Als portfoliomanager is het herkenbaar: stapels projectvoorstellen, uitgebreide business cases en voortgangsrapportages. Daarin zit de informatie die je nodig hebt voor besluitvorming, maar het verzamelen en structureren ervan kost enorm veel tijd. Handmatig data uit tekstbestanden halen, overtypen in Excel, kolommen vullen, risico’s scoren – het is tijdrovend en foutgevoelig. En terwijl je bezig bent met administratie, blijft er minder tijd over voor waar het werkelijk om draait: het maken van goed onderbouwde portfoliokeuzes. Samen met Think Ahead hebben we een Proof of Concept (PoC) ontwikkeld dat laat zien hoe kunstmatige intelligentie (AI) dit proces drastisch versnelt. De vraag die centraal stond: kunnen we portfoliobeslissingen beter onderbouwen met data, zonder dat iemand eerst dagenlang teksten moet doorploegen?

Portfoliomanagement draait om het vullen van een metaforische rugzak: welke projecten neem je mee binnen de beschikbare capaciteit, het budget en de strategische doelen? In de praktijk is het bepalen van de optimale mix nu vaak handwerk, waarbij veel subjectieve keuzes worden gemaakt.

De kern van de uitdaging ligt in drie tijdrovende activiteiten:

1. Ongestructureerde teksten verzamelen en grondig lezen;
2. Informatie handmatig structureren in spreadsheets;
3. Scenario’s uitwerken op basis van prioriteiten en beperkingen.

Ons doel was om AI in te zetten voor het voorbereidende werk. Niet AI die beslist, maar AI die de grondstof levert voor betere besluitvorming.

De opzet: van ongestructureerde tekst naar dashboard

Voor deze PoC hebben we een ‘pipeline’ gebouwd die ongestructureerde projectteksten automatisch omzet in een visueel, interactief dashboard. Dit werkt in zes stappen:

1. Uploaden: Word-bestanden met ongestructureerde projectinformatie worden ingelezen.
2. AI-extractie: het taalmodel haalt relevante informatie uit de tekst, zoals kosten, doorlooptijd, risico’s en strategische doelen.
3. Structureren: AI zet de tekst om naar een uniforme datastructuur.
4. Verwerking: een script injecteert de data automatisch in een spreadsheet.
5. Calculatie: Excel voert berekeningen uit en past filters toe.
6. Dashboard: een visuele weergave toont direct de scenario’s en stuurinformatie.

Cruciaal: de mens blijft in the loop. Tussen elke stap zit een menselijke check. AI kan hallucineren en bronteksten zijn niet altijd compleet. Omdat garbage in leidt tot garbage out, blijft validatie essentieel.

De uitkomsten: concrete tijdwinst

Het experiment leverde vier belangrijke inzichten op:

• AI neemt leeswerk uit handen: de AI leest en interpreteert projectteksten en vult deze gestructureerd in. Je bent geen data-inklopper meer.
• Ruimte voor advies: door de tijdwinst krijgt de portfoliomanager meer tijd voor het professionele oordeel.
• Snelle scenario-analyse: je kunt in minuten verschillende “wat als”-scenario’s doorrekenen. Wat gebeurt er als we project X uitstellen? Wat als we 20% meer budget krijgen?
• Betere gesprekken: heldere dashboards maken het makkelijker om keuzes te onderbouwen richting management en stakeholders.

Kanttekeningen: geen toverstaf

Belangrijk om te benadrukken: dit is geen druk-op-de-knop-oplossing. We liepen tegen duidelijke grenzen aan:

• Kwaliteit brontekst: onvolledige of verouderde teksten leveren ook met AI geen goede input op.
• Zachte factoren: organisatiepolitiek, verandervermogen of cultuur laten zich moeilijk in een score vangen.
• Validatie is noodzakelijk: elke extractie moet gecontroleerd kunnen worden. AI is niet foutloos.

De veranderende rol van de portfoliomanager

De introductie van AI-tooling maakt je als portfoliomanager niet overbodig, maar vergroot juist je expertise. Je evolueert van data-verzamelaar naar strategisch adviseur die meer projecten kan beoordelen en diepgaander kan analyseren.

Waar je voorheen uren bezig was met het structureren van teksten, verschuift je focus nu naar:

• Strategische analyse: meer tijd voor het interpreteren van data en het identificeren van patronen.
• Stakeholdermanagement: een betere onderbouwing van keuzes dankzij visuele dashboards.
• Scenarioplanning: sneller verschillende strategieën doorrekenen en vergelijken.
• Risicomanagement: risico’s expliciet, zichtbaar en bespreekbaar maken.

Deze verschuiving heeft ook impact op de relatie met het Portfolioboard. Waar boardleden voorheen inzicht hadden in het hele proces, vindt een deel nu plaats in een “black box” (de AI). Dit roept terechte vragen op: Welke aannames doet de AI? Zijn nuances niet verloren gegaan? En vooral: kan ik deze uitkomsten uitleggen aan mijn achterban?

Hier wordt jouw rol cruciaal. Jij bent niet langer de leverancier van data, maar de vertaler en validator tussen AI en board. Jouw verantwoordelijkheden verschuiven naar:

• Transparantie waarborgen: uitleggen hoe de AI tot bepaalde conclusies is gekomen.
• Validatie tonen: aantonen dat jij de AI-output hebt gecontroleerd en waar nodig gecorrigeerd.
• Context toevoegen: de zachte factoren en politieke nuances benoemen die de AI niet heeft kunnen vangen.

Vertrouwen in de data ontstaat alleen als jij de brug slaat tussen technologie en besluitvorming. Jij wordt de gatekeeper van kwaliteit en gedragenheid die voorkomt dat AI een ondoorzichtige black box blijft.

Conclusie: mens én machine

Ons Proof of Concept toont aan dat AI concrete waarde toevoegt aan portfoliomanagement. Niet als toekomstmuziek, maar als praktisch hulpmiddel dat nu al tijd bespaart en besluitvorming verbetert.

De vraag is niet of AI een rol gaat spelen in jouw organisatie, maar hoe jij die rol vormgeeft. Portfoliomanagers die AI inzetten als verlengstuk van hun expertise, maken meer impact. De toekomst van portfoliomanagement is niet mens óf machine, maar mens én machine.

Heb je een vergelijkbare uitdaging? Wil je verkennen wat AI voor jouw portfolio kan betekenen? Neem dan contact op via contact@ruysdael.nl of bel 0343 528 040.