Waarom leiders die AI-adoptie het best meten niet naar dashboards kijken
Maatstaven bijhouden: Traditionele gebruiksstatistieken geven vaak een verkeerd beeld van de waarde van AI; de focus moet liggen op operationele efficiëntie.
Efficiëntiewinst: Het beoordelen van de impact van AI berust op meetbare efficiëntieverbeteringen, niet alleen op activiteitsniveaus of output.
Gedragsverandering: Betekenisvolle AI-adoptie blijkt uit gedragsveranderingen, zoals ongevraagd gebruik en het automatiseren van taken.
Verschuiving in oordeelsvermogen: De waarde van projectmanagers verschuift van outputsnelheid naar het nemen van goed geïnformeerde beslissingen en het aanbrengen van bewerkingen.
Zichtbaarheidsparadox: Succesvolle AI-adoptie kan onzichtbaar blijven; degenen die het dichtst bij het werk staan, zien betekenisvolle veranderingen.
Het volgen van AI-adoptie in projectmanagement klinkt alsof het eenvoudig zou moeten zijn. Gebruikslogboeken, het aantal prompts, toolactiviteit — de gegevens zijn beschikbaar. Maar leiders die hebben geprobeerd de werkelijke impact van AI te meten, merken dat de meest betekenisvolle signalen helemaal niet in dashboards verschijnen. Wat daadwerkelijk werkt, lijkt minder op analyse en meer op aandacht besteden aan hoe het werk in de praktijk verandert.
Dit is wat onze experts zeggen dat wel werkt — en wat niet.
Waarom traditionele gebruiksmetingen tekortschieten
De neiging om AI-adoptie te meten aan de hand van activiteit is begrijpelijk — meer prompts, meer experimenten en meer zichtbare enthousiasme zouden meer waarde moeten betekenen. Rawad Baroud, CEO van ZeroGPT, ging uit van precies die veronderstelling, en wat hij ontdekte veranderde zijn kijk op meten volledig. "Vanuit het perspectief van een leidinggevende dacht ik aanvankelijk dat de teams die de meeste waarde uit AI haalden, het gemakkelijkst te identificeren zouden zijn," zegt hij. "Ik verwachtte hogere gebruikspercentages, meer prompts, meer experimenten en meer zichtbaar enthousiasme te zien." De werkelijkheid was bijna het tegenovergestelde.
Create a Free Account to Read More
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
"De teams die de sterkste resultaten behaalden, behandelden AI vaak als spellingcontrole. Het was zo sterk in hun werkproces verweven geraakt dat niemand meer de behoefte voelde om het te noemen." De implicaties hiervan voor de manier waarop leiders adoptie beoordelen, zijn aanzienlijk. Zoals Baroud het formuleert: "een projectmanager die dagelijks vijftig prompts genereert, creëert mogelijk niet meer waarde dan iemand die AI vijf keer gebruikt om terugkerende knelpunten weg te nemen."
De teams die de sterkste resultaten behaalden, behandelden AI vaak als spellingcontrole. Het was zo sterk in hun werkproces verweven geraakt dat niemand meer de behoefte voelde om het te noemen.
De signalen waar hij nu de meeste aandacht aan besteedt, zijn operationeel: bereiken projectplannen belanghebbenden sneller, komen minder taken terug voor verduidelijking en zijn er minder herzieningen nodig voor statusupdates? Deze indicatoren vertellen hem naar eigen zeggen veel meer dan adoptiedashboards.
Efficiëntie meten, niet activiteit
Voor leiders die het bijhouden van gebruik achter zich hebben gelaten, verschuift de focus naar concrete efficiëntiewinst — doorvoer, foutpercentages en feedback van belanghebbenden als de belangrijkste maatstaven. Emmanuels Magaya, oprichter van Project Managers Africa, beschrijft het als een eenvoudige vergelijking van voor en na. "Voor mij is de belangrijkste maatstaf: is je efficiëntie toegenomen sinds je AI bent gaan gebruiken? Of besteed je veel meer tijd aan het schrijven van prompts om te corrigeren wat je hebt gedaan?" zegt hij.
Voor mij is de belangrijkste maatstaf: is je efficiëntie toegenomen sinds je AI bent gaan gebruiken? Of besteed je veel meer tijd aan het schrijven van prompts om te corrigeren wat je hebt gedaan?
Zijn aanpak is om duidelijke vergelijkingsperiodes te creëren: "We kunnen efficiëntie meten door bijvoorbeeld te zeggen: in het eerste kwartaal van het jaar gebruikten we AI in geen enkel onderdeel van een werkproces; dat is een ijkpunt. In het tweede kwartaal deden we dat wel. Vervolgens vergelijken we het eerste kwartaal met het tweede kwartaal."
Magaya moedigt leiders ook aan om bij het beoordelen van de impact verder te kijken dan het perspectief van hun eigen team. "Het mag niet alleen jouw perspectief als PMO-team zijn. Vraag om input van je belanghebbenden, vraag om input van je interne klanten, enzovoort. Je hoeft hun niet eens te vertellen dat je AI gebruikt. Vraag gewoon: 'Hoe hebben we de afgelopen paar maanden gepresteerd?'" Onbevooroordeelde feedback van de mensen die het dichtst bij het werk staan, is volgens hem een van de eerlijkste beschikbare maatstaven.
Gedrag meten in plaats van resultaten
Verschillende leiders zijn tot de conclusie gekomen dat gedragsverandering de betrouwbaarste indicator is van betekenisvolle AI-adoptie — met name welke taken als eerste met AI worden uitgevoerd en of teamleden uit zichzelf naar AI grijpen. Ferhat Suat Erdogan, oprichter en CEO van Ekofi, heeft juist daarom bewust vermeden een formele meetstructuur op te zetten. "Omdat we een klein bedrijf zijn, heb ik bewust afgezien van het bouwen van een AI-dashboard," legt hij uit. "Wat ik niet kan zien door naar een dashboard te kijken, is of AI daadwerkelijk verandert hoe het werk wordt uitgevoerd. Daarom meet ik gedrag meer dan resultaten."
De signalen waarop Erdogan let, zijn specifiek: welke terugkerende taken zijn als eerste door AI overgenomen — "statusrapporten, vergadernotities omzetten in actiepunten, eerste versies van updates voor klanten, samenvattingen van de scope" — en welke nog steeds in de eerste plaats door mensen worden uitgevoerd; de tijd tot de eerste versie van een oplevering en hoeveel bewerking een AI-uitvoer nodig heeft voordat deze wordt verzonden. "Dat percentage herstelwerk is mijn echte kwaliteitsmaatstaf", zegt hij. "Het gedrag dat ik het meest vertrouw, is of het team uit zichzelf naar AI grijpt. Verplicht gebruik zegt je niets; gebruik uit eigen beweging laat zien dat het hun daadwerkelijk tijd bespaart."
Het gedrag dat ik het meest vertrouw, is of het team uit zichzelf naar AI grijpt. Verplicht gebruik zegt je niets; gebruik uit eigen beweging laat zien dat het hun daadwerkelijk tijd bespaart.
Artem Panasiuk, Hoofd Delivery bij Brocoders, hanteert een vergelijkbare aanpak en gebruikt regelmatige teamsynchronisaties in plaats van een formeel dashboard om signalen te verzamelen. "Op dit moment volgen we de AI-adoptie niet via een formeel dashboard met meetgegevens. We houden regelmatig teamsynchronisaties waarin onze managers uitwisselen wat er in hun dagelijkse praktijk werkt, en daar komt het grootste deel van onze informatie vandaan", zegt hij.
We houden regelmatig teamsynchronisaties waarin onze managers uitwisselen wat er in hun dagelijkse praktijk werkt, en daar komt het grootste deel van onze informatie vandaan.
Wat Panasiuk daadwerkelijk meet, is de verschuiving in waar een projectmanager zijn tijd aan besteedt. Standaardtaken van projectmanagers — documenten genereren, Jira-tickets aanmaken, documentatie bijwerken, e-mails opstellen — zijn geautomatiseerd, en die vrijgekomen capaciteit heeft managers verplaatst naar werk dat voorheen buiten de rol van projectmanager viel: bedrijfsanalyse, elementen van ontwerpsystemen, documentatie en vibecoding. Het resultaat waar Panasiuk op wijst, is opvallend: "onze managers doen ongeveer twee keer zoveel werk als voorheen, en de teams om hen heen zijn veel meer T-vormig geworden."
De grotere verschuiving: van output naar oordeelsvermogen
Uit deze perspectieven komt een consistente nieuwe kijk naar voren — niet alleen op de manier waarop AI wordt gemeten, maar ook op wat leiders in hun teams steeds meer waarderen. Erdogan verwoordt het rechtstreeks: "Vroeger beloonde ik impliciet snelheid en de hoeveelheid output. Nu is oordeelsvermogen de waardevolste vaardigheid — AI-uitvoer bewerken en weten wanneer je AI überhaupt niet moet gebruiken. Het werk verschuift van het produceren van de eerste versie naar het zijn van de redacteur die er verantwoording voor aflegt."
Vroeger beloonde ik impliciet snelheid en de hoeveelheid output. Nu is oordeelsvermogen de waardevolste vaardigheid — AI-uitvoer bewerken en weten wanneer je AI überhaupt niet moet gebruiken.
Die verschuiving heeft praktische gevolgen voor de manier waarop de prestaties van opleveringen worden beoordeeld. Volume en snelheid zijn niet langer het signaal dat ze ooit waren. De projectmanager die minder produceert maar beter redigeert, de hiaten opmerkt die AI mist en weet wanneer het hulpmiddel volledig terzijde moet worden gelegd, levert mogelijk meer waarde dan degene die de hoogste output genereert. Zoals Baroud opmerkt, is de grootste verandering in denken dat "AI-adoptie niet altijd zichtbaar is. In veel gevallen lijkt succes minder op toegenomen activiteit en meer op het stilletjes verwijderen van werk dat teams vroeger vertraagde."
Sluit af met de zichtbaarheidsparadox
Het nuttigste dat Barouds observatie aan het licht brengt, is een paradox waar we bij stil moeten staan: de teams die AI het beste inzetten, zijn de teams die je het minst snel in een adoptierapport zou verwachten. Als succes eruitziet als stille verwijdering in plaats van zichtbare activiteit, dan zijn de leiders die het best in staat zijn om de impact van AI te meten niet degenen die dashboards in de gaten houden — maar degenen die nog dicht genoeg op het werk zitten om op te merken wanneer iets geen frictie meer veroorzaakt.
Wil je meer inzichten zoals deze? Meld je aan voor een gratis DPM-account om van meer experts zoals deze te horen.
