Toen ik begon als Scrum Master in een team dat AI-oplossingen ontwikkelt, viel meteen op hoe anders deze omgeving is dan traditionele softwareontwikkeling. Technologische keuzes die we vorige week maakten, kunnen vandaag alweer ter discussie staan door nieuwe tools, inzichten of modellen die plots beschikbaar zijn. Het ontwikkelproces is minder voorspelbaar, en de definitie van 'klaar' blijkt ineens veel rekbaarder.
AI is in ons geval niet alleen het product waar we aan werken, het beïnvloedt ook fundamenteel hoe we samenwerken, plannen en beslissingen nemen.
De snelheid van innovatie, de onzekerheden in het ontwikkelproces en de nieuwe manier waarop mens en AI samenkomen, vragen om een andere mindset en werkwijze. Deze ervaring zette me aan het denken: wat betekent agile werken in een AI-context? Hoe houd je als team focus, wendbaarheid en samenwerking vast als alles voortdurend in beweging is; van technologie tot teamdynamiek?
In dit artikel deel ik vier belangrijke manieren waarop AI mijn rol als Scrum Master én onze teamdynamiek verandert, en hoe ik probeer die dynamiek te begeleiden. Niet vanuit theorie, maar vanuit de praktijk, met alle uitdagingen, aanpassingen en inzichten die daarbij horen.
AI-tools, modellen en inzichten ontwikkelen zich in een razendsnel tempo. Nieuwe open source modellen verschijnen wekelijks, en bestaande technologieën worden in enkele maanden sterk verbeterd. Dit betekent voor het team:
Voor mij als Scrum Master vraagt dit om een flexibelere aanpak van sprintplanning en backlogbeheer. Ik zorg ervoor dat er ruimte blijft voor technologische verkenning en herprioritering, ook midden in een sprint.
Het agile principe van ‘inspect & adapt’ wordt in AI-teams urgenter dan ooit. Wat vorige week nog topprioriteit was, kan vandaag ingehaald zijn door een nieuw, beter AI-model.
AI-projecten volgen een ander ritme dan traditionele softwareontwikkeling. Waar je vroeger werkte met heldere requirements en deterministische logica, werk je nu met:
Wanneer is een AI-oplossing goed genoeg? Is 80 procent accuraatheid voldoende, of moet een menselijke fallback aanwezig zijn?
De definitie van ‘done’ verschuift van functionaliteit naar performance, betrouwbaarheid en ethische afwegingen.
Als Scrum Master help ik het team en de stakeholders om acceptatiecriteria te formuleren die passen bij deze context, bijvoorbeeld op basis van performance-metrics, fouttolerantie of explainability. Business involvement wordt cruciaal, daarom faciliteer ik snelle feedbackloops met eindgebruikers.
In ons team is AI niet alleen het eindproduct, maar ook een dagelijks hulpmiddel geworden. Ontwikkelaars gebruiken tools als GitHub Copilot om sneller en efficiënter te coderen, analisten zetten taalmodellen in om data-analyse te versnellen, en het hele team gebruikt AI om testscenario’s te genereren en kwaliteitscontroles te ondersteunen. Deze nieuwe werkwijze vraagt om:
AI is geen tool aan de zijlijn, maar een actieve teamgenoot in het ontwikkelproces.
Mijn rol is vooral die van facilitator en cultuurdrager. Ik stimuleer een open dialoog over de rol van AI binnen het team, help bij het maken van heldere afspraken en zorg dat leren van ervaringen centraal staat.
In traditionele softwareprojecten werd architectuur vooraf uitgedacht, omdat je redelijk goed wist wat je ging bouwen. Bij AI-projecten werkt dit anders. Hier is de architectuur:
Architectuur wordt geen vaste blauwdruk, maar een levend onderdeel van het Scrum-proces.
In plaats van een vooraf vastgelegde structuur faciliteer ik ruimte voor refactoring, technical spikes en het regelmatig heroverwegen van keuzes. Stories omvatten nu ook infrastructuur, MLOps en datakwaliteit. Omdat het team cross-functioneel is, stimuleer ik samenwerking en kennisdeling tussen domeinen.
Tegelijk bewaak ik de technische schuld vanuit het procesperspectief. Het risico bestaat dat men werkt vanuit wat nu functioneert, en daarmee toekomstige beperkingen inbouwt. Daarom bouwen we iteratief met just enough architecture, zodat het systeem flexibel en toekomstbestendig blijft.
De komst van AI-technologieën vraagt om een fundamentele aanpassing van agile werken. Van flexibel plannen en experimenteren tot het begeleiden van een team waarin mens en AI samenwerken, en van het managen van probabilistische uitkomsten tot het faciliteren van een architectuur die zich gaandeweg vormt.
De rol van de Scrum Master verschuift van procesbewaker naar adaptieve facilitator in een continu lerende omgeving.
AI versnelt innovatie, maar stelt teams ook voor nieuwe uitdagingen in samenwerking, besluitvorming en technische keuzes. Juist daarom blijft het agile gedachtegoed relevant: wendbaar blijven, kritisch reflecteren en continu leren in een wereld waarin verandering de enige constante is
