AI kan een goede baan te klein laten voelen

David Rice: Je personeelsverloop ziet er geweldig uit. Mensen blijven, de betrokkenheid is stabiel en het leiderschap viert feest. En je bouwt aan het duurste probleem dat je ooit hebt gehad, omdat blijven niet hetzelfde is als bijdragen. En op dit moment blijft je personeelsbestand stilletjes, komt opdagen, haalt de doelstellingen en probeert geen problemen te veroorzaken. Op papier lijken ze betrokken, maar ze experimenteren niet. Ze verleggen geen grenzen en nemen geen risico's. Ze beschermen zichzelf.

De gast van vandaag is Jay Caldwell. Hij is Chief Talent Officer bij ADP. We gaan onderzoeken waarom een laag personeelsverloop in deze omgeving misschien eerder een waarschuwingssignaal dan een overwinning is. Want dit is wat we allemaal in gedachten moeten houden: de mensen die zich het veiligst voelen, nemen de minste risico's. En in deze omgeving is geen risico nemen waarschijnlijk het riskantste wat je kunt doen.

Vandaag bespreken we waarom de gedachte ‘bouw het en ze komen vanzelf’ niet werkt voor AI-adoptie, het probleem van stil blijven en hoe nalevingsmentaliteiten innovatie misschien vervangen, hoe je kunt zien of een laag personeelsverloop stagnatie en angst verbergt, en algemene AI tegenover gerichte toepassingen: welke van de twee vertrouwen opbouwt. We kijken naar de crisis op de carrièreladder en waarom AI-vaardige afgestudeerden binnenkort alles wat je doet ter discussie zullen stellen.

Ik ben David Rice. Dit is People Managing People. En als je personeelsverloop er gezond uitziet, maar innovatie dood aanvoelt, legt dit gesprek precies uit wat er onder de oppervlakte gebeurt. Laten we beginnen.

Oké, Jay, welkom bij de show.

Jay Caldwell: Dank je, David. Fijn om hier te zijn.

David Rice: Ik wilde het gesprek beginnen met het feit dat we inmiddels een paar jaar in deze AI-golf zitten. Ik denk dat de aanvankelijke opwinding die veel mensen voelden, inmiddels heeft plaatsgemaakt voor gevolgen in de echte wereld. Volgens mij zitten we één dag na de aankondiging van de ontslagen bij Block.

Ik ben benieuwd: wat is volgens jou de grootste misvatting waar leiders nog steeds aan vasthouden als het gaat om het integreren van AI in hun personeelsbestand?

Jay Caldwell: Er zijn waarschijnlijk veel misvattingen. Ik hoor ook graag die van jou, maar een van de grootste die ik nog steeds bij veel organisaties zie, is dat iedereen net zo enthousiast is over AI als alle leiders.

Weet je, uit recente statistieken blijkt dat in de VS nog steeds ongeveer 40 procent van de mensen AI in hun privéleven gebruikt, dus ook buiten het werk. Het staat dus nog relatief vroeg in de ontwikkeling wat betreft AI-adoptie, hoewel 40 procent behoorlijk veel is. Zoals gewoonlijk bij bedrijfssoftware bestaat er een zekere verwachting dat, als we iets bouwen, iedereen vanzelf komt, het gaat gebruiken en er net zo enthousiast over zal zijn als wij.

Maar ik denk niet dat dat het geval is. Zeker nog niet. Je hebt misschien veel echt geïnteresseerde en enthousiaste gebruikers. Waarschijnlijk heb je er net zoveel die volledig weerstand bieden tegen het gebruik van zaken als AI, en de meeste mensen zitten ergens in het midden. Het is dus niet zo eenvoudig als: zet het aan en iedereen komt vanzelf. Je moet veel tijd en energie besteden aan de manier waarop je dit soort veranderingen en transformatie binnen je organisatie begeleidt.

David Rice: Ja, dat sluit zeker aan bij wat ik zie. Vanuit ons perspectief is een punt waar we het voortdurend over hebben dat leiders AI in wezen behandelen als een hulpmiddel dat je uitrolt, zoals software. Maar ik kom steeds terug bij iets wat ik iemand hoorde zeggen: het is meer alsof je tegelijkertijd een nieuwe collega aan elk team toevoegt.

Dat verandert dus de dynamiek, machtsstructuren, wie zich bekwaam voelt en wie zich bedreigd voelt. Het is veel meer een cultuurproject. Ik denk niet dat mensen tegen AI zijn. Sommigen wel, op ethische gronden. Maar veel mensen zijn nieuwsgierig; ze hebben alleen nog geen verhaal gekregen waarin duidelijk wordt welke plek zij in de toekomst hebben. Dat is een kloof in het verhaal van de directie: het idee dat AI je zal vrijmaken voor werk met een hogere waarde.

Dat sluit niet aan bij wat mensen daadwerkelijk ervaren. Er is vaak geen overeenstemming. We komen nu op een punt waarop werk en de manier waarop mensen dat op het werk ervaren vooral sneller gaan. Er is minder duidelijkheid over wat ‘goed’ betekent. Dat zorgt voor echte spanning.

En een andere misvatting die ik voortdurend zie, is dat adoptie in wezen hetzelfde is als integratie. Er bestaat een beeld dat je de hulpmiddelen uitrolt en dat mensen al weten hoe ze die moeten gebruiken. Maar volgens mij moeten we de manier waarop mensen over hun werk denken opnieuw bedraden.

Wat is hun waarde en hoe ziet hun loopbaan eruit? Dat is nu de taak van veel leiders, en de meeste organisaties zijn daar nog niet echt aan toegekomen.

Jay Caldwell: Daar ben ik het volledig mee eens. Als we het alleen over algemeen AI-gebruik hebben, gebruiken de meeste mensen het als zoekmachine. Dat is overigens een heel goede zoekmachine.

David Rice: Ja, dat is het zeker.

Jay Caldwell: Ik wil dat gebruik niet kleineren, maar ik denk niet dat dit is waarvoor iedereen hoopt dat we AI gaan gebruiken. Zoals je zegt, gaat het ook om cultuurverandering. Zelfs op individueel niveau gaat het om het veranderen van gewoontes. Het is geweldig dat ik deze hulpmiddelen heb, maar ik werk bijvoorbeeld veel in Outlook, zoals waarschijnlijk veel medewerkers van bedrijven. Dan moet ik mezelf eraan herinneren: wacht even, voordat ik in deze e-mail duik, moet ik misschien eerst wat tijd besteden aan de AI-tool en creatiever nadenken over wat ik wil zeggen of hoe ik het wil zeggen. Dat is een verandering van gewoonte waar niet iedereen onmiddellijk naartoe beweegt.

Dus je hebt gelijk: het gaat om cultuur, vaardigheden en mentaliteit. Er komt veel bij kijken.

David Rice: Soms denk ik: o, ik zou dat eigenlijk aan AI moeten vragen. Laten we eens kijken wat het zegt.

Jay Caldwell: Ik vind die vergelijking mooi. Het is alsof je een nieuwe collega in het team hebt, maar soms vergeet ik zelfs dat die collega er is. Dan moet ik mezelf eraan herinneren: als we deze nieuwe expertise in het team hebben, moet ik die persoon inschakelen.

David Rice: Misschien las ik daarom onlangs dat mensen die op afstand werken van nature eerder geneigd zijn AI te gebruiken. Misschien komt dat doordat ze niet afhankelijk zijn van fysieke aanwezigheid.

Jay Caldwell: Ja. Ik heb ongeveer vijf jaar vanuit huis gewerkt. Alleen al het hebben van een maatje was nuttig. Dat kan ook een goede toepassing zijn: sommige AI-toepassingen rond gezelschap helpen waarschijnlijk mensen die zich lichamelijk wat geïsoleerder voelen.

David Rice: Je zei dat intensievere AI-gebruikers misschien eerder geneigd zijn om andere mogelijkheden te verkennen. Op het eerste gezicht klinkt dat als een eenvoudig verhaal van vraag en aanbod. Ze hebben een waardevolle vaardigheid ontwikkeld en daardoor opties. Maar ik vraag me af of er iets diepers aan de hand is. Verandert nauw samenwerken met AI de manier waarop mensen hun eigen potentieel zien of wat ze van hun werkgever verwachten?

Jay Caldwell: Dat is interessant. ADP zag daar inderdaad iets van in ons eigen onderzoek naar het risico op vertrek. AI-adoptie is fascinerend om vanuit alle invalshoeken te bekijken. Om te beginnen ontwikkel je een nieuwe, gewilde vaardigheid. Waar zou je die nog kunnen toepassen? Hoe helpt dat je inzetbaarheid? Dat is zeker een groot deel van het verhaal.

Maar er is meer wanneer je het verder uitpakt. Als je een intensieve AI-gebruiker bent, kun je je door de organisatie beperkt gaan voelen wat betreft het tempo en de snelheid waarmee werkprocessen rond jou wel of niet veranderen.

Je kunt de toekomst, de mogelijkheden en het vermogen om werkprocessen sneller te veranderen misschien al zien. Maar als je slechts één stukje van de puzzel bent, heb je meer nodig dan jezelf om dat te realiseren. Een deel van de frustratie kan zijn dat je organisatie niet snel genoeg beweegt en dat je elders veel meer gedaan zou kunnen krijgen.

Het kan ook gewoon angst voor het onbekende zijn. Als mensen AI in handen krijgen en een organisatie het doel van AI niet goed communiceert, kan dat onzekerheid veroorzaken. Misschien begin ik dan te vrezen voor mijn baan bij dit bedrijf, vanwege de kracht waarvan ik zie dat deze AI-hulpmiddelen die hebben.

Dan kom je misschien in een overlevingsmodus terecht. Het gaat niet alleen om het hebben van een gewilde vaardigheid; je wilt gewoon betaald werk houden en je weet niet zeker of dat hier nog kan, gezien de hulpmiddelen die we hebben. Veel daarvan komt dus terug op verandermanagement rond deze uitrol.

David Rice: Vanuit talentperspectief voelt dat als een ongemakkelijke combinatie. De mensen die echt betrokken zijn bij AI zijn niet losgeraakt van hun werk, maar zij zijn wel degenen die rondkijken naar andere mogelijkheden. Misschien zijn ze hun functie ontgroeid, of in sommige gevallen zelfs hun organisatie.

Als je voortdurend met AI werkt, is het bijna alsof je bewustzijn of horizon voor je loopbaan wordt verbreed. Je ziet wat er mogelijk is. Als je vervolgens in een bedrijf werkt waarvan je merkt dat het op halve snelheid beweegt van wat je weet dat mogelijk is, kan de kloof tussen je potentieel en je omgeving voor sommige mensen ondraaglijk worden.

Jay Caldwell: Dat zou kunnen. Wat belangrijk is om in gedachten te houden in relatie tot betrokkenheid en behoud, is dat de bereidheid van iemand om bij je organisatie te blijven over het algemeen samenhangt met betrokkenheid. De betrokkenheid onder werknemers is over het algemeen laag.

Dat verschilt zeker per bedrijf, maar in het algemeen is slechts ongeveer 19 tot 20 procent van de Amerikaanse beroepsbevolking volledig betrokken.

David Rice: Historisch laag, dacht ik te hebben gelezen.

Jay Caldwell: Is er in deze situatie veel nodig om iemand over de rand te duwen? Als ze nadenken over wat er nog meer mogelijk is en hoe ze hun loopbaan anders kunnen ontwikkelen, waarschijnlijk niet. AI kan voor sommigen een katalysator zijn om serieus na te denken over welke mogelijkheden er nog bestaan.

David Rice: Absoluut. Vooral als je al op het randje balanceert. Veel mensen doen dat. Dan kijken ze om zich heen en zien ze bureaucratie, goedkeuringsketens en misschien starre functieomschrijvingen. Door deze technologie voel je je capabeler. Het is bijna alsof je in een ontwikkelingskooi zit, terwijl je denkt: als ik over de rand ga, helpt dit ding me misschien vliegen.

Jay Caldwell: Precies. Je breekt uit het deksel. Een andere mogelijkheid is, zoals je zei, een ontwikkelingskooi of juist een kans. Denk ook aan hoe snel je vaardigheden zich ontwikkelen en hoe je die op andere manieren wilt toepassen. We hopen dat AI iedereen productiever maakt. Dat is een doel. Maar veel gegevens laten ook zien dat het niet noodzakelijk tijd oplevert. Mensen werken juist meer en harder wanneer ze AI hebben, omdat ze meer gedaan krijgen en sneller bewegen. Hun collega's bewegen ook sneller. Het werk kan dus intensiever worden, en dat verhoogt volgens mij eveneens het risico op vertrek.

David Rice: Ik zie dat vaak. Mensen raken opgebrand en vertrekken zonder plan, omdat ze het tempo niet kunnen bijhouden. Ik sprak onlangs een gast die zei: in veel gevallen doen we gewoon meer, maar niet noodzakelijk beter of productiever; we doen alleen meer.

Als het personeelsverloop daalt maar de betrokkenheid niet stijgt, kijken we dan naar een personeelsbestand dat blijft uit veiligheid in plaats van om een andere reden? In een door AI gedreven omgeving zijn experimenteren en aanpassingsvermogen duidelijk belangrijk. Is dit soort stil blijven misschien schadelijker dan gewoon ontslag nemen, omdat het er op papier stabiel uitziet?

Jay Caldwell: Dit baart me op dit moment behoorlijk zorgen, gezien wat er gebeurt met al deze hulpmiddelen en technologieën en met de toestand van de arbeidsmarkt voor bepaalde mensen. De markt verschilt sterk per functie en sector.

Je hoort steeds meer termen rondgaan, zoals stilletjes ontslag nemen of je vastklampen aan een baan. Volgens mij is de trend hetzelfde: als er binnen de organisatie geen verloop plaatsvindt, ontstaat er een uitdaging. Dat is een andere uitdaging dan enkele jaren geleden, tijdens de Grote Ontslaggolf.

Toen draaide alles om de vraag hoe we mensen zo effectief mogelijk konden behouden. Dat was pijnlijk voor werkgevers, maar voor werknemers was het een geweldige omgeving. Zelfs als je je organisatie niet verliet, bood een hoog verloop meer mogelijkheden om binnen de organisatie of naar nieuwe functies door te groeien.

Er waren simpelweg meer kansen om andere verantwoordelijkheden op je te nemen. Als die mogelijkheden afnemen doordat het verloop binnen je organisatie lager is, ontstaat het risico dat mensen zich gestagneerd en vastgelopen voelen of minder groeien dan ze zouden kunnen.

Dat risico zal, zoals jij zegt, de betrokkenheid verlagen. Daardoor nemen innovatie en creativiteit af. En dat is voor mij juist de echte belofte van AI: innovatie en creativiteit. Als je niet de mentale energie hebt om daarmee vooruit te komen, wat is dan het nut? Ik zie daar grote risico's en zou elke organisatie in deze omgeving aanraden niet te zelfgenoegzaam te worden over een lager en ogenschijnlijk gezond verloop. Er zit momenteel veel meer onder de oppervlakte.

David Rice: Daar ben ik het volledig mee eens. We zijn zo geobsedeerd geraakt door het meten van behoud en verloop dat we zijn vergeten te vragen of blijven hetzelfde is als bijdragen. Een laag verloop kan in deze omgeving juist een waarschuwingssignaal zijn in plaats van een overwinning.

Jay Caldwell: Mee eens. De waarde van mensen van buitenaf naar je organisatie halen is ook aanzienlijk: nieuwe ideeën, nieuwe manieren van denken en nieuwe perspectieven. Bewust nadenken over hoe je de talentpijplijn voortdurend laat stromen, is in deze omgeving dus cruciaal. Daarnaast moet je, zelfs als mensen niet bewegen, nadenken over hoe je hen emotioneel betrokken houdt en ervoor zorgt dat ze zoveel mogelijk energie blijven bijdragen in de wereld waarin ze vandaag werken.

David Rice: Dat is een goed punt. Dat stil blijven kan een bijzonder duur probleem zijn als mensen komen opdagen, geen problemen veroorzaken, hun doelstellingen halen en er goed uitzien. Maar ze experimenteren niet, verleggen de grenzen van hoe het team werkt niet en nemen geen risico's.

We weten dat de grote beloning van AI-adoptie juist voortkomt uit het nemen van een beetje risico. Maar als mensen zichzelf alleen beschermen en uit angst blijven — angst voor de arbeidsmarkt, angst om elders opnieuw te moeten leren, of omdat veel mensen halverwege hun loopbaan het gevoel hebben opnieuw te moeten beginnen — dan bouwen we een personeelsbestand op met een mentaliteit van naleving. Dat is geen innovatie.

Het is ironisch: de mensen die zich het veiligst voelen, nemen de minste risico's. En in deze omgeving is geen risico nemen juist het riskantste wat je kunt doen.

Jay Caldwell: Dat is een heel goed punt. Wanneer je de loopbanen van mensen bekijkt, vooral van succesvolle mensen, zie je veel risico in de stappen die ze hebben gezet: de koerswijzigingen, of het overstappen naar een compleet andere functie. Ik had nog niet zo veel nagedacht over de persoonlijke gevolgen daarvan, omdat het nu misschien riskanter voelt om zulke sprongen te maken.

David Rice: Wanneer organisaties brede AI-hulpmiddelen voor algemeen gebruik uitrollen, voelt de boodschap vaak als: zoek het allemaal zelf maar uit. Gerichte AI-toepassingen zijn meestal gestructureerder en meer gericht op resultaten. Hoe beïnvloeden die twee benaderingen volgens jou het vertrouwen van medewerkers, hun leercurve en misschien zelfs de prestatiedruk?

Jay Caldwell: Goede vraag. Ik heb organisaties verschillende strategieën zien volgen: sommige begonnen met algemene toepassingen en gingen later naar gerichte toepassingen, andere deden het andersom.

Het zijn inderdaad verschillende strategieën. In beide gevallen is het belangrijk om niet te weinig te investeren in communicatie en training rond deze hulpmiddelen. Het gaat niet alleen om uitleg over hoe je ze gebruikt, maar ook om een verandering van mentaliteit en om een andere manier van werken.

Dat is nog belangrijker bij algemene hulpmiddelen, omdat je iemand een Zwitsers zakmes geeft. Toen ik klein was had ik er een. Waarschijnlijk kende ik maar drie van de twintig functies: het vergrootglas, het mes en de nagelvijl. Er waren nog allerlei andere dingen waarvan ik geen idee had waarvoor ze dienden, zoals een tandenstoker.

Dat is precies wat algemene AI is. Er zijn zoveel mogelijkheden om het te gebruiken dat je mensen echt moet helpen begrijpen wat die mogelijkheden zijn. Als je het alleen aanzet en hoopt dat mensen het zelf uitzoeken, gaat het niet goed.

Organisaties die dit effectief doen, leren hardop. Ze brengen mensen in vergelijkbare functies bij elkaar om te praten over wat ze hebben geprobeerd. Iemand kan zeggen: dit heb ik geprobeerd en het werkte niet, dus vermijd dat. Een ander kan vertellen dat brainstormen en vervolgens een toepassing lanceren goed werkte. De helft van de groep denkt dan misschien: daar zou ik nooit aan hebben gedacht.

Bij meer gerichte toepassingen gaat het vooral om duidelijkheid over hoe dit mijn functie vandaag beïnvloedt, hoe ik mijn werkprocessen moet veranderen en hoe AI onderdeel wordt van de werkstroom. Communicatie en training kunnen veel specifieker zijn. Ook de interpretatie van de gevolgen wordt gerichter, positief of negatief.

Als een gerichte toepassing de productiviteit sterk verhoogt en veel taken automatiseert, moet je meer energie en aandacht besteden aan de mensen die hierdoor worden geraakt. Je moet hen helpen de veiligheid van hun positie en hun loopbaan binnen de organisatie te begrijpen.

David Rice: Intuit QuickBooks Payroll weet dat HR zoveel bewegende onderdelen heeft dat er chaos kan ontstaan. Daarom brengen ze salarisadministratie, HR, tijdregistratie en financiën samen in één krachtig platform. Deze zomer ontwikkelt QuickBooks Payroll zich tot iets groters om de volledige levenscyclus van medewerkers te ondersteunen. Binnenkort kunnen bedrijven medewerkers via één naadloze stroom onboarden, rechtstreeks gekoppeld aan de salarisadministratie, geautomatiseerde HR-processen instellen voor zaken als promoties of uitdiensttreding, en prestaties, verlof en arbeidsvoorwaarden naast de salarisadministratie volgen.

Ontdek vandaag wat QuickBooks Payroll voor je bedrijf kan betekenen en bereid je voor op wat eraan komt. Ga voor meer informatie naar quickbooks.com/workforce. Dat is quickbooks.com/workforce.

Ik vind je vergelijking met het Zwitserse zakmes goed. Nu vraag ik me af wat het AI-equivalent is van die kleine schaartjes, die slappe dingen.

Jay Caldwell: O mijn god, geweldig. Het veertje brak altijd. Ongelooflijk.

David Rice: De filosofie van ‘zoek het zelf maar uit’ zegt eigenlijk: we geloven dat deze technologie een groot verschil gaat maken, maar we hebben geen strategie en weten niet wat we ermee moeten doen.

Jay Caldwell: Ja.

David Rice: Je geeft iedereen een piano en verwacht een symfonie.

Jay Caldwell: Er is zoveel enthousiasme. Dat is volgens mij de haast: de hulpmiddelen zijn zo intuïtief. Veel algemene hulpmiddelen zijn gewoon chatinterfaces, dus het is makkelijk te begrijpen hoe je ze gebruikt. Het gaat meer om de creativiteit: wat moet ik hiermee doen en welke mogelijkheden zijn moeilijk om zelf te ontdekken?

David Rice: Gerichte toepassingen zijn in dat scenario nuttig, omdat ze psychologisch iets belangrijks doen voor de manier waarop je AI benadert. We kijken er allemaal naar, zien wat het kan en vinden dat soms een beetje eng, afhankelijk van onze functie.

Een gerichte toepassing geeft je een overwinning. Je lost een specifiek probleem op en krijgt vertrouwen. Daardoor bouw je sneller vertrouwen op. Algemene hulpmiddelen kunnen juist angst veroorzaken, omdat er geen eindstreep is. Je bent nooit klaar met het gebruik ervan en gebruikt ze nooit goed genoeg.

Er is altijd wel iemand op LinkedIn die er indrukwekkender mee lijkt te werken dan jij. Dat zorgt voor prestatiedruk. En als het algemeen en ongedefinieerd is, weet je manager niet hoe hij het moet meten. Dan wordt de vraag: gebruik je het überhaupt? Dat is een nogal betekenisloze maatstaf. Een gerichte toepassing stelt je ten minste in staat resultaten te meten in plaats van activiteit.

Jay Caldwell: Dat is een goed punt. Vanuit managementperspectief zijn dit grote investeringen. De waarde van gerichte toepassingen is dat je een heel specifieke mogelijkheid probeert op te lossen en het rendement daarop heel concreet kunt meten. Het gaat dus niet alleen om het gebruik van de tool, maar om wat je eruit haalt.

David Rice: We zien nu de samendrukking van instapwerk en wat er gebeurt met functies aan het begin van een loopbaan. Als we stoppen met aannemen aan de onderkant van de talentpiramide, breken we eigenlijk onze toekomstige leiderschapsbasis af.

Dat heeft gevolgen voor alles: van institutionele kennis tot opvolgingsplanning en sociaaleconomische mobiliteit. Wat zie je organisaties doen om hier een stap voor te blijven? Zie je een verschuiving van kortetermijnproductiviteit naar langetermijncapaciteit?

Jay Caldwell: Ik denk dat dit gesprek zich ontwikkelt. Toen AI bijvoorbeeld slaagde voor het bar-examen, was de onmiddellijke vraag waarschijnlijk: wat doen we vanaf nu met paralegals?

De eerste reactie was het vertragen van die aanwervingen. Bedrijven beginnen nu te beseffen dat dit niet volledig kan. Je haalt anders een sport uit je carrièreladder en dat is een groot probleem. Mensen beginnen dan te vallen.

Daarnaast ziet men dat niet iedereen AI in hetzelfde tempo adopteert. Dat geldt vooral voor mensen die al langer in hun loopbaan zitten. Ik generaliseer, maar zij nemen nieuwe hulpmiddelen mogelijk niet zo snel over of zijn minder bereid werkpraktijken snel te veranderen.

We zijn nu echter op een punt waarop afgestudeerden die vandaag van de universiteit komen, AI-vaardig zijn. Ze gebruikten generatieve AI al vanaf het begin van hun studie. We kunnen veel leren van deze groep, die diep in deze hulpmiddelen is gedoken om het potentieel en het doel ervan te begrijpen.

Ze kunnen onze organisaties binnenkomen en vragen: waarom gebruiken jullie AI hier niet voor? Waarom doen we dit nog handmatig? AI kan dit gemakkelijk voor ons oplossen. Als je deze mensen niet aanneemt, verlies je ook de kans om modernere vaardigheden en manieren van denken binnen te brengen.

Je moet wel nadenken over hoe je deze groep helpt het juiste niveau van beoordelingsvermogen en expertise op te bouwen, zodat ze AI goed en passend gebruiken. We hebben dus een gezonde mix nodig over alle loopbaan- en ervaringsniveaus om de juiste capaciteiten in ons personeelsbestand te behouden.

Het volume kan veranderen omdat de vraag misschien niet meer zo hoog is als vroeger. Het verloop is lager, dus misschien neemt het aantal aanwervingen aan het begin van een loopbaan af. Maar het belang ervan blijft hetzelfde. Bedrijven komen terug bij het inzicht dat ze deze pijplijnen open en sterk moeten houden.

David Rice: Het helpt dat veel zaken in het AI-gesprek voor directieleden verwarrend zijn. Ze begrijpen het niet allemaal op technisch niveau, maar iedereen begrijpt dit: ze zijn onderaan begonnen, hebben fouten gemaakt in omgevingen met lage risico's en geleerd hoe organisaties van binnenuit werken — inclusief de politiek en alles wat daarbij hoort.

Je hoeft geen genie te zijn om te begrijpen dat je de toekomst beperkt als je die ervaring en die instappunten elimineert. Veel directieleden willen het sociaaleconomische aspect niet bespreken, maar we zijn ons er allemaal van bewust. Instapfuncties voor hoger opgeleiden zijn al tientallen jaren een belangrijk middel voor economische mobiliteit.

Als die verdwijnen, moeten we ze door iets vervangen. Er is hier ook een sociaal contract in het spel. Ik denk dat we het komende jaar kunnen zien dat dit een onderwerp op bestuursniveau wordt: wat doen we om ervoor te zorgen dat we onze mensen waarde blijven bieden, hen binnenhalen en helpen groeien?

Jay Caldwell: Het sleutelwoord is waarde. Organisaties moeten een stap terug doen en kijken naar hun waarden en hoe ze die hun strategie laten sturen. Bij ADP zijn we een waardengedreven organisatie. Een van onze waarden is dat iedere medewerker telt. We richten ons sterk op het behouden van de menselijke factor in al deze veranderingen in het werk en op het ondersteunen van al onze medewerkers, ongeacht waar ze zich in hun loopbaan bevinden.

Ik ben het ermee eens dat dit een cruciale focus is, vooral wanneer je nadenkt over hoe je medewerkers tijdens deze transformatie behandelt. Met platforms als Glassdoor en Reddit gebeurt dat bovendien in het openbaar. Een langetermijnperspectief is daarom essentieel.

David Rice: We horen vaak dat nieuwsgierigheid en aanpassingsvermogen belangrijker zijn dan expertise. Filosofisch klinkt dat geweldig en ik ben het ermee eens. Maar onze wervingssystemen zijn historisch gebouwd rond afkomst, opleiding en in veel gevallen diepgang.

Iedereen praat over werving op basis van vaardigheden. Sommige organisaties doen daar interessante dingen mee, maar veel bedrijven zijn er nog steeds door in de war. Ze krijgen het niet goed georganiseerd. Wat moet er veranderen in de manier waarop we talent beoordelen, zodat we niet terugvallen op het comfort van specialisatie?

Jay Caldwell: De mentaliteit rond waar we naar zoeken moet eerst veranderen, en dat begint bij het leiderschap. Hoe denken leiders over het identificeren en selecteren van talent?

Kiezen op basis van afkomst of diploma's is makkelijk, omdat het op papier staat. Je kunt het zien en er moeilijk tegenin gaan. Als iemand een vierjarige opleiding heeft afgerond, kun je niet betwisten dat die persoon het vermogen en de energie had om dat te doen.

Wat moet veranderen, is het zoeken naar alternatieve manieren om vaardigheden te erkennen. Denk aan beoordelingen waarmee je dieper kunt ingaan op technische vaardigheden, communicatieve vaardigheden en creativiteit. AI biedt daar enorme mogelijkheden voor, maar dit moet zorgvuldig gebeuren vanwege juridische overwegingen rond selectie.

Ook de mentaliteit en criteria voor wat we zoeken moeten veranderen. Dat helpt leiders om meer vertrouwen te krijgen in deze belangrijke beslissingen. Niets is belangrijker dan wie je in je team aanneemt. Hoe helpen we hen een beslissing te nemen die niet gebaseerd is op één diploma op een cv?

Veel managers zijn niet geweldig in interviewen en graven onvoldoende in iemands ervaring of creativiteit. We zullen managers daarin moeten oefenen en hen eenvoudige gedragsgerichte methoden moeten aanreiken waarmee ze creativiteit, innovatie en breedte van ervaring kunnen beoordelen.

Ironisch genoeg komen we daarmee terug bij gedragsgerichte interviews die al tientallen jaren bestaan, maar waarop we waarschijnlijk niet genoeg hebben vertrouwd.

David Rice: Soms is het antwoord gewoon ouderwets zijn.

Jay Caldwell: Precies.

David Rice: Ik sprak ongeveer een jaar geleden met een professor aan de University of Michigan. Hij zei dat hij weer surveilleerde tentamens ging afnemen en studenten alles met de hand liet schrijven, zonder apparaat. Zo kon hij testen of ze de stof echt kenden.

Jay Caldwell: Er bestaat iets dat de test voor alternatieve toepassingen heet. De eenvoudigste vorm is: David, hier is een pen. Noem in de komende drie minuten zoveel mogelijk toepassingen voor deze pen. Het voelt bijna als een familiespel, maar het is een manier om divergent denken te testen. Hoeveel verschillende manieren kun je bedenken om naar een situatie te kijken? Het kan een aanwijzing zijn voor nieuwsgierigheid.

Dat zijn methoden van veertig of vijftig jaar geleden. Het is dus inderdaad terug naar de basis. AI kan dat waarschijnlijk heel goed voor je doen en meer toepassingen geven dan je nodig hebt. Maar als je alleen met je eigen brein gaat zitten: hoe goed ben je daar dan in?

David Rice: Ik moet het vragen, want ADP heeft natuurlijk een enorme positie in het talentlandschap. Is dit een probleem met de talentinfrastructuur? Gaat het om de manier waarop we onze volgsystemen voor sollicitanten gebruiken, wat we ervan verwachten, hoe we recruiters hebben opgeleid en welke interviewkaders we gebruiken? Zelfs onze taal is gebaseerd op het model van afkomst en diploma's.

Werving op basis van vaardigheden is dus geen beleidswijziging. Het is een volledige herziening van de infrastructuur. Veel mensen proberen nieuwe software op oude hardware te draaien en zitten vast in die mentaliteit.

Jay Caldwell: Je moet eerst heel precies definiëren wat je bedoelt met ‘op vaardigheden gebaseerd’ en welke veranderingen je daarmee invoert.

Als het betekent dat je voor bepaalde functies geen diploma-eis meer hanteert, prima. Maar je moet het hele systeem bekijken. Wat moet er nog meer veranderen in je wervingspraktijken? Wat moet je veranderen in de processen die eraan voorafgaan?

Als je bijvoorbeeld diploma-eisen voor instapfuncties afschaft, maar ze nog wel hanteert voor senior leiderschapsfuncties, hoe help je mensen dan om die kloof in de loop van hun loopbaan te overbruggen? Of moet je beide veranderen? Je moet het volledige systeem bekijken en langetermijndenken, in plaats van slechts één geïsoleerde wijziging door te voeren.

David Rice: We zeggen allemaal ongeveer hetzelfde: nieuwsgierigheid en aanpassingsvermogen zijn kerncompetenties waarvoor we willen aannemen. Maar hoe selecteer je daarop? Je kunt ‘aanpassingsvermogen’ niet simpelweg op een cv zetten en het daarmee aantonen.

Ik hielp onlangs een vriend die een nieuwe baan zoekt. Ik probeerde manieren te bedenken waarop hij zijn portfolio kon tonen. Aanpassingsvermogen is een van die dingen die je eigenlijk gewoon moet laten zien, maar daar krijg je in een interview van dertig minuten nauwelijks de kans toe. Je kunt nieuwsgierigheid niet testen in een kort gesprek.

Onze methoden sluiten dus fundamenteel niet goed aan op wat we zeggen belangrijk te vinden. AI-hulpmiddelen zouden ons kunnen helpen potentieel beter te beoordelen, bijvoorbeeld door werkvoorbeelden te analyseren, een aanpak voor probleemoplossing te beoordelen of overdraagbare vaardigheden te herkennen. Maar veel mensen gebruiken AI om het oude werk sneller te doen.

Jay Caldwell: Dat geldt niet alleen voor werving, maar ook voor ontwikkeling. Je kunt creativiteit en aanpassingsvermogen ontwikkelen met AI. Wij onderzoeken bijvoorbeeld hoe we AI kunnen integreren in leiderschapsontwikkeling. Het doel is mensen sneller meer oefening te geven in leiderschap.

Ik kan een simulatie opzetten waarin je met een moeilijke rechtstreekse medewerker moet omgaan en moeilijke feedback moet geven. Daarna kun je nog tien andere situaties oefenen die je helpen als leider meer aanpassingsvermogen op te bouwen. Dat is een van de beloften. We willen er niet alleen voor aannemen, we kunnen het ook ontwikkelen.

David Rice: Als AI zaken als diepteanalyse en misschien delen van besluitvorming overneemt, verschuift menselijke prestatie van uitvoering naar oordeel. Hoe moeten onze huidige prestatiekaders worden aangepast zodat we de juiste zaken meten?

Jay Caldwell: Ik wou dat ik daar een eenvoudig antwoord op had.

David Rice: Ik stel alleen eenvoudige vragen. Het zijn allemaal inkoppertjes in deze show.

Jay Caldwell: Hoe meet je de prestatie van creatief werk, zoals bij een kunstenaar? Het gaat om verkoop, maar ik weet het niet. Veel kunstenaars verkopen niets tot nadat ze zijn overleden. Dan worden ze pas echt populair.

Het is ingewikkeld. Volgens mij begint het met het opnieuw kaderen van de manier waarop iemand zijn eigen prestaties bekijkt. Ik voel me bijvoorbeeld heel productief wanneer ik mijn inbox leegmaak. Ik kan het zien en meten. Ik weet wanneer het begint en wanneer het klaar is. Als AI me daarbij helpt, verlies ik misschien iets dat mij het gevoel geeft dat ik productief ben en goed presteer.

Hetzelfde geldt voor een bepaald aantal telefoontjes beantwoorden of een bepaald aantal vergadernotities samenvatten. Zulke dingen helpen me voelen dat ik vooruitgang boek. Bij creatiever werk is het moeilijker om vooruitgang te zien. Mijlpalen zijn minder duidelijk en tijdlijnen langer.

Als iemands werk fundamenteel verandert van productie naar creativiteit, verandert ook de manier waarop die persoon zijn eigen prestaties beoordeelt. De meetkant is een andere uitdaging. Prestatiemanagementprocessen moeten worden herzien.

Denk aan flexibelere doelstellingen, mogelijk vaker meten van prestaties en eenvoudigere manieren om managers vaker hun perspectief te laten geven. Benadruk niet alleen resultaten, maar ook input, gedrag en vaardigheden. Hoe gedraagt iemand zich? De oude discussie gaat over wat je meet: het wat of het hoe. Ik denk dat er meer nadruk komt op het hoe, omdat dat vaak de input vormt voor goed creatief en strategisch werk, bijvoorbeeld de manier waarop je met collega's samenwerkt.

We moeten individueel opnieuw nadenken over wat presteren betekent en als organisatie over hoe we de metingen in bijvoorbeeld jaarlijkse beoordelingen transformeren. Nu is het moment om over de gevolgen van AI na te denken.

David Rice: Je noemde de overgang van productie naar creativiteit. Ik denk vaak aan de overgang van uitvoering naar oordeel. Maar hoe meet je oordeel? In mijn werk maak ik veel inhoud en gebruik ik AI om daarbij te helpen, bijvoorbeeld voor een eerste versie.

AI kan dingen schrijven die overtuigend klinken, maar ik ben er van nature sceptisch over. Ik controleer voortdurend wat voor mij niet klopt. Ik ontdek regelmatig dat AI dingen verzint of verkeerd weergeeft: dat een statistiek iets anders zegt of dat een betekenis wordt verdraaid.

Hoe zet ik op mijn kwartaaloverzicht: heeft ons 27 keer deze maand niet voor schut gezet? Dat is moeilijk te meten. AI is goed in het formuleren van een argument rond gegevens, maar je moet die gegevens altijd controleren. Waar kwamen ze vandaan? Wat stond er werkelijk? Wordt het anders geformuleerd of precies weergegeven?

Sommige platforms zijn daar beter in dan andere. Perplexity is bijvoorbeeld sterk in bronverwijzingen. Je moet je hulpmiddel vinden: hiervoor gebruik ik dit, daarvoor dat. Soms haalt AI een datapunt van twee jaar geleden aan alsof het vorige maand is gebeurd.

Jay Caldwell: Terug naar onze bespreking van de manier waarop je talent aan het begin van een loopbaan helpt: dit is de kern. Hoe ontwikkel je dat soort oordeel? Jij kunt dat omdat je ervaring hebt.

David Rice: Precies. Ik doe dit al lange tijd, dus het is natuurlijk voor mij om daarover na te denken. Maar als ik 24 was, net van school kwam en dit nog nooit had gezien, zou ik niet weten hoe ik die uitvoer moest beoordelen. Misschien kon ik onderzoek doen, maar dan verander ik mijn werk van maker in feitencontroleur. Is dat de waarde? Ik weet niet of dat op zichzelf waardevol is.

We moeten dus manieren vinden om deze hulpmiddelen zinvol te gebruiken, met oordeel als centraal element, terwijl we mensen in staat stellen die vaardigheden te ontwikkelen.

Jay Caldwell: Dat is ook een andere manier om prestaties te meten. Er zijn drie fasen: je voert een vraag of opdracht in, AI doet zijn werk en aan het einde beoordeel je het resultaat. In een wereld met AI wordt het waarschijnlijk belangrijk om de mens op die twee uiteinden te beoordelen.

Hoe goed is iemand in het stellen van de juiste vragen, het verfijnen van de opdracht en het beoordelen en gebruiken van de uitvoer? Het middenstuk wordt efficiënt en geautomatiseerd door AI, maar de cyclus waarin je door deze toepassingen heen werkt, is heel belangrijk.

David Rice: Dat is een goede manier om het te formuleren. Het is een verschuiving in macht. Mensen met het beste oordeel hebben niet altijd de hoogste titels. Soms zijn het gewoon mensen die op de juiste plek zitten. Ze kunnen zelfs echt verstorend zijn voor een organisatiehiërarchie als we die mogelijkheid wegnemen.

Het is moeilijk om te begrijpen waar oordeel moet liggen en welk niveau van ervaring, kennis of vermogen nodig is om op het juiste moment de juiste vraag te stellen. Daar staan we nu.

Jay, het was geweldig om met je te praten. Ik heb hiervan genoten.

Jay Caldwell: Ik ook. We zouden hier waarschijnlijk de hele dag over kunnen praten. Het is een spannend domein en een spannend moment, maar we leren allemaal samen. Ik waardeer podcasts zoals deze, omdat ze helpen om hierover na te denken. We zitten allemaal in hetzelfde schuitje. Niemand loopt ver op iemand anders vooruit. Hoe meer we delen, hoe beter. Dank je, David.

David Rice: Absoluut. Luisteraars, als je dat nog niet hebt gedaan, ga dan naar de website en schrijf je in voor de People Managing People-nieuwsbrief. Je krijgt afleveringen zoals deze en alle inhoud die we bij People Managing People maken rechtstreeks in je inbox.

Tot de volgende keer: oordeel, daar draait het om.