Voor productmanagers
AI voor productmanagers: stop met gokken of iemand je release gebruikt
Je bent drie zinnen ver in de sprintdemo als je merkt dat je aan het gokken bent. De adoptie zit ergens in een analytics-export, de klachtthema's liggen verspreid over tickets, gesprekken en NPS, en de business case onder de roadmap is een bestand dat niemand meer heeft geopend sinds het is goedgekeurd. Een AI die gegrond is in je eigen productdata dicht dat gat, en noemt het bestand waar hij het uit haalt.
Eerst het misverstand uit de weg: deze pagina gaat niet over hoe je AI-productmanager wordt, en het is ook niet het zoveelste lijstje met 21 tools. Het gaat over één ding: wat AI doet met de data die je al hebt. In die zin betekent AI voor productmanagers een assistent die gegrond is in je eigen analytics-exports, je Zendesk-tickets, je gespreksverslagen en je business cases, die een productvraag beantwoordt en erbij laat zien uit welk bestand hij dat haalt, op je eigen machine.
Waarom dat uitmaakt, is een rekensom. Wat de week van een productmanager opvreet is niet het nadenken, het is het verzamelwerk: de Amplitude-export trekken, een kwartaal aan tickets herlezen, door gespreksnotities scrollen op zoek naar de zin die een klant echt zei. McKinsey schatte al dat kenniswerkers bijna 20 procent van de werkweek kwijt zijn aan het zoeken naar interne informatie of het najagen van collega's; dat cijfer is uit 2012 en dateert van vóór elke tool in je stack, en het is er niet lager op geworden sinds je bedrijf er vijf systemen bij kreeg. Het structurele probleem eronder is nog ouder: Marty Cagan betoogde in 2009 al dat een roadmap die uit een lijst met featureverzoeken wordt gebouwd, features doordrukt "die gebruikers niet waarderen of nodig hebben", en juist dat verzamelwerk houdt je weg bij de discovery die het onderscheid zou maken.
Vandaar de bescheiden belofte op deze pagina: een AI die gegrond is in je eigen data bepaalt je roadmap niet en prioriteert je backlog niet. Hij geeft je de uren terug die het verzamelen kostte, en antwoordt met de bron erbij, zodat je het bestand kunt openen en nakijken voordat je het in het MT hardop zegt. Dat is een ander product dan een cloudplatform voor feedback waar je je klantdata in uploadt. Voor de handeling zelf, je eigen bestanden bevragen en er een gegrond antwoord uit terugkrijgen, zie chatten met je bedrijfsdata.
De week die je herkent
Je kunt niet zeggen of wat je opleverde ook is geland
De feature staat zes weken live en het eerlijke antwoord op "hoe loopt het" is dat je het nog niet weet. Niet omdat de data ontbreekt, maar omdat het bruikbare antwoord geen percentage is: het is de uitsplitsing per segment. Vlak sinds week drie, vrijwel alles Enterprise, het MKB heeft hem nooit gevonden. Dat is een discovery-probleem met een volgende stap eraan vast. Eén adoptiecijfer, op de ochtend van de demo handmatig getrokken, vertelt je niets waar je iets mee kunt en kost je toch een uur.
Vijf feedbackkanalen, één antwoord verwacht
De klachten zijn echt en ze liggen overal: Zendesk-tickets, Gong-opnames, het open tekstveld van de NPS, salesnotities in het CRM, je eigen interviewkladblok. Dat handmatig samenvoegen betekent dat je een steekproef leest, en juist een steekproef is waar aan tafel een gat in wordt geprikt. Elk thema heeft een aantal nodig en de basis waaruit dat aantal komt (hoeveel tickets, hoeveel gesprekken, het hele kwartaal of een deel ervan), want "klanten blijven zeggen dat onboarding lastig is" en "onboarding zit in 41% van de opzegredenen dit kwartaal, over 1.840 tickets en 47 gesprekken" zijn niet dezelfde bewering.
Het MT vraagt het op dinsdag en jij antwoordt op vrijdag
De vraag is zelden moeilijk. Het is een bedrag in euro's, een verdeling per segment, een reden waarom een bepaalde gok nog op de roadmap staat. Het duurt drie dagen omdat het bewijs in vier systemen ligt plus één goedgekeurde business case die niemand heeft heropend. Ondertussen loopt de druk op: in Microsofts Work Trend Index 2026 zei 65% van de 20.000 kenniswerkers die al generatieve AI op het werk gebruiken bang te zijn achterop te raken als ze zich niet aanpassen, terwijl maar 26% vond dat de leiding duidelijk en consistent op één lijn zit over AI. Die scheefstand komt uiteindelijk op het bureau van de productmanager terecht.
Live demo
Jouw persoonlijke AI-assistent, denkend
Die 90k risico is geen rond bedrag maar drie renewals: Van Leeuwen, Bektas en Dijkhuis, allemaal in Q4 en allemaal om de ontbrekende module. Zet in op die drie behouden, niet op nieuwe features.
Wat er verandert
Het adoptieantwoord met de uitsplitsing per segment, in de vergadering zelf
Vraag hoe de release loopt en je krijgt het hele beeld, niet één kopcijfer: waar de adoptie vlak is, in welk segment het zich ophoopt, welk segment de feature nooit heeft gevonden, gelezen uit de analytics-export op je eigen schijf, met de bestandsnaam erbij en hoe actueel hij is. Wat je ermee doet, beslis je nog steeds zelf. Wat verandert is dat je het tijdens de demo zegt in plaats van te beloven dat je erop terugkomt, en dat je de bron kunt openen als iemand tegengas geeft.
Feedbackthema's met een aantal en een basis eronder
Vraag waar klanten steeds over beginnen en je krijgt de thema's over de tickets, gesprekken en enquêteteksten heen die je toch al exporteert, elk met een aantal en de basis waaruit dat komt, zodat iedereen aan tafel kan wegen hoe hard het is. Hij bepaalt niet welk thema je oplost. Hij haalt de twee dagen leeswerk weg die tussen jou en een verdedigbare rangschikking stonden, en zegt er gewoon bij wanneer een kanaal een steekproef was in plaats van het hele kwartaal.
Een business case met namen en bedragen, niet één rond getal
Vraag wat die gok op de roadmap beschermt en je krijgt de renewals eronder: de accounts, hun datum, hun individuele waarde en de reden die elke klant noemt, uit de renewal-lijst en de goedgekeurde case die al op je machine staan. Drie renewals met naam en toenaam houden stand in een MT-gesprek; één rond bedrag doet dat nooit. Waar het bestand op een aanname rust (dat die module ze ook echt binnenhoudt), zegt hij dat, in plaats van de aanname als zekerheid te verkopen.
Direct beantwoord
Heeft de release de klachten verschoven
Welke ticketthema's zijn na de laatste release echt gedaald, en welke kwamen in hetzelfde tempo terug?
Roadmap-items zonder bewijs
Welke items op de roadmap van volgend kwartaal hebben geen enkel klantbewijs achter zich behalve één verzoek?
Toezeggingen buiten de roadmap om
Wat heeft sales het afgelopen kwartaal aan klanten toegezegd dat nooit op de roadmap is beland?
Waar de data ophoudt
Welke delen van deze flow zijn nooit van meetpunten voorzien, zodat ik weet welke vragen mijn analytics echt niet kan beantwoorden?
Veelgestelde vragen
Wat kan AI vandaag concreet voor een productmanager doen?
Kan hij me vertellen of iemand de feature die we opleverden echt heeft gebruikt?
Gaat hij mijn backlog voor me prioriteren?
Is het veilig om klantnamen en ongelanceerde roadmap-items in AI te stoppen?
De drie vragen veranderen niet van sprint tot sprint: heeft iemand het gebruikt, waar blijven klanten over beginnen, wat is de case in euro's. Wat wel verandert is of je op de dag zelf kunt antwoorden en het bestand achter dat antwoord kunt openen. 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 prioriteert je backlog niet. Hij geeft je de dagen terug die je kwijt was aan het verzamelen van bewijs voor een besluit dat je toch al ging nemen.
Zet je eigen productdata aan het werk
Stel de drie vragen die je elke sprint krijgt aan een assistent die gegrond is in je eigen analytics-exports, tickets, gespreksnotities en business cases: privacy by design, met de bron er elke keer bij.