Slechts 10% van de leiders gebruikt AI—wie leert het dan aan de rest?

Slechts 10% van de senior leiders geeft toe AI te gebruiken. Dat roept een ongemakkelijke vraag op: als de leiding de tools eigenlijk niet gebruikt, wie leert dan precies alle anderen hoe ze ermee moeten werken? Steeds vaker is het antwoord: collega's. In dit gesprek uit Transform gaat David Rice om de tafel met terugkerende gast Kamaria Scott om te bespreken waarom AI-adoptie steeds minder een top-downtransformatie-initiatief wordt en steeds meer een wereldwijd experiment in leren van collega's dat zich in realtime voltrekt.

Ze onderzoeken de groeiende spanning tussen de organisatorische druk om AI te adopteren en het volledige gebrek aan capaciteit dat veel medewerkers hebben om er daadwerkelijk mee te experimenteren. Onderweg gaan ze in op het toerusten van managers, het wegkwijnen van vaardigheden, leerwendbaarheid, prestatiemanagement en de ongemakkelijke mogelijkheid dat bedrijven juist de expertise automatiseren die medewerkers nodig hebben om te beoordelen of AI-output überhaupt goed is. Het resultaat is een openhartig gesprek over waarom managers de bottleneck bij AI-adoptie kunnen worden — en waarom organisaties die vóór dit moment geen echte leerculturen hebben opgebouwd daar nu de prijs voor betalen.

Wat je leert

  • Waarom AI-adoptie mislukt wanneer organisaties geen ruimte voor experimenten creëren
  • Hoe leren onder leiding van collega's stilletjes de echte strategie voor het toerusten van medewerkers met AI wordt
  • Waarom managers — en niet HR — uiteindelijk bepalen of AI-adoptie slaagt
  • De risico's van het wegkwijnen van vaardigheden en het verliezen van het vermogen om kwalitatief goed werk te beoordelen
  • Hoe AI menselijke expertise kan versterken in plaats van vervangen
  • Waarom “leerwendbaarheid” een cruciale organisatorische vaardigheid is geworden
  • Hoe prestatiemanagement eruit kan zien wanneer AI-agenten een deel van het werk uitvoeren
  • Hoe organisaties gezondere AI-culturen kunnen creëren in plaats van reactief AI-beleid

Belangrijkste inzichten

  • AI-adoptie mislukt zonder vrije tijd.
    Je kunt de hele dag AI-initiatieven financieren, maar als van medewerkers wordt verwacht dat ze hun volledige werkbelasting behouden en daarnaast “experimenteren”, stokt de adoptie onmiddellijk. Managers bepalen de beschikbare capaciteit veel sterker dan strategische presentaties.
  • Leren van collega's wordt het dominante leermodel.
    De mensen die de nuttigste AI-werkwijzen ontdekken, leren van collega's die hetzelfde werk doen — niet van leidinggevenden die keynote-toespraken houden over transformatie.
  • Managers worden de bottleneck voor AI.
    Elke organisatiestrategie loopt uiteindelijk via leidinggevenden op de werkvloer. Als managers niet worden toegerust en begeleid en zelf geen ruimte krijgen om te experimenteren, sterft de strategie daar.
  • AI moet expertise versterken — niet vervangen.
    Kamaria schetst het gevaar perfect: mensen dreigen “menselijke interfaces” voor AI-output te worden in plaats van experts die hun beoordelingsvermogen en ervaring inzetten om die output te verbeteren.
  • Vaardigheden eroderen nu al.
    Medewerkers kunnen technisch correcte resultaten produceren terwijl ze het vermogen verliezen om te beoordelen of het werk daadwerkelijk goed is. Dat is een veel groter probleem dan de vraag of iemand AI heeft gebruikt om een e-mail op te stellen.
  • Passieprojecten creëren veiligere omgevingen om te experimenteren.
    Medewerkers beschermde tijd geven om AI te verkennen rond werk waar ze al om geven, zorgt voor veel meer betrokkenheid dan algemene adoptieverplichtingen opleggen.
  • Organisaties hebben nooit echt leerculturen opgebouwd.
    Veel bedrijven hebben jarenlang leertijd naar de achtergrond geschoven ten gunste van factureerbare inzet. Nu beginnen ze aan een enorme technologische transitie zonder medewerkers met een sterke leerwendbaarheid.
  • Prestatiemanagement belandt op vreemd terrein.
    Als AI-agenten de helft van het werk uitvoeren, wat beoordelen organisaties dan precies? Output? Beoordelingsvermogen? Vaardigheid in het formuleren van prompts? Samenwerking? Bedrijven proberen dit nog steeds in realtime uit te zoeken.

Hoofdstukken

  • 00:00 — Knelpunten bij AI-adoptie
  • 02:31 — Managers en de uitrol van AI
  • 04:15 — Leren van collega's op het werk
  • 05:05 — AI-passieprojecten
  • 07:51 — Experimenteermoeheid
  • 09:01 — Administratief werk automatiseren
  • 10:34 — AI als krachtvermenigvuldiger
  • 11:42 — De terugkeer van menselijk schrijfwerk
  • 13:54 — Door AI geschreven communicatie
  • 15:27 — Risico's van verschraling van vaardigheden
  • 18:09 — Menselijk oordeel versus AI-output
  • 20:58 — Waarom expertise nog steeds belangrijk is
  • 23:06 — Mislukkingen op het gebied van leervermogen
  • 25:42 — AI en de backlash bij werving
  • 26:24 — Prestatiebeoordelingen in het AI-tijdperk
  • 27:52 — AI als startpunt voor een gesprek
  • 29:35 — Laatste reflecties

Maak kennis met onze gast

Kamaria Scott is de oprichter en CEO van Enetic, een technologie- en innovatiebedrijf dat zich richt op het helpen van organisaties om AI, automatisering en opkomende technologieën in te zetten voor slimmere bedrijfsresultaten. Met een achtergrond in digitale transformatie, strategie en operationeel leiderschap werkt ze samen met leiders en teams om de kloof tussen innovatie en praktische uitvoering te overbruggen. Kamaria staat bekend om haar vooruitstrevende benadering van AI-adoptie, organisatorische groei en toekomstgericht leiderschap. Ze helpt bedrijven bij het navigeren door veranderingen en bij het opbouwen van wendbaardere, mensgerichte systemen. 

You may also like