AI in Projectmanagement: van buzz naar praktisch gereedschap
Recent organiseerden we binnen Flux een interactieve AI-workshop met één duidelijk doel: ontdekken hoe je AI effectief kunt inzetten binnen projectmanagement. Van dataverwerking tot tekstgeneratie – we verkenden samen de mogelijkheden om projecten slimmer en efficiënter te sturen.
Stel je voor; je bent projectmanager van een multidisciplinair technisch project. Er zijn allerlei informatie stromen en zoals in zo’n beetje ieder project staan tijd en financiën onder druk. Je wilt weten aan welke knoppen je kunt draaien om project succesvol te beheersen. Je zoekt naar inzicht en de ruimte voor optimalisatie. Met de inzet van de juiste professionals, bijvoorbeeld via Flux Partners kom je al een heel eind.
Maar wat als er manieren zijn om nóg sneller tot meer diepere inzichten te komen? Om alle informatiestromen te bundelen, efficiënt te analyseren en zelfs documenten/e-mails automatisch te generen? Die mogelijkheden zijn er – en ze zijn dichterbij dan je denkt.
AI als versneller van inzicht
De inzet van AI, en in het bijzonder tools op basis van een Large Language Model (LLM) zoals ChatGPT, opent vrijwel onbegrensde mogelijkheden. Deze technologieën kunnen:
- Grote hoeveelheden data verwerken
- Informatie samenvatten of structureren
- Teksten genereren (bijvoorbeeld notulen, rapportages of mails)
- Verbanden en inzichten aanreiken
Maar (hoe) werkt het?
Óf het werkt ligt vooral aan jezelf; daarover later meer!
Laten we het met betrekking tot de ‘hoe’ bij de basis houden en het meest belangrijke dat je moet weten kort uitlichten:
Large Language Models (LLM)
LLM’s zijn AI-modellen die zijn getraind op enorme hoeveelheden tekst en op basis van waarschijnlijkheid bepalen wat een passend antwoord is. Belangrijk om te realiseren: deze modellen leveren geen feiten, maar statistisch waarschijnlijke antwoorden. Factchecking blijft dus cruciaal.
De kracht van een goede prompt
De basis van deze tools is eenvoudig: je stelt een vraag en krijgt een antwoord. Maar de kwaliteit van dat antwoord hangt af van de manier waarop je de vraag stelt – de zogeheten prompt.
Een goede prompt:
- Is concreet en duidelijk (denk in bullets of structuren)
- Biedt context of voorbeelden
- Stelt gerichte vervolgvragen om tot het gewenste resultaat te komen
Het formuleren van de juiste prompts vraagt oefening – maar oefening baart kunst.
Let op de beperkingen
Hoewel de technologie krachtig is, zijn er ook beperkingen. Zo kunnen modellen fouten maken, verkeerde aannames doen of informatie verzinnen (“hallucineren”). De kwaliteit van je eigen data speelt hierin ook een grote rol: inconsistente of onvolledige datasets leiden zelden tot bruikbare output.
Onze eigen ervaring bij Flux
Bij Flux experimenteerden we met een fictieve opdracht, waarbij een AI-model op basis van een Excel-bestand een omzetvoorspelling moest doen. Het bestand bevatte data over collega’s, planning, projecten en financiën.
Wat leerden we?
- Kwaliteit van inputdata is essentieel: inconsistente tabbladen en kolomnamen zorgen voor verwarring.
- De prompt bepaalt het resultaat: duidelijke, gestructureerde vragen leveren de beste output.
- AI vraagt om oefening en gewenning: het is geen kwestie van ‘even proberen’, maar van regelmatig toepassen.
Aan de slag: kleine stappen, groot effect
Wil je AI inzetten in je eigen projectomgeving? Begin klein:
- Laat een zakelijke e-mail opstellen
- Vraag om een samenvatting van een vergadering op basis van notulen of transcript
- Gebruik AI als zoekassistent: stel vragen die je normaal via Google zou zoeken
Hoe vaker je ermee werkt, hoe beter je wordt in het aansturen van de tool – en hoe waardevoller de uitkomsten worden.
Bij Flux zien we het potentieel van AI in projectbeheersing en projectmanagement. We zijn onderweg, maar er ligt nog een brug richting professioneel en structureel gebruik. Dat is precies waar onze volgende training zich op gaat richten. Uiteraard werd er tijdens deze training gebruik gemaakt van de niet-openbare variant zodat onze data veilig blijft.