
Bedrijfstrainer en opinieleider deelt de specifieke werkprocessen en raamwerken die hij gebruikt om bedrijven met AI te transformeren

Christopher Lind
HR- en AI-consultant
De leiderschapsreis van Christopher Lind heeft hem de kans gegeven om samen te werken met enkele van de grootste bedrijven ter wereld — zoals GE Healthcare, waar hij wereldwijd hoofd Talent Systems and Technology was. Nu stimuleert hij bedrijfstransformatie door de juiste balans tussen mensen en technologie te benutten.
Christopher Lind
HR- en AI-consultant
Key Takeaways
AI maakt leiderschap menselijker: Lind benadrukt dat, hoewel technologie zich snel ontwikkelt, de fundamenten van leiderschap geworteld blijven in empathie, aanpassingsvermogen en inzicht in mensen.
Vertraag om sneller op te schalen: AI snel invoeren zonder inzicht in werkprocessen leidt tot inefficiëntie op grotere schaal. Lind adviseert leiders om processen eerst uiteen te rafelen, vast te stellen waar AI werkelijk waarde toevoegt en AI doelbewust te integreren.
Ontwikkel AI-geletterdheid als een meetbare discipline: Linds raamwerk voor AI-effectiviteit in zes onderdelen — doelgerichtheid, onderscheidingsvermogen, ethische afstemming, technische vaardigheid, integratie in werkprocessen en beoordelingsvermogen bij delegeren — helpt organisaties te beoordelen en te verbeteren hoe mensen AI gebruiken.
We gingen met hem in gesprek om inzicht te krijgen in welke workflows hij met AI aan het herzien is en welke kaders hij gebruikt om AI-geletterdheid binnen organisaties te waarborgen. Dit is wat hij met ons deelde.
Van onverwachte leider tot strategische veranderaar
Ik heb een dynamische carrière gehad die het best kan worden omschreven als leven op het snijvlak van bedrijfsleven, technologie en mensen. Op papier lijkt het op een carrière in bedrijfstraining, maar in de praktijk draaide het om het aansturen van bedrijfstransformatie via de mensen waarop bedrijven draaien en het optimaliseren van die transformatie met technologie.
Ik heb nooit ambities gehad om leiding te geven. Ik wilde gewoon dingen ten goede veranderen en alle vaardigheden en expertise die ik had gebruiken om dat voor elkaar te krijgen. Dat leidde er echter toe dat ik teams aanstuurde bij enkele van de meest herkenbare bedrijven ter wereld, zoals GE Healthcare en HR.com, betrokken raakte bij projecten waarvan ik nooit had kunnen dromen en een stem in de sector kreeg waar een introverte man als ik jaren geleden tegenop zou hebben gezien.
More Articles
Waarom AI leiderschap menselijker maakt — niet minder
Hoewel mijn methoden door AI snel veranderen, zou ik zeggen dat de basis van leiderschap eigenlijk niet is veranderd.
Mijn rol en leiderschapsaanpak zijn altijd gericht geweest op het identificeren van onderliggende problemen — deze oplossen door mezelf te omringen met geweldige mensen en het beste in hen naar boven te halen, terwijl ik de oplossing met technologie optimaliseer. Er zijn nu simpelweg meer opties en hulpmiddelen die we kunnen inzetten.
En als er al iets is, denk ik dat het AI-tijdperk juist benadrukt hoe belangrijk die basis is. Sterker nog, ik zou zelfs zeggen dat AI leiderschap menselijker zal maken dan ooit tevoren.
Er is een enorme druk om “meer te doen” en “sneller te gaan”, maar sneller worden en meer van de verkeerde dingen produceren zal je ten gronde richten. De leiders die floreren, zijn degenen die prioriteit geven aan hun inzicht in waartoe de mensen om hen heen in staat zijn en vervolgens het aanpassingsvermogen en de capaciteiten van die mensen ontwikkelen.
De leiders die roekeloos ijdelheidsstatistieken en kortetermijnwinst najagen, zullen al snel merken dat ze het moeilijk krijgen en, als ze niet voorzichtig zijn, volledig zonder werk komen te zitten.
Waarom je AI niet zomaar op elk probleem kunt loslaten
AI is alleen effectief als je de tijd neemt om het probleem te ontleden, alle afzonderlijke onderdelen te identificeren, nauwkeurig vast te stellen waar AI zinvol is en vervolgens een hybride oplossing samen te stellen die het beste van wat AI kan combineren met het beste van wat mensen kunnen.
Op dit moment gaan veel leiders ervan uit dat ze AI op alles kunnen loslaten en dat AI zo slim is dat het het probleem zal oplossen, een oplossing zal ontwerpen en die oplossing met minimale fouten succesvol zal uitvoeren.
Zo werkt het niet.
Je moet de tijd nemen om te praten met de mensen die het werk momenteel uitvoeren en de gegevens eromheen bestuderen. Er gebeurt veel werk dat aanvankelijk niet zichtbaar is, maar absoluut cruciaal is voor het resultaat. En wanneer dat verborgen werk over het hoofd wordt gezien, gaat het snel mis met AI.

Tip van Christopher
AI is alleen effectief als je de tijd neemt om het probleem te ontleden, alle afzonderlijke onderdelen te identificeren, nauwkeurig vast te stellen waar AI zinvol is en vervolgens een hybride oplossing samen te stellen die het beste van wat AI kan combineren met het beste van wat mensen kunnen.
Hoe AI alle verkeerde dingen kan opschalen

Op dezelfde manier versterkt AI alles wat het aanraakt, zowel het goede als het slechte. Als je het op de juiste dingen toepast, zul je sneller en op grotere schaal verbetering zien dan je je kunt voorstellen.
Helaas geldt het tegenovergestelde ook: als je je haast of iets over het hoofd ziet, zal AI dat uitbuiten en uitvergroten tot een schaal die je je niet kunt voorstellen. Je zult ook niet de gebruikelijke tijd hebben om te reageren en in te grijpen. Fouten kunnen catastrofaal worden voordat je je zelfs maar realiseert dat ze zijn gemaakt.
Eén voorbeeld is me bijgebleven. Ik werd bij een bedrijf binnengehaald nadat het zijn klantenservicemedewerkers had vervangen door AI. Binnen enkele weken waren klanten woedend en zegden ze links en rechts hun abonnement op. Erger nog, klanten hadden geleerd hoe ze de AI-klantenservice konden uitbuiten en wisten AI ertoe te bewegen hun gratis producten en diensten te geven.
Het was een complete ramp. We moesten teruggaan en de rol van klantenservice volledig heroverwegen — opnieuw definiëren waar AI zaken moest afhandelen, wanneer problemen naar een persoon moesten worden geëscaleerd en welke vaardigheden de menselijke medewerkers nodig hadden om het systeem te laten werken.
Als je je haast of iets over het hoofd ziet, zal het dat uitbuiten en opblazen tot een schaal die je je niet kunt voorstellen. Je zult ook niet de gebruikelijke tijd hebben om te reageren en actie te ondernemen. Fouten kunnen catastrofale gevolgen krijgen voordat je je zelfs maar realiseert dat ze zijn gemaakt.

Hoe leiders AI inzetten voor alles, van routinewerk tot een herontwerp van de organisatie
Ik experimenteer voortdurend met AI en verbeter processen op basis van de mate waarin de technologie zich ontwikkelt. Om dat te doen, breng ik elk proces in kaart en zoek ik naar repetitieve stappen met een laag risico die kunnen worden geautomatiseerd. Daarom zeg ik altijd dat er geen specifieke “AI-gebieden” zijn — AI is een uitbreiding van alles wat we doen.
Specifiek binnen leiderschap is er veel robotisch, repetitief werk dat veel tijd opslokt en je bij mensen weghoudt. Dat werk moet worden geautomatiseerd, want wanneer je je richt op de herhaalbare, robotische gebieden van leiderschap, word je overbodig. Daarom stimuleer ik mijn teams altijd om AI als copiloot naast zich te gebruiken — zodat ze zich meer kunnen richten op de dingen die ertoe doen.

Christophers tip
Wanneer je je richt op de herhaalbare, robotische gebieden van leiderschap, word je overbodig.
Drie dagelijkse werkprocessen die elke leider aan AI zou moeten uitbesteden
Hier zijn drie eenvoudige voorbeelden van repetitieve werkprocessen die ik regelmatig aan AI uitbesteed:
- Notulen van vergaderingen: Ik gebruik Fireflies.ai om mijn vergaderingen te transcriberen, samenvattingen naar me te sturen en me vervolgens vóór de volgende vergadering per e-mail de belangrijkste punten te sturen. Met deze app voor het maken van notities kan ik me richten op de persoon met wie ik praat, in plaats van te proberen notities te maken of ervoor te zorgen dat ik alle actiepunten uit de vergadering afhandel.
- Kennisbank voor vergaderingen: Ik zet transcripties van Fireflies.ai in NotebookLM (kennisbanksoftware) en houd voor elke persoon of elk project een apart notitieboek bij. Daardoor kan ik directe vragen stellen zoals: “Wat heb ik gemist?”, “Welke beslissingen staan nog open?”, “Welke vervolgacties zijn nodig?” en “Welke kansen liggen er nu voor ons?” Zo worden gesprekken omgezet in een bruikbare, doorzoekbare kennisbank.
- AI-leiderschapssimulaties: Voor veel organisaties gebruik ik Relativ.ai om AI-leiderschapssimulaties te ontwerpen rond belangrijke leiderschapsgedragingen, met vergelijkbare technologie als bij mijn beoordeling van AI-effectiviteit. Ze geven leiders een objectieve meting van hun vaardigheden en een duidelijk ontwikkelplan.
Drie datarijke taken waarbij AI echt meerwaarde biedt
En hier zijn drie voorbeelden van data-intensieve taken die, hoewel ze minder regelmatig voorkomen, zonder AI moeilijk uit te voeren zouden zijn geweest:
- Consolidatie en herontwerp van de organisatie: Bij één organisatie voerden we gegevens over functierollen in in AI en vroegen we het om te helpen identificeren waar het overlap in functies aantrof — met andere woorden: waar leek het erop dat twee functies op verschillende plekken hetzelfde deden? Het ging om een grote organisatie, dus dit soort clusteringwerk zou veel tijd hebben gekost, maar AI maakte het eenvoudig. Vervolgens gingen we in die gebieden nader onderzoeken of er daadwerkelijk sprake was van dubbel werk.
Veel van de voorbeelden die AI ons gaf, bleken niet daadwerkelijk dubbel werk te zijn — ofwel de functie had een specifieke behoefte, ofwel men had gewoon een gemakkelijk te gebruiken functieomschrijving uit het systeem gehaald om een aanvraag te openen en in te vullen. In die gevallen pasten we de zaken aan om nauwkeuriger weer te geven wat er werkelijk aan de hand was. Maar sommige bevindingen van AI leidden wel tot consolidatie en herontwerp van de organisatie. - Vaardigheidslacunes opvullen: Bij een andere organisatie identificeerden we een vaardigheidslacune in het verkoopteam met betrekking tot een specifieke klantinteractie. Normaal gesproken zouden we bepaalde content hebben ingezet en managers hebben aangemoedigd om met hun directe medewerkers samen te werken, maar realistisch gezien zou het fysiek onmogelijk zijn geweest om een simulatie op te schalen om mensen te helpen de benodigde vaardigheden goed te ontwikkelen. In plaats daarvan gebruikten we AI om een mobiel gesprek met een AI-bot in te zetten die de situatie simuleerde. Vervolgens voegden we gespreksanalyses met AI toe om hun prestaties te evalueren, feedback te geven en een volledig dashboard te leveren van waar iedereen stond. Daardoor kon de leiding vervolgens gericht oplossingen bieden voor het probleem, waarmee de lacune meetbaar werd gedicht.
Voor dat project gebruikte ik Relativ.AI voor de simulaties en beoordelingen, en bouwde ik het boven op OpenAI en NotebookLM om de onderliggende modellen en kennisbank aan te sturen. - Besluitvorming: Als het gaat om AI bij belangrijke besluitvorming, voer ik grote hoeveelheden gegevens in, maar gebruik ik het meer als een bedachtzame partner. Ik bedenk de belangrijkste zaken die we onderzoeken en vraag hoe de gegevens aansluiten bij die categorieën.
Ik stel ook vragen als: "Waar houden we geen rekening mee?" of: "Welke verborgen patronen zie je?" Maar het is nooit iets waar ik zomaar naar handel — het is eerder het startpunt om dit te valideren of meer details te zoeken bij mensen die dichter bij het werk staan en het kunnen bevestigen, verduidelijken of ontkennen.
Hoe je AI-geletterdheid binnen je team meet — en de vaardigheidskloof dicht
De belangrijkste stap naar AI-geletterdheid is het identificeren van de lacunes. Om dit te doen, heb ik de effectiviteit van AI opgesplitst in zes kerndisciplines die daadwerkelijk kunnen worden gemeten:
- Doelgerichtheid: Doelgerichtheid draait om het doelbewust gebruiken van AI, niet alleen voor gemak. Het meet of je gebruik van AI aansluit bij strategische doelen, in plaats van trends na te jagen of efficiëntie na te streven omwille van de efficiëntie. Tip: Pauzeer voordat je iets automatiseert. Vraag jezelf af: “Welk probleem probeer ik eigenlijk op te lossen?” Een doel komt altijd vóór het proces.
- Oordeelsvermogen: Oordeelsvermogen meet je vermogen om te weten wanneer je AI wel en niet kunt vertrouwen. Het gaat om het toepassen van beoordelingsvermogen om de suggesties, nauwkeurigheid en geschiktheid van AI binnen de context van menselijke besluitvorming te evalueren. Tip: Bouw bewust wrijving in je werkproces in. Accepteer niet de eerste uitvoer van AI. Vergelijk, bevraag en kalibreer deze voordat je handelt.
- Ethische afstemming: Ethische afstemming beoordeelt of je gebruik van AI de organisatiewaarden, privacy, eerlijkheid en integriteit respecteert. Het gaat niet om nalevingschecklists — het gaat om consistente morele afstemming.
Tip: Bepaal je niet-onderhandelbare principes. Beslis wat niet aan AI moet worden uitbesteed voordat je onderzoekt wat wel kan. - Technische vaardigheid: Technische vaardigheid is de mate waarin je vertrouwd bent met AI-tools, -taal en -beperkingen. Het gaat niet om programmeren, maar om begrip. Hoe vaardiger je bent, hoe verantwoordelijker en creatiever je AI kunt inzetten. Tip: Ga niet achter elke nieuwe tool aan. Kies er één of twee en verdiep je daarin, zodat je hun werkelijke mogelijkheden en beperkingen begrijpt.
- Integratie in werkprocessen: Integratie in werkprocessen meet hoe naadloos AI past binnen je dagelijkse processen en samenwerkingsritmes. Goed gebruik van AI wordt niet achteraf toegevoegd — het is ingebed. Tip: Zoek naar knelpunten of repetitieve taken die vertraging veroorzaken. Begin klein en vervang wrijving, niet de functie.
- Oordeelsvermogen bij delegeren: Oordeelsvermogen bij delegeren meet je vermogen om te beslissen wat je aan AI overdraagt — en wat je door mensen laat doen. Het is de discipline om grenzen te definiëren in samenwerking met technologie. Tip: Draag bij twijfel werk met lage risico’s en veel gegevens over aan AI, maar laat het beoordelingsvermogen, de empathie en de verantwoordelijkheid altijd bij mensen.

Begin klein en vervang wrijving, niet de functie.
Nadat ik deze disciplines had gedefinieerd, bouwde ik een beoordelingsinstrument om mijn teams te helpen begrijpen waar ze op die zes gebieden staan. Mensen voeren een gesprek met een AI-bot waarin ze beschrijven hoe ze AI in hun werk gebruiken. Dat gesprek wordt geanalyseerd en ze krijgen een gepersonaliseerd rapport waarin hun effectiviteit voor elke discipline wordt weergegeven, plus praktische stappen om de lacunes te dichten — alles in ongeveer 10-15 minuten. Vervolgens kunnen we de beoordeling na verloop van tijd opnieuw inzetten om de voortdurende vooruitgang te zien — waardoor het een levend ontwikkelingskader wordt en geen eenmalige evaluatie.
De transformerende, praktische resultaten van een AI-beoordeling

Hier is een voorbeeld van dit type AI-beoordeling in de praktijk. Een organisatie had Microsoft Copilot uitgerold en zag dat het veel werd gebruikt, maar had eigenlijk geen inzicht in wat ermee werd gedaan of of het enige waarde toevoegde.
Daarom rolden we die beoordelingstool uit met een paar belangrijke doelstellingen: meetbaar vaststellen hoe effectief mensen de tool gebruikten, trends identificeren in de soorten activiteiten waarvoor mensen AI gebruikten, en specifieke ontwikkelings- en groeiplannen bieden voor meetbare verbetering binnen zes maanden.
Iedereen in het bedrijf kreeg een persoonlijke scorekaart, die vervolgens werd gekoppeld aan een doel voor prestatiemanagement rond het verbeteren van hun AI-effectiviteit. En het leiderschap kon naar het grotere geheel kijken.
We stelden eerst vast dat er grote tekortkomingen waren op het gebied van "ethische afstemming" ten opzichte van de bedrijfswaarden. Dat leidde tot nieuwe bedrijfsstandaarden die in het prestatiemanagement werden verankerd — niet alleen rond AI-ethiek, maar ook rond de manier waarop mensen zich in het algemeen moesten gedragen.
We identificeerden ook kansen met een hoog risico waarbij AI werd gebruikt voor werk dat menselijk moest blijven. De betrokken leiders konden inzoomen op de teams die dat werk uitvoerden en helpen om bij te sturen.
In de loop van zes maanden voerden we de beoordeling nog twee keer uit en zagen we meetbare groei op alle zes gebieden, met een grote verbetering op het gebied van ethiek als gevolg van de brede aandacht voor die standaarden binnen de hele organisatie. Veel leiders gebruikten de teruggekomen gegevens uiteindelijk ook om het werk van hun teams beter te sturen, omdat we hadden vastgesteld dat veel mensen geen duidelijk beeld hadden van hun strategische prioriteiten.
De tweelaagse AI-toolset van Christopher Lind
Als het om tools gaat, denk ik aan twee categorieën: AI-tools en AI-verbeterde tools.
Voor tools die puur op AI zijn gebaseerd:
- Mijn favoriete tools zijn ChatGPT en Google Gemini. Maar ik leun zwaarder op ChatGPT vanwege de multimodale mogelijkheden.
- Ik zou ook NotebookLM toevoegen. Wanneer ik specifieke datasets moet organiseren en raadplegen, is dat onmisbaar. Ik heb voor elk project waaraan ik werk een notitieboek. Alle bronnen, elk transcript — alles gaat daarin. Dat geeft me een gesloten dataset waarin ik kan zoeken en waarop ik kan voortbouwen.
- Ik gebruik Fireflies.ai voor al mijn vergadertranscripties.
- En Relativ.ai doet al mijn simulatiewerk. Daarop is ook mijn beoordeling van AI-effectiviteit gebouwd.
Aan de kant van AI-verbeterde tools:
- Ik ben geobsedeerd door videobewerkingssoftware genaamd videobewerkingssoftware, Descript. Ze hebben uitstekend werk geleverd met het integreren van AI-mogelijkheden in creatieve werkstromen. In het verleden gebruikte ik ook behoorlijk vaak CapCut.
- En ik gebruik Grammarly ook veel.
Waarom je AI-toolset minder belangrijk is dan je AI-strategie
Dat gezegd hebbende zijn de meeste mensen als het om AI gaat op het verkeerde gericht. Ze vragen welke tools mensen gebruiken en welke tools ze zouden moeten hebben. Dat is de verkeerde vraag.
Mensen moeten onderzoeken welke capaciteiten ze moeten versterken en welke gemakkelijk kunnen worden geautomatiseerd. Vervolgens moeten ze de AI-tools die ze al in hun portfolio hebben daarop afstemmen.
De mensen die zullen slagen, zijn niet degenen die de juiste tools kiezen. Het zijn de mensen die duidelijk voor ogen hadden wat ze moesten doen en vervolgens verstandig samenwerkten met de AI-tools om hen heen om dat voor elkaar te krijgen.
Dus als ik het heb over de tools die ik gebruik, is dat alleen om context te geven — niet als checklist. Ik zou alles wat ik doe met een volledig andere set tools kunnen uitvoeren, omdat ik weet welke capaciteiten ik van AI nodig heb en snel kan beoordelen welke van mijn AI-tools de klus zullen klaren.
Advies voor leiders die door AI-transformatie navigeren: vertraag om sneller op te schalen
Dit is mijn advies: vertraag. Neem de tijd om te begrijpen wat je werkelijk probeert te bereiken en hoe het werk vandaag wordt uitgevoerd.
Iedereen haast zich om iets met AI te doen zonder de huidige werkstromen volledig te begrijpen. Daardoor gooien ze AI op kapotte processen en schalen ze verspilling op.
Als je de tijd neemt om het aan de voorkant goed te doen, mensen uitrust om succesvol met de technologie te werken en de gewenste resultaten duidelijk definieert, zul je slagen.
Je moet ook bereid zijn om "Nee" te zeggen tegen goede ideeën als die je wegleiden van de zaken die er het meest toe doen.
Volg hem
Volg de reis van Christopher Lind en leer van zijn ervaring met het aansturen van bedrijfstransformatie via mensen en technologie op zijn website christopherlind.co, abonneer je op zijn inzichten op Substack of neem contact met hem op via LinkedIn.
Er komen meer interviews met experts op People Managing People!



