De grootste denkfout bij AI-implementatie
Ik heb de luxepositie dat ik bij ongelooflijk veel bedrijven in de keuken mag kijken hoe zij AI implementeren. Ik hoor wat hun doelstelling is, wat ze al doen, wat ze van plan zijn, wat goed ging en waar ze mee worstelen. Zo krijg ik een goede, degelijke dwarsdoorsnede van wat er op dit moment speelt, en dat kan ik dan weer gebruiken in mijn keynotes en artikelen.
Het gaat in die gesprekken over de tools, de abonnementen, de ROI, de processen die sneller kunnen en de verdienmodellen die erbij komen. Logisch.
Maar het wordt me wel steeds duidelijker dat er een grote blinde vlek is: de zachte kant van AI-implementatie. Het woord “zacht” suggereert dat het minder belangrijk is, en dat is geenszins zo. De zachte kant gaat over draagvlak, werkgeluk en langetermijnsucces.
Begrijp me niet verkeerd, ik ben natuurlijk enthousiast over AI (anders zou ik het niet 12+ jaar actief volgen). Maar wie er alleen met een economische of technologische bril naar kijkt, mist wat AI doet in de onderlaag. Ik zie in mijn gesprekken zes dingen die bijna nooit op tafel komen.
1. Mensen moeten heel veel tegelijk leren
Nieuwe software onder de knie krijgen, nieuwe routines opbouwen, uitvinden welk werk je wel en niet aan zo’n systeem kunt geven. Hoe je een agent maakt. Dat moeten mensen leren.
Daar ligt nog een laag onder. Mensen moeten opeens óók heel veel níeuwe skills onder de knie krijgen. Bijvoorbeeld hun eigen werk goed kunnen omschrijven, een probleem scherp formuleren, een opdracht onder woorden brengen en kaders ontwikkelen om de uitkomst te beoordelen. Dat vraagt bijvoorbeeld om het ontwikkelen van metacognitie, nadenken over je eigen denken: heb ik zelf wel genoeg kennis in huis om te zien of dit klopt? Mensen moeten dus nieuwe praktische vaardigheden en cognitieve vaardigheden leren. Stressvol.
Uiteindelijk moeten mensen de vaardigheden van een supervisor ontwikkelen, een manager van AI-systemen. Dat leer je niet van de ene op de andere dag, en het moet ook nog eens terwijl het gewone werk doorgaat. En sommige mensen zijn er nu eenmaal niet voor in de wieg gelegd. Ook dat mag gezegd worden.
2. Er zit haast achter
Bijna iedere organisatie die ik spreek heeft FOMO, het gevoel dat ze achterloopt. Datzelfde gevoel leeft bij medewerkers, alleen zit er bij hen nog iets onder: de angst om overbodig te worden. Collega’s experimenteren ook met AI en worden misschien beter. Concurrenten nemen een sprong voorwaarts. Niemand hoeft daar een dreigement aan toe te voegen, want die druk voelen mensen zelf wel. Dat geeft stress.
3. Het plafond gaat omhoog
Vanuit diezelfde haast maakt het management regelmatig dezelfde fout: het verhoogt de KPI’s. Je hebt immers je Copilot- of ChatGPT-abonnement, er wordt productiviteitswinst gemeten, dus dat wordt de nieuwe norm. En het abonnement moet zich terugverdienen.
Een vriend van mij is recruiter. “Vroeger” moest hij na ieder gesprek zelf alles uitwerken en in het systeem zetten. Dat doet software nu voor hem, tijdens het gesprek, en netjes ook. Handig. Alleen deed hij vorig jaar rond deze tijd vier gesprekken op een dag en nu zeven. Hij vindt dat zelf vaak doodvermoeiend.
Ik snap de redenering. De administratie kost geen tijd meer, dus er is ruimte ontstaan, en die ruimte kun je vullen. Wordt gevuld. Maar zelden wordt de vraag gesteld waar de winst van al die extra productiviteit naartoe gaat en of de medewerker daar zélf nog iets van terugziet. Al is het niet in geld, dan misschien in iets meer rust, iets meer tijd om na te denken over de grote dingen, de langetermijn.
4. Saaie taken hadden een functie
En ook dat is een bron van stress: het feit dat saaie administratieve taken nu worden overgenomen door AI-systemen, zorgt ervoor dat het menselijke systeem, het brein, het zenuwstelsel, minder tijd heeft om zaken te verwerken en te herstellen. Saaie taakjes zijn soms ook nuttig: voor rust, voor nieuwe inzichten, om even te genieten van wat je daadwerkelijk hebt gepresteerd.
Hierbij staat buiten kijf dat werk dat iedereen als dom, vervelend, energie-slurpend en onnozel ervaart, geautomatiseerd moet worden. Omdat je daar je energie niet aan wilt besteden, of omdat je concurrent dat ook doet.
Maar nogmaals: niet tegen iedere prijs.
5. Identiteit
En dan nog zo’n blinde vlek: identiteit.
Stel dat je al twintig jaar jurist bent. In het verleden kwamen alle collega’s bij jou omdat jij dingen weet die zij niet weten. Je kent de jurisprudentie, de uitzonderingen, je hebt de ervaring, je hebt de kennis, je hebt het gevoel ontwikkeld voor situaties waarin iets juridisch toch anders ligt dan het op het eerste gezicht lijkt.
Maar nu heeft het bedrijf ineens een taalmodel, een tweede brein in het bedrijf, een “AI juridisch deskundige” waaraan diezelfde collega’s hun juridische vragen kunnen stellen. En verdraaid, het systeem geeft ook nog behoorlijk goede antwoorden ook. Dat betekent: minder vragen, minder mensen aan je bureau, je bent minder relevant. Dat doet iets met mensen. Naast de mogelijke stress over eventueel ontslag.
Dat doet iets met je identiteit, met je beleving van je werkende zelf, met je zelfwaarde, met je ego. Ook hier hoor ik bijna nooit iemand over. En dat is jammer, want werk is voor veel mensen ook een groot deel van wie ze zijn.
6. Uitholling van het werk
Bij de implementatie van AI wordt vrij mechanisch naar werk gekeken is dit mijn ervaring . Welke taak kan AI uitvoeren? Zodra het systeem dat goed genoeg kan, wordt de taak vervangen. Goedkoper en sneller.
Een oud-collega van mij werkt op de klantenservice van een verzekeraar. Ze legt zes keer per dag ongeveer hetzelfde uit en vindt dat oprecht leuk. Dat contact geeft haar voldoening. Technisch kun je die gesprekken steeds beter door voice-AI laten voeren. Maar voor haar haal je dan precies het onderdeel weg waardoor ze haar werk leuk vond.
Werk is echter geen polonaise van taken. Het is een activiteit waar mensen betekenis aan ontlenen: voldoening, werkgeluk, contact met collega’s, jezelf ontwikkelen, iets nieuws leren.
Ik heb echter nog nooit een bedrijf aan het begin van een AI-traject horen vragen: welke werkzaamheden willen we eigenlijk zélf blijven doen, no matter what?
De rekening komt terug
Wie deze zes dingen negeert, krijgt de rekening ergens anders gepresenteerd. Niet in het dashboard, maar daaromheen:
stress en burn-outklachten;
verzuim;
medewerkers die ongemotiveerd raken, omdat de leuke onderdelen van hun werk zijn verdwenen;
talentvolle mensen die vertrekken naar een plek waar ze wel in beeld zijn;
AI-vermoeidheid.
Onderaan de streep krijgen sommige medewerkers een nieuwe versie van hun huidige baan, waar ze niet voor hebben gekozen. De inhoud is anders en het tempo ligt hoger. Op de voorgrond staat meer productiviteit. Op de achtergrond is er interne onvrede.
De denkfout
Als ik alle gesprekken van de afgelopen tijd bij elkaar optel, is er dus één denkfout. sommige mensen worden bij de implementatie van AI behandeld alsof het robots zijn.
Want een robot kan van de een op andere dag nieuwe taken uitvoeren, ieder onderdeel van het werk laten vallen, en een robot heeft geen rust nodig, geen doel, geen purpose.
Maar je voelt het al: zo werkt dat niet.
Dus betrek de zachte kant in het implementatieplan, naast de vragen over de tools, de ROI, cybersecurity en het verdienmodel. Concreet:
Stel aan het begin van het traject de vraag welke werkzaamheden mensen zelf willen blijven doen, en neem het antwoord serieus.
Bespreek wat er gebeurt met de tijd die AI vrijmaakt, in plaats van die stilzwijgend op te vullen met nieuw werk.
Kijk met elkaar onderaan de streep hoe je de directe en indirecte winst verdeelt, zonder de concurrentie uit het oog te verliezen.
Betrek de medewerkers zelf, en niet alleen de afdeling HR.
Want mensen zijn geen robots.
Vind je dit artikel interessant? Volg Jarno dan op LinkedIn voor meer actuele updates. Abonneer je op zijn AI-nieuwsbrief of boek hem als AI-spreker voor een wervelende, compacte, inspirerende, gezond-kritische presentatie over AI.
