
CEO van HR-technologie zegt dat de overstap naar AI-native onthulde welk werk werknemers daadwerkelijk willen doen

Jenny Podewils
Medeoprichter en mede-CEO van Leapsome

Ontdek hoe een CEO van een HR-technologiebedrijf AI gebruikte om administratief werk te verwijderen, inzichtelijk te maken wat werknemers echt belangrijk vinden en HR-teams te helpen zich te richten op strategie, groei en menselijk inzicht.
Jenny Podewils
Medeoprichter en mede-CEO van Leapsome

Key Takeaways
AI-adoptie: Leapsome heeft AI-tools geïntegreerd, waarbij werknemers AI-agenten creëren om verschillende taken te automatiseren.
Organisatorische uitdagingen: Vroege AI-adoptie bracht inefficiënties aan het licht en onthulde het potentieel om functies te verbeteren door administratieve lasten te verminderen.
Inzichten voor leiders: Leiders moeten zich met AI bezighouden om processen te automatiseren en de focus te behouden op strategische rollen en menselijke interacties.
Herziening van prestaties: Leapsome heeft functioneringsgesprekken vernieuwd met behulp van AI, waardoor de kwaliteit van feedback is verbeterd en de werklast van managers is verminderd.
Gegevensintegratie: Naadloos gebruik van AI vereist verbonden gegevenssystemen; versnipperde tools kunnen effectieve AI-implementaties belemmeren.
Jenny Podewils is medeoprichter en co-CEO van Leapsome, een HR- en AI-platform dat wereldwijd door meer dan 2.000 bedrijven wordt gebruikt. Haar eerdere ervaring bij een snelgroeiende start-up voor schone technologie en als stafchef in een snel veranderende sector bracht haar ertoe zich te richten op een kernvraag: hoe bouwen we organisaties die op één lijn zitten, snel leren en op hoog niveau presteren?
We spraken met haar om meer te weten te komen over hoe ze die vraag met AI beantwoordt. Dit is wat ze te zeggen had.
Ontwerpen om snel te leren en goed te presteren
Ik ben Jenny Podewils, medeoprichter en co-CEO van Leapsome. Ik groeide op in Berlijn, Duitsland, als dochter van twee academici, met regelmatig internationale gasten en prikkelende gesprekken tijdens het diner.
Dit wekte mijn interesse om grote mondiale uitdagingen aan te pakken. Tijdens mijn universitaire opleiding in Zwitserland en het Verenigd Koninkrijk ontdekte ik dat bedrijven die gericht zijn op impact de juiste manier waren om impact te maken.
Mijn functies bij een snelgroeiende start-up voor schone technologie en als stafchef bij een snel veranderend mediabedrijf maakten me enthousiast over een vraag. Hoe bouwen we organisaties die samenwerken met AI-agenten, snel leren en op hoog niveau presteren?
Ik raakte diep geïnteresseerd in het opschalen van afstemming, het ontwerpen van omgevingen die snel leren en goed presteren, en het bouwen van betere organisaties op basis van echte gegevens. Mensen brengen naar schatting 80.000 uur van hun leven door op het werk. Deze tijd moet betekenisvol zijn. Die overtuiging werd de basis voor Leapsome.
Kajetan von Armansperg en ik richtten Leapsome in 2016 op om anderen te helpen goed presterende teams te bouwen, uitzonderlijke werknemerservaringen te ontwerpen en succesvolle culturen vorm te geven met mensgerichte HR-software.
Het uitgebreide HRIS-, talent- en AI-platform van Leapsome bedient wereldwijd meer dan 2.000 mensgerichte en succesvolle klanten. Ik ben gevestigd in New York, waar we een van onze wereldwijde kantoren hebben.
Als leider luister ik altijd en stel ik moeilijke vragen. Ik vertrouw op eigenaarschap en neem beslissingen over wat onder mijn verantwoordelijkheid valt. Ik hanteer zeer hoge standaarden en hecht waarde aan urgentie en impact.
More Articles
De keuze maken om intern volledig op AI gebaseerd te zijn
We omarmden al vroeg het idee om onze klanten de voordelen van AI te bieden en brachten snel impactvolle AI-functies uit in ons product. We maakten ook bewust de keuze om intern volledig op AI gebaseerd te zijn.
We hebben de visie ontwikkeld, het beleid vastgesteld en de infrastructuur en hulpmiddelen al vroeg geïmplementeerd. Honderd procent van ons team gebruikt AI-hulpmiddelen of -agenten in het dagelijkse werk, en meer dan 60% van onze medewerkers heeft ten minste eenvoudige agenten gebouwd om bepaalde taken te automatiseren. AI-gebruik en experimenteren maken dus deel uit van ons reguliere werk en onze functies bij Leapsome.
We blijven AI integreren in processen op het hele platform — van prestaties tot enquêtes en van salarisadministratie tot werkstromen. Het is spannend om te zien hoe we onze klanten kunnen helpen AI effectief te benutten, omdat AI rechtstreeks toegankelijk is op de plek waar hun HR-context “leeft”.
Hoe de invoering van AI verborgen kansen op het werk blootlegt
Toen we intern AI-hulpmiddelen uitrolden en de adoptiecurve zagen — ons hele team gebruikt regelmatig AI en de meeste mensen bouwen hun eigen agenten — verwachtte ik wrijving: enige scepsis en weerstand van mensen die liever vasthielden aan wat ze kenden.
In plaats daarvan ontdekte ik een mix van enthousiasme en opluchting. Mensen wilden af van het werk dat zich rond hun eigenlijke functies had opgestapeld: eerste versies opstellen, samenvatten, opvolgen, gegevens verzamelen en opmaken. Toen AI dat overnam, ontstond er ruimte — mensen kregen meer tijd voor vervullend werk waarvoor kritisch denkvermogen en menselijk beoordelingsvermogen nodig zijn.
Dat vertelde me iets ongemakkelijks. We gaven getalenteerde mensen niet alleen saai werk. We hadden systemen gebouwd die de beste onderdelen van hun functies langzaam bedolven onder administratieve structuren, en de meeste mensen accepteerden stilletjes dat dit nu eenmaal de manier was waarop dingen gingen. AI maakte dat zichtbaar. Toen het eenmaal zichtbaar was, wilde niemand terug. Het potentieel is enorm en het is spannend!
De echte les: adoptie is het minste van de problemen. Wat je ontdekt zodra de administratie uit de weg is geruimd, is waar het echte werk begint.
Mensen wilden af van het werk dat zich rond hun daadwerkelijke functies opstapelde: eerste versies opstellen, samenvatten, opvolgen, gegevens verzamelen en opmaken. Toen AI dat overnam, ontstond er ruimte — mensen kregen meer tijd voor betekenisvol werk dat kritisch denkvermogen en menselijk oordeel vereist.

Hoe leiders AI kunnen omarmen
Een belangrijk onderdeel van mijn rol als leider is tijd vrijmaken voor mijn eigen voortdurende ontwikkeling en praktische experimenten met AI. Ik vind het essentieel dat leiders hier vandaag de dag tijd voor vrijmaken.
De kans voor leiders en professionals binnen de People-functie is om hun rol als strategische partner van de organisatie te omarmen door handmatige processen te automatiseren, versnipperde gegevens samen te brengen en sneller inzichten te genereren. Dit creëert ook ruimte voor het belangrijke werk rond mensen en bedrijfsvoering dat niet geautomatiseerd zou moeten worden.
Ik heb het idee moeten loslaten dat "persoonlijk contact" met managers de belangrijkste manier is waarop medewerkers groeien. AI-coaching kan, wanneer dit goed gebeurt en onder menselijk toezicht, consistente en tijdige begeleiding bieden die zelfs de beste managers niet op grote schaal kunnen leveren.
Voor alle duidelijkheid: dit vervangt managers niet, maar vergroot hun bereik en zorgt ervoor dat medewerkers ondersteuning krijgen tussen formele voortgangsgesprekken door.
Hoe we prestatiebeoordelingen met AI volledig hebben vernieuwd

We hebben prestatiebeoordelingen zowel intern als in ons product volledig vernieuwd met AI. Dit veranderde fundamenteel de manier waarop we het hele proces bekijken.
De oude werkwijze: Managers besteedden uren aan het schrijven van conceptbeoordelingen, vaak vanaf nul, en hadden moeite om zich specifieke prestaties van maanden eerder te herinneren. Een omslachtig en traag proces dat veel administratief werk vereist, schaadt resultaten en doorlooptijden! Beoordelingen dreigen zo een oefening in naleving te worden in plaats van een gesprek over afstemming en groei.
De door AI ondersteunde werkwijze: We hebben een AI-assistent gebouwd die feedback voor beoordelingen opstelt op basis van context uit vergaderingen, doelstellingen en eerdere feedback. De AI begeleidt gebruikers door het proces, haalt relevante context naar voren — wat de medewerker heeft bereikt, waar diegene moeite mee had en hoe diegene vooruitgang heeft geboekt — en stelt formuleringen voor die managers kunnen bewerken, verfijnen en personaliseren op basis van hun menselijk redeneervermogen, empathie en persoonlijke band met hun directe medewerkers.
Resultaten: De mediane tijd die managers besteden aan het schrijven van beoordelingen is aanzienlijk gedaald. Belangrijker nog: de kwaliteit is verbeterd, omdat managers bewerken en nuance toevoegen in plaats van naar een lege pagina te staren. Medewerkers geven aan dat de feedback specifieker en beter uitvoerbaar aanvoelt.
We hebben dezelfde logica toegepast op vragen en antwoorden van medewerkers. HR kreeg via Slack, e-mail en soms meerdere keren van dezelfde persoon steeds opnieuw dezelfde beleidsvragen. Onze AI-helpdeskmedewerker beantwoordt deze vragen nu in duidelijke taal, op basis van onze kennisbank. HR krijgt die tijd terug voor werk waarvoor menselijke expertise nodig is.
We hebben dit ook toegepast op de analyse na enquêtes. Vroeger waren we weken bezig met het samenvatten van open antwoorden, vaak onvolledig. AI brengt nu binnen enkele dagen thema's en patronen naar voren, zodat leiders kunnen handelen terwijl de feedback nog vers is.
De gemene deler: AI nam de administratieve last over, zodat mensen zich konden richten op werk waarvoor menselijk oordeel nodig is, zoals de gesprekken, beslissingen en opvolging die niemand kan delegeren.
Waarom het potentieel van AI vaak groter is dan de organisatorische gereedheid
Mensen horen "AI zal HR transformeren" en verwachten een magische knop. AI is slechts zo goed als de gegevens, werkprocessen en governance eromheen. Als je personeelsgegevens verspreid staan over vijf niet-verbonden systemen, of als je processen informeel en inconsistent zijn, kan AI dat niet oplossen.
Erger nog: AI kan de verkeerde gegevens naar boven halen en op zijn best verwarring veroorzaken en op zijn slechtst een echt probleem.

Jenny's gedachten
AI is slechts zo goed als de gegevens, werkstromen en governance eromheen.
We pakken dit aan door AI zo in ons product te integreren dat het je systeem van registratie vormt, waarbij al je context aan je processen en werkstromen is gekoppeld — niet als een afzonderlijke functie wordt toegevoegd.
Onze AI coacht medewerkers binnen het proces voor het stellen van doelen. Het helpt bij beoordelingen binnen de beoordelingscyclus. Het beantwoordt beleidsvragen vanuit een gedefinieerde kennisbank. De structuur creëert de randvoorwaarden en de AI opereert daarbinnen.
We kiezen standaard ook voor de mens in de lus. Onze AI stelt concepten op, doet suggesties en maakt samenvattingen, maar onderneemt geen actie zonder goedkeuring van een persoon. We zijn van mening dat HR-beslissingen context, nuance en consequenties met zich meebrengen die AI niet autonoom zou moeten afhandelen. Leiders die willen dat AI het "gewoon doet" zonder toezicht, stellen zichzelf bloot aan juridische, ethische en vertrouwensproblemen.
Diepgaande in plaats van brede AI-integratie

Een jaar geleden hadden we veel hulpmiddelen. Nu hebben we er minder en zijn ze sterker geïntegreerd. We zijn de diepte in gegaan in plaats van de breedte. We gebruiken AI-functies door onze werkstromen heen: het opstellen van beoordelingen, samenvattingen van enquêtes, onze AI-gestuurde coach, vraag en antwoord over beleid, transcriptie van vergaderingen en data-inzichten.
Dit zijn geen afzonderlijke AI-uitbreidingen; we bouwen ze in op de plekken waar het werk plaatsvindt, wat de adoptie garandeert.
Onze basis is onze eigen tool, en doordat we onze eigen klant zijn, krijgen we meer duidelijkheid. Het houdt ons eerlijk. We gebruiken de tool voor alles: HRIS (werknemersgegevens, documenten, afwezigheden, voorbereiding van de salarisadministratie, werkstromen) en talentmanagement (prestatiebeoordelingen, doelen, betrokkenheidsenquêtes, feedback, leren, 1-op-1-gesprekken) en AI. De gegevens staan op één plek, en dat is belangrijker dan het misschien klinkt.
Daarnaast hebben we aangepaste agenten gebouwd in Dust en Notion voor gebruik door verschillende teams. Gemini, Claude en Lovable maken er allemaal deel van uit, afhankelijk van de taak. En elk team heeft zijn eigen technologiepakket dat daarop voortbouwt. We proberen niet alles te standaardiseren, maar zijn bewust bezig met wat de basis vormt.
De grootste verandering in het afgelopen jaar was consolidatie. We hadden te veel puntoplossingen, die elk één ding goed deden, maar tot versnipperde gegevens en voortdurende overstapkosten leidden. Minder hulpmiddelen, diepere integratie en AI die in werkstromen is ingebed in plaats van in één app te worden geïsoleerd.
Waarom een AI-ontwikkelingscoach een doorbraak kan betekenen
We gebruiken intern onze eigen Ontwikkelingscoach. Het is een AI-agent die medewerkers en managers realtime begeleiding biedt bij groei, zonder te wachten op een formele beoordelingscyclus of de beschikbaarheid van een manager.
Managers bij groeiende bedrijven staan onder druk. Ze kunnen niet bij iedereen regelmatig informeren en medewerkers die richting nodig hebben, krijgen die vaak pas wanneer er een beoordeling plaatsvindt. De Ontwikkelingscoach verandert die frequentie.
Medewerkers kunnen vragen stellen over hun doelen, specifieke vervolgstappen krijgen en begrijpen hoe "uitstekend" er in hun rol uitziet. Managers kunnen de coach gebruiken om zich voor te bereiden op betekenisvolle gesprekken in plaats van reactieve gesprekken. De coach put uit context van doelen, feedbackgeschiedenis en bedrijfsraamwerken, zodat de informatie die hij naar voren brengt specifiek en niet algemeen is.
Wat er op de achtergrond gebeurt, vind ik het belangrijkst: de signalen. Wanneer medewerkers de AI vragen stellen die we anders nooit zouden horen, leren we iets — niet over individuen (de gegevens zijn geaggregeerd en anoniem) — maar over waar duidelijkheid ontbreekt, waar mensen vastlopen en wat managers niet aanpakken. Zo'n vroeg signaal is op geen enkele andere manier gemakkelijk te verkrijgen.
Agenten gaan ook verder dan het werk. Thuis heb ik verschillende aangepaste AI-agenten gebouwd om het runnen van een gezin gemakkelijker te maken. Ik heb bijvoorbeeld een wekelijkse maaltijdplanner gemaakt die rekening houdt met de principes voor gezond eten die ik heb opgesteld.
Waarom leren van AI-geletterdheid het beste werkt onder begeleiding van collega's en met een praktische aanpak
We hebben het gebruik van AI structureel gemaakt, niet optioneel. Elk teamlid heeft toegang tot AI-hulpmiddelen, niet alleen medewerkers van engineering of productontwikkeling. AI-vaardigheid mag geen voorrecht zijn van bepaalde rollen of functies.
We hebben geletterdheid opgebouwd door te delen, niet door verplichte trainingen. Mensen laten zien hoe ze AI in hun werkstromen gebruiken. Het wordt door collega's geleid, is praktisch en soms rommelig, maar juist daardoor blijft het hangen. Iemand laat iets zien dat werkte en iemand anders past het aan voor diens context. Die verspreiding zorgt sneller voor echte adoptie dan welke top-downuitrol dan ook.
Wat mij is opgevallen: hoe meer mensen experimenteren, hoe meer werk ze ontdekken dat ze willen automatiseren — taken die ze jarenlang waren gaan beschouwen als "gewoon onderdeel van het werk". AI geeft mensen de ruimte en de mogelijkheid om dat ter discussie te stellen.
Wat bestuur betreft, zijn we expliciet over gegevensprivacy. Iedereen weet welke gegevens wel en niet in externe AI-tools mogen worden ingevoerd. Daar valt niet over te onderhandelen. Duidelijkheid over de randvoorwaarden geeft mensen het vertrouwen om daarbinnen de grenzen op te zoeken.
Wat betreft hoe "AI-klaar" eruitziet: ik zou het minder omschrijven als een checklist en meer als een cultuur. Medewerkers die zonder angst voor een oordeel experimenteren. Teams die vragen: "Moet een persoon dit doen?"
Leiders die zichtbaar het gebruik van AI laten zien, niet als een vertoning, maar omdat ze het gebruiken. Ik probeer daar zelf expliciet over te zijn. Als ik mijn teams vraag om AI-vaardigheid op te bouwen en ik die niet zelf beoefen, is dat geen leiderschap. Het is toneel.
Mensen laten zien hoe ze AI in hun werkprocessen gebruiken. Het wordt door collega’s geleid, is praktisch en soms rommelig, maar juist daardoor blijft het hangen.

Waarom AI slechts zo goed is als de gegevens waartoe het toegang heeft
Toegang tot gegevens is essentieel. AI is slechts zo goed als de gegevens waartoe het toegang heeft.
Een glanzende, op zichzelf staande AI-agent buiten je HR-systeem kan natuurlijk een functieomschrijving schrijven. Maar die kan je niet vertellen of de betrokkenheid binnen een specifiek team afneemt, of een goed presterende medewerker al maanden geen ontwikkelgesprek heeft gehad, of dat de directe medewerkers van een manager structureel slechter presteren dan uit hun eigen beoordelingen door collega's blijkt.
Dit inzicht vereist historische, gekoppelde gegevens — HRIS, doelen, feedback, beoordelingen, betrokkenheid en leren, allemaal op één plek. Gefragmenteerde puntoplossingen kunnen dat niet leveren, hoe AI-gestuurd ze ook zijn. We hebben jarenlang gebouwd om dat probleem op te lossen.
Onze routekaart richt zich op de agentgerichte kant. We bouwen agents die afgebakende, specifieke taken uitvoeren: documenten opstellen, beleidsvragen beantwoorden en managers eraan herinneren zaken op te volgen, terwijl mensen de beslissingsbevoegdheid behouden.
Deze agents draaien op de achtergrond. Het doel is om uit te breiden wat een compact HR-team kan bereiken. Hierdoor kan een HR-leider die de personeelszaken voor 200 medewerkers uitvoert met één of twee collega's, stoppen met het besteden van de dag aan administratieve taken en zich gaan richten op werk dat resultaten oplevert.
Waarom AI HR dwingt zich opnieuw te bezinnen op zijn doel
Voor HR-leiders is dit moment meer dan een technologische overgang. AI dwingt HR zich opnieuw te bezinnen op zijn doel.
Veel mensen met wie ik praat zijn de HR ingegaan omdat ze om mensen gaven. Ze wilden culturen opbouwen, leiders ontwikkelen en omgevingen creëren waarin mensen hun beste werk konden doen.
Ergens onderweg werden velen procesbeheerders. Systemen stapelden zich op. De rol vormde zich eromheen. Als je HR-technologie processen belangrijker vindt dan mensen, vormt die dynamiek de rol na verloop van tijd. Hulpmiddelen vormen gedrag. Systemen vormen rollen. Dat is het benoemen waard en het is de moeite waard om die dynamiek te doorbreken.
Enkele praktische tips voor het gebruik van AI in HR:
- Begin met het werk waar je een hekel aan hebt, niet met de meest flitsende functie. Waar besteed je tijd aan repetitieve taken met weinig waarde? Pas AI daar als eerste toe. De eerste versie. De samenvatting. Het najagen van opvolging. Automatiseer die taken en bescherm je tijd voor werk waarvoor jij nodig bent.
- Ga standaard uit van menselijke tussenkomst. AI moet ondersteunen, niet beslissen, vooral niet in HR, waar beslissingen invloed hebben op de loopbaan en bestaanszekerheid van mensen. Stel die verwachting duidelijk vast en houd eraan vast.
- Ga sneller dan comfortabel voelt. Organisaties die nu AI-vaardigheid opbouwen, behalen voordelen die zich opstapelen. Wachten tot AI "volwassen" is, is een keuze met gevolgen.
- Neem je team mee. Junior medewerkers en leidinggevenden op de werkvloer zien vaak de duidelijkste kansen. Adoptie is net zo goed een culturele als een technologische uitdaging.
- Voor leiders in bredere zin: Laat persoonlijk zien hoe je AI gebruikt, investeer serieus in je managers en houd het doel centraal. AI verandert de manier waarop werk wordt gedaan. Het verandert niet waarom dat werk ertoe doet.
Hoe HR-rollen zich de komende 5 jaar zullen ontwikkelen
Binnen vijf jaar zal HR, naar mijn overtuiging, zijn identiteit als procesbeheerder volledig achter zich hebben gelaten, en bedrijven die HR nog steeds zo behandelen, zullen dat merken in hun bedrijfsresultaten.
De verschuiving is al gaande. HR-leiders bij vooruitstrevende organisaties worden niet beoordeeld op de vraag of beoordelingsgesprekken hebben plaatsgevonden of enquêtes zijn verstuurd. Ze worden beoordeeld op resultaten:
- Verbetert het behoud van medewerkers waar dat het belangrijkst is?
- Ontwikkelen managers hun medewerkers?
- Kunnen we een verband tussen betrokkenheid, prestaties en productiviteit traceren waarop we kunnen handelen?
AI maakt die verschuiving mogelijk door de operationele laag betrouwbaar af te handelen, zodat HR-leiders zich kunnen richten op strategie, diagnose en interventie.
Het HR-team van de toekomst zal kleiner zijn, uit meer senior medewerkers bestaan en aanzienlijk meer invloed hebben. Niet omdat het aantal medewerkers wordt verminderd, maar omdat de rol zich uitbreidt qua reikwijdte en geloofwaardigheid verwerft aan de bestuurstafel. Minder tijd in de administratieve laag, meer tijd in de ruimte waar zakelijke beslissingen worden genomen.
Organisaties die HR nog steeds laten draaien op gefragmenteerde systemen, met afzonderlijke hulpmiddelen voor HRIS, prestaties, betrokkenheid en leren, zullen een meetbaar nadeel ondervinden. AI genereert nuttige inzichten uit verbonden gegevens. Uit gegevens in silo's genereert het ruis. Fragmentatie wordt een kostbare erfenis, en de afrekening komt dichterbij dan de meeste mensen verwachten.
De versie van HR die over vijf jaar succesvol is, lijkt veel meer op wat de meeste mensen voor ogen hadden toen ze het vakgebied betraden.
Hoe je AI mensgericht houdt binnen HR

Als HR AI slecht implementeert — door het in te zetten om verantwoordelijkheid uit te schakelen, het te gebruiken om slechte beslissingen sneller op te schalen of het te behandelen als vervanging voor de moeilijke menselijke gesprekken die culturen opbouwen — verspillen we niet alleen de kans. We tasten het vertrouwen aan op manieren die moeilijk te herstellen zijn.
Een slecht functionerende AI is niet het grootste risico. Het risico is AI die precies werkt zoals ontworpen, maar in de verkeerde richting wijst. Beoordelingen die sneller plaatsvinden maar minder menselijk aanvoelen. Beleid dat door een chatbot wordt "beantwoord" zonder dat iemand controleert of het antwoord juist of eerlijk is. Beslissingen die objectief lijken omdat ze uit een systeem komen, terwijl het systeem de aannames weerspiegelt van degene die het heeft gebouwd.
Onze filosofie is duidelijk: AI mag menselijk oordeel nooit vervangen bij beslissingen die iemands loopbaan, levensonderhoud of welzijn beïnvloeden. AI stelt op, doet suggesties en brengt zaken aan het licht. Een persoon beoordeelt, beslist en neemt verantwoordelijkheid voor de uitkomst. Menselijk oordeel is niet onderhandelbaar.

Jenny's gedachten
AI mag menselijk oordeel nooit vervangen bij beslissingen die iemands loopbaan, levensonderhoud of welzijn beïnvloeden…Menselijk oordeel is niet onderhandelbaar.
De HR-leiders voor wie ik het meeste respect heb, vragen niet alleen: "hoeveel kunnen we automatiseren?" Ze vragen ook: "wat mag nooit worden geautomatiseerd, en waarom?" Die discipline maakt het verschil tussen AI die vertrouwen opbouwt en AI die het afbreekt.
Het is ook een van de meest terugkerende gesprekken binnen People over Perks, onze community voor HR-professionals — en eerlijk gezegd komt een deel van het meest nuchtere denken over dit onderwerp daar vandaan. Als je in je eigen organisatie met deze vraag bezig bent, moedig ik je aan om je bij ons aan te sluiten.
Zoals ik al zei, brengen mensen tijdens hun leven ongeveer 80.000 uur op het werk door. Die tijd zou betekenisvol moeten zijn. AI zou moeten helpen om dat nog meer het geval te laten zijn.
Volg mee
Je kunt het werk van Jenny Podewils volgen op LinkedIn en ook een kijkje nemen bij Leapsome!
Er komen nog meer interviews met deskundigen op People Managing People!



