Is uw AI-strategie al achterhaald?
Onzichtbare AI: Werknemers gebruiken persoonlijke chatbots zonder goedkeuring, waardoor binnen organisaties een niet-herkende AI-stack ontstaat.
Ontwerpbeperking: AI moet werkstructuren transformeren en niet alleen boven op bestaande structuren worden gelegd, om effectieve adoptie mogelijk te maken.
Adoptie-uitdagingen: De eerdere IT-controle is niet van toepassing, omdat AI-tools dankzij bestaande bekendheid minimale training vereisen.
Weerstand tegen technologie: Organisaties worstelen met de implementatie van AI en richten zich op technologie in plaats van op het transformeren van workflows.
Urgentie rond AI: Ga aan de slag met de manier waarop teams AI nu gebruiken om beperkingen aan te pakken, bedrijfsverstoring te voorkomen en innovatie te stimuleren.
Leidinggevenden in alle sectoren maken dezelfde fout met de adoptie van AI.
Ze behandelen het als een inkoopbeslissing. Koop dit platform. Voer een pilot uit met die agent. Voeg deze functie toe aan de technologiestack.
Het probleem gaat dieper dan de keuze van tools. Volgens het rapport van MIT over de staat van AI in het bedrijfsleven in 2025 gebruiken werknemers bij meer dan 90% van de bedrijven persoonlijke chatbotaccounts voor dagelijkse taken, vaak zonder goedkeuring van de IT-afdeling, terwijl slechts 40% van de bedrijven officiële LLM-abonnementen heeft. Je werknemers hebben de basis van je AI-stack al gebouwd. Ze hebben dat alleen gedaan zonder toestemming te vragen.
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
Dit leidt tot een vreemde realiteit: de technologie die de meeste leiders nog steeds van plan zijn te implementeren, draait al in hun organisaties. Tegen de tijd dat je een commissie hebt samengesteld om AI-tools te evalueren, hebben je teams hun favorieten al gekozen en in hun dagelijkse werkprocessen geïntegreerd.
Het architectuurprobleem
Wanneer je AI benadert als een inkoopbeslissing, mis je de kans om processen opnieuw in te richten.
Gabriela Mauch, hoofddirecteur klantzaken en hoofd productiviteit bij ActivTrak, ziet dit patroon steeds opnieuw.
Teams kunnen zich transformerende AI-toepassingen voorstellen, maar ze worden belemmerd door organisatorische infrastructuur die niet is ontworpen voor AI-ondersteund werk. Als de leiding alleen het gebruik van tools meet, kan die deze onzichtbare plafonds niet zien.
Het resultaat is dat AI boven op bestaande organisatiestructuren wordt gelegd, in plaats van dat de manier waarop het werk wordt gedaan verandert. Vaardigheden verschralen in plaats van zich te ontwikkelen.
Het alternatief vereist dat er werkterreinen voor AI en werkterreinen voor mensen worden gevonden. AI zou analyses moeten uitvoeren, rapporten opstellen en alledaagse taken beheren. AI moet mensen informeren en vragen stellen die het niet in de juiste context kan plaatsen. De uiteindelijke beslissing ligt bij iemand die daarvoor verantwoordelijk kan worden gehouden.
Verantwoordelijkheid is belangrijk omdat AI zijn baan niet zal verliezen. In maart 2024 leerde Air Canada deze les toen een klant de luchtvaartmaatschappij aanklaagde nadat de chatbot onjuiste informatie had verstrekt over tarieven bij een overlijden. De rechtbank oordeelde dat Air Canada verantwoordelijk was voor de fouten van zijn chatbot. Reputatieschade voor de AI was tijdelijk. Het juridische team van het bedrijf droeg de werkelijke gevolgen.
Dat is de ontwerpbeperking die de meeste gesprekken over AI vermijden.
Waarom ervaren leidinggevenden struikelen
Leiders die de migratie naar de cloud en ERP-implementaties succesvol hebben beheerd, maken beginnersfouten met AI. Drie factoren maken deze golf anders.
- Het tempo is ongekend. Gartner voorspelt dat 40% van de bedrijfsapplicaties tegen het einde van 2026 AI-agents zal bevatten, tegenover minder dan 5% in 2025. Dat is een achtvoudige toename in één jaar. Tegen de tijd dat je één ontwikkeling begrijpt, biedt de volgende golf alweer iets radicaal anders.
- Het ethische vraagstuk is complex. Bij elke implementatie moeten vragen worden gesteld: Kan AI dit net zo goed als mensen? Wat is ervoor nodig om dat niveau te bereiken? Moeten mensen de controle houden?
- Het adoptiepatroon is omgekeerd. Voor eerdere technologieën op de werkplek waren training, certificering en gecontroleerde uitrol nodig. AI-tools vereisen minimale specialisatie omdat mensen ze al gebruiken.
Dat is de fundamentele uitdaging. Bij eerdere technologiegolven controleerde IT de uitrol. Nu is de onderste laag van je stack al in beweging en grotendeels onzichtbaar.
De kloof tussen aankondiging en adoptie
Een veelvoorkomend probleem is de overtuiging dat mensen, zodra een nieuwe strategie is aangekondigd, meteen weten hoe ze anders moeten werken.
Dit zien we vaak met AI," zegt Iris Cremers, CHRO bij GoodHabitz. "Zodra de leiding zegt 'we gaan AI gebruiken', is de aanname dat iedereen ineens slimmer en efficiënter zal werken. In werkelijkheid hebben mensen en teams tijd, duidelijke begeleiding en praktijkgericht leren nodig.
Nieuwe technologie kan zonder de juiste ondersteuning complex of bedreigend aanvoelen. GoodHabitz ontwierp met het Goodlearn AI-leerplatform een bedrijfsbreed trainingsprogramma om mensen een eenvoudige en veilige manier te bieden om vertrouwen en vaardigheden op te bouwen.
"Het hielp om angst te verminderen en deze te vervangen door nieuwsgierigheid en enthousiasme toen we deze nieuwe tools in ons dagelijkse werk introduceerden," zei Cremers.
Sharon Steiner, CHRO bij Fiverr, formuleert het anders.
"De grootste kloof die ik zie, is dat de leiding AI vaak benadert als een technologie- of efficiëntiestrategie, terwijl teams het ervaren als een fundamentele verandering in de manier waarop het werk wordt gedaan," zei ze. "Leidinggevenden vragen: 'Welke tools moeten we invoeren?' maar werknemers vragen: 'Hoe verandert dit mijn rol, mijn vaardigheden en de manier waarop ik word beoordeeld?'"
Wat er werkelijk op teamniveau gebeurt, is experimenteren. Mensen gebruiken AI al om sneller te werken, nieuwe vaardigheden te leren en problemen in realtime op te lossen.
Wanneer technologiebeslissingen de organisatorische realiteit negeren
Mauch deelde een voorbeeld van een klant in de financiële dienstverlening die enterprise-AI uitrolde met standaardtechnologiebenaderingen: toegang tot tools, training, usecasebibliotheken en ambassadeurs. Zes maanden later was de adoptie gestagneerd en kwam de ROI niet van de grond, ondanks 70% actief gebruik.
Het bedrijf wilde AI gebruiken om vragen van klanten automatisch op complexiteit te sorteren en ze op de juiste manier door te sturen, wat een echte workflowtransformatie zou betekenen. Dat lukte niet omdat:
- IT het API-werk voor toegang tot klantsystemen geen prioriteit had gegeven
- goedkeuringsworkflows van managers niet waren aangepast om AI-beslissingen over routering te laten nemen
- QA-processen nog steeds waren ontworpen voor werk dat uitsluitend door mensen werd uitgevoerd
- coördinatiepatronen binnen teams nog steeds waren ingericht rond individuele taaktoewijzingen
"De leiding bleef dit behandelen als 'details van verandermanagement die later wel zouden worden uitgewerkt'," zei Mauch. "Ondertussen investeerden ze in meer technologie, zoals geavanceerdere modellen, meer tools en meer integraties. Maar de beperking was niet technologisch van aard."
Medewerkers verschenen in adoptiecijfers als "actieve AI-gebruikers", omdat ze AI nog steeds voor basistaken gebruikten, maar ze hadden de usecases met hoge waarde opgegeven die daadwerkelijk ROI zouden opleveren.
De lange termijn waar niemand naar kijkt
Als ik het heb over een langetermijnvisie op AI, bedoel ik twee specifieke dingen.
Personeelswijzigingen
Een professionele dienstverlener identificeerde zijn best presterende AI-medewerkers—consultants die drie keer zoveel produceerden als normaal—en beloonde hen met promoties, bonussen en presentaties voor het hele bedrijf. Een klassieke vorm van talenterkenning.
Drie maanden later was de AI-adoptie op teamniveau in de groepen van deze uitblinkers daadwerkelijk afgenomen.
"Het bedrijf beloonde individuele productiviteitsverbeteringen, dus de best presterende medewerkers hielden hun AI-technieken voor zichzelf in plaats van ze te delen," zei Mauch. "Waarom zou je teamgenoten helpen AI te adopteren als dat alleen maar meer concurrentie oplevert voor de volgende promotie? Het bedrijf miste een kans om AI-mentoren te creëren."
Ze herstructureerden de prikkels rond teamadoptie in plaats van individuele productiviteit. Bonussen werden gekoppeld aan het helpen van teamgenoten bij het ontwikkelen van hun AI-vaardigheden. Voor promoties moest je aantonen dat je anderen had gecoacht.
Door deze verschuiving begonnen de best presterende medewerkers actief les te geven en versnelde de adoptie op teamniveau. Individuele uitblinkers zijn geweldig, maar alleen als hun kennis zich door de organisatie heen opstapelt in plaats van opgesloten te blijven als individueel concurrentievoordeel.
Organisatorische evolutie
Leiders zijn dol op een vijfjarenplan, maar we hebben geen idee hoe de wereld er aan het einde van dit jaar uitziet.
Bouw flexibiliteit in je planning in. Je talentprofiel en de manier waarop je mensen ontwikkelt, helpen je flexibel te blijven. Het alternatief is dat je AI te sterk als centraal onderdeel van je strategie beschouwt, vervolgens beseft dat je mensen nodig hebt om het te laten werken en daarna op een arbeidsmarkt terechtkomt waar de specifieke vaardigheden die je nodig hebt moeilijk te vinden zijn.
Plan voor twee jaar en kijk wat er gebeurt. De veranderingen gaan te snel voor langere tijdshorizonten.
Hoe je bouwt wanneer de fundering al in beweging is
Je moet communiceren.
"Behandel adoptie niet langer als binair en begin de impact te diagnosticeren," zei Mauch. "De meeste organisaties hebben volop basisgebruik, maar vrijwel geen transformatief gebruik, en daar ontstaat de waarde."
De meeste leidinggevenden houden logins, zoekopdrachten en licenties bij in plaats van gedragstransformatie. Echte ROI ontstaat wanneer AI workflows opnieuw vormgeeft. Daarvoor moet je begrijpen of de technologie het daadwerkelijke werkgedrag heeft veranderd, niet alleen of het gebruik van AI-tools is toegenomen.
De analist die AI gebruikt om delen van een rapport op te stellen, heeft zijn workflow niet getransformeerd. De analist die zijn volledige analyseproces opnieuw heeft ingericht rond de mogelijkheden van AI voor continue monitoring, wel.
Steiner benadrukt het leergesprek.
"Vraag je teams hoe ze AI vandaag gebruiken, waar ze vaardigheden willen ontwikkelen en welke ondersteuning ze nodig hebben om te groeien," zei ze. "Geef mensen de ruimte om te experimenteren, nieuwe vaardigheden te ontwikkelen en vertrouwen in deze tools op te bouwen.
Terwijl jij opties voor herstructurering analyseert, proberen sommige van je medewerkers te leren. Ze verwerven nieuwe vaardigheden zonder te weten of het de juiste zijn. Je kunt hen in de richting sturen die je nodig hebt en hen helpen capaciteiten op te bouwen die het bedrijf vereist.
In dat proces krijg je inzicht in de tools die ze gebruiken, waar ze waarde uit halen en waar de organisatie hun werk beter kan ondersteunen.
Zo blijf je vooroplopen bij wat er verandert en help je het ethische aspect onder controle te houden. Je voelt je meer op je gemak bij het bepalen van de koers, in plaats van meegesleept te worden door de hype.
En in plaats van te denken: "we lopen achter, we moeten dit doen om bij te blijven", handel je vanuit de vraag: "helpt dat glimmende nieuwe ding ons om de visie te verwezenlijken die we hebben voor waar we over twee jaar willen staan?"
De verschuiving van reactief naar doelgericht vereist dat aansturing volledig opnieuw wordt doordacht.
Aansturing als afstemming, niet als toezicht
Wanneer je ontdekt dat een medewerker zijn eigen AI-werkproces heeft gebouwd, benader dit dan als samenwerking.
"Beschouw schaduw-AI als marktonderzoek, niet als een nalevingsprobleem", zei Mauch. "Je medewerkers die niet-goedgekeurde tools hebben gebruikt, vertellen je dat ze oplossingen hebben gevonden voor echte problemen die je officiële tools niet aanpakken."
Poll: How is your org handling AI adoption?
Cremers en haar team bij GoodHabitz kozen voor deze aanpak toen ze zich realiseerden dat medewerkers al externe AI-tools gebruikten.
"In plaats van alles te blokkeren, kozen we voor een meer open en ondersteunende aanpak", zei ze. "We nodigden iedereen die al een externe tool gebruikte uit om deze met ons te delen. Vervolgens controleerden we of de tool veilig kon worden gebruikt. Als de tool de veiligheidscontrole doorstond, stelden we deze beschikbaar aan de hele organisatie, zodat anderen er ook profijt van konden hebben."
Dit bouwde vertrouwen op, verminderde risico's en liet zien dat het doel was om mensen slimmer te laten werken, niet om toezicht op hen te houden. En zoals je misschien zou verwachten, hadden sommige medewerkers nuttige tools ontdekt waarvan het bedrijf nog niet op de hoogte was.
"Goodlearn hielp ook door iedereen een basisbegrip te geven van hoe je veilig en verantwoord met informatie omgaat en hoe je kunt herkennen welke tools betrouwbaar zijn", zei Cremers.
Mauch beveelt een raamwerk in drie delen aan:
Begrijp voordat je standaardiseert
Breng in kaart wat er daadwerkelijk wordt gebruikt en waarom, niet om het te bestraffen, maar om ervan te leren. In één geval ontdekte ActivTrak dat een productteam vier tot vijf uur per dag een niet-goedgekeurde AI-tool voor programmeren gebruikte.
In plaats van dit stop te zetten, vroeg de leiding waarom. Het team had specifieke mogelijkheden gevonden die de "officiële" tool niet bood en had zelfstandig geavanceerde werkprocessen ontwikkeld die niemand anders had bereikt.
Maak onderscheid tussen risiconiveaus
Niet alle schaduw-AI brengt hetzelfde risico met zich mee. De analist die AI gebruikt om te brainstormen over de structuur van presentaties vormt niet hetzelfde risico als iemand die persoonsgegevens van klanten verwerkt via een niet-goedgekeurde tool. Stel eenvoudige criteria op:
- Welke gegevens worden verwerkt?
- Welke beslissingen kunnen door de AI-uitvoer worden aangestuurd?
- Hoe ontwikkeld is het beoordelingsvermogen van de gebruiker met betrekking tot passend gebruik?
Laat gebruik met een laag risico en hoge waarde doorgaan terwijl je de juiste waarborgen opbouwt.
Ontwikkel aansturing samen met gebruikers
Betrek gebruikers van schaduw-AI bij het opstellen van beleid. Zij begrijpen de praktische afwegingen tussen beveiliging en bruikbaarheid beter dan wie ook. Vraag hun:
- Wat zouden jullie verliezen als we dit stopzetten?
- Welke zorgen hebben jullie?
- Welke waarborgen zouden jullie willen?
Dit brengt oplossingen aan het licht, zoals afgeschermde omgevingen waarin teams met niet-goedgekeurde tools kunnen experimenteren met synthetische gegevens voordat goedkeuring voor productie wordt verkregen.
"De realiteit is dat AI al deel uitmaakt van de manier waarop werk wordt uitgevoerd, en dat pogingen om dit stop te zetten bedrijven op achterstand zetten in plaats van controle te geven", zei Steiner. "Aansturing blijft belangrijk, maar in een omgeving waarin AI vooropstaat, moet het vooruitgang mogelijk maken en niet vertragen."
Om deze processen goed te laten werken, moeten ze worden ingebed in systemen die mensen al gebruiken. Kan het een formulier zijn in je interne documentatiehub? Kunnen aangewezen goedkeurders ideeën binnen een bepaalde termijn in Slack aftekenen? Door goedkeuring onderdeel te maken van bestaande werkprocessen, verminder je de drempel en help je mensen ideeën te beoordelen op duidelijkheid, aansluiting bij doelen en impact op het bedrijf.
Je moet transparantie belonen bij medewerkers die experimenteren. Als iemand iets deelt dat geen goed gebruik van de technologie is, mag dat niet tot een straf leiden.
Hoe "te laat" er daadwerkelijk uitziet
Je hebt niet veel tijd.
Te laat betekent dat je functies lanceert die je concurrenten zes maanden geleden al hebben uitgebracht. Het betekent dat je beste mensen gefrustreerd raken en naar de uitgang kijken. Het betekent dat managers zich voelen als verwarde tussenpersonen tussen strategie en uitvoering.
Het betekent vooral dat je niet in staat bent om AI als oplossing voor echte problemen binnen je organisatie te implementeren.
Sommige bedrijven ervaren dit al. Daarom nemen ze hun toevlucht tot ontslagen en kortetermijnwinst. Ze hebben geen duidelijke visie op rendement op de lange termijn en slanken het bedrijf daarom af terwijl ze proberen dit uit te zoeken.
Onderzoek van Reco AI heeft uitgewezen dat twee schaduw-AI-tools een mediane gebruiksduur van respectievelijk 403 en 401 dagen hadden. Dat is ruim een jaar onafgebroken gebruik zonder formele goedkeuring of toezicht. Na 100 dagen onafgebroken gebruik is een AI-tool geen experiment meer. De tool is dan ingebed in kernprocessen van het bedrijf. Het verwijderen ervan is niet alleen een IT-taak, maar kan ook de bedrijfsvoering verstoren.
Zo ziet te laat eruit. Het onvermogen om te sturen op wat al is ingevoerd.
De eerste stap
Steiner heeft duidelijk advies voor leidinggevenden die het gevoel hebben achterop te zijn geraakt.
"De echte vraag is niet óf je AI moet gaan gebruiken, maar wanneer en hoe je dat uitzoekt, en het antwoord is: nu, door te experimenteren," zei ze. "Dit is niet het moment om aan de zijlijn te blijven staan en toe te kijken. AI verandert razendsnel de manier waarop werk wordt uitgevoerd."
Begin het gesprek over hoe je teams met AI werken. Welke tools ze gebruiken. Waar ze waarde vinden. Wat ze zouden willen doen, maar niet kunnen.
Een vraag die zo eenvoudig is als "wat zou je met AI doen als organisatorische beperkingen je niet in de weg stonden?" kan onzichtbare belemmeringen aan het licht brengen.
"We zien consequent dat mensen toepassingen voor ogen hebben die ingrijpende veranderingen kunnen teweegbrengen, maar worden tegengehouden door gegevenstoegang, goedkeuringsprocessen of beleidsregels voor governance die zijn ontworpen voor risico's van beginners," zei Mauch.
Dat gesprek maakt zichtbaar waar je onzichtbare fundament al bestaat. Het laat zien welke experimenten het waard zijn om op te schalen en welke moeten worden bijgestuurd. Het helpt je te begrijpen of je bouwt op een solide basis of op technische schuld.
