AI facilitator: wat is de rol van AI in faciliteren? (+4 prompts)

Voel jij wanneer tijdens een meeting een onderwerp ongemakkelijk wordt? Wanneer de energie wegzakt? Of wanneer mensen “ja knikken” maar het eigenlijk niet begrijpen? Wellicht ben jij dan wel een hele goede facilitator. Want als facilitator werk je veel met je gevoel. Vandaag bespreken we hoe kunstmatige intelligentie je kan helpen voelen tijdens je vergaderingen.

Dat wordt een korte blog, want het antwoord is: AI gaat je niet helpen voelen.

AI gaat je hierbij waarschijnlijk niet helpen. Je zal het zelf moeten doen. Gelukkig maar, want als AI dat wel kon had je dit artikel waarschijnlijk niet van mens tot mens van mij gekregen.

Hoe kan AI je wel helpen met als facilitator?

Transcripties gebruiken om je gesprekken te verbeteren

Veel teams werken al met Microsoft Teams of een variant daarvan. Het mooie aan zo’n tool is dat je gesprekken automatisch kan laten transcriberen. Neem als voorbeeld de Daily Scrum. Je transcribeert de vergadering en gooit de tekst in een AI-tool als Claude, ChatGPT, Gemini of Copilot. Vervolgens gebruik je deze prompt:

Prompt voor Daily Scrum

“Ik ben Scrum Master en wil de transcriptie van onze Daily Scrum analyseren om beter zicht te krijgen op de voortgang en teamdynamiek. Hier is de transcriptie van vandaag:

[transcriptie]

Geef me: 1) een samenvatting in drie zinnen, 2) actiepunten met eigenaar, 3) genoemde impediments, en 4) jouw inschatting of het Sprintdoel nog haalbaar is op basis van wat er is besproken. Geef bij punt 4 ook aan waarop je die inschatting baseert.”

Het kan handig zijn om een prompt als hierboven toe te passen, zodat je zelf niet zo druk bent met het opschrijven van je aantekeningen. Op die manier kun je je meer richten op de mensen en de emoties die er spelen.

Maar waar het echt interessant wordt, is als je niet één transcriptie analyseert maar de afgelopen zes maanden aan Daily Scrums. Wat zie je dan? Welke thema’s komen steeds opnieuw terug? Praten jullie elke twee weken over hetzelfde knelpunt zonder dat het ooit echt opgelost wordt? Wie neemt het woord, en wie zwijgt structureel? Is de toon van de gesprekken de afgelopen maanden veranderd?

Als facilitator heb je daar een gevoel bij. Maar een analyse van het afgelopen half jaar is voor veel mensen gewoon te veel om te onthouden. Tenslotte moet je ook nog jouw mening en redenatie delen over die nieuwe serie die iedereen elke week kijkt.

AI is bijzonder goed in het herkennen van patronen in grote hoeveelheden tekst. Dit kan je helpen bij een Retrospective om het ter sprake te brengen.

Prompt voor een langetermijnanalyse van vergaderingen

“Ik ben Scrum Master en wil patronen herkennen in hoe mijn team communiceert tijdens de Daily Scrums. Hier zijn de transcripties van de afgelopen drie maanden:

[transcripties]

Geef me: 1) de top 3 terugkerende thema’s met concrete voorbeelden uit de transcripties, 2) onderwerpen die steeds opnieuw terugkomen zonder dat er een oplossing op volgt, wat zijn die precies en hoe vaak?, en 3) een beschrijving van hoe de toon of energie zich heeft ontwikkeld over deze periode. Wees specifiek en verwijs waar mogelijk naar concrete momenten uit de transcripties.”

Transcripties gebruiken in combinatie met een AI-agent

Na een tijdje merk je dat je steeds dezelfde prompts gebruikt. Je vraagt elke week om een samenvatting, elke maand om een patroonanalyse. Dat werkt, maar het is ook gedoe. Een AI-agent lost dat op.

Een agent is een AI-tool die je configureert met een vaste instructieset, een soort persoonlijke assistent die precies weet wat jij wil zonder dat je het elke keer opnieuw hoeft uit te leggen. Je stelt in welke vragen hij stelt bij een Daily Scrum-transcriptie en welke output je verwacht. Daarna plak je de transcriptie erin en de agent doet de rest.

Het echte voordeel zit in de opbouw over tijd. Als je transcripties opslaat binnen je agent, kan hij bij elke nieuwe analyse putten uit alles wat er eerder is geweest. Hij onthoudt wat jij allang bent vergeten. En net zoals een goed team zijn Sprint-aanpak steeds verbetert, kun jij je agent blijven bijstellen op basis van wat je leert. Een agent wordt beter, naarmate jij hem beter kent en maakt.

Willen we dit wel?

Voordat je meetings gaat transcriberen en in AI-agents gaat stoppen, is er een gesprek dat je met je team moet voeren. Willen we dit eigenlijk wel?

Transcripties van vergaderingen bevatten meer dan zakelijke informatie. Er staan frustraties in en persoonlijke context. Mensen spreken vrijer als ze weten dat wat ze zeggen in een veilige omgeving blijft. Zodra je transcripties deelt met externe AI-tools, verander je die omgeving, of je het nou bespreekt of niet.

Vraag expliciet toestemming aan je team. Leg uit wat je ermee wilt doen en waarom. Overweeg om namen te anonimiseren in de transcripties, zodat patronen zichtbaar worden zonder dat individuen worden gevolgd. Beslis samen wie toegang heeft tot de analyses, en of die ooit richting management gaan. Dit is een kwestie van psychologische veiligheid, de basis van elk goed functionerend team. Als mensen niet meer vrijuit praten, omdat ze weten dat alles wordt geanalyseerd, heb je met AI precies het tegenovergestelde bereikt van wat je wilde.

Ga het gesprek aan met metrieken die verder gaan dan je velocity

Je kent de dashboards in Agile-tooling als Jira en Azure DevOps misschien al. Deze houden meeteenheden bij zoals velocity, doorlooptijd en het aantal items in een kolom. Dat is nuttige informatie, maar het zegt niets over waarom een velocity of doorlooptijd hoog of laag is. AI kan je hier meer inzicht in geven.

Stel dat je eens per week bij de Daily Scrum vraagt wat de gemoedstoestand is van je collega’s. Wat zou je verwachten als je dit combineert met de Sprintresultaten? Zie je een verband tussen weken met veel frustratie in de gesprekken en Sprints die stroef liepen? Signaleert de data een patroon van toenemende technische schuld voordat dat zichtbaar wordt in de velocity? Dit zijn vragen die je als facilitator intuïtief al stelt, maar waarbij je nu datagestuurde input kunt meenemen.

Maar onthoud wel dat metrics er zijn om gesprekken te starten, niet om ze te vervangen. De waarde van deze analyse zit in de gesprekken die je ermee start, niet in de grafieken zelf.

 

“Ik ben Scrum Master en wil begrijpen of er een verband bestaat tussen hoe mijn team communiceert en hoe Sprints verlopen. Hieronder vind je de Sprintresultaten van de afgelopen twaalf Sprints, inclusief velocity en eventuele niet-afgeronde items:

[Sprintdata]

En hier zijn de samenvattingen van de Daily Scrums uit diezelfde periode:

[samenvattingen of transcripties]

Analyseer of er verbanden zijn tussen de toon of thema’s in de Daily Scrums en de Sprintuitkomsten. Noem daarbij specifiek: Sprints die stroef liepen én wat er in die weken in de Dailies speelde, en Sprints die goed liepen, was daar iets anders te horen in de gesprekken? Sluit af met twee of drie concrete vragen die ik met mijn team zou kunnen bespreken.”

Feedback op jouw eigen manier van faciliteren

Neem een transcriptie van een meeting die je hebt gefaciliteerd en vraag om feedback op je aanpak. Stelde je open of sturende vragen? Domineerde één persoon het gesprek terwijl jij het liet gebeuren? Misschien dat je iets nieuws leert of alternatieven krijgt aangereikt om volgende keer te proberen.

Dat wil trouwens niet zeggen dat de feedback van AI automatisch gelijk heeft. In de psychologie wordt dit de Automation Bias (Goddard et al., 2012) genoemd: je gelooft je computer soms iets te snel als die een conclusie trekt en vergeet zelf kritisch na te denken. Maar daarnaast is er niet altijd iemand die je actief kan vragen om eens tijdens je vergaderingen mee te kijken, en AI staat 24/7 voor je klaar.

Prompt om feedback op jouw manier van faciliteren te vragen

“Ik ben Scrum Master en wil graag feedback op hoe ik een vergadering heb gefaciliteerd. Hier is de transcriptie:

[transcriptie]

Geef me feedback op: 1) de balans in spreektijd, wie domineerde en liet ik dat toe?, 2) het type vragen dat ik stelde, waren het open of sturende vragen?, 3) momenten waarop het gesprek vastliep en hoe ik daarmee omging. Sluit af met twee concrete dingen die ik de volgende keer anders zou kunnen proberen.”

Retrospectives: handig, maar pas op

Vrijwel iedereen die AI al inzet in een Agile context gebruikt het voor het genereren van Retrospective-werkvormen. Als je googelt naar “retrospective generator” kun je een hoop vinden. Dat is prima en bespaart tijd. Een kleine waarschuwing is hier wel op zijn plaats: een door AI gegenereerde Retrospective is een vertrekpunt dat je verder uitwerkt. Als je het format klakkeloos gebruikt zonder het aan te passen op wat er in jouw team speelt, mis je de context en haal je niet het maximale uit je Retrospective.

Gebruik AI om inspiratie op te doen en formats te variëren. Maar de vragen die het doel scherper maken, en het aanvoelen van de meeting blijven jouw werk.

Conclusie

AI neemt het faciliteren niet over. Het voelt de energie in de ruimte niet aan en ziet niet hoe iemand zijn armen over elkaar slaat. Faciliterend vermogen zit in mensen.

Wat AI wel kan, is jou als facilitator beter informeren. Het geeft rijker materiaal en laat patronen zien die je intuïtief al aanvoelde maar nooit kon vastpakken. De stappen voor adoptie zijn:

1. Begin klein
2. Transcribeer één meeting
3. Analyseer één Sprint
4. Vraag één keer om feedback op je eigen aanpak
5. Kijk wat het je oplevert.

En als je toch lekker bezig bent, kijk dan ook eens of onze trainingen misschien iets voor je zijn. Zo geven we AI-trainingen specifiek voor Scrum Masters. Daarnaast geven we ook een tweedaagse facilitatietraining zonder AI. Wie weet zien we elkaar daar eens face-to-face onder het genot van een heerlijke lunch bij een van onze trainingslocaties.

Wil je meer weten over hoe AI jouw werk als facilitator kan ondersteunen? Onze consultants denken graag met je mee via 020 2614 195 of info@agilescrumgroup.nl.

Ook interessant:

• Vergadering organiseren: 5 stappen die werken
• Zo gebruik je AI effectief voor de Scrum Retrospective
• Hoe gebruik je AI voor de Product backlog?

Bronnen

Goddard, K., Roudsari, A., & Wyatt, J. C. (2012). Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, 19(1), 121-127.