Geen producten in de winkelwagen.
McDonald’s stopt volgende maand met de AI-robot die bestellingen opneemt. De machine begrijpt de klanten niet. Pijnlijk, want de technologie was al bij honderd drive-thru’s geïnstalleerd. Toch is het geen verrassing.
AI-projecten falen in een alarmerend tempo. Bedrijven hebben vorig jaar wereldwijd 154 miljard dollar uitgegeven aan AI-systemen. Daarvan zal 60 tot 80 procent mislukken. Er is dus iets grondig mis.
Technisch zijn er zo tig redenen te bedenken waarom AI-projecten in de soep lopen. Maar dat is niet het echte probleem, stelt de Vlaamse professor David De Cremer, founder van het Erasmus Centre of Behavioural Ethics en wereldwijd erkend expert in management en AI.
Pak de regie terug
Wat dan wel? Leiders die afhaken. Niet opzettelijk, benadrukt hij in het pas verschenen boek The AI-Savvy Leader. Leiders staan onder hoogspanning. De AI-hype is in volle gang, iedereen wil op de kar springen. Wie nu niet meedoet, mist de boot, denken ze. Maar ondertussen begrijpen ze amper wat AI is.
Ze beslissen om te investeren in een AI-project, maar ze laten de leiding over aan de techneuten. En dat terugtrekken leidt juist tot desastreuze resultaten. De Cremer kijkt dwars door de AI-hype heen. Met zijn nieuwe boek wil hij leiders de tools geven om de regie terug te pakken, zodat ze wél succesvol zijn met AI-projecten.
Hij geeft daar negen manieren voor, die weinig met AI, algoritmes, data-analyses of machine learning te maken hebben, maar juist met leiderschap. Voor MT/Sprout focussen we op vier fouten die leiders maken.
Lees ook: Meerderheid ceo’s voelt zich analoog in een digitale wereld
#1 Leiders zijn veel te optimistisch over wat AI kan
Begrijp de prof niet verkeerd: inzetten op AI is een no-brainer. Maar daarbij moeten leiders wel eerst beseffen dat AI ook letterlijk een no-brainer is. AI heeft geen menselijk brein. Het vergelijken van AI met menselijke intelligentie is appels met peren vergelijken.
‘Te veel leiders gaan er tegenwoordig impliciet van uit dat AI echt kan denken en daarom bijna elke functie van mensen kan overnemen’, schrijft De Cremer. Voor hen is AI de ultieme nieuwe werknemer: intelligent, efficiënt, goed georganiseerd, gedisciplineerd. Goedkoper en capabeler dan hun menselijke tegenhangers.
‘Menselijke intelligentie uit operaties halen, is geen goede strategie en legt een diep gebrek aan begrip bloot van wat AI wel en niet is’, aldus de auteur. ‘Veel van de transformatieve technologieën die vandaag worden gebruikt doen niet plotseling iets wat we nog nooit eerder hebben gezien.’
Leren wat AI kan en niet kan
AI is een goede rekenmachine die met meer gegevens kan werken dan mensen. AI-systemen kunnen wel leren, maar ze kunnen daar de betekenis niet van inschatten. Ze kunnen al evenmin intuïtief oordelen, morele en culturele gevoeligheden niet op waarde schatten, vooroordelen en discriminatie niet volledig elimineren.
Leiders moeten dus eerst leren wat AI kan, en vooral wat AI niet kan.
Lees ook: 13 dingen die AI niet kan
#2 Technische mogelijkheden zijn belangrijker dan het doel
Leiders hoeven niet te leren programmeren of alles tot in detail te weten over AI. Maar ze moeten techneuten ook niet aan hun lot overlaten. Ze moeten die m/v’s wel degelijk helpen met het stellen van de vragen die belangrijk zijn voor de business. En die vragen vertrekken vanuit de purpose, niet van wat er technisch mogelijk is.
Zo wordt bij een grote speler in telecom AI ingezet om te voorkomen dat klanten vertrekken. Algoritmes analyseren netjes welke klanten hun abonnement op gaan zeggen. Vervolgens worden die gebombardeerd met advertenties. Daardoor vertrekken deze klanten nog sneller.
Een zinloze verspilling van reclamebudgetten. AI had juist moeten worden ingezet om te analyseren wie overgehaald kon worden om te blijven. Dit staat volledig los van de complexiteit van AI, merkt De Cremer fijntjes op. ‘Het was een gebrek aan wijsheid om het businessprobleem te definiëren.’
Meer in gesprek gaan
En dat is nog altijd de taak van de leider. Hij of zij moet ontwikkelaars en analisten vertellen wat er nodig is voor de business. Op basis van welke vragen zij de data moeten verzamelen en analyseren. Maar dat doen ze nu amper. Leiders moeten over dat businessperspectief veel meer in gesprek gaan met ontwikkelaars, analisten en andere AI-experts.
‘Aan je IT-afdeling vragen welke hardware en software je moet kopen is één ding. Maar je analisten vragen wat de data zeggen over het doel van je bedrijf is iets heel anders’, schrijft De Cremer.
Leiders hebben wél de kennis en vaardigheden om te begrijpen hoe de business werkt, hoe de eisen van de markt het aanbod beïnvloeden, hoe veranderingen in organisaties moeten worden geleid.
#3 Leiders vergeten medewerkers bij AI te betrekken
Leiders negeren maar al te vaak inclusie als het over AI gaat. Werknemers worden niet bij de besluitvorming betrokken en al evenmin bij het ontwerp en de implementatie. Daardoor voelen ze zich uitgesloten, niet langer betrokken.
De computer zegt nee, krijgen klanten dan bijvoorbeeld te horen bij het aanvragen van een lening. En medewerkers halen hun schouders op. Als ze al met die AI-tool werken, want ze zullen eerder weigeren om ermee te werken. Ze hebben er geen vertrouwen in. Schermen hun werk af en creëren zo silo’s in de organisatie.
Of ze vinden wel manieren om er omheen te manoeuvreren, zoals de chauffeurs van Uber. Die gebruikten het algoritme bijvoorbeeld om de tarieven voor zichzelf op te voeren. Dat AI simpele klussen kan overnemen, betekent ook dat de moeilijke gevallen voor de werknemers overblijven.
AI is aanvullend
Denk aan de medewerkers van callcenters die ‘geholpen worden’ door chatbots. Ze krijgen de klanten aan de lijn die juist zwaar gefrustreerd zijn geraakt door diezelfde chatbots. Niet echt fun om daar dagelijks mee te moeten dealen.
Mensen moeten bij AI-projecten het idee krijgen dat ze zelf de controle hebben. Dat ze zich niet bedreigd hoeven te voelen. Dat hun baan niet op de helling staat. Dat ze openlijk feedback kunnen geven, dat er naar ze geluisterd wordt. Ze motiveren, laten weten dat ze mee zullen profiteren in het succes.
Dat kan een IT-afdeling allemaal niet, dat is het werk van een leider. ‘Je moet je werknemers zoveel mogelijk informeren over de werking van AI. Je moet een gemeenschappelijk begrip creëren van wat AI het beste doet en wat mensen het beste doen’, schrijft De Cremer.
‘Op die manier kun je een werksituatie creëren waarin AI en mensen elkaars sterke en zwakke punten kunnen aanvullen.’
Lees ook: 7 excuses van menesn die niet willen veranderen
#4 Soft skills zijn niet langer nodig bij de adoptie van AI
Soft skills, zoals nieuwsgierigheid, empathie, communicatie, kritisch en proactief denken, verdwijnen steeds meer naar de achtergrond als het over AI gaat. Ze zijn straks niet meer nodig wanneer AI steeds meer werknemers gaat vervangen, hoort De Cremer in de praktijk.
Leiders denken dat ze alleen met hard skills AI-projecten kunnen aanpakken. Het gaat immers over een financiële investering, over meer efficiëntie en productiviteit. Ze willen de snelle, gemakkelijke oplossing. Het is verleidelijk om alleen rekening te houden met de technische kant, om de wereld te zien zoals AI, in enen en nullen.
Problemen voorspellen
Maar mensen zijn nu eenmaal messy. Een voorbeeldje van wat er dan gebeurt: de cto van een fabriek introduceert een AI-systeem dat toezicht houdt op het verpakken van de producten en het transport naar de magazijnen. Ook de infrastructuur wordt aangepast, zodat de data op de hr-afdeling en bij de ceo terechtkomt.
Na zes maanden wordt er nog altijd niets met die data gedaan. Het bedrijf is vergeten om mensen in dienst te nemen die dat kunnen. Bovendien loopt het mis bij het kantoor van de ceo, de data worden daar niet voldoende beschermd.
Er ontstaan datalekken die de privacy van werknemers bedreigen. Daar is geen rekening mee gehouden. Ook niet bij het budgetteren overigens. Het geld om mensen op te leiden of aan te nemen, is dan al op.
Met meer vragen stellen, goed luisteren en proactief nadenken kunnen leiders dit soort potentiële problemen bij het invoeren van AI beter voorspellen. De Cremer raadt ook aan om ‘relevante businesscases te lezen’ en ‘eigen ervaringen te delen met een breed netwerk van leiders’ om zo van elkaars AI-projecten te leren. Daaruit zal ook blijken dat soft skills harder nodig zijn dan ooit.
Lees ook: Deze soft skills maken je een echt goede leider
