Wat AI ontdekte toen het op het werk verscheen
AI-verlichting: Werknemers voelden zich opgelucht, niet weerstand biedend, doordat AI-tools hun administratieve lasten bij Leapsome verlichtten.
Gereedheidskloof: De invoering van AI legt bij de gereedheid van het personeelsbestand een vertrouwensprobleem bloot, niet alleen een vaardigheidskloof.
Documentatieprobleem: Een gebrek aan procesdocumentatie belemmert effectief AI-gebruik en legt organisatorische kwetsbaarheden bloot.
Organisatorische versnippering: Niet-verbonden HR-systemen beperken het potentieel van AI en benadrukken de noodzaak van geïntegreerd talentmanagement.
Vertrouwensarchitectuur: Voor de invoering van AI zijn transparantie en verantwoordingsplicht nodig om organisatorisch vertrouwen en afstemming op te bouwen.
Toen Jenny Podewils AI-tools uitrolde binnen de interne teams van Leapsome, verwachtte ze weerstand. Wat ze in plaats daarvan kreeg, was opluchting.
"Mensen wilden af van het werk dat zich rondom hun eigenlijke functies had opgestapeld", zegt ze. "Eerste versies opstellen, samenvatten, opvolgen, gegevens verzamelen, opmaken. Toen AI dat overnam, ontstond er ruimte."
Wat er ontstond, was niet alleen tijd. Het was een zicht op iets wat er al die tijd al was geweest. De medewerkers van Leapsome bleken jarenlang langzaam bedolven te zijn geraakt onder administratieve structuren. De meesten hadden dit stilzwijgend geaccepteerd als onderdeel van hun werk. AI maakte het zichtbaar en zodra het zichtbaar was, wilde niemand meer terug.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Podewils is co-CEO van een bedrijf dat HR-software ontwikkelt, dus ze heeft zowel zicht van binnenuit op hoe organisaties technologie voor medewerkers inzetten als een directe verbinding met wat haar eigen team daadwerkelijk ervoer. Haar observatie uit die uitrol raakt aan iets wat in de meeste gesprekken over AI-adoptie onderbelicht blijft.
Het probleem dat AI binnen HR blootlegt, is geen technologieprobleem. In veel gevallen is het zelfs geen nieuw probleem. Het is een tekortkoming in het ontwerp van de organisatie met een zeer lange nasleep.
De leiders die AI momenteel het effectiefst navigeren, zijn niet degenen die het snelst bewegen. Het zijn degenen die bereid zijn te kijken naar wat AI aan het licht brengt en daar niet voor terugdeinzen.
De kloof in paraatheid gaat niet over paraatheid
Jeanne Meister helpt organisaties al meer dan drie decennia bij het navigeren door veranderingen in de arbeidsmarkt. Ze heeft gezien hoe bedrijven worstelden met demografische verschuivingen, hybride werken, vaardigheidstekorten en een half dozijn andere structurele veranderingen die het werk zoals we dat kenden opnieuw zouden definiëren. AI is volgens haar op één specifiek punt anders: het heeft een bestaande kloof onmiskenbaar gemaakt. Ze noemt dit een kloof in paraatheid.
"De kloof tussen wat organisaties met AI willen doen en de bereidheid van werknemers om AI in hun werkprocessen te integreren."
Maar ze benadrukt al snel dat training niet de voornaamste oorzaak is.
"Het gaat om vertrouwen en angst. Werknemers zijn bang overbodig te worden. Ze maken zich zorgen over de verplichting om AI-vaardig te zijn en over wat dit betekent voor hun huidige en toekomstige functies."
Dat onderscheid, tussen een vaardigheidsprobleem en een vertrouwensprobleem, is van enorm belang. Als de kloof over bekwaamheid gaat, los je die op met trainingsprogramma's. Als de kloof over angst gaat, zullen trainingsprogramma's alleen niet volstaan. Dan heb je te maken met iets dat onder het competentiekader ligt.
Haar onderzoeksgegevens maken dit concreet: 79% van de werknemers zegt zich onvoorbereid te voelen om AI op het werk te gebruiken en 65% zegt dat hun organisatie niet de juiste training heeft aangeboden. Maar Meister kijkt verder dan die cijfers.
"Veel bedrijven verplichten hun personeel om AI-geletterd te zijn, maar laten na te definiëren wat dat voor hun werknemers betekent."
Een verplichting zonder definitie is geen strategie. Het is een mechanisme dat angst verspreidt.
Wat ze beschrijft, is eigenlijk helemaal geen kloof in paraatheid. Het is een communicatiefalen, verergerd door problemen met verantwoordelijkheid. Leiders denken dat ze de impact van AI communiceren. Werknemers ervaren dat niet. Die afstand tussen intentie en ontvangst is iets waar de meeste organisaties al slecht mee omgingen voordat AI zijn intrede deed. Nu komt die tot uiting in de cijfers over AI-adoptie.
Het documentatieprobleem is een ontwerpprobleem
Linnea Bywall trad bij Quinyx aan als VP Personeel, nadat ze zeseneenhalf jaar lang de personeelsfunctie bij Alva Labs had opgebouwd. Ze begon met een duidelijke theorie over wat er moest gebeuren voordat iets met AI op grote schaal kon werken.
"Het gebrek aan documentatie vormt een aanzienlijke belemmering voor AI-paraatheid", zegt ze. "Zoveel organisaties willen AI gebruiken, maar te veel processen zitten in de hoofden van mensen."
Wat klinkt als een technische voorwaarde — je processen documenteren zodat AI-modellen ermee kunnen werken — is in werkelijkheid een structurele afrekening. Als je onboardingproces, je aanpak voor prestatiekalibratie en je beloningsfilosofie voornamelijk leven in het spiergeheugen van de mensen die lang genoeg aanwezig zijn om te weten hoe dingen werken, heb je een probleem met organisatorische kwetsbaarheid dat al jaren vóór AI bestond.
Het team van Bywall herschreef hun personeelshandboek en managerhandboek, verwerkte documentatiedoelen in de kwartaal-OKR's en gebruikte AI zowel als hulpmiddel bij het opstellen als klankbord om hiaten te identificeren. Het proces bracht op manieren inzichten aan het licht die verder gingen dan de documenten zelf. "We gebruikten AI als klankbord om ervoor te zorgen dat we alle noodzakelijke onderdelen behandelden", zegt ze. Uit de reacties bleek hoeveel institutionele kennis nooit expliciet was gemaakt.
Podewils kwam vanuit een andere richting op hetzelfde punt uit. Wanneer ze vertelt waarom AI verbonden historische gegevens nodig heeft om zinvolle inzichten te genereren, voert ze in andere woorden een pleidooi voor documentatie.
"Een glanzende, zelfstandige AI-agent buiten je HR-systeem kan inderdaad een functieomschrijving schrijven. Maar hij 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 consequent slechter presteren dan uit hun eigen beoordelingen door collega's blijkt."
Wie documentatie behandelt als een eerste stap naar AI-gereedheid, ontdekt vaak iets dat hoe dan ook onder ogen had moeten worden gezien. De organisatie draait op informele infrastructuur. Dat werkte zolang de mensen die de kennis bezaten bleven. Het was altijd al een risico.
Navelstaren op grote schaal
Dean Carter was bijna 25 jaar CHRO bij bedrijven als Fossil, Sears, Patagonia en Guild, voordat hij de rol van CEO op zich nam bij Instill, een AI-bedrijf dat zich richt op cultuursignalen in gesprekken binnen organisaties. Zijn perspectief is zowel breed als diepgaand, en hij is niet bepaald mild over wat hij HR momenteel met AI ziet doen.
"Ik denk dat HR zich te veel richt op het herzien van werkprocessen en organisatieontwerp," zegt hij. "Dat is een druppel op een gloeiende plaat. Het levert een bedrijf vrijwel geen rendement op. We staren naar onze eigen navel door AI toe te passen op wat al bestaat."
Dit is de lastigere versie van het argument. Bywall en Podewils betogen dat organisaties fundamenteel werk moeten verrichten voordat AI resultaat kan opleveren. Carter stelt dat zelfs organisaties die dat fundament goed op orde hebben, mogelijk het verkeerde probleem oplossen. Als je AI gebruikt om een beoordelingsproces te optimaliseren dat al kapot was, heb je niets getransformeerd. Je hebt een mislukking geautomatiseerd.
Hij heeft een specifiek kader voor de manier waarop hij de rol van AI in zijn eigen werk ziet.
"Tachtig procent van wat AI mij geeft, is geweldig, en dat is alles wat ik nodig heb. Ik heb geen definitieve oplossing, afbeelding of antwoord meer nodig of wil dat nog. Ik wil dat AI het voorbereidende werk van kennis verzamelen en samenvoegen doet, het werk dat meer tijd dan denkkracht kost, zodat ik mijn tijd en verstand kan gebruiken om de laatste, uitdagende en fantastische twintig procent vorm te geven."
Dat is geen optimalisatie van een werkproces. Het is een herdefiniëring van waar menselijk oordeel thuishoort in het proces. Het voorbereidende werk was het deel dat tijd opslokte zonder onderscheidend denkwerk op te leveren. De twintig procent is waar ervaring, wijsheid en begrip van de context er werkelijk toe doen. AI heeft dat onderscheid niet gecreëerd. Het heeft het alleen mogelijk gemaakt ernaar te handelen.
De moeilijkere vraag die Carter opwerpt, is hoeveel HR-teams AI gebruiken om de bestaande structuur te beschermen in plaats van die te onderzoeken. Hoeveel teams automatiseren het proces dat in plaats daarvan opnieuw ontworpen had moeten worden?
Het probleem van de verbindende schakel
Trent Cotton leidt talentinzichten bij iCIMS en denkt in structurele termen na over de rol van AI in HR. Zijn visie op wat AI mogelijk maakt, een geïntegreerd overzicht van de talentportefeuille waarin werving, interne mobiliteit, prestaties en leren op één plek met elkaar worden verbonden, klinkt ambitieus. Maar de visie is gebaseerd op een diagnose die minder over AI-capaciteit gaat dan over organisatorische versnippering.
"Vandaag de dag besteedt HR te veel tijd aan het najagen van losgekoppelde processen," zegt hij. "Aanvragen hier, interne mobiliteit daar, leren in weer een ander systeem."
Deze versnippering is niet nieuw. HR-functies beheren al tientallen jaren losgekoppelde systemen, schaffen specifieke oplossingen voor afzonderlijke problemen aan, bouwen omwegen en verliezen bij elke overdracht gegevensgetrouwheid. AI verhelpt die versnippering niet. Het legt bloot waarom die altijd al een probleem was. Het inzicht dat AI kan genereren uit verbonden gegevens, wie het risico loopt te vertrekken, welke managers hun mensen ontwikkelen en waar hiaten in de opvolging ontstaan, is niet beschikbaar als de gegevens in silo's zijn opgesloten.
"AI genereert nuttige inzichten uit verbonden gegevens," zegt Podewils. "Uit gegevens in silo's genereert het ruis. Versnippering wordt een dure erfenis en de afrekening komt sneller dan de meeste mensen verwachten."
Cotton trekt dit door naar de aard van leiderschap zelf. Hij spreekt over een verschuiving van "leider van een functie" naar "ontwerper van systemen die leren". De AI-ondersteunde HR-leider doet in zijn visie niet minder. Die opereert op een ander niveau en kan risico's voor de capaciteiten en de personeelsstrategie ter sprake brengen in gesprekken die vroeger waren gebaseerd op intuïtie en achterlopende gegevens.
"Met geïntegreerde, door AI verbeterde inzichten kan HR een vergadering binnenlopen en zeggen: 'Dit is de huidige mix van capaciteiten in je team, dit is wat je strategie vereist en dit zijn drie portefeuilleveranderingen die we kunnen doorvoeren.'"
Dat is een ander soort leiderschapsgesprek. Het vereist andere infrastructuur. En het bouwen van die infrastructuur, de verbonden systemen, de schone gegevens en de gedocumenteerde processen, is werk dat niets met AI te maken heeft en alles met organisatorische discipline die vroeger optioneel was en dat nu niet meer is.
De vertrouwensarchitectuur onder dit alles
Wat het documentatieprobleem, de gereedheidskloof, de kritiek op het navelstaren en het versnipperingsprobleem met elkaar verbindt, is een gemeenschappelijke oorzaak. Uiteindelijk is elk ervan een vertrouwensprobleem.
Werknemers die bang zijn dat AI hen overbodig maakt, vertrouwen er niet op dat hun organisatie deze overgang beheert met hun belangen voor ogen. Meisters constatering dat bedrijven AI-geletterdheid verplicht stellen zonder te definiëren wat die voor elke functie betekent, is een vertrouwensbreuk.
"Leidinggevenden moeten overstappen van een 'AI-training die voor iedereen hetzelfde is' naar AI-training die specifiek op functies is gericht, en prestaties in die context evalueren."
Carter zegt het directer. Wanneer leidinggevenden werknemers vragen om hun taken en vaardigheden in kaart te brengen in de context van AI-adoptie, horen de meeste werknemers een andere boodschap dan de boodschap die wordt uitgedragen.
"Ondanks wat leidinggevenden zeggen, zien mensen wat ze doen, en het voelt niet authentiek." Die kloof tussen intentie en perceptie is een vertrouwenskloof. Die bestond al vóór AI. AI gaf haar alleen nieuw materiaal om mee te werken.
Bywalls observatie uit haar eigen adoptietraject heeft dezelfde ondertoon.
"Het kan beangstigend voelen om achterop te raken bij de invoering van AI. Zoveel mensen vertellen hoe ze hun manier van werken hebben gerevolutioneerd, maar weinigen leggen uit hoe ze dat doen. Ik denk dat dit overweldigend kan aanvoelen voor mensen en hen ervan weerhoudt zich er echt in te verdiepen."
Het transparantieprobleem — leidinggevenden praten over resultaten zonder het pad ernaartoe uit te leggen — veroorzaakt angst waar betrokkenheid nodig is. Dit is een communicatie- en vertrouwensprobleem dat zich voordoet als AI.
Podewils trekt de grens rond AI bij HR-beslissingen met ongebruikelijke duidelijkheid.
"AI mag menselijk inzicht nooit vervangen bij beslissingen die iemands carrière, levensonderhoud of welzijn beïnvloeden. AI maakt concepten, doet suggesties en brengt zaken aan het licht. Een persoon beoordeelt, beslist en neemt verantwoordelijkheid voor de uitkomst."
Ze beschrijft het risico niet als een slecht functionerende AI, maar als AI die precies werkt zoals ontworpen en in de verkeerde richting wordt ingezet. Beoordelingen die sneller plaatsvinden maar minder menselijk aanvoelen. Beleid waarop een chatbot antwoord geeft zonder verificatie. Beslissingen die objectief lijken omdat een systeem ze heeft geproduceerd.
"Het risico is AI die precies werkt zoals ontworpen, maar in de verkeerde richting wijst."
Dat is het probleem van de vertrouwensarchitectuur. En het is niet alleen op te lossen met kaders voor AI-governance, hoewel die belangrijk zijn. Het is op te lossen met dezelfde zaken die onder alle omstandigheden organisatorisch vertrouwen opbouwen: transparantie over wat er wordt beslist en waarom, verantwoordelijkheid voor de resultaten en zichtbaar leiderschapsgedrag dat overeenkomt met de uitgesproken waarden.
Wat de diagnose laat zien
Meister heeft gezien dat AI het gedrag van HR-leidinggevenden in één specifieke richting verandert. De voorlopers, observeert ze, behandelen AI-agenten als nieuwe teamleden en begeleiden hen doelbewust. De verschuiving die ze heeft gezien gaat "van 'ik geef leiding' naar 'ik coördineer een team van mensen en AI-agenten.'" Dat is geen managementfilosofie die rond AI is opgebouwd. Het is een managementfilosofie die AI zichtbaar en noodzakelijk maakt.
Cottons observatie heeft een vergelijkbare structuur. De leidinggevenden die volgens hem de komende vijf jaar een duurzaam voordeel zullen opbouwen, zijn degenen die AI gebruiken om "het leervermogen van de organisatie te vergroten" in plaats van als middel om kosten te verlagen. Het onderscheid is niet semantisch. De ene houding bouwt capaciteit op, de andere put die uit.
Bywall eindigt met een voorspelling die meer gewicht heeft wanneer die afkomstig is van een organisatiepsycholoog dan wanneer die van een technoloog zou komen:
"In de komende vijf jaar zal, voorspel ik, de helft van de personeelsfuncties overbodig worden. De professionals die overblijven, zijn degenen die zowel met mensen als met AI-agenten kunnen omgaan."
Dat is niet in de eerste plaats een uitspraak over AI-capaciteit. Het is een uitspraak over het doel van de organisatie. De HR-professionals die nuttig zullen blijven, zijn degenen wier waarde niet verankerd is in de administratieve laag die AI aan het overnemen is. Dat betekent dat de vraag waarmee leidinggevenden van personeelsfuncties nu worden geconfronteerd niet is hoe ze AI moeten invoeren. Het is wat ze, onder de administratieve structuur, daadwerkelijk vertegenwoordigen.
Podewils zegt dat veel HR-leidinggevenden het vak zijn ingegaan omdat ze om mensen gaven. Om culturen op te bouwen, leiders te ontwikkelen en omgevingen te creëren waarin mensen hun beste werk konden doen. "Ergens onderweg zijn velen procesbeheerders geworden. Systemen stapelden zich op. De rol vormde zich eromheen."
AI heeft die afdrijving niet veroorzaakt. Maar AI dwingt wel tot een confrontatie ermee.
De diagnose is beschikbaar voor iedereen die bereid is te kijken naar wat AI onthult, in plaats van alleen naar wat AI kan doen. De organisaties die dit behandelen als een technologie-implementatie zullen, tegen een bepaalde prijs, leren dat de technologie het gemakkelijke deel was.
