Behoefteanalyse met AI: tussen de regels lezen, meer dan ooit

Gene Vangampelaere schreef onlangs een sterk stuk over hoe AI steeds meer programmeerwerk overneemt, waardoor de waarde verschuift naar het begrijpen van het probleem. Daar ben ik het mee eens. Over wie dat begrijpen moet doen, denk ik anders.

De vertaler bestaat al

Gene pleit ervoor dat technische profielen opschuiven naar vertalers tussen menselijke behoeften en technologie. Dergelijke vertalende rollen bestaan al: business analist, product manager, … De business analist vertaalt een behoefte naar duidelijke afspraken over wat een systeem moet doen. De product manager beslist wat er gebouwd wordt en waarom. Mensen begrijpen en tussen de regels lezen is hun vak.

We hebben mensen nodig die tussen de regels lezen. Nu met AI, meer dan ooit. Dat is voor mij de kern van behoefteanalyse: uitzoeken wat iemand echt nodig heeft, met de kracht van AI juist ingezet.

Organisaties moeten die rol erkennen, versterken en echt de tools in handen geven om beslissingen te nemen. Van programmeurs analisten maken is geen oplossing.

De job die je (bijna) niet op school leert

Daar zit ook een vraag voor het onderwijs in. Je kan de gekste richtingen studeren, maar een opleiding tot business analist, daar moet je grondig naar zoeken. Het IT-onderwijs focust sterk op code schrijven, veel minder op behoefteanalyse, onderzoeksmethoden,…

Als de waarde verschuift naar het begrijpen van het probleem, moeten we hier dan niets aan doen?

Ontwikkelaars horen bij de architectuur

Ontwikkelaars gaan volgens mij eerder evolueren naar technische architect: iemand die bepaalt hoe een systeem in elkaar moet zitten om te doen wat het moet doen. Dat werk draait om code, zeker nog, maar de nadruk gaat meer verplaatsen naar schaalbaarheid, of een systeem blijft werken als het gebruik groeit, om degelijke engineering en om onderhoudbaarheid, of je het later nog vlot kan aanpassen. Het realiseren van de juiste oplossing, dat is waar hun sterkte ligt, eerder dan in het zoeken van het probleem waarvoor een oplossing het meest waardevol is.

Als AI steeds meer code schrijft, moet iemand bewaken dat al die code samen een systeem vormt dat blijft werken.

Het verkeerde bouwen gaat sneller

Als bouwen sneller gaat, bouw je het verkeerde ook sneller. Een feature die vroeger weken ontwikkelwerk vroeg, staat vandaag op een namiddag als werkend prototype op je scherm. Gaat het om het juiste probleem, dan is dat winst. Gaat het om het verkeerde, dan heb je op een namiddag iets gebouwd dat niemand helpt.

Prototypen om tussen de regels te lezen

Concreet betekent dat voor mij: tijd investeren om een goed startpunt te bepalen, en zo vroeg mogelijk prototypen om concrete feedback te krijgen. Van daaruit itereer ik snel, telkens een nieuwe versie op basis van die feedback. Zo wordt AI voor de PM en de analist zelf een manier om tussen de regels te lezen.

Wat je morgen kan doen

Krijg je een verzoek, open dan nog geen AI-tool. Vraag eerst waarom het verzoek werd geuit, en vraag bij elk antwoord opnieuw waarom, tot je het onderliggende robleem in een zin kan opschrijven. Dat is je startpunt. Bouw daarna zo snel mogelijk een eerste prototype en leg het voor aan wie het vroeg.