De klassieke fout is volgens beiden nog altijd dezelfde: beginnen bij de tooling, in het geval van AI het large language model (LLM). ‘De focus ligt heel erg op tools en technologie, terwijl je eigenlijk al weet dat het daar zelden misgaat’, zegt Panday, management consultant bij Digital Power. ‘Pilots gaan negen van de tien keer wel goed, omdat ze op kleine schaal plaatsvinden. Maar er wordt niet goed nagedacht over wat het betekent als je iets organisatiebreed wilt uitrollen. Dat stuk wordt enorm onderschat.’
Hassing, principal strategy consultant, herkent dat beeld. Regelmatig wordt Digital Power benaderd door organisaties die simpelweg een dataplatform willen laten bouwen. ‘Dan vragen we: heb je ook alles eromheen ingericht? Wie gaat het bemensen en wat kunnen die mensen al? Het antwoord is zelden overtuigend. Een goed waarom gaat eigenlijk niet eens over AI. Dat is gewoon een middel om ergens te komen.’
Gemaakt voor één persoon, niet voor het team
Dat de opbrengst tegenvalt, heeft volgens Hassing ook met de technologie zelf te maken. ‘LLM’s zijn zo gebouwd dat ze één persoon heel goed kunnen helpen, als een soort persoonlijke assistent. Maar ze zijn niet per se gebouwd om ook collectief goed te werken. Dat ik één keer een marktanalyse met AI heb gemaakt, maakt het nog geen schaalbare oplossing.’
Wie het echt goed wil doen, moet volgens Hassing goed kijken naar hoe teams zijn georganiseerd. ‘Voor je het weet zet je de hele organisatie op z’n kop. Daar zijn de meeste organisaties niet zomaar toe bereid, zeker niet als ze nog niet weten wat het oplevert.’
Het goede voorbeeld geven
Mensen voorbereiden op de verandering die AI met zich meebrengt, begint bij de leider zelf. ‘Er zijn genoeg leiders die zelf helemaal geen AI gebruiken, maar er wel grote woorden over hebben’, zegt Hassing. ‘Als je het zelf niet laat zien, hoef je ook niet te verwachten dat je organisatie het gaat doen. Anders sta je te ver van de inhoud om te begrijpen waar de breekpunten zitten.’
Dat verhaal moet bovendien eerlijk zijn over wat AI wel én niet verandert. De arbeidsmarkt laat al een verschuiving zien: sinds de komst van ChatGPT daalde het aantal vacatures voor routinematig werk met 13 procent, terwijl de vraag naar analytisch, technisch en creatief werk met 20 procent steeg.
Toch gaat het volgens Panday niet simpelweg om tijdwinst. ‘Het gesprek moet niet gaan over de tijd die je bespaart door AI taken over te laten nemen. De kwaliteit beoordelen en zelf bepalen of het resultaat wenselijk is, kost ook tijd. Jouw rol en jouw kennis worden op een andere manier ingezet.’
AI-angst wegnemen
Helemaal nieuw is het vraagstuk volgens Hassing ook niet. Zo’n tien jaar geleden deed hij onderzoek naar het innovatievermogen van verzekeraars. ‘Iedereen had toen een innovatielab en mensen hadden precies dezelfde soort vragen als nu’, zegt hij. ‘Het is hetzelfde vraagstuk: je moet nieuwe vaardigheden ontwikkelen. De context verschilt, maar de onderliggende patronen in organisaties zijn hetzelfde.’
Dat vraagt om mensen die blijven leren. ‘Als je een beetje uitzoomt, zie je dat de arbeidsmarkt al een tijd in beweging is. Dat is ongemakkelijk. De technologie is dit jaar anders dan vorig jaar, en volgend jaar wéér anders. Zekerheid kun je niemand bieden. Maar je kunt wel helder communiceren: wie zijn we, wat willen we bereiken en wat is ieders rol daarin? Dat geeft stabiliteit en laat zien dat je vertrouwen hebt in mensen.’
Panday ziet daarin de kans voor leiders om AI-angst weg te nemen. ‘Als je als leider een omgeving creëert waarin het veilig is om fouten te maken en te experimenteren, neemt de angst over banen af. Niet alle antwoorden liggen er, maar we kijken wel dezelfde kant op.’
Na de pilot begint het echte werk
Dan het volgende vraagstuk: mensen begeleiden in de verandering zelf. ‘Na een pilot moet je heel veel vragen beantwoorden en goed vastleggen’, zegt Panday. ‘Past de oplossing in het hele proces? Wie wordt eigenaar? Wie controleert de uitkomsten en hoe ga je dat meten? Over die stappen is vooraf vaak niet nagedacht. Dan voelt het ineens enorm groot en krijgt het onvoldoende draagvlak om door te zetten.’
Leren doe je in de praktijk
Bij die begeleiding grijpt Digital Power terug op het 70-20-10-model, de filosofie achter de manier waarop het bedrijf data-activatie aanpakt. Het model werd in de jaren ’80 bedacht door Morgan McCall, Michael M. Lombardo en Robert A. Eichinger. Daarin vindt ongeveer 70 procent van het leren plaats in de praktijk, 20 procent via begeleiding en 10 procent via formele training.
Panday paste het toe bij een klant. ‘Tien procent waren gezamenlijke sessies waarin ik kennis deelde, twintig procent was één-op-één coaching waar dat nodig was. Maar alle input kwam uiteindelijk in de praktijk terecht. Omdat mensen direct iets kunnen toepassen, ga je ook andere gesprekken voeren.’
‘De instructie is maar een heel klein deel van de planning’, vult Hassing aan. ‘Het grootste deel is de tijd waarin de organisatie er zelf mee aan de slag gaat. Verandering is dus doen, geen theoretische exercitie of tweedaagse training.’
Weerstand als signaal
Weerstand hoort daarbij, maar je kunt er ook iets mee. ‘Managers kunnen sturen op dertig procent tijdsbesparing dankzij AI, maar op de werkvloer komt dat al snel binnen als: je houdt tijd over, dus je moet harder werken’, zegt Hassing. ‘Dat ligt niet alleen aan de werkvloer, maar ook aan hoe je aanstuurt. Zoek juist naar kansen om meer van je menselijke zelf mee te nemen naar je werk. Het kan ook een open vraag aan het team zijn: we voelen allemaal dat we hier iets mee moeten, maar we weten nog niet wat. Laten we dat samen ontdekken.’
Panday ziet weerstand vooral als terugkoppeling uit de organisatie. ‘Misschien ontbreekt er kennis of schort er iets aan de communicatie. Maar het kan ook zijn dat de oplossing totaal niet in het proces past, omdat daar vooraf niet over is nagedacht. Onderzoek je dat samen, dan sluit de uitkomst beter aan bij de werkelijkheid en neemt de weerstand af.’
Begin bij het knelpunt
Wat zou een bestuurder morgen anders mogen doen? ‘Begin in ieder geval niet met de technologie, want dat stuk komt altijd wel goed’, zegt Panday. ‘Kijk waar de grootste problemen liggen en of AI dan het juiste middel is. Draai de vraag dus om.’
Hassing sluit zich daarbij aan. ‘Het gaat om een totaalbeeld’, stelt hij. ‘Wat zijn de grootste uitdagingen in je organisatie? Welke technologische kansen heb je nu? En hoe breng je die samen? Dan heb je een mooi beginpunt te pakken.’
Lees meer over dit onderwerp in het E-Book van datastrategie naar realisatie.
Dit artikel wordt u aangeboden door
Digital Power
Als data & AI-consultancybureau zijn wij jouw gids in het datadomein. We begrijpen dat iedere organisatie uniek is, met een eigen ambitie en (data)volwassenheidsniveau. Onze 100+ data- en AI-specialisten staan klaar om jou de ondersteuning te bieden die jij nodig hebt. Met onze brede kennis en ervaring (ruim 250 verschillende klanten) kunnen we je bij ieder data- en AI-vraagstuk ondersteunen. We zijn snel inzetbaar, flexibel en hebben een pragmatische aanpak die werkt.
Meer info
