Experts onthullen de slechtste toepassingen van AI in projectmanagement
Kritisch denkvermogen: Geautomatiseerde projectplannen lijken volledig, maar missen essentiële context, wat tot potentiële projectproblemen kan leiden.
Noodzaak van controle: Vertrouwen op AI-uitvoer zonder menselijke controle kan leiden tot fouten en aanzienlijke gevolgen.
Werkelijkheidscontrole: AI heeft moeite met feitelijke taken zoals urenstaten, waardoor de nauwkeurigheid van gegevens en de integriteit van projectgegevens gevaar lopen.
Menselijke betrokkenheid: Het gebruik van AI voor het beheer van belanghebbenden kan de oprechte betrokkenheid ondermijnen die nodig is voor productieve communicatie.
Procesbasis: AI mag het vaststellen van menselijke procesbaselines niet vervangen, omdat het geen effectieve werkstromen kan definiëren.
AI-adoptie in projectmanagement is snel versneld, en daarmee is een golf van enthousiasme ontstaan die bij nader onderzoek niet altijd standhoudt. Tools die beloven tijd te besparen, de administratieve last te verlagen en inzichten aan het licht te brengen, zijn vaste onderdelen geworden van de workflows van projectmanagers — maar niet elke toepassing van die tools werkt uit zoals professionals hadden gehoopt. Sommige gebruikssituaties veroorzaken stilletjes zelfs meer problemen dan ze oplossen. De experts die dagelijks in dit vakgebied werken, hebben de patronen gezien en zijn openhartig over de manieren waarop AI projectmanagement in de problemen brengt.
Projectplannen genereren zonder kritisch denkvermogen
Weinig toepassingen van AI in projectmanagement zijn zo verleidelijk — of zo riskant — als het geautomatiseerde projectplan. Voer een opdrachtomschrijving in en krijg een planning terug. Het klinkt als een productiviteitswinst, maar ervaren professionals zeggen dat de resultaten er doorgaans beter uitzien dan ze in werkelijkheid zijn en dat projectmanagers die ze zonder controle accepteren hun projecten blootstellen aan problemen.
Pam Butkowski, SVP van Horizontal Digital, zegt het rechtstreeks: "zelfs als je een tool hebt waarin je een SOW invoert en vraagt om een projectplan voor je te maken, beloof ik je dat het niet klopt. Dat gaat gewoon niet gebeuren. Het is een geweldig startpunt. Maar daarna moeten we ons kritisch denkvermogen gebruiken." Het plan kan gestructureerd zijn en er compleet uitzien — maar het heeft geen toegang tot de echte afhankelijkheden, de daadwerkelijke capaciteit van het team of de organisatorische context die een planning realistisch maakt.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Zelfs als je een tool hebt waarin je een SOW invoert en vraagt om een projectplan voor je te maken, beloof ik je dat het niet klopt. Dat gaat gewoon niet gebeuren.
Jeff Chamberlain, manager van breedbanddiensten en PMO bij de overheid van Fredrick County, is op basis van zijn ervaring tot een vergelijkbare conclusie gekomen: "Sommige mensen benaderen het op een manier waarbij ze willen dat het projectplannen maakt. Ik heb er geen groot succes mee gehad om er goede projectplannen mee te maken. En meestal eindig je toch met het opnieuw maken ervan." Wanneer het nabewerken dat nodig is om een door AI gegenereerd plan bruikbaar te maken bijna evenveel tijd kost als wanneer je het vanaf nul had opgebouwd, verdwijnt het efficiëntieargument.
Sommige mensen benaderen het op een manier waarbij ze willen dat het projectplannen maakt. Ik heb er geen groot succes mee gehad om er goede projectplannen mee te maken. En meestal eindig je toch met het opnieuw maken ervan.
AI-resultaten kopiëren en plakken zonder controle
Als er één gewoonte is die professionals aanmerken als het meest direct gevaarlijk, dan is het deze: AI-resultaten accepteren als afgerond werk. De aantrekkingskracht is begrijpelijk. De output ziet er verzorgd uit, de taal is zelfverzekerd en de verleiding om verder te gaan is groot. Maar die verzorgde uitstraling kan ernstige fouten verhullen — en wanneer niemand het werk controleert voordat het de deur uitgaat, kunnen de gevolgen aanzienlijk zijn.
Mike Clayton, CEO en oprichter van OnlinePMCourses.com, heeft dit zien gebeuren in dienstverlenende omgevingen waar aanzienlijke financiële belangen op het spel staan: "Er zijn mensen die gewoon zeggen: oké, mij is een vraag gesteld. Ik voer een vraag in bij ChatGPT, kopieer en plak het antwoord, en mijn werk zit erop. En niemand had het zelfs maar gecontroleerd en gecorrigeerd." Het probleem is niet dat AI is gebruikt — het is dat de menselijke stap van het controleren en corrigeren van de output volledig is overgeslagen.
Er zijn mensen die gewoon denken: oké, er is mij een vraag gesteld. Ik leg die vraag voor aan ChatGPT, kopieer en plak het antwoord, en mijn werk zit erop.
Megan Cotterman, fractioneel projectmanager en operationeel consultant, heeft dit aan den lijve ondervonden: "Ik gebruikte AI om me te helpen bij dit instructieontwerpproject... de AI raakte inderdaad in de war en ik had zo ongeveer de verkeerde informatie. Dus ik denk dat je er gewoon voor moet zorgen dat teams begrijpen dat het niet het allerbelangrijkste is... en dat je niet zomaar weet je wel, kopieert en plakt en het naar een klant stuurt met het idee dat het klaar is." Zelfs wanneer AI zorgvuldig wordt gebruikt, kan het nog steeds onjuiste informatie opleveren — wat betekent dat menselijke controle geen optionele stap is; dát is het werk.
AI gebruiken voor urenregistraties en feitelijke vastlegging
Er is een categorie projectdocumentatie die volledig afhankelijk is van de werkelijkheid: wat er daadwerkelijk is gebeurd, wie wat daadwerkelijk heeft gedaan en wanneer. Urenregistraties vallen precies in die categorie. En juist hier, waar nauwkeurigheid niet onderhandelbaar is, is AI het minst toegerust om te helpen.
Oliver F. Lehmann, trainer in projectbusiness bij Oliver F. Lehmann Project Business Training, schetst het probleem op treffende wijze: "AI kan geen urenstaat schrijven. Het kan een urenstaat fantaseren, maar het kan geen urenstaat schrijven. Je brengt dus fantasie in documentatie die echt zou moeten zijn." AI kan iets genereren dat eruitziet als een ingevulde urenstaat — aannemelijk ogende registraties, uren die bij elkaar optellen — maar niets ervan geeft weer wat er daadwerkelijk is gebeurd. Het introduceren van dit soort vervalste gegevens in een projectdossier bespaart geen tijd; het maakt het dossier onbetrouwbaar.
AI kan geen urenstaat schrijven. Het kan een urenstaat fantaseren, maar het kan geen urenstaat schrijven!
Stakeholdermanagement en communicatie automatiseren
Stakeholdermanagement is een van de meest mensintensieve onderdelen van projectwerk, en met goede reden. De gesprekken die projecten vooruithelpen — de moeilijke gesprekken, de gesprekken die vertrouwen en aandachtig luisteren vereisen — zijn afhankelijk van oprechte menselijke betrokkenheid. Pogingen om die betrokkenheid te automatiseren of uit te besteden aan AI ondermijnen doorgaans precies datgene wat deze gesprekken productief maakt. Stakeholders die complexe of omstreden beslissingen moeten nemen, willen geen geoptimaliseerd communicatieproces — ze willen het gevoel hebben dat er echt naar hen wordt geluisterd door een ander persoon.
Het probleem strekt zich ook uit tot alledaagse schriftelijke communicatie. Lehmann merkt op: "Ik zie heel vaak dat projectmanagers AI gewoon gebruiken om e-mails voor hen te schrijven. De taal is vaak te zacht wanneer het tijd is om wat directer te zijn. Het maakt dingen behoorlijk glad." Wanneer een project een directe, duidelijke boodschap aan een stakeholder vereist, heeft door AI gegenereerde taal de neiging de scherpe kantjes eraf te halen — waardoor het daadwerkelijke probleem vaak onbesproken blijft.
Yonelly Gutierrez, senior programmamanager bij Palo Alto Networks, merkt deze eigenschap ook op in door AI geschreven communicatie: "Soms denk ik bij de formulering: 'je klinkt echt als zo'n AI-robot. Praat gewoon normaal, alsjeblieft.'" De kenmerkende stijfheid van door AI gegenereerde taal is niet alleen een esthetisch probleem — het geeft ontvangers het signaal dat het bericht niet specifiek met hen in gedachten is geschreven.
AI inzetten voordat een menselijke basis is vastgesteld
Een van de structureel gebrekkigere benaderingen van AI-adoptie is het implementeren ervan voordat iemand heeft uitgezocht hoe de onderliggende taak daadwerkelijk zou moeten werken. Wanneer organisaties de stap overslaan om een functioneel, door mensen aangestuurd proces vast te stellen en het meteen gaan automatiseren, versnellen ze de vooruitgang niet — ze versnellen de verwarring.
Derek Fredrickson, oprichter & CEO van The COO Solution, ziet dit patroon vaak: "vaak proberen ze AI als oplossing te introduceren voordat een mens het daadwerkelijk heeft gedaan. Ik vind altijd dat een mens eerst moet doen wat je door AI wilt laten automatiseren, in plaats van AI gewoon in te zetten om AI in te zetten." AI is goed in het opschalen en systematiseren van processen die al worden begrepen. Het heeft niet de capaciteit om te bepalen hoe goed eruitziet in een proces dat nooit eerst door een mens is uitgevoerd.
Rapportage met AI bij gebrekkige gegevens of zonder duidelijk doel
Geautomatiseerde rapportage is een van de meest genoemde voordelen van AI in projectmanagement. De belofte is reëel — maar er zijn voorwaarden aan verbonden die organisaties vaak over het hoofd zien. Als de onderliggende gegevens onbetrouwbaar zijn, of als het rapportagedoel niet duidelijk is gedefinieerd, levert AI geen betere rapporten op. Het levert rapporten op die zelfverzekerd zijn opgemaakt, maar je niet vertellen wat je moet weten.
Emmanuels Magaya, oprichter van Project Managers Africa, benoemt beide faalwijzen: u0022Als je wilt dat AI je rapporten automatiseert, zul je vaak merken dat je rapport je niet geeft wat je zoekt als de gegevens niet kloppen. En je moet ook weten waar je in het rapport naar op zoek bent.u0022 Schone gegevens en een duidelijk, op stakeholders afgestemd doel zijn voorwaarden — geen mooie extra's — om door AI ondersteunde rapportage waarde te laten opleveren.
AI toevoegen aan gebrekkige processen
AI werkt als een vermenigvuldigingsfactor. Dat is precies waarom het toepassen ervan op een disfunctionele workflow zo contraproductief is — het vermenigvuldigt de disfunctie. Organisaties die geloven dat AI een gebrekkig proces zal herstellen, maken dat proces in vrijwel alle gevallen nog gebrekkiger en moeilijker te diagnosticeren.
Markus Kopko, CPMAI-hoofdcoach, verwoordt de dynamiek helder: u0022AI en AI-oplossingen op slechte processen toepassen, maakt het proces niet beter. De resultaten zijn zelfs slechter dan wanneer je je processen niet had veranderd.u0022 Procesverbetering moet eerst komen. AI toepassen boven op een niet-onderzochte of inefficiënte workflow brengt de onderliggende problemen niet aan het licht — het begraaft ze onder snellere en omvangrijkere output.
Menselijk beoordelingsvermogen vervangen in teamdynamiek en conflicten
Gegevens kunnen een projectmanager veel vertellen. Ze kunnen niet vertellen dat twee teamleden elkaar niet meer vertrouwen, wanneer de psychologische veiligheid binnen een team niet bestaat, of dat wat op een planningsprobleem lijkt in werkelijkheid een dieper conflict is. Daarvoor zijn aanwezigheid, observatie en menselijk beoordelingsvermogen nodig — en geen daarvan kan AI bieden.
Jeremiah Hammon, trainer in leiderschap en projectmanagement bij Project Revolution, trekt een duidelijke grens: u0022Wat het niet zal doen, is de echte problemen zien. Het vertelt ons niet dat drie teamleden persoonlijke problemen hebben of wanneer teamproblemen om conflictoplossing vragen. Dat zal het niet doen.u0022 De interpersoonlijke dynamiek van een projectteam — wie het moeilijk heeft, wie niet betrokken is, wat onuitgesproken blijft — is onzichtbaar voor AI. En bij veel projecten bepaalt die dynamiek precies of het werk wordt uitgevoerd.
Het patroon achter het probleem
In al deze gebruikssituaties loopt er een gemeenschappelijke draad door de mislukkingen heen: AI wordt gevraagd taken uit te voeren waarvoor het nooit is ontworpen, of wordt ingezet op manieren die het menselijke oordeel wegnemen dat het probleem had kunnen signaleren. Het probleem is niet AI zelf — het is de veronderstelling dat, omdat AI een uitvoer kan produceren, die uitvoer betrouwbaar, geschikt of toereikend is. De professionals die AI het effectiefst gebruiken, zijn niet degenen met de langste lijst toepassingen. Het zijn degenen die het duidelijkst weten waar AI ophoudt en menselijk oordeel begint — en die die grens niet als een beperking beschouwen, maar als een ontwerpprincipe.
Wil je meer inzichten zoals deze? Meld je aan voor een gratis DPM-account en hoor van meer experts zoals deze.
