Naar inhoud
AI Board

Voor CPO's en productdirecteuren

AI voor productdirecteuren: portfoliobeslissingen op je eigen productdata

Dit is de productstoel aan de directietafel, niet de backlog: voor CPO's, productdirecteuren en hoofden product die in het MT moeten zeggen welke keuzes renderen, waarom het kwartaal opschoof en hoeveel bouwcapaciteit er werkelijk over is. Het bewijs ligt er al (een adoptie-export, een toegezegd-versus-gerealiseerd deck, een retentiedashboard), alleen legt niemand het naast elkaar voordat de vergadering begint. Een AI die in die bestanden gegrond is, dicht dat gat en zegt erbij waar het bestand ophoudt.

Onder het label "AI voor product" lopen twee niveaus door elkaar. Het ene is het vak van de productmanager: grooming, specs, discovery-aantekeningen, prioriteringsmodellen. Dat werk telt, en het heeft zijn eigen pagina: AI voor productmanagers. Deze pagina gaat over het andere niveau, het gesprek dat jij met het MT en de board voert. Levert deze keuze iets op, waarom schoof P-2043 twee keer, en wat schrappen we zodat het strategische werk überhaupt gebouwd wordt.

Dat gesprek is zwaar om een eerlijke reden: dat de naald niet beweegt, is het basisscenario en niet de uitzondering. Kohavi, Crook en Longbotham rapporteerden over Microsofts eigen experimenteerplatform dat van de goed opgezette en uitgevoerde experimenten die een kernmetriek moesten verbeteren, er maar ongeveer een derde dat ook echt deed (2009, gemeten aan beweging in metrieken bij gecontroleerde experimenten, niet aan opgeleverde features in het algemeen). Het meeste wat een goede productorganisatie oplevert, beweegt het getal niet. De kunst op directieniveau is niet dat vermijden, maar het snel doorhebben, uit je eigen bewijs, voordat het volgende kwartaal alweer aan hetzelfde idee vastzit.

Het antwoord van leveranciers is een portfolioplatform: koop de suite, migreer je roadmap en telemetrie erheen, wacht op de koppeling. Jouw vraag ligt er donderdag en de bestanden staan al op je schijf. AI Board leest ze waar ze staan, noemt bij elk cijfer het exacte document en de versie, en blijft privacy by design: onuitgebrachte roadmaps en churn-analyses met klantnamen hoeven je machine nooit te verlaten. Hoe het bevragen van je eigen bestanden werkt, staat bij chatten met je bedrijfsdata.

De week die je herkent

Werkt de keuze, of gaan we zo dubbelen op niets?

De adoptie op de laatste release staat op 6% van de accounts in 30 dagen, en aan dat getal zie je niet of dat een trage start is of een dode feature. Wat het beslist is de trend, niet het niveau: ligt week 4 onder week 1, dan is het uitdoving en geen adoptie, en blijft er maar één segment hangen, dan heb je een vindbaarheidsprobleem en geen fitprobleem. Dat zijn tegengestelde besluiten. Het ene betekent de onboardingstap repareren waar mensen afhaken, het andere betekent stoppen met bouwen op deze lijn. Meestal moet je daartussen kiezen in een vergadering, met een percentage en zonder trend.

Waarom de roadmap opschoof, met het bewijs erbij

Elk kwartaal moet je dezelfde vertraging uitleggen, en de echte verklaring is politiek in plaats van technisch: de scope groeide halverwege het kwartaal door change-requests van sales, niet doordat engineering trager werd. Jij weet dat. Je kunt het in de kamer niet hard maken, dus het landt als een symptoom in plaats van als een besluit. PMI's Pulse of the Profession 2018 zette scope creep of ongecontroleerde wijzigingen op 52% van de projecten die in de twaalf maanden ervoor werden afgerond, tegen 43% vijf jaar eerder, en dat laat zien dat het structureel is en niet persoonlijk. Wat je in het MT nodig hebt is het wijzigingslog: welk item, welke datum, hoeveel scope erbij kwam, en wie erom vroeg.

De reden-kolom die niemand wantrouwt

"Ontbrekende functionaliteit" staat bij ruwweg 40% van de opzeggingen in het kwartaal, en de reflex die dat oproept kost een kwartaal bouwcapaciteit. Kruis die kolom met ARR en gebruiksdiepte en er blijft vaak weinig van over: kleine accounts die nooit onboardden, plus één groot verlies (Van Leeuwen) dat op prijs vertrok. Dezelfde kolom, de tegenovergestelde conclusie. Fix de onboarding, ga niet bouwen. Het ongemakkelijke is dat de verkeerde lezing de makkelijke is, want de reden-kolom staat al netjes geturfd en niemand heeft tijd om er vóór het roadmapoverleg mee in discussie te gaan.

Live demo

Jouw persoonlijke AI-assistent, denkend

Zeggen deze klanten echt op door ontbrekende functionaliteit?

Wantrouw de reden-kolom: 'ontbrekende functionaliteit' bij ~40% van de Q2-opzeggingen zijn, gekruist met ARR, kleine accounts die nooit onboardden. Van Leeuwen ging op prijs. Fix onboarding, niet bouwen.

Retentie-dashboard juni 2026.pdfQ2-opzeggingen per reden x ARR
Vraag AI Board…

Wat er verandert

Niveau én trend, zodat het besluit ook echt valt

Vraag of de laatste release is aangeslagen en je krijgt adoptie per segment met week 1 tegenover week 4, het ene segment dat bleef hangen, het cijfer van de vorige lancering ernaast, en de specifieke onboardingstap waar mensen afhaken. Dat is genoeg om vindbaarheid of fit hardop te zeggen en te verdedigen. Het oordeel blijft van jou. Wat verandert is dat je het neemt op de trend uit je eigen adoptie-export in plaats van op één percentage dat iemand voorlas.

Een wijzigingslog dat je op tafel kunt leggen

Vraag waarom het initiatief opschoof en je krijgt de toegezegde items die verschoven, welk item twee keer schoof, hoeveel scope er bij elk halverwege het kwartaal bij kwam en de gedateerde verzoeken die dat veroorzaakten, gelezen uit het roadmapdeck en het wijzigingslog op je schijf. Daarmee wordt de vertraging geen bekentenis meer maar munitie: scope bevriezen op de toezegging, of de ruil openlijk accepteren. Je krijgt er ook de vooruitblik bij: welk kwartaal net zo gaat lopen tenzij er iets verandert, op een moment dat er nog tijd is om bij te sturen.

Een antwoord dat met zijn eigen brondata in discussie gaat

Vraag of ontbrekende functionaliteit echt de reden is dat klanten opzeggen en je krijgt de reden-kolom gekruist met ARR en gebruik, de accounts die nooit onboardden apart van dat ene grote verlies, en de nuchtere constatering dat de reden in de kolom en het bewijs elkaar tegenspreken. Waar het bestand het niet kan beslechten (geen gebruiksdiepte vastgelegd, geen exitgesprekken) zegt het dat, in plaats van het gat op te vullen. Dat is precies de bedoeling: het spreekt de gemakkelijke lezing tegen, en daarom kun je het veilig citeren in het roadmapoverleg.

Direct beantwoord

Capaciteit tegenover toezeggingen

Hoeveel van de bouwcapaciteit van volgend kwartaal ligt al vast in beloftes aan klanten, en wat blijft er echt over voor de strategische keuzes?

Beloftes uit deals

Wat is er tijdens verlengingen of verkooptrajecten aan accounts beloofd dat nog niet is opgeleverd, en welke verlengingen hangen daarvan af?

Onderhoudskosten van het portfolio

Welke delen van het portfolio verdienen hun onderhouds- en supportkosten nog terug, en wat levert het uitfaseren van de zwakste lijn concreet op?

Signaal tegenover één luide klant

Welke featureverzoeken komen terug bij meerdere accounts en segmenten, en welke zijn één grote klant die door drie verschillende mensen herhaald wordt?

Veelgestelde vragen

Wat doet AI concreet voor een CPO of directeur product?
Het beantwoordt de vragen die de productstoel aan de directietafel krijgt, vanuit je eigen productbewijs in plaats van uit het open internet: werkt deze keuze, waarom schoof het kwartaal op, vertelt de reden-kolom de waarheid, hoeveel capaciteit is er over. Je richt het op de adoptie-export, het roadmapdeck en het retentiedashboard die je toch al bijhoudt, en het leest daar dwars doorheen en noemt bij elk cijfer het exacte document en de versie. Het meeste dat over AI voor CPO's geschreven wordt, beschrijft hoe de rol verandert. Dit gaat over de specifieke antwoorden die je donderdag nodig hebt. Het runt je productorganisatie niet en het vervangt je oordeel niet.
Waarin verschilt dit van AI voor productmanagers?
Ander niveau, en dat is met opzet. De versie voor de productmanager helpt bij het vak: discovery-aantekeningen, specs, prioritering, een backlog eerlijk houden. Die stoel staat op [AI voor productmanagers](/nl/ai-voor-productmanagers). Deze pagina gaat over het portfoliogesprek daarboven: welke keuzes je doorzet of stopt, waarom toezeggingen opschoven en wat je het MT vertelt, waar de bouwcapaciteit werkelijk heen gaat. Dezelfde assistent, andere vragen en andere bestanden. Vervul je in een kleiner bedrijf beide rollen, dan hoort dit gewoon bij elkaar: één [bedrijfsbrein](/nl/ai-bedrijfsbrein) waar beide soorten vragen op landen.
Iedereen wil een AI-feature op onze roadmap. Helpt dit bij die keuze?
Het kan het besluit ophangen aan bewijs in plaats van aan enthousiasme, en dat is precies waar deze keuzes meestal misgaan. [Het NANDA-rapport van MIT over de stand van AI in het bedrijfsleven vond dat maar zo'n 5% van de zakelijke generatieve-AI-pilots snelle omzetversnelling bereikte, terwijl de overgrote meerderheid stilviel met weinig tot geen meetbaar effect op de winst-en-verliesrekening](https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/); dat cijfer is publiekelijk betwist op methode en steekproef, dus behandel het als een waarschuwing over pilotontwerp, niet als een wet. [Gartner voorspelt dat organisaties tot en met 2026 60% van de AI-projecten zonder AI-klare data laten vallen, en vond in zijn onderzoek van Q3 2024 onder 248 datamanagementleiders dat 63% ofwel de juiste datamanagementpraktijken voor AI mist, ofwel niet zeker weet of ze die hebben](https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk) (een voorspelling, geen meting). Beide wijzen dezelfde kant op: kijk voordat je capaciteit vrijmaakt wat het terugkerende bewijs in je eigen bestanden zegt over wat klanten echt zouden gebruiken, en welke data de feature nodig heeft om te werken. Of die data er is, check je met [is mijn data klaar voor AI](/nl/blog/is-mijn-data-klaar-voor-ai).
Blijft onze onuitgebrachte roadmap privé?
Dat is de juiste zorg voor deze rol, want het gevoelige materiaal is precies waar je het over wilt hebben: onuitgebrachte roadmaps, prijsdenken, churn-analyses met klantnamen erin. Het echte risico is gewoonte, geen beleid. [Het NANDA-onderzoek van MIT vond dat bij ruim 90% van de bedrijven medewerkers regelmatig eigen AI-tools voor werk gebruiken, terwijl maar 40% van de bedrijven een officieel LLM-abonnement heeft aangeschaft](https://fortune.com/2025/08/19/shadow-ai-economy-mit-study-genai-divide-llm-chatbots/), en zo belandt een roadmapdeck in een privé-chatbot. Dat patroon beschrijven we in [de schaduw-AI-economie](/nl/blog/schaduw-ai-economie). AI Board is privacy by design: hij draait op je eigen machine, gegrond in de bestanden die er al staan. Hoe dat werkt lees je bij [beveiliging](/nl/beveiliging).

De portfoliovragen veranderen niet van kwartaal tot kwartaal: werkt de keuze, waarom schoof het op, wat schrappen we, wat bouwen we. Wat wel verandert is of het bewijs klaarligt wanneer je het nodig hebt en of je er in de kamer achter kunt gaan staan. AI Board is jouw persoonlijke AI-assistent die je AI-native maakt: hij draait op je eigen laptop, gevoed met de data van je bedrijf, en wordt scherper naarmate jouw kennis groeit. Hij laat je de trend zien, het wijzigingslog en de tegenspraak in je eigen data. De keuze blijft aan jou.

Zet je eigen productbewijs aan het werk

Zie hoe een assistent die gegrond is in je adoptie-exports, roadmapdecks en retentiedata de portfoliovragen beantwoordt die je elk kwartaal krijgt, privacy by design, met de bron er elke keer bij genoemd.

Draait op je eigen laptop. Je data verlaat hem nooit.