AI klinkt overtuigend. Dat’s precies het probleem.
Perceptie van AI: Mensen hebben sterke opvattingen over AI, maar velen hebben geen echt inzicht in de toekomstige impact ervan.
Kwaliteit van feedback: Zowel feedback van AI als van mensen is vaak niet betrouwbaar, wat het idee dat instinct boven AI staat ter discussie stelt.
Besluitvormingsproces: Effectieve besluitvorming is afhankelijk van uiteenlopende inbreng in plaats van zelfverzekerde, niet-betwiste antwoorden.
Beperkingen van AI: Een toenemende afhankelijkheid van AI kan het kritisch denken verminderen en leiden tot toezichtstekorten in de besluitvorming.
Gestructureerd oordeel: Besluitvorming heeft baat bij gestructureerde benaderingen, waarvoor meer nodig is dan informele feedbackbijeenkomsten.
Zelfvertrouwen is niet hetzelfde als gelijk hebben. Klinken alsof je weet waar je het over hebt, is niet hetzelfde als weten waar je het over hebt.
Iedereen heeft momenteel een standpunt over AI. Er volledig voor zijn, ertegen zijn of afwachten hoe het zich ontwikkelt. We nemen die standpunten met veel zelfvertrouwen in, terwijl daaronder bijna niemand het echt begrijpt, of weet waar dit allemaal naartoe gaat. Daarom loopt LinkedIn vol met mensen die hun mening al hebben gevormd.
Vorige week raakte ik met een van hen in discussie. Die persoon had een oproep geplaatst: stop met AI gebruiken om feedback op je werk te krijgen. En de redenering was goed, van het soort waarbij de meeste mensen instemmend knikken. AI houdt nooit zijn mond. Vraag het wat dan ook en het heeft iets te zeggen, of dat nu goed of fout is. Als je AI nodig hebt om je te vertellen of je werk goed is, zo stelde die persoon, dan is dát het echte probleem. Vertrouw op je gevoel.
Ik bracht daartegenin. Niet omdat die persoon ongelijk had, maar omdat diegene slechts half gelijk had over de oplossing. De meeste feedback is niet goed, of die nu van AI of van een mens komt. Je eigen gevoel laat je op dezelfde manier in de steek. En een zelfverzekerd, goed gestructureerd antwoord, precies het soort antwoord dat AI zo goed kan produceren en dat mensen voortdurend geven, is het makkelijkst om te geloven en het moeilijkst om in twijfel te trekken.
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
Zelfvertrouwen is niet hetzelfde als gelijk hebben. Klinken alsof je weet waar je het over hebt, is niet hetzelfde als weten waar je het over hebt. Ik heb op de harde manier geleerd wat dat kost.
De kosten van zelfvertrouwen
Jaren geleden was ik UX-manager voor het team achter Shopify Capital, het product dat handelaren voorschotten aanbiedt op basis van de omzet van hun winkel. Wanneer een handelaar een aanbod accepteerde, duurde het tot zeven dagen voordat het geld de interne goedkeuringen had doorlopen. Voor een klein bedrijf dat wachtte om de voorraad aan te vullen of iets van de grond te krijgen, is dat een lange week.
Het systeem achter die goedkeuringen was een vroege MVP waar al jaren niemand meer aan had gezeten. Daarom haalde ik de juiste mensen bij elkaar in een ruimte om het probleem aan te pakken: financiën, de mensen die de goedkeuringen uitvoerden, en de ontwikkelaars en ontwerpers die het oorspronkelijke systeem hadden gebouwd.
Het knelpunt bleek een handvol handmatige goedkeuringsstappen te zijn. We liepen precies na hoe de beoordelaars elke beslissing namen en of een systeem die beslissingen in plaats daarvan kon nemen. We hadden binnen een uur een oplossing. We hadden die de volgende dag kunnen opleveren.
Één goedkeuring stond ons in de weg. De eindverantwoordelijkheid lag bij een productleider, ver verwijderd van ruimtes zoals de onze. Het antwoord kwam duidelijk, specifiek en stellig terug: het moest handmatig blijven. Die beslissing was jaren eerder genomen. Niemand kon ons vertellen waarom. Er was niets herleidbaars dat eraan ten grondslag lag. We konden het niet opleveren.
Dus deden we wat de meeste teams doen. We vertrouwden op het zelfverzekerde antwoord. Vervolgens besteedden we drie weken aan het bewijzen dat het onjuist was. Twintig vergaderingen, interviews met iedereen die het systeem daadwerkelijk had aangeraakt, en een overzicht van wat er onder de motorkap echt gebeurde.
Uiteindelijk leverden we precies de oplossing op die we in het eerste uur hadden bedacht. De feedback van de belanghebbende was gezaghebbend, goed gestructureerd en volledig onjuist. Er werd een probleem gevonden dat niet bestond.
Dat is de mislukking waar dit artikel over gaat. Niet AI. Niet mensen. Zelfverzekerde input die niemand kritisch toetste voordat ernaar werd gehandeld.
De tweede mening waar je niet meer om vroeg
Wanneer een beslissing belangrijk is en iets niet goed voelt, vertrouw je niet op het eerste zelfverzekerde antwoord. Je vraagt het aan de persoon die het echt zou weten. Je haalt twee of drie mensen bij elkaar en kijkt waar ze van mening verschillen. Je laat het even bezinken. Je legt het voor aan iemand wiens oordeel je vertrouwt voordat je je vastlegt. Niemand heeft je dit geleerd en niemand noemt het iets. Het is gewoon wat zorgvuldige mensen doen.
Dat instinct is echt beoordelingsvermogen. En goed beoordelingsvermogen heeft perspectief nodig van meer dan één paar ogen op het probleem, waarbij alle afwegingen open en bloot op tafel liggen voordat er iets wordt opgeleverd. Daar zijn kleine teams voor gebouwd: dichtbij genoeg om samen hardop na te denken en klein genoeg om het ook daadwerkelijk te doen.
Maar perspectief ontstaat niet automatisch. Het heeft tijd, nabijheid en ruimte nodig om op adem te komen. AI werkt alle drie tegen.
En het heeft het meest over het hoofd geziene element nodig: structuur. Structuur voelt traag, en tegenover de snelheid en aantrekkingskracht van AI is traagheid het laatste wat iemand wil zijn.
AI produceert zelfverzekerde antwoorden sneller dan je ze kritisch kunt toetsen, en de neiging is om het antwoord over te nemen en door te gaan.
En we geven er bewust aan toe, omdat de belofte verleidelijk is. Iedereen kent dat gevoel: aangetrokken worden tot iets dat niet helemaal in je eigen belang is en toch doorgaan.
We accepteren wat AI vandaag verkeerd doet voor wat het morgen zou kunnen worden, en we vertrouwen erop dat de mensen die het bouwen de tekortkomingen zullen wegwerken. Daar is niets doms aan. Het is menselijk. Het is ook precies wat ervoor zorgt dat we stoppen met kritisch testen.
Microsoft en Carnegie Mellon onderzochten wat er daarna gebeurt. Ze ontdekten dat mensen minder kritisch nadenken naarmate ze meer vertrouwen stellen in AI, en dat het werk zelf verschuift van het uitvoeren van de taak naar het toezicht houden op de AI die deze uitvoert. Toezicht beschermt je alleen als je nog daadwerkelijk controleert. De meeste mensen stoppen daarmee.
De informele gewoonte die je beschermde, faalt dus niet luidruchtig. Ze schaalt gewoon niet meer. Precies wanneer het aantal beslissingen toeneemt, wordt de discipline die deze beslissingen goed maakte minder sterk.
Feedback vragen is geen discipline
Eén tegenstelling oplossen, één aanname blootleggen, begrijpen waarom iets op een bepaalde manier zou moeten werken: dat kost niet langer minuten, maar begint weken te kosten… Een discipline lost dat allemaal op. Ik bedoel geen wilskracht. Ik bedoel een herhaalbare manier om een beslissing te nemen.
De oplossing is dus niet om minder op AI te vertrouwen en meer op je instinct. De oplossing is structuur. Maar rondvragen om feedback is niet hetzelfde als er een discipline voor hebben, en juist dat verschil vormt de oplossing.
Rondvragen is wat de meeste teams al doen. Iets voelt niet goed, dus je pakt degene die toevallig in de buurt is. Je brengt het ter sprake in een vergadering. Je hoopt dat de persoon die er echt verstand van heeft toevallig aanwezig is en toevallig iets zegt. Soms is dat zo. Meestal is het geluk, en je kunt de gelukkige dagen niet onderscheiden van de rest voordat het te laat is.
Rondvragen is duur. Je plant vergaderingen in, agenda's zitten vol en tegen de tijd dat de groep bij elkaar kan zitten, is het moment voorbij of is de beslissing zonder hen genomen. Vergaderingen beginnen daardoor als een belasting te voelen, en je betaalt die minder vaak.
In plaats daarvan raken de perspectieven verspreid: in een presentatie hier, een e-mail daar, een Slack-discussie die niemand op tijd leest. Iedereen houdt van asynchroon werken vanwege de tijd die het lijkt terug te geven, maar het betekent dat de perspectieven elkaar nooit echt ontmoeten.
Asynchroon werken houdt stand totdat twee perspectieven elkaar tegenspreken. Precies dan heb je echte uitwisseling in real time nodig: de ene persoon die zegt dat het niet zo werkt, en de andere die tegenspreekt totdat je uitkomt bij wat waar is. Asynchroon werken kan dat niet.
De tegenstelling die in een ruimte vijf minuten zou kosten, kaatst dagenlang heen en weer in reacties. Eén tegenstelling oplossen, één aanname blootleggen, begrijpen waarom iets op een bepaalde manier zou moeten werken: dat kost niet langer minuten, maar begint weken te kosten.
Een discipline lost dat allemaal op. Ik bedoel geen wilskracht. Ik bedoel een herhaalbare manier om een beslissing te nemen. Ze bepaalt bewust door welke perspectieven een beslissing moet gaan voordat deze wordt uitgevoerd. Niet wie er toevallig beschikbaar is, maar de enkelen die voor deze beslissing daadwerkelijk van belang zijn. Je legt de beslissing bewust één keer aan elk van hen voor en let erop wat ieder van hen geneigd is te missen. Dat is structuur. De juiste perspectieven bewust verweven, in plaats van ze één vergadering per keer op te sporen.
Waarom is dat belangrijker dan het klinkt? Omdat weten hoe iets werkt niet hetzelfde is als begrijpen waarom het werkt zoals het werkt, en in die kloof ontstaan de ernstigste fouten.
Richard Rumelt, auteur van "Goede strategie, slechte strategie", noemt de eerste echte stap een diagnose: uitzoeken wat er werkelijk aan de hand is voordat je beslist. Een goede diagnose benoemt het echte probleem, niet het symptoom. "We presteren ondermaats" is geen diagnose, maar een resultaat. De diagnose is het waarom eronder, en die vertelt je welke paar zaken cruciaal zijn en welke je kunt negeren.
Hier bewijst een ruimte vol verschillende perspectieven zijn waarde. Het probleem ziet er anders uit, afhankelijk van wie het bekijkt.
De budgetverantwoordelijke, de persoon die het bouwt en de klant: ieder draagt een andere versie met zich mee en heeft iets anders nodig van wat je ook besluit. Het juiste probleem oplossen is dus niet één ding. Het gaat om het vinden van die ene oplossing die voldoende van die verschillende behoeften tegelijk beantwoordt, de stap die de lat voor iedereen hoger legt, niet alleen voor één persoon.
Je vindt die oplossing niet alleen en ook niet op afstand. Je vindt haar wanneer de perspectieven samenkomen en hun meningsverschillen je de werkelijke vorm van het probleem laten zien.
Je kunt zien hoe graag we die andere perspectieven willen in de manier waarop we met AI praten. "Doe alsof je een tekstschrijver bent." "Doe alsof je een marketingexpert bent." Elke prompt is een erkenning dat één persoon maar zoveel invalshoeken kan hebben, en dat weten we. We vragen het om de perspectieven te vertegenwoordigen die wij missen.
Precies in dat gat opereert AI. Een model heeft alleen wat er in zijn contextvenster past: het beperkte deel van jouw situatie dat erin is geladen.
Het kan niet zien wat het mist en het kan het ene standpunt niet tegen het andere afwegen. Het heeft helemaal geen perspectief. Het werkt op basis van waarschijnlijkheid en voorspelt wat er waarschijnlijk hierna komt, zonder enig belang bij de vraag of het gelijk heeft. Dus vertelt het je iets overtuigends.
Die drie weken waarin mijn team de kwestie grondig onderzocht? Dat was diagnose. Dat was begrijpen waarom. AI zal steeds beter worden in antwoorden. Een beter antwoord is nog steeds geen begrip. Het begrip kwam van echte mensen, die het probleem elk op een andere manier bekeken en elk belang hadden bij de uitkomst. Eén model kan die mensen niet vervangen, hoe goed het ook wordt. Dat deel is aan jou en je team.
Als iedereen het eens is, ontbreekt er iemand
De moeilijkere vaardigheid is opmerken wanneer een van die invalshoeken niet aan tafel zit. En het signaal is het tegenovergestelde van wat je zou verwachten. Het is overeenstemming. Wanneer een beslissing te soepel tot stand komt, wanneer iedereen knikt en niemand zich ongemakkelijk voelt, is dat meestal geen consensus.
De zorg hierbij is dat ik meer vergaderingen, meer mensen en meer processen beschrijf. Dat doe ik niet.
Een discipline draait er niet om iedereen in de ruimte te krijgen. Zoals ik er altijd over heb gedacht, wil je de minste mensen die samen nog steeds het hele probleem kunnen overzien. Elk van hen dekt een deel af dat de anderen niet kunnen zien, dus een paar mensen die anders denken bestrijken meer terrein dan een groep die hetzelfde denkt. Daar zit de hefboomwerking: in hoe verschillend ze zijn, niet in hoeveel het er zijn.
Je hebt hiervoor geen organogram nodig. Je vraagt je af: wie ziet bij deze specifieke beslissing een deel ervan dat ik niet zie? Bij de meeste beslissingen spelen een aantal van dezelfde factoren mee: het geld, de klant, degene die het moet bouwen, degene die het moet verkopen en degene die de schuld krijgt als het misgaat.
Niet elke beslissing heeft ze allemaal nodig. Bij een nieuwe medewerker leun je op de mensen met wie die persoon dagelijks contact zal hebben en op degene die over het budget gaat. Een verandering in de manier waarop het team werkt, steunt op de mensen die het daadwerkelijk moeten uitvoeren en op de mensen voor wie het waarde moet creëren, die vaak niet in de ruimte zijn wanneer de beslissing wordt genomen.
Op dit moment is dat het meeste wat teams te verwerken krijgen: nieuwe software, meer personeel, AI die in elk onderdeel van het werk wordt verwerkt, en het meeste daarvan komt van bovenaf. De vaardigheid is om de twee of drie invalshoeken te benoemen waarop een beslissing draait, niet om een quorum bijeen te brengen.
De moeilijkere vaardigheid is opmerken wanneer een van die invalshoeken niet aan tafel zit. En het signaal is het tegenovergestelde van wat je zou verwachten. Het is overeenstemming.
Wanneer een beslissing te soepel tot stand komt, wanneer iedereen knikt en niemand zich ongemakkelijk voelt, is dat meestal geen consensus. Het is een ontbrekend perspectief. De persoon die bezwaar zou hebben gemaakt, is er niet. Het argument dat het gat aan het licht zou hebben gebracht, komt nooit aan bod, waardoor de beslissing afgerond lijkt terwijl ze alleen niet is uitgedaagd.
Wanneer je het gat opmerkt, heb je twee eerlijke opties. Zoek het ontbrekende perspectief op voordat je je vastlegt, ook als dat je een dag kost. Of, als dat echt niet kan, zeg het hardop: niemand hier vertegenwoordigt de klant, dus over dat deel zijn we aan het gissen.
Een benoemd gat is een risico dat je kunt beheersen. Een onbenoemd gat is het zelfverzekerde, goed gestructureerde antwoord dat uiteindelijk onjuist blijkt te zijn.
Dit is ook de reden waarom de meeste teams AI al strak aan de lijn houden. In een recent onderzoek van Harvard Business Review zei slechts 6% van de bedrijven dat ze AI-agenten volledig vertrouwen om zelfstandig een kernproces uit te voeren, terwijl 43% ze alleen routinetaken toevertrouwt.
Dat instinct klopt. AI hoort aan de rand van het werk: bij het uitvoeren, niet in het centrum van de besluitvorming. Maar wees duidelijk over wat het is. AI is nu in de ruimte aanwezig: het luistert, transcribeert en schrijft de samenvatting terwijl jij praat. Dat is niet hetzelfde als belang hebben bij wat er wordt besloten.
Als je ooit zo'n samenvatting hebt vergeleken met wat er daadwerkelijk werd gezegd, weet je wat er verder gebeurt. Het mist dingen, vult in wat het niet heeft opgevangen en klinkt daar zelfverzekerd over, en het controleert zijn eigen werk nooit. Het kan de ruimte opnemen. Het kan er geen standpunt in innemen.
Een versie die je maandag kunt uitvoeren
Voordat een beslissing die er echt toe doet wordt uitgevoerd, benoem je die in één zin en benoem je de perspectieven die ervoor nodig zijn. Breng die mensen vervolgens, de echte betrokkenen, een kwartier lang samen in dezelfde ruimte of tijdens hetzelfde gesprek.
Hiervoor heb je geen nieuwe tool, nieuwe medewerker of nieuwe proceslaag nodig. Dat is precies het punt.
De discipline die opgeschaalde bedrijven met software en personeel proberen te kopen, is iets wat een klein team gewoon zelf kan doen, omdat je de twee dingen die ervoor nodig zijn al hebt: de juiste mensen en de mogelijkheid om ze samen in één ruimte te krijgen.
Hier is de eenvoudige aanpak.
Voordat een beslissing die er echt toe doet wordt uitgevoerd, benoem je die in één zin en benoem je de perspectieven die ervoor nodig zijn. Breng die mensen vervolgens, de echte betrokkenen, een kwartier lang samen in dezelfde ruimte of tijdens hetzelfde gesprek. Geen terugkerende vergadering. Geen commissie. Een korte, doelgerichte bespreking, bewust voor deze ene beslissing.
Maak van onenigheid tijdens dat gesprek de opdracht. Vraag niet of iedereen het eens is. Vraag elke persoon wat er vanuit diens positie niet klopt. Je verzamelt geen goedkeuring. Je zoekt naar dat ene bezwaar dat het antwoord verandert. En als alles te gemakkelijk samenkomt, bedenk dan wat dat meestal betekent. Iemand die in de ruimte zou moeten zijn, ontbreekt.
Wanneer AI er deel van uitmaakt, en dat zal het doen, houd het dan aan de juiste kant van de grens. Laat het een concept opstellen, samenvatten en een invalshoek naar voren brengen die je misschien over het hoofd hebt gezien. Leg het antwoord vervolgens in de groep voor en toets het kritisch, zoals je dat bij ieder ander zou doen.
Beschouw het als een concept dat gecontroleerd moet worden, nooit als een oordeel dat je moet accepteren. Het krijgt geen stem. Het krijgt een beoordeling. En wanneer jij en de AI de enige deelnemers zijn, is het hele gesprek van jou. Het kan het werk dragen, niet het gewicht.
Dat is het hele patroon. Benoem de beslissing, benoem de invalshoeken, haal de echte mensen in realtime bij elkaar, zorg dat ze het oneens zijn en houd het aan de kant van het doen. Het kost je een kwartier.
Het alternatief kost je drie weken en een zelfverzekerd antwoord dat uiteindelijk op een gebrekkige aanname bleek te berusten. Een gok die niemand heeft getest. Een gevolgtrekking die als feit werd behandeld. Bij AI noemen we dat een hallucinatie. Bij een mens noemen we het gewoon zelfvertrouwen.
De kloof die kleine teams kunnen dichten
Neem even afstand. Mensen en AI maken allebei fouten, en een team kan dat overleven. Wat het niet kan overleven, is de duurdere versie van het probleem: het perspectief dat er het meest toe doet, ontbreekt.
De mensen die de waarde moeten creëren en de mensen voor wie die waarde bedoeld is, bevinden zich zelden in dezelfde ruimte wanneer de beslissing wordt genomen.
In een groot bedrijf is dat de normale gang van zaken. De persoon met de bevoegdheid om te beslissen bevindt zich meestal het verst van de plek waar de waarde daadwerkelijk wordt gecreëerd en is bovendien de drukstbezette persoon, degene die als laatste een kwartier kan vrijmaken om in een ruimte te gaan zitten. De beslissing wordt dus op afstand genomen, op basis van een samenvatting, door iemand die niet aanwezig was bij de onenigheid die het antwoord had kunnen veranderen.
Dit is de kloof waar CFO's steeds over rapporteren en die ze niet kunnen verklaren. In een recent onderzoek van adviesbureau RGP zei 66% van de CFO's dat ze binnen twee jaar aanzienlijke opbrengsten uit AI verwachten. Slechts 14% zei dat ze vandaag al betekenisvolle waarde zien.
De reflex is om dit te lezen als een probleem met hulpmiddelen, iets wat een beter model of een ander platform zal oplossen. Dat zal niet gebeuren. De kloof zat nooit in de hulpmiddelen. Het gaat om de kwaliteit van de beslissingen die door de hulpmiddelen worden gevoed.
Dit is waarom juist een klein team de kloof kan dichten. De wrijving die een groot bedrijf verslaat, met alle lagen, agenda's en coördinatie, is voor jou grotendeels geen probleem.
De mensen die je erbij zou betrekken kennen elkaar al, vertrouwen elkaar al en kunnen het grondig oneens zijn en daarna toch samen gaan lunchen. Je stuurt een beslissing niet via vreemden in een organogram. Je wendt je tot drie mensen met wie je elke dag samenwerkt.
De discipline die een groot bedrijf voor miljoenen probeert op te bouwen, kun jij vanmiddag toepassen, omdat de afstand waartegen het vecht er voor jou nooit is geweest.
Ik heb dit ooit meegemaakt bij een klein bureau. We verloren geld op de meeste van onze grootste projecten. De oplossing was geen tool of nieuwe medewerker. Het ging erom iedereen die bij het werk betrokken was in één ruimte te krijgen, van het maken van ramingen en prijsbepaling tot het inboeken en opleveren. Niet één vergadering, maar steeds opnieuw, waarbij we verder gingen dan de symptomen om te ontdekken wat er werkelijk aan de hand was.
We verhoogden de nettomarge met 33%. De hefboom was de beslissing om het gezamenlijk bespreken van problemen en oplossingen tot een gewoonte te maken. Wat ervoor zorgde dat het werkte, was dat we ons bemoeiden met werk dat niet van ons was, of we er nu expert in waren of niet. Daar komt veel innovatie vandaan, en dat is precies wat we AI steeds weer hopen te laten bieden.
En dat is het werk dat ik sindsdien doe: teams helpen om samen te werken aan problemen die te groot zijn om door één persoon alleen te worden opgelost.
Het moeilijke was nooit het vinden van de juiste mensen. Het gaat erom hen op hetzelfde moment in dezelfde ruimte te krijgen, zodat ze samen ideeën kunnen beargumenteren en vormgeven. Elke tool belooft het te vervangen, en geen enkele kan dat. Zet twee mensen die er verschillend tegenaan kijken tegenover elkaar, in real time, en het echte probleem wordt zichtbaar. De rest is logistiek.
AI heeft geen perspectief. Geen mening. Niets wat het voelt. Voor een beperkt aantal beslissingen is die afstand precies wat je wilt, en daar moet je AI voor gebruiken. Maar het meeste van wat we doen, doen we om dingen te bouwen en problemen op te lossen voor andere mensen, samen met andere mensen die erom geven hoe het uitpakt.
Die betrokkenheid zorgt ervoor dat iemand tegengas geeft, in de spanning blijft en opmerkt wat alle anderen over het hoofd zagen.
Die perspectieven zijn het enige deel van het werk dat je nooit moet loslaten. En als je een klein team bent, hoef je dat ook niet. Ze zitten al bij je aan tafel. AI kan je helpen het werk te doen. Het deel dat echt van jou is, mag je houden.
