Hoe je je personeelsbestand voorbereidt om leiding te geven aan en samen te werken met AI
David Rice: Er zijn veel bedrijven die blijven steken in een soort pilotfase. Ze rollen trainingsmodellen uit en beschouwen de zaak daarmee als afgedaan. Wat is de belangrijkste hefboom die een organisatie daadwerkelijk richting vaardigheid met AI beweegt?
Glen Cathey: De belangrijkste hefboom is leiderschap. Als je een cultuur wilt creëren waarin mensen standaard voor AI kiezen, zijn het de leiders die allereerst het voorbeeld geven en de visie bepalen. Ze brengen die visie zelf in de praktijk en laten zien hoe het werkt, zodat ze als voorbeeld kunnen dienen. Je kunt alle training ter wereld aanbieden, maar als je geen leiderschap hebt dat volledig op één lijn zit, creëer je geen cultuur waarin meer mensen standaard voor AI kiezen en alle manieren onderzoeken waarop het hun werk daadwerkelijk kan verbeteren.
David Rice: De meeste mensen zijn nooit manager geweest. Hoe leren we 80% van het personeelsbestand om plotseling leiding te geven aan mensen en AI?
Glen Cathey: We hebben management nooit echt als een vaardigheid gezien. Het is ook niet iets waarvoor je simpelweg een cursus kunt volgen en vervolgens kunt zeggen: nu ben ik opeens een fantastische manager van mensen of AI. Het is iets dat mensen tot een gewoonte moeten maken om over die stappen te kunnen gaan nadenken.
Wat probeer ik op te lossen? Welke middelen heb ik? Wat zijn de mogelijkheden? Hoe geef ik voldoende instructies zodat ze het werk goed voor me kunnen uitvoeren? En hoe geef ik vervolgens feedback?
David Rice: Denk je dat we bepaalde rollen bijna uit traditie vasthouden in plaats van uit noodzaak?
Glen Cathey: Laten we kijken naar een paar relatief nieuwe oplossingen, zoals de wervingsassistent van LinkedIn. Die heeft een afzonderlijk model voor zoeken, benadering en selectie. Je kunt informatie in natuurlijke taal invoeren. We hebben het over de automatisering van taken binnen recruitment: een functie begrijpen en die functie vertalen naar vereisten voor zoeken en matchen. Er zijn dus vandaag al oplossingen op de markt die dat daadwerkelijk kunnen doen. En dan vraag ik me af: waarom bestaat de rol van recruiter eigenlijk nog?
David Rice: Welkom bij de People Managing People Podcast — de show waarin we leiders helpen werk menselijk te houden in het tijdperk van AI. Ik ben je presentator, David Rice. In de aflevering van vandaag praat ik met Glen Cathey. Hij is SVP Talent Advisory bij Randstad Enterprise. We gaan het hebben over de reis naar vaardigheid met AI en het ontwikkelen van de echte vaardigheden die daarvoor nodig zijn.
Glen, welkom!
Glen Cathey: Hartelijk dank. Ik ben blij hier te zijn en kijk uit naar het gesprek.
David Rice: Absoluut. Ik wilde beginnen met online training. Uiteraard houdt iedereen zich hiermee bezig, omdat we al deze vaardigheden moeten ontwikkelen die we nog niet helemaal beheersen — en in sommige gevallen weten we nog niet eens welke vaardigheden we nodig hebben.
Toen we hier eerder over spraken, zei je tegen me: online training creëert kennis, maar niet noodzakelijkerwijs vaardigheden. Mijn vraag aan jou is daarom: wat is ervoor nodig om die kloof daadwerkelijk te dichten, en hoe zorgen we ervoor dat we AI niet behandelen als een soort cursus die je moet afronden, terwijl we het eigenlijk meer moeten zien als een cultuur waarin we gaan leven?
Glen Cathey: Ik vind die formulering geweldig. Het is voor elk bedrijf logisch om sterk in te zetten op online training, omdat dit de gemakkelijkste manier is om op te schalen naar een hele organisatie. Je maakt een cursus en kunt die vervolgens uitrollen naar honderdduizenden mensen. Maar zoals je zegt, geloof ik dat online leren mensen voornamelijk kennis bijbrengt. We willen mensen niet alleen kennis geven, maar ook vaardigheden; gedragsverandering is hierbij een cruciaal onderdeel.
Ik denk daarom niet dat het verstandig is om generatieve AI te behandelen als een technologische implementatie. Het is veel meer een oefening in verandermanagement, omdat je mensen anders laat nadenken over hun werk. Ze moeten hun gedrag veranderen en uiteindelijk wil je dat gedrag in gewoonten verandert.
Dat doe je vooral door ervaring, bijvoorbeeld door praktijkgericht leren. Daarom raad ik meestal aan — en dat hebben we intern en extern ook gedaan — om praktijkgerichte ervaringsworkshops te ontwikkelen waarin mensen de handen uit de mouwen steken, daadwerkelijk oefenen en met functiegerichte opdrachten werken.
Het blijft dus niet bij een idee of concept. Het wordt echt. Toch blijft het een uitdaging, want training is slechts een momentopname. Of het nu om online training of een workshop gaat, je moet je echt richten op de versterking ervan. Zo bouw je eerst een mentaliteit op, vervolgens verander je gedrag en daarna maak je daar gewoonten van.
David Rice: Ja, het is interessant. Naar een fitnessvideo kijken maakt je niet fit, toch? Je moet het daadwerkelijk doen. Ik weet niet waarom we daar in sommige gevallen niet op dezelfde manier over denken, maar dat zouden we volgens mij wel moeten doen. We moeten het integreren in dagelijkse werkprocessen. Dit is niet iets wat HR simpelweg aan mensen kan opleggen.
Je moet AI-praktijken inbedden. Bijvoorbeeld AI-prompts opnemen in projectsjablonen — iets eenvoudigs als dat — zodat het onderdeel wordt van de dagelijkse ervaring binnen je bedrijf. En vervolgens experimenten belonen wanneer die plaatsvinden. Volgens mij is dat allemaal essentieel om dat punt te bereiken.
Glen Cathey: Ik ben lid van de World 50 AI Roundtable, die één keer per maand bijeenkomt. Dat doe ik nu bijna twee jaar, en daar werd een mooie uitspraak gedaan die ik niet exact kan citeren. De kern ervan was: de magie van generatieve AI ontstaat wanneer je die zorgvuldig in werkprocessen inbedt.
Het woord dat ik zelf meestal gebruik, is voorschrijvend. Het is soms nog steeds moeilijk om uit te leggen wat de uitdaging is wanneer je een generatieve AI-toolset uitrolt naar medewerkers, zoals Copilot, Gemini of ChatGPT. Deze tools kunnen letterlijk alles op het gebied van kennis- en cognitieve taken.
Dat klinkt enerzijds spannend, maar levert anderzijds een uitdaging op: waar begin ik? Zoals je zei, zijn promptbibliotheken erg nuttig. Mensen krijgen toegang tot voorbeelden en kunnen denken: dat is een interessant idee, daar had ik nog niet aan gedacht. Maar nog belangrijker is dat je mensen helpt om op een andere manier over hun werk na te denken, zodat ze even stilstaan en beseffen: dit is een kans om AI te gebruiken.
Het is dus niet het een of het ander. Het is allebei.
David Rice: Ja, absoluut. Mensen moeten zich ook psychologisch veilig voelen om te denken: ik mag dit gewoon proberen en kijken wat er gebeurt. En als het mislukt, is dat geen ramp. Zo wordt kennis een vaardigheid, toch?
Glen Cathey: Ja. Mensen leren door te doen. Er is een interessant boek waaruit blijkt dat mensen, zelfs op het niveau van de hersenen, het meeste leren wanneer er enige inspanning of worsteling bij komt kijken. Dat is fascinerend. Volgens mij heette het boek dat ik daarover las The Talent Code. Het gaat erover hoe mensen vaardigheden opbouwen, vaak door vallen en opstaan. Dat betekent dat je onderweg fouten moet kunnen maken. Door fouten te maken en ze vervolgens te overwinnen, veranker je de kennis over hoe je die bepaalde taak uitvoert.
Ik vind dat erg interessant. En ik ben blij dat je psychologische veiligheid noemt. Wat we zien, is dat er al druk bestaat om in de huidige functie te presteren. Als je tijd neemt om te vertragen en na te denken over je werk, AI uitnodigt en gaat experimenteren, zal dat je aanvankelijk vertragen.
Veel mensen zijn bang dat ze niet productief genoeg zijn als ze vertragen en experimenteren met iets dat niet altijd werkt. Ze zullen niet meteen expert zijn. Ze denken misschien: ik voel me niet veilig als ik extra tijd besteed terwijl ik zo productief mogelijk moet zijn.
Daarom is het belangrijk dat bedrijven erkennen dat mensen bij verandering eerst moeten vertragen om later sneller te kunnen gaan. Zoals je zei, moeten ze experimenteren. Niemand wordt in één dag een expert. Het is een proces. Je moet mensen de ruimte en tijd geven om veilig te experimenteren, zodat ze van hun huidige niveau kunnen doorgroeien naar het niveau dat je voor ogen hebt.
David Rice: Er zijn veel bedrijven die bij basisvaardigheid blijven steken. Ze blijven hangen in een soort pilotfase. Ze rollen trainingsmodellen uit en beschouwen de zaak als afgedaan. Wat is volgens jou de belangrijkste hefboom die een organisatie echt richting vaardigheid met AI beweegt?
Glen Cathey: De belangrijkste hefboom is leiderschap. Als je een cultuur wilt creëren waarin mensen standaard voor AI kiezen of bewuster AI in hun werk betrekken wanneer dat daadwerkelijk verschil maakt, bereik je dat niet alleen met training.
Je kunt een online training aanbieden en praktijkgerichte workshops organiseren — die zijn volgens mij absoluut noodzakelijk. Dat zou mijn nummer twee zijn. Nummer één is leiderschap, omdat leiders allereerst het voorbeeld geven en de visie bepalen. Dit is wat we proberen te bereiken.
Ze brengen het zelf in de praktijk en laten het zien, zodat ze als voorbeeld kunnen dienen. Vervolgens moet de leiderschapsketen mensen op alle niveaus verantwoordelijk houden. Leiders die andere leiders aansturen, moeten hen verantwoordelijk houden voor de veranderingen die mensen in hun dagelijkse werk daadwerkelijk doorvoeren.
Je kunt alle training ter wereld aanbieden, maar als je geen leiderschap hebt dat volledig op één lijn zit en alle leiderschapsniveaus verantwoordelijk houdt — van de top tot de lijnmanagers die individuele medewerkers aansturen — creëer je geen cultuur waarin meer mensen standaard voor AI kiezen en alle manieren onderzoeken waarop het hun werk daadwerkelijk kan verbeteren.
David Rice: Dank je wel, Glen, dat je vandaag in de show te gast was. Ik waardeer het dat je tijd en inzichten met ons hebt gedeeld.
Glen Cathey: Dit was geweldig. Dank je wel.
David Rice: Luisteraars, volg Glen op LinkedIn. Als je dat nog niet hebt gedaan, ga dan naar People Managing People, maak een gratis community-account aan en schrijf je in voor de nieuwsbrief. Tot de volgende keer.




