Expert op het gebied van organisatieverandering en AI-adoptie benadrukt de noodzaak om AI te integreren met een mensgerichte aanpak

Paul Gibbons is een generalist die op talloze gebieden heeft gewerkt, maar zijn belangrijkste focus lag de afgelopen 35 jaar op management en organisatieverandering. Hij is consultant en auteur van De wetenschap van organisatorische verandering en AI adopteren, naast zeven andere titels.

We spraken met Paul om te begrijpen hoe organisaties de adoptie en kennis van AI kunnen verbeteren. Hij vertelde ons over zijn mensgerichte aanpak.

Een integraal perspectief

Mijn vader zegt: "Net wanneer je ergens uitblinkt op wereldniveau, ga je iets anders doen." Dat is pijnlijk waar.

Ik was de jongste persoon ooit die werd toegelaten tot de medische faculteit van de University of Wisconsin. En toen liet ik me verleiden door Wall Street en maakte ik een bliksemsnelle carrière.

Het probleem was dat ik onderweg ernstige verslavingen ontwikkelde, die gepaard gingen met depressie. Ik bracht een half decennium door met het afwisselend volgen van PhD-programma's en professioneel bridgen, terwijl ik in feite dakloos was.

Op mijn 32e maakte ik schoon schip, ging ik bij PwC werken en hielp ik hun methode voor organisatorische transformatie en verandering opbouwen. Daarna sprong ik opnieuw overboord en begon ik mijn eigen bedrijf. Dat bestaat nu 25 jaar, hoewel ik het tien jaar geleden heb verkocht.

Sindsdien ben ik consultant, professor, hoofdspreker en auteur van negen boeken. Wat zeggen ze ook alweer? "Het leven begint bij vijftig..."

Twee van mijn boeken waren voltreffers, of "sixes", zoals we dat bij cricket noemen. De wetenschap van organisatorische verandering werd uitgeroepen tot een van de vijf beste boeken over verandermanagement aller tijden. En AI adopteren werd beoordeeld als het beste AI-boek van 2025 — niet, haast ik me eraan toe te voegen, door de New York Times, maar op LinkedIn, wat 1.000 keer minder belangrijk is.

Ik veronderstel dat, als er al een zegen schuilt in al deze chaos, het is dat ik onze huidige context vanuit meerdere perspectieven bekijk. Je zou kunnen zeggen: "Van alle markten thuis, maar nergens meester in", maar welwillender geformuleerd zou je kunnen zeggen dat ik een integraal perspectief heb.

Waarom deze expert op het gebied van organisatieverandering zijn twijfels opzijzette

Ik heb persoonlijk minstens één keer per week een OMFG-moment over AI. Bij elke nieuwe tool, elk nieuw perspectief en elke doorbraak in modelontwikkeling ervaar ik een gevoel van kinderlijke verwondering.

Maar begin 2025 twijfelde ik sterk over AI. Het heeft een enorm potentieel voor de mensheid, maar ethisch gezien brengt het veel problemen met zich mee. Toch veranderde er iets. Ik weet niet zeker of ik te veel van Sam Altmans Kool-Aid heb gedronken of dat ik het potentieel gewoon diepgaander aanvoel, maar ik dook diep in AI — en bouwde zelfs LLM's op mijn computer thuis.

En momenteel probeer ik mijn ruime geloofwaardigheid op het gebied van organisatieverandering en leiderschap te combineren met de wereld van AI.

Hoe AI productiviteit en leren een enorme impuls geeft

Nog nooit ben ik zo enthousiast geweest. En ook nog nooit ben ik zo productief geweest.

Het vermogen van AI om bijvoorbeeld presentaties te maken, heeft alles voor mij veranderd. Het lijkt misschien klein, zelfs triviaal. Maar als managementconsultant met 35 jaar ervaring heb ik honderden presentaties gemaakt, die elk een week in beslag namen. Dat zijn jaren van mijn leven die ik aan het maken van PowerPoints heb besteed.

Toen ontdekte ik Gamma. Ik kan binnen een dag iets van wereldklasse neerzetten.

Ik leer ook sneller dan ooit. Om een onderwerp goed te leren kennen, moet je waarschijnlijk 20 boeken of 50 academische papers lezen. NotebookLM maakt daar gehakt van. Binnen enkele seconden kun je op basis van de gegevens uit 50 bronnen een mindmap hebben.

Een goed voorbeeld: onlangs ontdekte ik een onderzoekspaper van MIT over iets dat recursieve taalmodellen wordt genoemd. Het was complex en diepgaand. Veel ervan ging technisch gezien mijn pet te boven, maar ik wist net genoeg om te denken: "Wauw, dit is belangrijk." Dus uploadde ik het naar Gemini en vroeg: "Is dit belangrijk? Geef me een samenvatting van twee pagina's." Vervolgens vroeg ik of ik er thuis op mijn desktopcomputer een kon bouwen en hoe lang dat zou duren. Twee uur later draaide er een mini-LLM in mijn woonkamer.

Dat verandert de zaak. Deze technologie democratiseert en emancipeert.

Waarom organisaties zich op meer dan alleen efficiëntiewinst moeten richten

Dat gezegd hebbende, mogen we ons niet te veel focussen op de productiviteitswinst van AI. Dat staat gelijk aan Einstein vragen om de was te vouwen.

Ik maak me daar ook schuldig aan. Toen ik AI voor het eerst in mijn eigen bedrijf gebruikte, was dat uitsluitend voor efficiëntie. Ik wilde 10-20 uur vervelend werk per week besparen. Maar hetzelfde werk sneller doen is echt beperkend.

We moeten ons richten op nieuwe mogelijkheden. Ik had moeten vragen: "Wat kan ik hiermee doen wat ik eerder niet kon doen?"

Dit is cruciaal voor Fortune 500-bedrijven.

Waarom leiderschapsmodellen moeten evolueren voor het AI-tijdperk

AI verandert het leiderschap niet, en dat is een probleem.

Het meest voorkomende leiderschapsmodel is transformationeel leiderschap. Dat stamt uit de jaren 70. Oude leiderschapsparadigma's zijn ontwikkeld voor een voorspelbaarheid die niet meer bestaat.

We moeten overstappen op het model van adaptief leiderschap. Dit model houdt rekening met het tempo van verandering, maar ook met de zich ontwikkelende laag van AI-adoptie. We weten namelijk niet hoe "klaar" eruitziet. We kunnen niet eenvoudig voorspellen welke vorm proeftuinen zullen aannemen of hoe gemakkelijk ze kunnen worden opgeschaald.

Hoe een AI-technologiestack voor veranderaars eruitziet

Mijn AI-technologiestack verandert voortdurend, maar hier is een momentopname:

• Descript — Videobewerker
• Granola — Notulist
• NotebookLM — Assistent voor onderzoek en schrijven
• Gamma — Maker van PowerPoint-presentaties
• Claude — Algemeen gebruik
• ChatGPT — Algemeen gebruik
• Gemini — Algemeen gebruik
• Obsidian — Notities
• Leonardo — Maker van afbeeldingen
• Ollama — Automatisering
• VSCode — Programmeren
• Hugging Face — Community opbouwen
• LangChain
• PostgresSQL

Zoals ik hierboven al aangaf, waren Gamma en NotebookLM in het bijzonder echte revolutionaire veranderingen voor mij.

Waarom verschillende paradigma's voor AI-adoptie de organisatiecultuur zullen vormgeven

Er zijn verschillende paradigma's voor AI-adoptie.

Op dit moment verplicht Accenture AI-aanmeldingen — naar mijn mening een dwingend en bot instrument. Walmart kiest daarentegen voor een "pullbenadering" en biedt iedereen gratis toegang tot AI-onderwijs.

De vraag voor Accenture is of mensen dwingen de creativiteit en psychologische veiligheid zal schaden. De tijd zal het leren.

Waarom AI-adoptie waarbij mensen centraal staan vertrouwen, kennis en ROI stimuleert

Zo'n 88% van de organisaties probeert AI te adopteren, maar minder dan 30% verdient er geld mee. De cijfers zijn verschrikkelijk.

Dat is niet verrassend. Als iemand die al drie decennia aan de menselijke kant van technologie-adoptie staat, weet ik dat het jaren duurt voordat de kloof tussen "glimmende nieuwe technologie" en bruikbaarheid is overbrugd.

De obstakels zijn organisatorisch van aard. Silo's, cultuur, mentaliteit, vaardigheden, enzovoort. Mensen zijn er bang voor. Als je in die context een technologie probeert door te drukken, veel succes.

Mijn stokpaardje, en een concept dat ik zelf heb ontwikkeld, is "adoptie waarbij mensen centraal staan". Dat is zowel een morele stelling als een tactische aanpak. Mijn hypothese, die door twee Fortune 500-bedrijven wordt gebruikt, is dat als je eerst mensen mondiger maakt en toepassingen ontwikkelt die menselijke ontplooiing ondersteunen, hun angst en wantrouwen zullen verdwijnen. Ze zullen technologie die hun leven verbetert snel adopteren.

Vervolgens kun je, zodra je vloeiendheid, vertrouwen, kennis en vaardigheden hebt opgebouwd, vol inzetten op ROI.

Hoe AI-geletterdheid er in de praktijk uitziet

Mijn op onderzoek gebaseerde model voor AI-geletterdheid kent vijf dimensies. Dit is de kern:

1. Concepten: Een oppervlakkig begrip van wat er onder de motorkap van AI gebeurt
2. Vaardigheden: Weten hoe je opdrachten geeft en later zelf bouwt
3. Ethiek: Een enorm gebied, waarop niemand blindelings te werk zou moeten gaan
4. Burgerzin: Hoe AI nieuws, politiek, opvoeding en scholen beïnvloedt
5. Kritisch denken: Het is slimmer dan jij, maar soms ook veel dommer. Kritisch denken met AI wordt zelden aangeleerd en de meeste mensen zijn er slecht in.

Elk van deze onderdelen moet worden onderwezen als je echte AI-geletterdheid in je organisatie wilt bereiken.

Waarom succes een belemmering voor leren over AI kan worden

Dit is mijn kijk op leiderschap op dit moment: niemand kan het bijbenen, maar iedereen moet het proberen.

AI is het meest complexe onderwerp in de geschiedenis van de mensheid, van modellen en algoritmen tot enorme ontwrichtende krachten in ondernemingen, economieën en geopolitieke stromen.

Het meest angstaanjagende komt echter voort uit een verhaal. In 1995 werd ik erbij geroepen om onderzoek te doen naar fraude met derivaten — naar de maatstaven van vandaag een kleinigheid, $100M. Ik was daar om een optiehandelaar te ondervragen. Omdat ik uit die wereld kwam, begreep ik gamma, theta en glimlachcurven.

Wat me verbaasde, was dat niemand bij de bank — noch de CEO, noch de CFO, noch de risicodirecteur — ook maar enig idee had waar deze man het over had. Ze hadden miljarden aan risico's op de balans staan en geen enkel benul van derivaten.

AI is veel ingewikkelder en directies vliegen blind. Daar krijg ik de rillingen van. Onwetendheid aan de top is gevaarlijk.

Maar wie heeft daar tijd voor? Ik leidde een programma voor een groep leidinggevenden en vroeg: "Hoeveel formeel onderwijs hebben jullie vorig jaar gevolgd?" In totaal drie dagen. Met z'n twaalven. Dat is gewoon niet genoeg.

Leiders moeten tijd vrijmaken om te leren. Ze moeten ook afkomen van hun standaardhouding: "Als ik het niet weet, kan het niet zo belangrijk zijn." Want momenteel staan hun macht en succes het leren in de weg.

Waarom leiders tijd moeten maken om te experimenteren

Meer dan ooit moeten leiders hun vaardigheden bijspijkeren. Ze moeten AI-geletterd worden.

Het is volkomen hypocriet om een AI-opleidingsprogramma voor je werknemers te hebben zonder ook jezelf bij te scholen.

Ik verwacht dat de meeste leiders het hiermee eens zouden zijn. Maar bijna niemand zal het doen. Ze werken al 60 uur per week. Ze hebben ondersteuning nodig. Ze hebben gestructureerde programma's nodig. En ze hebben tijd nodig om te experimenteren — misschien minimaal een uur of twee per week.

Experimenteren is niet onderhandelbaar. De boeken zijn nog niet geschreven, en zelfs als dat wel zo was, kun je deze vaardigheden niet uit een boek leren.

Volg hem

Je kunt het werk van Paul Gibbons volgen op LinkedIn, YouTube en Substack. Bekijk ook Paul Gibbons Advisory.

Er komen nog meer interviews met experts op People Managing People.