Het probleem
Werk je als PO of SM? Dan herken je dit meteen.Een groot deel van je tijd gaat op aan het terugzoeken van oude beslissingen, het bijwerken van documentatie, het voorbereiden van refinement sessies en het bewaken van de voortgang. Nodig werk—maar niet waar je de meeste waarde toevoegt.
Naarmate projecten groeien, wordt het al snel onoverzichtelijk. Kennis raakt verspreid over verschillende tools. Onboarding kost meer tijd. En precies wanneer je context nodig hebt, kun je het nergens snel vinden. De vraag is dan: kan AI deze frictie wegnemen, zonder nieuwe problemen te creëren?
De vraag die centraal stond
We richtten ons op één simpele maar belangrijke vraag:
In hoeverre kunnen AI Agents de operationele druk voor PO’s en SM’s verlagen, zonder dat dit ten koste gaat van de kwaliteit van beslissingen?
We onderzochten of AI bestaande workflows kan versterken door de toegang tot informatie te verbeteren, repetitieve taken te automatiseren en Scrum-events in realtime te ondersteunen.
Het experiment
We introduceerden een AI Agent in bestaande teamprocessen.Geen nieuwe werkwijze. Geen grote verandering. Gewoon een slimme laag bovenop wat teams al deden.
De AI Agent ondersteunde bij:
- Semantisch zoeken in tickets en documentatie
- Automatisch gegenereerde rapportages voor meer transparantie
- Contextuele suggesties tijdens refinement sessies
- Het snel terugvinden van eerdere beslissingen en requirements
- Het voorstellen van tickets voor sprints
- Het toewijzen en becommentariëren van tickets
- Het schrijven en bijwerken van tickets en documentatie
- In plaats van teams aan te passen aan AI, pasten we AI aan op het team.
Wat we zagen
Drie inzichten sprongen eruit:
1. Minder tijd kwijt aan zoeken
Teams besteedden duidelijk minder tijd aan het zoeken naar eerdere beslissingen of documentatie. Context werd sneller en makkelijker beschikbaar.
2. De kwaliteit van prompts bepaalt het resultaat
Hoe beter de vraag, hoe beter het antwoord. Vage prompts zorgden soms voor twijfel over de waarde van de tool. Duidelijke input maakte de AI een stuk betrouwbaarder.
Kort gezegd: AI werkt,mits je weet hoe je het gebruikt.
3. Structuur maakt het verschil
Teams met goed gestructureerde documentatie haalden er het meeste uit. Zonder die basis waren de resultaten minder consistent. Een goede inrichting en finetuning vooraf maken een groot verschil.
Wat dit verandert in de praktijk
AI Agents veranderen de manier waarop Scrum-teams samenwerken:
- Meer transparantie: Automatische rapportages geven continu inzicht in voortgang
- Meer focus op oplevering: Minder administratief werk betekent meer tijd om daadwerkelijk te bouwen
- Sterkere refinement sessies: Sneller toegang tot context zorgt voor betere gesprekken
Belangrijk is dat dit experiment bevestigt dat AI Agents menselijke rollen versterken (en niet vervangen). Contextueel inzicht, verantwoordelijkheid en besluitvorming blijven kernverantwoordelijkheden van Scrum-rollen.
Tegelijkertijd zet dit bestaande aannames op scherp. AI wordt vaak gezien als iets zonder contextbegrip, maar wanneer het goed wordt ingericht, kan het besluitvormingsprocessen juist waardevol ondersteunen. Tegelijk blijven onnauwkeurigheden voorkomen, vooral wanneer prompts onduidelijk zijn of de inputdata ruis bevat.
Dat gezegd hebbende: het is geen wondermiddel. Onduidelijke input of rommelige data leiden nog steeds tot minder betrouwbare uitkomsten.
Operationeel werk in Scrum opnieuw bekeken
Dit experiment laat zien dat AI Agents de operationele druk aanzienlijk kunnen verlagen en de transparantie in workflows verbeteren, mits ze doordacht worden geïntegreerd in Scrum-omgevingen. Succes hangt af van goed gestructureerde documentatie, duidelijke prompts en menselijke controle. De echte kans zit niet in het simpel toevoegen van AI aan bestaande processen, maar in het herontwerpen van workflows rondom samenwerking met AI. Zo krijgen teams meer ruimte om zich te richten op het leveren van waarde, terwijl sterke menselijke besluitvorming centraal blijft staan.
