AI op het werk: waarom bedrijven een nieuw draaiboek nodig hebben

Lees het transcript:

We proberen onze podcasts te transcriberen met behulp van een softwareprogramma. Vergeef ons eventuele typefouten, want de bot heeft niet altijd 100% gelijk.

Steve Cadigan: Als je eerste toepassing van AI bedoeld is om het personeelsbestand in te krimpen, is dat dan niet geweldig? Ik weet niet wie bepaalt wat geweldig is. Je toekomstige medewerkers: hoe geweldig vinden zij dat? En ik denk dat ik organisaties graag zou willen zien die enorme groei in leren laten zien door de toepassing van AI, en daardoor meer impact op loopbanen en betere vooruitzichten op het gebied van beloning.

Wat als we onze mensen bewijzen dat we daar minstens evenveel, zo niet meer, in geïnteresseerd zijn? In plaats van het traditionele paradigma van meer doen, meer producten maken, personeel schrappen enzovoort, om geld te besparen.

David Rice: Welkom bij de People Managing People-podcast. We willen een betere wereld van werk creëren en je helpen om gelukkige, gezonde en productieve werkplekken te ontwikkelen. Ik ben je gastheer, David Rice.

Mijn gast vandaag is Steve Cadigan. Hij is talentadviseur en voormalig CHRO van LinkedIn. We gaan praten over hoe AI zich verhoudt tot de huidige werkomgeving en hoe bedrijven deze technologie beter kunnen benaderen.

Steve, welkom!

Steve Cadigan: Hé, fijn om hier te zijn.

David Rice: Voorafgaand aan deze opname hadden we het over de unieke uitdaging van het implementeren van AI als oplossing op de werkplek, vergeleken met andere technologieën die we in het verleden hebben gebruikt. Waarom kunnen we volgens jou niet gewoon hetzelfde soort denkwijze toepassen op deze technologie als op eerdere tools die we hebben aangeschaft en geïmplementeerd?

Steve Cadigan: Ja, een goed uitgangspunt. Om te beginnen is het eigenlijk misleidend om het een oplossing te noemen. Dit is een werk in uitvoering van enorme proporties. De taart is nog niet volledig gebakken. Het is een technologie die zich ontwikkelt. De makers van producten op het gebied van kunstmatige intelligentie zijn net zo bezorgd en nerveus als enthousiast over de mogelijkheden.

Het is bovendien niet altijd duidelijk hoe sommige resultaten tot stand komen. We bevinden ons op een heel interessant moment: we hebben iets krachtigs, maar anders dan bij elke andere technologie die we eerder hebben gezien. Bij technologische implementaties waren we gewend te horen: hier is de technologie, hiermee kunnen we iets sneller en goedkoper doen, dus laten we haar implementeren.

Op dit moment weten we niet eens waartoe AI allemaal in staat is; dat leren we nog steeds. Dat maakt het lastig, omdat er experimenten voor nodig zijn en dat zijn we doorgaans niet gewend.

We zijn gewend duidelijk te weten hoe iets zal worden toegepast. Nu is het meer: wauw, de mogelijkheden zijn nog niet volledig onderzocht, maar we weten vrij zeker dat hier een concurrentievoordeel zit. Dus daar gaan we. Dat is een deel van de uitdaging van het moment waarin we ons bevinden.

David Rice: Het is niet alsof je een softwareoplossing bent die gewoon verschijnt en een demonstratie geeft, toch?

Steve Cadigan: Dat klopt.

David Rice: Zoals je al zei, het is nog geen compleet product. Weinig mensen weten werkelijk hoe het op technisch niveau werkt en daardoor gebruikt niet iedereen het op dezelfde manier. Als ik daarover nadenk, lijkt het erop dat bedrijven die een experimenteercultuur creëren hier het beste mee zullen omgaan. Hoe zet je dat op tegenover technologie die mensen in veel gevallen niet vertrouwen? De eindgebruiker vertrouwt het niet en leiders begrijpen het misschien niet.

Steve Cadigan: Ik denk niet dat we ooit zo'n raadsel in de wereld van werk hebben gezien: iets dat zoveel gedachten en bezorgdheid oproept, terwijl er ook zoveel angst en wantrouwen omheen bestaat.

Om vertrouwen te krijgen, moet je een reeks consistente en betrouwbare prestaties opbouwen. Die hebben we nog niet helemaal. Het is vreemd en anders dan alles wat we eerder hebben gezien. Je noemde een belangrijk woord in deze hele discussie over kunstmatige intelligentie, vooral voor mensen die anderen aansturen: vraag iemand hoe je goede prestaties levert.

Je creëert een omgeving van vertrouwen. Maar wanneer dingen snel veranderen, wanneer je de uitkomst van wat je gebruikt niet kent en niet weet of je onbedoeld een ethische grens overschrijdt bij de toepassing ervan, ontstaat er bezorgdheid. Bovendien is er momenteel een groot mediaverhaal dat kunstmatige intelligentie je zal vervangen en je baan zal afnemen.

We zien al een enorme toepassing in bijvoorbeeld juridische ondersteuning en de hoeveelheid juridisch onderzoek die met kunstmatige intelligentie kan worden uitgevoerd. Dat betekent minder afhankelijkheid van die beroepsgroep. We weten dus dat dit zal gebeuren; we weten alleen nog niet in welke mate. Tegelijkertijd ontstaan er nieuwe banen terwijl een groot aantal andere banen verdwijnt.

Die angst en dat wantrouwen zullen volgens mij drempels opwerpen bij de implementatie van kunstmatige intelligentie in organisaties. Daarom was ik zo enthousiast om in deze podcast te komen: People Managing People. We moeten ons allemaal zien als bewakers van de manier waarop we AI introduceren en laten doorwerken in de banen, loopbaanpaden en het werk van al onze medewerkers, op een manier die meer waarde creëert en betere resultaten oplevert.

Op dit moment weet ik niet of we al veel zekerheid hebben over hoe dat optimaal kan worden gedaan.

David Rice: Ja, daar ben ik het mee eens.

Ik kan me niet herinneren wanneer ik voor het laatst een ethisch punt aanhaalde bij technologie of een platform waarvan ik dacht dat het ethische gevolgen kon hebben. Bij sociale media hangt het nog af van wat ik zelf publiceer. Bij AI weet ik soms niet wat ik terugkrijg, of wat er gebeurt als ik iets invoer zonder de gegenereerde inhoud goed te controleren. Het kan desinformatie verspreiden, en dat staat soms zelfs in de algemene voorwaarden.

Steve Cadigan: Een goede test voor iedere luisteraar is om AI iets te laten doen waar je veel van weet. Vraag om een geschiedenis van je bedrijf of een profiel van jezelf. Ik heb dat gedaan en het heeft mij verkeerd geciteerd. Het schreef dingen die ik nooit heb gezegd. Het klonk heel goed, maar ik had het nooit gezegd.

We bevinden ons op een bijzonder moment. Ik heb momenteel een paar kinderen op de universiteit. Het is interessant om te zien hoe hoogleraren in de afgelopen twee jaar moesten omgaan met de vraag wat ze eigenlijk meten: oorspronkelijk denkwerk.

In een zeer algemene beschouwing van het werk van een universitair docent gaat het om het beoordelen van de kwaliteit van iemands oorspronkelijke gedachte. Studenten hebben nu onbeperkte hulpmiddelen. Kun je dan nog controleren of iemand Claude, ChatGPT of Gemini niet heeft gebruikt?

We beginnen verschillende benaderingen te zien. Sommige professoren zeggen: gebruik ChatGPT gewoon volledig. Andere doen interessante experimenten: schrijf een paper met ChatGPT en geef daarna je eigen bewerkte versie in. Dan kan ik zien hoe jij een bestaand stuk werk persoonlijk hebt verbeterd.

Dat is buitengewoon interessant. Waar liggen de grenzen van creativiteit en individueel, oorspronkelijk denken wanneer je AI toepast op werk of onderwijs? Dat is voor ons een geheel nieuw domein.

David Rice: Daar ben ik het volledig mee eens.

Er bestaat bij deze technologie, net als bij veel andere technologieën, het gevoel dat je goed bezig bent als je nieuwe dingen nastreeft en je mensen aanspoort om AI te gebruiken. Als je dat niet doet, loop je achter. Dat leidt volgens mij tot een vreemde logica en een lukraak gebruik van AI.

Omdat het er pas net is: denk je dat de behoefte om de concurrentie bij te houden de manier waarop bedrijven deze technologie gebruiken vertroebelt?

Steve Cadigan: Ik denk dat het grootste obstakel inderdaad onze oude manier van technologische implementatie is: software van de plank, installeren, training krijgen en leren hoe je het gebruikt. Nu zien we bedrijven zoals Walmart, de grootste detailhandelaar van het land, honderdduizenden medewerkers een generatieve AI-tool geven en zeggen: we weten niet waarvoor je dit kunt gebruiken, maar we weten dat we ermee moeten experimenteren. Kijk of je je team beter kunt leiden, je voorraden beter kunt beheren of een betere klantervaring kunt creëren. Deel daarna wat je hebt ontdekt, dan beoordelen we of het waardevol is.

Dat zou je vroeger nooit hebben gezien. Wanneer een van de grootste detailhandelaren van het land, die niet per se bekendstaat om toonaangevende creativiteit, zegt dat het een groot experiment gaat uitvoeren, is dat een belangrijk moment. Dat maakt me enthousiast. De bedrijven die hier een voordeel hebben, zijn bedrijven met een experimenteeromgeving.

Dat is moeilijk als je niet in de technologiesector werkt, omdat technologie altijd om experimenteren draait. In veel andere sectoren draait het juist om betrouwbare, consistente en voorspelbare resultaten. In een operatiekamer wil ik niet allerlei experimenten uitvoeren; er staan levens op het spel. Ik heb een voorspelbare uitkomst nodig.

Toch zullen we moeten experimenteren om volledig te leren waartoe AI in staat is. Er zijn veel drempels: vertrouwen, het beeld van wat technologie kan en moet doen, en de menselijke bedreiging dat mijn baan door AI op het spel staat. Daardoor kan ik minder geneigd zijn om AI echt toe te passen, omdat het mij kwetsbaar maakt.

Ik herinner me dat uit een eerdere periode in mijn loopbaan, toen alles uitbesteden aan India populair was. Noord-Amerikaanse teams kregen de vraag om een team in Bangalore op te leiden en dachten: waarom zou ik dat doen? Waarom zou ik hen trainen om mijn baan over te nemen? Mensen verzetten zich dan enorm, ook al doen ze alsof ze meewerken.

David Rice: Dat is een trend van de afgelopen twintig jaar. Nu zien we dit opnieuw. Misschien zal het de verandering op zijn minst vertragen, terwijl de rest versnelt.

Het verhaal rond technologie is altijd geweest dat ze mensen productiever maakt. Maar dat betekent vaak dat mensen meer werk doen en meer stress ervaren. Jij ziet daar een andere kans. Hoe moeten we onze manier van denken aanpassen zodat we nieuwe manieren van werken, nieuwe markten en nieuwe mogelijkheden verkennen?

Steve Cadigan: We zitten al lange tijd op de trein van meer doen, sneller gaan, meer werk verzetten en kosten verlagen. Nu hebben we een technologie die ons creatiever kan maken, ons werk interessanter kan maken en ons meer impact kan laten hebben.

Dat botst met onze traditionele manier van denken. De kans die ik leiders zou willen meegeven is deze: als je eerste toepassing van AI bestaat uit het schrappen van personeel, bijvoorbeeld driehonderd banen in de klantenservice, is dat dan geweldig? Aandeelhouders vinden dat misschien geweldig. Maar hoe geweldig vinden je werknemers en toekomstige werknemers dat?

Ik zou graag implementaties zien die enorme groei en leerontwikkeling aantonen door AI, met meer impact op loopbanen en betere vooruitzichten op het gebied van beloning. Laten we onze mensen bewijzen dat we daar minstens evenveel in geïnteresseerd zijn als in meer doen, meer producten maken en geld besparen.

Ik ben geen technoloog en heb duidelijk een voorkeur in dit gesprek, maar ik denk dat kosten verlagen misschien slechts vijf procent is van wat AI kan opleveren. Nieuwe inkomstenstromen creëren en manieren vinden om meer impact en waarde te creëren in nieuwe markten: daar ligt de echte kans.

We staan onszelf in de weg door na te denken over hoe we dit traditioneel toepassen. Onze grootste uitdaging is opnieuw leren denken over werk.

David Rice: Stel je voor dat je toegang hebt tot het beste talent ter wereld. Die engineer in São Paulo, die salesdirecteur in Dublin of die geweldige ontwerper in Kaapstad. Je volgende geweldige aanwerving kan overal ter wereld zijn. Met Oyster hoeft die persoon niet degene te zijn die je misloopt. Oyster helpt bedrijven wereldwijd talent aan te nemen, nauwkeurige en tijdige loonadministratie te voeren en overal aan de regelgeving te voldoen. Bouw je droomteam en groei met vertrouwen, want de wereld is werkelijk je oester.

Je maakt een goed punt over perspectief. Ik denk hetzelfde over diversiteit, gelijkheid en inclusie. Sommige mensen vinden misschien dat het een goed idee is om dat te schrappen, maar wat vinden je werknemers als geheel daarvan? Het is een kwestie van perspectief. Het kan goed zijn voor aandeelhouders om personeel te schrappen, maar de grotere zakelijke kans ligt uiteindelijk ergens anders.

Steve Cadigan: Voor veel mensen is AI gewoon AI, dus nadenken over diversiteit, gelijkheid en inclusie in combinatie met AI is ingewikkeld. Je kunt AI vragen om voordelen voor je strategie op dit gebied te formuleren, een sceptisch lid van je leiderschapsteam te helpen overtuigen of voorbeelden te geven van hoe je met nadruk op diversiteit, gelijkheid en inclusie meer geld kunt verdienen en meer impact kunt hebben.

Het onderwerp is momenteel gepolitiseerd en daardoor voelen mensen zich ongemakkelijk om er openlijk over te praten.

David Rice: Ik krijg er veel vragen over: over de toekomst ervan en over hoe onvoorspelbaar die is. Bijna net zo onvoorspelbaar als AI.

Steve Cadigan: Ik werd onlangs geïnterviewd door de Financial Times. Ze zeiden dat niemand hierover wil praten. Ik zei: natuurlijk wil ik erover praten. Als je diversiteit, gelijkheid en inclusie alleen toepaste om een vakje aan te kruisen omdat het moest, was het nooit een kernonderdeel van je strategie. Maar als het wel centraal stond en je eraan vasthoudt, zoals Costco en Delta Airlines, dan blijf je ermee doorgaan. Het was dan geen tijdelijk programma.

Als je een zakelijke onderbouwing voor je leiderschapsteam wilt maken, kun je AI gebruiken om onderzoek te doen en je te helpen lessen en voorbeelden te verzamelen.

David Rice: Je spreekt op veel conferenties en hoort allerlei ideeën over AI. Welke dingen maken je het meest enthousiast over de komst van deze technologie op de werkplek?

Steve Cadigan: Het grootste gebied noem ik de heilige graal van talent. Wat mij enthousiast maakt, is de mogelijkheid om te voorspellen hoe goed iemand nieuwe vaardigheden kan leren.

Het grootste probleem van veel van mijn klanten wereldwijd is dat ze de mensen die ze willen niet meer zo snel kunnen aannemen als vroeger. Ze vinden geen gekwalificeerde mensen en als ze die wel vinden, blijven die niet.

Traditioneel denken we: iemand is vertrokken, dus ik moet iemand nieuws aannemen. We zouden ook kunnen vragen wie dit intern kan doen of wie er bijna klaar voor is. Dat kost minder tijd en middelen dan zoeken op de open markt. Mensen opleiden maakt hen bovendien vaak loyaler en energieker.

De toekomst van werk draait de laatste jaren steeds meer om de anatomie van vaardigheden. AI kan ons helpen ontdekken wie de beste tien procent van onze medewerkers vormt en wat we van hen kunnen leren. Heeft het te maken met hun leidinggevende, hun achtergrond, hun meertalige gezin, de scholen die ze bezochten of de bedrijfsculturen waarin ze hebben gewerkt?

We kunnen zoveel gegevens verwerken dat we ons niet meer alleen hoeven te verlaten op intuïtie. Intuïtie is een van de slechtste redenen om een beslissing te nemen, omdat het iets is wat je voelt zonder dat je er bewijs voor hebt. AI kan ons dat bewijs geven.

Dat biedt mogelijkheden voor werving, maar ook voor het bekijken van je volledige talentenbestand. Elk bedrijf waar ik heb gewerkt verloor mensen omdat we niet wisten dat ze iets anders binnen de organisatie konden doen. Dat is een zelf toegebrachte wond die volgens mij in de toekomst kleiner zal worden.

David Rice: Niet alleen de analysekracht is interessant, maar ook de mogelijkheid om verbanden te leggen tussen zaken waarvan we niet dachten dat ze verbonden waren. AI kan zoveel analyseren dat het een mens zou overweldigen.

Steve Cadigan: Precies. En morgen kan AI nog meer analyseren dan vandaag.

David Rice: Elke versie is gekker dan de vorige.

Steve Cadigan: Dat is zo.

David Rice: Je praat vaak over wendbaarheid. Stabiliteit lijkt om allerlei redenen een illusie. Welke belangrijke punten missen bedrijven wanneer ze nadenken over aanpassingsvermogen en wendbaarheid, zodat ze snelle marktveranderingen aankunnen?

Steve Cadigan: We hebben een bedrijfsmodel gebouwd voor een trager veranderende wereld. Een CEO wordt bijvoorbeeld beloond voor betrouwbare, voorspelbare en consistente resultaten. Dat is niet de wereld waarin we nu leven.

De pandemie was voor ons allemaal een spoedcursus daarin. Onze belangrijkste vaardigheid wordt het omgaan met het onverwachte en onvoorspelbare: een nieuwe concurrent, geopolitieke veranderingen, tarieven en oorlogen. Hoe snel we daarop kunnen reageren, wordt een steeds groter concurrentievoordeel.

Leiders weten al langer dat aanpassingsvermogen en wendbaarheid belangrijk zijn. De interessante vraag is nu: hoe is mijn personeelsbestand samengesteld, en waarom geeft dat mij vertrouwen dat we dit kunnen?

We zien dat mensen vaker tussen functies worden verplaatst. Dat was al een goede strategie omdat mensen daardoor bredere ervaring en grotere netwerken opbouwen. Het is ook een verzekering in een arbeidsmarkt waar meer mensen vertrekken. Als meer mensen ervaring hebben met een bepaalde functie, kan iemand anders het werk overnemen wanneer een collega vertrekt. Zo verbetert de continuïteit.

Ik zie meer doelgerichtheid bij het aannemen, inzetten en opleiden van mensen om die wendbaarheid te versterken.

David Rice: Sommige mensen hebben een utopisch beeld van AI. Dat klinkt mooi, maar strookt niet altijd met de realiteit, zeker nu het nog vroeg is. Het doet me denken aan de overgang naar vaardigheden als uitgangspunt. Dat klinkt goed, maar mensen houden ook van structuren.

Een ander interessant punt is de taal die we gebruiken. Je benadrukte in een LinkedIn-bericht een aantal overgebruikte woorden en stelde andere manieren voor om hierover te praten, zodat mensen minder snel bang worden. Waarom is dat belangrijk?

Steve Cadigan: Ik vind dat de toekomst van werk een van de slechtste marketingcampagnes uit de geschiedenis is. We jagen werknemers fundamenteel angst aan. De woorden digitale transformatie, die adviesbureaus miljarden opleveren, betekenen voor veel mensen: waarschijnlijk verlies ik mijn baan, want mijn bedrijf zal mij waarschijnlijk niet opleiden.

We helpen onszelf niet met die taal. In plaats van te zeggen dat we een digitale transformatie doormaken, kunnen we spreken over verrijking van loopbanen. We krijgen nieuwe digitale hulpmiddelen, maar die zijn bedoeld om jou en je impact te verrijken.

We weten dat mensen waarschijnlijk niet voor altijd bij ons blijven. Dat is niet erg. We maken je beter, want als je vertrekt, kun je later talent en aanbevelingen naar ons sturen of nieuwe zaken naar ons brengen.

Een ander woord dat mij stoort is personeelsbehoud. Wie denkt dat mensen in de toekomst langer bij organisaties blijven? Niemand. Er zijn meer nieuwe sectoren, loopbaanpaden en mogelijkheden dan ooit. Laten we daarom praten over waardecreatie in een meer vloeibare wereld.

Laten we de relatie met mensen behouden en niet alleen om hen geven zolang ze voor ons werken, maar ook wanneer ze vertrekken. In de Verenigde Staten bedraagt de gemiddelde duur van dienstverbanden tussen twintig en vijfendertig jaar iets meer dan twee jaar. In Silicon Valley is dat voor software-engineers ongeveer anderhalf jaar. Toch is het een van de meest creatieve en innovatieve gebieden ter wereld.

Misschien hebben die organisaties geleerd dat culturen die zich kunnen aanpassen en bewegen, onevenredig veel waarde kunnen creëren. Dat is de uitdaging voor sectoren die in het verleden niet met zulke vloeibaarheid te maken hadden.

Veel beloningen, erkenning en systemen zijn nog gebaseerd op lang dienstverband. Dat denken moeten we herzien. Ons oude werkmodel is gebouwd voor een langzamer tempo van verandering. Daarom is de AI-revolutie zo moeilijk: we zijn niet gewend aan experimenteren of aan dit tempo van verandering.

David Rice: Taal is inderdaad belangrijk. Woorden als automatisering en digitale transformatie doen je afvragen of er nog wel een plaats voor jou is.

Steve Cadigan: We moeten erkennen dat we onze werknemers polariseren wanneer we zulke robotachtige, onmenselijke woorden gebruiken.

David Rice: Het was geweldig om je te gast te hebben. Voor we afronden: waar kunnen mensen contact met je opnemen en meer over je werk te weten komen?

Steve Cadigan: Je kunt contact met me opnemen via LinkedIn en mijn website stevecadigan.com. Je kunt me ook volgen op TikTok, zolang dat nog bestaat. Daar vertel ik waargebeurde verhalen uit het bedrijfsleven in Amerika. Ik heb ook een boek geschreven met de titel Workquake: Leveraging the aftershocks of COVID-19 to build a better future work.

David Rice: We hebben een traditie in deze podcast: jij mag mij een vraag stellen.

Steve Cadigan: Laten we het over AI hebben. Wat doet HR volgens jou tot nu toe goed op het gebied van AI? Wat geeft je vertrouwen?

David Rice: Ik vind dat HR vrij evenwichtig reageert en dat de aanpak meestal aansluit bij de bedrijfscultuur. Sommige organisaties willen duidelijke grenzen instellen, en dat kan goed zijn. Misschien hebben ze nog niet de training of infrastructuur om zich prettig te voelen bij de resultaten.

Het hangt af van je leiderschap. Sommige mensen zijn bang dat ze lui worden gevonden als ze AI gebruiken. In zo'n cultuur kan HR terecht voor een gematigde aanpak kiezen. In een experimenteercultuur laten HR-professionals mensen juist wat vrijer proberen en kijken wat er gebeurt.

Dat zie je waarschijnlijk vaker in technologie- en SaaS-bedrijven. We beginnen nu een punt te bereiken waarop die vrijheid nuttige resultaten oplevert. De eerste versies waren vooral een startpunt. Nu begin je vanuit een veel verfijnder resultaat en dat zal alleen maar beter worden.

Veel HR-afdelingen hebben het volgens mij goed aangepakt. Ze zijn niet overdreven streng, maar begrijpen ook dat je regels kunt opstellen zonder ze volledig te kunnen handhaven. Als handhaving vrijwel onmogelijk is, wat heeft het dan voor zin?

Steve Cadigan: Ik ben het daarmee eens. Vooruitstrevende mensen in dit vakgebied richten adviesraden voor AI en ethische AI-groepen op. Ze plaatsen als het ware voedingsetiketten voor AI op projecten: is dit goed, past het bij onze waarden, verrijkt het banen of schaadt het het moreel?

Dat is een slimme manier om erover na te denken.

David Rice: Ik vind die voedingsetiketten voor AI een goed idee. Die had ik nog niet eerder gehoord.

Steve Cadigan: Ja.

David Rice: Steve, bedankt dat je er was. Ik waardeer het enorm.

Steve Cadigan: Bedankt voor de uitnodiging.

David Rice: Luisteraars, als je dat nog niet hebt gedaan, ga dan zoals altijd naar peoplemanagingpeople.com/subscribe. Schrijf je in voor de nieuwsbrief. Tot de volgende keer: werk aan je voedingsetiketten voor AI. Ontdek wat je ervan verwacht.