15 oktober 2026Bijgewerkt op Fathy Shalaby12 min leestijd
Wat product managers nooit aan AI moeten overlaten: 7 beslissingen
AI kan bewijs verzamelen, opties uitwerken en het tegenovergestelde standpunt verdedigen. Zeven productbeslissingen hebben toch een bij naam genoemde mens als eigenaar nodig. Hier zijn de lijst, de goedkeuringsregel en een checklist.
Wat moeten PM's niet aan AI overlaten? Zeven beslissingen: welk probleem aandacht krijgt, wat klanten echt bedoelen, welke afweging de roadmap accepteert, wat het team bewust niet bouwt, hoe een conflict tussen stakeholders eindigt, of een risico acceptabel is en of een gok moet doorgaan. AI kan bewijs verzamelen, opties uitwerken en het tegenovergestelde standpunt verdedigen. Een bij naam genoemde persoon neemt nog steeds het besluit en draagt de gevolgen.
De belangrijkste punten
Ontwikkelaars wantrouwen AI-uitvoer vaker dan ze die vertrouwen: 46% tegenover 33%, en slechts 3% vertrouwt erop met volle overtuiging (Stack Overflow, 2025, ruim 33.000 respondenten).
De engineers van Anthropic zelf gebruiken AI bij 59% van hun werk, maar de meesten zeggen dat ze slechts 0–20% ervan volledig kunnen delegeren (Anthropic, december 2025).
De Europese AI-verordening eist dat mensen die toezicht houden op hoogrisico-AI de uitvoer kunnen negeren of terugdraaien en zich beschermen tegen automatiseringsbias (artikel 14).
De agentgids van OpenAI noemt twee momenten om de controle terug te geven aan een mens: herhaald falen, en acties die gevoelig, onomkeerbaar of risicovol zijn.
De werkregel: delegeer de voorbereiding, houd de beslissing. Hoe hoger het risico en hoe moeilijker het terug te draaien is, hoe dichter menselijke goedkeuring bij de actie hoort te zitten.
Waarom is een AI-aanbeveling niet hetzelfde als een beslissing?
AI geeft een zelfverzekerd antwoord op basis van de context die het krijgt. Vloeiende tekst verbergt gaten: een aanbeveling kan beslist klinken terwijl het bewijs onvolledig is, het klantverzoek niet representatief is, de afweging niet is benoemd en niemand als eigenaar is aangewezen.
De mensen die AI het meest gebruiken, zijn voorzichtig met vertrouwen. In de Developer Survey 2025 van Stack Overflow gebruikt of overweegt 84% van de respondenten AI-tools, maar 46% wantrouwt de juistheid van de uitvoer en 33% vertrouwt erop (Stack Overflow, 2025). De meest genoemde frustratie, door 66%, is uitvoer die bijna goed is, maar net niet. Het DORA-onderzoek van Google uit 2025 liet dezelfde kloof zien: 90% van bijna 5.000 techprofessionals gebruikt AI op het werk, maar 30% vertrouwt de uitvoer slechts een beetje of helemaal niet (Google, 2025).
Productbeslissingen zijn lastiger te controleren dan code. Een falende test vertelt je binnen minuten dat de code fout is. Een verkeerde prioritering kan twee kwartalen lang prima lijken.
Wat is automatiseringsbias en waarom zou je als PM erom geven?
Automatiseringsbias is de gewoonte om uitvoer te accepteren omdat een systeem die heeft geproduceerd. De Europese AI-verordening benoemt het rechtstreeks: mensen die toezicht houden op hoogrisico-AI moeten zich bewust blijven van "de mogelijke neiging om automatisch of overmatig te vertrouwen op de output" (EUR-Lex, Verordening (EU) 2024/1689, artikel 14). Hetzelfde artikel zegt dat de toezichthouder de uitvoer moet kunnen negeren, terzijde schuiven of terugdraaien, en het systeem veilig moet kunnen stoppen.
De meeste PM-tools zijn volgens de verordening geen hoogrisicosysteem, maar het principe geldt ook hier: een PM die niet kan uitleggen waarom hij een aanbeveling heeft overgenomen, heeft geen beslissing genomen. Die heeft er een doorgestuurd.
Wat moeten product managers nooit aan AI overlaten?
Zeven productbeslissingen moeten in menselijke handen blijven. AI kan voor elk ervan de grond voorbereiden, maar de beslissing hangt af van context, relaties of verantwoordelijkheid die een model niet heeft.
1. Welk probleem de aandacht van het team verdient
AI kan signalen ordenen op frequentie of overeenkomst. Frequentie is geen belang. Tien verzoeken van gratis gebruikers kunnen minder zwaar wegen dan één churnrisico bij je grootste account, en alleen iemand die de strategie, de timing en de opportunity cost kent, kan dat afwegen. Marty Cagan wijst value risk, oftewel of klanten het gaan kopen of kiezen te gebruiken, toe aan de product manager (SVPG, 2017).
2. Wat de klant echt bedoelt
AI kan in minuten thema's taggen over 200 transcripties. Het kan niet de vervolgvraag stellen die een gevraagde oplossing ("voeg een exportknop toe") scheidt van de onderliggende job ("mijn financieel lead heeft dit getal elke maandag nodig"). Houd elke belangrijke bewering gekoppeld aan het oorspronkelijke citaat en lees de bron voordat je op een thema afgaat. Onze gids over bewijs en interpretatie gescheiden houden in AI-onderzoekssynthese laat de methode zien.
3. Welke afweging de roadmap accepteert
Een prioriteringsscore is input, geen oordeel. Prioriteren bepaalt wie wordt bediend, wat moet wachten, welk risico wordt geaccepteerd en wat het bedrijf kiest te leren. AI kan tien scenario's doorrekenen. Een mens moet er één kiezen en de prijs uitleggen aan wie verliest. De RICE-prioriteringsgids legt uit hoe je een score gebruikt zonder je door de score te laten sturen.
4. Wat het team bewust niet bouwt
Nee zeggen vraagt overtuiging en een band met de mensen die erom vroegen, en het is belangrijker nu een prototype een middag kan kosten. Pendo's analyse van 615 softwareabonnementen vond dat ongeveer 80% van de features zelden of nooit wordt gebruikt (Pendo, 2019). Goedkoper bouwen maakt dat aandeel eerder groter dan kleiner. Het gesprek zelf behandelen we in hoe je nee zegt tegen "dit bouwen we in een uur met AI".
5. Hoe een conflict tussen stakeholders wordt opgelost
AI kan botsende doelen in kaart brengen en drie compromisopties opstellen. Het kan niet de relatie vasthouden tussen product, een belangrijke klant, een salesleider en engineering wanneer het antwoord een van hen teleurstelt. In zijn aandeelhoudersbrief van 2016 raadt Jeff Bezos een leider met overtuiging maar zonder consensus aan om het oneens te zijn en zich toch te committeren ("disagree and commit") (Amazon, 2016). Dat werkt alleen als een mens het commitment aangaat.
6. Of een risico acceptabel is
Privacy, security, veiligheid, compliance, betrouwbaarheid en onomkeerbare acties vragen om een verantwoordelijke mens die het risico accepteert. AI kan het risico beschrijven. Het mag het nooit stilzwijgend accepteren. Dat geldt ook voor wat AI bouwt: Veracode testte meer dan 100 taalmodellen en vond dat 45% van de gegenereerde codevoorbeelden een kwetsbaarheid uit de OWASP Top 10 bevatte, waarbij de securityprestaties gelijk bleven ongeacht de modelgrootte (Veracode, 2025).
7. Of een productgok nog leeft
AI kan lanceringsmetrics met de hypothese vergelijken. Maar doorgaan, versmallen, pauzeren of stoppen met de gok raakt aan sunk costs, teammoraal, beloften aan klanten en de volgende kans. CB Insights vond dat 43% van 431 door durfkapitaal gefinancierde startups die sinds 2023 zijn gestopt, een slechte product-market fit als reden noemde (CB Insights, 2026). De verkeerde gok op tijd stoppen hoort bij de baan van een PM, en daarvoor is een eigenaar nodig die dat hardop zegt.
De zeven beslissingen in één oogopslag
Beslissing
Wat AI kan doen
Waar de mens voor verantwoordelijk is
Meestal omkeerbaar?
Probleemkeuze
Signalen clusteren en tellen
Strategie, timing en opportunity cost afwegen
Gedeeltelijk
Klantbetekenis
Thema's taggen, citaten ophalen
Vervolgvragen en de job achter het verzoek
Ja
Roadmap-afweging
Scenario's scoren en vergelijken
Kiezen wie wacht en waarom
Gedeeltelijk
Niet bouwen
Alternatieven genereren
Nee zeggen en vertrouwen behouden
Ja
Stakeholderconflict
Posities in kaart brengen, opties opstellen
De relatie en de eindbeslissing
Gedeeltelijk
Risicoacceptatie
Risico's en faalwijzen beschrijven
Het risico accepteren of afwijzen
Vaak niet
Doorgaan met een gok
Uitkomsten met de hypothese vergelijken
Doorgaan, versmallen, pauzeren of stoppen
Gedeeltelijk
Wat kunnen product managers veilig aan AI delegeren?
Delegeer werk waarbij een mens het resultaat tegen de bron kan controleren voordat het een roadmap, een belofte aan een klant of een productiesysteem verandert. Goede kandidaten:
Samenvattingen van meetings en gesprekken met links naar de opname of het transcript
Feedback groeperen en ontdubbelen
Eerste versies van onderzoeksrapportages, PRD's en release notes
Mogelijke interviewvragen en alternatieve hypotheses
Concept-acceptatiecriteria ter review
Updates van het besluitenlogboek en voorbereiding van statusrapporten
Controles op ontbrekende velden, verouderd bewijs of inconsistente terminologie
Wat ze gemeen hebben, is dat ze te controleren zijn. Anthropics onderzoek onder het eigen personeel is een nuttig referentiepunt: engineers en onderzoekers gebruikten Claude bij 59% van hun werk, tegen 28% een jaar eerder, en meldden 50% meer productiviteit, maar meer dan de helft zei maar 0–20% van het werk volledig te kunnen delegeren (Anthropic, 2025). Intensief gebruik en beperkt delegeren gaan prima samen. De volledige methode om taken te sorteren staat in wat product managers met AI zouden moeten automatiseren.
Hoe bepaal je wanneer een mens een AI-uitvoer moet goedkeuren?
Gebruik één regel: hoe hoger het risico, de onomkeerbaarheid, de dubbelzinnigheid en de impact op relaties, hoe dichter menselijke goedkeuring bij de actie moet zitten.
De gids van OpenAI voor het bouwen van agents geeft twee triggers om de controle aan een persoon over te dragen: het overschrijden van een foutdrempel, zoals een verzoek meerdere keren verkeerd begrijpen, en risicovolle acties die gevoelig, onomkeerbaar of ingrijpend zijn, zoals bestellingen annuleren of grote terugbetalingen goedkeuren (OpenAI, 2025). Ook adviseert de gids om elke tool die een agent kan gebruiken als laag, middel of hoog risico te beoordelen, op basis van lees- versus schrijftoegang, omkeerbaarheid, rechten en financiële impact.
Bezos' idee van de deuren die twee kanten op draaien maakt het plaatje compleet. Veel beslissingen zijn omkeerbaar en verdienen een licht proces, en de meeste kun je nemen met zo'n 70% van de informatie die je zou willen hebben. Bewaar zware review voor de deuren die maar één kant op gaan. Ons omkeerbaarheidsframework voor productbeslissingen laat zien hoe je ze uit elkaar houdt.
Een goedkeuringsscore met vier factoren
Geef elke door AI voorbereide uitvoer op vier factoren een score van 1 (laag) tot 3 (hoog) en tel op.
Factor
1
2
3
Risico bij fouten
Cosmetisch
Ergert gebruikers of verspilt een sprint
Geld, data, veiligheid of juridisch risico
Omkeerbaarheid
In minuten terug te draaien
In dagen terug te draaien
Niet terug te draaien
Dubbelzinnigheid
Duidelijke bron en regel
Enige interpretatie
Betwist bewijs of betwiste strategie
Impact op relaties
Alleen intern
Eén klant of team
Veel klanten of een publieke toezegging
4–6: automatiseer het en controleer wekelijks steekproefsgewijs.
7–9: AI maakt een concept, en de PM reviewt voordat er iets live gaat.
10–12: AI bereidt alleen bewijs en opties voor. Een bij naam genoemde eigenaar beslist en legt de redenering vast.
De banden zijn een startpunt, geen standaard.
Uitgewerkt voorbeeld (ter illustratie)
Stel dat een team van zes mensen AI inzet om elke maand 140 stukken feedback te triëren. Taggen en ontdubbelen scoort 5: laag risico, in minuten terug te draaien, duidelijke regels, alleen intern. Het draait automatisch en de PM neemt elke vrijdag een steekproef van 10 items.
Dezelfde AI beveelt vervolgens aan een rapportagefeature uit te faseren die 12% van de accounts gebruikt. Dat scoort 11: gebruikers verliezen data, de wijziging is moeilijk terug te draaien, het gebruiksbewijs is betwist en veel klanten worden geraakt. De AI stelt het bewijsdossier samen. De PM interviewt drie getroffen klanten, neemt de beslissing en legt vast waarom.
Checklist: voordat je een AI-aanbeveling accepteert
Kopieer dit in je beslissingssjabloon.
Ik kan de bronnen noemen waarop deze aanbeveling rust, en ik heb er minstens één geopend.
Ik weet van welke aannames ze afhangt en welk bewijs ze tegenspreekt.
Ik heb de AI gevraagd naar het sterkste argument tegen het eigen antwoord.
Klantcitaten zijn echt en gelinkt, niet herschreven tot iets nieuws.
Ik heb ze beoordeeld op risico, omkeerbaarheid, dubbelzinnigheid en impact op relaties.
Een bij naam genoemd persoon draagt het gevolg, en die persoon is niet "de AI".
De beslissing en de reden ervoor zijn opgeschreven.
Er staat een datum om te controleren of de beslissing juist was.
Als de regel over eigenaarschap leeg is, is de beslissing nog niet klaar. Met een sjabloon voor een productbesluitenlogboek zijn de laatste twee vakjes zo'n twee minuten werk.
Wat zijn de meest gemaakte fouten?
Een samenvatting als bron behandelen. Een samenvatting van 40 interviews is een bewering over die interviews. Controleer citaten steekproefsgewijs voordat ze in een roadmap belanden.
Delegeren uit vaagheid. "Prioriteer onze roadmap" is geen taak die AI goed kan uitvoeren. Het is een beslissing met ontbrekende input. Geef AI smalle taken waarvan je de uitvoer kunt controleren.
Volume de agenda laten bepalen. AI maakt ideeën, specs en prototypes goedkoop. Uit Product Institutes enquête van 2026 onder 309 productleiders bleek dat slechts 17% strategische planning en roadmapping noemde als gebied waar AI veel impact had, tegenover 50% voor engineering en development (Product Institute, 2026). De output groeide sneller dan het denkwerk erachter.
Geen eigenaar na de lancering. De beslissing om door te gaan of te stoppen wordt het vaakst overgeslagen, omdat geen enkele meeting haar afdwingt. Zet de reviewdatum in de agenda zodra je live gaat.
Te veel corrigeren. Niets willen delegeren verspilt tijd die AI je kan teruggeven. Martin Fowlers notitie over agentic engineering vindt de balans: "Humans are still responsible for what the software does and how it works" (Fowler, 2026).
Waar Specky past
Specky regelt de voorbereidende kant van deze beslissingen. Het leest klantgesprekken, feedback, Slack, Jira en analytics in een Product Graph, zodat een door AI opgestelde PRD of aanbeveling binnenkomt met inline citaten naar de gesprekken erachter. Concepten komen in de PM Inbox terecht voor menselijke review in plaats van direct naar buiten te gaan, en het Decision Log legt vast wie wat heeft besloten en waarom. De AI doet het zoekwerk en het eerste concept. Jij houdt de beslissing.
Veelgestelde vragen
Wat moeten product managers nooit aan AI overlaten?
Probleemkeuze, klantinterpretatie, roadmap-afwegingen, de beslissing om iets niet te bouwen, stakeholderconflicten, risicoacceptatie en het besluit om een gok voort te zetten of te stoppen. AI kan voor elk daarvan bewijs en opties voorbereiden, maar deze beslissingen hangen af van strategie, relaties en verantwoordelijkheid die een model niet heeft. Wijs voor elk ervan een menselijke eigenaar aan.
Kan AI een productroadmap prioriteren?
AI kan items scoren, scenario's doorrekenen en laten zien welk bewijs elke optie ondersteunt. De uiteindelijke volgorde zou het niet moeten bepalen. Prioriteren beslist wie moet wachten en welk risico het bedrijf accepteert, en iemand moet dat uitleggen aan de betrokkenen. Behandel AI-scores als één input naast klantbewijs, strategie en engineeringkosten.
Moeten PM's AI-samenvattingen van klantfeedback vertrouwen?
Vertrouw ze als startpunt, niet als bewijs. Samenvattingen kunnen verschillende klachten samenvoegen of context weglaten. Houd elke belangrijke bewering gekoppeld aan het oorspronkelijke transcript, ticket of de metric, en controleer een steekproef voordat een samenvatting een roadmapbeslissing vormt.
Wat betekent human-in-the-loop in product management?
Het betekent dat een bij naam genoemde persoon een door AI voorbereide beslissing of actie beoordeelt en accepteert voordat die een verplichting richting klanten, strategie, financiën of productie creëert. De beoordelaar moet de uitvoer kunnen begrijpen, afwijzen of terugdraaien, en het proces kunnen stoppen. Dat komt overeen met wat artikel 14 van de Europese AI-verordening eist voor hoogrisico-AI-systemen.
Hoeveel van het werk van een PM kan AI doen?
Veel van de voorbereiding en weinig van het beslissen. Anthropics engineers gebruikten AI in 2025 bij 59% van hun werk, maar de meesten zeiden slechts 0–20% ervan volledig te kunnen delegeren. Voor PM's verhuizen onderzoekssynthese, concepten schrijven en statuswerk naar AI, terwijl probleemkeuze, afwegingen en verantwoordelijkheid menselijk blijven. Ons dataoverzicht vraagt zich af of AI product managers kan vervangen.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing