Het gebeurt een beetje stiekem, een beetje stilletjes, maar het gebeurt. Bedrijven die werknemers enthousiast dumpten voor AI komen daarop terug. Autofabrikant Ford heeft recent zo’n 350 senior engineers teruggehaald.
Zij moeten de kwaliteitsproblemen gaan oplossen. Dat kan AI namelijk niet, geeft Charles Poon, vicepresident hardware-engineering ruiterlijk toe. ‘Kunstmatige intelligentie is een fantastische tool, maar het is maar zo goed als de informatie die je gebruikt om het te trainen’, zegt hij onder meer tegen BBC.
Vervolgens steekt hij de hand in eigen boezem. ‘De afgelopen jaren hebben we niet genoeg aandacht besteed aan de ervaring van onze meest deskundige ingenieurs, die al vele productcycli bij ons hebben doorlopen.’
Ervaring zit niet in een AI-tool
Het is een heel ander geluid dan de borstklopperij die we eerder van Ford-executives hoorden. Omdat ze AI door het hele ‘industriële systeem’ hadden doorgevoerd. Omdat ze 900 AI-camera’s in hun fabrieken hadden geïnstalleerd om ‘kwaliteitsproblemen’ bloot te leggen. Niet dus.
‘We dachten ten onrechte dat we door simpelweg kunstmatige intelligentie te introduceren en de ontwerpvereisten in te voeren, een hoogwaardig product zouden opleveren’, komt Poon daar nu op terug. Waarbij hij benadrukt dat AI niet de ervaring en training van menselijke ingenieurs heeft.
Wat die senioren mogen gaan doen met al die ‘wijsheid van tientallen jaren ontwerpen’? De AI-systemen beter gaan trainen.
Lees ook: Banken schrappen banen, maar zeggen dat AI juist banen oplevert
Zorgen voor jong talent
Bij softwaregigant IBM zijn duizenden mensen ontslagen en vervangen door AI-tools. Nu blijkt dat er toch problemen opduiken. Bij HR bijvoorbeeld, waar de laatste twee jaar vooral is geïnvesteerd in automatisering.
Inmiddels wordt 94 procent van de routinematige hr-vragen afgehandeld door AI-chatbots. Maar de laatste 6 procent kan AI echt niet aan. Dat zijn vragen die gaan over ethische dilemma’s of die een menselijk oordeel nodig hebben, weet CNBC.
En dus zijn daar alsnog mensen voor nodig. Dat is niet het enige probleem, citeert AI Magazine IBM-chro Nickle LaMoreaux. Ze maakt zich ook zorgen over het gebrek aan jong talent. ‘Als we niet blijven investeren in het aannemen van starters, wat gebeurt er dan over drie tot vijf jaar? Er is geen pijplijn, de bron droogt gewoon op.’ En dus heeft zij recent opgedragen om het aannemen van jonge starters bij IBM in de VS te verdrievoudigen.
Spijt van foute beslissing
Daarmee voegen IBM en Ford zich in het rijtje van Klarna, Booz Allen Hamilton, Commonwealth Bank, Alphabet, OpenAI en spoorgigant CSX. De redenen waarom zij weer investeren in het terughalen van werknemers zijn ook divers: AI blijkt het werk niet zo goed te automatiseren als verwacht of de kosten zijn veel hoger dan gepland, tot het besef bij managers dat ervaren en betrouwbare mensen toch wel noodzakelijk zijn.
Dat rijtje zal vast langer worden. Orgvue, een Brits platform voor planning en organisatie, ondervraagt jaarlijks internationale zakelijke beslissers naar de impact van AI. Vorig jaar heeft 39 procent van de ondervraagde senior managers en bestuurders medewerkers ontslagen en vervangen door AI-tools. Daarvan geeft 55 procent nu toe dat het een foute beslissing was.
In het Forrester Predictions Rapport 2026 ligt dat cijfer zelfs hoger: 55 procent van de werkgevers heeft spijt van het ontslaan van hun technische medewerkers. De helft van de AI-gerelateerde ontslagen zal weer worden teruggedraaid.
Zelfde baan, andere naam
Gartner ziet hetzelfde bij de klantenservice. De helft van alle bedrijven die AI als reden voor ontslag hebben aangegeven, zal tegen 2027 weer mensen hebben aangenomen. Voor vergelijkbare werkzaamheden, al zullen die functies dan wel andere naam hebben gekregen.
Recruitmentbureau Robert Half rapporteert dat 32 procent van de Amerikaanse managers die functies heeft geschrapt voor AI weer mensen aannemen voor dezelfde of een vergelijkbare baan.
Niemand ontkent dat AI banen zal blijven vervangen. Waar gaan bedrijven dan de mist mee in? Dat gebeurt op drie vlakken. De eerste fout is dat ze bij die ontslagrondes ook medewerkers ontslaan die de AI in de gaten moeten houden, geeft Intuition Labs aan in een analyse. Om fouten op te vangen, escalaties af te handelen en hun menselijk oordeel toe te passen wanneer AI inconsistente of onjuiste resultaten levert.
Elke AI-toepassing zal fouten opleveren. De vraag is wie deze fouten opmerkt en corrigeert, want AI is daar zelf niet toe in staat. Zonder medewerkers als babysitter komen die fouten pas aan het licht wanneer klanten klagen, problemen ontstaan met de regelgeving of wanneer de kwaliteit tekortschiet. De kosten om deze fouten achteraf te verhelpen liggen uiteraard hoger.
Lees ook: Van 300 naar 120 fte met AI – en HelloPrint groeit onverminderd door
Voice-bot leidt tot meer telefoontjes
Een voorbeeld is de Commonwealth Bank of Australia (CBA). De bank kondigt in 2025 45 medewerkers van de klantenservice te ontslaan. Ze worden vervangen door een AI-voicebot met de naam Bumblebee. Daardoor verwacht de bank dat er minder mensen nodig zullen zijn.
Wat blijkt: het aantal telefoongesprekken neemt toe. En dat had de directie niet verwacht. De chatbot blijkt niet opgewassen tegen de complexiteit en nuances van klantcontact. Daardoor bellen gefrustreerde klanten vaker terug. De bank beseft dat er een fout is gemaakt en excuseert zich bij de gedupeerde medewerkers, maar de schade is al aangericht.
Bij Ford wordt de tweede misser duidelijk die veel bedrijven maken: institutionele kennis zit niet in AI-tools. Die kennis zit namelijk in de hoofden van ingenieurs die door de jaren heen elk faalmechanisme, elke uitzonderlijke case en elke eigenaardigheid van leveranciers hebben leren kennen. Die wordt niet automatisch overgedragen op een AI-systeem.
Klein percentage, maar wel cruciaal
De ingenieurs begrijpen waarom bepaalde kwaliteitsproblemen optreden. Niet omdat ze vastgelegde procedures volgen, maar omdat ze putten uit hun jarenlange ervaring. Ze leren van gesprekken, van het werk zelf en de beslissingen die ze nemen in de zakelijke context. Het is uiterst lastig om die kennis te onttrekken. Het is nog moeilijker om die vast te leggen in trainingsdata.
De derde fout die wordt gemaakt, is dat bedrijven vergeten waar het echt om gaat. Ze verwarren volumes of percentages met de dagelijkse realiteit en toegevoegde waarde. Bij IBM wordt 94 procent van de hr-vragen dan wel afgehandeld door AI. Dat is een indrukwekkend cijfer, maar het gaat juist om die 6 procent die overblijft.
Dat zijn meestal de meest cruciale en complexe vragen. Situaties die om menselijk oordeelsvermogen, expertise en empathie vragen, maar ook problemen die een risico voor de organisatie inhouden. Denk aan machtsmisbruik, seksuele intimidatie of fraude. Daar zijn menselijke medewerkers voor nodig, geen AI-bots
Dat soort fouten zijn behoorlijk kostbaar. Bedrijven betalen eerst om medewerkers te laten vertrekken. Ze betalen daarna voor de AI die hun medewerkers vervangt. Die AI maakt toch niet helemaal waar wat ervan wordt verwacht. En dus betalen bedrijven voor de derde keer om mensen weer terug te halen. Zo wordt de beslissing die in cijfers het goedkoopst lijkt uiteindelijk een van de duurste.
Lees ook: Zes redenen om even op de rem te trappen in de AI-race
