
Binnen de AI-transformatie: futurist legt AI-geletterdheid, workflowontwerp en de ethiek uit die leiders niet kunnen negeren

Aman Bandvi
Oprichtend partner bij The Purpose Coalition

Aman Bandvi is een futurist, AI-adviseur en medeoprichter van verschillende initiatieven, zoals The Purpose Coalition, Emerging Technology Council en de Ethical AI Alliance. In zijn werk herdefinieert hij het leiderschapslandschap door zich te richten op ethische, door AI aangedreven transformaties.
Aman Bandvi
Oprichtend partner bij The Purpose Coalition

Key Takeaways
AI-eerst moet ethiek-eerst en mens-eerst zijn.: Voor Aman gaat leiderschap dat “AI-eerst” is niet alleen over snelheid of efficiëntie—het betekent organisaties ontwerpen waarin AI een copiloot is en mensen verantwoordelijk blijven voor betekenis, context en morele verantwoordelijkheid, waarbij ethiek wordt behandeld als een belangrijk concurrentievoordeel en niet als een nevenbeleid.
Leiders verschuiven van besluitvormers naar systeemarchitecten en betekenisgevers.: De taak van de moderne leider is het ontwerpen van mens-AI-workflows—zoals “bedrijfsgrondwetten”, organisatiestructuren gebaseerd op pods, ethische controlepunten en prompts voor kritische tegenanalyses—zodat AI strategische evaluaties, prestatiebeheer en HR-processen versterkt zonder menselijk oordeel weg te nemen.
Morele verbeeldingskracht en AI-geletterdheid zijn de echte onderscheidende factoren.: Naast hulpmiddelen benadrukt Aman twee culturele vermogens: AI-geletterdheid (promptontwerp, experimenteren en gewoonten waarbij de mens in de lus blijft) en morele verbeeldingskracht (vragen “wie wordt nog meer beïnvloed?” en ethiek verankeren in rituelen, meetwaarden en dashboards), zodat organisaties niet alleen intelligentie, maar ook integriteit opschalen.
In ons interview met Aman ging hij dieper in op HR- en leiderschapsprocessen in een AI-eerstwereld — en op hoe AI moet worden geïmplementeerd met aandacht voor morele verantwoordelijkheid.
Werken aan de "grens van het mogelijke"
Mijn werk vindt plaats op wat ik "de grens van het mogelijke" noem. Mijn leiderschapsreis begon in 1998 als computeringenieur, geworteld in de code en architectuur van wat toen mogelijk was. Maar ik realiseerde me al snel dat het ware potentieel van technologie niet in de circuits zit, maar in de verbinding ervan met menselijke ambities en marktdynamiek.
Dit inzicht bracht me van techniek naar de wereld van consultancy en groeistrategisch advies, waar ik leerde technologische mogelijkheden te vertalen naar strategisch voordeel. In de kern ben ik altijd een netwerkbouwer geweest — iemand die ecosystemen samenbrengt. Dit leidde ertoe dat ik initiatieven als de India Blockchain Alliance, de India AI Alliance en de Ethical AI Alliance mede oprichtte, niet alleen als organisaties, maar als collectieve pogingen om krachtige technologieën in de richting van verantwoorde en inclusieve resultaten te sturen. Mijn werk met The Purpose Coalition versterkte mijn overtuiging verder dat bedrijfsgroei en maatschappelijke waarde twee kanten van dezelfde medaille moeten zijn.
Jarenlang heb ik wereldwijde bedrijven geadviseerd die hun weg probeerden te vinden in het complexe landschap van India, dat wordt gekenmerkt door sterke groei. Ik hielp hen hun technologische ambities af te stemmen op de lokale context en wereldwijde ethische normen.
Mijn leiderschapspad is dus een bewuste evolutie geweest: van het ontwerpen van systemen, naar het ontwerpen van strategie, en uiteindelijk naar het ontwerpen van ecosystemen. Tegenwoordig begeleid ik als adviseur voor AI-eersttransformaties leiders om in te zien dat het niet alleen gaat om als eerste op de markt te zijn; het gaat erom als eerste betekenisvol en verantwoordelijk te handelen. Een AI-eerstbedrijf moet per definitie een mensgerichte en ethisch georiënteerde organisatie zijn.
More Articles
Wat het betekent om een AI-eerstleider te zijn
De AI-eerstwereld geeft de rol van een leider fundamenteel opnieuw vorm. Het is een verschuiving van besluitvormer naar betekenisgever en systeemarchitect.
Concreet draait mijn rol niet langer alleen om adviseren welke beslissing moet worden genomen, maar om ontwerpen hoe beslissingen binnen de organisatie worden genomen. Voor de SMB's waarmee ik werk, is dit zowel een enorme uitdaging als hun grootste kans om meer slagkracht te creëren.
Concreet omvat mijn leiderschapsrol nu het volgende:
- Ontwerpen met het oog op ontwikkeling, niet alleen op uitvoering: Ik help leiders organisatiestructuren te ontwerpen die flexibel en projectmatig zijn, zich rond problemen kunnen vormen en weer kunnen verdwijnen zodra een door AI aangedreven oplossing operationeel is. De lang gekoesterde aanname van een statisch, piramidevormig organigram is een zwakte. We bewegen naar een model met een "centrale spil met vertakkingen" of een "podstructuur", waarin het de taak van leiderschap is om de context te bepalen en de hulpmiddelen te bieden (vooral de AI-hulpmiddelen), en zich vervolgens niet in de weg te lopen.
- Van aansturing naar curatie: De belangrijkste waarde van een leider ligt niet langer in het hebben van alle antwoorden, maar in het selecteren van de beste vragen en de meest betrouwbare informatie. Mijn werk bestaat uit het helpen van SMB-leiders bij het installeren van een 'tweede brein' voor hun bedrijf — een zorgvuldig samengestelde reeks AI-hulpmiddelen en dataprotocols. Hun belangrijkste taak is om de prompts voortdurend te verfijnen, de resultaten kritisch te bevragen en ervoor te zorgen dat ethische waarborgen in het proces zijn ingebouwd.
- De facto ethiekdirecteur zijn: In een AI-eerstwereld moet elke leider vertrouwd raken met ethiek. Dit is geen zachte vaardigheid; het is een essentiële concurrentievoorsprong en een strategie om risico's te beperken. Mijn specifieke rol is om dit tastbaar te maken door hen te helpen kaders voor zelfregulering en richtlijnen voor belanghebbenden op te stellen. We verplaatsen ethiek van een theoretisch beleid naar een operationele checklist die deel uitmaakt van elke productontwikkelingscyclus en elke inkoopbeslissing voor een nieuwe AI-tool.

Tip van Aman
De AI-eerstwereld geeft de rol van een leider fundamenteel opnieuw vorm. Het is een verschuiving van besluitvormer naar betekenisgever en systeemarchitect.
Waarom AI-eerstleiderschap vereist dat je oude aannames afleert
Het loslaten van diepgewortelde aannames is cruciaal geweest. Ik heb moeten afleren:
- De aanname dat ervaring de ultieme leidraad is: In een wereld die zo snel verandert, kan de eerdere ervaring van een leider een blinddoek zijn. Ik adviseer leiders nu om intellectuele bescheidenheid te beoefenen en de datagedreven, contra-intuïtieve inzichten van een AI-model net zo waardevol te vinden als het onderbuikgevoel van een ervaren bestuurder. De nieuwe leiderschapsvaardigheid is weten wanneer je het algoritme moet vertrouwen boven je eigen instinct.
- De illusie van controle: De traditionele leider probeerde informatie, processen en mensen te beheersen. Dat is nu onmogelijk en contraproductief. Mijn focus ligt op het scheppen van duidelijkheid over doel en principes—als een grondwet voor het bedrijf. Als iedere medewerker een AI-copiloot met superkrachten heeft, kun je niet elke stap controleren. Je moet erop vertrouwen dat zij binnen een duidelijk gedefinieerd ethisch en strategisch kader opereren. Dit is de essentie van de zelfregulering die wij opbouwen.
- Het primaat van de geniale individuele leider: De heroïsche CEO die alle beslissingen neemt, is een achterhaald model. Het nieuwe leiderschap is collectief en versterkt. Het draait om het bevorderen van een symbiotische relatie tussen menselijke teams en AI-systemen. Mijn rol is de leider te helpen dit nieuwe ecosysteem te ontwikkelen, waarin succes wordt gemeten aan de hand van de collectieve intelligentie en ethische integriteit van hun mens-AI-organisatie.

Tip van Aman
De traditionele leider probeerde informatie, processen en mensen te beheersen. Dat is nu onmogelijk en contraproductief.
Hoe leiders de kloof tussen de belofte van AI en resultaten in de echte wereld kunnen overbruggen
De verkochte belofte is die van volledig autonome AI die menselijke inspanning vervangt. De organisatorische realiteit is dat AI een krachtige, maar kwetsbare copiloot is die faalt zonder een diep geïntegreerde menselijke feedbacklus. Met andere woorden: bedrijven verwachten een hulpmiddel van het type 'instellen en vergeten', maar krijgen een systeem dat meer genuanceerd beheer vereist, niet minder.
Dit komt tot uiting in drie specifieke discrepanties die ik voortdurend zie:
- AI-modellen beschikken over uitgebreide algemene kennis, maar hebben geen aangeboren begrip van jouw specifieke bedrijfscontext, jouw cultuur of de onuitgesproken behoeften van jouw klant. Een LLM kan een strategie opstellen, maar weet niet dat 'Project Phoenix' twee jaar geleden rampzalig is mislukt en cultureel taboe is.
- AI kan razendsnel resultaten genereren, maar organisaties beschikken niet over het parallelle bestuur om die resultaten met dezelfde snelheid te valideren, goed te keuren en ernaar te handelen. Dit creëert een nieuw knelpunt en kan leiden tot roekeloze implementatie of besluiteloosheid door analyse.
- De drang naar efficiëntie zet bedrijven ertoe aan alles te automatiseren. Zonder ingebouwde ethische controlepunten leidt dit echter tot geautomatiseerde vooringenomenheid, merkschade en een verlies van menselijke verantwoordelijkheid.
Mijn aanpak is gericht op het ontwerpen van mens-AI-symbiose, niet op vervanging. Ik bouw systemen waarin menselijke en machinale intelligentie elkaar versterken.
- De contextlaag ontwerpen: Ik adviseer leiders dat hun belangrijkste strategische bezit niet langer alleen hun data is, maar hun van context voorziene data. We implementeren wat ik een "Bedrijfsgrondwet" noem — een levend document waarin de unieke ethiek, strategische grenzen, mislukkingen uit het verleden en merkstem van de organisatie worden vastgelegd. Dit is niet zomaar een PDF; het is een dynamische prompt die in iedere belangrijke AI-interactie wordt geïntegreerd, zodat de resultaten van AI worden verankerd in de specifieke realiteit van het bedrijf.
- Wrijving volgens ontwerp implementeren: In plaats van alle wrijving te proberen elimineren, ontwerpen we strategische wrijving. Dit betekent dat we verplichte menselijke controlepunten in AI-gestuurde werkstromen inbouwen.
- Organisatieontwerp ontwikkelen: Ik help mkb-bedrijven afstand te nemen van rigide afdelingssilo's en over te stappen op flexibele, projectgebaseerde "teams". In ieder team is de mens de piloot—verantwoordelijk voor het uiteindelijke resultaat, het bepalen van de missie en het aanleveren van de kerncontext. De AI is de copiloot — verantwoordelijk voor gegevensverwerking, het genereren van concepten en scenariomodellering. Dit model maakt de rollen en verantwoordelijkheden duidelijk: de mens leidt, de AI assisteert en het systeem is ontworpen voor samenwerking.
Ik adviseer leiders dat hun belangrijkste strategische bezit niet langer alleen hun data is, maar hun van context voorziene data.

Terug naar #2: hier zijn enkele voorbeelden van wrijving:
- De prompt voor het "rode team": Voor elke door AI gegenereerde strategie is een verplichte laatste stap om een ander AI-model de opdracht te geven: "Handel als een scepticus. Bekritiseer deze strategie en vermeld de 3 belangrijkste potentiële faalwijzen." Deze uitvoer wordt vervolgens door een menselijke manager beoordeeld voordat de definitieve goedkeuring wordt verleend.
- De "ethische tolpoort": In onze kaders voor zelfregulering stellen we duidelijke tolpoorten vast. Elke AI-uitvoer die klantgegevens raakt, een financiële aanbeveling doet of openbare communicatie omvat, moet een vastgestelde ethische checklist doorlopen onder toezicht van een mens.
Hoe AI strategie-, management- en HR-werkstromen transformeert
Mijn aanpak is gericht op processen met een grote hefboomwerking en repetitieve processen die het strategisch denken belemmeren. De herziening volgt een vast patroon: ontleden, uitbreiden, opnieuw samenstellen.
Hier volgen drie gedetailleerde herzieningen binnen strategie, management en AI in HR:
Werkstroom: Kwartaalgewijze strategische evaluatie en omgevingsscan
- Daarvoor: Een senior leidinggevende besteedde dagen aan het handmatig verzamelen van nieuws, rapporten en updates van concurrenten in een omvangrijke PowerPoint. Het proces was reactief, onvolledig en sterk gekleurd door de individuele focus van die persoon.
- Daarna: Strategische radar op basis van AI
- Hulpmiddelen: Een combinatie van LLM's met webzoekfunctie en platforms voor datavisualisatie (bijv. Power BI, Tableau).
- De gedetailleerde herziening:
- Geautomatiseerde verwerking: Ik heb een eenvoudige werkstroom gebouwd waarin een LLM de opdracht krijgt om dagelijks een scan uit te voeren: "Identificeer op basis van de 10 belangrijkste nieuwsbronnen uit de sector drie opkomende trends, twee potentiële marktverstoringen en één relevante regelgevingsupdate voor [Specifieke sector]. Vat elk item samen in 100 woorden en voeg een bronlink toe."
- Gestructureerde synthese: Deze dagelijkse uitvoer wordt opgeslagen in een gedeelde database (zoals Airtable of een eenvoudig spreadsheet).
- Dynamische dashboardweergave: Die database is gekoppeld aan een dashboardtool. In plaats van een statische kwartaal-PowerPoint beschikt het leiderschap nu over een live strategisch dashboard dat de snelheid van trends, bewegingen van concurrenten en het marktsentiment in de loop der tijd visueel volgt.
- Resultaten: Het strategisch bewustzijn verschoof van kwartaalgewijs en retrospectief naar continu en anticiperend. Leiderschapsvergaderingen beginnen nu met datagestuurde inzichten in plaats van anekdotische vermoedens.
In plaats van alle wrijving te proberen elimineren, ontwerpen we strategische wrijving. Dit betekent dat we verplichte menselijke controlepunten in AI-gestuurde werkstromen inbouwen.
Werkstroom: Management- en prestatie-dashboarding
- Daarvoor: Managers verspilden uren aan het samenvoegen van gegevens uit losstaande systemen (Verkoop, Marketing, Ondersteuning) in wekelijkse KPI-rapporten. Het verhaal achter de cijfers ging vaak verloren.
- Daarna: Prestatie-informatie gestuurd door een narratief
- Hulpmiddelen: Hulpmiddelen voor bedrijfsinformatie (BI) + kern-LLM's via een API of handmatige invoer.
- De gedetailleerde herziening:
- Gegevensaggregatie: KPI's worden nog steeds gecentraliseerd in een BI-tool (bijv. Power BI, Google Looker).
- De "narratieve prompt": In plaats van alleen een grafiek te exporteren, kopiëren we de belangrijkste wekelijkse gegevens (bijv. "Verkoop 5% hoger, tickets voor klantenondersteuning 15% hoger, aantal marketingleads 3% lager") en plakken we deze in een LLM met de prompt: "Handel als een bedrijfsanalist. Analyseer deze reeks prestatiemaatstaven voor de afgelopen week. Genereer drie plausibele hypothesen die de verbanden tussen deze gegevenspunten verklaren. Signaleer ook één potentieel strategisch risico."
- Resultaten: Managers ontvangen naast hun gegevens een beknopt, analytisch verhaal. Hierdoor verandert hun rol van gegevensrapporteur in toetser van hypothesen, waarbij ze hun energie richten op het onderzoeken van de door AI gegenereerde inzichten in plaats van op het opstellen van het rapport.
Werkstroom: HR-basis en onboarding
- Voorheen: HR- en personeelsmanagers besteedden veel tijd aan het opstellen van gestandaardiseerde documenten, zoals functieomschrijvingen, sjablonen voor beoordelingsgesprekken en inwerkplannen, vaak vanaf nul of op basis van verouderde versies.
- Daarna: De "HR-beleidscopiloot"
- Hulpmiddelen: Kernmodellen voor grote taalmodellen met een bibliotheek van interne beleidsdocumenten en culturele principes.
- De grondige herziening:
- Creatie: Om een nieuwe functieomschrijving te maken, luidt de instructie: "Gebruik de kernwaarden van ons bedrijf [lijst met waarden] en het competentiekader voor [afdeling] en genereer een functieomschrijving voor een [functietitel]. Neem 5 belangrijke verantwoordelijkheden en 3 vereiste competenties op."
- Personalisatie: Voor het inwerken luidt de instructie: "Maak een 30-60-90-dagenplan voor een nieuwe [functietitel]. De eerste 30 dagen moeten gericht zijn op culturele integratie en basiskennis, de volgende 30 dagen op zelfstandige bijdragen en de laatste 30 dagen op strategische projecten."
- Resultaten: Een vermindering van 90% van de tijd die wordt besteed aan het opstellen van essentiële HR-documenten. Nog belangrijker is dat dit zorgt voor ongelooflijke consistentie en afstemming, doordat de bedrijfscultuur en strategische intentie rechtstreeks worden ingebed in de fundamentele personeelsprocessen.
Een praktisch raamwerk voor het opbouwen van AI-geletterdheid binnen organisaties
AI-geletterdheid opbouwen gaat niet over het creëren van een team datawetenschappers; het gaat over het bevorderen van een cultuur van versterkte intelligentie. Ons doel is om vragen stellen aan AI net zo natuurlijk en fundamenteel te maken als zoeken op internet. We zijn verder gegaan dan eenmalige trainingssessies en werken nu met een continue, ingebedde omgeving voor het ontwikkelen van vaardigheden. Dit is ons raamwerk voor het opbouwen van AI-geletterdheid:
- Basis: Mystificatie wegnemen en ethische verankering (het "waarom" en het "wat")
- Stap: We beginnen niet met hulpmiddelen, maar met principes. Ik leid sessies over de 'ethiek van versterking', met aandacht voor verantwoord gebruik, het opsporen van vooroordelen en gegevensprivacy. We gebruiken praktijkscenario's die relevant zijn voor hun rollen.
- Doel: Angst wegnemen en een basis van vertrouwen en verantwoordelijkheid opbouwen. Iedereen moet begrijpen dat AI een hulpmiddel is om mensen te versterken, niet om ze te vervangen, en dat het gebruik ervan gepaard gaat met ethische waarborgen.
- Toepassing: Ontwerp van instructies en integratie in werkstromen (het "hoe")
- Stap: We organiseren praktische workshops die zijn afgestemd op specifieke rollen. Bijvoorbeeld:
- Voor strategen: "Instructies opstellen voor marktanalyse en scenarioplanning."
- Voor HR: "Instructies opstellen voor het maken van functieomschrijvingen, prestatiefeedback in neutrale bewoordingen en het genereren van inwerkplannen."
- Voor operationele teams: "Instructies opstellen voor procesdocumentatie en het vertalen van KPI's naar verhalen."
- Doel: Van theorie naar praktijk gaan. We bieden een samengestelde 'bibliotheek met instructies' met sjablonen voor veelvoorkomende taken, waardoor de drempel voor gebruik lager wordt en de kwaliteit wordt gewaarborgd.
- Stap: We organiseren praktische workshops die zijn afgestemd op specifieke rollen. Bijvoorbeeld:
- Geavanceerd: Specialisatie en innovatie (het "wat nu?")
- Stap: We identificeren en ondersteunen 'AI-kampioenen' in elk team. Dit zijn mensen die aanleg en enthousiasme tonen. Zij krijgen geavanceerde training en worden de aangewezen experts voor hun afdeling, verantwoordelijk voor het verfijnen van werkstromen en het signaleren van nieuwe kansen.
- Doel: Een zichzelf in stand houdende, interne motor voor innovatie en ondersteuning tussen collega's creëren.
Het gedrag dat een AI-klare organisatie kenmerkt
Een "AI-klaar" team of organisatie wordt niet gedefinieerd door de gebruikte hulpmiddelen, maar door het gedrag en de reflexen ervan. Het ziet er zo uit:
- Reflexmatige versterking: De standaardreactie op elke repetitieve of data-intensieve taak is: "Hoe kunnen we dit op intelligente wijze versterken met AI?" Het is een culturele reflex.
- Comfort met iteratie: Teams begrijpen dat de eerste instructie een vertrekpunt is, niet het eindproduct. Ze zijn bedreven in iteratieve verfijning en kritische evaluatie van AI-uitvoer.
- Ethische frictie wordt omarmd: Teamleden voelen zich psychologisch veilig om de uitvoer van AI ter discussie te stellen en mogelijke vooroordelen of ethische zorgen aan te kaarten. Dit wordt gezien als een kerncompetentie, niet als obstructie.
- Leiders geven het goede voorbeeld: Ik en andere leiders delen openlijk hoe we AI gebruiken in onze eigen werkstromen — van het opstellen van communicatie tot het analyseren van strategie — en laten zien dat dit vanuit de top prioriteit heeft.
De meest voorkomende uitdagingen waarmee teams te maken krijgen bij het leren werken met AI
Het traject is niet volledig probleemloos verlopen. Belangrijke uitdagingen op het gebied van AI-gereedheid zijn onder meer:
- Eerste blootstelling kan tot verlamming leiden. Mensen bevriezen, bang om de "verkeerde" prompt te schrijven. We hebben dit overwonnen door te benadrukken dat er geen perfecte prompt bestaat, alleen een startpunt voor een gesprek, en door startersjablonen aan te bieden.
- In het begin was er een neiging om door AI gegenereerde content blindelings te vertrouwen en te gebruiken zonder voldoende redactie, wat leidde tot generiek of soms onnauwkeurig werk. Dit is opgelost met de verplichting om een mens in de lus te houden en door controlepunten voor collegiale beoordeling te creëren, specifiek voor door AI gegenereerd materiaal.
- Sommige teamleden verwachtten dat AI problemen autonoom zou oplossen. We blijven de analogie van de "copiloot" benadrukken: de AI bedient de stuurknuppel en de instrumenten, maar de mens is de piloot die navigeert en de uiteindelijke beslissing neemt.
In essentie is het opbouwen van een AI-klare organisatie een project voor culturele transformatie met een technologische component, en niet andersom. Het gaat erom een nieuwe draad van versterkte intelligentie te verweven in het weefsel van de manier waarop we denken, beslissen en creëren.
Hoe kies je het juiste AI-hulpmiddel voor de juiste cognitieve taak?

Mijn stack is minder een vaste verzameling hulpmiddelen en meer een dynamisch, principieel ecosysteem dat is ontworpen voor specifieke cognitieve taken. Ik categoriseer ze op functie, niet op merk, omdat de specifieke aanbieders kunnen variëren. Mijn kernprincipe is 'de juiste intelligentie voor de juiste taak', en ik adviseer mijn klanten om op dezelfde manier te denken.
Hier is de functionele onderverdeling:
1. De laag voor orkestratie en ideevorming:
- Functie: Mijn voornaamste digitale werkruimte voor langetermijnredeneringen, complexe documentanalyse en het opstellen van genuanceerde strategieën.
- Impact: Dit is mijn strategische copiloot. De diepgaande impact ervan ligt in het verwerken van enorme contextvensters, waardoor ik een doorlopend, diepgaand gesprek kan voeren met een document of probleemstelling. Het hulpmiddel blinkt uit in het behouden van narratieve samenhang in lange uitvoer, wat onmisbaar is voor het opstellen van kaders, ethische richtlijnen en strategische langetermijnverhalen.
2. De laag voor wendbaarheid en uitvoering:
- Functie: Mijn eerste keuze voor snelle prototyping, taken met gestructureerde gegevens, codegeneratie en interactie met uiteenlopende gegevensformaten (pdf's, spreadsheets, afbeeldingen).
- Impact: Dit is mijn operationele copiloot. De impact ervan zit in snelheid en veelzijdigheid. Wanneer ik snel een model moet bouwen, gegevens moet transformeren of een gestructureerde uitvoer nodig heb (zoals JSON of een tabel), is dit mijn eerste stop. Het ecosysteem van uitbreidingen en de multimodale mogelijkheden maken het tot een krachtige hub voor het uitvoeren van gedefinieerde taken.
3. De laag voor uitdagers en tegendraads denken:
- Functie: Een speciaal hulpmiddel om ideeën aan stresstests te onderwerpen, alternatieve perspectieven te zoeken en deel te nemen aan creatieve, soms oneerbiedige brainstormsessies.
- Impact: De impact ervan ligt in het doorbreken van groepsdenken. Ik gebruik het specifiek om de uitvoer van de andere twee uit te dagen. Door het te vragen om "deze strategie aan te vallen" of "de zwakke punten in dit ethische kader te vinden", veranker ik een noodzakelijke advocaat van de duivel in mijn proces. Dit is een cruciaal onderdeel van het bouwen van robuuste, zelfregulerende systemen voor klanten.
De belangrijkste verandering was niet het vervangen van het ene hulpmiddel door het andere, maar het orkestreren ervan in een formele workflow. Ik ben overgestapt van het ad hoc gebruiken van AI-hulpmiddelen naar het ontwerpen van een 'door mensen aangestuurde, door AI versterkte' pijplijn.
Een standaardworkflow voor het maken van een adviesdocument voor een klant zou er nu bijvoorbeeld als volgt uit kunnen zien:
- Opstellen in [orkestratietool]: voor een diepgaande, contextuele eerste synthese.
- Valideren in [uitdagertool]: om kritiek te leveren en tekortkomingen te vinden.
- Opmaak en verpakking in [wendbaarheidstool]: om de uiteindelijke presentatie voor de klant en ondersteunende datavisualisaties te maken.
Hoe een adviesbureau zijn waardeketen opnieuw ontwierp met AI
Ik werk vaak met kennisintensieve mkb-bedrijven — laten we het voorbeeld nemen van een boutiqueadviesbureau dat gespecialiseerd is in strategieën voor markttoetreding. Ze waren experts in hun vakgebied, maar hun kerndienst vormde een grote bottleneck.
Het probleem: Hun belangrijkste oplevering was een uitgebreide strategische blauwdruk voor klanten. Hiervoor moest een senior strateeg dagenlang grote hoeveelheden gegevens — marktrapporten, klantinterviews en concurrentie-informatie — synthetiseren tot één samenhangend document. Het was hun werk met de hoogste waarde, maar ook het meest tijdrovende, waardoor hun capaciteit en schaalbaarheid werden beperkt.
De omslag: Het transformerende moment lag niet alleen in het implementeren van AI-hulpmiddelen, maar in het opnieuw ontwerpen van de volledige waardeketen. Het doel was niet langer om de strateeg sneller te maken in de oude functie, maar om de functie zelf opnieuw te ontwerpen.
De gedetailleerde, hulpmiddelonafhankelijke inrichting:
- De laag van de "invoer": Eerst brachten we orde in de chaos van informatie.
- Gesprekken voor klantverkenning werden getranscribeerd met behulp van een standaard-API voor spraak-naar-tekst.
- Al het marktonderzoek en alle PDF-rapporten werden samengebracht in één digitale opslagplaats.
- De laag van de "synthese": de door prompts aangestuurde productielijn. Dit vormde de kern van de transformatie. We creëerden een opeenvolgende promptketen, waarbij we een combinatie van geavanceerde LLM's gebruikten — ik begin vaak met Claude vanwege de genuanceerde verwerking van lange documenten, gebruik ChatGPT voor meer gestructureerde taken op basis van sjablonen en kan Grok inzetten om te brainstormen over tegendraadse perspectieven.
- Stap 1: Thematische extractie: De eerste prompt kreeg het ruwe transcript aangeleverd: "Handel als kwalitatief onderzoeker. Identificeer en som de 5 belangrijkste strategische prioriteiten en 3 kernuitdagingen op die de klant in dit gesprek naar voren bracht. Presenteer dit als een opsomming."
- Stap 2: Gegevenscorrelatie: De uitvoer van stap 1 werd samen met de PDF's van het marktonderzoek aan een ander model aangeboden met een nieuwe prompt: "Vergelijk de prioriteiten van de klant [uit de uitvoer van stap 1] met de bijgevoegde marktgegevens. Identificeer 3 concrete kansen en 2 potentiële risico's. Presenteer dit in een tabel."
- Stap 3: Strategische uitwerking: Alle eerdere uitvoer werd vervolgens samengevoegd: "Genereer op basis van de geïdentificeerde prioriteiten, kansen en risico's een concept voor een markttoetredingsstrategie met 3 pijlers. Stel voor elke pijler de belangrijkste doelstellingen en twee potentiële tactische initiatieven voor."
- De laag van de "mens in de lus": De AI genereerde in minder dan een uur een robuuste eerste versie die voor 80% voltooid was. Hier vond de fundamentele cognitieve verschuiving plaats. De rol van de senior strateeg veranderde radicaal: van schrijver en synthesizer naar curator, validator en creatieve versterker. Hun werkproces werd: beoordelen en valideren, inzichten toevoegen, met de bespaarde tijd werkelijk innovatieve tactieken ontwikkelen en afstemmen op de behoeften van de klant.
De resultaten en cognitieve verschuiving:
- Operationeel resultaat: De tijd die nodig was om een belangrijk eindproduct te creëren, werd met meer dan 85% teruggebracht: van meerdere dagen naar enkele uren.
- Strategisch resultaat (de werkelijke verandering): Het bureau kon meer klanten aannemen, zeker, maar belangrijker nog: de kwaliteit en diepgang van het strategische advies verbeterden. De mensen werden niet langer gehinderd door de logistiek van informatie; ze konden zich richten op oordeelsvermogen op hoog niveau, creativiteit en het opbouwen van klantrelaties.
De menselijke eigenschap die AI nooit kan vervangen: morele verbeeldingskracht

Er is één fundamentele vraag waarvan ik geloof dat we die allemaal onder ogen moeten zien: "Als we systemen bouwen die kunnen denken, wat is dan de niet-onderhandelbare menselijke eigenschap waarvan we moeten ontwerpen dat die nooit wordt geautomatiseerd?"
Deze vraag gaat verder dan kaders en governance en raakt aan de kern van onze menselijkheid in een wereld waarin AI vooropstaat.
Mijn antwoord is: "Morele verbeeldingskracht."
Morele verbeeldingskracht is het uniek menselijke vermogen om niet alleen een ethische regel te volgen, maar ook de gevolgen van een beslissing te voelen voor iedereen die erdoor wordt geraakt. Het is het vermogen om mee te leven met belanghebbenden die niet in de dataset voorkomen, om waarde te hechten aan langetermijneffecten die niet in een kwartaalrapport zullen verschijnen en om een keuze te maken die juist is, niet alleen een keuze die rationeel of efficiënt is.
Een AI kan worden getraind op elk ethisch kader dat ooit is geschreven. Het kan worden geprogrammeerd met foutloze regels. Maar het kan zich niet de stille wanhoop voorstellen van een werknemer die zonder transitieplan wordt vervangen, of het rafelen van het sociale weefsel wanneer een gemeenschap wordt geoptimaliseerd tot ze niet meer bestaat. Het kan het gewicht niet voelen van een toekomst die wij creëren voor generaties die we nooit zullen ontmoeten.
Dit is de onherleidbare kern van mijn werk op het gebied van verantwoorde AI. Het gaat niet alleen om het installeren van veiligheidsrails; het gaat erom dat een bron van empathisch, meelevend en moedig menselijk oordeel centraal staat in elk autonoom systeem dat we creëren.
Want als we alles automatiseren behalve de eindstreep, hebben we onszelf geoptimaliseerd naar een wereld zonder ziel. Onze uiteindelijke verantwoordelijkheid is ervoor te zorgen dat onze intelligentie, zelfs wanneer die kunstmatig wordt, diep en onherroepelijk menselijk blijft.
Morele verbeeldingskracht inbouwen in leiderschapssystemen en rituelen
Ik benader morele verbeeldingskracht niet als een workshop over een "zachte vaardigheid", maar als een strategische upgrade van het besturingssysteem. We installeren nieuwe mentale software via drie onderling verbonden lagen: mentaliteit, proces en systemen.
Laag 1: mentaliteit — een ethische lens ontwikkelen
Dit gaat over het herprogrammeren van de manier waarop leiders hun beslissingen waarnemen.
- De herformulering ‘wie nog meer?’: We leren leiders om deze vraag automatisch aan elke belangrijke beslissing toe te voegen. Niet alleen ‘Wat is de ROI?’, maar ook ‘Wie wordt hierdoor nog meer beïnvloed en aan wie hebben we nog niet gedacht?’ Dit dwingt tot de cognitieve sprong voorbij aandeelhouders en directe klanten, naar gemeenschappen, werknemers, het milieu en toekomstige generaties.
- Van belanghebbenden naar ‘morele patiënten’: We introduceren het filosofische concept van een ‘morele patiënt’ — een entiteit die schade kan oplopen of voordeel kan hebben, zelfs als deze geen stem heeft in de beslissing. Dit breidt de kaart uit met niet-menselijk leven, de gegevens van anonieme individuen en de integriteit van het publieke debat.
- De leider als ‘Chief Ethicist’: Ik herformuleer hun rol. Hun voornaamste taak is niet langer alleen waarde maximaliseren, maar toezien op de ethische integriteit van de impact van de organisatie. Dit is een diepgaande verschuiving in identiteit en doel.
Laag 2: Proces — ethische rituelen installeren
Hier wordt morele verbeeldingskracht een herhaalbare praktijk die in vergaderingen wordt toegepast. We installeren specifieke rituelen in het ritme van het leiderschapsteam.
- De workshop ‘voorafgaande evaluatie van gevolgen’:
- Wanneer: Tijdens de planningsfase van elk belangrijk initiatief (nieuw product, marktintroductie, grootschalige automatisering).
- Hoe: Ik begeleid een sessie met de volgende vraag: ‘Het is precies één jaar later. Ons project is in de ogen van de samenleving mislukt. Wat is de krantenkop? Schrijf die op.’
- Resultaat: Leiders delen krantenkoppen zoals: ‘Lokale krant: “Geautomatiseerde sollicitatietool blijkt afgestudeerden van staatsuniversiteiten systematisch af te wijzen.”’ Vervolgens werken we terug om de ontwerp- en gegevenskeuzes te identificeren die tot die uitkomst zouden leiden, en passen we die nu aan.
- De ‘morele belanghebbendenkaart’:
- Wanneer: Een standaardonderdeel van elke beoordeling van een businesscase.
- Hoe: Naast het financiële model maken we een visuele kaart. In het midden staat de beslissing. Vervolgens brengen we alle betrokken partijen in concentrische cirkels in kaart, waarbij we veel verder gaan dan de gebruikelijke partijen en ook ‘concurrerende ecosystemen’, ‘toekomstige werkzoekenden’ en ‘gemeentelijke diensten’ opnemen.
- Resultaat: Een tastbaar document dat onzichtbare belanghebbenden zichtbaar maakt en een discussie afdwingt over hun mogelijke schade en voordelen.
- Het mandaat voor een ‘ethisch redteam’:
- Wanneer: Voor elk door AI aangestuurd systeem of algoritme vóór de implementatie.
- Hoe: Een subteam of externe adviseur krijgt formeel één opdracht: ‘Vind de ethische tekortkomingen. Val dit voorstel niet aan op basis van de bedrijfslogica, maar op basis van het potentieel voor onzichtbare schade, vooringenomenheid of maatschappelijke uitholling.’
- Resultaat: Een formele ‘ethische risicoanalyse’ die moet worden aangepakt voordat er verder wordt gegaan, waardoor een verplicht gewetensmoment ontstaat.
Laag 3: Systemen — morele waarborgen ontwerpen
Hier gaat het erom morele verbeeldingskracht in de structuur van de organisatie zelf te verankeren.
- De ‘ethische controlepoort’ in projectlevenscycli: Net zoals een project een financiële beoordeling moet doorstaan, moet het ook vooraf vastgestelde ethische controlepoorten passeren. Dit zijn controlepunten met duidelijke criteria (bijvoorbeeld: ‘Vooringenomenheidsaudit voltooid’, ‘Beoordeling van de impact op de gemeenschap uitgevoerd’, ‘Herkomst van gegevens geverifieerd’).
- Stimuleringsstructuren en OKR’s: We definiëren succes opnieuw. De doelstellingen en belangrijkste resultaten (OKR’s) van een leider bevatten nu meetwaarden zoals:
- ‘Algoritmische vooringenomenheid in ons kernproduct met X% verminderen, gemeten aan de hand van [specifieke eerlijkheidsmaatstaf].’
- ‘Een Y-score behalen in ons jaarlijkse belanghebbendenonderzoek naar “Vertrouwen & Transparantie”.’
- Dit geeft aan dat ethische prestaties net zo waardevol zijn als financiële prestaties.
- Het dashboard voor ‘morele verbeeldingskracht’: We maken ethiek operationeel door een live dashboard te creëren dat voorlopende indicatoren van moreel risico bijhoudt — bijvoorbeeld sentimentanalyses van feedback van werknemers over nieuwe technologie, eerlijkheidsscores van algoritmen in productie en de diversiteit van datasets die voor training worden gebruikt. Hierdoor wordt het abstracte concept ‘ethiek’ een tastbare, beheersbare variabele.
Het resultaat van deze implementatie is geen team dat alle ethische antwoorden heeft, maar een team dat instinctief betere, diepgaandere vragen stelt.
Ze zien ethiek niet langer als een beperking, maar beginnen het te zien als de ultieme bron van veerkracht op de lange termijn, vertrouwen in het merk en concurrentievoordeel. Ze groeien van beheerders van een bedrijf uit tot hoeders van een nalatenschap en bouwen organisaties die niet alleen intelligent, maar ook wijs en rechtvaardig zijn.
Dit is de praktische weg om ervoor te zorgen dat ons streven naar het mogelijke nooit zijn morele kompas verliest.

Tip van Aman
We omarmen niet simpelweg een nieuwe technologie; we begeleiden de geboorte van een nieuw paradigma voor menselijk werk en menselijke intelligentie. Dit vereist een fundamentele verandering in onze denkwijze.
Belangrijk advies voor leiders die verantwoord door het AI-tijdperk navigeren

Mijn advies is gebaseerd op één enkel, onverzettelijk uitgangspunt: we omarmen niet simpelweg een nieuwe technologie; we begeleiden de geboorte van een nieuw paradigma voor menselijk werk en menselijke intelligentie. Dit vereist een fundamentele verandering in onze denkwijze.
Voor mijn vakgenoten — de adviseurs, toekomstdenkers en veranderaars:
- Maak de overstap van oplossingenbedenker naar betekenisgever: Onze waarde ligt niet langer in het hebben van een eigen methodologie of geheim draaiboek. Ze ligt in het helpen van onze klanten om de chaos te begrijpen. Stop met het verkopen van "AI-oplossingen" en begin hen te begeleiden bij het proces van 'het stellen van de juiste vragen over de toekomst'. Jouw rol is die van vertaler en gids aan de frontlinie.
- Omarm intelligente orkestratie: Je hoeft niet elke tool te beheersen, maar je moet wel meester worden in het orkestreren ervan. Ontwikkel een metavaardigheid in het ontwerpen van samenwerkingsprocessen tussen mensen en AI. Jouw nieuwe expertise ligt in het ontwerpen van de symfonie, niet alleen in het bespelen van één instrument.
- Maak je sterk voor de ethische kern: In een wereld die zich halsoverkop op efficiëntie stort, moet jij de onwrikbare stem voor verantwoordelijkheid zijn. Integreer ethiek rechtstreeks in je kaders en voorstellen — niet als een afzonderlijk hoofdstuk, maar als het fundament. Dit is niet langer een niche; het is de belangrijkste onderscheidende factor voor duurzame, betrouwbare transformatie.
In bredere zin is mijn advies aan alle leiders als volgt:
- Leid als een curator van context, niet als een procescontroleur: Jouw belangrijkste rol is nu het definiëren en voortdurend verfijnen van de "bedrijfsgrondwet" — het doel, de waarden en de strategische grenzen waarbinnen je versterkte teams en AI-agenten zullen opereren. Jij zorgt voor het "waarom"; de technologie bepaalt het "hoe".
- Investeer in wrijving, niet alleen in doorstroming: Het grootste risico is niet trage vooruitgang, maar ongecontroleerde, geautomatiseerde fouten. Bouw bewust 'ethische controlepoorten' en 'rode-team'-prompts in je werkprocessen in. Schrijf voor dat elke door AI gegenereerde strategie door een andere AI moet worden bekritiseerd. Vertraag om te valideren, zodat je met vertrouwen kunt opschalen.
- Geef intellectuele bescheidenheid het goede voorbeeld, geen alwetendheid: Het krachtigste wat een leider vandaag kan zeggen is: "Ik weet het niet, maar laten we onze AI-copiloot opdracht geven om samen met ons de mogelijkheden te verkennen." Door te laten zien hoe je AI bevraagt, verfijnt en ermee samenwerkt, creëer je een cultuur van leren en versterking, niet van angst en vervanging.
Blijf op de hoogte
Je kunt Aman volgen terwijl hij de ethiek en effectiviteit van AI-leiderschap verder onderzoekt door contact met hem te leggen op LinkedIn. Mis ook zijn werk bij de volgende organisaties niet:
Er volgen meer interviews met experts op People Managing People!



