Van bestuurders wordt gevraagd hun AI-werk te laten zien
Gebouwd bewijs: De geloofwaardigheid van bestuurders hangt steeds meer af van het laten zien van wat zij met AI hebben gebouwd, geïmplementeerd, verbeterd en geleerd.
Adoptie is belangrijk: AI-vaardigheid alleen kan geen transformatie realiseren; leiders moeten het vertrouwen van belanghebbenden winnen en de manier waarop organisaties werken veranderen.
Oordeelsvermogenstest: Herhaald gebruik van AI kan het oordeelsvermogen aanscherpen, maar ongecontroleerd vertrouwen in uitkomsten kan kritische besluitvorming verzwakken.
Wervingskloof: Bedrijven hebben moeite om leiders te beoordelen die praktische AI-capaciteiten combineren met ervaring in het leiden van organisatiebrede veranderingen.
Systeemupdate: Bij het aannemen van bestuurders wordt nog steeds de voorkeur gegeven aan oude signalen, waardoor de druk toeneemt om promotie-, opvolgings- en sollicitatieprocedures opnieuw in te richten.
Vraag een senior leider om je mee te nemen door een probleem dat hij of zij met AI heeft opgelost en let op de eerste 30 seconden.
JC Christian van executive searchbureau Christian & Timbers zegt dat hij die gesprekken als graadmeter gebruikt. Wat hem in eerste instantie interesseert, is niet de oplossing. Het gaat erom of de persoon het probleem duidelijk kan uitleggen.
“De meeste mensen kunnen het probleem zelf niet eens nauwkeurig beschrijven, laat staan dat ze ook maar in de buurt van een oplossing komen,” zei hij.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Wanneer een kandidaat echte diepgang kan laten zien over zowel het probleem als wat hij of zij heeft gebouwd, zegt dat hem iets. Als dat niet lukt, beschouwt hij het als een waarschuwingssignaal.
Het interessante deel is niet de interviewtechniek. Zoekprofessionals vragen kandidaten al sinds jaar en dag om specifieke voorbeelden. Het gaat om wat dat bewijs begint te vervangen.
Gedurende een groot deel van het moderne tijdperk van bestuurders kwam geloofwaardigheid aan de top in wezen voort uit opgebouwde patroonherkenning. Je had genoeg cycli meegemaakt om ongeveer te weten hoe deze zou kunnen verlopen, en je waarde lag deels in de interpretatie die niemand anders in de ruimte kon bieden. Twintig jaar operationele ervaring leverde je het voordeel van de twijfel op voor de volgende twaalf maanden.
Dat model werkte met goede reden. Oordeelsvorming onder onzekerheid is moeilijk aan te leren en over een lange periode moeilijk te veinzen.
Het was ook deels afhankelijk van schaarste.
Brandon Sammut, directeur personeelszaken en AI-transformatie bij Zapier, beschreef hoe dat er bij een eerder bedrijf uitzag. Een paar ingenieurs waren de enigen in de organisatie die een bepaald deel van de productarchitectuur begrepen.
“Daardoor waren ze feitelijk onaantastbaar,” zei hij. “Dat is voor niemand in die situatie echt gezond of goed functionerend.”
Schaarste beschermde die ingenieurs en hield hen gevangen. Niemand kon het zich veroorloven hen aan iets anders te laten werken. Sammuts bredere punt is dat AI de democratisering van kennis versnelt waarmee het internet is begonnen.
De versie voor bestuurders was nooit zo mechanisch, maar vertoonde wel overeenkomsten. Informatie, interpretatie en institutioneel geheugen waren schaars. Schaarste hielp de prijs bepalen.
AI maakt de waarde van ervaring niet ongedaan. Het verandert wat ervaring moet bewijzen.
Het bewijs moet iets zijn dat je hebt gebouwd
Christian maakt onderscheid tussen leiders die AI-ondersteund zijn en leiders die AI-eigen zijn, en hij windt er geen doekjes om hoe weinigen die stap hebben gezet.
“Ik spreek mensen die zeggen: we zijn net begonnen Copilot te gebruiken en nu zijn we AI-eigen,” zei hij. “En dan denk ik: nee, helaas niet. Je staat nog helemaal aan het begin van de adoptiecurve voor AI-ondersteuning.”
Hij wil bewijs van implementatie zien: modellen die in werkstromen zijn geplaatst, agents die op bedrijfsprocessen zijn gericht en leiders die dicht genoeg op het werk zaten om te begrijpen wat er is veranderd.
De echte leiders zullen zelf de handen uit de mouwen steken en toetsenborden gebruiken. Het is vrijwel onmogelijk om AI-eigen te zijn en tegelijkertijd een leunstoelbestuurder te zijn.
Hij beoordeelt bedrijven op dezelfde manier en merkt op dat beursgenoteerde bedrijven graag praten over de opbrengsten van AI, waarbij hij ervan uitgaat dat sommige van die claims overdreven zijn. Wat hem interesseert, is stilte.
“Als we helemaal niet opscheppen, is dat meestal een waarschuwingssignaal,” zei hij. “Als je de AI-leider voor implementatie bent bij een bedrijf en ze geen enkel rendement op AI hebben, ziet het er behoorlijk somber uit als je wilt beweren dat je rol daar een succes was.”
De verschuiving die hij beschrijft, is dat geloofwaardigheid beter aantoonbaar wordt. “Ik heb drie transformaties geleid” doet er nog steeds toe. Steeds vaker is de vervolgvraag: Wat heb je in deze transformatie daadwerkelijk veranderd?
Waar de vraag zich concentreert
Dat betekent niet dat de markt simpelweg heeft besloten dat technische vaardigheid belangrijker is dan ervaring.
Christian zegt dat klanten hem steeds opnieuw een variant van hetzelfde probleem voorleggen.
“Veel leiders zeggen: ‘Hé, ik heb een briljante twintiger die volledig tekortschiet op het gebied van aanzien en transformatie-ervaring, maar al deze geweldige dingen heeft gebouwd en het meeste van AI weet.’ En ik vraag me af: promoot ik die persoon en maak ik hem of haar mijn VP voor AI-adoptie, of zoek ik extern?”
De technische drempel ligt volgens hem vaak lager dan bestuurders denken. Veel functies op het gebied van AI-transformatie zijn geen ingenieursfuncties, en nieuwsgierige mensen die dicht bij de technologie blijven, kunnen de hulpmiddelen leren.
Dan maakt hij het verhaal ingewikkelder.
Dezelfde overwegingen die 20, 10 of 50 jaar geleden bestonden, spelen vandaag nog steeds een rol.
Ervaring met transformatie en het vermogen om te werken op het gebied van processen, technologie en mensen zijn nog steeds belangrijk, omdat bouwen slechts de helft van het probleem is.
“Adoptie is eigenlijk het grootste probleem”, zei Christian. “De technologie is een eenvoudiger probleem. Dat is beter op te lossen.”
Zonder draagvlak bij belanghebbenden, voegde hij eraan toe, “wordt adoptie een puinhoop. Je krijgt nul waarde, misschien zelfs negatieve waarde.”
De nieuwe meerwaarde ligt dus niet echt bij jeugdigheid, of zelfs bij kennis van AI. Het gaat om de combinatie van voldoende nabijheid tot de technologie om te kunnen bouwen en voldoende geloofwaardigheid binnen de organisatie om anderen ertoe te bewegen te veranderen.
Christian zegt dat daarom de vraag zich concentreert rond twee archetypen:
- De ervaren transformatieleider die praktische kennis van AI mist
- De jongere bouwer die ervaring mist met het in beweging krijgen van een organisatie.
Bedrijven die de tweede groep rechtstreeks in leidinggevende functies met verantwoordelijkheid over meerdere afdelingen plaatsen, lopen vaak tegen een vertrouwensprobleem aan. Christian ziet hen natuurlijker passen in functies als stafchef of plaatsvervangend leidinggevende, waar ze kunnen samenwerken met een meer ervaren bestuurder.
Twee woorden dragen in dat argument enorm veel gewicht, en ze verdienen nadere aandacht.
“Gevormdheid” en “bestuurlijke uitstraling” hebben een lange geschiedenis waarin ze fungeren als synoniemen voor eruitzien en klinken als de mensen die de functie al bekleden. Elke competentie die voornamelijk op gevoel wordt beoordeeld, loopt het risico de voorkeuren te reproduceren van de mensen in de ruimte waar de beoordeling plaatsvindt.
Maar de onderliggende eis van Christian is concreter: kan deze persoon een sceptische financieel directeur, operationeel directeur of hoofd van een bedrijfsonderdeel ertoe bewegen de manier waarop hun team werkt te veranderen?
Dat is geen kwestie van uitstraling. Het is invloed.
En het suggereert dat ervaring niet zozeer aan waarde heeft ingeboet, maar gedwongen wordt te concurreren met een nieuwe vorm van bewijs.
Oordeelsvermogen kan sneller toenemen of afnemen
Tony Castellanos, uitvoerend vice-president personeelszaken bij Nextdoor, biedt de meest bruikbare uiteenzetting van hoe een onderdeel van die nieuwe kwalificatie wordt opgebouwd.
Niet via nog een managementopleiding.
Het is herhaling. Het zijn de momenten waarop je aan de slag gaat. Er is niet echt een cursus of training die je hiervoor kunt volgen. Het is de opeenstapeling van overwinningen en de harde klappen wanneer je iets verkeerd doet.
AI kan het aantal van die momenten waarop je aan de slag gaat drastisch vergroten. Een probleem dat iemand in de loop van meerdere jaren misschien een dozijn keer was tegengekomen, kan nu op tientallen manieren in één middag aan een stresstest worden onderworpen. Dat zou mogelijkheden moeten creëren om sneller oordeelsvermogen te ontwikkelen.
Maar er is een duidelijke complicatie. Meer output betekent ook meer mogelijkheden om niet goed te kijken.
“Ik heb geprobeerd de meeste documenten te lezen die op mijn pad zijn gekomen, maar eerlijk gezegd blijven ze zo snel binnenstromen”, zei Castellanos.
Dan is er nog vertrouwen.
Werk zes maanden nauw samen met een model, controleer elke output en pas echt oordeelsvermogen toe, en uiteindelijk begint zich een voorspelbaar menselijk gedrag te vertonen: het controleren neemt af.
“Je hebt een nieuwe medewerker, je vertrouwt niet automatisch alles wat die doet, maar na verloop van tijd leveren ze goed werk, doen ze de dingen juist en vertrouw je hen steeds meer, net zoals je steeds meer op een LLM gaat vertrouwen”, zei Castellanos.
“Terwijl ze je dingen sturen om na te lezen, te controleren of te verifiëren, doe je daar na verloop van tijd waarschijnlijk steeds minder van.”
Dat creëert een merkwaardige mogelijkheid. AI kan de herhalingen waardoor oordeelsvermogen wordt gevormd vergroten, terwijl het tegelijkertijd omstandigheden creëert waarin dat oordeelsvermogen minder vaak wordt toegepast.
Castellanos' antwoord is niet om voortdurend menselijke controle van alles te eisen. Hij stelt zich voor een “derde scepticus” te introduceren — mogelijk een ander AI-systeem — wiens taak het is om de werkrelatie tussen de mens en het model dat die persoon is gaan vertrouwen ter discussie te stellen.
Twee systemen zijn het oneens. De mens moet beslissen waarom.
“Wat is de juiste keuze? Wat is het juiste voor mij? Wat is het juiste voor mijn organisatie?”
Het punt is niet dat de scepticus het beter weet. Het is dat onenigheid het oordeelsvermogen terug in de lus dwingt.
Dat is belangrijk omdat kennis van AI zelf uiteindelijk minder onderscheidend zal worden. Christian voorspelt dat wat vandaag ongebruikelijk lijkt bij kandidaten voor leidinggevende functies, de basiseis van morgen zal worden.
Het bewijs van vandaag dat iemand uitzonderlijk AI-vaardig is, wordt de financiële geletterdheid van morgen.
De duurzame kwalificatie bestaat niet simpelweg uit het gebruiken van de technologie. Het gaat erom te kunnen beslissen wanneer die geschikt is, wanneer niet, wat ertoe doet en wat je vervolgens moet doen.
Het selectiemechanisme loopt achter
Dit vormt een probleem voor het aannemen en ontwikkelen van leidinggevenden.
Het mechanisme dat senior leidinggevenden voortbrengt — opvolgingsplannen, promotiecriteria, leiderschapsprogramma's, P&L-verantwoordelijkheden en lange leertrajecten binnen een functie — was grotendeels opgebouwd rond opgebouwde ervaring.
Veel van het mechanisme dat wordt gebruikt om hen te selecteren, is dat nog steeds.
Christian zei dat veel sollicitatieprocedures voor leidinggevenden niet ingrijpend zijn veranderd. Bedrijven leunen nog steeds zwaar op vertrouwde gedragsgerichte sollicitatievragen, formules om voorbeelden naar boven te halen en uiteindelijk een verzameling onderbuikgevoelens van interviewers.
Hij krijgt de vraag welke nieuwe vragen bedrijven zouden moeten stellen, omdat de kwaliteiten waarnaar ze nu op zoek zijn moeilijk te herkennen kunnen zijn.
Als de geloofwaardigheid van leidinggevenden opnieuw wordt gewaardeerd op basis van een combinatie van aantoonbaar handelingsvermogen, beoordelingsvermogen en het vermogen om mensen door verandering heen te bewegen, dan zal het simpelweg toevoegen van “AI-vaardigheid” aan een oud competentiemodel weinig opleveren.
De lijst van Sammut met wat waardevoller wordt, is juist onthullend omdat zo weinig ervan nieuw is: beoordelingsvermogen, gevoel voor kwaliteit, betrouwbaarheid, voorspelbaarheid, verantwoordelijkheid en het vermogen om invloed uit te oefenen zonder formele autoriteit. AI maakt die capaciteiten belangrijker, niet minder belangrijk.
En Castellanos komt vanuit een andere invalshoek op een vergelijkbare plek uit. Hij verwacht dat expertise belangrijk blijft, terwijl meer mensen zich over bredere probleemgebieden bewegen en AI gebruiken om toegang te krijgen tot kennis die ooit binnen een functie opgesloten bleef.
Daar draait de herwaardering om. Ervaring heeft nog steeds waarde. Technische vaardigheid ook, maar geen van beide kan nog langer als bewijs dienen.
Hoe toegankelijker kennis wordt, hoe moeilijker het wordt om senioriteit simpelweg op het bezit ervan te baseren. Wat in plaats daarvan meer waarde krijgt, is het vermogen om er iets mee te doen. Kun je het probleem herkennen, er iets voor bouwen, weten of het resultaat deugt en andere mensen ervan overtuigen om in beweging te komen?
Decennialang was de pijplijn voor leidinggevenden afgestemd op het vinden van mensen die genoeg hadden meegemaakt om het voordeel van de twijfel te verdienen.
Steeds vaker ligt de twijfel bij het sollicitatiegesprek.
