Forecast, een bedrijf van Accelo, AI-functies: van risicodetectie tot resource matching
Forecast, de AI-functies van Accelo, zijn gebaseerd op een fundamentele overtuiging: professionele dienstverleners zouden niet hoeven op te schalen door personeel toe te voegen. AI moet hen helpen meer te leveren, met een grotere voorspelbaarheid en zonder die beperkingen.
In plaats van een generieke AI-assistent aan een bestaand platform toe te voegen, is Forecast vanaf het begin gebouwd op een AI-fundament. Deze software voor automatisering van professionele dienstverlening (PSA) gebruikt echte operationele gegevens—projectprestaties, beschikbaarheid van middelen, tijdregistratie en financiële gegevens—om teams proactief inzicht te geven in risico's voordat ze problemen worden.
Joe DiPaulo, CEO van Accelo en Forecast, een bedrijf van Accelo, legt de strategische bedoeling uit: het doel is om leiders in de professionele dienstverlening te helpen de overstap te maken van reactief werken naar een werkelijk proactieve bedrijfsvoering. Hieronder volgt een overzicht van de belangrijkste AI-mogelijkheden van Forecast.
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
Een diepgaande blik op de functies van Forecast, een bedrijf van Accelo
1. Het AI-systeem van Forecast voor proactieve risicodetectie
Forecast biedt via Nova Insights, de ingebouwde AI-analysefunctie, actueel inzicht in de uitvoering.
Nova Insights houdt voortdurend alle activiteiten binnen het systeem in de gaten—actieve projecten, geregistreerde uren, voltooide taken, facturering en toewijzingen van middelen—en signaleert proactief risico's zodra deze ontstaan. In plaats van te wachten totdat een projectmanager een rapport uitvoert, waarschuwt het systeem teams in realtime voor mogelijke problemen.
Nova Insights kan bijvoorbeeld vaststellen wanneer de middelen voor een project achterlopen op hun beschikbaarheidsverplichtingen en zowel een budgetafwijking als een waarschijnlijke verschuiving van de opleverdatum voorspellen. Zo krijgen teams vroegtijdig een waarschuwing, terwijl er nog tijd is om bij te sturen.
Naast het signaleren van het risico genereert Forecast ook 'assists': voorgestelde acties die een projectmanager kan ondernemen om het probleem aan te pakken. Het systeem schat het aantal uren dat nodig is voor specifieke functies en toont beschikbare middelen om die hiaten op te vullen, zodat direct vanuit hetzelfde scherm actie kan worden ondernomen.
Zo haal je de meeste waarde uit Nova Insights:
- Onderneem vroeg actie, niet pas laat: gebruik door AI gesignaleerde risico's om in te grijpen terwijl het project nog te redden is, en niet pas nadat de deadline is verstreken.
- Ga de diepte in: met Nova Insights kunnen managers in slechts enkele klikken van signalen op hoofdlijnen naar analyses op taakniveau gaan.
- Gebruik assists als uitgangspunt: laat de AI aanpassingen in de inzet van middelen aanbevelen en gebruik vervolgens je eigen oordeel voordat je wijzigingen bevestigt.
Het systeem beschikt over wat wij ‘assists’ noemen. Daarmee kan het voorstellen hoe je sommige van die uitdagingen kunt oplossen om het project weer op koers te krijgen.
2. AI-gestuurde middelenplanning en capaciteitsbeheer
Een van de fundamentele AI-mogelijkheden van Forecast is intelligente matching van middelen. Hiermee kunnen middelenbeheerders de juiste mensen aan het juiste werk toewijzen zonder handmatig spreadsheets of beschikbaarheidskalenders te hoeven doorzoeken.
De weergave voor capaciteitsplanning van het platform biedt op maand-, week- of kwartaalliveau een overzicht van de werkdruk van het team en ondersteunt filteren op project, klant of team. Wanneer er niet-toegewezen werk is, beveelt de AI van Forecast de beste kandidaten voor elke openstaande functie aan. Deze worden gerangschikt op beschikbaarheid, vaardigheden, geschiktheid voor de functie, factureringstarieven en historische prestaties bij taken.
Het systeem leert van eerdere opleveringen. Als een meer junior teamlid consequent goed presteert bij taken op seniorniveau, wordt dat patroon meegenomen in toekomstige aanbevelingen, waardoor de matching na verloop van tijd steeds slimmer wordt.
Middelenbeheerders kunnen toewijzingen verslepen om verschillende capaciteitsscenario's te modelleren en te zien hoe wijzigingen de werklast van het team beïnvloeden voordat ze deze definitief maken.
Beste werkwijzen voor AI-ondersteunde middelenplanning:
- Beschouw de aanbevelingen als een shortlist, niet als een voorschrift: de AI verkleint het aantal opties; jij neemt de uiteindelijke beslissing op basis van context waarover het systeem mogelijk niet beschikt.
- Laad historische gegevens tijdens de onboarding: het implementatieteam van Forecast helpt klanten om één tot twee jaar aan projectgeschiedenis te importeren, zodat de nauwkeurigheid van het model vanaf dag één sneller verbetert.
- Gebruik tijdelijke aanduidingen om vraag te signaleren: wanneer een project een rol nodig heeft die nog niet is ingevuld, worden tijdelijke aanduidingen opgenomen in het capaciteitsoverzicht en worden proactief aanbevelingen voor resources geactiveerd.
3. MCP-workfloworkestratie: Forecast verbinden met elke LLM
Een van de meest onderscheidende AI-functies van Forecast is de ondersteuning voor Model Context Protocol (MCP)—een opkomende standaard waarmee grote taalmodellen veilig verbinding kunnen maken met bedrijfssystemen en met hun gegevens kunnen werken.
Via MCP kunnen klanten hun favoriete AI-hulpmiddelen, of dat nu Claude, ChatGPT, Microsoft Copilot of Gemini is, rechtstreeks verbinden met de operationele gegevens van Forecast. Hierdoor kunnen teams projectstatussen, beschikbaarheid van resources, facturatiegegevens en tijdregistraties opvragen in natuurlijke taal, zonder in te loggen op het PSA-platform of aangepaste integraties te bouwen.
Een resourcemanager kan bijvoorbeeld vragen: "Wie is er volgende week beschikbaar?" en een gerangschikte lijst met teamleden en hun beschikbare uren ontvangen—gegevens waarvoor anders meerdere schermen doorlopen of handmatig een rapport worden uitgevoerd. Op vergelijkbare wijze kan een leidinggevende een volledig overzicht opvragen van factureerbare en niet-factureerbare tijd voor een klant en binnen enkele seconden een gedetailleerde samenvatting ontvangen, over tienduizenden uren aan geregistreerde gegevens.
Forecast behandelt MCP als een beheerde, veilige mogelijkheid. Klanten verifiëren zich individueel en alle geretourneerde gegevens zijn beperkt tot hun eigen account—er worden geen gegevens tussen klanten blootgesteld. De functie bevindt zich momenteel in bèta, maar wordt actief uitgerold.
Hoe teams de MCP-integratie van Forecast effectief kunnen gebruiken:
- Gebruik de LLM van je keuze: de MCP-laag van Forecast is platformonafhankelijk—klanten zitten niet vast aan een specifieke AI-tool.
- Vervang de voorbereiding van vergaderingen door een prompt: leidinggevenden en deliverymanagers kunnen op verzoek inzicht in meerdere projecten en samenvattingen van rapportages krijgen, zonder te wachten tot iemand een dashboard ophaalt.
- Ontwerp aangepaste workflows: teams kunnen MCP gebruiken om AI-gestuurde workflows te bouwen die Forecast-gegevens samen met andere verbonden tools ophalen, waardoor rijkere context ontstaat voor beslissingen.
"De combinatie van een systeem dat als bron van waarheid fungeert en AI waarmee klanten elke gewenste LLM hierop kunnen aansluiten—om de maximale waarde te halen uit niet alleen Forecast, maar uit een groep systemen—is wat dit zo krachtig maakt", zegt DiPaulo.
De combinatie van een systeem dat als bron van waarheid fungeert en AI waarmee klanten elke gewenste LLM hierop kunnen aansluiten—om de maximale waarde te halen uit niet alleen Forecast, maar uit een groep systemen—is wat dit zo krachtig maakt.
4. Vanaf dag één gebouwd op een AI-fundament
In tegenstelling tot platforms die achteraf AI-functies aan bestaande infrastructuur hebben toegevoegd, is Forecast vanaf het begin met AI gebouwd—met machinelearningmodellen als uitgangspunt die teams helpen met resourceplanning en capaciteitsplanning, lang voordat generatieve AI gangbaar werd.
Dit is om praktische redenen belangrijk. De AI-mogelijkheden in Forecast draaien op gestructureerde, consistente operationele gegevens die binnen het platform staan. Wanneer teams tijd registreren, taken voltooien, facturen registreren en projecten bijwerken, worden die gegevens rechtstreeks in de modellen opgenomen—er is geen export, handmatige invoer of vertraging door integraties.
DiPaulo trekt een duidelijk contrast met het gebruik van een algemene AI-tool met een gegevensdump: "Een algemene AI-tool bevindt zich buiten een operationeel systeem. Deze kan context bieden en enige analyse uitvoeren, maar beschikt doorgaans niet in realtime over alle invoergegevens die vanuit de hele organisatie binnenkomen."
Een algemene AI-tool staat buiten een operationeel systeem. De tool kan context bieden en enige analyse uitvoeren, maar beschikt doorgaans niet over alle invoer in realtime die vanuit de hele organisatie binnenkomt.
De realtime operationele context zorgt ervoor dat de AI van Forecast aanbevelingen kan doen die zijn gebaseerd op wat er daadwerkelijk gebeurt—en niet op aannames of verouderde exports.
Beste praktijken voor het benutten van de AI-architectuur van Forecast:
- Centraliseer de activiteiten in het platform: hoe consistenter teams Forecast gebruiken voor tijdregistratie, taakbeheer en projectupdates, hoe nauwkeuriger de resultaten van de AI worden.
- Beperk handmatige overschrijvingen: inconsistente gegevensinvoer ondermijnt de nauwkeurigheid. Vertrouw op het systeem en pas processen aan in plaats van de gegevens.
AI-functies van Forecast versus andere hulpmiddelen
De mogelijkheden van Forecast geven prioriteit aan AI voor inzicht in projectuitvoering, optimalisatie van resources en beheerde workfloworkestratie, boven eenvoudige configuratie of algemene flexibiliteit.
- Hulpmiddelen voor taakbeheer leggen de nadruk op configureerbare interfaces en flexibele automatisering, maar missen de diepgaande operationele PSA-context die Forecast biedt.
- Platforms die zich uitsluitend richten op scenarioplanning en resourceprognoses, kunnen niet dezelfde omvang aan mogelijkheden voor projectuitvoering bieden als Forecast.
- Algemene AI-tools zoals ChatGPT of Copilot kunnen krachtig zijn voor analyse, maar werken buiten het operationele systeem en missen de realtime context van projecten, resources en financiën die aanbevelingen uitvoerbaar maakt.
Forecast onderscheidt zich door tegelijkertijd als bronsysteem en als AI-laag te fungeren. Omdat hetzelfde platform dat de projectuitvoering beheert ook de intelligentie aandrijft, is de afstand tussen inzicht en actie klein. Wanneer de AI een risico signaleert of een resource aanbeveelt, kan de manager er onmiddellijk naar handelen—binnen dezelfde workflow.
Voor teams die op grote schaal complex, factureerbaar werk beheren, zorgt deze geïntegreerde aanpak voor een zichzelf versterkend effect: een betere benutting van resources, eerdere risico-interventie en bescherming van marges zonder extra operationele overhead.
De toekomst van AI in automatisering van professionele dienstverlening
De routekaart van Forecast wijst erop dat AI een echte operationele deelnemer wordt aan de uitvoering van professionele dienstverlening—niet alleen door informatie aan het licht te brengen, maar ook door te helpen bij het uitvoeren van werk.
DiPaulo ziet de nabije toekomst als een waarin AI-agenten repetitieve uitvoeringstaken op zich nemen—voorstellen opstellen, facturen genereren, uitzonderingen signaleren en softwareontwikkelingsteams ondersteunen tijdens programmeerworkflows. Het onderliggende model blijft hetzelfde: administratieve lasten wegnemen, mensen in staat stellen zich te richten op klantrelaties en waardevol oordeel, en bedrijven helpen groeien zonder een evenredige toename van het aantal medewerkers.
Verder in de toekomst verwacht DiPaulo dat AI-agenten als functionele medewerkers binnen organisaties voor professionele dienstverlening optreden—waarbij ze afgebakende werkzaamheden uitvoeren onder menselijk toezicht.
Toekomstige ontwikkelingen omvatten waarschijnlijk:
- Geautomatiseerde generatie van voorstellen en facturen met workflows voor menselijke beoordeling
- Diepere ondersteuning voor agile- en sprintgebaseerde uitvoering, met name voor software- en technische bureaus
- MCP-mogelijkheden uitgebreid naar Accelo, waardoor dezelfde workfloworkestratie beschikbaar komt voor het volledige platform
- Breder gebruik van agentgebaseerde taakuitvoering gedurende de volledige uitvoeringscyclus
Naarmate AI volwassener wordt, zijn platforms zoals Forecast—die vanaf dag één op operationele gegevens zijn gebouwd—goed gepositioneerd om verder te gaan dan voorspellen en over te stappen op intelligente uitvoering.
Vraag een demo aan en zie vandaag nog de AI van Forecast in actie.
Wil je meer uitwerkingen van AI-functies en toegang tot evenementen zoals de showcase De toekomst van AI in projectmanagement? Maak een gratis account aan om verbonden te blijven met The Digital Project Manager.
