Vicepresident People & Organisatie bij AI-eenhoorn zegt dat HR-leiders de architecten moeten worden van een arbeidsbestand van mens en machine

Brad Wilkins

Vicepresident People & Organisatie bij Cognite

Brad Wilkins

Brad Wilkins legt uit hoe HR-leiders werk rond AI kunnen herontwerpen en tegelijkertijd menselijk oordeel, empathie en verantwoordelijkheid centraal kunnen houden.

Key Takeaways

Eerst herontwerpen: Toonaangevende bedrijven herontwerpen werkprocessen en organisaties rond AI in plaats van tools toe te voegen aan verouderde HR-processen.

Snellere diagnose: Verbonden personeelsgegevens kunnen zwakke signalen binnen enkele uren omzetten in structurele verbeteringen, waardoor werving, onboarding en behoud van medewerkers verbeteren.

Menselijk oordeel: AI verzorgt synthese en routinematige beslissingen, terwijl mensen verantwoordelijk blijven voor empathie, context, promoties en ontslagen.

Vaardigheden voor werkprocessen: AI-transformatie slaagt dankzij verbonden vaardigheden en projecten, niet dankzij promptbibliotheken die slechts bescheiden productiviteitswinst opleveren.

Adoptierisico's: Succesvolle adoptie vereist leeromgevingen, voorvechters binnen bedrijfsonderdelen, dubbele meetwaarden en duidelijk eigenaarschap over AI-ondersteund werk.

Brad Wilkins is de VP Personeel & Organisatie bij Cognite, een industriële AI-eenhoorn. Met twee decennia aan leidinggevende ervaring op het gebied van personeelsbeleid bij SaaS- en AI-scale-ups biedt hij een helder beeld van de manier waarop AI HR opnieuw vormgeeft.

In ons interview vertelde hij ons dat de beste bedrijven niet alleen AI adopteren, maar hun volledige bedrijfsvoering rond AI opnieuw ontwerpen. Zo werkt dat.

Vooroplopen

Vooroplopen

Ik ben Brad Wilkins, VP Personeel & Organisatie bij Cognite, een industriële AI-eenhoorn. Ik ben de strategische HR-businesspartner voor onze leidinggevenden in Europa, India, het Midden-Oosten, Japan en Noord- en Zuid-Amerika, maar de rode draad van de afgelopen twintig jaar is belangrijker dan welke afzonderlijke functie dan ook.

Vijf VP- en CHRO-functies bij SaaS- en AI-scale-ups, aangevuld met een huidige partnerrol bij een durfkapitaalfonds dat investeert in gereguleerde sectoren, hebben me een bijzonder perspectief gegeven. Ik heb hetzelfde patroon zich bij meer dan een dozijn bedrijven zien ontvouwen en liep vroeg vooruit op veranderingen in de personeelsbezetting die de rest van HR nog voorbarig vond.

Een decennium geleden schaften we bij Altisource de jaarlijkse beoordelingscyclus af en vervingen we die door wat we een 'impactbeoordeling' noemden. Hetzelfde gesprek, maar met een tegenovergesteld zwaartepunt. We maten wat mensen opleverden, niet wat ze deden. We verminderden het verloop in de beginfase van 14% naar 4% en verhoogden het behoud van goed presterende medewerkers van 48% naar 98%.

Die gok pakte goed uit. Bij Loadsmart verdrievoudigden we de waardering tot $1.3 billion en verdubbelden we tegelijkertijd het aantal medewerkers in 21 landen. Bij Collibra loodsten we een schoksgewijze verandering van 600 naar 450 naar 825 medewerkers tijdens COVID in goede banen zonder de motor te verliezen. Geen van die initiatieven waren HR-projecten. Het waren bedrijfsinitiatieven die toevallig door de personeelsfunctie werden geleid.

Dit moment is de grotere versie van al die eerdere keuzes. Het rapport over trends in menselijk kapitaal 2026 van Deloitte beschrijft het als een kantelpunt: 7-in-10 leidinggevenden zeggen nu dat snelheid en aanpassingsvermogen, en niet schaalgrootte, de komende drie jaar hun belangrijkste concurrentievoordeel zullen zijn.

De AI-index van Stanford laat aan de technologische kant dezelfde curve zien die steeds sneller wordt doorlopen. En er is een verschil van 60 punten tussen leiders die zeggen dat doelbewust mens-AI-ontwerp ertoe doet en degenen die het werk daadwerkelijk doen. Dat verschil is het echte verhaal van 2026.

De meest vooruitstrevende bedrijven gebruiken niet alleen AI in HR, ze bouwen HR opnieuw rond AI op. In organogrammen staan agenten nu als vakken, niet alleen mensen. Individuele medewerkers geven leiding aan teams van zes, waarbij alle zes directe rapportages agenten zijn.

Moderna heeft HR en IT samengevoegd tot één functie onder een directeur Personeel en Digitale Technologie. Walmart beschrijft zijn transformatie als 'door mensen geleid en door technologie aangedreven'. Disney heeft een directeur AI en Samenwerking aangesteld.

De rol van CHRO wordt de architect van een hybride mens-machinepersoneelsbestand, niet een leidinggevende op het gebied van werving. Vaardigheden verliezen sneller hun waarde dan jaarlijkse cycli kunnen bijhouden, en elke workflow die je niet opnieuw hebt ontworpen is wat BCG en EY nu 'talentschuld' noemen — onbenut potentieel dat vastzit in verouderde organisatielogica.

Dit is mijn conclusie, en ik zeg het ronduit omdat ik denk dat het vakgebied er nog steeds omheen loopt: AI als hulpmiddel is een basisvereiste. AI als mentaliteit is waar het echte werk ligt.

De verandering is niet: 'laten we een copiloot aan werving toevoegen'. Het is ervan uitgaan dat een agent een deel van het werk kan doen en vervolgens terugredeneren naar waar een mens echt nodig is; ik noem dat het bewijzen van het negatieve.

Het betekent begrijpen dat het vierde publiek voor je leercontent nu ook het LLM zelf is. Het betekent accepteren dat IT waarschijnlijk weer binnen de personeelsfunctie thuishoort. Het betekent erkennen dat medewerkers met vier tot tien jaar dienstverband nu mogelijk meer risico lopen dan medewerkers aan het begin van hun loopbaan, omdat pas afgestudeerden van nature AI-vaardig zijn en je medewerkers halverwege hun loopbaan nog steeds de workflow verdedigen die ze tien jaar lang onder de knie hebben gekregen.

Mijn taak is om de organisatie voor te stuwen naar die toekomst, zodat we vooroplopen in plaats van achterop te raken.

More Articles

Hoe AI de tijd tussen een zwak signaal en een structurele oplossing verkort

Brad Wilkins

Brad deelt

De grootste verandering was geen hulpmiddel dat we hebben ingevoerd. Het was de verkorting van de tijd tussen een zwak signaal over het personeelsbestand en een structurele oplossing…Een oefening die historisch gezien weken tijd van een HR-businesspartner zou hebben gekost — functieomschrijvingen verzamelen, ze vergelijken met externe gegevens en verantwoordelijkheden in kaart brengen — was in ongeveer drie uur afgerond.

De grootste verandering was geen hulpmiddel dat we hebben ingevoerd. Het was de verkorting van de tijd tussen een zwak signaal over het personeelsbestand en een structurele oplossing.

Het dominante operationele model in ons vakgebied was historisch gezien dat betrokkenheidsgegevens hier staan, prestatiegegevens daar, gegevens over nieuwe medewerkers in een derde systeem zitten, metadata uit agenda's en tijdregistratie in een vierde systeem staan, en iemand elk kwartaal een synthese maakt die zes weken na het moment waarop die ertoe had kunnen doen aan de leiding wordt gepresenteerd.

We hebben onze personeelsfunctie gebouwd op dezelfde architectuur die ons bedrijf aan industriële klanten verkoopt: uiteenlopende gegevens met elkaar verbinden in één grafiek, daar een agentische laag bovenop zetten en het systeem verbanden laten blootleggen die mensen alleen niet op tijd zouden opmerken.

Een recent voorbeeld: uit een meting onder nieuwe medewerkers na 90 dagen bleek dat de band met de manager zwak was. Onafhankelijk daarvan liet tijdregistratiedata zien dat de agenda van deze manager stilletjes was opgeslokt door voorverkoopactiviteiten die helemaal niet in diens functieomschrijving stonden, ongeveer de helft van de werkweek.

Drie jaar geleden zouden dat twee losstaande datapunten zijn geweest in twee losstaande systemen, naar boven gebracht door twee verschillende analisten, zes weken na elkaar. Tegen die tijd ben je de nieuwe medewerker óf kwijt, óf heb je een structureel probleem permanent in de functie ingebakken. Doordat AI de signalen in realtime met elkaar vergeleek, duurde de diagnose enkele minuten.

Toen we het verkeerd toegewezen voorverkoopwerk ontdekten, hebben we niet alleen de agenda van de manager aangepast. We gingen terug naar de beschrijving van de functiefamilie, onderzochten opnieuw of dat werk überhaupt bij die rol hoorde, bekeken referentiegegevens van collega's bij vergelijkbare bedrijven en namen een structurele beslissing over waar dat werk thuishoorde.

Een oefening die historisch gezien weken tijd van een personeelsbusinesspartner zou hebben opgeslokt — functieomschrijvingen verzamelen, vergelijken met externe gegevens en verantwoordelijkheden in kaart brengen — vond nu plaats in ongeveer drie uur.

Hoe AI de personeelsfunctie verandert

De gedragsverandering die ertoe doet is niet: "we gebruiken nu AI in HR". Dat kunnen tal van organisaties zeggen. De gedragsverandering is dat de tijd tussen een zwak signaal en een structurele beslissing met ongeveer twee ordes van grootte is verkort. Dat verandert wat de personeelsfunctie is.

Personeelsplanning is niet langer een kwartaalproduct, maar wordt een discipline voor dinsdagmiddag. Het managen van capaciteiten is niet langer een statische taxonomie, maar een voortdurend opnieuw weergegeven kaart. De rol van de personeelsbusinesspartner is niet langer iemand die een proces uitvoert, maar iemand die een systeem orkestreert.

Het effect op de rest van de organisatie is wat telt. Elke toekomstige nieuwe medewerker in dat team begint nu met een functieomschrijving die het daadwerkelijke werk weerspiegelt, niet het werk zoals men zich dat voorstelde toen de rol voor het eerst werd opgesteld. De inwerktijd verbetert. De kosten per aanname dalen. De kwaliteit van de één-op-ééngesprekken met managers neemt toe, omdat de manager niet langer in vijftien richtingen tegelijk wordt getrokken.

Niets daarvan verschijnt als een opvallende AI-implementatie — er is geen chatbot waarmee medewerkers in gesprek gaan. Maar de organisatie functioneert aantoonbaar anders. Dat is het soort verandering waaraan personeelsleiders zich volgens mij zouden moeten spiegelen, niet aan de vraag: "hebben we een copiloot geïmplementeerd?"

Wanneer de vraag wordt: "Waarom kan dit geen AI zijn?"

\u003cstrong\u003eWe integreren generatieve AI in dit alles met gestructureerde instructiebibliotheken — geen ad-hocgebruik, geen \u0022\u003cem\u003ezoek het zelf maar uit.\u003c/em\u003e\u0022…Ik zie dat als goed nieuws, want wat overblijft is het inhoudelijke strategische en empathische werk waarvoor ik dit vak daadwerkelijk ben gaan doen.\u003c/strong\u003e

Brad WilkinsVP Personeel & Organisatie bij Cognite
Share This Quote on:

Elke werkstroom wordt door een AI-eerst-zeef gehaald — de vraag is niet: "Waar zou AI hierbij kunnen helpen?" Het is: "Waarom kan dit geen AI zijn?"

Wat aan de andere kant overblijft, is wat daadwerkelijk menselijk kapitaal, menselijk oordeel of menselijke empathie vereist. De vraag omkeren is de juiste aanpak. Het dwingt je telkens opnieuw om het tegendeel te bewijzen en brengt een enorme hoeveelheid werk aan het licht die niemand vrijwillig zou hebben uitbesteed.

Wat AI nu voor mij afhandelt: synthese van uiteenlopende personeelsgegevens, analyse van rollen en functiearchitectuur, opstellen van teksten (functieomschrijvingen, communicatie, beleidsrichtlijnen en presentaties voor leidinggevenden), coaching van managers op het gebied van interviewkwaliteit, patroonherkenning in signalen over betrokkenheid en sentiment, het koppelen van talenten op de talentmarktplaats en eerstelijnsinterpretatie van beleid.

We integreren generatieve AI in dit alles met gestructureerde instructiebibliotheken — geen ad-hocgebruik, geen "zoek het zelf maar uit". Als ik er een getal aan moest verbinden, is ongeveer de helft van hoe mijn werk er vijf jaar geleden uitzag ingekort of verdwenen. Ik zie dat als goed nieuws, want wat overblijft is het inhoudelijke strategische en empathische werk waarvoor ik dit vak daadwerkelijk ben gaan doen.

Waarom de werkelijke hefboomwerking in input zit, niet in output

AI is slechts zo goed als de input en de professional erachter. Ik hoor dat niet vaak genoeg van leiders.

Het hele vakgebied jaagt op betere output, terwijl de werkelijke hefboomwerking aan de inputkant zit. Hetzelfde hulpmiddel, twee professionals, totaal verschillende resultaten. De afwegingen — over mensen, over cultuur, over wie clementie verdient en wie een duidelijk gesprek nodig heeft — dat zijn de inputs. Als je het voorbereidende werk overslaat, doet de machine in het midden er niet toe.

Mijn antwoord op "Wat blijft menselijk?" is dus ook "Wat maakt het überhaupt de moeite waard om AI te gebruiken?" De beste leiders maken de verschuiving van de mens in de lus naar de mens aan het roer. De AI voert uit, de mens neemt de beslissing.

Hoe je weet welk soort werk "menselijk moet blijven"

AI is uitstekend in het signaleren in welke categorie iemand mogelijk valt. AI is vreselijk in het voeren van het gesprek dat daarop volgt. Hetzelfde geldt voor promoties. AI kan je op basis van bekwaamheidssignalen laten zien wie er klaar voor is, maar de beslissing of iemand klaar is voor het oordeelsvermogen dat op het volgende niveau nodig is, is fundamenteel een menselijke inschatting.

Waar AI het voortouw neemt en een mens goedkeurt: het samenvoegen van personeelsgegevens en patroonherkenning, een eerste analyse van rolarchitectuur, het opstellen van beleid en gestandaardiseerde communicatie, het samenvatten van functioneringsgesprekken, sentimentanalyse van betrokkenheid, coaching van managers voor sollicitatiegesprekken op basis van transcripties, eerstelijnstriage van personeelskwesties, het matchen van kandidaten aan bekwaamheidskaders en de interpretatie van beleid voor routinematige vragen.

Waar AI ondersteunt en een mens de leiding neemt: afwegingen bij personeelsplanning, opvolgingsbeslissingen, beloningsfilosofie en het ontwerpen van beloningen, keuzes rond organisatieontwerp en kalibratie van talentbeoordelingen. AI geeft me betere input, sneller scenario's en patroonherkenning die ik alleen niet zou opmerken. Ik neem de beslissing.

Waar AI geen stem in heeft: beëindigingen, promoties, gevoelige gesprekken over functioneren, exitgesprekken, beslissingen over de diepte van de leiderschapspijplijn, alles waarbij moet worden beoordeeld of iemands intentie overeenkomt met de organisatie en elk moment waarop het nodig is om een ruimte aan te voelen. De reden is eenvoudig: voor die momenten is empathie nodig, en empathie is de enige vaardigheid waarvan ik geen geloofwaardig bewijs zie dat AI de kloof met bekwame mensen binnen een betekenisvolle termijn dicht. Dat is geen knelpunt, maar een cultuurkenmerk dat berust op de diepe overtuiging dat consensus en eerlijkheid concurrentievoordelen zijn, geen vertragingen. Ik zou het verdedigen tegen elk efficiëntieargument dat een AI zou kunnen aanvoeren.

De fintech die aankondigde 700 medewerkers van de klantenservice door AI te vervangen — en hen nu stilletjes weer aanneemt — is het waarschuwende voorbeeld dat elke People-leider in de gaten zou moeten houden. AI zorgde voor snelheid en volume. Het miste empathie en uitzonderingssituaties. De leiders die in 2026 tegen menselijk oordeel wedden, zullen in 2027 verontschuldigende LinkedIn-berichten schrijven.

Waar AI wint in HR

Waar AI wint in HR

De hype is echt. AI biedt grote voordelen.

De tijd van signaal naar actie bij personeelskwesties is teruggebracht van weken naar uren. De kwaliteit van managerinterviews verbeterde meetbaar toen we coachingsscripts op transcripties gingen toepassen — als je een manager laat zien dat 90% van diens sollicitatievragen gesloten vragen waren, of dat diegene 85% van de tijd aan het woord was, dan passen ze dat aan. De meesten willen beter worden, ze hadden alleen nooit een spiegel.

De doorlooptijd voor het invullen van functies daalde aanzienlijk toen we functietitels niet langer als de eenheid van werk beschouwden en kandidaten begonnen te matchen aan afgeleide bekwaamheden. Het ongewenste verloop ligt ruim onder de 5% — niet uitsluitend dankzij AI, maar deels omdat we nu problemen met de inwerkperiode en problemen door afstand tussen manager en medewerker signaleren terwijl ze nog op te lossen zijn.

De interne adoptie van AI-tools versnelde drastisch toen we leerlabs in workshopvorm opzetten in plaats van traditionele klassikale trainingen, waarbij vroege gebruikers collega's begeleidden tijdens het werk.

Het patroon dat mij het meest enthousiast maakt, is dat AI voorheen onzichtbaar werk zichtbaar maakt — de manager wiens agenda is ontspoord, de nieuwe medewerker wiens onboarding de verkeerde kant op gaat, de goed presterende medewerker wiens betrokkenheid begint af te nemen. Niets daarvan was eerder snel inzichtelijk.

Waar AI niet levert

Brad Wilkins

Brad deelt

AI heeft nog steeds moeite met genuanceerde culturele vertaling tussen regio’s… Ik heb aanzienlijke prestatieverschillen gezien wanneer modellen te maken krijgen met dialect, culturele context of nuances in lokale arbeidswetgeving. Voor alles wat cultureel gelaagd is, vertrouwen we nog steeds op lokaal menselijk inzicht. De technologie zal die kloof dichten. Dat is nog niet gebeurd.

Ik ging 2025 in met de verwachting dat AI zou helpen om prestatiebeoordelingen tussen teams te kalibreren — door inconsistenties te signaleren, mogelijke vooringenomenheid aan het licht te brengen en te helpen met benchmarking van arbeidsvoorwaarden. Een deel daarvan doet het goed. Maar het onderdeel van kalibratie dat er werkelijk toe doet, is het gesprek tussen leiders over de vraag of deze persoon, op dit niveau en in deze context, presteert zoals we dat nodig hebben.

AI heeft daar vrij weinig aan bijgedragen. Een groot deel van prestaties is contextueel, relationeel en toekomstgericht. AI is goed in terugkijkende patroonherkenning. Dat is niet hetzelfde.

De tweede tekortkoming betreft echt nieuw organisatieontwerp. AI kan je vertellen hoe vergelijkbare bedrijven hun functies voor waardelevering, go-to-marketorganisaties of financiële teams hebben ingericht.

Het is veel zwakker wanneer je iets ontwerpt wat nog niemand echt heeft gedaan, zoals een functiestructuur waarin AI-agents directe ondergeschikten zijn en mensen leidinggeven aan agententeams. Toekomstgericht organisatieontwerp blijft grotendeels mensenwerk, en ik verwacht dat dit nog een tijd zo zal blijven.

De derde tekortkoming betreft leiderschapsopvolging. AI kan capaciteiten in kaart brengen ten opzichte van functievereisten, maar kan je niet vertellen wie het politieke kapitaal, de relaties of het vertrouwenskrediet bij het directieteam heeft om daadwerkelijk succesvol te zijn in een seniorfunctie. Leiderschapsopvolging is in de kern een probleem van menselijk vertrouwen, en ik betwijfel of AI dit binnen een bruikbare termijn zal oplossen.

AI heeft ook de belofte van een alles-in-éénplatform niet waargemaakt. De meeste HR-techleveranciers die in 2024 een enkel, geïntegreerd platform met AI aankondigden, leverden een overzichtspaneel met een chatbot die ernaast was gezet.

De echte waarde ontstaat door gespecialiseerde tools aan elkaar te koppelen via gestructureerde prompts en workflows die professionals daadwerkelijk beheren. Wie je een geconsolideerd platform verkoopt, verkoopt je een routekaart, geen product.

In bredere zin heeft AI het oordeel van ervaren professionals niet vervangen. AI zorgt voor snelheid, volume en patroonherkenning. Het mist empathie, uitzonderingsgevallen en de momenten die een menselijke inschatting vereisen: het moeilijke gesprek, het oordeel over de vraag of iemand zich in een moment van "ik weet niet hoe" bevindt tegenover een moment van "ik kan het echt niet", en de culturele inschatting in een ruimte. Dat is het inhoudelijke werk waarvan ik wil dat professionals er meer, niet minder, van doen.

En het punt dat ik vooral wil dat HR-leiders tot zich laten doordringen: AI heeft niet bewezen dat werknemers op instapniveau het grootste risico lopen. De conventionele wijsheid dat je je juniorlaag kunt vervangen door AI-agents is naar mijn mening precies omgekeerd. De groep die van de universiteit komt, is van nature vertrouwd met AI. Zij hoeven niet overtuigd te worden.

De groep die daadwerkelijk risico loopt, bestaat uit medewerkers met vier tot tien jaar dienstverband — de persoon die zijn carrière heeft opgebouwd door een workflow te beheersen die AI nu terugbrengt tot enkele minuten, en wiens instinct het is om de workflow te verdedigen in plaats van erop voort te bouwen. Daar moet de echte investering in bijscholing naartoe.

Tot slot heeft AI nog steeds moeite met genuanceerde culturele vertaling tussen regio's. In Europa, India, het Midden-Oosten, Japan en Noord- en Zuid-Amerika heb ik aanzienlijke prestatieverschillen gezien wanneer modellen te maken krijgen met dialect, culturele context of nuances in lokale arbeidswetgeving. Voor alles wat cultureel gelaagd is, vertrouwen we nog steeds op lokaal menselijk inzicht. De technologie zal die kloof dichten. Dat is nog niet gebeurd.

Hoe de implementatie van een workflow met AI de werving transformeert

Hier is de workflow waar ik het meest trots op ben. Ik denk dat deze laat zien hoe het vakgebied er over drie jaar uit zal zien, en de meeste HR-functies hebben dit nog niet opgebouwd.

Het gaat om de volledige wervingscyclus, van functieomschrijving tot feedback na de onboarding, die als één verbonden workflow draait boven op een aangepaste Claude-vaardigheid die we hebben gebouwd. Werving is het ideale voorbeeld om stap voor stap te doorlopen, omdat organisaties daar meestal de slechtste datakwaliteit, de grootste variatie in managementgedrag en de kleinste tolerantie voor fouten hebben.

Stap voor stap:

Stap 1: Intake

De wervingsmanager signaleert een behoefte. De vaardigheid voert een gestructureerd stem- of tekstinterview met deze persoon, waarbij de resultaten voor de komende twaalf maanden, de samenwerkingsrelaties en de diskwalificerende tekortkomingen aan het licht worden gebracht.

De antwoorden worden vergeleken met het personeelsplan van de afdeling Financiën, de bestaande prestatieverdeling van het team en eerdere functieomschrijvingen van de manager, zodat inconsistenties worden gesignaleerd voordat iemand ook maar één woord schrijft.

Stap 2: Triangulatie van belanghebbenden

Twee of drie gesprekken met collega's en directe rapporten, elk vijftien minuten, samengevoegd tot één samengestelde behoefte. De vaardigheid signaleert hiaten tussen de intentie van de manager en de realiteit van het team en brengt deze onder de aandacht om ze op te lossen voordat de functie extern wordt gepubliceerd.

Stap 3: Artefacten genereren

Functieomschrijving met een echte-impactsectie, gestructureerde interviewleidraad toegewezen aan de verschillende rondes, en een verankerde rubric van 1–4 met gedragsbeschrijvingen. Alle drie de artefacten zijn voorzien van versiebeheer, controleerbaar en bewerkbaar door de People-businesspartner voordat ze worden gelanceerd.

Stap 4: Live-interviews

Elke interviewer heeft de rubric en de vragen voor zich. Gesprekken worden getranscribeerd (met toestemming) en de vaardigheid signaleert realtime observaties: de kwaliteit van de vragen, de verhouding in spreektijd, afwijkingen en naleving van de rubric.

Stap 5: Beoordelen en samenvoegen

Elke interviewer beoordeelt de kandidaat direct na het gesprek aan de hand van de verankerde rubric. Scores worden samengevoegd op basis van gemiddelden per pijler en competentie. De vaardigheid signaleert uitschieters onder interviewers — iemand die iedereen een 4 geeft, iemand die wezenlijk van de rest van het interviewpanel afwijkt — zodat de People-businesspartner hier aandacht aan kan besteden.

Stap 6: Beslissing

Een door mensen geleide nabespreking, waarbij de vaardigheid gestructureerde gesprekspunten, rubricgemiddelden en gemarkeerde inconsistenties aanlevert. De beslissing wordt door mensen genomen, maar de voorbereiding is geautomatiseerd.

Stap 7: Inwerken

De vaardigheid genereert de binaire doelen voor 30/60/90 dagen, de frequentie van de check-ins met de manager en de gestructureerde pulsvragen. Elk pulssignaal wordt na verloop van tijd teruggekoppeld naar de evaluatiegegevens van de kandidaat.

Stap 8: Feedbacklus voor de kwaliteit van de aanwerving

Na zes maanden correleert het systeem interviewscores met daadwerkelijke prestaties tijdens de inwerkperiode en de tevredenheid van de manager. De nauwkeurigheid van interviewers stapelt zich op over meerdere aanwervingen. Patronen worden zichtbaar — welke managers goed zijn in het beoordelen van welke competenties, bij welke functies het structureel misgaat en welke signalen uit het interview het succes het sterkst voorspellen.

De hele lus draait als één verbonden systeem. Het werk dat een People-businesspartner vroeger twee weken aan gefragmenteerde inspanning over vijf tools kostte, neemt nu enkele uren gerichte menselijke beoordeling binnen één workflow in beslag. En de kwaliteit is beter, omdat elke stap wordt gekalibreerd aan de hand van de stappen ervoor en erna. Dat is wat end-to-end daadwerkelijk betekent.

Wat dit laat werken, is niet de tool. Het is de structurele keuze dat de vaardigheid het zware uitvoerende werk doet en de mens het zware beoordelingswerk. Elk artefact dat de Claude-vaardigheid produceert, is een concept en geen beslissing. De hiringmanager blijft eigenaar van de functiedefinitie. De interviewers blijven eigenaar van hun scores. De aanwervingsbeslissing wordt nog altijd genomen in een ruimte met mensen die beslissen of deze persoon degene is.

Wat de workflow heeft geëlimineerd, is het saaie werk dat historisch tussen die beoordelingsmomenten zat — het opnieuw opmaken, herschrijven, handmatig kalibreren en analyseren achteraf, waar niemand tijd voor had. Mensen kregen hun tijd voor beoordeling terug. Het systeem werd grondiger. Het werk werd interessanter. Dat is de ruil die ik elke People-functie wil zien maken.

Waarom prompts de verkeerde werkeenheid zijn

Als ik dit eerder had geweten, had ik de maandenlange samenstelling van een promptbibliotheek overgeslagen die iedereen in ons vakgebied heeft uitgevoerd en was ik direct overgegaan naar het ontwerpen van vaardigheden… De leiders die als eerste in termen van vaardigheden gaan denken, zullen eruitzien alsof ze in een ander decennium opereren dan degenen die nog steeds promptbibliotheken beheren.

Brad WilkinsVP van People & Organisatie bij Cognite
Share This Quote on:

Wanneer de meeste People-leiders hun eerste AI-initiatief lanceren, doen ze dat als een promptproject.

Hier is een geweldige prompt voor het opstellen van functieomschrijvingen. Hier is een geweldige prompt voor het samenvatten van thema's uit een medewerkerstevredenheidsonderzoek. Hier is een geweldige prompt voor feedback tijdens functioneringsgesprekken.

Professionals leren de prompts, slaan ze op in een gedeeld document en hebben het gevoel dat ze productief bezig zijn. De leiding heeft het gevoel dat er vooruitgang wordt geboekt. Adoptiecijfers lopen op. Zes maanden later kijk je waar de waarde daadwerkelijk is ontstaan, en het antwoord is: niet erg veel.

Prompts zijn de eerste zet. Ze zijn niet de werkeenheid.

De werkeenheid is een vaardigheid of een project — een gestructureerde vaardigheid in meerdere stappen die input uit meerdere bronnen ontvangt, daarop een consistent proces uitvoert, een welomschreven resultaat oplevert en in de loop der tijd verbetert doordat het leert van de uitkomsten.

De wervingsworkflow die ik eerder beschreef, is een vaardigheid, geen prompt. De workflow gebruikt financiële gegevens, input van managers, input van collega's, patronen in historische prestaties en gestructureerde competentiemodellen als input. De output bestaat uit functieomschrijvingen, interviewgidsen, beoordelingsrubrics, samengevoegde scores, onboardingplannen en signalen uit feedbacklussen. De workflow verbetert bij elke aanwerving, omdat hij uitkomstgegevens verwerkt. Geen enkele prompt doet dat allemaal. Een vaardigheid wel.

De reden waarom dit onderscheid operationeel belangrijk is, is dat organisaties die zich op prompts richten vaak blijven steken bij productiviteitswinst van 10-20% — nuttig, maar niet transformationeel.

Organisaties die zich op vaardigheden en projecten richten, ontsluiten herontwerpen op workflowniveau die sprongsgewijze verbeteringen opleveren. Het eerste type organisatie industrialiseert wat het al doet. Het tweede type opereert daadwerkelijk anders.

Als ik dit eerder had geweten, zou ik de maandenlange samenstelling van promptbibliotheken die iedereen in ons vakgebied heeft uitgevoerd, hebben overgeslagen en rechtstreeks zijn begonnen met het ontwerpen van vaardigheden. Ik zou hebben geïnvesteerd in professionals die in workflows konden denken, in plaats van in mensen die goed waren in het schrijven van slimme prompts.

Ik zou de dataverbindingen — de koppelingen tussen onze People-systemen, onze financiële systemen, onze productiviteitstools en onze signalen over betrokkenheid — eerder hebben opgebouwd, omdat vaardigheden slechts zo goed zijn als de gegevens waar ze toegang toe hebben.

De leiders die het eerst in vaardigheden gaan denken, zullen eruitzien alsof ze in een ander decennium opereren dan degenen die nog steeds promptbibliotheken beheren.

Advies voor leiders die AI-transformatie begeleiden

AI-transformatie is in wezen een probleem van menselijk kapitaal, vermomd als een technologisch probleem. De technologie is het eenvoudige deel. Jouw taak — en de mijne — is het moeilijke deel. En die taak is zojuist interessanter geworden dan ze in twintig jaar is geweest.

Eén: Begin met het werk, niet met de tool. Haal elke workflow door de zeef — waarom kan dit geen AI zijn? — voordat je vraagt welke tool je moet aanschaffen. Als je AI toevoegt aan een kapot proces, industrialiseer je de disfunctie. De tool is niet de strategie; het herontwerpen van het werk is de strategie. De meeste leiders die ik ken en die het gevoel hebben dat AI niets heeft opgeleverd, zijn leiders die deze stap hebben overgeslagen.

Twee: Ga van AI als tool naar AI als denkwijze. Dit is wat de leiders die ik respect onderscheidt van de leiders die in 2027 een inhaalslag zullen moeten maken. Denken in tools levert copiloten binnen je bestaande software op. Denken vanuit een denkwijze levert organisatieschema's op waarin agents naast mensen in vakken staan, individuele medewerkers die teams van zes AI-medewerkers aansturen, leerfuncties die erkennen dat hun vierde doelgroep het taalmodel zelf is, competentiekaders waarin digitale arbeid een volwaardige deelnemer is en IT-functies die waarschijnlijk binnen de People-organisatie thuishoren in plaats van ondergebracht te zijn bij finance. De visie op werk als een vaardighedensysteem vervangt de visie op werk als verzameling functietitels, en de organisaties die daar het eerst komen, zullen fundamenteel anders opereren dan de organisaties die dat niet doen.

Drie: Besteed onevenredig veel tijd aan input. De kwaliteit van elke AI-output is afhankelijk van de prompt, context en het beoordelingsvermogen van de professional aan het begin van het proces. De leiders die versnelling realiseren, zijn degenen die gestructureerde promptbibliotheken opbouwen zoals ze een competentiekader zouden opbouwen. De leiders die klagen dat AI niets heeft opgeleverd, zijn degenen die drie zinnen in een chatbot hebben getypt en magie verwachtten. Behandel je promptbibliotheek als een organisatiebezit. Zorg voor governance. Verbeter haar. Leid mensen erin op.

Vier: Schets het beeld voor je mensen. Vertrouwen stort in wanneer medewerkers "AI-transformatie" horen en ontslagen voor zich zien. Vertrouwen wordt hersteld wanneer leiders de tools zichtbaar zelf gebruiken en mensen meenemen in wat hun baan zal worden, niet alleen in wat er wordt afgenomen. Engineers stoppen met coderen en gaan werken vóór en na de code — aan architectuur, beoordelingsvermogen, het vertalen van klantbehoeften en systeemontwerp. Verkopers stoppen met het bijhouden van CRM-gegevens en gaan diepere klantrelaties opbouwen. People-businesspartners stoppen met het uitvoeren van processen en beginnen systemen te orkestreren. Het werk om dit voor te stellen is wat bepaalt of AI je cultuur versterkt of uitholt. Het vertrouwen in werkgevers neemt al af; je kunt er niet zomaar van uitgaan.

Vijf: Plant de boom. Mijn favoriete Chinese spreekwoord: de beste tijd om een boom te planten was twintig jaar geleden. De op één na beste tijd is nu. De meeste People-leiders met wie ik praat, lopen zes tot twaalf maanden achter op waar ze denken te staan. De versnellingscurve is steiler dan je hebt gemodelleerd. Bouw leeromgevingen, geen klaslokalen, wijs in elke bedrijfseenheid AI-ambassadeurs aan en accepteer dat het antwoord dat je over drie maanden op deze vraag geeft, slechts een fractie zal zijn van het antwoord dat je vandaag zou geven. Dat is geen probleem dat je moet oplossen. Dat is de operationele realiteit.

Drie manieren waarop AI-adoptie vastloopt

Brad Wilkins

Brad deelt

Engineering en product pakten AI onmiddellijk op. De functies die moeite hadden — de functies waarvan ik de naam uit beleefdheid liever niet noem — waren de algemene en administratieve functies waarin het werk het dichtst aansluit bij wat grote taalmodellen van nature doen…

Engineering en product pakten AI onmiddellijk op. De functies die moeite hadden — de functies waarvan ik de naam uit beleefdheid liever niet noem — waren de algemene en administratieve functies waarin het werk het dichtst aansluit bij wat grote taalmodellen van nature doen, en waarin de professionals de minste routine hadden met het werken met deze hulpmiddelen. Daar zit een diepe ironie in.

De functies die het meest te winnen hadden, kwamen het langzaamst in beweging, omdat de professionals hun hele loopbaan gewaardeerd waren om het zijn van de institutionele kennis — en AI die kennis nu democratiseert, wat eerst als een bedreiging voelt en pas daarna als een vermenigvuldigingsfactor.

De oplossing was geen technische training. Het ging erom psychologische ruimte te creëren waarin deze professionals opnieuw konden definiëren wat hun waarde was. We deden dat via workshops waarin ze met de hulpmiddelen konden spelen aan echte werkzaamheden, met collega's en in een omgeving met weinig risico — wat ik leerlabs noem, geen klaslokalen. De klasvorm leidde tot nul adoptie. De labvorm zorgde binnen enkele weken voor zichtbare vooruitgang.

Hier zijn nog drie andere gebieden waar AI-adoptie moeizaam verloopt:

Ten eerste zorgt ongelijke adoptie tussen functies voor echte culturele spanning. Engineering ging er onmiddellijk mee aan de slag. Verkoop volgde. Sommige algemene en administratieve functies bevinden zich nog steeds in de fase van "maar wat zou ik ermee doen?" — en dat is precies de verkeerde vraag. Het uit zich in stille wrok, niet in luid verzet. Mensen beginnen zich zorgen te maken dat hun collega's AI gebruiken om productiever te lijken dan zij zijn.

Vertrouwen in organisaties die AI gebruiken is momenteel echt kwetsbaar — onderzoeksgegevens van dit jaar suggereren dat ongeveer vier op de vijf werknemers en managers zich precies over die dynamiek zorgen maken. Als je dit niet beheert via transparante AI-ambassadeurs in elke bedrijfseenheid, zichtbaar leiderschap dat de hulpmiddelen gebruikt en duidelijke normen voor wat als door AI ondersteund werk geldt, begint de cultuur rente te betalen over een schuld waarvan ze niet besefte dat ze die aanging.

Ten tweede heb ik leiders bij andere bedrijven AI bovenop een kapot proces zien leggen en dat transformatie zien noemen. Als je beoordelingsproces slecht is, maakt AI het alleen maar tot een verergerd slecht proces — sneller, zelfverzekerder en schaalbaarder in de verkeerde richting. Begin bij het werk zelf, niet bij de tool.

Anders transformeer je niet, maar industrialiseer je disfunctioneren. Dit is de meest voorkomende faalmodus die ik bij vergelijkbare organisaties zie, en die wordt bijna altijd veroorzaakt doordat het technologieteam een implementatiemaatstaf najaagt in plaats van dat de People-functie het herontwerp van een werkproces leidt.

Ten derde, en deze is subtieler: AI maakt prestaties niet gelijk, maar vergroot de kloof. Ervaren mensen gebruiken het om hun expertise uit te breiden; minder ervaren mensen gebruiken het om aanvaardbare maar oppervlakkige output te genereren die een zwakke redenering verhult. Zodra dat werk van lage kwaliteit in je organisatiegegevens terechtkomt, wordt je volgende AI-iteratie ermee getraind. Dat is een feedbacklus waar de meeste leiders niet over hebben nagedacht.

We gaan dit tegen door sterk de nadruk te leggen op de menselijke professional aan de voorkant van elke workflow — de input is het middel, niet de output. Als je AI de productiviteitsgelijkmaker laat worden waarop iedereen hoopte, word je over achttien maanden wakker met een personeelsbestand waarin het verschil tussen je toppresteerders en alle anderen groter is dan ooit, niet kleiner.

Drie tactische stappen voor leiders die AI invoeren

Drie tactische stappen voor leiders die AI invoeren

Ten eerste: benoem een AI-ambassadeur binnen elke bedrijfseenheid, niet alleen binnen engineering en product. De meeste organisaties hebben feitelijk AI-ambassadeurs binnen hun technische functies en nergens anders. Maak het bewust. Geef de rol zichtbaarheid, geef er tijd voor en geef de persoon toestemming om de manier waarop de functie werkt ter discussie te stellen.

De functies waarin dit het moeilijkst is — financiën, juridische zaken, algemene administratie — zijn precies de functies waar de grootste hefboomwerking zit, omdat het werk binnen die functies het dichtst aansluit bij wat grote taalmodellen van nature doen. Als je in die gebieden geen ambassadeurs aanwijst, laat je het grootste deel van de waarde liggen.

Ten tweede: bouw dubbele KPI's op — één reeks voor de prestaties van "nu" en één reeks voor de capaciteit van de "volgende fase". De valkuil is dat je je transformatie meet aan de hand van hoeveel bestaand werk je hebt geautomatiseerd, terwijl de werkelijke vraag is hoeveel nieuw werk je mogelijk hebt gemaakt.

De leiders die hierin winnen, werken met kortcyclische "nu"-maatstaven — adoptie, productiviteit, bespaarde tijd — naast langcyclische "volgende fase"-maatstaven — ontwikkelde nieuwe capaciteiten, gecreëerde nieuwe rollen en mogelijk gemaakte nieuwe omzet of klantresultaten. Als je alleen de "nu"-maatstaven bijhoudt, optimaliseer je jezelf tot een kleinere, snellere versie van wat je vroeger was. Het doel is niet om kleiner en sneller te zijn. Het doel is om anders te zijn op een manier die ertoe doet.

Ten derde: wees expliciet over welke beslissingen verschuiven van mens-in-de-lus naar mens-aan-het-roer. De verschuiving van "de mens houdt toezicht op het werk van AI" naar "de mens stuurt het werk van AI aan en is verantwoordelijk voor het resultaat" is de belangrijkste governanceverschuiving die een HR-functie dit jaar kan maken. Het verduidelijkt de verantwoordelijkheid. Het bouwt sneller vertrouwen op dan welk beleidsdocument dan ook en het geeft je mensen een duidelijk antwoord op de vraag die ze werkelijk stellen, namelijk: heb ik nog steeds de controle over mijn werk?

Wanneer het antwoord ja is — zichtbaar, herhaaldelijk en op de momenten die ertoe doen — versnelt de acceptatie en neemt de weerstand af. Wanneer het antwoord onduidelijk is, zal elk ander AI-initiatief dat je uitvoert op weerstand stuiten waarvoor je geen budget had.

Wat maakt een leider onvervangbaar?

Veerkracht en gulheid zijn de twee eigenschappen die ik wil dat mijn kinderen meenemen naar een arbeidsmarkt die ik niet volledig kan voorspellen. Het zijn ook — toevallig, niet per ongeluk — de twee eigenschappen waar ik naar zoek in elke leider die voor een laatste sollicitatiegesprek binnenkomt. AI kan bijna al het andere. Dit kan het niet. Dat is de inzet die ik elke keer zou doen. En dat doe ik ook elke keer.

Brad WilkinsVP Personeel & Organisatie bij Cognite
Share This Quote on:

De bedrijven die momenteel struikelen, behandelden AI als een vervangingsstrategie in plaats van als een herontwerpstrategie, en vervingen de laag waarin het menselijke inzicht zat. AI verwerkte de volumes. Het miste het moment. De kosten zijn altijd hoger dan het besparingsmodel voorspelde, omdat dat moment zich opstapelt tot vertrouwen, tot verloop en tot de volgende persoon die het draaiboek bekijkt en stilletjes zijn cv bijwerkt.

De leiders die consequent winnen, beschermen wat uitgesproken menselijk blijft. Het moeilijke gesprek. Het telefoontje over een promotie waarbij de gegevens ja zeggen, maar je voelt dat de persoon nog niet klaar is voor het gewicht van de volgende functie. Het vertrek werd met genoeg gratie afgehandeld zodat de vertrekkende persoon nog steeds goede dingen over het bedrijf zegt. Het oordeel over de vraag of iemand een duwtje in de rug nodig heeft door coaching, of juist meer vrijheid verdient. Daar worden behoud, vertrouwen en reputatie daadwerkelijk gevormd — en daar zegt de volgende kandidaat ja vanwege de manier waarop je de vorige persoon die vertrok hebt behandeld.

Bedrijfsgericht, technisch onderlegd en zeer empathisch zijn geen drie afzonderlijke vaardigheden. Het is één vaardigheid die op drie manieren tot uiting komt.

De reden dat ik hier, als ik eerlijk ben, zoveel waarde aan hecht, komt neer op mijn twee kinderen.

Mijn zoon Jonah is zeven. Elke ochtend gaat hij rechtstreeks naar een nieuwe doos Lego. Soms volgt hij de instructies precies. Soms negeert hij ze volledig en bouwt hij iets wat niemand ooit eerder heeft gezien. Hij ziet geen verschil tussen de twee benaderingen — bij beide heeft hij iets gebouwd.

Dat is geen leerstijl. Dat is veerkracht. De weigering om je door een muur te laten verslaan als er ergens een raam is dat je nog niet hebt geprobeerd. Het is ook de eigenschap waar ik naar zoek in elke leider die ik een CEO help aannemen, omdat elk groeibedrijf een Lego-set is waarvan de helft van de instructies ontbreekt.

Mijn dochter Gabi werd vijf en plande haar eigen traktatiezakjes voor haar verjaardag. Ze koos het snoep en speelgoed voor elke vriend zorgvuldig uit. Ze tekende voor elk van hen gepersonaliseerde illustraties. Op haar eigen verjaardag — de dag waarop zij degene zou zijn die dingen kreeg.

Dat is gulheid, maar nuttiger gezegd is het een instinct om als krachtvermenigvuldiger te werken: de mensen om je heen beter maken zonder dat iemand erom vraagt, zonder te wachten op het juiste moment en zonder iets terug te verwachten. Het is de leiderschapseigenschap die zichtbaar wordt in elke ruimte die ik ooit echt heb zien functioneren. AI brengt dit niet voort.

Veerkracht en gulheid zijn de twee eigenschappen die ik wil dat mijn kinderen meenemen naar een arbeidsmarkt die ik niet volledig kan voorspellen. Het zijn ook — toevallig, niet per ongeluk — de twee eigenschappen waar ik naar zoek in elke leider die voor een laatste sollicitatiegesprek binnenkomt. AI kan bijna al het andere. Dit kan het niet.

Dat is de inzet die ik elke keer zou doen. En dat doe ik ook elke keer.

Volg ons

Je kunt het werk van Bradford Wilkins volgen op LinkedIn.

Er volgen meer interviews met experts op People Managing People!

You may also like