Wat niet-technische projectmanagers echt moeten weten over AI

Galen Low: Wat zijn je belangrijkste tips voor projectmanagers die als vertaler moeten optreden tussen multidisciplinaire teams die aan AI werken of AI gebruiken?

Kesha Williams: Probeer niet voortdurend nieuwe hulpmiddelen na te jagen, maar denk echt na over het bedrijfsresultaat. Welke problemen proberen we op te lossen? Richt je eerst op het wat en daarna op het hoe.

Galen Low: Wat vind je van certificeringen rond AI, waarom zou iemand die behalen en zijn ze de moeite waard?

Kesha Williams: Ik ben dol op certificeringen. Certificeringen kunnen je een sollicitatiegesprek opleveren, maar ze bezorgen je niet de baan. Het is belangrijk om ook praktische ervaring en een online portfolio te hebben waarin je de projecten laat zien die je daadwerkelijk met die technologieën hebt ontwikkeld.

Galen Low: Moet elke projectleider systeemingenieur worden om relevant te blijven in een door AI versterkte economie?

Kesha Williams: Dat is een geweldige plek om te beginnen, en ik zou nee zeggen. Voor mij gaat het meer om—

Galen Low: Welkom bij The Digital Project Manager Podcast — de show die delivery-leiders helpt slimmer te werken, soepeler te leveren en hun teams met vertrouwen te leiden in het tijdperk van AI. Ik ben Galen, en elke week duiken we in strategieën uit de praktijk, opkomende trends, 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. Laten we beginnen.

Vandaag hebben we het over hoe projectleiders effectievere vertalers kunnen worden wanneer ze gesprekken over AI tussen technische en zakelijke belanghebbenden begeleiden, en ook hoe dat de sleutel kan zijn tot het verkleinen van het risico dat een zoveelste AI-implementatie mislukt.

Vandaag zit Kesha Williams bij me, oprichter en managing partner van KeySoft, een adviesbureau dat organisaties helpt AI te adopteren door middel van strategie, technische ondersteuning en betrokkenheid van ontwikkelaars. Kesha heeft zelf een lange geschiedenis op het snijvlak van AI-strategie, engineering, onderwijs en beïnvloeding. Ze heeft meer dan 25 jaar ervaring in software-engineering, enterprise-architectuur en AI-innovatie, die ze gebruikt om AI in complexe omgevingen uit de praktijk in te zetten.

Onlangs heeft ze haar trainingsprogramma’s ook op minder technische doelgroepen gericht en heeft ze in samenwerking met LinkedIn Learning haar eerste AI-bootcamp van vijftien dagen afgerond.

Kesha, heel erg bedankt dat je vandaag bij me bent.

Kesha Williams: Dank je, Galen. Ik ben ontzettend blij dat ik hier ben en dit gesprek kan voeren.

Galen Low: Ik ben ook enthousiast. Ik vind het geweldig wat je doet. Je stopt zoveel energie in je werk. Je bent ongelooflijk actief. Ik weet niet hoe je het doet. Er stroomt zoveel educatieve content door je LinkedIn-feed. Ik weet dat je verschillende LinkedIn Learning-cursussen en ook andere cursussen hebt. Ik kijk er echt naar uit om erin te duiken.

Ik weet dat je publiek meestal uit meer technische mensen bestaat en dat je je de laatste tijd ook op minder technische mensen bent gaan richten.

Kesha Williams: Klopt.

Galen Low: Dat waardeer ik enorm. Ik hoop dat we vandaag wat heen en weer kunnen bewegen, maar voor het geval dat: dit is de routekaart die ik voor ons heb uitgestippeld. Om te beginnen wilde ik je mening horen over één grote, interessante vraag waarvan mijn luisteraars waarschijnlijk het antwoord willen weten. Daarna wil ik dieper graven en drie dingen bespreken.

Ten eerste wil ik bespreken waarom het belangrijk is dat niet-technische projectmanagers AI begrijpen. Daarna wil ik onderzoeken hoe projectmanagers goede vertalers kunnen zijn tussen technische en zakelijke belanghebbenden wanneer het om AI gaat, en hoe ze daarin beter kunnen worden. Tot slot wil ik graag jouw visie horen op de toekomst van de rol van de projectmanager bij projecten waarin AI wordt gebruikt of die een AI-native oplossing opleveren.

Kesha Williams: Dat klinkt als een geweldig gesprek.

Galen Low: Ambitieus, maar we gaan het doen.

Kesha Williams: Goed.

Galen Low: Ik dacht dat ik zou beginnen met één grote, lastige vraag en wat context. Veel mensen in mijn community voelen zich, ik weet niet, meer dan een beetje bezorgd over AI en over de manier waarop het de verwachtingen rond hun huidige rol, hun loopbaan en de vaardigheden waarop ze zich moeten richten verandert.

Dus mijn grote vraag is deze: moet elke projectleider systeemingenieur worden om relevant te blijven in een door AI versterkte economie?

Kesha Williams: Dat is een geweldige plek om te beginnen, en ik zou nee zeggen. Als je kijkt naar wat er momenteel in de sector gebeurt met al die AI-, no-code- en low-codehulpmiddelen, hoef je niet eens te kunnen programmeren of een technische achtergrond te hebben om een AI-agent of zelfs een app te bouwen.

Voor mij gaat het meer om systeemdenken: wat is AI? Wat kan het doen? Hoe kan ik het in mijn huidige rol toepassen? Hoe kan ik het op een project toepassen? Dus nee, je hoeft geen systeemingenieur te worden of zelfs maar heel technisch te worden om relevant te blijven en te begrijpen hoe je AI kunt gebruiken en toepassen.

Galen Low: Geweldig. Ik vind dat een opluchting en ik weet zeker dat iedereen die luistert even opgelucht ademhaalt. Ik vind die nuance ook heel goed, want ik merk dat er rond dit no-code- en vibe-code-ecosysteem een culturele druk bestaat om te zeggen: je hoeft niet te kunnen programmeren. Maar wat jij zegt, is dat er nog steeds een mentaliteit van systeemdenken nodig is om dit goed te benaderen.

En we zien het voortdurend, of in ieder geval ik in mijn kringen: mensen zijn enthousiast aan het programmeren en zeggen dan: wacht eens, ik moet nog steeds debuggen en kwaliteitscontroles uitvoeren. Ik schrijf geen code, maar het blijft wel dat IT- en engineeringstuk, toch? Je moet nog steeds weten wat je wilt dat dit ding doet en hoe.

Kesha Williams: Precies. En zodra ik het in productie zet, moet ik het dus bijwerken, uitbreiden en onderhouden? Ik dacht dat ik klaar was.

Galen Low: Wat dacht je van vibe-DevOps? Eerlijk gezegd denk ik dat dit een geweldige plek is om te beginnen, omdat de vraag dan wordt: hoeveel technische kennis is precies genoeg, en hoe ontwikkel je dat systeemdenken?

En ik wilde jouw perspectief daarop horen, omdat je zelf technisch zeer bekwaam bent. Je bent ingenieur en enterprise- en solutionarchitect. Je hebt teams van ontwikkelaars geleid en een ongelooflijk groot en betrokken publiek opgebouwd rond precies dat onderwerp. Zoals ik al zei, richt je je de laatste tijd ook op minder technische mensen.

Bijvoorbeeld die bootcamp van vijftien dagen in samenwerking met LinkedIn Learning, waarin je mensen meenam op een reis door AI. Die ging behoorlijk diep en begon eigenlijk bij de basis. Waarom vind je het belangrijk om jouw onderwijservaring en kennis van AI naar een breed publiek te brengen?

Kesha Williams: Dat is belangrijk voor me omdat AI elke sector, elke rol en elk niveau binnen een organisatie raakt. Ik wil niet dat iemand achterblijft. Als ik kijk naar de kracht van AI en wat het kan doen op het gebied van productiviteitsverhoging en het automatiseren van workflows, is dit een heel spannende tijd om in de technologiesector actief te zijn. Ik wil dat iedereen AI omarmt en ontdekt waar het in het dagelijks werk past.

Galen Low: Kom je vaak verkeerde aannames, mythes en misvattingen over AI tegen? Een deel van wat jij doet, is mensen helpen die misschien nog geen basiskennis hebben van systeemdenken of nog geen tijd hebben gehad om onderzoek te doen naar wat AI kan.

Merk je dat je ook een deel van de mythologie en de angstzaaierij rond AI moet wegnemen, vooral als het gaat om de manier waarop AI van toepassing is op iemands werk, ongeacht of die persoon technisch is?

Kesha Williams: Absoluut. Hollywood en alle sciencefictionfilms hebben zeker niet geholpen. Ze hebben mijn werk een stuk moeilijker gemaakt. Het is altijd al een passie van me geweest om AI en machine learning te ontdoen van hun mystiek en deze complexe technologieën toegankelijk te maken. Maar zoals ik al zei: Hollywood heeft bepaald niet geholpen.

Galen Low: Dan is er het Hollywood-aspect, en daarnaast een hele stroom artikelen. Begrijp me niet verkeerd: veel daarvan zijn betrouwbaar, maar ze zijn wel zo geschreven dat ze aandacht trekken.

Je leest bijvoorbeeld: voormalig hoofd AI bij Google zegt dat AGI binnen zeven jaar de macht overneemt. Of je ziet allerlei mensen die als AI-autoriteiten worden beschouwd. Het wordt op zo’n manier gebracht dat je denkt: o mijn god. Tegelijkertijd hebben die mensen hier natuurlijk over nagedacht.

De grondleggers van AI hebben moeten nadenken over de gevolgen ervan. Als je het ver genoeg in de tijd projecteert, zal het inderdaad veel veranderen. En het kan allerlei kanten op gaan. Maar wat jij zegt is heel herkenbaar: we moeten allemaal min of meer op dezelfde pagina komen, ook al zitten we niet allemaal op hetzelfde niveau.

AI beïnvloedt iedereen en verandert ieders werk en de verwachtingen rond dat werk. Hoe beter we het begrijpen, of hoe beter we een gedeelde woordenschat ontwikkelen, hoe beter we erover kunnen praten. Dat was anders toen ik begon. Mijn achtergrond ligt in digitaal projectmanagement. De ontwikkelingsteams waarmee ik werkte bestonden uit front-end- en back-endengineers. Ik herinner me nog de eerste paar dagen.

Ik dacht: niets hiervan betekent iets voor mij. Jullie zeiden: ga maar deployen, doe dat ding met Git, tot later. Die leercurve — gewoon kunnen volgen en een betekenisvolle dialoog voeren in plaats van ergens naar te kijken en te zeggen: ja, prima, doe die regressietest maar — was behoorlijk groot.

Hoe ervaar je de trainingen die je momenteel aan mensen geeft? Ik denk dat je je Everyday AI-cursus hebt en die bootcamp van vijftien dagen. Welke effecten of inzichten zie je bij je cursisten?

Kesha Williams: Zoals je zei, ben ik samen met LinkedIn Learning begonnen met de Everyday AI-uitdaging van vijftien dagen.

Vandaag is dag vijftien, de laatste dag. Ik ben dus ontzettend blij met hoe alles is verlopen. Ik heb veel feedback van cursisten gekregen en gezien hoe hun terughoudendheid tegenover AI veranderde in enthousiasme. Mensen zien nu waar ze AI in hun dagelijks werk kunnen inpassen en hoe ze het kunnen gebruiken om tijd te besparen en hun productiviteit te verhogen.

Een cursist vertelde dat ze AI voor een taak had gebruikt en die in ongeveer dertig minuten had voltooid, terwijl het anders meerdere dagen zou hebben gekost om de outline te maken. Dat soort voorbeelden is precies waarom ik de AI-uitdaging van vijftien dagen heb opgezet. Zoals je zei, is die bedoeld voor niet-technische mensen die de basisconcepten en grondslagen van AI willen begrijpen en vervolgens willen leren hoe ze AI in hun dagelijks leven kunnen toepassen.

Galen Low: Dat vind ik geweldig. Mijn indruk is dat het heel praktisch is. Mensen doen het echt. Het doet me denken aan iets van gisteravond. We speelden Exploding Kittens en in de handleiding stond: lees deze instructies niet. Dit is de slechtste manier om te leren hoe je een spel speelt.

Bekijk de video en speel daarna gewoon wat. Toen dacht ik: eigenlijk geldt dat heel sterk voor AI. Ik denk dat veel mensen, waaronder ikzelf, de meeste angst voor AI voelden toen het alleen nog maar druk gaf en we nog geen van de hulpmiddelen hadden geopend. Het is bijna als een inbox met honderden ongelezen berichten.

Je kijkt naar het getal op het rode pictogram en denkt: o mijn god, er staan 967 berichten. Dat is krankzinnig. Ik wil er niet eens naar kijken. Ik word geïntimideerd door het getal, terwijl ik nog niet eens heb gezien wat er in mijn inbox staat. Zo voelde het voor mij. Daarom vind ik het idee zo goed om mensen via de basis door dat proces te begeleiden, terwijl het uiteindelijk behoorlijk diep gaat.

Wat doen mensen vandaag, op dag vijftien?

Kesha Williams: Dag vijftien draait volledig om het maken van je eerste AI-agent zonder code. Je hoeft niet te kunnen programmeren. Alles gebeurt via een interface waarin je onderdelen kunt slepen en neerzetten om je eerste AI-agent te bouwen. Alles wat we doen, werkt toe naar dag vijftien.

Galen Low: Dat vind ik geweldig. Dag één is dan bijvoorbeeld: wat is AI? En dag vijftien: bouw een agent.

Kesha Williams: Precies. Zo is het in wezen gegaan.

Galen Low: Dat brengt ons mooi bij het inhoudelijke onderwerp waar ik in wilde duiken: hoe minder technische projectmanagers het risico van hun door AI versterkte projecten kunnen verkleinen door de juiste gesprekken te voeren. De juiste gesprekken om overeenstemming over AI te bereiken met zowel technische als zakelijke belanghebbenden, en eigenlijk met iedereen daartussenin.

We zijn zo gewend om alles te polariseren: technisch of niet-technisch. Maar wat ik bedoel, is het vertalen tussen verschillende belanghebbenden die verschillende kennis, perspectieven en vaardigheden hebben. Moet het überhaupt de rol van de projectmanager zijn om als vertaler op te treden in gesprekken over AI?

Is dat volgens jou een goed idee of een slecht idee?

Kesha Williams: Het is absoluut een goed idee. Projectmanagers vertalen nu al: projectrisico’s, planningen en allerlei andere zaken. Daarom is het voor projectmanagers een natuurlijke rol om als vertaler op te treden wanneer het om AI gaat.

Galen Low: Dat is een goed punt. Er zit inderdaad al veel vertaalwerk in de rol.

Kesha Williams: Klopt.

Galen Low: Het is grappig, want jij en ik hadden hierover al een gesprek. Je had een bericht over agents en MCP als de nieuwe API’s. Ik moest terugdenken aan mijn eerste jaren als projectmanager, toen ik dacht: wat is een API? Voor mij was het gewoon het middel om systemen te integreren en dingen aan elkaar te koppelen.

Kesha Williams: Precies.

Galen Low: Ik moest daar vaak als vertaler optreden om zakelijke belanghebbenden uit te leggen waarom het belangrijk was bepaalde stappen te nemen: waarom we een datadictionary moesten maken, waarom we de documentatie moesten onderzoeken en waarom we een MVP of proof of concept moesten bouwen.

Ik zie overeenkomsten, maar ook verschillen, omdat er zoveel op ons afkomt rond AI en er zoveel verandert. Er lijkt elke dag een nieuw model te worden geïntroduceerd: grote taalmodellen, beeldgeneratie en nog veel meer. Wat zijn jouw belangrijkste tips voor projectmanagers die als vertaler moeten optreden tussen multidisciplinaire teams die aan AI werken of AI gebruiken?

En kunnen we misschien een paar voorbeelden bespreken van impactvolle gesprekken die verkeerd kunnen aflopen, maar die een project ook aanzienlijk kunnen verbeteren?

Kesha Williams: Mijn eerste tip zou zijn om niet achter de hulpmiddelen aan te jagen. Zoals je zei, verandert er letterlijk elke dag iets aan een bestaand hulpmiddel of verschijnt er een nieuw hulpmiddel.

Denk dus in plaats van hulpmiddelen na te jagen echt na over het bedrijfsresultaat. Welke problemen proberen we op te lossen? Dat is een principe dat al heel lang in de projectwereld bestaat: richt je eerst op het wat en daarna op het hoe. Dat is mijn belangrijkste tip. Denk na over de resultaten en jaag niet achter hulpmiddelen aan, want je kunt in een konijnenhol terechtkomen en volledig van koers raken.

Daarnaast hoeven projectmanagers niet technisch te zijn, maar ze moeten de AI-concepten wel begrijpen. Als iemand het over een model heeft, moet je weten wat dat is. Als iemand het over prompt-engineering heeft, moet je weten wat dat is. Als iemand het over een agent heeft, moet je weten wat dat is. Begrijp de concepten op hoofdlijnen en weet hoe ze passen bij het hoe van wat er wordt ontwikkeld.

Dat is het eerste deel van je vraag. Het tweede deel ging over een gesprek.

Galen Low: Ja. Welke gesprekken zijn voorbeelden van situaties die misschien verkeerd kunnen lopen? Het hoeft niet het ene grote AI-gesprek te zijn dat je project maakt of breekt, maar gesprekken die je onderweg voert. Ik heb zelfs vóór AI al meegemaakt dat gesprekken verkeerd gingen.

Een projectmanager voelt zich misschien niet zeker over een concept, verzint iets en krijgt daar later spijt van. Of iemand probeert iets te veel te vereenvoudigen. Misschien kunnen we daar samen wat over improviseren.

Kesha Williams: Zeker. Stel dat je projectmanager bent van een project — uiteraard een AI-project — en je hebt een machine-learningengineer in je team. Die komt naar je toe en zegt: het model is klaar en de nauwkeurigheid ziet er goed uit. Een gesprek kan dan verkeerd lopen als de projectmanager zegt: prima, laten we naar productie gaan.

De projectmanager moet aanvullende vragen stellen. Eerst moet die begrijpen wat een model is en wat nauwkeurigheid betekent. Nauwkeurigheid is de manier waarop je beoordeelt hoe het model presteert. Een vraag kan dus zijn: wat betekent nauwkeurigheid in deze context?

Een andere vraag is — daar verwees ik eerder al naar — wat het onderhouds- en hertrainingsproces is zodra het model in productie staat. Bij AI-modellen en AI-systemen kan er na ingebruikname namelijk modeldrift ontstaan. Dat betekent dat de gegevens uit de echte wereld in de loop van de tijd veranderen, waardoor de kwaliteit of uitvoer van het machine-learningmodel kan worden beïnvloed.

Wanneer je een AI-project in productie neemt, is het daarom belangrijk om te bespreken hoe hertraining en doorlopend onderhoud worden geregeld. Dat heeft invloed op de algemene uitvoer die het systeem moet leveren. Stel dus de juiste vragen over de AI-systemen die je in productie brengt.

Galen Low: Ik vind dat punt over drift heel sterk. Zelfs technisch onderlegde projectmanagers komen vaak uit een wereld waarin dingen behoorlijk deterministisch zijn. In tests werkt iets op een bepaalde manier. In de gebruikersacceptatietest werkt het op die manier. Wanneer we het naar productie brengen, blijft het zo werken totdat we iets anders bouwen waardoor het stukgaat.

Het idee van drift is heel anders. De gegevens waarop het model wordt getraind veranderen, modellen kunnen veranderen en de technologie is probabilistisch in plaats van deterministisch. Je moet dus met een heel andere blik naar de oplossingen van je teams kijken.

Ik vind je punt over doorlopend onderhoud geweldig. Wat een groot risico loop je als projectmanager wanneer je zegt: dit is klaar, terwijl dat misschien nog maar stap één is. Je gaat terug naar je projectsponsor en belanghebbenden en zegt: we zijn klaar om te lanceren. Zij vragen dan: is er doorlopend onderhoud nodig? En jij zegt: nee.

Kesha Williams: Ik had het geregeld. We zijn klaar. Train het model en het is gereed.

Galen Low: Het werkt goed en blijft goed werken. We gaan door naar de volgende fase. Ik heb dat niet alleen bij AI mis zien gaan, maar ook bij andere soorten projecten.

Ik vind de vraag die jij stelde sterk: wat betekent nauwkeurigheid in dit geval en wat is de volgende stap? Ik zou daar nog aan toevoegen: wat maakt dit mogelijk en waar bevinden we ons in het proces?

Ik had onlangs een gesprek met leden van mijn community en realiseerde me dat ik iemand ben die graag samenwerkt. Ik zeg: help me dit te begrijpen, want ik moet het aan mijn belanghebbenden uitleggen. Kan ik het zo formuleren? En iemand zegt dan: nee, we kunnen het project nog niet voortzetten. Zeg niet dat het model nauwkeurig is.

Het is belangrijk om op die manier samen te werken en samen te begrijpen wat er aan de hand is. Een van de grote hiaten is dat projectmanagers vaak gefrustreerd zijn omdat hun teams niet begrijpen wat zij doen. Dan vraag ik: heb je uitgelegd wat je doet en wat je volgende stap is? Het team vertelt jou wat het weet: het model is klaar en de nauwkeurigheid is goed. Als jij niet uitlegt wat je daarmee moet doen, krijgen ze nooit de kans om te zeggen: er zijn nog zaken die belangrijk zijn en die je aan de belanghebbenden moet vertellen.

En misschien moeten ze je ook adviseren om iets niet op een bepaalde manier uit te leggen, maar op een andere manier. Dat soort dialoog is belangrijk. We zijn allemaal gewend aan deterministische technologie, en dat geldt ook voor belanghebbenden. Je moet uitleggen dat drift niet betekent dat we het verkeerd hebben gebouwd, maar dat het een eigenschap van deze technologie is.

Kesha Williams: Dat is de mentaliteitsverandering die nodig is wanneer we AI-systemen bouwen. En ik vind je punt over samenwerking erg goed. Die zachte vaardigheid is in het tijdperk van AI nog belangrijker geworden.

Galen Low: Ik vind dat geweldig. Het sluit ook aan bij je eerste punt: iedereen moet basiskennis opbouwen om dit soort gesprekken te kunnen voeren, en dat moet samen gebeuren omdat we het allemaal aan het uitzoeken zijn.

Kesha Williams: Klopt.

Galen Low: Er is nog niet genoeg tijd verstreken en alles verandert zo snel dat er eigenlijk geen echte meesters zijn. Er zijn experts, maar misschien nog geen meesters.

Kesha Williams: Precies.

Galen Low: We moeten het samen uitzoeken. Je gaf eerder een aantal goede voorbeelden. Als iemand projectmanager is, of gewoon vindt dat die niet technisch genoeg is om AI echt te begrijpen, wat zijn dan je belangrijkste tips?

Hoe leer je genoeg om deze gesprekken te kunnen leiden? Wat zijn bronnen die je gebruikt om de basis te leren en bij te blijven terwijl alles verandert? Ik begrijp dat je zegt dat we niet alle hulpmiddelen moeten najagen en niet elke keer alle release notes moeten uitpluizen. Maar waar ga je heen om bij te blijven? En welke basis zou je aanraden aan een belanghebbende die alleen het woord AI heeft gehoord maar nog niet verder is gekomen?

Kesha Williams: Ik moet mensen natuurlijk verwijzen naar mijn LinkedIn Learning-cursussen, en dan vooral naar de AI-uitdaging van vijftien dagen. Die begint bij de basis en helpt je de verschillende concepten stap voor stap te begrijpen. Daarna leer je hoe AI in je dagelijks werk kan worden toegepast.

Het gaat niet eens om het bouwen van systemen, maar om het gebruiken van AI om je eigen productiviteit te verhogen en je dagelijkse werk te ondersteunen. Het is belangrijk om te begrijpen hoe AI kan worden toegepast. Zodra je ermee gaat oefenen, leer je de concepten en word je geïnspireerd om nieuwe manieren te bedenken waarop jij of je team AI kunnen gebruiken.

Er zijn veel bronnen. Volg ook mijn LinkedIn-pagina Kesha on AI. Ik heb daarnaast een Substack met dezelfde naam. Vanaf volgende week ga ik via Substack en die LinkedIn-pagina korte AI-tips delen.

Ik houd ook van de OpenAI Academy. Daar zijn veel webinars en gratis cursussen. Daar leer ik veel over nieuwe hulpmiddelen. En natuurlijk is er LinkedIn Learning. Ik heb daar verschillende cursussen. Op Pluralsight heb ik technische cursussen, maar ook niet-technische cursussen over prompt-engineering, het in kaart brengen van de AI-vaardigheden die je teams nodig hebben en het bijscholen van teams op het gebied van AI.

Er zijn dus veel plekken waar mensen kunnen leren.

Galen Low: Ik vind het goed dat je dit benoemt. Vanuit projectmanagementperspectief hebben we het soms over teams die AI gebruiken om iets te bouwen. Soms bouwen teams iets waarin AI onderdeel is van de architectuur. Soms hebben we het over AI om projecten te ondersteunen in ons dagelijks werk.

Dat zijn verschillende manieren om AI te gebruiken en daar hoort bepaalde basiskennis bij.

Mijn vraag over de OpenAI Academy en soortgelijke bronnen is: je kunt daar snel heel diep in gaan. Ik werk met multidisciplinaire teams en vraag me soms af of ik het nog begrijp wanneer ik ergens op klik. Kom ik straks op pagina drie ineens midden in Python-code terecht?

Kun je mensen helpen om niet te diep te gaan en te herkennen wat op hun niveau ligt en wat bedoeld is voor iemand die daadwerkelijk programmeert?

Kesha Williams: Als je op een punt komt waarop je een Jupyter Notebook moet starten of Python-code moet schrijven, ben je inderdaad te diep gegaan. Ik structureer veel van mijn cursussen zo dat ik eerst het concept uitleg en daarna een praktische activiteit aanbied.

Als die activiteit te ingewikkeld is en je Python-code moet schrijven, kun je gewoon naar het conceptuele gedeelte kijken. Zorg dat je de concepten begrijpt, want die zijn van toepassing op vrijwel alle hulpmiddelen die je gebruikt.

Ook als een cursus heel technisch is, kun je dus de video’s over de concepten bekijken en het diepgaande technische praktijkgedeelte overslaan.

Galen Low: Ik heb nog nooit iemand dat zo horen zeggen, maar het is logisch. Als je geïnteresseerd bent, moet je het niet volledig overslaan omdat sommige onderdelen boven je niveau liggen.

Zolang je je daarvan bewust bent, kun je er nog steeds iets uit halen. Ik vind het zelf prettig om de taal te horen. Ik kan luisteren naar een technisch architect die met ontwikkelaars praat en denken: ik begrijp niet alles, maar ik pik wel woorden en concepten op. Daardoor voel ik me zekerder om de juiste vragen te stellen.

Ik hoef nergens een meester in te zijn. Ik moet genoeg weten om een vraag te kunnen stellen die misschien eenvoudig klinkt, maar wel de dialoog opent.

Kesha Williams: Er bestaan geen domme vragen.

Galen Low: Zeker bij AI waarschijnlijk niet, want alles verandert zo snel.

Kesha Williams: We leren allemaal. We zijn allemaal aan het leren.

Galen Low: Dit kan controversieel zijn, maar ik wil graag je mening over certificeringen horen. Er komen nu AI-certificeringen op de markt die meer op ontwikkelaars zijn gericht. Er zijn ook projectmanagementcertificeringen, zoals die van mijn vrienden bij Cognilytica, tegenwoordig PMI Cognilytica. Die gaan bijvoorbeeld over het bouwen van probabilistische systemen en het begrijpen van gegevensbronnen vanuit een projectmanagementperspectief.

Jij richt je bewust op praktische leerervaringen in kleine onderdelen. Wat vind je van AI-certificeringen, waarom zou iemand die behalen en zijn ze de moeite waard?

Kesha Williams: Ik ben dol op certificeringen. Ik zeg altijd: certificeringen kunnen je het sollicitatiegesprek opleveren, maar niet de baan. Praktische ervaring is heel belangrijk. Je moet daadwerkelijk kunnen doen waarvoor je wordt aangenomen.

Een certificering geeft je een stevige basis om de concepten en de onderlinge samenhang te begrijpen. Voor meer praktische functies, vooral technische functies, is het echter belangrijk om ook een online portfolio te hebben waarin je projecten laat zien die je daadwerkelijk met die technologieën hebt ontwikkeld.

Dat is mijn advies over certificeringen.

Galen Low: Dat vind ik goed. Ik houd van het idee van een online portfolio. Sommige luisteraars zullen zeggen: dat geldt voor ontwikkelaars. Maar dag vijftien van jouw uitdaging is het bouwen van een agent.

Zou je aanraden dat ook een projectmanager een aantal dingen heeft gebouwd of bewijs heeft dat die AI gebruikt?

Kesha Williams: In deze tijd zal dat je als projectmanager een voorsprong geven op projectmanagers die dat niet hebben. AI raakt elke sector en elke rol. Het is belangrijk om te ontdekken waar AI in je dagelijks werk past, hoe je repetitieve taken kunt automatiseren en hoe je je productiviteit kunt verhogen.

Als je dat niet doet, blijf je achter. Dat is gewoon de eerlijke waarheid.

Galen Low: Het is een razendsnelle trein. Zelfs als we dat zouden willen, is het moeilijk om AI weer terug in de doos te stoppen.

Kesha Williams: Dat gaat niet gebeuren.

Galen Low: Zelfs vanuit het perspectief van ontwikkelaars vind ik je punt sterk: een certificering brengt je bij het sollicitatiegesprek, maar bezorgt je niet de baan.

Als je een ontwikkelaar of eigenlijk iemand anders zou aannemen, welke vraag zou je tijdens het gesprek stellen om te bepalen of iemand AI echt begrijpt of alleen een cursus heeft gevolgd en een certificaat bezit?

Kesha Williams: Bij een ontwikkelaar zou ik willen weten of en hoe die AI gebruikt om code te schrijven. Welke hulpmiddelen gebruikt die persoon precies? In welk deel van de ontwikkelcyclus werd AI toegepast? Geef me een concreet voorbeeld.

Wanneer ik mensen interview, vind ik het belangrijk dat ze voorbeelden uit de praktijk geven en niet alleen over theorie praten.

Galen Low: Dat kan in de toekomst ook voor niet-ontwikkelaars gelden. Je hebt een aantal agents gebouwd om projecten beter te beheren. Vertel me hoe je ze hebt gebruikt. Dat is een heel geldige vraag en ik ga die zeker gebruiken.

Kesha Williams: Vraag ook welk hulpmiddel ze hebben gebruikt en waarom ze daarvoor hebben gekozen. Voor het bouwen van agents zijn er veel verschillende hulpmiddelen. Er is Copilot, waarvoor je niet hoeft te kunnen programmeren. Er zijn agents in Amazon Bedrock en inmiddels heeft elk platform, zoals Salesforce, een manier om agents te bouwen.

Het is dus belangrijk om te begrijpen welk hulpmiddel iemand heeft gebruikt en waarom die persoon dat heeft gekozen.

Galen Low: Dat is een goed punt. Misschien is dit een mooie overgang naar de toekomst. We kunnen niet ver vooruitkijken, want alles verandert. AGI kan morgen verschijnen en de mensheid vernietigen, zoals Hollywood ons vertelt.

Kesha Williams: Dat zegt sciencefiction.

Galen Low: Of we krijgen de komende drie jaar slechts kleine verbeteringen in AI-notulisten. Ik weet het niet. Maar AI wordt nu wel steeds meer ingezet voor administratieve en repetitieve taken.

Kesha Williams: Klopt.

Galen Low: De productiviteitswinst lijkt momenteel de belangrijkste focus.

Dat komt tot uiting in autonome agents. Er zijn steeds meer manieren om die te bouwen. Je kunt veertien dagen aan een uitdaging deelnemen en op de vijftiende dag een agent bouwen. Het ligt dus niet meer buiten bereik.

Kesha Williams: Precies.

Galen Low: Denk je dat dit de rol van de projectmanager verandert bij het opleveren van technische, AI-native oplossingen?

En wat is je belangrijkste tip voor projectmanagers om zich voor te bereiden op een toekomst van AI die misschien nog niet bestaat, maar waarschijnlijk wel invloed zal hebben op hun rol?

Kesha Williams: Het komt allemaal neer op begrijpen wat AI is, de concepten begrijpen en weten hoe je AI in je dagelijkse werk kunt toepassen om je productiviteit te verhogen. Er is in de sector veel angst dat AI functies zal vervangen.

Daar zouden we ons nu niet het meest zorgen over moeten maken. Het belangrijkste is dat je niet achterblijft. Ontdek hoe je AI in je rol kunt gebruiken om jezelf beter te maken dan de volgende persoon, zodat je jezelf en je organisatie kunt helpen vooruitgang te boeken.

Galen Low: Ik vind dat geweldig. De basisprincipes veranderen misschien, maar het is belangrijk om bij te blijven zonder voortdurend achter hulpmiddelen aan te jagen of je hoofd te vullen met specifieke kennis van elk hulpmiddel. Dit kan alle kanten op gaan.

We hebben ooit Betamax en VHS gehad, cassettebandjes en 8-track. Op technologisch gebied zullen er winnaars en verliezers zijn wat betreft adoptie, investeringen en andere factoren. Als we de basis begrijpen — de kernconcepten en hoe die zich in ons werk ontwikkelen — kunnen we van daaruit extrapoleren zonder te verzanden in details.

Kesha, heel erg bedankt. Dit was ontzettend leuk. Heb je voor wat extra vakantieplezier een vraag die je mij wilt stellen?

Kesha Williams: Zeker. We kunnen de rollen omdraaien en ik kan de interviewer zijn. Mijn vraag aan jou is natuurlijk: we hebben het over AI gehad, dus hoe gebruik jij AI in je dagelijks werk? En als je het niet gebruikt, waarom niet?

Galen Low: Ik gebruik het wel, maar momenteel niet intensief. Ik gebruik het als denkpartner. Ik ben een groot fan van een workflow à la Iron Man en Jarvis. Bijvoorbeeld bij het formuleren van een e-mail. Ik ben niet iemand die AI de eerste versie laat schrijven en die daarna bewerkt.

Ik schrijf liever zelf de eerste versie en laat mijn AI die vervolgens uitdagen. Ik zeg bijvoorbeeld: gedraag je als een zeer kritische projectsponsor. Je bent een CTO. Dit zijn de dingen die voor jou belangrijk zijn. Dit is onze relatie. Zoek uit wat er niet klopt en vertel me waar je bezwaar zou kunnen maken tegen de inhoud van deze e-mail.

Dat werkt goed voor mij, omdat ik de neiging heb alles te blijven heroverwegen totdat het goed is. Ik doe dat met e-mails, nieuwsbrieven, onderwerpregels en projectplannen. Ik probeer steeds te bedenken waar iemand bezwaar tegen zou kunnen maken voordat ik besluit dat iets klaar is. AI is daarin een goede partner: heb je hieraan gedacht?

Ik gebruik AI dus als kritische gesprekspartner. Ik wil me nog verder verdiepen in autonome toepassingen. We hebben aangepaste GPT’s gebouwd om onze workflow sterker te maken. Dat werkt goed bij repetitieve taken die toch enig oordeel, interactie of samenwerking vereisen.

Ik ben enthousiast om met agents aan de slag te gaan. Maar het begint met de vraag waar AI kan helpen. Daarna moet ik mijn zaken op orde hebben: mijn gegevens en referentiemateriaal. Ik moet AI kunnen trainen zoals ik een persoon zou trainen als ik wil dat het een effectieve agent wordt.

De technologie is vaak niet het probleem. De vraag is of we georganiseerd genoeg zijn om het systeem te trainen en voldoende context te geven om zijn werk te doen. Dat gold eerder ook voor mensen.

Kesha Williams: Je benoemt daar een belangrijk punt. Als ik nadenk over de rol van de projectmanager, zullen projectmanagers binnenkort agents naast mensen beheren. Denk dus alvast na over hoe je AI behandelt als onderdeel van het team. Dat komt eraan.

Galen Low: Dat vind ik geweldig. Onlangs bespraken we met een andere gast hoe een functioneringsgesprek eruit zou zien en of we er waarschijnlijk een zouden moeten voeren.

Soms geven we onze modellen betere feedback dan onze teamgenoten. Maar je andere punt is ook interessant: hoe ziet teamcultuur eruit? AI heeft momenteel veel mogelijkheden, maar de verantwoordelijkheid ligt nog steeds bij mensen.

Je kunt niet zomaar naar een agent wijzen en zeggen: ik geef deze agent de schuld, die heeft het laten liggen. Ik heb vergaderingen meegemaakt waarin iemand naar een collega wees en zei: het ontwerpteam heeft het laten liggen. Er zal dus een interessante verdeling van verantwoordelijkheid ontstaan en de manier waarop we teamcultuur opbouwen zal veranderen.

Een deel van de verantwoordelijkheden komt bij agents, automatisering en andere AI-technologieën te liggen.

Kesha Williams: Daar ben ik het mee eens. Dat is waar AI-governance om de hoek komt kijken.

Galen Low: Dan moet ik je terugvragen wanneer we dat onderwerp bespreken, want in sommige opzichten is het dichterbij dan ik denk.

Kesha Williams: Klopt.

Galen Low: Laten we het voor vandaag hierbij houden. Kesha, heel erg bedankt dat je tijd met me hebt doorgebracht. Ik vond dit gesprek geweldig en heb veel geleerd. Ik vind het geweldig wat je doet. De vorm van je werk is erg interessant. Ik kijk uit naar de Substack. Waar kunnen mensen meer over je leren?

Kesha Williams: Volg me zeker op LinkedIn. Zoals je zei, plaats ik daar veel berichten. Op de website van mijn bedrijf KeySoft, www.keysoft.tech, vind je meer informatie over mij en de diensten die ik aanbied.

Galen Low: Geweldig. Ik neem die links op in de shownotes voor geïnteresseerden. Kesha, nogmaals bedankt.

Kesha Williams: Dank je. Graag gedaan. Het was een geweldig gesprek.

Galen Low: Goed, mensen, dat was de aflevering van vandaag van de podcast The Digital Project Manager. Als je dit gesprek leuk vond, abonneer je dan via het platform waarop je luistert. En als je nog meer praktische inzichten, casestudy’s en draaiboeken wilt, ga dan naar thedigitalprojectmanager.com.

Tot de volgende keer en bedankt voor het luisteren.