Hoe je AI gebruikt om je medewerkers sterker te maken en je organisatie te transformeren

Lees het transcript:

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

Becca Banyard: Wist je dat bijna 50% van toptalent binnen twee jaar uit een organisatie vertrekt? En wat nog erger is? Sommige gegevens suggereren dat veel van hen zouden blijven als ze de juiste leer- en groeimogelijkheden kregen.

Welkom bij de People Managing People-podcast. We hebben als missie een betere wereld van werk te creëren en jou te helpen gelukkige, gezonde en productieve werkplekken te creëren. Ik ben je presentator, Becca Banyard.

In de aflevering van vandaag bespreken we hoe kunstmatige intelligentie wordt gebruikt om betere en gelukkigere werkplekken te creëren. Je leert meer over nieuwe en interessante manieren waarop AI kan helpen het personeelsverloop te verlagen, ontslagen te voorkomen en je medewerkers te ondersteunen bij hun loopbaanontwikkeling en het ontwikkelen van hun vaardigheden.

Mijn gast vandaag is Alexandra Levit. Zij is oprichter en CEO van Inspiration at Work. Ze is een internationaal bestsellerauteur, columnist bij The Wall Street Journal en futurist op het gebied van werk.

Alexandra, welkom bij de show. Fijn dat je er vandaag bent. We gaan ons verdiepen in een zeer relevant onderwerp: kunstmatige intelligentie op de werkplek.

Maar voordat we beginnen, wil je onze luisteraars iets vertellen over wie je bent en wat je doet bij Inspiration at Work?

Alexandra Levit: Zeker. Het is geweldig om hier te zijn. Mijn naam is Alexandra Levit. Ik ben auteur, spreker, consultant en futurist op het gebied van bedrijfsleven en werk. Het woord futurist kan sommige mensen een beetje intimiderend in de oren klinken, maar eigenlijk betekent het gewoon dat iemand kijkt naar trends en signalen die zich ontwikkelen in de markt, de maatschappij en het bedrijfsleven, en vervolgens probeert een onderbouwde inschatting te maken van wat het grootste ontwrichtingspotentieel heeft.

Bij Inspiration at Work, mijn organisatie, kijken we specifiek naar de beroepsbevolking. Meestal kijken we twee tot vijf jaar vooruit, soms zelfs tien jaar, en proberen we te bepalen hoe de beroepsbevolking eruit zal zien. We helpen organisaties en hun medewerkers zich voor te bereiden op wat er op het gebied van de toekomst van werk op hen afkomt.

We doen allerlei dingen: consultancy, schrijven en eigenlijk alles wat we kunnen om te helpen. We doen geen voorspellingen en we hebben geen glazen bol. We kijken naar de wereld om ons heen en baseren onze prognoses op wat er in het verleden is gebeurd, wat we om ons heen zien gebeuren, en proberen zo goed mogelijk voorbereid te zijn op wat er hierna komt.

Becca Banyard: Geweldig. Dat klinkt ontzettend interessant. Als we vandaag meer tijd hadden, zou ik graag horen wat je voorspeld had. Hoewel, je zei dat je geen voorspellingen doet, dus wat je dacht over de pandemie en the great resignation en al die andere ontwikkelingen. Maar dat is een gesprek voor een andere keer.

Als we het over AI hebben, kan de term kunstmatige intelligentie veel verschillende dingen betekenen. Voor ons gesprek van vandaag wil ik daarom graag met de juiste basis beginnen en vragen waar je naar verwijst wanneer je de term AI gebruikt. Het kan gaan om robots, chatbots, automatisering en allerlei andere dingen. Waar denk je aan als je in deze context het woord AI gebruikt en welke soorten AI-hulpmiddelen komen bij je op?

Alexandra Levit: Dat is een goede vraag. Als we zo’n gesprek voeren, moeten we absoluut duidelijk maken wat we met AI bedoelen. AI betekent eigenlijk het gebruik van een computerplatform om vormen van intelligentie na te bootsen die door mensen worden gebruikt. Wanneer we het in de context van het boek Deep Talent over kunstmatige intelligentie hebben, bedoelen we specifiek vormen van talentintelligentie die gebruikmaken van deep learning.

Deep learning gebruikt een op AI gebaseerd algoritme om iets te beoordelen dat vaardigheidsnabijheid wordt genoemd. Als je goed bent in vaardigheid A, is de kans groot dat je ook goed bent in vaardigheid B. Stel dat je goed bent in algebra. Dan kan een op AI gebaseerd algoritme een zeer breed scala aan interne en externe gegevens uit de wereld bekijken en verschillende patronen beoordelen. Het kan dan zeggen: omdat je goed bent in algebra, ben je waarschijnlijk ook goed in calculus.

Dat is zo krachtig omdat wij als mensen niet altijd in staat zijn zulke verbanden direct te leggen. Kunstmatige intelligentie kan dat wel. Ze kan gegevens uit alle bronnen binnen handbereik gebruiken en zeggen: omdat je goed bent in vaardigheid A, ben je misschien ook goed in vaardigheid B. Dat is een vorm van kunstmatige intelligentie die deep learning wordt genoemd.

Het is eigenlijk heel spannend. Maar je hebt gelijk dat kunstmatige intelligentie een zeer breed scala aan technologieën kan omvatten. In het kader van dit specifieke onderwerp, het boek Deep Talent waar we het over gaan hebben, praten we over het gebruik van natuurlijke taalverwerking en deep learning voor een heel specifiek soort taken rond vaardigheden.

Becca Banyard: Dat is echt interessant. Het is ongelooflijk in welke tijd we tegenwoordig leven.

Alexandra Levit: Cool, hè?

Becca Banyard: Ja. Alles wat mogelijk is met computers, technologie en al die andere zaken is echt bijzonder. Je noemde Deep Talent net al. Dat is een boek dat je onlangs hebt uitgebracht. De volledige titel is Deep Talent: How to Transform Your Organization and Empower Your Employees Through AI.

Mijn volgende vraag aan jou is: hoe kan kunstmatige intelligentie werk betekenisvoller maken voor mensen? En wat zijn hier concrete voorbeelden van?

Alexandra Levit: Dat is absoluut een goede vraag. Ik denk dat we dit boek hebben geschreven omdat we geloven dat de wereld zich op een uniek maatschappelijk en technologisch keerpunt bevindt.

Door de pandemie zijn we klaar om medewerkers de mogelijkheid te geven loopbanen na te streven die betekenisvol voor hen zijn. Ze kunnen binnen de organisatie dingen doen die hun eigen keuze zijn, in plaats van noodzakelijkerwijs te horen te krijgen wat ze vervolgens moeten doen. Tegelijkertijd zien we dat bedrijfsleiders zeggen dat het aantrekken en ontwikkelen van talent hun grootste uitdagingen binnen de organisatie zijn.

We zien personeelstekorten, lange wervingstijden en een hoger personeelsverloop. In de periode na de pandemie zijn er bovendien veel moeilijkheden bij het managen van de verwachtingen van medewerkers. Medewerkers zeggen dat ze in een heel specifieke omgeving willen werken. Ze accepteren geen werkomgevingen die niet passen bij de manier waarop zij willen werken.

Daarom zien we dat prioriteiten verschuiven. Eerlijk gezegd is er nu enige wrijving. Als we naar de gegevens kijken, zien we dat bijna 50% van het toptalent binnen twee jaar uit een organisatie vertrekt. Maar als we de andere kant bekijken, zien we dat de meeste mensen graag bij een organisatie zouden blijven als ze de juiste leer- en groeimogelijkheden kregen.

Helaas gebeurt dat vaak niet. Naarmate een personeelsbestand groeit en organisaties steeds groter worden, raken ze het overzicht kwijt van wat hun medewerkers kunnen. Ze weten niet welke vaardigheden medewerkers tijdens een bepaalde functie hebben opgebouwd. Ze weten niet welke vaardigheden hun medewerkers vervolgens kunnen leren beheersen.

Ze weten niet hoe bepaalde vaardigheden kunnen worden gebruikt om individuele loopbanen te ontwikkelen. AI biedt de mogelijkheid om ons te vertellen wat medewerkers vervolgens kunnen doen. De banen zijn er, de mensen zijn er, en het gaat er dus om de juiste match te vinden tussen mensen van wie je weet dat ze talent en loyaliteit voor je organisatie hebben en de cruciale functies die je moet invullen.

AI kan ons daarbij helpen. Het mooie is dat dit, zoals je al aangaf, vandaag al mogelijk is. Ik heb verschillende voorbeelden uit de praktijk die ik kan delen. Dit gebeurt bij overheden. Dat is een van mijn favoriete voorbeelden, omdat we bij voorbeelden uit de praktijk meestal praten over zeer innovatieve technologiebedrijven die vooroplopen bij het gebruik van nieuwe en populaire technologieën.

Een van de dingen waar ik het meest trots op ben bij de toepassing van deze technologie, in ieder geval hier in de VS, is dat sommige van de meest innovatieve toepassingen juist door deelstaatregeringen worden uitgevoerd.

Als we aan deelstaatregeringen denken, denken we vaak dat ze achterlopen en niet helemaal op het juiste niveau zitten als het gaat om vernieuwende manieren van werken. Maar de staat New York en de staat Indiana, naast andere staten, lopen voorop bij het koppelen van de vaardigheden van werkloze inwoners aan beschikbare banen in de staat. Zo houden ze talent in de staat en verlagen ze tegelijkertijd de werkloosheid. Je lost dus twee problemen met één oplossing op. Ik weet dat dit antwoord veel clichés bevatte, mijn excuses daarvoor.

Als ik AI had gebruikt, had ik misschien niet zoveel verbale clichés in dit antwoord nodig gehad. Maar wat ik eigenlijk wil zeggen, is dat ik enorm trots ben op deze toepassingen. Ik had er zelf niets mee te maken, maar het is geweldig wanneer deelstaatregeringen bereid zijn een kans te wagen met technologie en zeggen: we hebben een doel. We hebben veel werkloze mensen in onze staat en organisaties die klaarstaan om hen in dienst te nemen. Als we deze technologie kunnen gebruiken om beide problemen tegelijk op te lossen, waarom zouden we het dan niet proberen?

Dat hebben ze gedaan en daardoor konden ze beide problemen oplossen. Ik gebruik ze vandaag als casestudy’s omdat ze dat hebben bereikt. Het mooie van overheden is dat ze veel mensen tegelijk kunnen helpen. Wanneer je iets via een overheid doet, kun je de hulp die je mensen biedt op grote schaal uitbreiden. Dat is een van de redenen waarom Ashu en Kamal van Eightfold zich op overheden richtten: ze zagen dat ze de hulp aan mensen veel verder konden opschalen en op veel grotere schaal verandering konden creëren dan wanneer ze bijvoorbeeld bij een klein bedrijf waren begonnen.

Ik denk dat dat een zeer slimme strategie was.

Becca Banyard: Wauw. Heel goed. Er zitten zoveel interessante punten in. Ik ben benieuwd: je noemde hoe de overheid mensen helpt om werk te vinden. Maar hoe kunnen bedrijven AI gebruiken wanneer hun beste medewerkers na twee jaar vertrekken, of wanneer mensen vertrekken omdat ze niet de ondersteuning voor leren en ontwikkeling kregen die ze nodig hadden?

Hoe kan AI in zulke situaties worden gebruikt om medewerkers te behouden?

Alexandra Levit: Dat is ook een heel goede vraag. Een belangrijk onderdeel hiervan is dat je je kennis van vaardigheidsnabijheid gebruikt om je personeelsbestand regelmatig in kaart te brengen. Zo krijg je een veel breder inzicht in de vaardigheden van je medewerkers en in de vaardigheden die je niet alleen nu, maar ook in de nabije en verdere toekomst nodig hebt.

We kijken meestal niet al te ver vooruit. Net als futuristen doen we dat ook niet. Bij het plannen van vaardigheden voor de toekomst moet je redelijk dichtbij blijven, omdat we het nooit helemaal zeker weten. Er kunnen vaardigheden zijn waar we nog nooit van hebben gehoord, maar die over tien of vijftien jaar noodzakelijk zijn.

Ik denk echter dat AI absoluut kan helpen bij het ontwikkelen van vaardigheidsprofielen voor verschillende functies. Met een platform voor talentintelligentie kun je dat doen en je personeelsplanning uitvoeren. Door te begrijpen welke vaardigheden je organisatie nodig zal hebben en tegelijkertijd te begrijpen wat de mensen binnen je personeelsbestand vervolgens kunnen doen, kun je medewerkers proactief opleiden om zich binnen de organisatie te bewegen.

Op basis van gegevens uit miljarden loopbaanprofielen over de hele wereld kun je zeer nauwkeurig zeggen: de meeste mensen in dit soort functie willen waarschijnlijk vervolgens dit soort functie vervullen. Je kunt hen proactief trainen om binnen de organisatie door te stromen.

Het is bovendien in het belang van een organisatie om mensen met een zo breed mogelijk vaardighedenpakket te hebben, want we weten nooit wanneer de volgende verstoring komt. De slimste bedrijven tijdens de pandemie ontsloegen geen mensen; ze zetten hen gewoon opnieuw in.

Overal zagen we organisaties die plotseling een afdeling hadden waar weinig werk was, omdat die afdeling tijdens de pandemie niet werd benut. Misschien was het werk toen anders door veranderde behoeften. In plaats van een goede medewerker of een goede groep medewerkers op te geven, zetten ze hen in een andere functie in.

Toen die functie weer aantrok, konden ze hen opnieuw inzetten. Dat is tegenwoordig de slimme manier om een bedrijf te runnen: goede mensen niet ontslaan en je vervolgens zorgen maken dat je hen later weer moet terughalen. Luchtvaartmaatschappijen hebben dit meegemaakt toen ze tijdens de pandemie grote aantallen mensen ontsloegen en er daarna een enorm personeelstekort ontstond.

Het was beter geweest als ze een breder vaardighedenbestand hadden gehad, zodat ze deze mensen hadden kunnen behouden, hen elders hadden kunnen inzetten en bij zich hadden kunnen houden. Dan zouden ze nu geen personeelstekort hebben. Als je talentintelligentie gebruikt om mensen binnen de organisatie te verplaatsen en hen verschillende soorten werk te laten doen terwijl je hen behoudt, los je bovendien het probleem op van mensen die na twee jaar vertrekken omdat ze onvoldoende kansen krijgen.

Als je hen nieuwe vaardigheden leert, hun bestaande vaardigheden verdiept en hun extra kansen geeft, zullen ze waarschijnlijk langer bij je organisatie blijven. Iedereen wordt daar gelukkiger van. Het helpt natuurlijk om te weten waartoe ze in staat zijn.

En dit inzicht is niet alleen nieuws voor leiders. Het is nieuws voor leiders, HR en de medewerkers zelf. Vaak is het zelfs nieuws voor de persoon zelf. Die kan denken: ik had geen idee dat ik, omdat ik goed ben in algebra, misschien ook goed ben in calculus.

Het kan zeer versterkend zijn wanneer iemand ontdekt: ik heb deze opleiding niet gehad en ik wist niet dat ik dit kon. Het geeft mensen een gevoel van zelfeffectiviteit en zelfvertrouwen, vooral mensen die misschien niet hetzelfde opleidingsniveau hebben gehad en zichzelf onderschatten.

We zagen dit bijvoorbeeld bij mensen die in buurtwinkels werkten en dachten dat ze daar de rest van hun leven zouden blijven werken. Ze ontdekten dat ze tijdens dat werk allerlei vaardigheden hadden geleerd waarvan ze niet wisten dat ze die elders konden inzetten. Ze konden dan zeggen: ik zou nu in een ziekenhuis kunnen werken. Wie had dat gedacht?

Het is ook nuttig voor managers, want een van de grootste belemmeringen voor interne overstappen zijn managers die mensen niet willen laten gaan. Ze denken kortzichtig: ik wil deze interne overstap niet steunen, want ik wil mijn medewerker niet kwijtraken; die persoon is te goed.

Door te laten zien dat een interne overstap beter is voor de organisatie, hoef je die persoon misschien niet kwijt te raken. Misschien kan die persoon met jou blijven samenwerken en tegelijkertijd iets anders doen of een nieuwe uitdaging aangaan.

Zo helpt het iedereen. Ik denk dat het kansen ook democratiseert. Als talentintelligentie op de juiste manier wordt toegepast, maakt het kansen zichtbaar, helpt het iedereen begrijpen waarom een overstap goed is en levert het meerdere voordelen tegelijk op.

Becca Banyard: Ja, heel goed. Ik wil even terugkomen op je boek. Wat bracht je er in eerste instantie toe om dit boek te schrijven? Wat was de weg naar die beslissing?

Alexandra Levit: Dat is een goede vraag. Ik denk al bijna tien jaar na over het probleem van de vaardigheidskloof. Het is altijd frustrerend geweest dat ik voortdurend hoor over ontslagen, terwijl we er blijkbaar nooit in slagen de juiste mensen voor de juiste banen te vinden.

Dat matchingsprobleem tussen het juiste talent en de juiste banen lijkt iets te zijn waarvoor niemand een oplossing kan bedenken. Toen ik Ashu en Kamal ontmoette en zij met Eightfold technologie hadden waarmee kunstmatige intelligentie kon worden gebruikt om dit probleem te helpen oplossen, was ik uiteraard zeer geïnteresseerd.

Ik vond het geweldig dat ze al zoveel succesvolle toepassingen hadden die we goed konden beschrijven. We hadden dus iets waarmee we praktisch advies konden geven. Het was niet alleen theoretisch of iets waarvan je zei: dit zou je kunnen doen. De technologie was vandaag beschikbaar en we konden uitleggen hoe je die toepast.

We konden mensen vertellen wat er onder de motorkap van talentintelligentie gebeurt. Ik waardeerde de mogelijkheid om een oplossing te bieden. Ik heb door de jaren heen ontzettend veel geschreven, en sommige daarvan was theoretischer dan andere.

Als futurist doe je veel speculatief werk over wat er mogelijk gaat gebeuren en waarschijnlijk op ons afkomt. Hier was iets dat er al was. Het werd al toegepast. Er waren toepassingen over de hele wereld en we konden mensen een praktische routekaart geven om te beginnen, zonder bang te hoeven zijn.

Je hebt er geen enorme businesscase voor nodig en het kost geen fortuin om een kleine pilot te starten. Wat heb je eigenlijk te verliezen? Dat trok me aan in het schrijven erover en het verspreiden van de boodschap.

Mijn boodschap als auteur en futurist is altijd: laten we zoveel mogelijk mensen helpen om een zo betekenisvol mogelijk leven te leiden. In mijn vakgebied gaat dat over werk. Hoe kunnen we voor zoveel mogelijk mensen de juiste en meest betekenisvolle loopbanen vinden? Ik zag dit boek met Ashu en Kamal als een manier om dat te bereiken.

Becca Banyard: Geweldig. Dat vind ik mooi. Het doet me denken aan wat wij bij People Managing People doen. We proberen content te maken die niet alleen uitlegt wat je moet doen, maar ook hoe je het doet. Hoe kun je dit implementeren in je eigen organisatie, je eigen werkpraktijk en je eigen loopbaan?

Alexandra Levit: Precies. Jullie doen exact hetzelfde. Jullie hebben dezelfde missie.

Becca Banyard: Geweldig. We hebben al besproken hoe AI de organisatiecultuur verandert, bijvoorbeeld door werkloosheid te verminderen of medewerkers op een werkplek te houden die ze anders misschien hadden verlaten omdat ze niet zagen hoe ze naar nieuwe functies konden doorgroeien.

Welke andere manieren zijn er waarop AI de organisatiecultuur verandert?

Alexandra Levit: We zien dat AI steeds vaker wordt gebruikt om menselijke deelname aan de beroepsbevolking te versterken. Ik gebruik liever niet het woord vervangen. Ik denk niet dat AI al zover is dat het menselijke deelname aan de beroepsbevolking kan vervangen.

Er is momenteel veel aandacht voor ChatGPT en vergelijkbare chatbottechnologieën. Een punt dat ik altijd wil benadrukken wanneer ik hierover praat, is dat je een mens nodig hebt wanneer je AI toevoegt aan een proces dat traditioneel door mensen wordt uitgevoerd. Iemand moet de AI creëren, beheren, repareren wanneer ze niet werkt, opnieuw inzetten en aan besluitvormers uitleggen hoe ze werkt.

Er zijn dus veel mensen nodig voor het toezicht op AI-technologieën. Wanneer die mensen niet betrokken zijn, ontstaat chaos. Ik heb daar vandaag toevallig een voorbeeld van meegemaakt.

Ik schrijf een column voor The Wall Street Journal. Sommige luisteraars kennen die misschien: The Workplace Report. Vandaag benaderden PR-mensen mij met ChatGPT. Ze gebruikten de chatbot om PR-pitches te schrijven. Ze gebruikten echte e-mailadressen van PR-medewerkers, maar geen enkele echte PR-medewerker las de pitches die ChatGPT had geschreven voordat ze werden verstuurd.

Helaas kan ChatGPT geen PR-pitches schrijven zoals echte PR-professionals dat kunnen. De pitches sloegen nergens op. Ik ontving ze en kreeg daardoor geen goede indruk van deze PR-mensen. De pitches waren onzinnig en het was duidelijk dat ChatGPT ze had geschreven. Ik ergerde me omdat ik mijn e-mail moest openen en tijd verspilde aan het lezen ervan.

Dit is een onschuldig voorbeeld, maar je moet beseffen dat je bedrijf aansprakelijk is voor slecht gedrag dat door AI wordt veroorzaakt. Het is niet de schuld van de leverancier of van het softwarebedrijf dat de chatbot aan je verkoopt. Zij zijn niet aansprakelijk voor gedrag dat illegaal of discriminerend kan zijn of dat jou in juridische problemen kan brengen.

Dat is momenteel een van mijn grootste zorgen. Op allerlei gebieden van de beroepsbevolking worden AI-toepassingen geïmplementeerd, maar we houden onvoldoende menselijk toezicht op deze technologieën. Daar zijn ethische en juridische risico’s aan verbonden.

We laten deze technologieën maar hun gang gaan en denken dat ze mensen kunnen vervangen, terwijl ze daar nog niet klaar voor zijn. Ik denk dat het nog wel even duurt voordat dat wel het geval is. Dat was mijn kleine tirade hierover voor vandaag.

Maar ja, er zijn veel toepassingen mogelijk. AI kan geweldige dingen doen. Ik heb tenslotte een boek geschreven over hoe geweldig AI is. Ik denk dat AI heel veel kan, maar er moet absoluut menselijk toezicht zijn wanneer een toepassing wordt gelanceerd.

Becca Banyard: Ja. Ik ben blij dat je dat punt naar voren brengt. Zelfs als iemand die geen AI-expert is, vind ik het een belangrijk punt. En ik ben blij dat je ChatGPT noemt, want anders had ik het gedaan. Zoals iedereen die luistert waarschijnlijk weet, heeft de lancering van ChatGPT het internet op zijn kop gezet.

Ik wil graag wat langer praten over ChatGPT. Hoe zie je ChatGPT, met het oog op de toekomst van werk, de toekomst van werk en organisaties beïnvloeden?

Alexandra Levit: Net als andere chatbots is ChatGPT daarin niet uniek. Ik beschouw het niet als bijzonder geavanceerd vergeleken met wat er al bestaat. ChatGPT is een chatbot en gebruikt natuurlijke taalverwerking om zinnen of gedachten in taal samen te stellen. Het leert van wat het weet over wat je al hebt gezegd en wat het heeft gelezen.

De reden dat ik het niet echt revolutionair noem, is dat het niet zelfstandig denkt. Het kan naar mijn mening geen echt gesprek voeren zoals een mens die met unieke, samenhangende gedachten komt. Er is de Turingtest, die al lang geleden werd ontwikkeld: kun je bepalen of iets een robot is, of is het niet van een mens te onderscheiden?

Voor mij slaagt ChatGPT niet voor die test. Wanneer ik het lees, kan ik absoluut zien dat het geen persoon is. Het klinkt voor mij gewoon niet echt. Niet iedereen denkt daar zo over. Sommigen zeggen dat het precies als een persoon klinkt. Voor mij klinkt het echter helemaal niet zo.

Hetzelfde geldt voor een chatbot van de klantenservice. De meeste mensen kunnen zien dat het een bot is en geen persoon. Ik ben enigszins verbaasd dat mensen zo gefascineerd zijn door ChatGPT, omdat het voor mij niet in de buurt komt van een revolutionaire vooruitgang ten opzichte van eerdere technologie.

Dat gezegd hebbende, denk ik dat er binnenkort een sprong komt waardoor de technologie zeer goed wordt. Naarmate de jaren verstrijken, zullen we te maken krijgen met steeds geavanceerdere technologieën die meer menselijke taken uitvoeren en vervangen.

Mensen moeten daarom om de hoek leren kijken en nagaan welke onderdelen van hun eigen functie het kwetsbaarst zijn voor automatisering. Vervolgens moeten ze bedenken hoe ze hun loopbaan kunnen ontwikkelen om daarop voorbereid te blijven.

Stel dat je mij bent, een columnist voor The Wall Street Journal. Je kijkt vooruit en denkt: misschien wordt ChatGPT de komende vijf jaar zo geavanceerd dat het mijn column kan schrijven. Vandaag kan ChatGPT mijn column nog niet schrijven. Over drie jaar misschien wel.

Zal The Wall Street Journal ChatGPT zelfstandig iets laten publiceren zonder dat iemand het redigeert? Waarschijnlijk niet. Waar moet ik mijn loopbaan dan ontwikkelen om over vijf jaar nog werk te hebben? Waarschijnlijk moet ik naast schrijven ook redigeren leren, zodat ik het menselijke toezicht kan bieden op de machine die mijn werk uiteindelijk heeft overgenomen.

Dat is een voorbeeld. Iedereen moet daar nu over nadenken. Welke aanvullende vaardigheden moet ik ontwikkelen om betaald werk te kunnen blijven doen wanneer bepaalde onderdelen van mijn functie door machines worden overgenomen? Dat is gewoon de realiteit.

Machines zullen steeds geavanceerder worden en er komt een moment waarop ze slimmer zijn en verschillende menselijke taken kunnen overnemen. Zijn we daar vandaag met ChatGPT al? Nee. ChatGPT is niet zo intelligent en kan nog niet zoveel. Chatbots in het algemeen kunnen nog niet zoveel, maar ze zullen beter worden.

Dat is onvermijdelijk. We zullen altijd menselijk toezicht nodig hebben. Ik zie de komende tijd geen moment waarop deze machines alles zelfstandig kunnen doen. Dat ligt niet in onze nabije toekomst. Wij zullen toezicht moeten houden, het oordeel moeten vellen en de persoonlijke benadering moeten bieden.

Dat zijn vaardigheden die mensen moeten aanscherpen en ontwikkelen. Er zal altijd een rol voor mensen blijven. Als je bijvoorbeeld softwareontwikkelaar bent, kun je niet meer alleen op je programmeervaardigheden vertrouwen. Je kunt niet op je lauweren rusten. Je zult ook interpersoonlijke vaardigheden moeten ontwikkelen.

Tegen iedereen die daar al 25 jaar op heeft geleund, zou ik zeggen: die dagen zijn geteld. Het is tijd om veelzijdiger te worden.

Becca Banyard: Inderdaad. Voordat Skynet de macht overneemt.

Alexandra Levit: Precies.

Becca Banyard: We moeten afronden, maar ik heb nog één laatste vraag. Dit is iets wat ik al mijn gasten vraag.

Wat is volgens jou het belangrijkste dat medewerkers gelukkig houdt op de werkplek?

Alexandra Levit: Het belangrijkste zijn nieuwe uitdagingen. De mogelijkheid om te leren, te groeien en het gevoel te hebben dat je gewaardeerd wordt. Dat zijn waarschijnlijk meerdere dingen, maar ik denk dat ze met elkaar verbonden zijn.

Het gevoel dat je werk wordt gewaardeerd, dat je groeit en dat je bijdrage betekenisvol is voor jezelf en de organisatie, is volgens mij belangrijker dan alleen een salarisverhoging krijgen. Het gaat erom dat je het gevoel hebt deel uit te maken van iets dat groter is dan jezelf.

Becca Banyard: Heel goed. Dat vind ik mooi. Alexandra, het was een genoegen om je te gast te hebben. Ik heb erg genoten van dit gesprek.

Alexandra Levit: Ik ook.

Becca Banyard: Als we meer tijd hadden, zou ik je nog zoveel meer vragen kunnen stellen. Misschien moeten we in de toekomst nog een aflevering maken. Maar nogmaals bedankt dat je er was.

Voor de mensen die luisteren en contact met je willen opnemen of willen volgen wat je doet: hoe kunnen ze je bereiken? Hoe kunnen ze op de hoogte blijven van je werk?

Alexandra Levit: Bezoek gerust alexandralevit.com. Bekijk ook ons boek Deep Talent.

Ik ben te vinden op Twitter via @alevit. LinkedIn is ook een goede manier om contact te houden. We horen graag wat mensen ervan vinden en ik kom graag op elk moment terug, Becca.

Becca Banyard: Geweldig. Dat vind ik leuk.

Goed, luisteraars, heel erg bedankt voor het luisteren. Like en abonneer je om op de hoogte te blijven van al onze nieuwe afleveringen. We spreken elkaar snel weer. Een fijne dag!