
Chief People Officer zegt dat vertrouwen in AI geen voorspeller is van adoptie

Justin Angsuwat
Chief People and Customer Engagement Officer bij Culture Amp

Ontdek waarom het vertrouwen van medewerkers in AI geen garantie biedt voor adoptie en hoe leiders blijvende verandering kunnen stimuleren door werkprocessen, cultuur en dagelijkse gewoonten opnieuw vorm te geven.
Justin Angsuwat
Chief People and Customer Engagement Officer bij Culture Amp

Key Takeaways
AI-transformatie: AI verandert peoplemanagement fundamenteel door bestaande werkprocessen ter discussie te stellen en doorlopend inzicht mogelijk te maken.
Vertrouwen van medewerkers: Het programma van Culture Amp vergroot het vertrouwen van medewerkers in het gebruik van AI zonder druk uit te oefenen om perfecte resultaten te behalen.
Leiderschapsuitdaging: Senior medewerkers kunnen moeite hebben met de adoptie van AI, omdat afleren moeilijker kan zijn dan nieuwe kennis opdoen voor junior medewerkers.
Adoptie versus vertrouwen: Vertrouwen in AI opbouwen garandeert geen adoptie; verschillende uitdagingen vereisen verschillende strategieën.
Herontwerp van enquêtes: AI versnelt medewerkerstevredenheidsenquêtes door gegevens snel te analyseren en op bewijs gebaseerde actieplannen voor te stellen.
Justin Angsuwat helpt al twee decennia organisaties zoals Google, PwC, Thumbtack en Blackbird Ventures om met behulp van data, technologie en een personeelsstrategie goed presterende teams op te bouwen. Momenteel is hij directeur Personeel en Klantbetrokkenheid bij Culture Amp.
In ons gesprek met Justin vertelde hij ons dat adoptie en vertrouwen verschillende problemen zijn.
Hoe AI de rol van leiderschap verandert
Ik ben Justin Angsuwat, directeur Personeel en Klantbetrokkenheid bij Culture Amp.
De afgelopen 20 jaar heb ik samengewerkt met bedrijven zoals PwC, Google, Thumbtack en Blackbird Ventures om data- en analysesystemen op te bouwen die de werknemerservaring optimaliseren, sterke werkculturen bevorderen en goed presterende teams creëren. In die tijd heeft technologie de mogelijkheden binnen personeelsleiderschap volledig veranderd.
De afgelopen 18 maanden ben ik gaan beseffen dat dit slechts het begin lijkt te zijn van iets veel ingrijpenders. We maken bestaande werkprocessen niet alleen sneller, maar vragen ons ook af of we die processen überhaupt nog nodig hebben.
AI versnelt HR niet alleen, maar geeft er ook een nieuwe invulling aan. Dat bepaalt hoe ik vandaag de dag leidinggeef. Het heeft me gedwongen om niet langer te vragen: "hoe optimaliseren we onze processen?", maar: "wat wordt er mogelijk wanneer inzicht en actie voortdurend beschikbaar zijn?"
More Articles
Wereldwijd navigeren door AI-transformatie

Ik geef leiding aan Personeel en Klantbetrokkenheid bij Culture Amp, het toonaangevende platform voor werknemerservaring ter wereld. We bedienen wereldwijd 25 miljoen werknemers bij 6.000 organisaties, verspreid over meer dan 90 landen.
Mijn verantwoordelijkheden omvatten het opbouwen en ondersteunen van onze interne cultuur, waaronder het leiden van AI-transformatie en het in staat stellen van onze klanten om hun eigen transformatie door te voeren. We zijn een wereldwijd team dat verspreid is over de VS, het VK, Duitsland en Australië. Daarom navigeer ik voortdurend door de complexiteit van het opbouwen van één samenhangende cultuur binnen sterk uiteenlopende contexten.
Die verspreide realiteit heeft ons geholpen beter te begrijpen wat werkt op de moderne werkplek, omdat we dezelfde uitdagingen en kansen ervaren als onze klanten.
Hoe je het vertrouwen van werknemers in AI vergroot

We hebben onze aanpak van het vertrouwen van werknemers en het ontwikkelen van vaardigheden met AI veranderd. Een jaar geleden begonnen we met een programma van zes weken dat we "Accel-AI-rate" noemen, met één specifiek doel: werknemers vertrouwen geven in het gebruik van AI, in plaats van ze alleen nieuwsgierig te maken.
We scheidden verkenning van verwachting — er was geen druk om gepolijste resultaten op te leveren, maar wel gestructureerd leren dat zich ontwikkelde van begrijpen naar experimenteren en vervolgens naar integreren. Bijna 80% van onze organisatie gaf aan vertrouwen te hebben in het gebruik van AI in het dagelijkse werk, tegenover ons startpunt, met slechts 4% negatieve reacties.
De grotere operationele verandering was echter dat we niet langer wachtten op perfecte gebruikssituaties of toestemming om te experimenteren. We stapten af van een traditionele watervalaanpak voor softwareontwikkeling en gingen over op snelle prototyping. Zo bouwden we in enkele weken dingen waarvoor eerder maanden nodig waren en brachten we werkende prototypes onmiddellijk in handen van gebruikers.
Die verschuiving van "alles plannen en dan bouwen" naar "bouwen, leren, herhalen" heeft onze snelheid en de manier waarop teams dagelijks werken fundamenteel veranderd.
Nu gaan we de volgende fase in en verschuiven we ons fundamentele operationele model om het volgende niveau van AI-transformatie te ontsluiten. Het opbouwen van bijvoorbeeld een organisatorische contextlaag voor AI vereist dat we het meeste van wat we doen machineleesbaar en raadpleegbaar maken.
Dit is geen technologieproject, maar een gedragsverandering. Het verandert hoe we projecten en beslissingen nemen en documenteren. Het betekent dat het oppotten van informatie een fout wordt in plaats van een functie. Het betekent minder vergaderingen, omdat de informatie al beschikbaar is. Je hoeft de informatie niet door te geven, te herhalen of een gesprek in te plannen om die te delen.

Justin deelt
De grotere operationele verandering was echter dat we niet langer wachtten op perfecte gebruiksscenario’s of toestemming om te experimenteren…Die verschuiving van “alles plannen en vervolgens bouwen” naar “bouwen, leren, itereren” heeft onze snelheid en de manier waarop teams dagelijks werken fundamenteel veranderd.
Hoe AI traditioneel leiderschap uitdaagt
Jarenlang gingen we ervan uit dat goed procesontwerp duidelijke opeenvolgende stappen betekende. Denk bijvoorbeeld aan beoordelingsgesprekken: eerst zelfreflectie, daarna input van collega's, vervolgens een beoordeling door de manager en ten slotte het geven van feedback. We bouwden complete systemen om die workflows efficiënt te maken. Door AI besefte ik dat de workflow zelf de beperking kon zijn, en niet de oplossing.
Als AI context in realtime kan samenvoegen, direct inzichten kan bieden en managers kan helpen zich op aanvraag op gesprekken voor te bereiden, moet dan echt iedereen dezelfde rigide volgorde doorlopen? Ik moest de veronderstelling loslaten dat structuur gelijkstaat aan grondigheid. Soms staat structuur gewoon gelijk aan wrijving.
Een andere veronderstelling was dat senior medewerkers AI vanzelf zouden omarmen vanwege hun expertise. Het was verhelderend om te zien dat junior medewerkers natuurlijker met AI werkten dan de executives en leiders die verantwoordelijk waren voor de transformatie van de organisatie. Ervaring kan een voordeel of een nadeel zijn, afhankelijk van hoe sterk je gehecht bent aan de manier waarop dingen altijd zijn gedaan.
De uitdaging van afleren in het AI-tijdperk

Onze resultaten met de integratie van AI zijn meetbaar: 80% vertrouwen van medewerkers in het gebruik van AI, een verbetering van 24% in de instemming met de stelling "we onderzoeken en gebruiken nieuwe technologieën zoals AI", waarmee 84% instemming werd bereikt, en snellere ontwikkelingscycli.
Managers in de hele organisatie kunnen ook begrijpen wat betrokkenheid en prestaties binnen hun specifieke teams stimuleert, zonder dat ze datasegmenten bij analyseteams hoeven op te vragen.
Vertrouwen vertaalt zich niet automatisch in integratie. Mensen kunnen nog steeds naar een leeg canvas in hun dagelijkse workflows staren en blokkeren.
Zoals ik al zei, ontdekten we dat onze meest senior, best presterende medewerkers soms meer moeite hebben dan junior medewerkers, omdat het afleren van de manier waarop ze 20 jaar lang hebben gewerkt moeilijker is dan iets nieuws leren.
Een deel van iemands identiteit raakt verweven met diens workflow, en AI kan die workflow vrij snel overbodig maken. We onderzoeken nog steeds hoe we AI-native medewerkers aan het begin van hun loopbaan kunnen verbinden met senior medewerkers die diepgaande expertise hebben, maar moeten veranderen hoe ze die toepassen.
Waarom vertrouwen in AI geen ingebruikname garandeert
Vertrouwen opbouwen en ingebruikname stimuleren zijn twee volledig verschillende uitdagingen die verschillende interventies vereisen. Aanvankelijk begreep ik dit intellectueel, maar ik voelde het sterker dan verwacht. Dat briljante programma van zes weken dat ik eerder noemde, zorgde ervoor dat 80% van de mensen vertrouwen kreeg, en we gingen ervan uit dat vertrouwen zou leiden tot veranderd gedrag. Dat gebeurde niet — niet automatisch.
Als ik dat vooraf had geweten, zou ik de implementatiefase vanaf dag één anders hebben ingericht — misschien met langdurigere stimulansen, versnelde AI-technologie of andere verantwoordingsstructuren.
We besteedden veel energie aan de veronderstelling dat we iedereen op dezelfde manier moesten trainen, terwijl we verschillende benaderingen nodig hadden voor degenen die iets moesten afleren en degenen die iets nieuws leerden. Als we eerder hadden begrepen hoe die dynamiek tussen senior en junior medewerkers zou uitpakken, had dat ons tijd bespaard die we besteedden aan het doordrukken van oplossingen die voor iedereen hetzelfde waren.
We besteedden veel energie aan de veronderstelling dat we iedereen op dezelfde manier moesten trainen, terwijl we verschillende benaderingen nodig hadden voor degenen die iets moesten afleren en degenen die iets nieuws leerden.

Waarom AI-integratie uitdagender is dan verwacht
De implementatiefase — AI integreren in dagelijkse workflows — bleek veel moeilijker dan verwacht. We gingen ervan uit dat ingebruikname vanzelf zou volgen zodra mensen vertrouwen hadden opgebouwd en de mogelijkheden van AI hadden gezien via ons programma voor verkenning en vaardigheidsontwikkeling.
Mensen krijgen vaak te maken met hun gebruikelijke werklast op dinsdagochtend en vallen terug op oude gewoonten. De kloof tussen "Ik weet dat AI hierbij kan helpen" en "Ik gebruik AI hier daadwerkelijk voor" blijft groot.
We merken ook dat het gebruik van AI voor deterministische taken — taken met één correct antwoord, zoals "wat was onze omzet in het vierde kwartaal?" — indrukwekkend voelt, maar weinig echte waarde oplevert. Het is langzamer dan het uitvoeren van een zoekopdracht en brengt het risico op hallucinaties met zich mee. De impact ontstaat bij probabilistische taken waarbij AI nuances interpreteert. Maar mensen ertoe bewegen om AI niet langer als een betere rekenmachine, maar als een inzichtengine te gebruiken? Dat is de doorbraak waar we nog steeds aan werken.
Waarom medewerkerstevredenheidsonderzoeken een AI-herontwerp nodig hebben
Medewerkerstevredenheidsonderzoeken en de volledige cyclus van actieplanning moeten actief opnieuw worden ontworpen. Traditioneel voer je een onderzoek uit, wacht je weken op de resultaten, snijdt je analyseteam de gegevens op tientallen manieren uit, houd je leiderschapsvergaderingen om de scores te interpreteren en stel je vervolgens misschien — als je gedisciplineerd bent — actieplannen op die al dan niet worden uitgevoerd. Tegen de tijd dat er actie wordt ondernomen, zijn de gegevens maanden oud en neemt het vertrouwen van medewerkers af omdat ze geen verandering zien.
We hebben dit binnen ons platform volledig opnieuw ontworpen. AI analyseert nu direct onderzoeksgegevens, brengt de 3-5 acties met het grootste potentiële effect aan het licht en helpt managers om op bewijs gebaseerde actieplannen op te stellen die zijn gebaseerd op wetenschappelijke inzichten over mensen — allemaal in minuten, niet in weken.
Daardoor is het percentage medewerkers dat na onderzoeken positieve verandering ziet, gestegen van 50% naar 73% die betekenisvolle actie zien. Dat verandert wat er mogelijk is in gesprekken met het bestuur en maakt van cultuur een strategische hefboom, niet slechts een HR-maatstaf. Elke leider die nog steeds op de oude manier medewerkerstevredenheidsonderzoeken uitvoert, laat enorme waarde onbenut.
Waar AI ophoudt en leiderschap begint
Ik leun sterk op AI voor probabilistische taken met meerdere goede antwoorden. Ik analyseer patronen in honderden opmerkingen van medewerkers om emotionele frustraties aan het licht te brengen, voer scenarioplanning uit voor de personeelsstrategie en identificeer vroege waarschuwingssignalen voor het behalen van onze strategie — ik zoek naar kleine vlammen in plaats van branden.
AI heeft de besluitvorming getransformeerd door ons te verplaatsen van "je medewerkerstevredenheidsscore is 72" naar "dit specifieke probleem met verantwoordelijkheid voor slechte prestaties kost je $3 miljoen als je het niet aanpakt". Die specificiteit verandert gesprekken met het bestuur volledig.
Beslissingen over mensen — wie promotie krijgt, wie ontslagen wordt, of iemand klaar is voor een uitdagende rol — blijven nadrukkelijk menselijk. AI kan signalen aan het licht brengen die ik misschien over het hoofd had gezien en me helpen me voor te bereiden op moeilijke gesprekken, maar de beoordeling van wat op dat moment goed is voor die persoon vereist menselijke context, empathie en verantwoordelijkheid.
Ik zie het zo: AI verwerkt complexe gegevens, mensen nemen beslissingen wanneer de loopbaan en het levensonderhoud van één persoon op het spel staan.
Hoe leiders door AI-gestuurde transformatie kunnen navigeren

Justin deelt
AI draait niet om het 10% sneller maken van bestaande werkprocessen — dat levert steeds minder extra rendement op. De echte transformatie ontstaat wanneer je je afvraagt of je het werkproces überhaupt nodig hebt en problemen gaat aanpakken waarvan je niet eens wist dat AI ze kon oplossen.
- Begin met vertrouwen, niet met gebruiksscenario's. Als je niet met de tools hebt gewerkt en zelf minstens honderd instructies hebt gebruikt, weegt je mening over AI minder zwaar. Je weet namelijk pas welke problemen het kan oplossen als je het zelf ervaart.
- Wacht niet op toestemming of het perfecte implementatieplan, lanceer iets en blijf vooruitgaan. Creëer gestructureerde trajecten van begrijpen naar experimenteren en vervolgens integreren, maar houd verkenning en verwachtingen gescheiden, zodat mensen zich gesteund voelen in plaats van blootgesteld.
- Richt je eerst op de mensen achter de technologie. Waar zijn ze bang voor? Wat zou ervoor zorgen dat ze zich bekwaam voelen?
- Wees meedogenloos eerlijk over de context. AI is slechts zo goed als de context die het heeft en de cultuur waarin het terechtkomt. Als je mensen het leiderschap niet vertrouwen, zal geen enkel AI-hulpmiddel dat oplossen. Maar als er vertrouwen is, wordt AI een echte vermenigvuldigingsfactor.
- AI draait niet om het 10% sneller maken van bestaande werkprocessen — dat levert steeds minder extra rendement op. De echte transformatie ontstaat wanneer je je afvraagt of je het werkproces überhaupt nodig hebt en problemen gaat aanpakken waarvan je niet eens wist dat AI ze kon oplossen.
Blijf op de hoogte
Je kunt Justin Angsuwat volgen op LinkedIn.
Er komen meer interviews met experts op People Managing People!



