Dit webinar ging over de inzet van AI in je dagelijks werk als project- of programmamanager. Claudia Landewé en Han Meijerink lieten beiden zien hoe zij kunstmatige intelligentie in hun eigen werk toepassen. Han Meijerink werkt als strategisch adviseur bij de gemeente Rijssen-Holten. Claudia is trainer programmasturing bij de VPNG.
Wat is een agent?
Een agent is volgens Claudia een vaste basisinstructie die gericht opdrachten voor de gebruiker uitvoert en herhaalt. Vaak begint zo’n instructie met een rolomschrijving. Het systeem treedt dan bijvoorbeeld op als programmaregisseur voor een bepaalde gemeente. In de instructie staan ook de opdracht, de documenten waarmee rekening moet worden gehouden, het gewenste taalniveau en de doelgroep. Die basisinstructie kun je vervolgens steeds opnieuw gebruiken voor nieuwe vragen. In een agent programmaregisseur kan bijvoorbeeld de opdracht zitten om een participatieplan te maken, met bijbehorende formats. Dezelfde algemene instructie levert zo telkens nieuwe documenten op, zonder dat alles opnieuw moet worden ingericht.
Hoe Han AI inzet
Han vertelde dat zijn gemeente met Copilot werkt en eerder met ChatGPT. Zoals de meeste mensen begon hij AI vooral te gebruiken als tekstverwerker of tekstcontroleur. Al snel bleek dat er veel meer mogelijk is. Intern volgde hij een aantal trainingen. Toch merkte hij dat je vooral zelf aan de slag moet en moet uitproberen. Het maken van een agent lukt op zichzelf wel. De echte vraag is of je er vervolgens uit krijgt wat je eruit wilt halen.
Han maakte onder meer een agent programmaregisseur. Als beleidsadviseur gebruikt hij daarnaast een agent om beleidsstukken te toetsen aan de eisen die de gemeente stelt. Daarmee brengt hij collegevoorstellen terug tot de basis en krijgt hij vragen en verbetertips mee. Een tweede agent die hij veel gebruikt heet “concreter is beter”. Die wijst aan waar teksten impliciet blijven en doet verbetervoorstellen.
Op de vraag van Claudia of hij AI ook inzet bij zijn programma in het sociaal domein, bevestigde Han dat. Hij gebruikt het om doelen en resultaten te formuleren, om voorstellen voor KPI’s te maken en om project- en programmaplannen te schrijven op basis van informatie die hij aanlevert.
Niet de wonderstaf
Zowel Han als Claudia benadrukten dat AI geen wonderstaf is. Han gaf aan dat een te grote opdracht een vrij algemeen antwoord oplevert. De meeste tijd gaat juist zitten in het steeds opnieuw formuleren van de vraag, omdat de uitkomst nog niet voldoet. Wie de tekst niet of maar half controleert, loopt het risico dat het resultaat niet aan de eigen kwaliteitseisen of die van de gemeente voldoet.
Volgens Han helpt het om checkvragen te stellen. Bijvoorbeeld welke informatie of welke verbeteringen in een document nog ontbreken. Daarmee word je gedwongen om zelf op een andere manier na te denken. Het systeem kan meedenken, maar de gebruiker moet zelf beoordelen of de uitkomst werkbaar is en van goede kwaliteit is.
Een agent kan ook helpen zichzelf te verbeteren. Door te vragen of de agent geoptimaliseerd kan worden, krijg je nieuwe tips om de instructie aan te scherpen of juist totaal andere basisregels. Claudia gaf aan dat het systeem juist ook leert door goed en veel gebruik.
De programmacoach van Claudia
Claudia liet vervolgens haar eigen omgeving zien. Zij werkt met ChatGPT en met GreenPT. GreenPT omschreef zij als de Europese tegenhanger van ChatGPT. Het is sinds begin dit jaar in opkomst, draait op Europese servers en wordt door een Nederlander gerund. Waar Han een programmaregisseur heeft, bouwde Claudia een programmacoach: een coachende programmamanager die werkt volgens de VPNG-methodiek. In de instructie nam zij op dat deze assistent werkt vanuit de principes van de VPNG, gericht op programmatisch creëren en werken aan programma’s.
Claudia gaf de assistent een coachende, open en positief kritische stijl mee. Dat positief kritische is volgens haar belangrijk, omdat een assistent anders vooral meepraat. Wie zelf een agent maakt, doet er goed aan op te nemen dat het systeem kritisch moet zijn en tegenvragen moet stellen. Daarnaast voegde zij documenten toe, waaronder enkele documenten van de VPNG. Per programma voegt zij ook inhoudelijke documenten van die specifieke gemeente toe.
Van doelen naar een doelenboom
Aan de hand van een programmaplan voor jeugd in het sociaal domein liet Claudia zien hoe zij doelen opbouwt. Samen met de betrokken programmamanager bepaalde zij eerst de specifieke doelstellingen van de gemeente. Daarvan liet zij de assistent ER-doelen en SMART-doelen maken als concrete, meetbare vertaling.
Vervolgens vroeg zij om een compacte doelenboom. De eerste opzet vond zij nog niet compleet. Zij miste de tussenliggende laag die kijkt naar de effecten op de middellange termijn. Nadat de assistent die laag had toegevoegd, ontstond geleidelijk een vollediger doelenboom. Claudia benadrukte dat je per doelstelling kritisch moet blijven. De vraag is steeds of een doel past bij de eigen gemeente en de elementen bevat die de gemeente belangrijk vindt.
Hetzelfde geldt voor de indicatoren. Claudia liet de assistent uit de meetmethoden van de gemeente de indicatoren halen die passen bij de SMART-doelstellingen. Zo wordt alleen gemeten wat de gemeente kan en wil meten. Normaal kost dit proces ongeveer een week samen met een programmamanager. Op deze manier kon zij het in ongeveer twee keer een halve dag doorlopen. De resultaten kunnen daarna naar Excel worden geëxporteerd.
De agent van Han in Copilot
Han toonde zijn vergelijkbare agent in Copilot. Die begint met een algemene rolomschrijving van een ondersteunende programmamanager of regisseur. Die helpt bij het sturend en samenhangend realiseren van programmadoelen. De agent ondersteunt bij sturing, analyse, besluitvorming, samenwerking en de uitwerking van producten in alle fases van programmasturing. Daarbij gebruikt hij werkkaders als het zevenveldenmodel, het opdrachtgeverveld en de vier fases. Deze begrippen komen uit de documenten van de VPNG.
In de algemene richtlijnen nam Han op dat de agent kritisch moet zijn en helder moet schrijven op B1-niveau. Ook moet de agent concrete verbeterpunten geven en keuzes met argumenten onderbouwen. Daarnaast gaf hij de doelgroep mee, zodat de agent onderscheid maakt tussen college, raad, inwoners en partners. Die vragen elk een andere schrijfstijl. Per opdracht is vastgelegd of het gaat om verduidelijken, analyseren, adviseren, uitwerken of aanscherpen.
Han voegde ook kennisdocumenten toe. Daarbij gaat het om uitleg over de doelenboom, de krachtenveldanalyse, het programmacanvas en het boek Programmasturing, en om het eigen uitvoeringskader participatie. Voorbeeldprompts gebruikt hij zelf wat minder, omdat je er niet eenvoudig meerdere achter elkaar kunt plakken. Vaak typt hij de vraag zelf.
Digitale ruimtes en samenwerken in GreenPT
Claudia vertelde dat zij ook met GreenPT had geëxperimenteerd. GreenPT werkt niet met agents, maar met digital spaces. Dat zijn aparte projectruimtes die je per doelstelling inricht. Het overstappen naar een nieuwe toepassing voelde voor haar als een drempel, juist omdat alles al in de ene omgeving stond.
Een sterk punt vond zij de mogelijkheid om te delen. In de betaalde versie van ChatGPT kun je een agent aan anderen geven. Ook GreenPT maakt het mogelijk om met een groep in dezelfde assistent te werken. Claudia kan dan zien welke vragen haar collega’s aan de assistent stellen, waardoor het systeem sneller leert. Voor Han ligt het bij Copilot iets anders. Daar kun je delen met specifieke personen of teams, maar of je de geschiedenis van anderen kunt terugzien, wist hij niet zeker.
Ook bij het inrichten van zo’n ruimte word je in GreenPT aan de hand meegenomen. De stappen zijn het aanmaken van een nieuwe space, het schrijven van de prompt, het uploaden van documenten en het optioneel delen met het team. Daarnaast biedt GreenPT kant-en-klare toepassingen, zoals een writing coach en een grammar check.
Copilot en de eigen werkomgeving
Bij de gemeente Rijssen-Holten is Copilot gekoppeld aan Microsoft 365. Daardoor haalt het systeem ook informatie uit e-mails. Dat was in het begin even wennen, vertelde Han, maar het gebeurt binnen de omgeving van de eigen organisatie. Bovenin het scherm kan hij kiezen tussen zoeken in de directe werkomgeving en zoeken op het web. Meestal staat dat op werk.
Daarnaast werkt Han met een algemene, persoonlijke instructie die voor alles geldt. Daarin staat dat hij beleidsadviseur, programmamanager en opgavemanager is. Copilot kan ook eerder gegeven antwoorden onthouden en die meenemen in nieuwe antwoorden. Zo verbetert het systeem zichzelf binnen de eigen omgeving.
Claude als mogelijk alternatief
Op een vraag over Claude gaf Claudia aan dat zij daar zelf nog niet mee had gewerkt. Wel had zij er positieve berichten over gehoord. Als het gaat om analyse en het in elkaar puzzelen van informatie, zou het vergelijkbaar of beter zijn dan ChatGPT en Copilot. Claude kent volgens haar geen agents, maar wel projecten. Dat lijkt op de mappenstructuur in ChatGPT, waarin alles bij elkaar wordt gebracht.
Privacy en het delen van gegevens
Het onderwerp privacy kwam meerdere keren aan bod. Bij de gratis versie van ChatGPT worden gegevens gedeeld en mogelijk gebruikt voor training. Je moet daarom voorzichtig zijn met wat je deelt. Claudia adviseerde om in elk geval alleen beleidsstukken te gebruiken die al openbaar zijn, omdat die toch al op het internet staan. Andere gegevens voer je beter geanonimiseerd in, zodat informatie niet ergens in een systeem blijft hangen.
Han wees erop dat veel organisaties instructies hebben om geen persoonsgegevens te gebruiken. Bij Copilot is dat beter georganiseerd, omdat je binnen de eigen omgeving werkt. Toch bleef hij ook daar voorzichtig. Uiteindelijk hangt het samen met het beleid van de organisatie.
Afbeeldingen en schema’s maken
Han gaf aan dat hij in Copilot veel moeite heeft om een bruikbare praatplaat of schema te genereren zonder schrijffouten. Voor opmaak en beeld kun je volgens Claudia beter een andere tool gebruiken. Zij noemde Canva, dat ook in de gratis versie simpel is en AI bevat. Wel vond zij de resultaten daarvan onderling vaak op elkaar lijken. Voor het maken van afbeeldingen noemde zij verder MidJourney en mogelijk zou ChatGPT ook een goede optie zijn.
Snel een goede prompt of agent bouwen
Op de vraag hoeveel tijd het kost, gaf Han een praktische werkwijze die hij zelf gebruikt. Hij begint vaak met de vraag wat het systeem nodig heeft om een goede prompt of agent voor een bepaald onderwerp te schrijven. Daarmee zet je de assistent meteen in de positie om door te vragen. Wie helder heeft wat hij wil, kan vragen om bijvoorbeeld vijf dingen of vijf vragen die nodig zijn voor een goede prompt. Die beantwoord je vervolgens. Zo hoef je niet alles zelf te bedenken en bouw je een prompt of agent vrij snel op. Claudia herkende dit. Zij voegde toe dat ook ChatGPT, GreenPT en Copilot een voorbeeld geven als je vraagt hoe je een goede prompt of agent maakt.
Beiden merkten op dat je gaandeweg leert om op een andere manier te gaan denken. Een goede vraag om een prompt te schrijven is iets anders dan het schrijven van die prompt zelf. Als voorbeeld gaf Han aan dat Copilot veel opsommingen teruggeeft. Hij geeft daarom duidelijke instructies om dit juist niet te doen. Dit is een van de dingen die je na verloop van tijd doorkrijgt.
Conclusie
De webinar liet vooral zien dat AI veel ondersteuning kan bieden bij project- en programmamanagement, maar dat de kwaliteit sterk afhankelijk blijft van de gebruiker. Goede instructies, kritische controle en bewust omgaan met privacy zijn daarbij essentieel.
Dit webinar werd georganiseerd door de VPNG-vakgroep Programmasturing. Het volledige webinar is voor VPNG-leden terug te kijken.