Moeten we carrières nog steeds opbouwen rond diepe specialisatie?

David Rice: Gedurende het grootste deel van onze carrières luidde het advies hetzelfde: specialiseer je. Ga diep in op iets waardevols. Bouw expertise op die niemand anders heeft. De gast van vandaag denkt dat dit advies moet worden bijgewerkt, niet omdat expertise verdwijnt, maar omdat we door AI minder mensen nodig hebben die diepgaande kennis hebben van één specifiek domein. De kennis is nu toegankelijker.

De waardepropositie verschuift. In de show van vandaag praat ik met Tony Castellanos, hoofd Personeel bij Nextdoor, over wat daadwerkelijk waardevoller wordt naarmate AI het werk overneemt dat kan worden gecodificeerd. Zijn antwoord? Smaak. Weten hoe goed eruitziet wordt belangrijker dan weten hoe je het moet produceren, en smaak kun je niet in een klaslokaal aanleren.

Het komt voort uit herhaling, praktijkervaring, teleurstellingen en het opstapelen van genoeg overwinningen en missers om het verschil instinctief te gaan herkennen. Het gesprek over het organigram wordt interessant. Tony denkt dat generalisten binnenkort opnieuw gewaardeerd zullen worden. Tegenwoordig worden ze gezien als de operationele laag: junior en niet helemaal zo nuttig.

Dat verandert. Experts worden schaarser. De mensen die expertise over domeinen heen kunnen verweven en kunnen bepalen wat een bedrijf kan doen wanneer het put uit meerdere kenniscentra, komen centraal te staan. En het concept van een kostenplaats? Tony denkt dat dat label niet langer bepaalt wie een probleem mag aanpakken.

Het organigram evolueert van een kaart van waar informatie zich bevindt naar iets veel vloeibaarders: teams die worden gevormd en ontbonden rond het probleem dat op dat moment moet worden opgelost. Vandaag bespreken we dus waarom diepe specialisatie je blootstelling aan AI vergroot tenzij je die kunt verbinden aan bredere bedrijfsproblemen, hoe smaak zich ontwikkelt en waarom die een kerncompetentie voor leiderschap wordt, de omkering van experts en generalisten in organisaties in het AI-tijdperk, en waarom het model van kostenplaatsen over vijf jaar misschien vreemd verouderd lijkt.

Ik ben David Rice. Dit is People Managing People, en als je je carrière hebt opgebouwd rond diepgang binnen één domein, is dit een gesprek om goed over na te denken. Laten we beginnen.

Voor naadloze processen voor prestatiebeoordelingen en beveiliging op ondernemingsniveau kun je Teamflect gratis proberen, het best beoordeelde platform voor prestatiebeheer binnen het ecosysteem van Microsoft. Vertrouwd door ondernemingen wereldwijd om doelen op elkaar af te stemmen, prestatiebeoordelingen uit te voeren en talent op schaal te ontwikkelen.

Tony, welkom bij de show. Fijn dat je er bent.

Tony Castellanos: Heel erg bedankt. Het is een genoegen om hier te zijn.

David Rice: Waar ik ons gesprek vandaag mee wilde beginnen, is het feit dat het advies gedurende het grootste deel van onze carrières eigenlijk altijd hetzelfde is geweest: specialiseer je.

Je wilt je specialiseren in iets met een hoge waarde. Je wilt diepgaande expertise ontwikkelen die andere mensen niet hebben, toch? Maar jij komt met dit nogal contra-intuïtieve idee dat extreme specialisatie je blootstelling aan AI nu kan vergroten als die expertise kan worden gedocumenteerd en gecodificeerd.

Mijn vraag om te beginnen is: bereiken we een punt waarop uitzonderlijk goed zijn in één ding eigenlijk een risico vormt, tenzij je die expertise kunt verbinden aan een veel breder bedrijfsprobleem?

Tony Castellanos: Een belangrijke vraag, en ja, we zijn allemaal getraind met het idee dat je diep in één ding moet gaan, er de beste in moet worden en op dat platform moet staan.

Ik denk alleen dat de kop het misschien een beetje overdrijft, want expertise verdwijnt niet. Expertise is nog steeds heel belangrijk. We moeten weten hoe we dingen moeten doen. Wat volgens mij verandert in de wereld van AI, is dat we simpelweg minder mensen nodig hebben die diepgaande kennis hebben van een specifiek domein, omdat hun kennis, hun expertise en de bredere kennisbasis veel toegankelijker zijn voor de mensen om hen heen.

Als ik nadenk over de vaardigheden die waardevoller worden, heb je nog steeds iemand nodig die begrijpt wat er gebeurt, omdat we moeten kunnen controleren wat AI oplevert, hoe het dit berekent en hoe het daarover nadenkt.

Maar ik denk dat er enorme waarde zit in het kunnen verweven van die expertise met de manier waarop je bedrijf vooruitgaat. Als je teruggaat in de tijd, waren er bedrijven met veel mensen in functies waarin berekeningen centraal stonden. Als je in de financiële wereld werkte, analist was of ingenieur, werd er veel gerekend.

En toen verscheen ineens Excel. Dan zeg je: "We hebben maar een fractie van die mensen nodig om de berekeningen achter het bedrijf daadwerkelijk uit te voeren." Maar daarmee verdween de behoefte aan die mensen niet zomaar. Het creëerde een andere waardepropositie voor hen. De nieuwe waarde van een mens lag in het begrijpen van wat je zou moeten berekenen.

Wat is het juiste model om te bouwen? Wat betekent het? Kunnen we op basis van deze informatie betere zakelijke beslissingen nemen? Het gaat dus echt om de manier waarop je die expertise gebruikt. Ik denk niet dat iemand zou beweren dat Excel een einde maakte aan financiële expertise. We hebben allemaal zulke teams in onze bedrijven.

Maar ik denk dat de echte waarde werd: je hebt een paar mensen die hier diepgaande experts in zijn, en wat zij aan het bedrijf bijdragen, stijgt een niveau. Hoe positioneren ze dat strategisch met wat ze weten? Ik denk dus dat dit opnieuw gebeurt. Alleen gaat het sneller en geldt het voor elke functie die door AI wordt geraakt.

David Rice: Ja. Een groot deel ervan draait om bepaalde soorten werk waarin AI volgens mij versnelling brengt. De reden dat AI zo verstorend werkt in programmeren, is dat je code schrijft en die wel of niet werkt. Als het niet werkt, weet je wat je moet doen.

Tony Castellanos: Het is geweldig voor binaire uitkomsten.

Goed en fout, waar en onwaar. Het maakt die dingen nog steeds verkeerd, en daarom heb je experts nodig om het te controleren. Maar zodra je in programma’s of systemen op basis van regels terechtkomt, kan het daar heel effectief zijn. Dat geldt ook voor het verspreiden van kennis die echt op specifieke feiten is gebaseerd in plaats van op oordeel.

David Rice: Je noemde daar oordeel. Ik hoorde vorige week iemand praten over hoe je weet wanneer een marketingcampagne klaar is om te lanceren. Uiteindelijk moet iemand met voldoende smaak om te zeggen: "Ja, dit is compleet," daar staan en zeggen: "Ik keur dit goed."

We hadden het eerder over het idee van smaak, een woord dat volgens mij tot nu toe niet vaak voorkwam in competentiemodellen van HR-directeuren. Vijf jaar geleden herinner ik me geen functieomschrijving waarin smaak werd genoemd.

Maar als AI kennis en technische vaardigheden veel toegankelijker maakt, wordt weten hoe goed eruitziet dan waardevoller dan weten hoe je iets produceert?

En als dat zo is, hoe identificeren en ontwikkelen organisaties dan iets ontastbaars als smaak?

Tony Castellanos: Ik denk dat het ongelooflijk belangrijk is in deze wereld waarin AI mogelijk maakt dat je enorm veel content produceert. We worden volgens mij allemaal overspoeld. Als je nu even naar je Google Drive kijkt, staan daar waarschijnlijk tien keer zoveel documenten als een jaar geleden, omdat je al die dingen bent begonnen met Claude, Codex, Gemini of wat dan ook.

Dus ja, ik denk dat smaak ongelooflijk belangrijk wordt om dat om te vormen tot iets dat begrijpelijk is voor ieder mens die het consumeert. En hoe ontwikkel je dat? Mijn eerlijke antwoord is: door herhaling. Door praktijkervaring. Er is niet echt een training of cursus die je daarvoor kunt volgen.

Het is de opeenstapeling van successen en pijnlijke missers wanneer je iets verkeerd doet. Als je dat vaak genoeg doet, verfijn je steeds beter wat goed en wat ondermaats is. Dat is lastig, omdat je daarvoor de gelegenheid moet krijgen, maar hier verandert AI ook het tempo waarin je die praktijkervaring opdoet.

Je kunt dingen tientallen keren onder druk testen, soms binnen één uur. Zo denken we bij Nextdoor over AI: het draait vooral om brainstormen en experimenteren. Het gaat niet om het antwoord voor je genereren. AI geeft je iets dat geavanceerd en overtuigend is, maar dat ook volledig onjuist kan zijn.

Als mens ben jij het enige dat tussen dat resultaat en het publiek staat dat het mogelijk te zien krijgt. Daarom vind ik dit ongelooflijk belangrijk.

David Rice: Dat is interessant. Ik vind het idee van praktijkervaring mooi. Als je erover nadenkt: hoe heeft iemand die bijvoorbeeld in marketing werkt dit geleerd? Tien jaar geleden kwam zo’n probleem misschien twaalf keer voorbij. Nu ziet die persoon hetzelfde soort werk dat moet worden goedgekeurd in sommige gevallen honderd keer zo vaak.

Die praktijkervaring kan ons dus sneller iets leren. Mijn vraag is: zullen mensen nog het volledige plaatje kunnen zien? Door de hoeveelheid werk die nu plaatsvindt, wordt het voor leiders in het bijzonder steeds moeilijker om het geheel te overzien wanneer iedereen zoveel meer produceert.

Ik denk dat het interessant wordt om dat te volgen.

Tony Castellanos: Daar ben ik het volledig mee eens. Ik heb geprobeerd de meeste documenten te lezen die op mijn pad kwamen, maar eerlijk gezegd komen ze gewoon te snel binnen. Hier komen we weer terug bij oordeel en smaak. Maak je iets dat beknopt en duidelijk is en verband houdt met wat je probeert te bereiken?

Het prettige aan AI is dat je letterlijk kunt zeggen: "Maak twintig versies hiervan voor me. Zorg dat je dit, dit en dit prioriteit geeft." Je bekijkt ze, kiest de beste, verfijnt die en komt veel sneller tot een eindproduct. Maar de stortvloed aan informatie die momenteel op ons afkomt, kan overweldigend zijn. Er staat dus veel druk op het terugbrengen ervan tot iets dat nuttig is voor een persoon.

David Rice: Zeker nu we het tijdperk van agenten binnengaan. Ik wacht op het verhaal waarin een manager een agent iets laat doen en die agent vervolgens zoveel dingen doet dat de persoon het niet eens kan verwerken of niet eens wist dat ze bestonden, omdat alles zo snel gaat en er zoveel wordt gegenereerd.

Tony Castellanos: Dat is net gebeurd met een gelekte versie van een taalmodel. Ik ga het niet bij naam noemen, omdat ik het gevoel heb dat ik daarvoor problemen kan krijgen. Een van onze principes is: neem verantwoordelijkheid voor wat je AI doet. Mensen kunnen het dus niet zomaar als vanzelfsprekend beschouwen. Ze kunnen niet simpelweg publiceren wat AI produceert.

Er moet een mechanisme zijn: een menselijke controle voordat iets naar buiten gaat, of vangrails en een controle achteraf die dingen terugdraait die moeten worden ingetrokken.

David Rice: Je bent begonnen met experimenteren met het organiseren van het personeels- en HR-team rond problemen in plaats van rond traditionele HR-specialismen. Dat lijkt me een interessante aanpak, mogelijk een veel grotere verandering dan AI toevoegen aan een bestaande functie. Als we ons gaan organiseren rond resultaten in plaats van expertise, wat gebeurt er dan met de functionele structuren, carrièrepaden en eigendomsmodellen die we tientallen jaren hebben opgebouwd?

Tony Castellanos: Dit is een leuke vraag. Volledige transparantie: we hebben ons organigram momenteel niet omgegooid. We hebben nog steeds recruiters, compensatiespecialisten en HR-businesspartners. Maar je hebt gelijk: we zijn wel gaan kijken naar de daadwerkelijke problemen die die groep samen moet aanpakken.

We proberen de teams te richten op zaken die in het hele personeelsdomein gelden. Voor ons komt dat neer op talent, activering — een combinatie van betrokkenheid en in staat stellen — en cultuur.

Voor geen van die gebieden bestaat er een versie die alleen over recruitment of alleen over HR-businesspartners gaat. Er is een volledig werkterrein nodig om ervoor te zorgen dat je de juiste mensen en de juiste talentenbasis aantrekt en ontwikkelt, medewerkers op de juiste manier ondersteunt en een omgeving bouwt waarin iedereen zijn beste werk kan doen.

AI maakt meer inzicht mogelijk in hoe al die onderdelen samenkomen om dit werkelijkheid te maken. We proberen binnen ons team dus meer een mentaliteit te creëren rond het uiteindelijke doel, in plaats van rond het recruitmentonderdeel van een project.

Ik wil niet dat mensen denken in termen van hun eigen werkgebied. Het gaat erom of de personeelsorganisatie waarde heeft geleverd op deze dimensie.

David Rice: Het lijkt erop dat mensen daarvoor wat flexibeler moeten zijn. Niet alleen aanpasbaar, maar bijna filosofisch moeten nadenken over hun plaats binnen het geheel. Waar heeft mijn vaardighedenpakket invloed op het totale resultaat dat we nastreven? Dat is een andere manier om naar ons werk te kijken dan: hoe kunnen mijn vaardigheden het resultaat beïnvloeden dat we willen bereiken?

Tony Castellanos: Dat speelt inderdaad, en ik denk dat er nog een stap bovenop komt: wat kan ik hier leren en toepassen?

Ik zie het probleem en word niet beperkt door het feit dat ik recruiter of compensatiespecialist ben. Ik ben lid van het personeels- en HR-team. Er is een volledige keten die loopt van talent aantrekken naar talent ontwikkelen en promoten. Hoe kan ik dat geheel helpen of vooruitbrengen?

Een van de leuke dingen is dat je veel meer iteratieve cycli krijgt. Hoe kun je je expertise toepassen en wat kun je leren? AI wordt daarin je partner. Ik wil dus dat mensen hun functie uiteindelijk bekijken vanuit het einddoel.

David Rice: Er schuilt natuurlijk een gevaar in iedereen richting bredere rollen duwen. Je kunt in theorie eindigen met een personeelsbestand van generalisten die een beetje van alles weten, maar nergens echt veel van weten. Hoe creëer je mensen die een probleem van begin tot eind kunnen aanpakken en tegelijkertijd hun expertise behouden, zodat het bedrijf kan blijven functioneren als bijvoorbeeld een taalmodel een paar dagen uitvalt?

Tony Castellanos: Zeker. Als ik hier een stap terug doe, denk ik dat ik me in een wereld met meer generalisten minder zorgen maak over een gebrek aan begrip. Mensen die intrinsiek gemotiveerd en nieuwsgierig zijn, ontwikkelen tijdens het oplossen van problemen in hun organisatie context.

Het echte risico is dat mensen simpelweg de uitvoer van AI overnemen, publiceren en doorgaan. Dat geldt niet alleen voor generalisten; specialisten kunnen dat ook doen. Het gaat dus om breedte, diepgang en oordeel, niet zozeer om contextbewustzijn.

Nieuwsgierigheid stijgt echt in belang bij de manier waarop we talent evalueren. We willen ervoor zorgen dat mensen opnemen wat er om hen heen gebeurt, zodat ze betere beslissingen kunnen nemen.

Als een AI-systeem uitvalt, verlies je volgens mij de kennis niet. Wat je verliest, is de verbinding met de kennis. AI versnelt vooral hoe snel je alle context, statistieken en informatie kunt verzamelen om een beslissing te nemen of een programma vooruit te helpen. Zonder AI moet je terug naar de oude manier en alles handmatig verzamelen. Het duurt alleen langer om de puzzelstukken in te vullen.

David Rice: Nieuwsgierigheid is inderdaad de belangrijkste factor. Je kunt het menselijke verlangen om dingen te weten en verschillende dingen te kunnen niet zomaar elimineren. Mensen vinden het leuk om dingen te doen en te leren. Zo zijn we nu eenmaal gebouwd.

Tony Castellanos: Voor de juiste mensen komt creativiteit hierdoor juist vrij, omdat je veel sneller veel verder komt. Maar opnieuw bestaat het risico dat je dingen klakkeloos aanneemt. Dan begint de kwaliteit echt achteruit te gaan.

David Rice: We hebben al gegevens gezien over leidinggevenden die zich zorgen maken over het verlies van vaardigheden. Mensen controleren in het begin alles zorgvuldig en gebruiken hun oordeel, maar na verloop van tijd laten ze dat steeds meer los.

Wat zijn volgens jou de succesvolste strategieën om dat te voorkomen? Hoe houd je mensen betrokken bij het oordeel en de smaak?

Tony Castellanos: Dat is ook gewoon menselijk gedrag. Je hebt een nieuwe medewerker en vertrouwt niet automatisch alles wat die doet. Na verloop van tijd levert die persoon goed werk en groeit je vertrouwen, net zoals je steeds meer vertrouwen krijgt in een taalmodel.

AI is ook goed in controlepunten. Het kan een document veel beter proeflezen dan ik ooit zal kunnen, omdat mijn ogen vermoeid raken. We moeten een wereld creëren met meerdere teamgenoten: systemen die je steeds meer vertrouwt, maar ook een derde scepticus die zegt: "Wacht, jullie hebben het allebei mis."

Dat kan ook een AI-dienst zijn. Het betekent niet dat een van beide automatisch gelijk heeft, maar het prikkelt de mens om weer aan het stuur te zitten en te bepalen wat de juiste keuze is voor de organisatie.

David Rice: Je noemde eerder een compensatieagent. Die vervangt de compensatiefunctie niet, maar verspreidt een deel van de expertise daarvan onder recruiters. Denk je dat dit uiteindelijk de grootste organisatorische impact van agenten is? Ze vervangen expertise niet, maar laten deskundige kennis veel sneller door het bedrijf reizen.

Tony Castellanos: Dat is volgens mij een van de grote voordelen van AI. Onze compensatieagent is een dienst die is aangesloten op onze compensatiestructuur en naar ons personeelsbestand kijkt. Hij is toegankelijk voor HR-businesspartners en recruiters en analyseert geen situaties of aanbevelingen. Hij toont feitelijke informatie waarmee mensen geïnformeerde beslissingen kunnen nemen.

Een recruiter kan bijvoorbeeld vragen: "Ik wil een aanbod doen van bedrag X. Hoe verhoudt dat zich tot de salarisschalen?" De agent laat zien waar het binnen onze beloningspraktijken valt en geeft een benadering van hoe het zich verhoudt tot medewerkers binnen de organisatie.

We tonen geen informatie over individuele medewerkers en anonimiseren alles voldoende zodat niemand het salaris van een individu kan achterhalen. Door recruiters niet alleen te laten zien waar iets binnen de schaal valt, maar ook welke gelijkheden of ongelijkheden het intern kan creëren, kunnen ze verder kijken dan het sluiten van een kandidaat en werken aan een harmonieus team.

In plaats van dagen te wachten op iemand van compensatie, hebben ze de relevante context direct binnen handbereik. Dat maakt alles sneller en bouwt een contextlaag waar generalisten voortdurend uit kunnen putten. Ik denk dus dat het zowel ontwikkelend als effectief is.

David Rice: Deze agent is specifiek genoeg om afgebakend te zijn en uit te blinken in een bepaald type taak. Hoe verliep het gesprek toen jullie nadachten over de ontwikkeling ervan en de doelen die je ervoor wilde stellen?

Tony Castellanos: Agenten als medewerkers zijn belangrijk voor ons. We hebben deze agent liefdevol Compadre genoemd: je vriend voor compensatie.

Het idee kwam voort uit recruiters en compensatiemedewerkers die tijdens gesprekken zeiden: "Moeten we hier echt bij zijn? Is er geen andere manier?" We begonnen tijdens een aantal AI-dagen voor het personeels- en HR-team, waarop iedereen met AI een probleem moest oplossen.

Het resultaat was een dienst die informatie toegankelijk maakt op een verantwoorde manier, privacy beschermt en recruiters en HR-businesspartners in staat stelt de juiste beslissingen te nemen. Het team wilde simpelweg geen tijd meer besteden aan een transactionele vergadering. Dat is precies waar AI goed in is: het wegnemen van overhead bij tactische interacties die elke dag terugkomen.

David Rice: Ik kan er nu al ongeveer vijf bedenken die ik zou willen automatiseren.

Tony Castellanos: Inderdaad. Ik heb een kleine stafchef, Sam Wise, die vergaderingen voorbereidt, agenda’s organiseert en me vooruitblikken op de dag geeft. Veel van onze dagen bestaan uit één-op-één- of groepsgesprekken waarin we alleen informatie opnemen. Dat kan AI voor je doen.

Als je die informatie voorafgaand aan een gesprek ontvangt, wordt het gesprek zelf veel rijker en beter geïnformeerd. Je hoeft niet iedereen bij elkaar te brengen om alleen informatie te delen.

David Rice: Dat doet me denken aan een gesprek dat ik vorig jaar had. Iemand zei dat een universeel probleem, waar je ook ter wereld werkt, is dat er zoveel informatie op je afkomt. Een deel irriteert je, een deel enthousiasmeert je en een deel verveelt je, maar niets daarvan zegt wat het belangrijkst is.

Als AI het aan het einde van de dag kan samenvatten in een persoonlijk podcastje van vijf minuten, kun je dat op weg naar huis beluisteren. Het kan zeggen: "Dit waren de belangrijkste dingen van vandaag en dit moet je maandag onthouden." Dat zou geweldig zijn. Veel van ons worden voortdurend door informatie overspoeld.

Tony Castellanos: Heb je ooit geprobeerd Slack te bekijken?

David Rice: Ja. Vijfhonderd kanalen. Je kunt het onmogelijk allemaal vinden.

Tony Castellanos: Precies. Mijn versie hiervan via Samwise is een briefing die ik op zondagavond ontvang over de komende week. Het belangrijkste is dat die mij richting geeft. Dit zijn de drie dingen die voor mij het belangrijkst zijn. Ik wil dat je Slack doorzoekt en al mijn vergadernotities bekijkt. Welke zaken vallen binnen deze drie categorieën en moet ik volgende week kennen?

Daarnaast heeft Samwise een onderdeel waarin hij dingen mag ontdekken: wat denk je dat ik moet weten? Wat heb je gevonden dat niet binnen die drie categorieën valt, maar wel op mijn radar zou moeten staan?

Vertrouw ik alleen op AI om te filteren? Nee. Ik heb parameters gegeven, omdat er dingen zijn waarmee ik contact wil houden. Het gevaar ontstaat wanneer je zegt: "Laat me zien wat belangrijk is," en AI vervolgens zelf bepaalt wat belangrijk is. Die wereld kunnen we niet betreden.

David Rice: Dat was ook onze conclusie. Wie bepaalt wat belangrijk is? Is het afgestemd op het bedrijf, je manager, je doelen of je persoonlijke doelen? Er zijn veel factoren die de context bepalen van wat het systeem zou moeten produceren.

Tony Castellanos: Nu denk ik erover om Samwise een presentatie te laten maken. Google heeft tegenwoordig een geautomatiseerde presentatiefunctie via Google Slides. Het zou leuk zijn om je dienst een presentatie te laten bouwen en een andere dienst die aan je te laten presenteren. Je eigen persoonlijke team van mini-stafchefs.

David Rice: De werknemer van de toekomst heeft breedte, oordeel en het vermogen nodig om tussen probleemgebieden te bewegen. Creëert dat geen fundamenteel probleem met de manier waarop we mensen tegenwoordig ontwikkelen? De meeste loopbanen belonen het steeds dieper worden binnen één functie. Hoe zouden ontwikkeling en doorgroei eruitzien als breedte onderdeel wordt van senioriteit in plaats van een omweg daarvan?

Tony Castellanos: Dit gaat in tegen de manier waarop we mensen hebben ontwikkeld, maar het prettige is dat datgene wat het probleem veroorzaakt ook de oplossing biedt. AI geeft mensen enorme autonomie over hun eigen groei. Ze kunnen een onderwerp onderzoeken en uitdiepen.

Je hebt wel vangrails nodig om te weten wat echt is en wat niet, maar je kunt zelf een basis leggen en die aan een expert voorleggen voor samenwerking, redactie of kritiek. Zo versnel je je leerproces.

Wacht dus niet tot de afdeling leren en ontwikkelen een curriculum bouwt. Wacht niet tot je manager een paar uur kan vrijmaken. Onderzoek het onderwerp waar je nieuwsgierig naar bent of het probleem dat je ziet. Met AI doe je dat in de context van je eigen bedrijf, niet in een steriele academische omgeving.

Je komt vervolgens met een geïnformeerd standpunt over wat je bedrijf werkelijk doet. Zo ontstaat een feedbacklus met je manager of met iemand uit een aangrenzende functie. Je krijgt feedback op iets concreets in plaats van op een verzonnen oefening.

Je hoeft niet langer te wachten op opdrachten of ontwikkelkansen. Je kunt jezelf elke dag uitdagen. Het is ervaringsleren, maar dan veel sneller.

David Rice: Een ding waarvan dit afhankelijk is, is blootstelling. Ik weet niet wat ik niet weet totdat ik ermee in aanraking kom. Moeten we anders gaan nadenken over workflows, zodat mensen worden blootgesteld aan nieuwe gebieden en nieuwsgierigheid ontwikkelen?

Tony Castellanos: Ik weet niet of het om een verandering van workflow gaat. Volgens mij gaat het meer om mentaliteit en gedrag. Het mooie aan AI is dat je met een vraag kunt beginnen: "Ik weet niet wat ik niet weet."

Goede managers zullen waarschijnlijk steeds vaker doorvragen met de vijf keer waarom. Waarom bestaat dit op deze manier? Wat probeert het te bereiken? Als ik vanuit eerste principes opnieuw zou beginnen, zou ik dit dan op deze manier doen met de hulpmiddelen die vandaag beschikbaar zijn?

Een van de grootste obstakels wordt inertie en vastgeroeste processen. AI heeft veel mogelijkheden ontsloten. Neem recruitment: vroeger was het vanzelfsprekend dat bedrijven op schaal niet elk cv konden beoordelen. Met AI kun je nu wel elk cv laten beoordelen door een systeem dat de inhoud analyseert.

Hoeveel deuren hebben we in gedachten gesloten omdat een bepaalde route vroeger niet mogelijk was? Daar ligt volgens mij de echte kans.

David Rice: Ik moet mezelf daar voortdurend aan herinneren. Je bent gewoon gewend het op deze manier te doen.

Tony Castellanos: Dat is lastig, want als oude hond wil je geen nieuwe trucjes leren. Maar we worden in deze wereld gedwongen.

David Rice: Je moet jezelf eraan herinneren dat je wel nieuwe trucjes nodig hebt.

Tony Castellanos: Dat is waar.

David Rice: Je gaf het voorbeeld van iets gewoons als het inhuren van een aannemer. Dat raakt aan personeel, financiën, juridische zaken, systemen en goedkeuringen. Vandaag hebben we de organisatie ontworpen rond al die functionele overdrachten.

Als agenten uiteindelijk context door het hele proces kunnen meenemen, moeten we mensen dan nog steeds rond dezelfde grenzen organiseren? Welk onderdeel van het huidige organigram zou er over vijf jaar door AI vreemd verouderd uit kunnen zien?

Tony Castellanos: Ik denk dat we de omkering zullen zien waar we het over hadden. Functies zullen een beperkt aantal experts hebben, omringd door generalisten die weten hoe ze die kennis over domeinen heen moeten toepassen.

In de huidige wereld hebben we ook generalisten, maar zij worden meestal behandeld als een meer junior operationele laag die minder nuttig is. Dat verandert. Zij worden de mensen die zich richten op bedrijfbrede capaciteiten: wat kunnen we doen als we putten uit al die verschillende kenniscentra?

Als je vijf jaar vooruitkijkt, is het concept van een kostenplaats misschien wat vreemd lijkt. Niet omdat kostenplaatsen noodzakelijkerwijs verdwijnen. Je moet investeringen meten en er zijn boekhoudkundige en compliancevereisten.

Maar ik denk dat we die meting niet langer laten bepalen hoe het werk wordt georganiseerd. Een kostenplaats definieert nu vaak waar specifieke problemen thuishoren, omdat daar historisch gezien de expertise zat. Die twee zaken gaan uit elkaar vallen, omdat we expertise vanuit verschillende delen van het bedrijf kunnen benutten via AI, systematisering of codificatie.

Het organigram verandert van een kaart van waar informatie zich bevindt in iets veel vloeienders, waarin teams worden gevormd en ontbonden afhankelijk van het probleem dat ze aanpakken. We krijgen minder experts en meer mensen die weten hoe ze die expertise moeten inzetten.

Dat betekent niet noodzakelijk dat bedrijven of teams kleiner worden. Het aandeel experts binnen een team wordt kleiner. De rest van het team zet die expertise in om problemen op te lossen en werk vooruit te brengen. Het probleemgebied van iedereen wordt dus veel groter dan zijn of haar kostenplaats. Het label bepaalt niet langer wie een specifiek probleem mag aanpakken.

David Rice: HR-leiders die zichzelf als kostenplaats hebben horen omschrijven, zullen opgelucht zijn dat te horen.

Tony Castellanos: Toen ik de term G&A hoorde, nam ik dat persoonlijk een beetje op.

David Rice: Dat is een geweldig antwoord.

Tony Castellanos: Om het af te ronden: G&A is een goed voorbeeld. Je gaat niet langer denken in termen van onze G&A-investering, onze juridische investering of onze financiële investering. Je praat over wat nodig is om het bedrijf te runnen. Dat is een veel gezondere plek voor mensen.

David Rice: Daar ben ik het mee eens. Iedereen krijgt toegang tot expertise en kan die vervolgens inzetten. Dat is een veel efficiënter gebruik van iemands tijd, niet in de zin van alleen maar efficiëntie najagen, maar omdat je mensen beter helpt hun doelen te bereiken en het bedrijf te ondersteunen.

Tony Castellanos: Het is veel leuker. Accountants die dankzij Excel profiteerden, hoeven zich nu niet meer alleen met berekeningen bezig te houden. Ze kunnen daadwerkelijk ander werk vooruitbrengen. Ik denk dus dat het voor ons allemaal leuker wordt.

David Rice: Tony, dit was een geweldig gesprek. Bedankt dat je te gast wilde zijn.

Tony Castellanos: Bedankt dat ik mocht komen. Het was erg leuk. Ik kan niet wachten om dit over een jaar terug te luisteren en te zien hoeveel ik verkeerd had.

David Rice: Ik kan niet wachten om over een jaar te zien hoeveel meer hiervan achterhaald is.

Het is altijd interessant om later terug te luisteren. Dan denk je: "Ja, dat was toen een groot probleem, en nu denken we er nauwelijks nog over na."

Tony Castellanos: Inderdaad.

David Rice: Dingen veranderen zo snel.

Tony Castellanos: Wat een wereld. Het is wel ontzettend leuk om erin te werken.

David Rice: Het enige wat je niet kunt zeggen, is dat het saai is.

Tony Castellanos: Heel waar.

David Rice: Luisteraars, ga tot de volgende keer naar peoplemanagingpeople.com/aisignal. Schrijf je in voor ons nieuwste nieuwsbriefproduct. Het is een overzicht voor leidinggevenden van alles wat je deze week moet leren, of van één ding dat je deze week moet leren. Niet alles. Eigenlijk is dat precies het punt: het signaal vinden en benutten, in plaats van naar alle headlines en chaos te luisteren.

En tot de volgende keer: stop niet met het ontwikkelen van je expertise. Die verdwijnt niet noodzakelijk.

Tony Castellanos: Absoluut.

David Rice: Ben je het zat om medewerkers achterna te zitten voor prestatiebeoordelingen? Maak kennis met Teamflect, het best beoordeelde platform voor prestatiebeheer en medewerkersbetrokkenheid, gebouwd voor Microsoft Teams. Eenvoudiger in gebruik, precies waar je team al werkt. Begin op Teamflect.com.