Optimaliseer je banen die verdwijnen?
Efficiëntiewinsten: Bedrijven automatiseren functies, maar moeten nadenken over welke menselijke bijdragen essentieel zijn naarmate AI zich verder ontwikkelt.
Verschuiving op de arbeidsmarkt: Een aanzienlijke afname van functies op instapniveau bedreigt de mogelijkheden voor organisaties om op lange termijn leiderschap te ontwikkelen.
Gebreken in AI-investeringen: De meeste organisaties geven ten onrechte prioriteit aan automatisering boven het aanpakken van essentiële menselijke rollen en de ontwikkeling van vaardigheden.
Strategisch eigenaarschap: De verantwoordelijkheid voor AI-transformatie moet bij CHRO's liggen om menselijk werk en technologie beter op elkaar af te stemmen.
Talentontwikkeling: Opkomende arbeidsmodellen vereisen aandacht voor veelzijdige vaardigheden, niet alleen voor traditionele specialisatie.
Ergens is een bedrijf op dit moment aan het investeren om een functie efficiënter te maken. De functie verwerkt claims, stuurt verzoeken door of stelt rapporten samen, iets in die richting. Het team bracht de werkstromen in kaart, identificeerde de knelpunten en stelde een plan op. Aan het einde van het kwartaal zal die functie 30% minder tijd nodig hebben om hetzelfde werk te doen.
Aan het einde van het decennium zal het werk volledig door AI worden uitgevoerd.
Dit is geen verhaal over het succes of falen van technologie. Het is het voortdurende verhaal van de belangrijkste leiderschapsuitdaging van deze eeuw, en het speelt zich op grote schaal af in sectoren die denken dat ze strategisch met AI omgaan, terwijl ze in werkelijkheid gewoon druk bezig zijn.
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
De vraag die momenteel onder vrijwel elk serieus AI-gesprek ligt, is de vraag die de meeste organisaties vermijden: niet hoe we AI gebruiken, maar waarvoor hebben we mensen eigenlijk nodig?
Degenen die miljoenen uitgeven aan productiviteitsoptimalisatie beantwoorden die vraag niet. Ze stellen haar uit, één efficiëntiewinst per keer.
De pijplijn stort al in
Volgens Korn Ferry is 37 procent van de organisaties van plan om functies voor beginnende medewerkers te vervangen door AI. Nog eens 66% heeft het aannemen van medewerkers op instapniveau vertraagd. Als je pas bent afgestudeerd en probeert te begrijpen waarom de arbeidsmarkt structureel anders aanvoelt dan je professoren beschreven, dan is dit de reden.
Functies op instapniveau hebben van oudsher gefungeerd als het belangrijkste mechanisme waarmee organisaties hun eigen talent ontwikkelen. De analist wordt de manager. De coördinator wordt de directeur. De junior medewerker die drie jaar besteedt aan het van binnenuit leren kennen van het bedrijf, wordt uiteindelijk degene die het leidt.
Schrap je het instappunt, dan verlies je niet alleen goedkope arbeidskrachten. Je verliest ook de ontwikkelingsgerichte pijplijn die over tien jaar ervaren leiders voortbrengt.
IBM beweegt in de tegenovergestelde richting en verdrievoudigt het aantal medewerkers op instapniveau dat het aanneemt, terwijl concurrenten zich terugtrekken. Of dat een investering in talent is of een pr-stunt, moet nog blijken. Maar over één ding valt niet te discussiëren: je kunt geen leiders ontwikkelen die je niet aanneemt. IBM positioneert zichzelf om tot ver in de toekomst mensen aan het roer te hebben.
De verkeerde vraag krijgt al het budget
De meeste AI-investeringen volgen tegenwoordig een bekende logica: vaststellen waar mensen tijd aan besteden, daar zo veel mogelijk van automatiseren, de productiviteitswinst meten en herhalen.
Het 70-20-10-raamwerk waar we eerder dieper op zijn ingegaan, is de manier waarop sommige geavanceerde organisaties nadenken over de toewijzing van AI-middelen. Het weerspiegelt een andere prioriteit — 70% van de investering gaat naar mensen en het opnieuw ontwerpen van processen, 20% naar infrastructuur en 10% naar de algoritmen zelf. Eén kleine kanttekening: vrijwel geen enkele organisatie werkt daadwerkelijk op deze manier. Bij de meeste is het omgekeerd.
Het resultaat zijn organisaties die technisch geavanceerd zijn, maar strategisch stuurloos. Ze beschikken over betere hulpmiddelen, maar hebben geen duidelijker antwoord op de vraag wat de mensen die deze hulpmiddelen bedienen, moeten worden.
De functies die het meest kwetsbaar zijn voor automatisering, zijn niet de functies die het minst waardevol zijn. Het zijn vaak juist de functies die het meeste routinematige beoordelingsvermogen vereisen, of het soort gestructureerde probleemoplossing waarvan blijkt dat machinaal leren er precies goed in is. Hierdoor ontstaat een verschijnsel waarbij medewerkers cognitieve overbelasting door AI-besluitvorming ervaren.
De functies die blijven bestaan, of die zullen worden gecreëerd, vereisen iets anders: het vermogen om met ambiguïteit om te gaan, ethische beslissingen te nemen, relaties te beheren tussen verschillende belangen en het soort contextueel beoordelingsvermogen te gebruiken dat niet kan worden gereduceerd tot een prompt.
Voor zover ik heb gezien, zijn er niet veel functieomschrijvingen die hierbij passen. Er is momenteel geen carrièrepad voor en er wordt vrijwel geen ontwikkelingsbudget voor vrijgemaakt.
Wie is verantwoordelijk voor dit probleem?
David Swanagon heeft betoogd dat de invoering van AI is overgedragen aan CIO's, terwijl die bij CHRO's thuishoort.
Adoptie verschilt volledig van implementatie. De CIO is niet alleen verantwoordelijk gesteld voor het ontwerp, de test en de implementatie van tools, maar ook voor de adoptie ervan. De adoptie zou onder de verantwoordelijkheid van de CHRO moeten vallen — omdat het gaat om cultuur, vertrouwen, autonomie en vaardigheden.
De redenering klopt. Technologische implementatie is een relatief klein onderdeel van wat bepaalt of de transformatie met AI slaagt of mislukt. De grotere uitdaging is beslissen welk werk mensen voor hun rekening moeten nemen, welke vaardigheden daarvoor nodig zijn en hoe je die vaardigheden ontwikkelt bij mensen die voor compleet andere vaardigheden zijn aangenomen.
CIO's zijn niet goed gepositioneerd om die vragen te beantwoorden. Hun oriëntatie is gericht op systemen, niet op de menselijke infrastructuur die die systemen geacht worden te dienen.
Wanneer de AI-strategie binnen de technologieafdeling ligt, zijn de vragen die worden beantwoord technische vragen. De organisatorische en menselijke vragen worden uitgesteld of als bijzaak aan HR gedelegeerd wanneer de implementatie al in volle gang is.
Zo eindig je met een AI-uitrol die technisch werkt, maar strategisch faalt. De tools functioneren. Het personeel weet niet wat het ermee hoort te doen, hoe zijn rol er over drie jaar uitziet of of het vaardigheden moet ontwikkelen waarvan de organisatie niet heeft aangegeven dat zij die waardeert.
Dat wil niet zeggen dat CHRO's momenteel die verantwoordelijkheid oppakken. Swanagon zou zelfs betogen dat ze dat niet doen.
De meeste CHRO's beginnen helaas met: 'we willen dingen automatiseren en geld besparen.' En dat is goed, maar het is niet leuk," zei Swanagon. "Het is ook niet interessant. Het is gewoon goed.
De M-vormige kloof
Jarenlang gaf de talentstrategie de voorkeur aan T-vormige werknemers — specialisten met een voldoende brede kijk op aangrenzende domeinen om over de grenzen daarvan heen samen te werken. Het model was logisch in een omgeving waarin specialisatie stabiel was en breedte een voordeel voor coördinatie vormde.
AI verandert de betekenis van breedte. Het opkomende model wordt soms M-vormig of kamvormig genoemd: werknemers met meerdere gebieden van echte diepgang, niet alleen oppervlakkige bekendheid, verbonden door integratief inzicht dat hen in staat stelt soepel tussen domeinen te bewegen.
Het onderscheid is belangrijk, omdat de ontwikkeling van kamvormige werknemers een ander soort investering vereist dan de ontwikkeling van T-vormige werknemers. Je verruimt niet alleen iemands perifere blik. Je bouwt meerdere competentiecentra in dezelfde persoon op en ontwikkelt vervolgens het beoordelingsvermogen om die afhankelijk van de situatie in te zetten.
De meeste organisaties hebben geen ontwikkelingsprogramma dat dit doet. Ze hebben opleidingscatalogi en licenties voor LinkedIn Learning.
Wat goed rentmeesterschap vereist
Het woord rentmeesterschap wordt in leiderschapscontexten losjes gebruikt. Meestal betekent het iets als "we zorgen voor onze mensen", in dezelfde vage trant als "onze mensen zijn onze grootste troef". Geen van beide uitdrukkingen houdt stand wanneer ze worden geconfronteerd met een aankondiging van personeelsreductie.
Echt rentmeesterschap tijdens een AI-transitie betekent nu beslissingen nemen die het vermogen van mensen om waarde te creëren beschermen over een periode van vijf tot tien jaar, ook wanneer die beslissingen tijdens een kwartaalbeoordeling moeilijker te rechtvaardigen zijn dan nog een automatiseringsronde.
Onlangs gingen Adam DeRose van HR Brew en ik zitten voor een aflevering van Je werkvrienden met Francesca Ranieri en Mel Plett. En Adam zei iets waar ik de rest van de dag over nadacht.
“Ik begrijp de waarde van de kwartaalbespreking van de bedrijfsresultaten, maar eerlijk gezegd denk ik dat we er gewoon vanaf moeten.”
De reden? De focus op kwartaalprestaties heeft het vermogen van leiders om langetermijndenken toe te passen aangetast. De obsessie met kwartaalcijfers is overal aanwezig, van bestuursniveau tot lijnmanagers, maar de tactieken die kwartaalprestaties stimuleren ondermijnen vaak ons vermogen om strategisch langetermijndenken te bevorderen, vooral rond talent in de huidige situatie.
Dit is misschien een moment dat financiering vereist voor de ontwikkeling van vaardigheden waarvoor nog geen functietitels bestaan. Het betekent dat je de instroom op instapniveau in stand houdt, zelfs wanneer de berekening zegt dat je die kunt schrappen. Het betekent dat je de organisatorische vraag waarvoor mensen er zijn als een strategische vraag behandelt, niet als een probleem van HR, en dat je de personeelsfunctie aan tafel brengt waar die beslissingen worden genomen.
De meeste organisaties doen dit niet. Ze optimaliseren. En optimalisatie, toegepast op een structuur die onder je voeten verandert, is een geavanceerde manier om de verkeerde kant op te rennen.
De banen die vandaag efficiënter worden gemaakt, zijn niet de banen die in 2030 de organisatorische waarde zullen bepalen. Het werk dat ertoe zal doen — beoordelingsvermogen, navigatie, ethische besluitvorming en het vermogen om andere mensen door echte onzekerheid heen te leiden — wordt bijna nergens ontwikkeld en benut. Het heeft geen begrotingspost, geen rapportagemaatstaf en zeker niet genoeg directieleden die het ondersteunen.
Dat is de leiderschapsfout. AI stelt ons in staat het doel om snel te handelen te verwezenlijken, maar het is de moeite waard om ons af te vragen of we onderweg niet te veel dingen kapotmaken.
