De toekomst van AI in projectmanagement met Forecast, een Accelo-bedrijf

Tim Fisher (00:01.19) Hallo en welkom bij de toekomst van AI en projectmanagement, een serie waarin we verder gaan dan de presentaties en onderzoeken hoe AI daadwerkelijk verandert hoe teams werk plannen, uitvoeren en beheren. Vandaag bespreken we Forecast PSA, een Accelo-bedrijf. Als je een team voor professionele dienstverlening aanstuurt en je je afvraagt waar AI daadwerkelijk waarde levert — niet theoretisch, maar in de tools die je elke dag gebruikt — dan is dit het gesprek dat je moet volgen. We horen hun visie op wat er misgaat bij de uitvoering van projecten, bekijken hun AI-functies in enkele interessante live-demo’s en bespreken waar dit alles naartoe gaat. Stel je vragen in de chat terwijl we bezig zijn; aan het einde behandelen we er zo veel mogelijk. Mijn naam is Tim Fisher. Ik ben VP AI bij The Digital Project Manager. Het is mijn taak om uit te zoeken waar AI daadwerkelijk werkt en waar het nog slechts marketingmateriaal is. Daarom stel ik de vragen die jouw team zou stellen. Vandaag is Joe DiPaulo bij ons, CEO van Accelo, het bedrijf achter Forecast PSA. Joe heeft zijn hele carrière gewijd aan het helpen van teams voor professionele dienstverlening bij het bouwen van voorspelbaardere en beter schaalbare leveringsorganisaties. Vandaag vertelt hij hoe AI die toekomst vormgeeft. Joe, fijn dat je er bent.

Joe DiPaulo (01:07.502) Geweldig om hier te zijn, Tim. Bedankt voor de uitnodiging. Ik ben enthousiast over dit onderwerp en over hoe dit onze wereld van professionele dienstverlening vormgeeft.

Tim Fisher (01:10.554)
Van

Tim Fisher (01:16.088) Heel interessant. Joe, geef ons de versie van dertig seconden van Forecast. Wat doet het en voor wie is het gemaakt?

Joe DiPaulo (01:23.822) Natuurlijk. Forecast is een modern PSA-platform, oftewel een platform voor automatisering van professionele dienstverlening. Het is ontworpen voor professionele dienstverleners die doorgaans op groei gericht zijn en hun bedrijf willen opschalen. Dat is volgens mij het belangrijkste punt. We richten ons op functies zoals projectplanning, capaciteits- en prognosebeheer, leveringsuitvoering en omzetactiviteiten. Onze missie is om klanten inzicht te geven in hun gegevens, voorspellende inzichten in wat er binnen hun bedrijf gebeurt en hoe ze leveren, en hen te helpen hun bedrijf zo effectief mogelijk te beheren.

Tim Fisher (01:58.652) Geweldig, heel interessant. Forecast is onlangs gaan samenwerken met Accelo. Wat maakt die combinatie mogelijk dat geen van beide platforms eerder afzonderlijk kon bieden?

Joe DiPaulo (02:08.674) Het doel van de combinatie van de twee organisaties en platforms is het bieden van een echt end-to-end besturingssysteem voor organisaties in de professionele dienstverlening. Forecast is bijzonder sterk in AI-gestuurde projectplanning, resourceprognoses, vraagplanning vanuit het perspectief van resourcebeheer en het bieden van veel toekomstgericht inzicht. Accelo heeft sterke mogelijkheden op het gebied van CRM, klantworkflowbeheer en financiële workflows. Samen bestrijkt die verbinding vanuit ons perspectief de volledige pijplijn van een organisatie voor professionele dienstverlening en fungeert deze als een belangrijke bron voor alle bedrijfsgegevens.

Tim Fisher (02:46.748) Dat is logisch. Een bijna komische vraag: waarom zetten jullie nu zo sterk in op AI? Wat is hier de strategische inzet?

Joe DiPaulo (03:01.602) Ja, daar praat natuurlijk niemand over, toch? We zetten in op AI omdat onze klanten dienstverlenende bedrijven zijn die opereren in een complexe omgeving met zeer beperkte marges. Er zijn veel factoren die een rol spelen bij het leveren aan hun klanten. Historisch gezien schaalden deze bedrijven door meer mensen aan te nemen.

Tim Fisher (03:04.444) Nee, helemaal niet. Dat komt nooit ter sprake.

Joe DiPaulo (03:27.72) De inzet van AI en meer intelligentie en automatisering is dus dat deze bedrijven dit als hulpmiddel kunnen gebruiken om hun prestaties en klantervaring te verbeteren en uiteindelijk te groeien en winstgevender te worden. Vanuit ons perspectief stelt AI leiders in staat om af te stappen van uitsluitend terugkijken naar wat er is gebeurd en reactief handelen, en helpt het hen een veel proactievere bedrijfsvoering te realiseren. Ik zal dit vandaag waarschijnlijk vaak zeggen, maar het komt steeds terug op het vermogen van onze klanten om te groeien zonder extra personeel aan te nemen. Teams bij onze klanten kunnen zich daardoor richten op de toegevoegde waarde van hun diensten, relaties met klanten opbouwen en hun leveringsproces blijven optimaliseren. Daarom ligt onze focus hier: onze klanten willen dat we hen helpen hun bedrijven te laten groeien.

Tim Fisher (04:30.587) Dat is logisch. Voordat we naar de demo’s gaan, wil ik graag horen wat je momenteel in de sector ziet. Je spreekt dagelijks met professionele dienstverleners: bureaus, adviesorganisaties, IT-dienstverleners en alle varianten daartussen. Wat verandert er nu daadwerkelijk in de manier waarop werk wordt geleverd?

Joe DiPaulo (04:50.668) Ik denk dat onze klanten zich in de afgelopen één of twee jaar hebben ontwikkeld van experimenteren met AI naar het effectiever inzetten ervan als hulpmiddel binnen hun organisatie en bij de uitvoering van hun werk. Ze kijken naar hoe ze hun bedrijf intelligenter kunnen maken en dat kunnen gebruiken om hun klanten beter te bedienen. Iedereen bevindt zich in een andere fase van die reis, maar ze proberen wel herhaalbare resultaten te produceren en die resultaten met AI te optimaliseren. Dat is volgens mij de ontwikkeling die we nu zien.

Tim Fisher (05:33.757) We hebben de afgelopen tijd allemaal artikelen gezien over AI die niet goed presteert voor organisaties, niet aan de verwachtingen voldoet of de hype niet waarmaakt. Er ligt nu duidelijk meer nadruk op praktische resultaten. Dat lijkt precies waar jullie naar streven. Jullie hebben onderzoek gedaan en uit platformgegevens blijkt dat teams een benuttingsgraad van ongeveer 75% rapporteren, tegenover 40% als sectorgemiddelde. Waardoor ontstaat volgens jou dat enorme verschil?

Joe DiPaulo (06:10.029) Ik denk dat je veel proactiever kunt werken wanneer je consistenter opereert en hulpmiddelen gebruikt die je voorspelbaarder maken in wat je doet. Een van de dingen die we in het PSA-systeem proberen te doen, is klanten inzicht geven in werk dat vanuit hun verkooporganisatie de pijplijn binnenkomt, herhaalbare en consistente processen stimuleren en laten zien wie wat doet en wanneer. Hoe beter ze die zaken kunnen voorspellen en er proactief mee kunnen omgaan, hoe beter ze kunnen opereren. Wanneer ze vooruit kunnen plannen voor werk dat over één, twee of drie maanden komt, of precies kunnen zien waar iedereen aan werkt, kunnen ze mensen niet overbelasten maar juist optimaal inzetten. Hoe beter ze deze operationele mogelijkheden benutten, hoe effectiever ze hun bedrijf kunnen runnen. We zien dat terug in betere benuttingsresultaten.

Tim Fisher (07:20.826) Heel goed. Als je kijkt naar de meer dan tweeduizend professionele dienstverleners met wie jullie werken, wat zijn dan de grootste hiaten? Denk aan margederving of het bekende probleem dat volgens mij nog steeds bestaat: resourcebeheer vanuit spreadsheets, en dan alle spreadsheets. Een beperkt zicht op problemen. Hoe ziet dat er nu voor jou uit?

Joe DiPaulo (07:47.437) Er zijn verschillende onderwerpen om uit te pakken. Wat betreft margederving in professionele dienstverlening: dat is iets waar onze klanten zeker mee worstelen. Het gebeurt nooit allemaal tegelijk. Het ontstaat beetje bij beetje wanneer een project of klantopdracht langer duurt. Ze zien problemen in de manier waarop ze resources hebben toegewezen of welke resources ze gebruiken. Hebben ze de juiste mensen? Benutten ze een bepaalde vaardigheden of een bepaalde toppresteerder te veel?

Tim Fisher (08:15.676) Ja.

Joe DiPaulo (08:22.58) Ze krijgen vaak pas laat inzicht in risico’s binnen hun werk en in projecten die ontsporen. Dat zijn de zaken die we proberen op te lossen. Scope creep speelt ook een rol bij marge. We gebruiken het systeem om klanten te helpen dit soort uitdagingen te detecteren en te voorspellen. Uiteindelijk leidt dat tot margeverbeteringen. Er zijn veel momenten in de levenscyclus waarop dit kan gebeuren, maar hoe eerder we klanten kunnen waarschuwen en helpen voorspellen wanneer dit plaatsvindt, hoe beter ze kunnen reageren. Werken vanuit spreadsheets komt vaak voor bij kleinere organisaties. Mensen zeggen dan dat ze op die manier wendbaarder en responsiever zijn. Volgens mij is dat deels een misvatting. Zodra bedrijven complexer worden, meer projecten uitvoeren, verschillende prijsmodellen hanteren of meer teams hebben, wordt dat steeds moeilijker. Je verliest nauwkeurigheid en realtime controle. Je doorbreekt patronen en processen die invloed hebben op je marge en je discipline rond marge. Organisaties die gegevens goed benutten, werk uit hun CRM analyseren en vooruitkijken om te bepalen hoe ze moeten bemensen en welke mensen ze nodig hebben, zien de waarde van meer dan alleen procesbeheer in een spreadsheet. Ze kunnen veel voorspellender werken en hun bedrijf effectiever en soepeler runnen.

Tim Fisher (10:24.688) Fantastisch. Forecast is dus vanaf dag één AI-native gebouwd. Dat kunnen niet veel PSA-tools zeggen. Dat heb ik eigenlijk nog niet eerder gehoord. Indrukwekkend. Gezien wat we net bespraken — margedruk, opschaling, inzicht en dergelijke — wat betekent dit in de praktijk voor de manier waarop jullie product deze problemen anders aanpakt?

Joe DiPaulo (10:50.624) Het systeem is gebaseerd op het idee dat je machinelearningmodellen gebruikt om teams te helpen beter te bemensen en resources beter te plannen. Sinds het begin is dat verder ontwikkeld en uitgebreid. Het doel is dat AI optreedt als gids voor organisaties in de professionele dienstverlening: inefficiënties aanpakken en schaalplafonds of schaalproblemen helpen overwinnen. Naarmate bedrijven voorspellender worden, kunnen ze risico’s vermijden, een betere klantervaring leveren, hun resources effectiever inzetten en hun teams tevreden houden. AI helpt zorgen en risico’s te identificeren en efficiëntie te stimuleren. Klanten kunnen gegevens ook beter over hun hele organisatie heen bekijken. Als ze resources over afdelingen heen moeten inzetten of beslissingen over afdelingsgrenzen heen moeten nemen, kunnen ze dat effectiever doen. AI helpt daar zeker bij. Naarmate we vooruitkijken, zal AI steeds centraler komen te staan in de manier waarop professionele dienstverleners werken en resultaten leveren. Dat is het spannende aan wat er nu gebeurt.

Tim Fisher (12:39.612) Je noemde machine learning. We gebruiken allemaal de term AI en zelfs large language model, maar die term laat zien dat jullie hier al mee bezig waren voordat ChatGPT op de wereld verscheen. Dit is fundamenteler voor jullie manier van denken. Dat vind ik erg interessant.

Joe DiPaulo (13:02.242) Daar ben ik het mee eens. Het is geweldig dat we die geschiedenis hebben en jaren geleden zijn begonnen. Tegelijkertijd blijven we investeren in nieuwe technologie om onze klanten te helpen.

Tim Fisher (13:17.712) Zeker. Laten we dit in actie zien. Joe, kun je ons meenemen in enkele toepassingen van de AI-mogelijkheden van Forecast?

Joe DiPaulo (13:27.018) Natuurlijk. Ik wil vandaag drie toepassingen bespreken. Laat me mijn scherm delen.

Joe DiPaulo (13:39.823) Ik bespreek drie toepassingen. Twee daarvan doe ik in onze applicatie. Ze laten enkele machinelearningmodellen zien die we gebruiken om klanten te helpen. De eerste toepassing gaat over het openen van een project en in het systeem laten zien waar we voorspellen dat een project of portfolioproject tegen een probleem aanloopt en hoe we een projectmanager of leider kunnen helpen.

Tim Fisher (13:42.652) Oké.

Joe DiPaulo (14:02.966) Ik ben ingelogd op mijn dashboard als iemand met een specifieke projectmanagementrol. Ik open een actief project. Ik heb Nova Insights geopend. Dat is een van de namen die we gebruiken voor onze AI-tool. Deze analyseert voortdurend alle activiteit in het systeem: alle projecten, alle inspanningen die worden voltooid en aan klanten worden geleverd, bijgehouden uren, uitgevoerd werk en facturen. In dit scenario geeft het systeem inzicht in specifieke details van het project. Het kijkt bijvoorbeeld naar de prestaties van taken en vertelt me dat taken over het algemeen worden afgerond volgens de inschatting. Sommige resources op dit project lijken echter niet aan de planning te voldoen of minder beschikbaar te zijn dan verwacht toen ik het project startte en de schattingen opstelde. Op basis daarvan zijn er waarschijnlijk risico’s vanuit budgetperspectief en risico’s voor de opleverdatum. Ik kan hierin doorklikken en meer details bekijken. Als ik de budgetinformatie bekijk, zie ik dat ik relatief vroeg in het project zit, maar dat het systeem al een afwijking voorspelt in termen van mijn marge en het niveau dat ik wilde bereiken. Het systeem geeft dus aan dat daar een risico bestaat. Ook voorspelt het dat de einddatum later zal liggen dan aanvankelijk gepland. Dit is waarschijnlijk een extreem voorbeeld met demonstratiegegevens, dus het is niet perfect, maar het geeft goed weer wat er gebeurt. Het project stond gepland om in mei te eindigen, maar op basis van de hoeveelheid voltooid werk voorspelt het systeem dat het pas in augustus klaar zal zijn.

Tim Fisher (16:17.629) Goed.

Joe DiPaulo (16:35.436) De projectmanager kan vervolgens actie ondernemen. Het systeem bevat ook hulpmiddelen die kunnen voorstellen hoe je zulke problemen kunt oplossen om het project weer op koers te brengen. In dit scenario schat het systeem dat we voor bepaalde functies een bepaald aantal uren tekortkomen. Het geeft de projectverantwoordelijke een eenvoudige manier om beschikbare mensen te bekijken. Vanuit dit scherm kun je placeholders aanmaken. Daarmee creëer je een vraag naar specifieke resources die je vervolgens kunt toewijzen. Dat was de eerste toepassing die ik wilde laten zien. Het is een goed voorbeeld van hoe het systeem risico’s en problemen in een project of groep projecten kan voorspellen en hoe iemand dit kan gebruiken om snel aanpassingen te doen, iets te beoordelen of dieper in een project te duiken.

Tim Fisher (17:33.618) Heel interessant. Hoeveel historische gegevens heeft de AI nodig voordat de aanbevelingen nuttig worden? En is er een soort probleem met een koude start als een organisatie nog niet genoeg gegevens in jullie systeem heeft voor goede capaciteitsplanning?

Joe DiPaulo (18:00.866)Modellen hebben inderdaad informatie nodig om van te leren. Tijdens onze implementatie is het onze beste praktijk om één of twee jaar historische gegevens te laden. Als je resourcegegevens en historische projectprestaties kunt toevoegen, kun je die periode verkorten. De informatie is dan vrijwel onmiddellijk beschikbaar. Een onderdeel van het proces van ons implementatieteam is nieuwe klanten te helpen gegevens in het systeem te brengen, zodat ze vanaf dag één waarde kunnen halen uit het systeem.

Tim Fisher (18:14.854) Oké.

Joe DiPaulo (18:33.122) Ze werken daarbij adviserend samen met nieuwe klanten.

Tim Fisher (18:33.893) Uitstekend.

Tim Fisher (18:38.653) Goed. Oké.

Joe DiPaulo (18:40.938) Ik wil in deze reis wat verdergaan en iets vertellen over planning.

Tim Fisher (18:47.741) Oké.

Joe DiPaulo (18:48.502) Ik ga naar de tweede toepassing, waarin ik me meer richt op capaciteitsplanning, resourceplanning en het toewijzen van resources. Dit sluit aan bij je vraag over beheren in spreadsheets versus beheren in een tool. Dit is op dit moment een overzicht op hoog niveau van capaciteit per maand. Ik kan inzoomen op verschillende weken of perioden en verder vooruitkijken naar kwartalen. Het toont een resourcemanager of iemand die resources moet plannen en aan werk moet toewijzen welk werk eraan komt. Dit kan op verschillende manieren worden gefilterd, bijvoorbeeld op projecten of klanten. In dit voorbeeld kijk ik naar werk dat momenteel loopt. In maart zijn uren toegewezen aan mensen die eraan werken. Daarnaast zijn er placeholders, waarnaar ik eerder verwees. Voor projectmanagers zie ik werk dat nog moet worden toegewezen. Bij het toewijzen van dit werk laat het systeem zien dat er acht mensen zijn die hiervoor in aanmerking komen. Het doet aanbevelingen op basis van vaardigheden, de rol van de persoon, toegewezen tarieven en andere profielkenmerken. Dat maakt het voor een resourcemanager relatief eenvoudig. Als ik verder inzoom, toont het systeem de drie beste resources voor dit specifieke werk. Voor projectmanagement gaat het om 260 uur van maart tot en met mei. Ik kan bekijken wat verschillende resources al toegewezen hebben gekregen en de planning verslepen om te zien hoe dit hun capaciteit beïnvloedt. Als ik het werk aan hen wil toewijzen, kan dat. Het systeem neemt dus een deel van het uitzoekwerk over: wie is beschikbaar, welke vaardigheden zijn geschikt en aan wie moet ik het werk toewijzen. Dat gebeurt met de modellen die ik eerder noemde. De aanbevelingen maken het voor verschillende mensen eenvoudiger om dit te doen, afhankelijk van de manier waarop een organisatie resources toewijst.

Tim Fisher (21:29.309) Heel interessant. Misschien kom je hier nog op, maar wat ik me afvraag: wanneer AI een aanbeveling doet voor een functie, welke signalen bepalen dat? Wat zit erachter? Vaardigheden, beschikbaarheid, prestaties bij eerdere projecten — wat bepaalt die slimme aanbevelingen?

Joe DiPaulo (21:50.007) Het zijn precies de zaken die je noemt. Het meest voor de hand liggende is beschikbaarheid. Als er morgen werk moet worden gedaan, wie is er dan beschikbaar? Daarna kijken we naar de rol en vaardigheden. We nemen veel gegevens op in het systeem over prestaties bij eerdere projecten, aan welke taken iemand heeft gewerkt en hoe goed die zijn uitgevoerd. Soms voert een junior medewerker meer senior taken uit. Dat hoort bij ontwikkeling en het systeem houdt daar rekening mee in zijn aanbevelingen.

Tim Fisher (22:27.869) Ik heb een spreadsheet dit soort dingen nog nooit zien doen. Heel interessant.

Joe DiPaulo (22:31.342) Dat ben ik met je eens. De laatste toepassing die ik wil bespreken, maakt gebruik van MCP zodat klanten via een willekeurig extern taalmodel met gegevens in ons systeem kunnen werken of andere systemen kunnen gebruiken om hun eigen AI-workflow te bouwen. Ik open Claude en laat dit zien.

Tim Fisher (23:06.779) Ja, dat is logisch. Voor minder technische luisteraars: MCP staat voor Model Context Protocol. Wie ooit een AI-systeem heeft geïntegreerd met een belangrijk chatplatform, zoals Claude, kent MCP waarschijnlijk al. Het lijkt een beetje op een API waarmee grote taalmodellen en AI-modellen met elkaar en met andere gegevens en systemen kunnen communiceren. Dat is wat we hier bekijken. Ik ben benieuwd om dit in actie te zien. Het is geweldig dat jullie dit in deze tools hebben verwerkt.

Joe DiPaulo (23:54.723) Bedankt voor de uitleg, Tim. Dat was nuttig. Ik gebruik Claude, maar onze klanten gebruiken verschillende hulpmiddelen voor hun agents en AI. Je kunt elk van die hulpmiddelen hiermee verbinden. Klanten kunnen hun eigen taalmodellen gebruiken om niet alleen de meeste waarde uit Forecast te halen, maar ook uit een groep systemen of uit zelf ontworpen workflows. Dit is een bètamogelijkheid die we momenteel uitrollen. Ik kan bijvoorbeeld vragen: wie is volgende week beschikbaar? Het systeem maakt via MCP verbinding met de gegevens van een bepaalde klant en geeft die informatie terug. MCP is bovendien een veilig protocol. Klanten moeten zich authenticeren en krijgen alleen gegevens uit hun eigen account. We delen geen gegevens tussen klanten; alles is afgeschermd.

Joe DiPaulo (25:09.614) Dat maakt deel uit van het protocol. Je ziet dat het systeem nadenkt en zoekt naar beschikbaarheid voor volgende week. Dit kan een resourcemanager zijn, maar ook iemand in een leidinggevende functie die rapportagegegevens uit het systeem wil halen, zoals projectstatussen.

Tim Fisher (25:14.749) Ja, dit is geweldig.

Joe DiPaulo (25:37.742) Hopelijk komt Claude zo met een antwoord.

Tim Fisher (25:39.998)Terwijl dat gebeurt, een korte opmerking. Bij dit soort tools denk ik aan het einde van vergaderingen en aan de vragen die leiders hebben. Ik heb functies gehad waarin systemen en producten ingewikkeld waren. Een gebruikersinterface en gebruikerservaring die we allemaal kennen, waarmee je diepgaande antwoorden met context uit je eigen bedrijf kunt krijgen, is ontzettend waardevol.

Joe DiPaulo (25:55.149) Ja, precies. Dit zijn opnieuw demonstratiegegevens, maar voor volgende week zie ik dat er veel uren beschikbaar zijn en dat 55 mensen capaciteit hebben. Er staat ergens dat ik 40 uur vrij heb, wat niet klopt, maar je begrijpt het idee. Het toont informatie over mensen in mijn organisatie, hoeveel tijd ze hebben en wie beschikbaar is voor werk. Nog een voorbeeld: als ik een toepassing voor leidinggevenden wil bekijken en rapportagegegevens wil zien, kan ik vragen hoeveel geregistreerde uren factureerbaar en niet-factureerbaar zijn. Het kan even duren voordat de resultaten binnen zijn, maar in plaats van gegevens naar een spreadsheet of dashboard te brengen, kan ik heel gericht vragen wat ik wil weten. Het systeem verwerkt dat en haalt de informatie op. Het lijkt erop dat mijn benutting in deze demonstratie niet erg goed is, maar je ziet het idee: geregistreerde uren, hoe werk wordt gefactureerd en hoeveel uur niet-factureerbaar is.

Tim Fisher (27:55.709) Ja.

Joe DiPaulo (28:01.198) Het systeem vat nog gegevens samen en bouwt informatie op. Dit is een goed voorbeeld van de MCP-toepassing: klanten kunnen verbinding maken met de gegevens in hun operationele systeem en daar vragen over stellen om betekenisvoller inzicht in hun bedrijf te krijgen.

Tim Fisher (28:20.741) Het is grappig dat je dit beschrijft; ik hoor een beetje aarzeling over hoe lang het duurt. Maar als we uitzoomen en kijken naar het werk achter de schermen en de tijd en inspanning die nodig zouden zijn om dit handmatig samen te brengen, is dit ongelooflijk snel. Echt heel indrukwekkend.

Joe DiPaulo (28:38.702) We hebben het hier over 23.000 uur en veel gegevens. Het systeem verwerkt dit snel en geeft zowel contextuele als gedetailleerde informatie over het project terug. Het gaat om demonstratiegegevens, maar je ziet welk soort resultaat je krijgt. In twintig of dertig seconden krijg je een diepgaand overzicht van de specifieke klant waarnaar je vroeg. Dat waren de toepassingen die ik wilde bespreken. Hopelijk was het nuttig.

Tim Fisher (29:10.661) Geweldig. Zeker nuttig. We hebben gezien wat AI vandaag kan doen, en dat is zeer indrukwekkend. Laten we een paar minuten vooruitkijken. De PSA-markt zal naar verwachting bijna verdubbelen tegen 2030. AI-tools en projectmanagement groeien zelfs nog sneller. Joe, hoe denk je dat dit verdergaat?

Joe DiPaulo (29:43.611) Ik noemde het aan het begin al: ik ben enthousiast over hoe AI professionele dienstverleners in staat stelt agents te gebruiken om effectiever voor hun klanten te leveren. We zullen organisaties agents zien inzetten om werk uit te voeren en een deel daarvan van mensen over te nemen. Dat betekent een snellere tijd tot waarde voor klanten, een betere klantervaring en betere winstmarges voor gebruikers van ons systeem.

Tim Fisher (30:15.613) Zeker. Zonder je volledige roadmap te delen: welke kloof in mogelijkheden wil je met AI het liefst dichten, en wat kunnen je klanten daardoor gaan doen?

Joe DiPaulo (30:44.47) We bouwen voort op het thema dat ik net besprak. Tools zoals Claude helpen softwareontwikkelingsteams efficiënter code te schrijven. Wij willen deel uitmaken van dat ecosysteem en onze klanten helpen hun personeelsbestand te identificeren en hun operationele systemen met agents te verbinden. Zo kunnen ze hun bedrijf effectiever runnen, informatie in de context van hun bedrijfsvoering en workflows bekijken en de mogelijkheden van agents benutten om hun werk grondiger en sneller uit te voeren. Daar geloven we sterk in. We doen dit binnen ons eigen bedrijf en zien hoe dramatisch dit de bedrijven van onze klanten kan verbeteren.

Tim Fisher (31:48.166) Stel dat we drie of vier jaar verder zijn. Hoe ziet het dagelijks werk van een projectmanager er dan volgens jou uit? Hoe verandert die rol? Is er überhaupt nog een projectmanager? Zie je AI die rol overnemen?

Joe DiPaulo (32:10.158) We zullen enorme veranderingen zien in de manier waarop werk wordt gedaan. Er zullen nog steeds mensen nodig zijn om de gewenste resultaten te organiseren en erover na te denken en om deze systemen aan te sturen. Er zal veel aandacht nodig zijn voor de invoer in deze machines en het gewenste resultaat. Er blijven kwaliteitscontroles en andere werkzaamheden bestaan. Tegelijkertijd gebeurt dit sneller dan binnen drie jaar. We zullen agents als medewerkers in organisaties zien optreden. Als we dat nu nog niet overal zien, gebeurt het zeker binnen de komende twaalf tot zesendertig maanden. Het wordt door steeds meer verschillende organisaties en sectoren toegepast.

Tim Fisher (33:18.971) Dat is inderdaad fascinerend. Bedankt dat je dit allemaal met ons hebt doorgenomen. Voor iedereen die denkt: ik wil Forecast in onze omgeving met onze gegevens zien — wat is de beste volgende stap?

Joe DiPaulo (33:35.343) Je kunt het beste naar onze website gaan: Forecast.App. Daar kun je een demo aanvragen. Een consultant neemt vervolgens contact op om meer te weten te komen over het bedrijf en de demonstratie en het gesprek daarop af te stemmen. We publiceren ook een AI-gereedheidsbeoordeling als onderdeel van dit webinar. Dat is een andere manier waarop klanten met ons kunnen communiceren. Als ze daarna interesse hebben, kunnen we contact opnemen.

Tim Fisher (34:13.629) Fantastisch. We gaan nu over naar de live vraag-en-antwoordsessie. Voor iedereen die luistert: als je je vragen nog niet in de chat hebt gezet, is dit het moment om het Forecast-team rechtstreeks vragen te stellen. We hebben er al enkele. Yaron vraagt: hoe vergelijk je betrouwbaar de tijd die je bespaart op problemen in projectmanagement met en zonder AI? Bestaat er zoiets als AI-konijnenholen?

Joe DiPaulo (34:40.622) Zonder AI gebeurt dit meestal via rapportages, dashboards of andere mechanismen in het systeem. Je kunt dit per project zeer gedetailleerd bekijken of via traditionele BI-rapportages en dashboards over meerdere projecten heen. In veel gevallen gebruiken we dezelfde gegevens om taalmodellen en AI-tools te vullen. De resultaten zouden dus vergelijkbaar moeten zijn, afhankelijk van hoe je agents aanstuurt. De basisgegevens zijn hetzelfde. Dat is belangrijk bij het gebruik van AI in een operationeel systeem zoals het onze: de invoer en datastructuur zijn consistent. Het systeem gaat niet het web op om context te vinden voor gewerkte uren; het gebruikt de gegevens binnen jouw organisatie.

Tim Fisher (35:50.256) We hebben twee vergelijkbare vragen van Michael en Eduardo. Komt dit soort functionaliteit ook naar Accelo?

Joe DiPaulo (36:03.724) We brengen aanvullende AI-functionaliteit uit in beide platforms. Onze eerste focus voor de MCP-server en MCP-workflow ligt aan de Forecast-kant, maar uiteindelijk willen we dit aan al onze klanten aanbieden.

Tim Fisher (36:20.744) Vivek vraagt: waar haalt het systeem de beschikbare uren vandaan?

Joe DiPaulo (36:30.222) Veel klanten registreren de tijd van hun consultants. Dat hoeft niet per se op die manier te worden gefactureerd, maar het is belangrijk om kosten voor taken en projecten te begrijpen en die met schattingen te vergelijken. Tijd kan ook op andere manieren in het systeem worden ingevoerd. De applicatie registreert de tijd van individuele resources, volgt de voltooiing van taken ten opzichte van schattingen en rapporteert daarover. Dat is kerninformatie in het systeem.

Tim Fisher (36:40.062)
Zeker. Heel interessant. Kunnen jullie koppelen met ServiceNow of Azure?

Joe DiPaulo (37:19.47) Ja, we kunnen koppelen met Xero. Boekhoudkundige en financiële systemen zijn veelvoorkomende integraties voor ons. We hebben standaardintegraties die direct beschikbaar zijn.

Tim Fisher (37:31.44) Sorry, ik bedoelde Microsoft Azure.

Joe DiPaulo (37:36.258) Gbegrepen. Via het MCP-model kan iemand die Azure of bijvoorbeeld Microsoft Copilot gebruikt gegevens naar een taalmodel in die omgeving halen.

Tim Fisher (37:43.944) Zeker. Yaron vraagt of jullie een aanbevolen verklarende woordenlijst of index hebben met termen rond de onderwerpen van vandaag.

Joe DiPaulo (38:01.166) Dat is een goede vraag. Ik heb nu niets direct beschikbaar, maar we kunnen iets samenstellen als daar na afloop behoefte aan is.

Tim Fisher (38:09.873) Geven jullie cursussen over AI in projectmanagement?

Joe DiPaulo (38:23.586) Dat hebben we historisch gezien niet gedaan. We richten ons vooral op het leveren van de software en het helpen van klanten om daar voordeel uit te halen, in plaats van hun teams op te leiden in onderwerpen zoals projectmanagement.

Tim Fisher (38:29.073) Denken jullie dat AI samenwerking en gesprekken ooit kan vervangen bij resourcebeheer?

Joe DiPaulo (38:59.39) AI kan veel contextuele informatie bieden en aanbevelingen doen. Er blijft echter waarde in gesprekken en persoonlijk contact om te begrijpen wat mensen interessant vinden en hoe zij hun vaardigheden inschatten. Hopelijk zorgen deze hulpmiddelen ervoor dat gesprekken sneller en waardevoller worden, in plaats van alleen te vragen of iemand over drie weken beschikbaar is. Het gaat om de combinatie van beide: klanten efficiënter maken en gegevens beter benutten.

Tim Fisher (39:47.08) Wat maakt dit anders dan ChatGPT, Claude of Copilot gebruiken met een grote hoeveelheid gegevens en daar vragen over stellen?

Joe DiPaulo (40:03.863) Onze klanten zullen meerdere tools gebruiken, en dat moedigen we aan. Het verschil is dat systemen zoals het onze meer context hebben over klanten en hun gegevens. Een algemene AI-tool staat buiten het operationele systeem. Die kan context bieden en analyses uitvoeren, maar beschikt doorgaans niet realtime over alle invoer uit de hele organisatie: nieuwe klanten, facturen, omzetgegevens en andere informatie. De combinatie van beide is krachtig. Dat geldt eigenlijk voor de meeste SaaS-applicaties met operationele gegevens.

Tim Fisher (41:30.331) Dat is volkomen logisch. Augustina vraagt: vanuit het perspectief van een projectmanager of manager, op welke andere gebieden ligt volgens jou nog de grootste kans voor AI-gestuurde verbetering?

Joe DiPaulo (41:47.94) Overal waar een systeem op een doordachte manier kan helpen bij het uitvoeren van routinematige, herhaalbare taken die op logica gebaseerd zijn. Denk aan het automatisch opstellen van voorstellen die door een mens worden gecontroleerd voordat ze naar een klant gaan, het genereren van facturen met waarschuwingen voor uitzonderingen of het vroegtijdig identificeren van risico’s. Dat zijn goede voorbeelden van waar AI kan helpen binnen workflows.

Tim Fisher (42:54.14)Veel van de kansen ontstaan wanneer je een klein bedrijf opschaalt. In het begin draag je alle kennis in je hoofd, maar naarmate het bedrijf groeit, wordt dat minder schaalbaar. Er zijn steeds meer factoren om mee te wegen in beslissingen. Een computer die taal en context begrijpt, biedt daardoor enorme mogelijkheden om mensen te helpen opschalen zonder het personeelsbestand evenredig te vergroten.

Tim Fisher (43:48.984) Zijn er toepassingen die je direct te binnen schieten waarbij Accelo wordt gebruikt door Europese bedrijven, vooral binnen het ecosysteem van technologische start-ups?

Joe DiPaulo (43:56.311) Zeker. Het systeem ondersteunt naast traditioneel projectmanagement ook een agile werkvorm, zoals sprints of Kanban. We richten ons erop klanten in staat te stellen invoer door te geven aan softwareontwikkelaars en engineers, bijvoorbeeld bij het bouwen van een website, het beheren van SEO of het leveren van software. We zetten agents in om softwareontwikkelingsorganisaties te helpen en deze activiteiten steeds meer agentisch uit te voeren, zoals we zien met Claude en OpenAI.

Tim Fisher (45:12.23)Hoe raad je aan een PMO ervan te overtuigen projectmanagementtools en software voor portfoliobeheer te gebruiken in plaats van spreadsheets? Hoe kunnen ze aantonen dat de voordelen groter zijn dan de risico’s?

Joe DiPaulo (45:48.847) Je moet de pijnpunten begrijpen die mensen ervaren. Zijn overdrachten tussen verkoop, levering en financiën bijvoorbeeld lastig? Als je dit met spreadsheets beheert, kan dat een aanwijzing zijn voor een probleem en voor een mogelijke return on investment. Verandermanagement is ook belangrijk. Je moet mensen overtuigen, trainen en een goed doordacht plan hebben. Als je morgen plotseling een nieuwe werkwijze invoert, zullen mensen daar waarschijnlijk niet enthousiast over zijn. Een horizon van dertig, zestig en negentig dagen waarin mensen stap voor stap worden meegenomen, is een betere aanpak.

Tim Fisher (46:56.092) Dat is belangrijk. Organisaties bevinden zich in verschillende fasen: sommigen experimenteren al sinds het begin, anderen starten net en weer anderen verzetten zich actief of passief. Dat is moeilijk te beheren, vooral in grotere organisaties. Laten we afronden met nog één of twee vragen. Als je als CEO met één beweging een probleem in projectmanagement met AI zou kunnen oplossen, welk probleem zou dat dan zijn?

Joe DiPaulo (47:56.782)Het overnemen van routinematige taken die mensen uitvoeren, zodat ze sneller en effectiever worden uitgevoerd. Daardoor kunnen mensen relaties opbouwen en hun bedrijven optimaliseren. Dat verschilt enigszins per type organisatie en bedrijf, maar dit is de ontwikkeling die zich momenteel heel snel voltrekt.

Tim Fisher (48:32.83) Dat is inderdaad de belofte. Dat was alle tijd die we vandaag hebben, Joe. Heel erg bedankt dat je bij ons was. En bedankt aan ons publiek voor alle goede vragen. Een fijne dag en tot het volgende evenement over de toekomst van AI in projectmanagement. Bedankt, Joe.

Joe DiPaulo (48:52.46) Heel erg bedankt, Tim. Ik waardeer het.

Tim Fisher (48:54.589) Geweldig.