeft op een bepaalde manier zelf verandermanagement nodig om de veranderingen eromheen te begrijpen.

Deborah Ketai: Voor mij lijkt dit sterk op geloof in God. Je hoeft niet in God te geloven. Je hoeft ook niet in algemene kunstmatige intelligentie te geloven om te erkennen dat de wereld — of de manier waarop kunstmatige intelligentie handelt — soms lijkt alsof ze een persoonlijkheid heeft of alsof er een goddelijk ontwerp achter zit.

Je moet daar rekening mee houden en bekijken hoe je het kunt beperken, sturen enzovoort. Anders loop je het risico te worden ingehaald door gebeurtenissen en situaties waarover je geen controle hebt.

Galen Low: We moeten eigenlijk T-shirts laten maken met de tekst: AI werkt op mysterieuze wijze. Dat is niet eens onwaar. Als ik naar jou en je achtergrond kijk, naar je rol als programmamanager en verandermanager, zie ik dat je diep betrokken bent bij de projectmanagementgemeenschap.

In mijn gemeenschap zijn er mensen die een dubbele rol moeten vervullen: projectmanager én verandermanager. Die rollen worden samengevoegd en het lijkt steeds gebruikelijker te worden.

Wat is jouw mening? Hebben alle projecten verandermanagement nodig? En moeten alle projectmanagers verandermanagement begrijpen?

Deborah Ketai: Nee, niet alle projecten vereisen verandermanagement. De klassieke opvatting is dat een complex project verandermanagement nodig heeft wanneer het risico bestaat dat de voordelen niet worden gerealiseerd als mensen het project na implementatie niet overnemen.

Ik heb het niet alleen over technologieprojecten. Dat zijn de projecten die verandermanagement nodig hebben. Ik denk niet dat het redelijk is om van projectmanagers te verwachten dat ze ook verandermanagers zijn, maar in veel organisaties wordt dat wel de norm.

De vaardigheden verschillen, maar overlappen elkaar. Ik richt me vooral op de reden waarom je afzonderlijke rollen zou moeten hebben: de tijdslijnen. Traditioneel krijgen projectmanagers niet de gelegenheid om een verandering op te volgen en echt te zorgen dat die wordt bestendigd.

Galen Low: Interessant.

Deborah Ketai: Dat is echt cruciaal.

Tenzij je PMO, operations of degene die je projectmanagementproces beheert bereid is de mogelijkheid voor projectmanagers om veranderingsbestendiging te garanderen te erkennen en te financieren, denk ik niet dat het zinvol is projectmanagers verandermanagement te laten uitvoeren.

Maar ze moeten elkaar wel begrijpen. Ik denk dat geïntegreerde plannen voor project- en verandermanagement steeds normaler en nuttiger zullen worden. Voor projectmanagers die gedwongen worden of geïnteresseerd zijn in verandermanagement, zijn er enkele basisconcepten die ze moeten leren.

Ze moeten begrijpen dat succesvolle verandering vanuit de top, de onderkant en het midden van de bedrijfshiërarchie moet komen. Afhankelijk van je organisatie moet je misschien de rol van communicatieleider kunnen vervullen. Je moet mogelijk samenwerken met de afdeling leren en ontwikkeling, of die rol zelf op je nemen.

Als je bedrijf zo'n afdeling niet heeft, moet je mogelijk processen opzetten of opnieuw ontwerpen. Dat zijn niet noodzakelijk de belangrijkste aandachtspunten van de meeste projectmanagers. Ze maken wel deel uit van projectmanagement, maar zijn daar niet zo sterk op gericht als bij verandermanagers.

Daarnaast moeten individuele projectmanagers en projectmanagementorganisaties bereid zijn veel tijd en moeite te investeren in voorafgaande beoordelingen: beoordelingen van belanghebbenden, impactbeoordelingen en beoordelingen van veranderingsbereidheid. Zonder die beoordelingen wordt de verandering niet succesvol.

De invoering zal niet succesvol zijn, of ze zal aanvankelijk wel succesvol zijn maar daarna terugvallen.

Galen Low: Ik vind dat tijdsaspect interessant. Toen je eerder over je missie en dagelijkse werk sprak, was het zo uitgezoomd en fundamenteel dat het bijna op zichzelf een initiatief was — en daarmee mogelijk een project — maar ook de basis vormde voor andere projecten. Het organiseren van een hackathon zou bijvoorbeeld een project zijn waarvoor idealiter iemand de leiding neemt en de uitvoering verzorgt.

Jij deed al het voorbereidende werk om de verandering op te zetten. Daarna volgt een periode die langer duurt dan een project, waarin de verandering wordt gemeten.

Wanneer we met mensen van het Project Management Institute praten, ligt de nadruk tegenwoordig op het realiseren van resultaten en meer doen dan alleen de ijzeren driehoek beheren. We worden verantwoordelijker voor de waarde die we leveren.

Maar we zijn niet altijd aanwezig om te zien hoe die verandering zich manifesteert. Stellen we onszelf wel op succes in als we naar het volgende project gaan en niets meer te maken hebben met hoe de impact in de loop van de tijd wordt gemeten?

Deborah Ketai: Ik denk dat daar een paar gedachten in zitten. Bij de eerste aandacht voor agile werken was een van de kernprincipes toegewijde teams. Dat was een van de eerste dingen die naar de achtergrond verdwenen toen agile in de meeste grote organisaties daadwerkelijk werd ingevoerd.

Het feit blijft dat iemand zich aan de opvolging moet wijden. Je kunt die persoon onderdeel van het team noemen, of een team dat boven de dagelijkse hectiek staat en communiceert met teams die komen en gaan, maar iemand moet dat doen.

Galen Low: Ik vind het goed dat je het eerder als een investering formuleerde. Het leiderschap moet bereid zijn te investeren in een toegewijd persoon of team dat toezicht houdt.

In consultancy hadden we een afzonderlijke afdeling voor verandermanagement. Nu begrijp ik waarom: hun werk begon eerder en eindigde later dan het project zelf, omdat ze verandering beheerden en de impact ervan maten.

Het zou waarschijnlijk geen haalbare investering zijn om het projectteam achttien maanden aan te houden om resultaten te meten. Daarom is het logisch dat een toegewijd persoon of een toegewijde groep toezicht houdt op verandering.

Misschien is de aanbevolen richting dus niet dat projectmanagers ook verandermanagers worden, maar dat ze tussen rollen kunnen wisselen: in één initiatief verandermanager zijn en in een ander projectmanager, maar niet beide tegelijk.

Hoe denk je dat de rol van een programmamanager zich de komende drie tot vijf jaar zal ontwikkelen? En op welke vaardigheden zouden projectmanagers zich vandaag moeten richten om daarop voorbereid te zijn?

Deborah Ketai: Voor programmamanagers — en voor dit antwoord definieer ik een programmamanager als iemand die een reeks verwante projecten beheert — kan het programma als geheel al dan niet een vastgestelde begin- en einddatum hebben. Het kan ook doorlopend zijn.

Ik denk dat programmamanagers dichter moeten komen bij de plek waar strategie wordt gevormd en dat ze strategie moeten kunnen beïnvloeden. Ze moeten senior leiders ertoe bewegen prioriteiten en doelen te verduidelijken en transparant terugkoppelen waar waarschijnlijk afwijkingen ontstaan en waar investeringen waarschijnlijk niet het juiste rendement opleveren.

Soms is dat rendement op de lange termijn belangrijk, ook al levert het geen vertienvoudiging op in het volgende boekjaar. Het blijft belangrijk.

Ik denk ook dat programmamanagers zich meer moeten richten op ondernemingsrisico. Met risico bedoel ik zowel de klassieke negatieve risico's als kansen.

Galen Low: Ik vind het goed dat je dat toevoegt, want niet veel mensen doen dat. Positieve risico's en kansen. Vooral met jouw definitie snap ik het. Je beschrijft een rol waarin je eigenaar bent van een doorlopend programma, niet slechts van een verzameling projecten die op een bepaalde datum eindigt.

Je kijkt voorbij een bepaalde datum en denkt na over de bedrijfsstrategie. Wil het leiderschap programmamanagers aan de strategische tafel hebben? Of moeten programmamanagers die strategischer willen zijn daar hard voor vechten?

Deborah Ketai: Ik geef het klassieke antwoord van een projectmanager: het hangt ervan af. Het hangt af van de leider en van de organisatiecultuur.

Ik denk ook dat we vaak proactief moeten zijn. We mogen niet aannemen dat het leiderschap ons niet wil hebben omdat we niet vroeg worden uitgenodigd. Soms heeft gewoon niemand eraan gedacht.

In de komende drie, vijf en tien jaar wordt het opbouwen van relaties een steeds belangrijkere functie van project- en programmamanagers, zowel vanwege de impact van AI op banen in het algemeen als omdat ze steeds dichter bij de bron van macht en visie moeten komen.

De meest succesvolle project- en programmamanagers zullen waarschijnlijk degenen zijn die de grenzen tussen bedrijfsvoering en IT vervagen. Mensen met een IT-achtergrond moeten leren wat hun bedrijf en sector drijft. Mensen met een bedrijfsachtergrond moeten leren hoe de verschillende onderdelen van hun bedrijf gegevens en informatie kunnen delen.

In de zorg moeten ze bijvoorbeeld de basis begrijpen van het verwerken van claims en het innen van geld. Die grens zal dus in de loop van de tijd vervagen.

Galen Low: Ik vind dat pragmatisch. Op LinkedIn en in andere media zie je vaak dat je morgen de knop moet omzetten en een strategische leider moet worden die aan tafel zit.

Maar jouw visie is realistischer: het kost tijd. Je moet risico's signaleren, laten zien dat je het bedrijf begrijpt of dat je de technologie begrijpt, en vervolgens doorgroeien naar de volgende rol.

Dat is hoe deze verschuiving werkelijk plaatsvindt. Iedereen zegt dat AI iedereen naar een hoger niveau zal tillen, maar niemand weet precies wat dat betekent. In de praktijk betekent het: begin nu met deze vaardigheden en relaties op te bouwen.

Het is niet dat je niet gewenst bent aan tafel; mensen weten alleen nog niet dat je daar hoort. Dat kost tijd. Daarna krijg je idealiter de ruimte om vanuit een bedrijfsstrategische en technologische invalshoek te kijken, in plaats van alleen vanuit projectomvang en projectbudget.

Deborah Ketai: Denk ook aan je eigen leven als projectmanager. Je weet al dat bepaalde mensen te laat worden betrokken, zoals het testteam en de compliance- en beveiligingsmedewerkers. We hebben allemaal het probleem dat we niet vroeg genoeg in het gesprek zitten.

Als je een ingang nodig hebt, kun je soms gewoon vragen om te worden uitgenodigd voor vergaderingen en beloven dat je alleen observeert. Je neemt niet actief deel. Maar je bent er wel. Voer ook gesprekken met managers op een hoger niveau, zodat je ideeën en zorgen naar boven kunt laten doorsijpelen.

Galen Low: Dat brengt ons terug bij wat je aan het begin zei: de juiste perspectieven en talenten samenbrengen, kennis uitwisselen, elkaar trainen en een gemeenschap opbouwen.

Als we dingen vanuit elkaars perspectief kunnen zien, of allemaal een beetje hetzelfde perspectief ontwikkelen, is dat een kracht die iedereen vooruithelpt. Dat zorgt voor samenhang en geeft ons het vermogen om veranderingen en uitdagingen snel en op schaal aan te pakken.

Deborah Ketai: Daar ben ik het mee eens.

Galen Low: Een mooie afronding. Deborah, heel erg bedankt. Voor de aardigheid: heb jij een vraag die je aan mij wilt stellen?

Deborah Ketai: Dat heb ik. Ik weet niet of je die wilt beantwoorden, maar wat is iets dat je graag met AI zou willen doen, maar niet durft of niet weet hoe?

Galen Low: Er zijn er heel veel. Ik ben tevreden met de manier waarop veel van mijn generatieve AI-hulpmiddelen werken als denkpartner. Ik heb ze nog niet volledig autonoom gemaakt. Ik denk niet alleen aan agentische werkstromen, maar aan wat ik zou doen als ik een menselijke projectcoördinator of assistent naast me had die met beperkte aanwijzingen een taak oppakt en ermee aan de slag gaat.

Dat proberen mensen te bouwen. Op dit moment lijken veel agentische werkstromen echter meer op intelligente automatisering dan op daadwerkelijk handelen. Ik zou mijn assistent graag opdracht kunnen geven om verschillende dingen in verschillende hulpmiddelen te doen.

Ik denk aan de agentmodus in ChatGPT en misschien moet ik die meer uitproberen. Het gaat om beheer tussen verschillende hulpmiddelen, op verzoek en wanneer het nodig is, niet noodzakelijk als een agent die op de achtergrond zelfstandig zijn werk doet.

Ik verlang naar een veelzijdigere assistent die deels autonoom en deels aangestuurd is, zodat die tijd voor mij kan besparen. Misschien is dat een vaag antwoord, maar ik bevind me ergens tussen mensen die apps bouwen, mensen die agenten bouwen die op de achtergrond werken en zelf beslissingen nemen, en mensen die alleen prompts schrijven.

Als ik een menselijke assistent had die taken voor me kon aanpakken, zou dat geweldig zijn. Ik zou die persoon een opdracht geven, die zou zelf enkele beslissingen nemen en terugkomen met een resultaat. Misschien bouwen mensen momenteel al agenten op die manier, maar ik heb het nog niet gezien.

Deborah Ketai: Wat mij eerlijk gezegd tegenhoudt, is dat ik niet vertrouw op waar mijn gegevens terechtkomen.

Galen Low: Is het weer die zwarte doos? Misschien is dit een hele andere aflevering, maar volgens mij houdt dat iedereen tegen. Ik las een artikel en weet niet meer waar het stond; als ik het me herinner, zet ik het in de shownotities.

Het ging over het verschijnsel dat mensen AI eerst gaan gebruiken en vervolgens ergens tegen een muur oplopen. Op een bepaald moment gebruikt slechts een bepaald percentage AI voor bepaalde zaken of met een bepaalde frequentie.

Het ligt niet alleen aan de technologie of aan begrip ervan. Het gaat ook om vertrouwen en transparantie rond datagovernance, compliance, waar gegevens terechtkomen, wat we mogen doen en of we alles veilig aan elkaar kunnen koppelen.

Zelfs alleen al die gedachte zorgt voor aarzeling. Wat als het iets verkeerd doet? Wat als het gegevens overal naartoe stuurt? Alles gebeurt in een zwarte doos en kan misgaan voordat het voordeel oplevert.

Deborah Ketai: Ik was onlangs bij een regionale leiderschapsconferentie van PMI. Een van de deelsessies ging over AI en projectmanagement. Daar kwam de vraag aan de orde of het ethisch is om e-mailcampagnes van je afdelingen door AI te laten uitvoeren.

Galen Low: Interessant.

Deborah Ketai: De conclusie was dat het niet ethisch was als dit betekende dat de gegevens van leden werden vrijgegeven.

Galen Low: Juist.

Deborah Ketai: In de leegte. Tenzij je een volledig intern hulpmiddel gebruikte, was het antwoord nee.

Galen Low: Interessant hoe het steeds terugkomt op waarborgen die we als mensen zelf niet volledig begrijpen. Het gaat vaak om discretionaire beslissingen, beleid en governance. We vertrouwen onszelf en onze technologie nog niet genoeg om die waarborgen op te bouwen en toe te passen.

Ik zou hier graag nog eens op terugkomen. Ik ben geïnteresseerd in ideeën en voorbeelden van hoe AI wordt gebruikt in projectmanagement en daarbuiten, maar ook in wat ons tegenhoudt. Vaak is het niet de technologie, maar de ethiek.

Deborah Ketai: Ja.

Galen Low: En het vertrouwen.

Dat is erg interessant.

Deborah, heel erg bedankt dat je vandaag tijd met me hebt doorgebracht. Ik heb ervan genoten. Waar kunnen luisteraars meer over jou te weten komen?

Deborah Ketai: Neem zeker contact met me op via LinkedIn. Ik ben de enige Deborah Ketai op LinkedIn. Als je een notitie kunt toevoegen, vermeld dan de podcast van DPM.

Galen Low: Geweldig. Ik voeg een link naar je LinkedIn-profiel toe.

Ik ben blij dat jij de enige Deborah Ketai bent. Er zijn ongeveer twee Galen Lows op LinkedIn, dus ik ben nu jaloers. Ik voeg de link toe aan de shownotities zodat mensen contact met Deborah kunnen opnemen.

Deborah, nogmaals bedankt.

Deborah Ketai: Heel erg bedankt, Galen.

Galen Low: Dat was de aflevering van vandaag van de podcast van De Digitale Projectmanager. Als je van dit gesprek hebt genoten, abonneer je dan via het platform waarop je luistert. Wil je nog meer praktische inzichten, casestudy's en draaiboeken, ga dan naar thedigitalprojectmanager.com. Tot de volgende keer, bedankt voor het luisteren.