AI binnen Scrum: De voordelen vragen ook om zorgvuldigheid
Teams die agile werken maken steeds vaker gebruik van AI om hun Scrum-activiteiten efficiënter en sneller uit te voeren. Dit biedt vele kansen, maar ontsluit tegelijkertijd ook een aantal uitdagingen die in goede banen moeten worden geleid, betogen Liselotte Nieuwkoop en Suzanne Veenendaal van YNNO.
De lijst van Scrum-activiteiten die gebruikmaken van AI groeit maandelijks. Zo worden AI-tools bijvoorbeeld ingezet om sprintplanningen en de sprint review te optimaliseren. Tools kunnen worden gebruikt om planningstaken bij te houden, activiteiten automatisch te genereren of logs te creëren van stand-ups. Zo krijgt het Scrum-team tijdens de sprint meer tijd en ruimte voor discussies en het ontwikkelen van creatieve oplossingen.
AI wordt ook steeds vaker gebruikt in de Retrospective. Dit behelst een bijeenkomst waarin het Scrum-team terugblikt op de afgelopen sprint om te reflecteren op wat goed ging, wat beter kon en welke acties moeten worden ondernomen om te verbeteren. Door AI in deze fase te integreren, kunnen teams gegevens en feedback analyseren, wat hen helpt om gerichter actiepunten te formuleren en hun processen te verbeteren.
Een ander gebruiksvoorbeeld is het inzetten van AI om routine- of terugkerende taken te automatiseren, zoals het automatiseren van communicatie naar stakeholders of het snel omzetten van doelstellingen in (persoonlijke) actiepunten. Verschillende AI-tools helpen bovendien bij het structureren en organiseren van taken en doen aanbevelingen om deze efficiënter uit te voeren.
Ervaringen uit de praktijk tonen aan dat AI teams kan helpen sneller en nauwkeuriger te werken, wat leidt tot een verhoogde snelheid en kwaliteit van opgeleverde functionaliteiten. Bedrijven die vergevorderd zijn met AI binnen de Scrum-omgeving zijn onder andere IBM, ING en Microsoft.
Uitdagingen
De integratie van AI in Scrum heeft een aanzienlijke invloed op de werkwijze binnen Scrum-teams en kan deze zelfs compleet veranderen. Dit brengt verschillende uitdagingen met zich mee.
Uitdaging 1: Effectiviteit van AI versus kwaliteit van uitkomsten
Een Scrum-team kan AI-tools, zoals large language models (modellen die grote hoeveelheden tekst verwerken), gebruiken voor het identificeren van processen op basis van aangeleverde documentatie, het toetsen van de kwaliteit van data en het beredeneren van mogelijke procesoptimalisaties. Deze tools kunnen diverse rollen binnen een Scrum-team ondersteunen.
Het samenspel tussen de werkzaamheden van mensen en AI-tooling vereist vertrouwen in AI-gedreven (beslissings)systemen. Dit roept echter ook ethische vragen op, zoals hoe mens en AI het beste kunnen samenwerken en hoe om te gaan met mogelijke vooringenomenheid (bias) of hallucinaties in AI-uitkomsten.
Voor het Scrum-team is het daarom essentieel om AI-resultaten zorgvuldig te beoordelen en kritisch te blijven. Leidinggevenden kunnen hierbij ondersteunen door een AI-ethiekbeleid te implementeren gericht op het waarborgen van eerlijkheid, verantwoording en transparantie in AI-gestuurde beslissingen en processen.
Een belangrijk uitgangspunt is dat het altijd mogelijk moet zijn om te achterhalen waarom een autonoom systeem een bepaalde beslissing heeft genomen. Daarnaast kan het aanbieden van trainingen over het evalueren van AI-resultaten het Scrum-team verder ondersteunen.
Uitdaging 2: Tijd versus kwaliteit van teamverbindingen
Een andere uitdaging is de impact van AI op menselijke verbinding. Enerzijds kan AI-tooling zo efficiënt worden ingezet dat er meer tijd vrijkomt voor zinvolle menselijke interacties.
AI-tooling kan bijvoorbeeld helpen bij het samenvatten van documentatie, het leveren van gedetailleerde beschrijvingen van modellen en het formuleren van requirements voor user stories. Dit creëert ruimte voor activiteiten waarbij mensen samenkomen, zoals ontwerpsessies en discussies.
Anderzijds verwacht 41% van de werkgevers dat AI-tooling de menselijke verbinding zal verminderen (Deloitte, 2023). Dit kan gebeuren wanneer er een te grote afhankelijkheid van AI-input ontstaat, waardoor input uit menselijke discussies en ontwerpsessies naar de achtergrond verdwijnt, wat de interactie binnen het team kan verminderen.
Het is aan de Scrum Master om dit goed te begeleiden, zodat er een balans blijft tussen het gebruik van AI-tooling en de essentiële interactie binnen het Scrum-team.
Conclusie
Enerzijds biedt de integratie van AI binnen Scrum aanzienlijke voordelen, zoals een verhoogde efficiëntie en verbeterde werkkwaliteit. Anderzijds brengt het ook uitdagingen met zich mee, zoals de balans tussen effectiviteit en kwaliteit en de impact op menselijke interacties binnen teams.
Het is van cruciaal belang dat Scrum-teams zorgvuldig omgaan met AI, door zowel ethische kaders te waarborgen als te blijven investeren in menselijke verbindingen. Door AI-tooling op een bewuste en verantwoorde manier te integreren en regelmatig te evalueren, kunnen teams de voordelen van AI benutten zonder afbreuk te doen aan de kernwaarden van Scrum.
Een artikel van Liselotte Nieuwkoop en Suzanne Veenendaal, adviseurs bij YNNO.
