AI-sentiment in retrospectives: wat dit voor uw team zou kunnen betekenen

Elk team dat retrospectives houdt, houdt stilletjes bij hoe het team zich voelt. Elke maand wordt in enkele tientallen aantekeningen vastgelegd wat goed ging, wat niet goed ging en wat er moet veranderen. Over een jaar genomen levert dat honderden oprechte observaties op over hoe het team werkt en hoe het zich heeft ontwikkeld.

Maar in werkelijkheid leest niet iedereen ze nog eens door. De retro is afgelopen, de acties worden vastgelegd en het bord wordt gearchiveerd. De patronen zitten er allemaal in, verspreid over een tiental borden. Ze staan alleen niet op één plek waar u ze in één oogopslag kunt zien.

In dat opzicht kan het inzetten van AI om het sentiment binnen het team tijdens retrospectieven te onderzoeken, van nut zijn. In TeamRetro analyseert AI op veilige wijze wat het team in de loop van de tijd tijdens elke retrospective schrijft, en biedt het u en het team de mogelijkheid om dit verder te onderzoeken met:

• woordwolken met gedetailleerde overzichten
• trAI, de ingebouwde chatassistent
• trendlijnen in uw Team Insights.

Hieronder laten wij zien hoe AI-sentimentanalyse er in TeamRetro uitziet, aan de hand van een van onze eigen teams als voorbeeld.

Wat AI bij een retrospectieve analyse waarneemt, en wat niet

De AI van TeamRetro werkt op basis van wat uw team tijdens een retrospective opschrijft. In Insights voorziet het de discussie van een thema, een sentiment en trefwoorden. De thema’s zijn de onderwerpen die tijdens een retrospective steeds weer terugkomen: teamdynamiek, planning, mensen, leiderschap, proces en techniek. Uw gegevens zijn veilig, worden niet gebruikt om modellen te trainen en zijn niet toegankelijk voor personen die niet over de juiste toegangsrechten tot uw team beschikken.

Het eindresultaat is het onderwerp of het thema, niet de persoon. Niemand krijgt een stemmingsscore. Dat is geen oordeel dat de AI zou moeten vellen. De AI leest geen gezichtsuitdrukkingen, intonatie, agenda’s of gesprekken buiten de vergadering om. Zij leest uitsluitend wat mensen hebben opgeschreven tijdens de evaluatie, dus de betrouwbaarheid van het signaal hangt volledig af van de kwaliteit van de evaluatie waaruit het voortkomt.

De analyse wordt uitgevoerd op AWS Bedrock met behulp van Claude Sonnet 5.x van Anthropic. Deze functie is standaard ingeschakeld en kan op elk moment worden uitgeschakeld. Uw gegevens worden kort verwerkt en worden nooit opgeslagen of gebruikt om de AI te trainen. TeamRetro bouwt of traint geen eigen modellen. Wanneer de AI iets voorstelt – bijvoorbeeld een samenvatting, een groepering of een actie – waar het team vervolgens op reageert, wordt dit door een medewerker beoordeeld, die beslist wat er behouden blijft. Alle details, inclusief de veiligheidsmaatregelen die het gebruik van de AI bewaken en beperken, vindt u op de pagina ‘Verantwoorde AI’.

Er vindt geen individuele analyse plaats. Dat zou de psychologische veiligheid simpelweg ondermijnen. Wat wij willen weten, is welke kwesties teams momenteel ter discussie stellen op basis van de vragen voor de retrospective.

Kortom, AI kan ons aangeven welke onderwerpen ter sprake komen en of deze, op basis van de context, de kopteksten en het thema van de retrospective, eerder in een positieve of negatieve licht worden gesteld.

Hoe wij het sentiment in onze eigen retrospectives hebben geanalyseerd

Ons marketingteam vormde een goede testgroep. Het bestaat uit vier tot zeven personen, is stabiel en werkt al enkele jaren samen. De laatste tijd heeft het team echter meer taken op zich genomen: nieuwe projecten, meer verantwoordelijkheid en een gestage stroom van functie-updates die ondersteund moeten worden. Dat soort druk komt vaak eerst in een retro naar voren, voordat het elders merkbaar wordt.

We hebben dus één rode draad gevolgd, beginnend bij een retro en deze vanuit vijf invalshoeken bekeken, waarbij elke invalshoek een andere manier was om naar dezelfde retro-gegevens te kijken: trAI tijdens de vergadering, de woordwolk en de grafiek met sentimenttrends in Insights, de eigen geschiedenis van het team via Claude via MCP, en ten slotte wat het team hieraan had ondernomen.

De gegevens omvatten 11 maandelijkse retrospectieven en 436 retrospectieve punten, en wij hebben elke bevinding getoetst aan wat het team daadwerkelijk heeft opgeschreven. Namen en individuele opmerkingen blijven vertrouwelijk, dus wat hierna volgt is geaggregeerd. Het betreft een klein team, dus beschouw dit als een praktijkvoorbeeld en niet als een maatstaf.

Weergave 1: tijdens de vergadering, met trAI

Elke maand passen wij onze retro-rubriek aan om een ander thema te verkennen. In juli hebben wij het bijvoorbeeld ingekaderd rond successen, uitdagingen, lessen en volgende stappen:

had

Tijdens onze meest recente terugblik hebben wij, in plaats van op ons geheugen te vertrouwen, trAI gevraagd om terug te kijken op de twee voorgaande terugblikken:

Het heeft beide documenten doorgenomen, de belangrijkste punten uit elk document gehaald en deze gerangschikt op basis van de stemmen van het team. Twee punten kwamen zowel in juli als in augustus naar voren: hiaten in de manier waarop wij zaken opvolgen, en de vraag wie verantwoordelijk is voor de workflows van onze AI-agent. Toen wij deze punten naast elkaar zagen staan, hebben wij ze beide direct op de agenda van die terugblik gezet.

Toch vormen twee terugblikken nog geen patroon. Was dit een eenmalig verschijnsel, of iets groters?

Weergave 2: de woordwolk in Team Insights

Aan het einde van de vergadering namen we dus even afstand en openden we de woordwolk in Team Insights voor het afgelopen kwartaal.

De woordwolk toont de termen per thema, waarbij de grootte van elk woord is afgestemd op de frequentie waarmee het voorkwam en de kleur is afgestemd op het sentiment. Onze woordwolk voor ‘Ceremonies & Meetings’ bestond grotendeels uit grote, groene woorden, waarbij ‘Meeting Cadence’, ‘Marketing Meetings’, ‘Standups’ en ‘retrospectives’ allemaal prominent aanwezig waren – een teken dat het team veel waarde hecht aan zijn rituelen.

Twee kleinere termen waren echter rood gemarkeerd: Planning van vergaderingen en Duidelijkheid in de communicatie.

Bij nader onderzoek bleken er agendaconflicten te zijn, evenals enige onduidelijkheid over de manier waarop het kanbanbord van het team moet worden beheerd, van het indelen van de kaarten tot het controleren of deze volledig zijn.

De rituelen van het team waren dus goed, maar de planning en de communicatie daaromheen moesten worden verbeterd. Om te zien of dit deel uitmaakte van een bredere verschuiving, moesten wij de situatie op langere termijn bekijken.

Weergave 3: de grafiek met de trends in het teamgemoed

Dat betekende dat we het beeld moesten uitbreiden naar het hele jaar. De trendgrafiek in Insights geeft het sentiment in de loop van de tijd weer, samen met een door AI opgestelde samenvatting van de belangrijkste thema’s.

Wij hebben gebruikgemaakt van het overzicht met uitsplitsing, waarin elk sentiment wordt weergegeven als percentage van alle reacties: groen = positief, grijs = neutraal, rood = negatief. Wanneer u de muisaanwijzer op een punt plaatst, wordt de verdeling voor de laatst bekende retrospective weergegeven, en augustus trok onze aandacht:

wanneer u de muisaanwijzer eroverheen beweegt]

In augustus waren onze beoordelingen merkbaar negatiever geworden. Het percentage negatieve reacties was gestegen van minder dan 7 % aan het begin van het jaar tot 31 %.

Dat klinkt alarmerend, maar een roder diagram is niet per se slecht nieuws; soms betekent het dat een team eindelijk aangeeft wat er moet veranderen. Wat het diagram ons niet kon vertellen, was waarom.

De AI-samenvatting: waar wij als eerste hebben gekeken

Direct onder de grafiek vat een door AI opgestelde samenvatting alles wat het team gedurende deze periode heeft geschreven samen in één alinea. In onze samenvatting werd een optimistische kijk op het totaalbeeld geschetst, waarbij werd gesteld dat AI-tools “een sterk positief momentum genereren.” Daarnaast werden drie punten genoemd die het team herhaaldelijk naar voren bracht:

• “Een overdaad aan vergaderingen en overlappingen in de planning zorgen voor wrijving”
• “Vervolgprocessen en onduidelijke communicatie worden aangemerkt als knelpunten”
• “Duidelijkheid over verantwoordelijkheden en rollen leidt tot spanningen, met name wat betreft verantwoordingsplicht en beslissingen inzake het toezicht op AI”

Daar waren ze weer: de hiaten in de opvolging en de tekortkomingen in de AI die trAI had gesignaleerd, plus de wrijvingen tijdens de vergaderingen die uit de woordwolk naar voren kwamen. Niemand hoefde een jaar aan notitiebriefjes opnieuw door te nemen om ze te vinden. Gebruik de samenvatting om te weten waar u moet zoeken; gebruik de thema’s om dit te controleren.

De themaverdeling: het overzicht bekijken

Om dit te controleren, hebben we de rijen onder het overzicht bekeken. Elk terugkerend thema wordt weergegeven als een band: hoe dikker de band, hoe meer het team over dat thema heeft geschreven, en de kleur geeft de stemming weer. Let eerst op de dikte en pas daarna op de kleur. Een dikke rode strook duidt op iets wat door het hele team naar voren wordt gebracht, vaak onder een onderwerp als „Wat werkt niet?” of „Wat is er misgegaan?”.

Rond augustus waren er drie thema’s die het grootste deel van de dalingen voor hun rekening namen:

• Vergaderfrequentie en optimalisatie nam in juni en juli sterk toe, waarbij er een rode draad doorheen liep.
• Duidelijkheid in de communicatie en communicatiekanalen bleven tot halverwege het jaar een belangrijk thema.
• Dev & Automation Tools was vetgedrukt en rood onderstreept, terwijl het team uitwerkte wie verantwoordelijk is voor de geautomatiseerde workflows die het had opgezet.

Achter de stijging in de Meeting Cadence-grafiek schuilt wat het team daadwerkelijk heeft opgeschreven, zoals dit voorbeeld uit één enkele retro:

• “Er zijn te veel vergaderingen op één dag – deze moeten worden samengevoegd”
• “Ops-vergaderingen zijn belangrijk om de stand van zaken te bespreken – maar hoeven niet het volledige geplande uur in beslag te nemen als dat niet nodig is”
• “Kunnen we tussen de vergaderingen door pauzes van 5 tot 10 minuten inlassen?”
• “Individuele kanbanvergaderingen – maak er in plaats daarvan een onderdeel van de wekelijkse marketingvergadering van”

Beeld 4: de achteruitkijkspiegel, met Claude boven MCP

We wisten inmiddels wel wat het team aan het opbouwen was, maar niet hoe lang het daar al mee bezig was; daarom hebben we de geschiedenis van het team zelf nog eens onder de loep genomen.

Wij hebben Claude via MCP gekoppeld aan TeamRetro, waardoor het systeem de retrospectieven zelf kan lezen (de kaarten, stemmen en acties), en hebben het gevraagd om elk punt van zorg terug te volgen tot in het verleden.

Elk belangrijk thema was klein begonnen. Het thema ‘vergaderbelasting’ verscheen voor het eerst in februari als een enkele kaart met het verzoek om minder vergaderingen, en in juni was het de groep met de meeste stemmen. Ook ‘opvolging en delegeren’ begon op dezelfde manier, met één kaart over herhaalde herinneringen. Die eerste kaarten waren dunne streepjes in het themaoverzicht, waar men gemakkelijk langs kon scrollen, en ze werden pas duidelijke prioriteiten toen het team erop begon te stemmen en ze markeerde als iets dat moest worden aangepakt.

Weergave 5: de acties van het team (misschien wel de belangrijkste weergave)

Het herkennen van het patroon was slechts de helft van het werk. De andere helft bestond uit het controleren of wij hier iets aan hadden gedaan. Wij vroegen Claude welke acties uit elk thema voortkwamen en of deze waren uitgevoerd. De meeste waren dat wel:

• Vergaderingen. Het team heeft twee terugkerende vergaderingen geschrapt en de agendapunten daarvan ondergebracht in de wekelijkse marketingvergadering; bovendien is de ticketbeoordeling verplaatst naar de middag om de ochtenden vrij te houden. In een latere retro werd opgemerkt: „De stand-ups zijn verbeterd en het snel delen van de dagelijkse focus heeft ertoe bijgedragen dat we op schema blijven.” Het vrijhouden van focustijd is de volgende stap, waarbij een gezamenlijk boekingssysteem voor focusperiodes nu een openstaande actie is.
• Opvolging. Het team heeft de retrospective zelf aangepast door een openingskolom toe te voegen met de vraag “Waarover heeft u nagedacht, wat heeft u veranderd en wat heeft u verbeterd sinds de vorige retrospective?”, zodat de opvolging ter plekke wordt gecontroleerd.
• AI-werkprocessen. Het team organiseerde sessies voor het delen van prompts, betrok meer mensen bij dezelfde AI-tools en zette een maandelijkse bijeenkomst op om te bespreken hoe de werkprocessen van iedereen verlopen.

Sommige daarvan zijn al snel gerealiseerd; andere zijn nog in uitvoering. Dat bracht ons terug bij het begin: de retro. De openstaande punten, zoals het vrijhouden van tijd om zich te concentreren, worden meegenomen naar de volgende retro, en uit de grafiek zal blijken of de rode lijn doorgroeit naar het volgende punt dat verbetering behoeft.

De lessen die wij gaandeweg hebben geleerd

Een neutrale grafiek kan misleidend zijn

Rond april kleurde onze grafiek bijna volledig grijs, waarbij 84% van de reacties neutraal was. Het leek erop dat het team in een impasse was geraakt.

te zien is]

Dat was niet het geval. De terugblik van die maand werd als agenda afgehandeld, met onderwerpen als „Te bespreken”, „In behandeling” en „Besproken”, en korte punten zoals „R&D-voorstel”. Statusupdates geven geen uitsluitsel over iemands gevoelens, dus de grafiek bood weinig informatie.

Alleen een positieve instelling kan het verschil maken tussen een succesvol en een disfunctionerend team

Als de sfeer binnen uw team altijd uitsluitend positief is, kan dit betekenen dat mensen zich niet veilig genoeg voelen om te zeggen wat ze werkelijk denken. Of het kan zijn dat het team het zo goed doet dat het nauwelijks met uitdagingen te maken heeft, en dat het tijd is om de frequentie of het doel van de vergadering te herzien, of een andere opzet te proberen. Hoe dan ook, het is aan de Scrum Master om te beslissen wat de volgende stap zal zijn.

Een negatieve stemming bij een retrospectieve terugblik is niet altijd een slecht teken

De emotie van één enkele retro is meestal slechts ruis. Eén krachtige sprint, één uitbraak, één vertrek zal een hele middag bepalen. Het patroon is waar het om draait, en dat van ons toonde een team dat werd gevraagd wat er moest veranderen, daar concreet antwoord op gaf en ernaar handelde.

Geen van de hulpmiddelen heeft dat voor ons bepaald. Het team heeft ter plekke, samen met de mensen die de tekst hebben geschreven, bepaald wat het betekende en wat ermee moest gebeuren. Wat de AI deed, was suggesties en aanwijzingen geven en trends signaleren.

Hoe u AI-sentimentanalyse kunt inzetten bij uw retrospectieven

1. Beschouw dit als een aanleiding, niet als een oordeel. Start de volgende retro met het thema waarover de aandacht is verschoven: „Er zijn nu al drie retro’s geweest. Wat zou kunnen helpen?”
2. Kijk eerst naar de bewegende lijnen. Een thema dat een negatieve wending neemt en steeds vaker aan de orde komt, is het thema dat de volgende retro zal domineren, of u daar nu rekening mee houdt of niet.
3. Beperk het tot het teamniveau. De meningen hebben betrekking op onderwerpen en thema’s. Probeer niet achteraf uit te zoeken wie wat heeft geschreven; de anonimiteitsinstellingen van de retrospective zijn bedoeld om mensen in staat te stellen eerlijk te zijn.
4. Koppel dit aan uw gezondheidscontroles. Bij een gezondheidscontrole wordt het team gevraagd hoe het zich voelt, op een schaal, met betrekking tot aspecten die u vooraf hebt gekozen. Sentimentanalyse analyseert de punten die het team naar voren heeft gebracht. Wanneer beide resultaten overeenkomen, is er sprake van een patroon. Wanneer ze niet overeenkomen, hebt u het gespreksonderwerp voor uw volgende retro gevonden.
5. Ruil de terugblikken niet in voor het verslag. Schrap de terugblikken, of publiceer ze zodanig dat niemand zijn mening kan geven, en het verslag valt precies stil op het moment dat het team het meest te vertellen heeft.

Vragen die het stellen waard zijn. Dit zijn de vragen die wij hebben gebruikt, of waarvoor de tools zijn ontworpen:

• “Welke vragen kwamen er tijdens onze laatste twee retrospectives aan de orde, en welke punten van zorg kwamen naar voren?” (trAI)
• “Welke punten van zorg kwamen eerst als kleine signalen naar voren, voordat ze uitgroeiden tot belangrijke thema’s?” (Claude of een andere medewerker via MCP)
• “Welke maatregelen zijn er voortgekomen uit de feedback over onze vergadering, en zijn deze inmiddels uitgevoerd?” (via MCP)
• “Geef een samenvatting van onze laatste retrospectieve.” (trAI of via MCP)

Aan de slag met sentimentanalyse in TeamRetro

Open Insights voor elk team dat al enkele retrospectieven in TeamRetro heeft gehouden en bekijk eerst de grafiek met de thema- en sentimenttrends. Het artikel in het helpcentrum over themasentiment geeft een overzicht van de vijf opties voor het label van een thema en hoe de AI opmerkingen kan analyseren. Als uw team nog geen gebruikmaakt van TeamRetro, probeer dan gratis een proefperiode te starten, voer drie retrospectieven uit en bekijk wat de trendlijn aangeeft over de vierde.

Veelgestelde vragen

Wat wordt er bij een retrospectieve sentimentanalyse met behulp van AI eigenlijk geanalyseerd?

AI-sentimentanalyse in een retrospectieve analyseert wat uw team tijdens de vergadering schrijft. In TeamRetro Insights voorziet de AI de discussie van een thema, een sentiment en trefwoorden, en de trendgrafiek toont het positieve, neutrale en negatieve sentiment voor elk terugkerend thema in de loop van de tijd, aangevuld met woordwolken, concrete voorbeelden en een door de AI opgestelde samenvatting.

Kan het vaststellen wie een negatieve opmerking heeft geplaatst?

Het sentiment wordt toegewezen aan onderwerpen en thema’s, niet aan personen; er is dus geen stemmingsscore per persoon. Of er namen in de opmerkingen voorkomen, hangt af van de anonimiteitsinstelling die u voor de retrospective hebt gekozen; u behoudt hierover de volledige controle.

Welke TeamRetro-abonnementen omvatten AI-sentimentanalyse?

Inzichten in sentiment en onderwerpen op teamniveau zijn inbegrepen in elk abonnement, van één enkel team tot een grote organisatie. Teamoverschrijdende inzichten en rapporten, waarmee het sentiment van meerdere teams binnen één account wordt vergeleken, maken deel uit van het Enterprise-abonnement.

Worden onze retrospectieve gegevens gebruikt om AI te trainen?

Nee. De analyse wordt uitgevoerd via AWS Bedrock, is standaard ingeschakeld en kan op elk moment worden uitgeschakeld. De gegevens worden kort verwerkt en worden nooit opgeslagen of gebruikt om de AI te trainen, en TeamRetro bouwt of traint geen eigen modellen.