Ontwerpen voor paraatheid, niet alleen efficiëntie, in een door AI versterkte wereld

David Rice: AI heeft niet je functieomschrijving gestolen, maar wel het werk dat je volgens die functieomschrijving doet. Je weet wel: datgene waarvan je al tien jaar zegt dat je het doet. AI doet het sneller, goedkoper en precies op het moment dat het nodig is. Als je in L&D werkt en je werk hebt omschreven als trainingen geven, content maken of mensen antwoorden geven tijdens hun werk, dan heeft Taylor Blake, Senior Vice President van AI Labs and New Initiatives bij Degreed, slecht nieuws.

Je zit in de problemen, want AI kan dat allemaal en heeft jouw hulp niet nodig. Maar dit kan AI niet. Het kan de capaciteiten van mensen voor beslissingen met grotere gevolgen niet uitbreiden. Het kan hen niet voorbereiden op momenten die zich nog niet hebben voorgedaan en geen paraatheid opbouwen in plaats van alleen reactievermogen. Het kan mensen niet helpen omgaan met de strategische complexiteit die ontstaat wanneer één persoon nu zo’n enorm verschil kan maken.

En dat is de kans die L&D laat liggen, terwijl sommigen in de sector druk bezig zijn met het verdedigen van contentlevering. Taylor’s team bouwt niet alleen AI-tools voor ondernemingen. Ze gebruiken die tools intern als eerste klant, wat betekent dat ze zelf de gevolgen van hun keuzes ervaren. En wat ze ontdekken, is ongemakkelijk.

De kloof tussen een AI-demo en AI in de praktijk is enorm. De drang naar efficiëntie maakt het emotionele vermogen van mensen vlakker. En soms zijn de neveneffecten dingen die je nooit zou verwachten, zoals Taylor’s tienjarige dochter die bevestiging zoekt bij AI in plaats van bij haar ouders. Vandaag bespreken we waarom L&D breder moet gaan denken, anders wordt het vervangen.

Het verschil tussen leren precies op tijd en paraatheid, en waarom beide nu belangrijk zijn; hoe AI het werk van iedereen strategischer maakt en grotere gevolgen geeft; de efficiëntieparadox waarin we met AI meer doen, maar ons drukker voelen dan ooit; en waarom bedachtzame, bezorgde mensen AI-tools moeten bouwen, niet alleen optimisten.

Ik ben David Rice. Dit is People Managing People. En als je je huidige waardepropositie hebt verdedigd in plaats van die opnieuw uit te vinden, wordt dit gesprek een wake-upcall. Laten we beginnen.

Hoi Taylor, welkom! Hoe gaat het?

Taylor Blake: Goed, David. Bedankt voor de uitnodiging.

David Rice: We hebben elkaar gesproken tijdens de Gartner-conferentie.

Het was erg interessant om te horen over alles wat je bij Degreed doet. Ik wil beginnen met het idee van Degreed als eerste klant, toch? Jullie experimenteren niet alleen voor productontwikkeling, maar gebruiken jullie eigen AI-tools ook zelf. Wat zijn enkele van de grootste voordelen die jullie daaruit hebben gehaald en hoe heeft dat jullie aanpak in de loop der tijd veranderd?

Taylor Blake: Zeker. De reden dat we deze experimenten doen en AI Labs hebben, is dat er zoveel nieuwe technologie en mogelijkheden met AI ontstaan dat we de kans nodig hebben om ze te begrijpen. Dat is erg moeilijk. Er zijn geen eenvoudige specificaties die je kunt lezen om meteen te begrijpen hoe iets zich vertaalt naar L&D-toepassingen of de gebruikerservaring.

Je moet deze dingen echt uitproberen. Dat kunnen we intern doen. Het heeft een paar dingen opgeleverd. Ten eerste heeft het ons echt geholpen te begrijpen welke zaken wel en niet klaar zijn. AI doorloopt zelf verschillende hypefasen, maar ook iedere AI-mogelijkheid en iedere toepassing kan wel of nog niet klaar zijn.

Doordat we deze dingen zelf kunnen proberen, krijgen we vertrouwen in wat klaar is en begrijpen we beter wanneer iets nog niet helemaal klaar is. Maar ik denk ook dat zoveel leerervaringen afhangen van de ervaring van het individu. Door onszelf echt als eerste klant te behandelen en deze dingen zelf te doorlopen, hebben we de lat volgens mij hoger gelegd. We willen zeker weten dat dit echt geweldige ervaringen zijn. Pas wanneer we iets onder de knie hebben en zeggen: dit zou ik zelf gebruiken, kunnen we het als basis gebruiken.

En het omzetten in een mogelijkheid die onze zakelijke klanten kunnen gebruiken.

David Rice: Wat ik mooi vind aan dit model is dat het volgens mij verantwoordelijkheid afdwingt. Jij moet het me zeggen, maar het lijkt erop dat jullie niet alleen het idee aan de markt verkopen en het daarbij laten. Jullie ervaren zelf de gevolgen van de keuzes die jullie maken, toch?

Dat is volgens mij vrij zeldzaam. En ik kan me voorstellen dat het spanningen blootlegt die je anders niet zou zien, zoals het verschil tussen wat mensen zeggen dat ze van AI willen en wat ze daadwerkelijk gebruiken wanneer het onderdeel is van hun werk.

Taylor Blake: Absoluut. En er zijn zoveel verschillende lagen. Het verschil tussen een AI-demo en AI in de praktijk kan enorm zijn, en je weet het pas echt wanneer je er zelf mee werkt.

Je moet die problemen zien en voelen, zien welke problemen ze veroorzaken en vervolgens bepalen hoe je ze gaat beperken. Dus ja, we voelen die verantwoordelijkheid zeker. Doordat we deze dingen eerst zelf uitgebreid gebruiken, ervaren we al die problemen. Tegelijkertijd erkennen we ook dat wij niet noodzakelijkerwijs onze klanten zijn.

Zelfs als we iets voor onszelf werkend krijgen, is het slechts een basis. Het is niet de laatste stap. Er zijn nog veel stappen en processen nodig om ervoor te zorgen dat deze mogelijkheden klaar zijn voor grote zakelijke klanten.

David Rice: Groot of klein, L&D verandert, toch? Toen we elkaar op de conferentie spraken, hadden we het erover dat AI een deel van L&D’s terrein overneemt.

Het is sneller in het wegnemen van blokkades op het moment zelf dan L&D-teams kunnen zijn. Dat is een enorme verschuiving. Hoe blijft L&D relevant in een wereld waarin iemand op weg helpen niet langer echt de waardepropositie is?

Taylor Blake: Ik denk dat het een goede uitdaging is voor L&D, omdat we moeten erkennen dat we problemen krijgen als we ons werk omschrijven als trainingen geven, content produceren of mensen antwoorden geven tijdens hun werk.

AI kan veel van die dingen doen. Het heeft hulp, begeleiding en beschermende kaders nodig, maar het kan er veel van. L&D heeft volgens mij de kans om breder te denken. Niet elk prestatieprobleem is een trainingsprobleem, maar veel prestatieproblemen komen wel terug bij mensen.

L&D moet daarom een bredere visie aannemen: we zijn er om mensen te helpen veranderen, hun capaciteiten uit te breiden en beter te presteren op het werk. Als we ons alleen richten op training en contentlevering, worden die activiteiten overgenomen. Maar met een bredere blik ontstaan er enorm veel mogelijkheden. Wat we bij onze klanten zien, is dat technologie en kansen niet langer de beperkingen zijn. De echte beperking voor ondernemingen en de strategische stappen die ze willen zetten, draait allemaal om mensen.

Het gaat erom hoe snel mensen kunnen veranderen, hoe groot hun bereidheid tot verandering is en hoe snel je mensen op één lijn en in de juiste richting kunt krijgen. Er zijn zoveel mensgerichte uitdagingen. L&D moet gewoon zeggen: ja, wij kunnen helpen. We moeten onze gereedschapskist uitbreiden om te bepalen hoe we helpen.

Het gaat niet alleen om content, traditionele cursussen of trainingen.

David Rice: Dat is een krachtig punt. Hier ligt zoveel ruimte. Als we denken aan contact met iemand op het moment dat diegene iets nodig heeft, wanneer iets echt dwarszit of wanneer iemand iets probeert op te lossen, dan kan L&D niet alleen content leveren. L&D weet beter dan wie ook dat mensen op verschillende manieren leren.

Je kunt dat aanpassen en personaliseren. We zien het als een kans om de manier waarop we wat dan ook aanbieden opnieuw vorm te geven: training, microlearning of iets anders.

Daarin zit volgens mij een eindeloze hoeveelheid mogelijkheden.

Taylor Blake: Er is inderdaad enorm veel ruimte op het moment dat iemand iets nodig heeft, maar ook vóór dat moment. Dat gaat over paraatheid. We hebben soms een slechte invulling gegeven aan het idee van leren precies op tijd, alsof alles anders alleen voor het geval dat is, als een soort verzekeringspolis en tijdverspilling.

Er is zoveel nadruk gelegd op precies op tijd, omdat het efficiënt, afgestemd en relevant is. Maar we moeten het idee van paraatheid terugwinnen. Je kunt iemand niet pas trainen, toerusten en klaarstomen wanneer het moment van nood al is aangebroken. Er moet vooraf iets gebeuren.

Hoe bereiden we mensen daarop voor? AI maakt ons werk strategischer. We moeten beslissingen nemen met grotere gevolgen. We bevinden ons allemaal op punten met meer invloed, omdat we zoveel hulpmiddelen en mogelijkheden hebben. Eén persoon kan daardoor een enorm verschil maken.

Maar hoe bereiden we mensen op dat moment voor? Voorbereiding en paraatheid zijn volgens mij nu belangrijker dan ooit.

David Rice: Je noemde een woord dat tegenwoordig vaak in onze gedachten zit: efficiëntie. We praten er voortdurend over. Volgens mij verschuift de aandacht van leren efficiënter maken naar mensen helpen zich aan te passen aan verandering.

Welke infrastructuur is daarvoor binnen een bedrijf nodig? Wat vraagt dat van de mensen die dit werk doen?

Taylor Blake: Die nadruk op efficiëntie is interessant. Denk bijvoorbeeld aan een boek. Als je de meeste mensen vraagt of er een boek is geweest dat hun manier van denken echt heeft veranderd, dat transformerend was, dan zullen velen ja zeggen.

Maar als je dat boek van vierhonderd pagina’s zou terugbrengen tot een samenvatting of een paar zinnen, zodat het consumeren van de informatie zo efficiënt mogelijk wordt, zou het waarschijnlijk niet zo indrukwekkend of transformerend zijn geweest.

We zien nu dat men alles probeert terug te brengen tot het kleinste onderdeel en informatie transactioneel aan mensen geeft. Dat is niet genoeg. Verandering is niet alleen een informatieprobleem en ook niet alleen een instructieprobleem. Mensen hebben ruimte en tijd nodig.

We hebben dialoog nodig. We hebben hulpmiddelen nodig waarmee iedereen binnen een organisatie niet alleen informatie ontvangt, maar ook kan deelnemen aan verandering, kan delen wat men denkt en voelt en welke uitdagingen men ziet. De organisatie moet die input en feedback kunnen ontvangen en zich kunnen aanpassen.

Zo zal verandering volgens mij plaatsvinden. Het wordt niet alleen een memo die door een bestuurder is geschreven en het wordt ook niet alleen het inschakelen van Microsoft Copilot. AI geeft ons meer middelen om een open dialoog te stimuleren en verandering tweerichtingsverkeer te maken, waarin mensen eraan deelnemen.

David Rice: Dat is interessant. Zoveel zakelijke leerprogramma’s zijn door de jaren heen gebouwd rond het goedkoper, sneller en gemakkelijker te consumeren maken van content. Maar mensen helpen veranderen en zich aanpassen is een emotionele reis. Dat is anders. Het vereist reflectie, feedback, context en al die zaken die uniek menselijk en ingewikkeld zijn.

Ik vraag me af of we misschien de verkeerde basis hebben gebouwd voor het soort leren dat we nu werkelijk nodig hebben.

Taylor Blake: Het is een voorbeeld van veranderende beperkingen. Misschien was informatie vroeger de beperking: de informatie was er eenvoudigweg niet.

Nu is het gemakkelijk om informatie te creëren, te produceren en te verspreiden. We hebben daardoor de volgende beperking ontdekt: informatie is niet genoeg. Verandering is een reis. Het gaat erom hoe mensen hierover denken en zich voelen en hoe we hen bij dat proces betrekken. Daarvoor zijn een heel andere reeks hulpmiddelen en interventies nodig.

AI is nu een interessant voorbeeld, omdat het dit zo duidelijk maakt. Iedere organisatie denkt op de een of andere manier na over AI. Mensen hebben echte angsten en zorgen. Sommigen zijn enthousiast, anderen doodsbang. AI als veranderinitiatief laat goed zien dat mensen allerlei ervaringen, emoties en zorgen meebrengen. We hebben nieuwe manieren nodig om daarmee om te gaan.

David Rice: Je zei dat we nieuwe hulpmiddelen nodig hebben en er anders over moeten nadenken. Ik weet dat jullie nieuwe door AI aangedreven gereedschapskisten bouwen voor verandering en afstemming, met steminterfaces, coachingervaringen en realtime begeleiding. In welke situaties werkt deze aanpak beter dan het oude draaiboek?

Deze keuzes gaan niet alleen over producten. Ze lijken ook op keuzes over het soort mensen dat we op het werk proberen te vormen.

Taylor Blake: Ik kom terug op de AI-transformatie. Daar horen we voortdurend over. Het is interessant omdat het zo snel gebeurt en het AI-landschap zo snel verandert. Een oud veranderingsdraaiboek gaat uit van één afgebakende verandering die we mensen moeten helpen doorlopen: we maken een veranderplan, voeren het uit en zijn daarna klaar.

Dat gaat niet meer op. Het moet nu een systeem zijn dat verandering kan beheren en zich eraan kan aanpassen, en dat mensen kan helpen zich ermee te verbinden en zich aan te passen. Het veranderinitiatief is niet eenvoudigweg afgerond.

Het gaat om het vinden van een balans. We willen mensen vertrouwd maken met AI. AI geeft ons nieuwe hulpmiddelen, maar we moeten ook manieren vinden om mensen naar de voorgrond van die interacties te brengen. Dat betekent gesprekken en dialoog stimuleren.

Organisaties moeten beter kunnen zien waar mensen staan, welke uitdagingen er zijn en welke zorgen spelen. De interventies kunnen coaching zijn, ondersteund door een manager, of coaching door AI. We hebben flexibiliteit nodig, omdat er een grote verscheidenheid aan behoeften zal zijn.

Veel komt terug op het hebben van een systeem dat signalen opvangt, zich aanpast en gesprekken met mensen voert, zodat we weten waar zij staan. Je kunt niet zomaar aannames doen en top-downverwachtingen door de organisatie laten sijpelen. Je moet mensen meenemen en onderweg bij de verandering betrekken.

David Rice: Het gaat dus niet alleen om productinnovatie, maar ook om aannames over menselijk gedrag. Je moet waarschijnlijk allerlei vragen beantwoorden: welke frictie is het oplossen waard? Hoeveel autonomie wil je mensen geven? Dit raakt aan beslissingen over werkontwerp: hoe moeten mensen met elkaar, met hun werk en met hun eigen ontwikkeling omgaan?

Taylor Blake: Er zijn inderdaad veel vragen. Dat is precies een van de redenen waarom we in experimenten geloven. We testen kleine concepten en proberen snel te begrijpen wat ze betekenen.

Iets wat nu als een goede oplossing voelt, kan over negen maanden een andere aanpak vereisen. Veel draait om meta-vaardigheden en capaciteiten zoals wendbaarheid en het vermogen om snel te begrijpen en te reageren, in plaats van alleen een oplossing, pakket of programma te hebben. Alles verandert nu zo snel.

David Rice: Je zei eerder dat AI werk met kleine gevolgen wegneemt. Wat overblijft, is vooral het oordeelsvermogen: strategie en het uitvoeren van werk op een andere snelheid.

Dat klinkt goed, maar het betekent ook dat mensen veel sneller in situaties met grote gevolgen terechtkomen, met minder tijd om zich te ontwikkelen. Hoe denk je in zo’n omgeving over paraatheid?

Taylor Blake: Ik luisterde naar een podcast van Freakonomics over luchtverkeersleiders. Ik had niet beseft hoe ingewikkeld dat werk is. Ze beheren allerlei variabelen, moeten voortdurend optimalisaties uitvoeren en beslissingen nemen. Het is enorm stressvol en veeleisend.

Technologie heeft alle eenvoudige optimalisaties overgenomen. Wat overblijft, zijn ingewikkelde onderdelen waarin kritisch oordeel nodig is en beslissingen grote gevolgen hebben. Dat kan veeleisend en overweldigend zijn.

Als je naar luchtverkeersleiders kijkt, zie je dat zij veel trainen en veel doen aan paraatheid, zowel aan de psychologische als aan de technische kant. Ze hebben verplichte pauzes en begrijpen de cognitieve complexiteit die hun rol vereist.

Onze chief product officer, Nikki Helmer, gebruikt een ander voorbeeld. Europese steden en grote steden zijn vaak goed beloopbaar. Je loopt naar de markt of naar het openbaar vervoer. Mensen die in door auto’s mogelijk gemaakte buitenwijken wonen, hebben die vanzelfsprekende reden om naar buiten te gaan en te lopen niet meer.

We kunnen niet naar ons werk of de supermarkt lopen. Daarom moeten we bewust redenen creëren om op te staan, naar buiten te gaan en te bewegen. Vroeger gebeurde dat vanzelf. Nu moeten we er doelbewust over nadenken. Volgens mij gebeurt hetzelfde met de veeleisende soorten werk waarmee we steeds vaker te maken krijgen.

David Rice: Hetzelfde geldt volgens mij voor de manier waarop we begrip ontwikkelen. We praten vaak over het verlies van werk op instapniveau of over lagere taken die worden geautomatiseerd.

Die lagere taken gaven ons vaak de context of achtergrondkennis van de mechanismen achter ons werk. We zullen doelbewuster moeten nadenken over hoe we onszelf dwingen die vaardigheden op te bouwen. Dat zal op een heel andere manier moeten.

Taylor Blake: Absoluut. Misschien is dit geen perfect voorbeeld, maar we hebben thuis problemen met de verwarmingsketel. We bellen de verwarmings- en ventilatiemonteurs en je merkt dat sommigen slechts oppervlakkig zijn opgeleid. Ze kennen misschien tien soorten oplossingen waarnaar ze zoeken. Als iets niet bij een van die tien past, zeggen ze dat je een nieuwe ketel nodig hebt.

Dan vind je de ouderwetse vakman die voor zichzelf werkt en dit al zijn hele leven doet. Hij weet hoe ieder onderdeel werkt en kan meteen zien: je moet dit alleen schoonmaken en dat repareren. Dan komt het goed. Hij begrijpt het hele systeem zo goed.

David Rice: Ja.

Taylor Blake: Dat verliezen we. We zullen die mogelijkheden doelbewust moeten creëren. Ik weet niet hoe lang het duurt voordat wij en organisaties de pijn gaan voelen van mensen die oppervlakkig weten wat er gebeurt, maar de intuïtie achter al die onderdelen niet echt begrijpen omdat ze het nooit op de moeilijke manier hoefden te leren.

We zullen die mogelijkheden zeker moeten creëren.

David Rice: Het is grappig. Ik liep vroeger vaak door een Home Depot of Lowe’s en dacht als schrijver en verhalenverteller dat alles daar een metafoor voor was. Ik vroeg me altijd af waarvoor mensen die spullen gebruikten.

Toen jij dit zei, dacht ik: we zijn allemaal op zoek naar Gene, die oudere man op de loodgietersafdeling. De jonge medewerker kan je misschien vertellen waar je een sleutel of een bepaald type leiding vindt. Maar Gene vertelt je hoe je alles monteert en welke kleppen je nodig hebt.

Hij is een bron van informatie. Dat is eigenlijk waar de hele wereld en al ons werk naartoe bewegen. Onderzoek laat volgens mij ook zien dat de waarde van medewerkers op seniorniveau met veel diepgaande kennis en organisatorische context exponentieel toeneemt.

Als je wilt dat AI complexe taken uitvoert, moet je het enorm veel context geven. Daarom is het interessant dat je dit noemt.

Taylor Blake: We hebben het vaak over context voor AI. Deze AI heeft een contextvenster van een miljoen tokens en we geven het documenten zodat het context heeft.

Vergelijk dat eens met mensen. Als we context met context vergelijken, hebben mensen over jaren heen enorm veel context opgebouwd. Veel daarvan is niet gedocumenteerd en onzichtbaar. We moeten menselijke expertise en menselijke capaciteiten echt verdedigen.

Veel van die waarde zit in de context die mensen meebrengen naar situaties en die voor anderen onzichtbaar kan zijn. We hebben betere manieren nodig om dat te verdedigen, te vertegenwoordigen en te waarderen, want het is enorm waardevol.

David Rice: Dat ben ik met je eens. Het gaat om de waarde van doorleefde ervaring. Misschien komt het doordat ik ouder word, maar ik denk dat we die ervaring soms niet genoeg waarderen. Het is de beste leermeester.

AI kan veel, maar het kan geen doorleefde ervaring hebben. Het kan de stille dingen niet begrijpen: hoe een algemeen directeur op iets reageerde, of welke gezichtsuitdrukking iemand maakte toen iets tijdens een bijeenkomst werd voorgesteld. Het kan dat allemaal niet opnemen en begrijpen zoals een menselijk brein dat kan. Daardoor is die ervaring oneindig waardevol.

Denk hier ook aan: vroeger hadden we een mix van werk met weinig en veel druk. Je noemde eerder balans. Nu AI een deel van het eenvoudige werk wegneemt, is er geen ingebouwde pauze meer. We klagen allemaal over het wisselen van context, maar soms kan dat juist goed zijn.

Ontwerpen we per ongeluk een burn-out? Hoe kunnen we dat tegengaan?

Taylor Blake: Ten eerste door te beseffen dat werk verandert. Er is een politieke serie op Netflix waarvan ik de naam niet meer weet. Daarin wordt besproken dat beslissingen op directieniveau vaak gaan tussen twee opties.

Het is geen verhouding van tachtig tegen twintig. Er is niet één duidelijk goed antwoord en één duidelijk fout antwoord. Het is bijvoorbeeld een verhouding van eenenvijftig tegen negenenveertig. Als iets zo duidelijk tachtig tegen twintig is, wordt het lager in de organisatie opgelost.

Steeds vaker gaat het niet alleen om hoge druk, maar ook om strategisch ingewikkelde zaken zonder duidelijk antwoord. Duidelijke antwoorden zullen steeds vaker automatisch worden gegeven. Het gaat dus niet alleen om mensen instrueren hoe ze beslissingen moeten nemen, maar ook om alles wat erna komt.

Je moet complexe beslissingen kunnen uitleggen en rechtvaardigen. Je moet kunnen omgaan met de frustratie van mensen die negatief door een beslissing worden geraakt en vragen waarom je die beslissing hebt genomen.

We moeten erkennen dat dit soort werk veel druk met zich meebrengt. Hoe beperken we die druk? We hebben het gehad over paraatheid en voorbereiding, en over nieuwe hulpmiddelen voor simulaties en coaching om mensen klaar te maken.

Er kan ook meer nadruk komen op teams. Luchtverkeersleiders doen dit eveneens. In een team deel je verantwoordelijkheid, zodat je elkaar kunt ondersteunen. We zullen misschien meer modellen zien waarin teams gezamenlijk ondersteuning bieden, zodat niet alles op één persoon terechtkomt.

Als alles op één persoon neerkomt, leidt die druk uiteindelijk tot een burn-out. Dat wil niemand.

David Rice: We moeten allemaal verantwoordelijkheid nemen voor het inbouwen van ruimte in ons systeem. Je moet weten wanneer de druk te hoog wordt. Zeker in leiderschapsposities, wanneer we nadenken over leiderschapsontwikkeling en leidinggeven tijdens deze overgangen.

We willen het emotionele vermogen van mensen niet afvlakken. Hoe ga je om met een situatie waarin steeds meer van hun werk bestaat uit besluitvorming met grote gevolgen en hoge druk? Dat blijft een voortdurende uitdaging. Tegelijkertijd voeren we de laatste jaren veel gezondere gesprekken over werk-privébalans, mentale gezondheid en soortgelijke onderwerpen.

Het is tijd om wat we uit die gesprekken hebben geleerd in dit moment toe te passen.

Taylor Blake: We zullen ook de keerzijde zien. Er is sterk ingezet op efficiëntie en meer doen met minder. Op het eerste gezicht kan AI veel aan. Maar achter de schermen, en dat is ook de doorleefde ervaring van mensen, doet AI veel meer voor me en toch voel ik me drukker dan ooit.

Het aantal uitzonderingen en beslissingen, en de hoeveelheid zaken die moeten worden uitgezocht, blijft groeien. We zullen de gevolgen zien van die nadruk op efficiëntie en optimalisatie. Je kunt niet alles optimaliseren en verwachten dat het systeem gezond blijft.

Er zijn zoveel onzichtbare variabelen. Omdat ze niet zichtbaar zijn, worden ze niet meegenomen in de optimalisatie. Uiteindelijk gaan ze kapot en besef je dat het systeem moet worden gerepareerd.

David Rice: Absoluut.

Je werkt in een omgeving waarin snel falen vaak wordt aangemoedigd. Maar wanneer je experimenteert in echte organisaties, worden echte mensen geraakt. Hoe houd je ruimte voor zowel ambitie als verantwoordelijkheid? Soms worden we erg ambitieus en ook een beetje roekeloos.

Is er onlangs een moment geweest waarop die spanning voor jou zichtbaar werd?

Taylor Blake: Een van de redenen waarom we experimenteren, is dat we niet willen experimenteren binnen klantorganisaties met echte mensen die gewoon hun werk proberen te doen. We halen de dingen die we testen naar buiten en doen dat op kleinere, meer afgebakende manieren.

We proberen dus te experimenteren en tegelijkertijd risico’s te beperken. Wat betreft de spanning tussen een snel veranderende wereld, ambitie en de gevolgen: dit is niet noodzakelijkerwijs een werkvoorbeeld, maar het is wel het voorbeeld dat me bijbleef.

Het gaat over mijn kinderen. Mijn oudste dochter is tien. Afgelopen zomer bouwde ze een vlindertuin in onze achtertuin. Ze deed onderzoek naar planten en naar manieren om vlinders aan te trekken. Het was een heel schattig en geweldig project voor haar.

Ze deed al dat onderzoek en ik liet haar AI gebruiken. Ze liet AI haar vlindertuin zien en vroeg advies over de verzorging van verschillende planten. Later kwam ze naar me toe en vroeg of ze mijn telefoon mocht gebruiken omdat ze opnieuw met AI wilde praten.

Ik vroeg wat haar vraag was en waarom ze ermee moest praten. Ze zei dat ze geen specifieke vraag had, maar dat AI zo aardig tegen haar was. Er waren zoveel aardige dingen tegen haar gezegd dat ze er gewoon mee wilde praten.

Bij mij gingen meteen alarmbellen af. Welke relatie ontstond hier waar ik geen rekening mee had gehouden? Mijn dochter zocht niet langer mijn bevestiging of die van mijn vrouw. Ze was nu zo gefocust op het krijgen van bevestiging van AI en hoopte dat AI aardige dingen tegen haar zou zeggen.

Dat herinnert me eraan dat zelfs ogenschijnlijk eenvoudige toepassingen zoveel neveneffecten en gevolgen kunnen hebben die moeilijk te voorspellen zijn. Een van de dingen waarin ik beter moet worden, is mijn team door dat proces leiden.

We bedenken nieuwe, ambitieuze ideeën en zijn enthousiast. Daarna moeten ze verschillende rondes doorlopen waarin mensen vragen: heb je hieraan gedacht? Waarom doe je het op deze manier? Het kan voelen alsof iedereen probeert gaten in het idee te schieten, maar eigenlijk is het een verfijningsproces.

Voordat we iets uitbrengen, moeten deze zaken vanuit veel verschillende invalshoeken kritisch worden beoordeeld. De reis van een eerste idee waar we enthousiast over zijn naar een idee dat grondig is getest en waar we voldoende vertrouwen in hebben om het uit te brengen, is zeker interessant.

David Rice: Ik vind het geweldig dat jullie dit inbouwen als een ethisch beschermend kader. We moeten onszelf moeilijke vragen stellen.

Wanneer we dit soort dingen bouwen, kunnen we dat doen zonder filosofisch na te denken. Maar het is waarschijnlijk beter om dat wel te doen. Veel van wat we bouwen verandert de dag van mensen en de manier waarop ze omgaan met dingen die belangrijk voor hen zijn.

Het voorbeeld met je dochter is heel interessant. Ik zie dit ook steeds vaker. Ik vind het goed dat jullie intern die gesprekken voeren en vragen wat we niet zien. Dat is volgens mij iets waar we allemaal mee moeten beginnen.

Taylor Blake: Er zijn zeker blinde vlekken. Wanneer mensen je daarop wijzen, hoor je dat iets wat je hebt gebouwd weliswaar goed is, maar ook een negatief effect of gevolg heeft gehad waar je niet aan had gedacht.

Je moet ervan uitgaan dat zulke dingen zullen gebeuren. Je moet ervoor openstaan en manieren vinden om ze in het ontwerpproces op te nemen. Ik wil ook dat bedachtzame, bezorgde mensen deel uitmaken van dit proces.

Als de enige mensen die AI-tools bouwen degenen zijn die ervan uitgaan dat AI geen negatieve gevolgen heeft, wordt het een ramp. We hebben bedachtzame, bezorgde mensen nodig die evenveel of meer nadenken over de mogelijke nadelen. Ze moeten deze technologie niet negeren, maar aan het proces deelnemen en ons helpen zaken te creëren die doordacht en verantwoord zijn.

David Rice: Taylor, bedankt dat je vandaag te gast was. Ik heb ervan genoten.

Taylor Blake: Bedankt voor de uitnodiging. Dit was ook nuttig voor mij. We hadden het over reflectie en dit was een kans om na te denken over enkele zaken die ik zelf overweeg. Dat waardeer ik enorm.

David Rice: Luisteraars, als je dat nog niet hebt gedaan, ga dan naar peoplemanagingpeople.com/subscribe en schrijf je in voor de nieuwsbrief. Je krijgt de nieuwste updates over alles wat we doen: van evenementen en podcasts tot aankomende contentseries, noem maar op.

Tot de volgende keer: test, maar stel jezelf ook de moeilijke vragen.