AI is niet het probleem. Je operationele model is dat (echte leiders leggen de echte kloof uit)
Een team rolt een krachtige AI-tool uit, in de hoop tijdrovend werk te verminderen en besluitvorming te versnellen.
Zes maanden later? De toepassing is stilgevallen, het vertrouwen is laag en er is niets betekenisvols veranderd.
Dat verhaal is niet zeldzaam. In gesprekken met HR-leiders en transformatieadviseurs klinkt de boodschap luid en duidelijk: AI faalt niet omdat de modellen zwak zijn. Het faalt omdat je operationele model er niet mee kan omgaan.
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
AI neemt complexiteit niet weg. AI verplaatst complexiteit simpelweg naar je workflows, bevoegdheden voor besluitvorming, governancestructuren en cultuur. En als je systemen het niet kunnen bijhouden, zal geen enkele tool je redden.
Hieronder staan de vijf grootste kloofpunten die leiders zien tussen het potentieel van AI en de realiteit van hoe organisaties werken—plus de oplossingen waar ze steeds op terugkomen.
De belofte die leiders verwachtten en waarom die steeds stukloopt
De meeste AI-programma’s beginnen met dezelfde aannames:
- AI zal “gewoon werken” met minimale configuratie
- De snelheid van output staat gelijk aan de snelheid van besluitvorming
- Adoptie zal vanzelf plaatsvinden als tools beschikbaar zijn
- Efficiëntiewinst zal zich opstapelen tot strategisch voordeel
Maar beschikbaarheid is geen integratie en output is geen waarde. De wrijving ontstaat waar organisaties die het minst verwachten: in context, governance, bevoegdheden en menselijke dynamiek.
De 5 kloofpunten die leiders van dichtbij zien
1) AI kent jouw context niet en de meeste organisaties bouwen er geen
Zoals Aman Bandvi, strateeg voor AI-leiderschap, uitlegt: “Een LLM kan een strategie opstellen, maar weet niet dat ‘Project Phoenix’ twee jaar geleden rampzalig is mislukt en cultureel taboe is.” En zelfs wanneer een door AI gegenereerd idee er op papier correct uitziet, kan het in de context volledig verkeerd zijn.
AI-modellen hebben uitgebreide algemene kennis, maar geen enkel aangeboren begrip van jouw specifieke bedrijfscontext, je cultuur of de onuitgesproken behoeften van je klant.
Hoe dit er in de praktijk uitziet
- De output klinkt intelligent, maar mist culturele nuance, politiek of historische context.
- Mensen verspillen tijd aan discussies over AI-output omdat er geen gedeelde grenzen zijn.
Wat leiders in plaats daarvan doen
De oplossing van Bandvi is niet “betere prompts”. Het gaat om het bouwen van een expliciete contextlaag rond de AI.
Doe dit nu
Schrijf de 10 regels op die leiders zouden willen dat iedere werknemer volgt (afwegingen, prioriteiten, risicotolerantie). Deze regels vormen de eerste versie van je “grondwet”.
2) Organisaties verwachten transformatie zonder hun “grondstoffen” op orde te brengen
In gesprekken komen leiders steeds terug op een weinig glamoureuze waarheid: AI versterkt wat je al hebt—de kwaliteit van je documentatie, de hygiëne van je kennis en de helderheid van je processen.
Expert op het gebied van talentontwikkeling Francesca Ranieri wijst erop dat AI-uitrol dezelfde mislukkingspatronen herhaalt die organisaties al tientallen jaren meemaken.
Het addertje onder het gras is dat AI die basisprincipes niet op magische wijze overwint.
Hoe het er in de praktijk uitziet
- AI-uitvoer voelt generiek aan omdat interne kennis verspreid is.
- Teams vertrouwen de antwoorden niet, waardoor tools worden verlaten.
Wat leiders in plaats daarvan doen
Het punt van Ranieri is operationeel: als je begint met technologie in plaats van resultaten en randvoorwaarden, kun je zwakke resultaten verwachten.
Doe dit vervolgens
Kies één kritieke HR-workflow, bijvoorbeeld AI-prestatiebeoordelingen, en documenteer die als een product: eigenaarschap, versiebeheer, updatefrequentie en voorbeelden.
3) AI versnelt het genereren; organisaties kunnen dat niet bijbenen met governance en besluitvormingssnelheid
Zelfs wanneer AI "werkt", creëert het nieuwe knelpunten op het gebied van beoordeling en verantwoordelijkheid.
Bandvi brengt de operationele mismatch duidelijk onder woorden:
AI kan razendsnel uitvoer genereren, maar organisaties beschikken niet over parallelle governance om die uitvoer met dezelfde snelheid te valideren, goed te keuren en ernaar te handelen.
In de praktijk leidt die kloof tot voorspelbare faalwijzen: “Dit creëert een nieuw knelpunt en kan leiden tot óf roekeloze implementatie óf analyseverlamming.”
Hoe het er in de praktijk uitziet
- Snellere concepten, meer opties, meer inzichten… maar geen snellere uitvoering.
- Leiders verdrinken in de uitvoer en verliezen het onderscheid tussen hoofd- en bijzaken.
Wat leiders in plaats daarvan doen
De oplossing is niet om wrijving weg te nemen, maar om die bewust te ontwerpen. “In plaats van alle wrijving te proberen elimineren, ontwerpen we strategische wrijving. Dit betekent dat we verplichte menselijke controlepunten in AI-gestuurde workflows inbouwen”, zegt Bandvi.
Hij geeft ook tactische voorbeelden die je kunt overnemen:
Doe dit vervolgens
Maak een eenvoudige AI-risicoladder (laag/gemiddeld/hoog). Bepaal waarvoor menselijke goedkeuring nodig is en wat na een beknopte controle kan worden gepubliceerd.
4) De echte adoptiekloof draait niet om toegang tot tools, maar om toestemming, vertrouwen en identiteit
Een van de duidelijkste patronen: organisaties kopen AI, maar werknemers blijven aarzelen omdat ze niet weten wanneer ze die mogen gebruiken of bang zijn voor wat het gebruik ervan over hen zegt.
AI-docent Miriam Gilbert stelt dat adoptie stagneert wanneer leiders het behandelen als een vaardigheidsprobleem in plaats van als een probleem van systemen en emoties.
De toepassing van AI wordt niet versneld door meer druk of technische training. Er moeten emotionele omstandigheden worden gecreëerd waarin mensen zich zelfverzekerd en waardevol voelen binnen een door AI ondersteund systeem.
Ze beschrijft hoe dat er binnen teams uitziet: "Sommigen voelden zich bedreigd, anderen wisten niet zeker hoe hun bijdrage nog steeds van belang was."
Hoe het er in de praktijk uitziet
- Stilzwijgend geen AI-tools gebruiken: licenties zijn aanwezig, maar werkprocessen veranderen niet.
- Mensen vallen terug op “zoals gewoonlijk” om toezicht of risico’s te vermijden.
Wat leiders in plaats daarvan doen
De doorbraak ontstaat door toestemming te combineren met een praktische herinrichting. Gilbert merkt op dat, zodra leiders de emotionele realiteit bespreekbaar maken, “verschillende werkprocessen opnieuw werden ingericht zodat AI het basiswerk kon uitvoeren.”
Doe dit vervolgens
Schrijf een verklaring van drie zinnen waarin toestemming wordt gegeven:
- Waarvoor AI wordt aangemoedigd
- Waarvoor voorzichtigheid en controle nodig zijn
- Wat niet is toegestaan
Publiceer de verklaring vervolgens, leg haar uit en geef het goede voorbeeld.
5) De meeste teams gebruiken AI om hetzelfde werk sneller te doen, niet om het werk te veranderen
Een terugkerende teleurstelling: leiders meten “toepassing” aan de hand van gebruik, resultaten en experimenten, en vragen zich af waarom er geen zakelijke impact volgt.
Gilbert benoemt de valkuil rechtstreeks: "Organisaties zien AI vaak als een manier om de bestaande machine sneller te laten draaien." Inzicht in organisatieverandering is cruciaal voor een succesvolle implementatie van AI.
Maar snelheid zonder herinrichting levert geen voordeel op—zeker niet wanneer succesmetingen activiteit belonen. "Het meten van logins of tellen van resultaten wekt de illusie van vooruitgang, terwijl de kern van het bedrijf onveranderd blijft," zegt ze.
De diepere oplossing is het verschuiven van het doel: van toepassing naar resultaten. Zoals Gilbert het verwoordt: "Het gaat erom of AI wordt gebruikt om opnieuw te definiëren hoe waarde wordt gecreëerd, hoe teams zich op elkaar afstemmen en hoe beslissingen worden genomen onder druk."
Ook Jennifer McClure, oprichter van DisruptHR, Jennifer McClure, bevestigt hetzelfde patroon vanuit een andere invalshoek:
Veel organisaties zien AI vooral als een hulpmiddel voor efficiëntie, niet als een katalysator voor transformatie.
Hoe het er in de praktijk uitziet
- Meer content, meer dashboards, meer samenvattingen. Maar geen betere afstemming.
- “AI-theater”: pilots die de resultaten niet veranderen.
Wat leiders in plaats daarvan doen
- Herontwerp eerst de werkprocessen, inclusief rollen, overdrachten en beslissingen, en voeg daarna AI-ondersteuning toe.
- Meet resultaten: de kwaliteit van beslissingen, doorlooptijd, afstemming en geleverde waarde.
Doe dit vervolgens
Stop met vragen: “Waar kunnen we AI gebruiken?”
Begin in plaats daarvan met vragen: “Waar lopen beslissingen vast?”
Het consistente draaiboek: de AI-realiteitsstack
In elk interview kwam een patroon naar voren. Organisaties die daadwerkelijk rendement uit AI halen, beginnen niet met tools. Ze beginnen met het ontwerpen van hun bedrijfsmodel.
Dit is de stack met vijf lagen waar ze steeds op terugkomen:
- Contextlaag - Leg de verkeersregels vast: merkstem, breekpunten en eerdere mislukkingen.
- Werkstroomlaag - Breng in kaart hoe het werk er daadwerkelijk uitziet en ontwerp vervolgens rollen, overdrachtsmomenten en tools opnieuw.
- Governancelaag - Bouw slimme frictie in: goedkeuringen, ethische checklists en risiconiveaus.
- Menselijke laag - Pak angst en vertrouwen aan. Maak AI-gebruik veilig, aangemoedigd en bevestigend voor de identiteit.
- Meetlaag - Stop met het tellen van aanmeldingen. Volg de kwaliteit van beslissingen, doorlooptijd en daadwerkelijke bedrijfsimpact.
Als je de stack overslaat en direct naar tools springt, wordt AI-adoptie instabiel: deze loopt óf vast door een gebrek aan vertrouwen, óf vergroot het risico door de output te verhogen zonder governance.
Wat dit betekent voor HR en personeelsoperaties
HR kan AI niet behandelen als "de transformatie van iemand anders". Deze interviews suggereren dat personeelsoperaties steeds meer zal functioneren als een systeemteam dat governance-uitdagingen rond schaduw-AI beheert:
- veilige en effectieve gebruiksnormen definiëren
- kritieke werkstromen opnieuw ontwerpen (prestaties, werving, ondersteuning, interne communicatie)
- geletterdheid opbouwen, niet alleen tooling
- randvoorwaarden instellen die snelheid ondersteunen zonder vertrouwen op te offeren
Naarmate AI op de werkplek meer uitvoerend werk overneemt, wordt menselijk beoordelingsvermogen meer—niet minder—waardevol.
AI vervangt leiderschap niet, maar legt alles bloot
AI maakt organisaties niet op magische wijze goed presterend. Het onthult of je bedrijfsmodel is ingericht op duidelijkheid, vertrouwen en snel leren.
De leiders die winnen, zijn niet degenen met de meest geavanceerde tools. Het zijn degenen die werk opnieuw ontwerpen en governance opbouwen die kan meegroeien, en de structuren creëren die toestemming geven om AI van een nieuwigheid in een vaardigheid te veranderen.
Wat komt hierna?
Als je AI-adoptie leidt en de kloof voelt tussen tools en vertrouwen, output en impact—je bent niet de enige.
De People Managing People-community brengt leiders uit HR en personeelsoperaties samen die opnieuw nadenken over wat AI werkelijk mogelijk kan maken: betere werkstromen, slimmere beslissingen en sterkere culturen.
Sluit je bij ons aan voor wekelijkse raamwerken, draaiboeken uit de praktijk en bewezen strategieën die daadwerkelijk kunnen meegroeien.
