Waarom alles automatiseren de verkeerde zet is (en wat je in plaats daarvan moet doen)

Lees het transcript:

We proberen onze podcasts te transcriberen met behulp van een softwareprogramma. Vergeef ons eventuele typefouten, want de bot heeft niet altijd 100% gelijk.

Jim Iyoob: [00:00:00] Je moet voorzichtig zijn met dat verdomde verhaal dat overal rondgaat, namelijk dat het alle banen opeet. Het is veel ingewikkelder dan dat, en ik denk dat het probleem is dat niemand het wil toegeven.

Galen Low: Sommige van deze bedrijven nemen banen weg die ze misschien überhaupt niet hadden moeten creëren.

Jim Iyoob: Het is niet aan jou om mij te vertellen hoe ik contact met je moet opnemen als ik je product koop. Ik kan je product overal kopen. Het enige wat jou onderscheidt van ieder ander is dus de klantervaring.

Manu Dwievedi: Als je nadenkt over de implementatie van AI, implementeer je AI niet om mensen te vervangen. Je implementeert AI om dingen beter te maken voor je klanten.

Jim Iyoob: Iedereen probeert alles te automatiseren. Onzin. Kies drie dingen die je 's nachts wakker houden. Begin daar. Je zou binnen 30 tot 45 dagen rendement op je investering moeten zien... als je het goed doet.

Galen Low: Welkom bij de podcast van The Digital Project Manager — 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 echte strategieën voor de praktijk, nieuwe [00:01:00] tools, bewezen raamwerken en af en toe een sterk verhaal uit de frontlinie van projecten. Of je nu enorme transformatieprojecten aanstuurt, AI-workflows in goede banen leidt of gewoon probeert de chaos onder controle te houden: je bent hier op de juiste plek.

Vandaag praten we over grootschalige AI-transformatieprojecten en wat we kunnen leren van wat goed en fout gaat. In het bijzonder richten we ons op de wereld van klantervaring, waar klantcontactcentra overal proberen het juiste niveau van AI te integreren in de ervaring van klanten en medewerkers.

Vandaag zijn twee experts met diepgaande kennis van zowel AI als verandermanagement in de CX-wereld bij me — Jim Iyoob en Manu Dwievedi.

Jim is president van ETS Labs en Chief Customer Officer bij Etech Global Services. Hij is mijn vaste aanspreekpunt als het gaat om pragmatische, directe AI-innovatie die leidt tot operationele uitmuntendheid. Hij is ook een productief auteur en lid van de adviesraad van onze zusterpublicatie, The CX Lead.

Manu is vicepresident-assistent van ETS Labs en medehost van de podcast van Etech, waarin hij diepgaande verkenningen uitvoert naar AI en CX met gerespecteerde experts uit het vakgebied. Hij is ook degene die ik bel wanneer ik vragen krijg over uitdagingen rond verandermanagement op ondernemingsschaal binnen AI-transformaties.

Jim, Manu — bedankt dat jullie er vandaag bij zijn.

Jim Iyoob: Heel erg bedankt dat je ons hebt uitgenodigd.

Manu Dwievedi: Dank je wel.

Galen Low: Ik vind het geweldig om in onze gesprekken te duiken. Ik ken jullie inmiddels al een tijdje. Ik verwacht dat we op interessante manieren een beetje van de hak op de tak zullen springen, en dat is helemaal prima. Maar zodat onze luisteraars het weten: hier is de routekaart die ik voor vandaag heb opgesteld.

Ik was vooral enthousiast omdat jullie je allebei in dit domein bevinden en diep in de wereld van CX- en AI-transformatie zitten. De afgelopen tijd zijn er veel krantenkoppen geweest over grote bedrijven die AI proberen te integreren in hun klantervaring. Sommige hebben een goed resultaat, andere een slecht resultaat. Daarom wilde ik beginnen met de grote olifant in de kamer: AI-transformatieprojecten in callcenters.

Daarna wilde ik een paar lagen dieper gaan dan de krantenkoppen en bespreken wat er daadwerkelijk in die verhalen gebeurt. Vervolgens wilde ik uitzoomen en CX als lens gebruiken om drie dingen te bespreken. Ik wilde praten over de huidige staat van AI-mens-hybride bedrijfsmodellen.

Ik weet dat dit een groot onderwerp is, maar ik wil niet alleen over de technologie praten. Ik wil ook ingaan op de culturele impact van wat jullie in de praktijk zien. Daarna wil ik graag horen wat volgens jullie de beste praktijken voor verandermanagement zijn rond projecten die AI-gerelateerde veranderingen implementeren.

Tot slot wil ik jullie visie horen op hoe een individueel afdelingshoofd of een projectleider AI-gestuurde verandering van deze aard moet aanpakken, vooral als ze al halverwege een IT-project zijn, en hoe ze ervoor kunnen zorgen dat het meer goed dan kwaad doet. Hoe klinkt dat voor jullie?

Jim Iyoob: Dat klinkt geweldig. Dit wordt een goede aflevering.

Galen Low: Laten we beginnen met de prangende vraag. Zo kijk ik ertegenaan: ook buiten de wereld van klantervaring hebben velen van ons de krantenkoppen gezien, zoals die over Klarna, dat bijna al zijn menselijke callcentermedewerkers verving door AI en vervolgens na een paar maanden het grootste deel van het callcenterpersoneel opnieuw aannam.

Er zijn meer voorbeelden van precies hetzelfde. Dit is dus de vraag: wanneer we horen over ontslagen en functies die als gevolg van een grote strategische koerswijziging daadwerkelijk door AI lijken te worden vervangen, in hoeverre is dat precies wat het aan de oppervlakte lijkt en in hoeverre is het misschien ingewikkelder dan het lijkt?

Jim Iyoob: Ik zal hier waarschijnlijk allerlei problemen mee krijgen, maar in 2019 sprak ik in Montego Bay, Jamaica, en zei ik in feite: AI vervangt je mensen niet. Maar net als jij moet je hier echt anders over nadenken. Je moet voorzichtig zijn met dat verdomde verhaal dat overal rondgaat, namelijk dat het alle banen opeet.

Ik bedoel, het is veel ingewikkelder dan dat. En ik denk dat het probleem is dat niemand het wil toegeven. Als we er holistisch naar kijken, hebben de meeste bedrijven overdreven gereageerd toen de pandemie uitbrak. Mensen kwamen toen op hun werk opdagen omdat ze allemaal op afstand werkten. Laten we duidelijk zijn. Dus dachten ze: mensen komen op hun werk opdagen, laten we meer mensen aannemen.

Wat er nu echt gebeurt, is dat veel bedrijven hun personeelsbestand simpelweg weer op de juiste omvang brengen, omdat ze zoveel mensen hadden aangenomen. En nu zeggen ze: we maken de overstap naar AI, en daarom ontsla ik mensen. Dat is niet echt waar. Het is [00:05:00] eigenlijk niet strategisch als je erover nadenkt. Ze hebben niet goed gepland en reageren nu op wat de markt hun vertelt.

Ik kan je vertellen dat Etech als bedrijf het aantal banen heeft laten groeien, zelfs terwijl we overal AI inzetten. Wat AI naar mijn mening nu doet, is de productiviteit verhogen zodat mensen dingen beter en sneller kunnen doen, maar het stelt hen ook in staat om dat te doen. Wat het ons mogelijk maakt, is om meer geschoolde mensen meer rollen te geven.

En ik denk dat bedrijven die massale ontslagen gebruiken, dat doen omdat ze eigenlijk zeggen: hé, ik ben het niet, het is AI. Daarom ontsla ik deze mensen. En dat is gewoon verkeerd. AI zal altijd menselijke mensen nodig hebben. We hebben het er voortdurend over: de mens in de lus. AI is slechts zo slim als de persoon die het heeft geprogrammeerd.

Dus wat denk je? Je hebt mensen nodig om dat te doen. Zo kijk ik ernaar, in tegenstelling tot wat alle anderen zeggen. Iedereen geeft AI de schuld van het feit dat ze hun personeelsbestand verkleinen. En trouwens, de reden dat je deze verhalen hoort over mensen die worden teruggehaald, is dat ze in eerste instantie niet wisten hoe ze AI moesten inzetten.

In plaats van de klantervaring te verbeteren, hebben ze de helft van hun klanten kwaad gemaakt. Dus wat moet je dan doen? Je moet terugschakelen omdat je het de eerste keer niet goed hebt gedaan. Daar zullen we het vandaag ongetwijfeld over hebben als we verandermanagement bespreken.

Galen Low: Ik vind dat perspectief van oorzaak en gevolg dat zich over een langere periode uitstrekt dan waar wij naar kijken eigenlijk heel goed.

En ook het idee dat AI als excuus wordt gebruikt. Terwijl je dat zei, dacht ik: ik zie hoe dat zowel van boven naar beneden als van beneden naar boven werkt. Je hebt aandeelhouders die zeggen: waarom vertienvoudig je de aandeelhouderswaarde niet door iedereen door AI te vervangen? En als je naar beneden kijkt, denk je: oké, ik moet ook enkele veranderingen die we doorvoeren rechtvaardigen, terwijl het in feite een correctie is.

Ik herinner me dat het begin 2020 was en dat ik deel uitmaakte van een enorme ontslagronde bij een groot adviesbureau. Een deel ervan had inderdaad te maken met de lockdown en de pandemie. Maar toen ik het echt uitzocht, zeiden ze: eigenlijk waren we dit al maanden aan het plannen. De omstandigheden zorgden er alleen voor dat we iets eerder de trekker overhaalden dan we van plan waren.

Maar het was altijd al het plan. Ik vond dat interessant. En ik vermoed dat het goed is dat we hierover praten, want ik kan me voorstellen hoe die correctie plaatsvindt. Veel contactcentra dachten aan het begin van de lockdown niet eens dat ze op afstand konden werken, en plotseling lukte het. Je kreeg meer belvolume en dacht: neem meer mensen aan. Het is nu zelfs makkelijk; we hoeven geen werkplekken meer in te richten, want ze werken op afstand. En eigenlijk is dit een correctie daarop. Dat vind ik fascinerend.

Manu Dwievedi: Absoluut, Galen. Als je erover nadenkt, Watson, en specifiek wat je over belanghebbenden zei: wat is het makkelijkste verhaal om te vertellen? Is het: hé, ik had makkelijk geld, ik heb een heleboel mensen aangenomen en ik heb ze nu niet meer nodig? Of is het: door AI heb ik nu geen extra mensen meer nodig? Mensen proberen AI dus eigenlijk als zondebok te gebruiken.

Galen Low: En dat is interessant aan de krantenkoppen. Wat ik steeds meer leer over nieuwsmedia is dat het politiek is. De inhoud van de krantenkoppen is politiek. Het gaat alle kanten op. Je denkt aan de aandelenkoers of investeerders, maar ook aan de boodschap aan de bredere bevolking over wat er in de wereld gebeurt. Soms raakt dat door elkaar. En onze conclusie is: o mijn god, AI neemt alle banen over, ook al werd gezegd dat dat niet zou gebeuren.

Terwijl het antwoord is dat sommige van deze bedrijven banen wegnemen die ze misschien überhaupt niet hadden moeten creëren, en AI als excuus zullen gebruiken. Dat is fascinerend. Ik wil misschien een beetje uitzoomen, omdat mensen in mijn netwerk en mensen die naar de show luisteren vaak de opdracht krijgen om delen van hun bedrijf opnieuw uit te vinden vanuit het perspectief van AI.

Dat is het soort richtlijn dat ze krijgen. Maar wanneer ze die opdracht krijgen, is die behoorlijk vaag. Het is meer richtinggevend dan een plan. Veel van hen vragen zich af waar ze moeten beginnen. Ik dacht aan contactcentra, AI-ondersteuning en wat de technologie daar doet.

Ik zit al een tijdje in dit domein, of ik heb het in elk geval meegemaakt toen het nog niet echt AI was maar gewoon chatbots. Hoe integreren we dit en creëren we een meer omnichannel-klantervaring waarvoor geen enorme personeelswijzigingen nodig zijn?

Maar CX is altijd al bezig geweest met het opnieuw vormgeven van delen van het bedrijf rond technologie. Voor mensen die net beginnen en proberen een kerndeel van hun bedrijfsvoering met behulp van AI opnieuw vorm te geven: wat moet een organisatie als eerste doen voordat ze aan de plannings- en implementatiefase begint, zodat mensen die de opdracht ontvangen niet denken: wat moet ik hiermee?

Jim Iyoob: Het is een geweldige vraag. Ik zal je dit vertellen. Aan alle CEO's die luisteren en aan alle managers die hun mensen vertellen dat ze alles moeten automatiseren: ik heb sinds 2003 een citaat. Het is niet aan jou om mij te vertellen hoe ik contact met je moet opnemen als ik je product koop; dat bepaal ik zelf. Dus stop om te beginnen met alles te automatiseren, want je maakt me alleen maar boos en ik vertrek.

In een wereldwijde markt kan ik je product overal kopen. Het enige wat jou onderscheidt van ieder ander is de klantervaring. En als je die vernietigt, ben ik weg. Dat is het eerste wat ik zou zeggen. Ten tweede: als je Kindle gebruikt, is hier je handleiding. Die is gratis op Kindle. Dit is mijn nieuwste publicatie, AI in het Contact Center.

Dat is een goede stapsgewijze handleiding die je vertelt wat je moet doen. In de planningsfase gaat het volgens mij mis omdat mensen denken dat ze alles moeten automatiseren. Dat is absoluut niet waar. Je beschikt over de grootste dataset ter wereld: je interacties. Als je die interacties daadwerkelijk analyseert, kun je laaghangend fruit vinden dat geautomatiseerd kan worden.

Misschien verlies je een paar mensen, verbeter je de klantervaring of houd je die op zijn minst gelijk, maar geef je klanten wat ze willen. Dat is mijn mening. En Manu is, zoals we allemaal weten, veel slimmer dan ik. Hij kan hier waarschijnlijk veel meer over vertellen. Maar dit is mijn benadering vanuit gezond verstand.

Elke softwareleverancier kwam naar me toe en zei: ik kan al je mensen verwijderen. O, alsjeblieft. Alsof je gek bent. Het grappige is dat de mensen die je vertellen dat je al je medewerkers kunt verwijderen, nog nooit een telefoontje hebben aangenomen en nooit in een callcenter hebben gewerkt. Ze hebben geen idee hoe het werkelijk werkt. Manu, ik geef het aan jou door.

Manu Dwievedi: Galen, elke keer dat dit gebeurt — wanneer een klant naar ons toe komt en zegt: ik wil alles automatiseren, omdat er veel dingen mis zijn met wat er nu is ingericht — ga ik terug naar iets wat Jim ons altijd heeft geleerd. Hij zei: als je proces kapot is, gaat AI het niet repareren.

AI is een efficiënt hulpmiddel. Automatisering gaat iets wat al kapot is niet repareren. En ik denk dat daar in wezen het probleem met onze aanpak zit. Als je uitzoomt en nadenkt over de implementatie van AI, implementeer je AI niet om mensen te vervangen. Je implementeert AI om dingen beter te maken voor je klanten.

Wil ik dat mijn klanten tien minuten in een wachtrij wachten om een klein, eenvoudig antwoord te krijgen, zoals: wat is het saldo op mijn kaart? Of een wachtwoordreset? Zodra je begrijpt dat je automatiseert omdat je het probleem van je klant wilt oplossen en CX wilt verbeteren, verandert alles.

Je denkt dan niet meer vanuit die negatieve mentaliteit van: ik wil 200 mensen ontslaan en daarom ga ik automatiseren. Eén ding dat mensen kunnen leren, is teruggaan en keihard eerlijk tegen zichzelf zijn. Begrijp hoe je de klantervaring kunt verbeteren en kijk daarna waar je efficiëntie kunt creëren, wat zal leiden tot een betere klanttevredenheid.

Galen Low: Dat vind ik geweldig. Daar gaan we weer met het idee dat AI slechts een soort aanleiding is voor een gedachte die we al jaren hadden moeten hebben. Bij procesontwerp willen we natuurlijk efficiënter worden. We willen iets wat kapot is niet opschalen.

En vanuit hetzelfde perspectief hoor ik je, Jim, over die benadering. Ik begrijp het. Je kunt zien dat het generieke berichten zijn. Als Chief Customer Officer bij Etech wil je vermoedelijk je winstmarges elke maand met honderd procent verhogen, en ik kan je helpen. Dan denk je: nee, dat is niet mijn doel.

Mijn doel is om de klantervaring overal te verbeteren door de eindgebruiker blij te maken, niet door voor te schrijven wat de eindgebruiker zou moeten ervaren. Het is grappig, want die achterstand zie je in elke sector, in CX en daarbuiten.

Ik kom uit een wereld van gebruikersgericht ontwerp, vooral digitaal. Toen ik vlak voor de jaren 2010 begon, was dat een grote omslag: wacht eens even, we moeten niet zomaar een ervaring door de strot van onze gebruikers duwen. We moeten nadenken over wat zij willen.

En dan denk ik aan CX en de klassieke contactcenterervaring: je staat in de wacht, er speelt muziek en men probeert je zo door te verbinden dat je verdwaalt in het systeem, zodat je misschien ophangt en het belvolume afneemt. Geweldig, maar dat was niet het doel.

Het doel was niet om minder gesprekken bij medewerkers te laten binnenkomen. Het doel was om de klant daadwerkelijk blij te maken, te behouden, iets goeds te doen voor je merk en iets goeds te doen voor je mensen.

De redenen om opnieuw te ontwerpen zijn belangrijk. Als ik het zou samenvatten, zou ik zeggen: een goede plek om te beginnen is niet de vraag wat AI in onze keten kan vervangen. Een goede plek om te beginnen is: wat is kapot en moeten we repareren, wat werkt goed en moeten we met rust laten, en wat is het werkelijke einddoel voor de mensen die we proberen te bedienen?

Of dat nu interne medewerkers, klanten of misschien aandeelhouders zijn — ik weet het niet. Maar we moeten teruggaan naar de basis en uitzoeken wat het doel is, in plaats van gewoon automatisering en AI toe te passen omwille van automatisering en AI.

Jim Iyoob: Eens. Absoluut.

Galen Low: Ik vraag me af of ik kan terugkomen op de eerste vraag, want ik denk dat veel mensen een heel binair verhaal te horen krijgen: óf AI neemt je baan over, óf AI is je behulpzame stagiair. Ik vermoed dat de werkelijkheid ergens daartussenin ligt.

Ik denk wel dat veel mensen in de CX-sector vooroplopen ten opzichte van andere sectoren en heel dicht bij deze transformaties staan. Daarom wilde ik vragen: wat is momenteel de staat van hybride mens-AI-operaties in contactcentra over de hele wereld? Wat werkt goed en waar is nog ruimte voor verbetering? En om het nog ingewikkelder te maken: welke gevolgen zien jullie voor andere sectoren?

Jim Iyoob: Ik kan je uit eerste hand vertellen dat er ook bij Etech — we hebben 4.000 mensen in drie landen — aanvankelijk veel angst was. Iedereen dacht: ze gaan me vervangen. Je probeert van me af te komen. Ik ga je niet helpen. Ik wil je niet ondersteunen, want je uiteindelijke doel is om me te ontslaan. Dat is juist het verst verwijderd van de waarheid.

Wat we ontdekten, is dat je de voordelen ziet zodra je mensen uitlegt dat je doel is om hun werk beter en strategischer te maken. Als voorbeeld: je krijgt één of twee gesprekken per dag die complex zijn. Laten we eerlijk zijn. Je hebt het tijdens de training geleerd, je hebt 50.000 gesprekken gevoerd en dit is er één waarvoor je twee jaar geleden bent getraind.

Zou het niet logisch zijn als ik je een assistent geef die je helpt met die vraag die je eens in de zes maanden krijgt? Dat is wat ik probeer te doen. Moet ik mij daar op automatisering richten? Nee, want je krijgt er maar vijf per jaar. Maar laten we de medewerker ermee helpen. Als je hen vervolgens dat deel laat zien, en daarnaast het laaghangende fruit neemt — laten we voor het voorbeeld een wachtwoordreset gebruiken — dan zou dat geautomatiseerd moeten worden.

Laten we daar duidelijk over zijn. Er zijn bedrijven die dat nog steeds niet hebben geautomatiseerd, en dat is prima. Maar als je erover nadenkt: wanneer ik dat volume bij jou als medewerker weghaal, kunnen we naar onze klant gaan en zeggen: nu we 30% van je belvolume hebben bespaard, welke andere dingen doe je intern die kunnen worden uitbesteed?

Nu kan ik mijn medewerker bijscholen om complexere interacties af te handelen: fraudepreventie, fraudedetectie en andere dingen waarvan ik weet dat je ze intern doet en die goedkoper kunnen worden uitbesteed. Dat is de boodschap die we uitdragen en die lijkt te werken.

Maar iedereen is bang, vermoedelijk omdat ze YouTube kijken: ik vervang al jullie banen. Je moet daar voorbij en vragen: wat levert het hun op? Mijn doel is niet om jou te vervangen. Mijn doel is om je aan te vullen en vervolgens bij te scholen. Als concreet voorbeeld: Manu was tien jaar geleden medewerker. Vandaag is hij vicepresident-assistent.

Galen Low: Jij bent zelf ook als medewerker begonnen. Je begon op de werkvloer.

Jim Iyoob: Ik werkte met groene schermen, dus niemand weet meer wat dat zijn. Maar denk erover na. Als Manu niets nieuws had geleerd, zou hij vandaag nooit de rol van vicepresident-assistent hebben. Hij daagde zichzelf uit om nieuwe technologieën te leren, ze te omarmen en te leren wat hij ermee kon doen. Hij kon complexer werk gaan uitvoeren, en dat is waarom hij zo succesvol is.

Dat is echt de boodschap. Je zult altijd mensen hebben. Ik heb een klant met 99% afhandeling in de interactieve stemrespons. Denk erover na: 99% van de interacties wordt door de interactieve stemrespons afgehandeld, wat betekent dat ze nooit een mens bereiken. Toch heb ik nog steeds 135 medewerkers die die gesprekken beantwoorden — die ene procent — omdat een interactieve stemrespons dat niet kan.

Galen Low: En dat zijn de interacties met hoge waarde, omdat de interactieve stemrespons ze niet kan afhandelen. Klopt dat?

Jim Iyoob: Klopt.

Galen Low: Interessant wat je zegt. Voor wat context voor onze luisteraars: een van mijn eerste banen aan een universiteit was bij het contactcenter van eBay Investigations. We keken daar naar fraudezaken; we waren de specialisten.

Het was een e-mailcentrum, ik zat niet aan de telefoon. Maar wat destijds waar was voor de organisatiestructuur, was dat specialisten een klein team vormden. De generalisten die sjablonen kopieerden en plakten, wachtwoorden resetten of eerstelijns klantenondersteuning boden, vormden een groot team. Ons team was kleiner.

Ik kan me voorstellen dat je denkt: geweldig, je gaat me naar een hoger niveau tillen. Maar als je naar de organisatiestructuur kijkt, zie je dat er naar boven toe minder functies zijn. Dat betekent dus nog steeds minder banen voor mij, Jim. Ik kan dat perspectief begrijpen.

Maar ik zie ook de andere kant. Als je te horen krijgt: maak je geen zorgen, je gaat meer waarde toevoegen en strategischer werken, maar je krijgt geen training om dat daadwerkelijk te doen, dan kan dat een signaal zijn dat er meer aan de hand is.

Als je een organisatie leidt die deze mensen naar een hoger niveau wil tillen, moet je laten zien dat daar voldoende kansen zijn. Het mag niet steeds smaller worden en je moet hen ondersteunen door training te bieden. Ze zouden niet alles zelf op YouTube moeten uitzoeken, hoewel veel mensen dat wel doen.

Ze zoeken naar manieren om strategischer te worden in hun rol op YouTube of TikTok en hopen er het beste van. Dat is niet precies wat gezond zou zijn voor de beroepsbevolking als geheel.

En de andere kant is dat een deel van het werk wordt geautomatiseerd. Wachtwoordresets gaan gebeuren en verdwijnen vervolgens als taak. Ze worden gedelegeerd en je gaat een ander deel van je werk doen. Je noemde ook een soort assistent: AI-ondersteuning die op je scherm verschijnt en zegt: deze vraag krijg je niet vaak, de laatste training hierover was twee jaar geleden; hier is het script, hier is het beleid en dit is wat je moet doen.

Dat gebeurt zelden, maar het heeft hoge waarde. Dat vond ik erg interessant. Als ik dit perspectief toepas op veel van mijn luisteraars, die projectmanagers zijn of teams leiden, zie ik dat zij proberen een hybride manier van werken te vinden, intern en extern, wat betreft de waarde die hun projecten leveren.

Misschien implementeren ze zelfs een project waarin AI in een workflow wordt gebracht. Krijgt dat ook weerstand wanneer je medewerkers traint en zegt: normaal gesproken zou je als ervaren contactcentermedewerker die met een groen scherm werkte, dit doen; nu verschijnt er iets nieuws op je scherm dat als Clippy zegt: hé, het lijkt erop dat je een brief schrijft?

Zeggen mensen dan vaak: ik heb dat ding niet nodig, zet het uit?

Jim Iyoob: Bij complexe zaken zie ik dat niet vaak. Wanneer medewerkers niet voorbereid zijn, kijken ze ergens naar. Laten we duidelijk zijn: je bent geen genie die alles kan onthouden. Je gaat naar je trainingshandleiding, je hand-outs en je werkinstructies.

Wat als ik die werkinstructie direct op je scherm zet, zodat je precies weet wat je moet doen? Zou dat niet helpen? Zou je niet minder gestrest zijn? Terwijl je ondertussen gewoon je koekje kunt blijven eten, ook al mag dat nu niet aan je bureau.

Dat is eigenlijk wat het is. Als je er plezier in hebt en het aan hen uitlegt, werkt het volgens mij goed. Om je vraag te beantwoorden: er is altijd één procent. Wat je ook doet, die mensen blijven ongelukkig en je kunt dat niet oplossen. Dat zijn trouwens de mensen die vervangen zullen worden.

Manu Dwievedi: Terwijl Jim dit zei, moest ik denken aan iets wat vlak voor dit gesprek op een telefoontje gebeurde, waar jij en ik allebei bij waren.

Ik zal je het verhaal vertellen, Galen, maar eerst het resultaat. Er was een gesprek gaande en veel mensen zaten erbij. Je hoorde iemand zeggen: ze hebben een ongelooflijk behoud van medewerkers. Ik heb nog nooit zo'n behoud gezien. Medewerkers nemen geen eenvoudige gesprekken meer aan, dus ze zijn gelukkiger. Daarom kunnen ze hen volgens mij beter behouden.

De technologie werkt heel goed. Onze klanten zijn ook tevreden. Ze hoeven niet in wachtrijen te wachten. Dat is het einde van het verhaal. Maar het begon ermee dat je ervoor moet zorgen dat medewerkers voldoende over AI zijn geïnformeerd, zodat hun eerste ervaring met AI eerlijk en authentiek is.

Zodra dat gebeurt, begrijpen ze dat het problemen voor hen oplost. Ze hoeven niet, zoals Jim zegt, naar vijf pdf-bestanden te kijken. De klant zegt: ik kijk naar deze informatie, en mijn scherm vertelt me wat ik moet zeggen. Ik hoef niet elke dag vijftig gesprekken te voeren waarin hetzelfde wordt gezegd: bedankt dat je belt, ik heb je wachtwoord gereset.

Elke dag precies hetzelfde doen. Dit is een verhaal dat we net hoorden tijdens een gesprek. De klant vertelde precies dit over ons vanwege deze veranderingen, en we zien een zeer positieve verschuiving in de groep. Mensen die het begrijpen, willen hier nu daadwerkelijk zijn, omdat ze weten: deze baan is nu meer geworden dan de standaardbaan in een contactcenter waarbij ik alleen voortdurend telefoontjes aanneem en beantwoord.

Galen Low: Dat vind ik geweldig. Ik herinner me dat ik onlangs op een conferentie was en dat ze een soort AI-adoptiegrafiek op het scherm zetten voor hun interne team. De context lag meer bij programmeren en het gebruik van Cursor.

Ze zeiden in feite: we hebben niets anders gedaan; we zijn gewoon doorgegaan met onze boodschap en het stimuleren van adoptie. De lijn bleef vlak en schoot toen omhoog.

Volgens mij komt dat doordat mensen eerst denken: ik betwijfel of dit mijn leven echt beter gaat maken. Ik word gedwongen ermee te experimenteren. Ik zal het wel gebruiken. Prima. En dan denken ze plotseling: wacht eens, delen van mijn werk zijn inderdaad beter geworden.

Dan vertellen ze het aan hun vrienden, of hun vrienden vertellen het aan hen. Ze zeggen: eigenlijk zou je dit moeten proberen. Ik hoef nu geen wachtwoordresets meer te doen gedurende zes uur per dag en ik ben meer betrokken bij mijn werk.

En plotseling zie je die piek. Vanuit verandermanagementperspectief praten we over een dal van wanhoop waarin mensen vast komen te zitten in een verandering die hun is opgedrongen en waar ze zichzelf uit moeten zien te halen.

Maar dit leek meer op een interne culturele verschuiving waarbij mensen de voordelen gingen begrijpen nadat ze erover waren verteld. De voordelen veranderden niet, maar het kostte tijd voordat ze begrepen hoe de verandering hen daadwerkelijk beïnvloedde.

En ik vind het mooi wat je zei over het feit dat mijn eerste interactie met AI ook plezierig moet zijn. Dat geldt zowel voor de klant in de klantervaring als voor de medewerker in de medewerkerservaring.

Ik wilde je eigenlijk vragen naar jullie filosofie over verandermanagement. ETS Labs is een dienstverlenende organisatie en jullie helpen klanten hiermee. Misschien zien jullie niet altijd verandermanagement van begin tot eind. Maar welke aanbevelingen doen jullie klanten over hoe ze hun project kunnen maken of breken door verandermanagement goed of verkeerd uit te voeren?

Jim Iyoob: Manu is het brein hierachter. Ik laat hem deze vraag beantwoorden.

Manu Dwievedi: Ik begin opnieuw met iets wat Jim altijd zegt: als je iets onverwachts op mensen afvuurt en zegt: hé, dit is AI en het gaat je helpen, zal er altijd twijfel zijn. Mensen zijn bang voor wat ze niet kennen, maar mensen steunen wat ze zelf hebben helpen creëren. Dat is heel belangrijk bij verandermanagement.

Of je nu draagvlak van bovenaf of van onderaf creëert, het maakt niet uit. Iedereen in de organisatie moet achter de verandering staan. Ze moeten begrijpen dat de verandering hen komt helpen en hoe die zal functioneren. Ze moeten AI ook begrijpen, zodat ze niet bang zijn dat het ervoor zorgt dat ze iets verkeerd doen en dat dit gevolgen voor hen heeft.

Het eerste punt is dat we bij CCW ook hierover hebben gesproken: bij elke AI-implementatie bestaat 80% uit verandermanagement en slechts 20% uit technologie. Je moet mensen opleiden. Je moet ervoor zorgen dat zij zelf input kunnen leveren. Als medewerker moet ik kunnen zeggen: dit is wat ik wil doen.

Denk aan een medewerker. Er zijn momenteel medewerkers over de hele wereld die zijn gestraft voor een spelling- of grammaticafout in een ticket, terwijl ze nog nooit een samenvatting hoefden te schrijven voor kwaliteitscontrole. Het gebeurt nog steeds.

Wanneer je een medewerker vertelt: dit gaat je helpen; je hoeft die notities niet meer zelf te schrijven; je hoeft je geen zorgen meer te maken over spelling of grammatica; het is perfect en stuurt de notities door zodat je verder kunt met het volgende probleem — vertel me dan welke medewerker dat niet wil.

Het probleem is dat je het nooit hebt uitgelegd. Je hebt hen nooit voldoende opgeleid en nu weten ze niet wat er zal gebeuren. Ze weten alleen dat AI wordt ingevoerd en dat er al allerlei nieuwsberichten rondgaan.

Ik heb er een paar dagen geleden nog over geschreven op LinkedIn. Er is een nieuw verhaal dat zegt dat een rapport van MIT beweert dat 95% van AI-projecten mislukt. Niemand is daadwerkelijk in dat rapport van het NANDA-project gedoken en heeft het gelezen.

Het rapport zegt dat 95% van de mislukte projecten mislukt door verandermanagement of problemen met mensen en leiderschap. Maar het spannendere verhaal was: 95% mislukt. De boodschap wordt dus angstig gemaakt, ofwel door angst voor AI, ofwel door bedrijven die zeggen dat AI het geweldig doet. En dat verandert in angst bij medewerkers in de frontlinie.

Mensen zijn er al bang voor. Dus om terug te komen op het eerste punt: informeer mensen. Zorg ervoor dat je begrijpt wat je wilt implementeren en waarom. Zorg voor een heel duidelijke en beperkte kijk op je gebruikssituatie.

Ik wil AI implementeren omdat ik de 60 seconden wil besparen die een medewerker na elk gesprek nodig heeft om dingen op te schrijven. Nu heb je een heel duidelijke gebruikssituatie. Het helpt ook je klanten, want waar gaan die 67 seconden naartoe? Ze zorgen ervoor dat de volgende klant 67 seconden minder hoeft te wachten.

Het helpt je klanten ook omdat medewerkers geen grammaticale fouten meer maken of vergeten iets in een ticket te schrijven. Wanneer de volgende medewerker het gesprek op een later moment overneemt, weet die precies wat het probleem was. En wat levert dit allemaal op? Je bespaart 67 seconden per gesprek.

Galen Low: En je wordt niet gestraft voor een typefout.

Manu Dwievedi: Precies, en je wordt niet gestraft. Als bedrijf heb je het probleem dus opgelost voor je mensen en je klanten, en je hebt er geld mee verdiend.

Wanneer je verandermanagement op deze manier uitvoert, informeer je mensen, vind je de juiste gebruikssituaties, houd je het klein, implementeer je het, verbeter je wat niet werkt en breid je het daarna uit. Dat werkt altijd. Dat zien we overal.

Galen Low: Het is grappig dat je die krantenkop uit het MIT-rapport noemt. Ik heb de cijfers van vroeger niet, maar ik durf te wedden dat hetzelfde percentage vrijwel geldt voor elk project, met of zonder AI, vanwege verandermanagement.

Sommige luisteraars denken misschien: ja, verandermanagement, ik begrijp het; het is belangrijk. Maar wat ik goed vind aan wat je zei, is dat je mensen vroeg moet laten zien wat het kan en vroeg moet vertellen wat het doel is. Creëer een plezierige ervaring rond AI.

Het is geen gladde verkooppraat. De realiteit is dat je oprecht problemen wilt oplossen voor je medewerkers of voor je personeel, ongeacht de sector waarin je werkt. Maar het gaat er ook om dat je het laat zien in plaats van het alleen te vertellen.

Daar zit volgens mij veel wantrouwen. Sommige mensen in mijn netwerk hebben de deur naar AI nog niet eens op een kier gezet. Ze zeggen: ik weet dat ik met AI aan de slag moet, maar eerlijk gezegd heb ik het nog niet gedaan. Ik gebruik Gemini voor het plannen van maaltijden en daar blijft het bij, omdat ik bang ben. Ik weet niet wat het kan.

En dan kun je zeggen: laat me het je gewoon laten zien.

Jim Iyoob: Laat me daar een notitie over maken. Bedoel je dat Gemini maaltijden kan plannen? Dat heb ik nog nooit voor maaltijdplanning gebruikt, maar misschien moet ik ermee beginnen.

Galen Low: Ik gebruik eigenlijk verschillende grote taalmodellen voor verschillende dingen. Mijn Gemini verzint vooral liedjes over Pokémon of Minecraft die ik daarna met mijn kind kan opnemen.

Jim Iyoob: Leuk.

Galen Low: Dat is mooi. ChatGPT gebruik ik voor al mijn werk en Claude ook. Dat is mijn verdeling van taken over mijn team van grote taalmodellen.

Maar ik vind het interessant dat sommige mensen AI-transformatie zien als iets groots en nieuws. Het is anders, iedereen moet het uitzoeken en natuurlijk zullen we fouten maken. Maar dat is niet per se waar.

Wat wel waar is, is dat het waarschijnlijk vrijwel hetzelfde proces moet doorlopen als elke grootschalige transformatie. We hebben het eerder gewoon niet goed gedaan.

Jim Iyoob: Het is grappig dat je dat zegt. Toen interactieve stemrespons beschikbaar kwam, wat zeiden mensen toen? Dat het alle medewerkers zou vervangen. Onzin. Daarna kwam chat: medewerkers zouden twee of drie chats tegelijk kunnen doen, dus je zou lang niet zoveel mensen nodig hebben. Onzin.

Nu zeggen ze hetzelfde over AI. Het is gewoon een ander verhaal, en het is niet waar. Ze creëren angst rond AI.

Ik weet niet of je de nieuwste video hebt gezien met de robot die de mensen aanviel die eraan werkten. Dat was grappig. Ik ga die volgend jaar in Las Vegas gebruiken. De robot werd gek en begon de mannen die eraan werkten in elkaar te slaan. Was dat die van Corridor Crew?

Ik weet niet meer welke het was, maar ik heb hem volgens mij vijftien keer bekeken omdat hij zo hilarisch was. Ik dacht bij mezelf: degene die dat ding heeft geprogrammeerd, heeft het niet goed geprogrammeerd. Dat brengt ons terug bij menselijke intelligentie.

Galen Low: Ik wil terugkomen op iets omdat ik het belangrijk en realistisch vind. Je zei dat je soms mensen moet verliezen. Het is geen utopie waarin er steeds meer banen bijkomen. Etech is er succesvol in geweest meer banen te creëren, maar het is niet vanzelfsprekend dat iedereen zijn baan kan behouden.

Je zei ook dat sommige mensen die slecht presteren waarschijnlijk hun baan zullen verliezen. Maar ook hier gaat de oorzaak verder terug. Het komt niet alleen door AI; het komt doordat je slecht presteert, je werk niet serieus neemt en niet leert of groeit.

AI is dus niet echt de oorzaak; het is slechts de aanleiding. Je zei ook dat we mensen nodig hebben om deze dingen te bouwen en te programmeren. Ik zie golven van mensen die nooit dachten dat ze zouden programmeren en nu apps maken met Lovable en aan vibe-coding doen. Ze werken met n8n.

Intern hebben we onlangs een grote hackathonweek gehouden waarin we allemaal een AI-experiment uitvoerden en dat aan elkaar lieten zien. Ik denk dat luisteraars misschien zeggen: en dan? Een callcentermedewerker wordt toch niet ineens AI-ontwikkelaar? Is dat een logische stap, of gaat dat te ver? Is dat wat we bedoelen met de toekomst van de beroepsbevolking, of niet per se?

Jim Iyoob: Dat is een geweldige vraag. Ik zeg altijd: als je de wil hebt, kan hij je de vaardigheid leren.

Maar je moet eerst de wil hebben. Manu was ooit medewerker en is nu programmeur. Dat komt doordat hij de wil had om die andere vaardigheden te leren.

Het is net als met mijn dochter. Ze is afgestudeerd en wil nu advocaat worden. Ik zei tegen haar: ChatGPT gaat je niet helpen om voor de LSAT te slagen. In theorie kan het misschien helpen, maar wanneer je het echte examen doet, moet je begrijpen wat je hebt geleerd.

Dat zie ik helaas ook in onze maatschappij. Op school worden telefoons bijvoorbeeld verboden. Mijn zeventienjarige dochter zit nu in haar laatste jaar en haar telefoon is op school verboden. Nu moet ze zelf nadenken.

Galen Low: Dat is eigenlijk een interessante gebruikssituatie. Denk aan de rekenmachine. Toen ik in de elfde klas wiskunde deed, kreeg je een Texas Instruments-rekenmachine.

Jim Iyoob: Ja, ik herinner me die van Texas Instruments.

Galen Low: De TI-83. Op een gegeven moment zei iemand: je hoeft niet alle wiskunde uit je hoofd te kennen; in de echte wereld en op je werk heb je een rekenmachine. We wisten toen nog niet dat die de hele tijd op onze telefoon zou zitten.

Nu hebben we AI-assistenten in contactcentra. Is er een voorstelbare toekomst waarin je dochter advocaat is en een holografische AI-assistent naast haar heeft, met wetgeving die direct kan worden geraadpleegd? Een soort Clippy die zegt: bedoelde je dit deel van de wet? Ja? Dan kunnen we misschien beargumenteren dat dit van toepassing is. Moet ze dat dan nog echt weten?

Jim Iyoob: Ja. En wel hierom: er zijn talloze artikelen over AI die verkeerde antwoorden geeft. Daarom heb je die mens nodig. AI vervangt mensen niet; het ondersteunt hen.

Ik gebruik voortdurend AI. Ik heb net als jij vijf verschillende platforms voor verschillende dingen. Maar het probleem is dat alles gebaseerd is op degene die het systeem heeft gecodeerd.

Kan het uiteindelijk van jou leren? Ja, het kan je persoonlijkheid, je manier van praten en je schrijfstijl leren. Maar uiteindelijk moet je het nog steeds lezen, want het maakt fouten.

Ik merk het wanneer mensen mij dingen sturen die ze met AI hebben geschreven. Je ziet het op LinkedIn. Je kunt het herkennen aan de emoji's en de onzin die erin staat en voor mij niets betekent. Ze hebben het gekopieerd en geplakt.

Ik krijg trouwens BPO-leveranciers op LinkedIn die zeggen: ik heb naar je gekeken en zie dat je in de logistiek zit. Nee, dat doe ik niet. Niet eens in de buurt. Ze proberen hun diensten aan mij te verkopen.

Dat vertelt me dat die persoon het niet eens heeft gelezen. Hij heeft het gewoon gekopieerd en geplakt, waarschijnlijk voor iedereen. Daarom heb je altijd een mens nodig. Zo kijk ik ernaar.

Galen Low: Het is eigenlijk een heel helder beeld van de toekomst: de beroepsbevolking verandert, onderwijs is belangrijk, we moeten mensen bijscholen en hen daarbij ondersteunen. Er moet de wil zijn om dat te doen.

Als je die wil niet hebt en slecht presteert, raak je waarschijnlijk je baan kwijt. Dat is dan waarschijnlijk je eigen verantwoordelijkheid, niet die van AI.

De opdracht is om AI beter te maken en hopelijk de wereld niet over te laten nemen. Ik denk niet dat dat is wat we zeggen, maar er is volgens mij een vorm van harmonie mogelijk.

Ook al neem je een groot AI-transformatieproject op je dat levens zal beïnvloeden en waar sommige mensen een hekel aan zullen hebben terwijl anderen er dol op zijn, uiteindelijk komt het neer op elke andere verandering en elke andere transformatie.

Of het nu gaat om interactieve stemrespons, de pandemie of AI: de aanpak is eigenlijk nog steeds hetzelfde. Er is op enig moment nog steeds een mens in de lus en het gaat nog steeds om mensen.

Ik wil nog één laatste vraag stellen en het praktisch maken. Ik sprak over luisteraars die afdelingshoofden of projectleiders zijn. Welk advies heb je voor een afdelingshoofd of projectleider die al halverwege een transformatieproject is dat AI toevoegt aan een kernfunctie van het bedrijf?

Ze luisteren hiernaar en denken: o nee, ik had hiernaar moeten luisteren voordat ik begon. Zit ik nu in de problemen? Wat kan ik halverwege doen om ervoor te zorgen dat het project vanuit verandermanagement-, technisch en operationeel perspectief meer goed dan kwaad doet?

Jim Iyoob: Domeinkennis is belangrijker dan technische kennis. Ten eerste zou ik zeggen: kruipen, lopen, rennen. Iedereen probeert alles te automatiseren.

Onzin. Kies drie dingen die je 's nachts wakker houden. Begin daar. Zodra je AI hebt geïmplementeerd en dit in een gecontroleerde omgeving hebt gedaan, kun je andere zaken oppakken.

Ik zou beginnen met wat wij laaghangend fruit noemen. Volgens mij gaat het daar bij iedereen mis, omdat deze projecten zes, negen of twaalf maanden duren voordat je rendement op je investering ziet.

Je zou binnen 30 tot 45 dagen rendement op je investering moeten zien als je het goed doet. Dat komt doordat je niet begint met: laat me alles automatiseren. Je automatiseert een deel van het bedrijf. Als ik het belvolume met 5% verlaag, is dat echt geld en echte besparing. Daarna schaal je het verder op.

Daar gaat het volgens mij mis. Iedereen denkt dat alles in één keer moet, waardoor het project nooit van de grond komt. Ik zeg altijd tegen onze klanten: goed, je wilt dit doen. Prima. Laten we er drie kiezen. Laten we met die drie beginnen. Laten we eerst zorgen dat het werkt en daarna opschalen.

Als je het eenmaal goed hebt ingericht, leer je ervan. En leer trouwens van je mislukkingen. Mislukkingen betekenen niet dat er iets slechts is gebeurd. Ze betekenen dat de manier waarop je het probeerde niet werkte. Probeer iets anders.

Wanneer je dat met drie, vier of vijf kleine onderdelen doet, is het veel eenvoudiger om aanpasbaar en wendbaar te zijn dan wanneer je alles tegelijk probeert te doen.

En het laatste wat ik zou zeggen: kopieer het proces niet als het proces vandaag niet werkt.

Galen Low: Schaal de mislukking op en automatiseer die vervolgens.

Jim Iyoob: Ja. Manu, wat wil jij toevoegen?

Manu Dwievedi: Dit is precies het. Als je met een AI-proces begint, zou je dit eigenlijk moeten afdrukken en ergens ophangen. Als je deze drie dingen doet, komt alles uiteindelijk winstgevend uit.

Een vriend van mij speelt momenteel met GPT-5 bij een oud accountantskantoor. Ze proberen intern AI te gebruiken voor probleemoplossing bij de helpdesk. Hij belde me een paar weken geleden en zei: weet je wat? GPT-5 is geweldig. Het doorliep daadwerkelijk de stappen voor probleemoplossing voor een van mijn interne medewerkers, ook al had ik het helemaal niet getraind.

Vervolgens vroeg hij: maar hoe zorg ik ervoor dat het elke keer het juiste doet? Dat is jouw probleem. Jij hebt besloten om een bot te nemen en te zeggen: help mensen met problemen oplossen, en het zal dat elke keer goed doen. Nee, je moet een heel specifieke gebruikssituatie definiëren.

Mijn Outlook werkt niet. Dat is de gebruikssituatie waaraan je werkt. Of het gaat om e-mail of iets dergelijks. Dat is een van de grote problemen. Mensen gebruiken AI alsof het een toverstaf is die alles oplost zodra ze het woord AI uitspreken.

Maar zo werkt het niet.

Galen Low: Ik vind het bijna poëtisch, maar ook logisch, dat de weg naar macrotransformatie via microtransformatie loopt. We moeten deze stappen doorlopen en weten wat onze doelen zijn.

Als we niet uitzoeken wat we op grote schaal proberen te bereiken, blijft grootschalige transformatie moeilijk. Dat was al zo tijdens de eerste golf van digitale transformatie.

Ik ken organisaties die tien of twaalf jaar later nog steeds de overstap naar de cloud maken, proberen over te stappen op een ander CRM-systeem of een deel van hun bedrijf digitaliseren.

De realiteit is dat de wereld van AI en de wereld van werk in die periode zullen veranderen. We moeten in kortere cycli denken.

Manu Dwievedi: Mee eens?

Jim Iyoob: Ja.

Galen Low: Geweldig. Jim, heel erg bedankt dat je vandaag tijd voor me hebt gemaakt. Dit was erg leuk. Voordat ik je laat gaan: waar kunnen mensen meer over je te weten komen?

Jim Iyoob: Voor mij is het eenvoudig: LinkedIn, Jim Iyoob. Ik publiceer één keer per maand een opmerkelijke CX-nieuwsbrief. Abonneer je op mijn blog. Mijn content gaat over dingen waar mensen over nadenken maar die ze niet zeggen. Ik vertel mensen wat ze moeten horen, niet wat ze willen horen. Het is allemaal educatieve content. Veel plezier ermee.

Dat is waarschijnlijk de makkelijkste manier om ons te vinden. Probeer me op LinkedIn niet iets te verkopen. Als je dat wel doet, geef ik kritiek zoals ik vanmorgen ook heb gedaan.

Galen Low: Doe je onderzoek.

Jim Iyoob: Doe eerst je onderzoek voordat je contact met me opneemt via LinkedIn. Je kunt de hele dag met me verbinden, maar als je me iets probeert te verkopen, kun je maar beter eerst je onderzoek doen. Anders krijg je een bericht van mij waarin ik uitleg wat je verkeerd hebt gedaan.

Galen Low: Geweldig.

Jim Iyoob: Manu.

Manu Dwievedi: Je kunt mij ook op LinkedIn vinden. Dat is waarschijnlijk de makkelijkste manier. Zoek op Manu AI; je kunt naar LinkedIn gaan via linkedin.com/in/manuai/.

Galen Low: Dat is een heel goede LinkedIn-URL.

Jim Iyoob: Ja, die zouden jullie allemaal moeten hebben.

Galen Low: Geweldig. Ik zet al die links in de shownotities.

Nogmaals bedankt dat jullie in de show wilden komen en jullie kennis en inzichten wilden delen. Dit was geweldig.

Jim Iyoob: Heel erg bedankt.

Manu Dwievedi: Dank je wel. Bedankt dat je ons hebt uitgenodigd.

Galen Low: En dat was de aflevering van vandaag van The Digital Project Manager Podcast. Als je van dit gesprek hebt genoten, abonneer je dan waar je ook luistert. En als je nog meer praktische inzichten, casestudy's en draaiboeken wilt, ga dan naar thedigitalprojectmanager.com.

Tot de volgende keer. Bedankt voor het luisteren.