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

David Rice: Slechts 10% van de senior leiders geeft toe AI te gebruiken, dus wie leert het precies aan de rest? Niemand. We zien steeds vaker dat we ons midden in een wereldwijd moment van leren van elkaar bevinden. Maar op organisatieniveau zijn we nog steeds aan het uitzoeken wat dat betekent voor de manier waarop we functies en verantwoordelijkheden ontwikkelen.

In de aflevering van vandaag hoor je een gesprek dat ik had met Kamaria Scott bij Transform. Misschien herinner je je Kamaria nog. Ze is een vriendin van de show en ze gaat vertellen waarom managers op het punt staan een knelpunt te worden. Hoewel jouw organisatie AI misschien heeft uitgerold met een goed gefinancierde strategie en je nu de adoptie meet, wordt het antwoord op de vraag wie het dagelijkse werk van mensen bepaalt steeds minder duidelijk.

Zijn dat HR, leiders van bedrijfsonderdelen of operationele teams? Wie bepaalt of je medewerkers tijd krijgen om te experimenteren, of dat elke minuut van de dag factureerbaar moet zijn? De tools ontwikkelen zich snel. Agenten kunnen nu dingen doen die LLM's niet konden, en de mensen die tijdens deze verschuiving het meest leren, leren dat niet van leiders.

Ze leren van elkaar, van andere mensen die hetzelfde werk doen als zij. En ondanks dat zien we vaardigheden achteruitgaan. Niet alleen communicatievaardigheden die afnemen omdat mensen AI gebruiken om e-mails te schrijven; we hebben het over het vermogen om kwaliteit te beoordelen, om naar AI-output te kijken en te weten of die goed is. Er groeit de zorg dat generatie X en millennials misschien de laatste generaties met diepgaande expertise worden, omdat de volgende generaties zoveel werk uitbesteden dat ze geen fundamentele vaardigheden ontwikkelen om te beoordelen wat ze produceren.

Vandaag bespreken we dus waarom het model van passieprojecten de adoptiestrategie is die je mist, het probleem van de menselijke interface die een doorgeefluik voor AI-output wordt in plaats van een expert, hoe prestatiemanagement eruitziet wanneer agenten de helft van het werk doen, waarom organisaties er vóór dit moment niet in slaagden leergierigheid te ontwikkelen en hoe je ervoor zorgt dat mensen expertise ontwikkelen om de kwaliteit van AI-output te beoordelen.

Ik ben David Rice. Dit is People Managing People. En als je adoptie hebt verwacht zonder capaciteit voor experimenten te creëren, laat dit gesprek zien waarom je strategie op managementniveau vastloopt. Dan geef ik het woord aan mijzelf en Kamaria.

Goed, we zijn hier bij Transform. Ik ben met Kamaria Scott, die je kent van eerdere podcastafleveringen.

We zijn hier bij Transform. Het is geen verrassing dat we hier zijn. We wisten dat we zouden komen. Maar het is wel een verrassing dat we samen aan tafel zitten voor dit gesprek. Ik wilde beginnen met de vraag: waar kijk je deze week naar uit en wat hoor je tot nu toe dat je interessant vindt?

Kamaria Scott: Ja. Iedereen die mij kent, weet dat managers mijn passie zijn en dat ik me daar helemaal in thuis voel. Hun ervaring is echt belangrijk voor me. Deze week luister ik specifiek naar alle gesprekken waarin de managerervaring en AI elkaar raken. Hoe helpen we hen om AI met hun teams uit te rollen en om te gaan met wat in de meeste organisaties toch een grootschalige verandering is?

David Rice: Ja. Waar ben je tot nu toe geweest en wat heb je eraan gehad?

Kamaria Scott: Interessant genoeg was mijn favoriete onderdeel gisteren, waarover ik ook op LinkedIn heb gepost, de AI-spelshow voor senior chief-

David Rice: O, die heb ik gemist...

Kamaria Scott: C—CHRO's. Ja. Iets als Compete to Transform.

Wat ik eraan overhield en echt geweldig vond, was dat een van de panelleden zei dat de oorspronkelijke vraag was: hoeveel bedrijven hebben eigenlijk een strategie?

David Rice: Ja.

Kamaria Scott: En een van de panelleden zei: "Het maakt niet echt uit of je een strategie hebt, en zelfs niet of je die strategie financiert, als je mensen in hun gewone werk niet genoeg tijd geeft om met deze tools te experimenteren en uit te zoeken hoe ze die kunnen gebruiken, dan faal je in adoptie." Ja. Terwijl ze vertelde wat daarvoor nodig was—het vermogen om een idee te hebben en te zeggen: "AI kan je hiermee helpen"—zei ik bij alles wat ze beschreef: ja, dit gebeurt allemaal op teamniveau.

Daar bevinden de managers zich. Maar mijn vraag tijdens die sessie was: dit is geweldig, we zitten hier te luisteren naar CHRO's die hierover praten, maar HR heeft vaak geen controle over het dagelijkse werk van mensen. Dat doen de bedrijfsonderdelen en senior operationele leiders. Dus mijn vraag was: hoe beïnvloeden jullie senior leiders van bedrijfsonderdelen, of hoe gaan jullie met hen in gesprek, zodat mensen de tijd krijgen om te experimenteren met deze tools waarvan we verwachten dat ze die gaan gebruiken?

David Rice: Ja. Een van de dingen die ik gisteren interessant vond en die ik steeds vaker opmerk in gesprekken, is dat er een sterker verhaal ontstaat over een stapje terug doen en mensen elkaar laten onderwijzen. Want van de andere mensen in je team die hetzelfde werk doen als jij, leer je waarschijnlijk de nuttigste dingen.

Je hoeft het niet voorgedaan te krijgen, en op die manier blijft het toch nooit hangen.

Kamaria Scott: Nee.

David Rice: En we zien dat nu voortdurend gebeuren.

Kamaria Scott: Mensen experimenteren met hun echte leven, maar wat ze nodig hebben is capaciteit.

David Rice: Ja.

Kamaria Scott: Deze tools veranderen letterlijk per uur. Iets wat gisteren niet kon, kan vandaag wel. En persoonlijk kan ik al mijn tijd besteden aan het heen en weer gaan tussen wat Claude doet en wat Perplexity doet, maar ik heb ook gewoon echt werk te doen.

David Rice: Ja.

Kamaria Scott: Het beste wat ze naar mijn mening kunnen doen, is mensen geven wat ik altijd "speeltijd" noem: tijd om te experimenteren en te spelen. Ik heb binnen mijn teams altijd gepleit voor passieprojecten. Lang voordat AI bestond, zei ik al: "Als je in mijn team zit, geef ik je 10% van je tijd voor een passieproject." Mijn twee regels waren: ten eerste houd ik je niet voortdurend in de gaten, want dit is voor jou. En ten tweede moet het zowel jou als het bedrijf ten goede komen; je kunt mijn tijd dus niet gebruiken om thuis brood te bakken.

Ik denk dat dit een perfecte kans is voor managers om hun teams passieprojecten te geven en te zeggen: "Luister, zoek iets wat je elke dag doet en ontdek hoe AI je kan helpen het beter te doen." En laten we over acht weken samen een presentatie geven.

Het maakt me niet uit of je in teams samenwerkt. Zoek iets dat jou én mij ten goede komt. Als het bouwen van een takenlijst om je ADD-vlinders te temmen je thuis en op het werk helpt, dan ben ik ervoor. Ga ervoor.

David Rice: Ja. Ik woonde gisteren een sessie bij die echt draaide om strategieën waarin vaardigheden centraal staan. Ze zeiden dat je vaardigheden voorop moet zetten. En wat staat voor een medewerker centraal? Niet de CEO die aan het woord is, maar de mensen met wie zij hun werk ervaren.

Kamaria Scott: Ja.

David Rice: Daarom horen we volgens mij steeds meer over AI-experimenten en educatie die door collega's worden geleid.

Kamaria Scott: Ik denk dat senior leiders die zelf niets implementeren of adopteren, mensen niets kunnen leren. Ik merk vaak dat ik aan de manier waarop senior leiders praten bijna kan horen dat ze AI niet gebruiken.

David Rice: En slechts 10% geeft daadwerkelijk toe dat ze het gebruiken.

Kamaria Scott: Precies. Als je bovenaan niet echt leiding geeft, hoe leer je mensen dan vaardigheden aan? We bevinden ons midden in een revolutie waarin maar weinig mensen zoveel ervaring hebben dat ze iemand anders kunnen onderwijzen. We leren en groeien allemaal samen.

Een paar weken geleden organiseerde Lovable een evenement voor Internationale Vrouwendag, met allerlei Lovable She Builds-evenementen. We kwamen samen met onze laptops en maakten al coderend dingen die in ons hoofd zaten. Ik werkte aan een soort dashboard ter ondersteuning van managers.

Omdat we daar met andere mensen zaten, konden we heen en weer vragen: "Hoe heb je dat gedaan? Je hebt een API gekoppeld. Vertel eens, hoe deed je dat?" We leerden van elkaar. Ik denk dat we ons in een soort wereldwijd moment van leren van elkaar bevinden.

David Rice: Wauw.

Kamaria Scott: Het is dus een heel spannende tijd. Als mensen bedenken hoe ze dat op het werk kunnen benutten, zodat ze mogelijkheden creëren om van elkaar te leren, kan dat een geweldig onderdeel van hun adoptiestrategie zijn.

David Rice: Een belangrijk onderdeel daarvan is dat je psychologische ruimte moet kunnen creëren. De wereld is op dit moment, zacht uitgedrukt, overweldigend.

Kamaria Scott: Dat klopt.

David Rice: Het is daarbuiten nogal chaotisch en mensen nemen dat mee naar hun werk. Vervolgens zeg je tegen hen: "Je moet experimenteren." Dan denken ze: "Kan ik gewoon mijn werk doen?" Veel mensen voelen dat waarschijnlijk zo.

Je moet met dat alles rekening houden. Je moet ruimte creëren waarin experimenteren natuurlijk aanvoelt, alsof het onderdeel is van het werk en niet alsof je mensen vraagt iets extra's te doen. Ik wil niet dat je het wiel opnieuw uitvindt, maar ik wil wel dat je opnieuw nadenkt over wat er mogelijk is in jouw rol.

Kamaria Scott: Misschien kunnen we het anders formuleren: de wereld is nogal chaotisch en er gebeurt veel. Hoe kun je leren dit zo te gebruiken dat het je leven of je werk gemakkelijker maakt?

Ik vertelde je vóór dit gesprek dat ik een idee had en een whitepaper wilde schrijven. Ik heb een hekel aan whitepapers schrijven. Ik kon AI gebruiken om die snel op papier te zetten en af te ronden. Geweldig.

Als er dingen zijn die ik niet leuk vind om te doen of waar ik niet goed in ben, kan ik AI dan gebruiken om me daarbij te ondersteunen? Dan houd ik meer tijd over voor de onderdelen van mijn werk die ik wel leuk vind. Ik houd ervan om met mensen te werken, te praten, te trainen en te coachen. Administratieve taken vind ik minder leuk.

Als ik kan uitzoeken hoe AI me met die administratieve taken kan helpen, is dat geweldig. Voor deze conferentie wilde ik bepaalde mensen ontmoeten en hen doordachte berichten sturen, geen standaardtekst. Ik kon Claude en Perplexity gebruiken om diepgaand onderzoek te doen naar de mensen die ik wilde ontmoeten. Vervolgens genereerden ze aangepaste versies van mijn berichten.

Wat me waarschijnlijk weken had gekost, kon ik in een paar dagen doen. Daarna kon ik weer tijd besteden aan mijn mensenwerk en had ik hier geweldige gesprekken.

David Rice: Ik zou dat onderschrijven. Ik probeer onze teams intern aan te moedigen AI te gebruiken voor dingen waarvoor ze niet zijn aangenomen. Je hebt het bijvoorbeeld niet nodig om voor jou te schrijven als je als schrijver bent aangenomen.

Kamaria Scott: Ja.

David Rice: Voor mij helpt AI bijvoorbeeld om een redactionele rode draad te vinden die door alles heen loopt en om een samenhangender boodschap te creëren. Het versterkt dus een zwak punt van mij. Dat vind ik een geweldige mogelijkheid.

Kamaria Scott: Ja.

David Rice: We moeten allemaal nadenken over wat ons het meest helpt. Als schrijver heb ik er misschien niet zoveel aan dat AI voor mij schrijft.

Kamaria Scott: Nee. Ik denk juist dat menselijk schrijven een zeer gewaardeerde vaardigheid kan worden, omdat we allemaal genoeg hebben van teksten met lange gedachtestreepjes en steeds dezelfde formuleringen.

Ik ben zelf nogal een menselijke vlinder. Wanneer ik aan een project begin, begin ik in het midden. Zelfs iets als: "Help me de aanpak hiervoor te organiseren" kan dan nuttig zijn.

David Rice: Kunnen we het begin automatiseren?

Kamaria Scott: Precies.

David Rice: Zodat ik in het midden kan instappen.

Kamaria Scott: Help me op weg. Als we er zo over nadenken, kunnen we mensen helpen om betere versies van zichzelf te worden op het werk.

Daarom houd ik zo van het idee van een passieproject. Je zegt niet: "Zoek iets voor het bedrijf en dwing jezelf daarin," maar: "Waar ben je van nature in geïnteresseerd?"

Vóór AI liet ik mijn team al passieprojecten doen. Iemand wilde bijvoorbeeld een bouwer voor werkruimtes maken om haar programmeervaardigheden te testen. Uiteindelijk bouwde ze iets waarmee onze interne klanten zelf hun werkruimtes konden maken. Wij hoefden dat niet langer individueel voor hen te doen; we begeleidden hen alleen. Dat was geweldig voor haar, voor mij en voor onze klanten.

David Rice: Als we AI-adoptie op die manier benaderen—wat interesseert je, wat vind je leuk, en hoe creëren we een win-winsituatie voor jou en het bedrijf—dan kan dat mensen persoonlijk motiveren.

Ik hoor HR-leiders vaak klagen dat mensen AI gebruiken om e-mails te schrijven. Ze ergeren zich aan de ontwikkeling van communicatievaardigheden en merken dat collega's kunnen zien wanneer iemand AI heeft gebruikt. Mijn vraag is dan: heb je hen ooit verteld dat ze dat niet moesten doen? Heb je uitgelegd welke toepassingen het bedrijf waardevol vindt?

Je hebt een AI-filosofie nodig die verder gaat dan "gebruik ChatGPT niet" of "doe dit niet". Een beleid vertelt mensen wat niet mag. Wat vertelt hun wat er wél mogelijk is?

Kamaria Scott: Mensen zitten nog in de experimenteerfase. Buiten het feit dat ze natuurlijk geen bedrijfsgeheimen moeten invoeren, zoeken de meeste mensen nog uit hoe ze ermee moeten werken.

De grotere uitdaging is voor mij niet zozeer het schrijven van e-mails, maar het verschralen van denkvaardigheden. Ik had ooit een moment waarop ik een e-mail zelf had geschreven en dacht: "Mijn hemel, ik heb een e-mail geschreven." Ik was zo gewend geraakt aan de opdracht: "Schrijf een e-mail waarin je dit zegt," en vervolgens kopiëren en plakken.

Dan vraag je je af: ben je je vermogen kwijtgeraakt om te schrijven of je gedachten op papier te zetten? Managers moeten zo'n e-mail kunnen zien en vragen: "Heb jij deze e-mail geschreven? Is het een goede e-mail?"

Ik vind AI overigens geweldig voor e-mails. Omdat ik ADHD heb, zie ik typefouten, ontbrekende woorden en letters vaak niet. Ik kreeg vroeger echt stress van belangrijke e-mails, omdat er bijna altijd een fout in stond. Ik dicteer nu wat ik wil zeggen en laat AI het uitschrijven. Daarna controleer ik het en vertel ik AI wat er anders moet. Het overbrugt een kloof voor mij.

David Rice: Ik ben schuldig aan het framen daarvan als iets onbenulligs. Maar als ik aan mijn professionele ontwikkeling denk, was ik vroeger soms te reactief. Ik schreef e-mails waar ik later van dacht: dat had ik misschien niet moeten zeggen. Ik had graag een AI-denkpartner gehad die zei: "David, doe het wat rustiger aan." Het zou goed zijn geweest om die hulp te hebben.

Toch was de beloning voor mij door de jaren heen dat ik leerde niet reactief te zijn en beter en effectiever te communiceren. Dat is precies waar mensen zich zorgen over maken: dat kritisch denken en het leren communiceren verdwijnen.

Kamaria Scott: Wat ik hoor, is dat er achter alles wat je produceert een denkproces zit. Bij vrijwel elke beslissing is er een reden of onderbouwing. In instructieontwerp is er bijvoorbeeld een reden voor elk leerdoel en elke activiteit.

Als ik dat aan AI overdraag en zeg: "Bouw een cursus over X, Y en Z," zijn de leerdoelen vaak oppervlakkig. Ze bevatten woorden als "leren", waarvan we allemaal weten dat ze geen goed leerdoel vormen. De voorbeelden missen nuance.

Als iemand AI gebruikt om leerdoelen of activiteiten te maken, moet ik kunnen vragen: "Is dit goed? Waarom wel of niet? Als we dit aan klanten voorleggen, bereiken zij dan het resultaat dat we willen?"

Ik vind het dus niet erg als je AI voor je e-mail gebruikt, maar heeft de e-mail de juiste boodschap overgebracht? Zet hij mensen aan tot actie? Zit de nuance erin? People managers en organisaties moeten managers ondersteunen bij de coaching die nodig is, zodat mensen niet zomaar AI-output aanleveren zonder erover na te denken.

David Rice: Je wilt geen menselijke interface van de output van een systeem zijn. Je wilt dat het je expertise versterkt en die beter verwoordt.

Kamaria Scott: Precies. Als je een souschef bent en je laat de AI de chef-kok zijn, dan is dat het probleem. Ik betaal voor jouw expertise en ervaring.

Het grotere probleem is dat mensen hun expertise verliezen naarmate we AI steeds meer werk laten doen. Ze verliezen het vermogen om de output te bekijken en te beoordelen. Voor generatie X en millennials zijn wij waarschijnlijk de laatste generatie met diepgaande expertise in ons werk.

Een goede promptschrijver zijn is niet hetzelfde als een goede instructieontwerper zijn. Besteden we zoveel werk uit dat mensen de fundamentele vaardigheden niet meer ontwikkelen om te zien of de output kwalitatief goed is?

Wanneer ik AI voor marketing gebruik, weet ik soms niet of het antwoord klopt, omdat het zo zelfverzekerd klinkt. Hoe zorg je ervoor dat mensen de juiste ervaringen opdoen om output te kunnen beoordelen? Ze moeten soms zelf e-mails schrijven, zodat ze kunnen zeggen: "Dat zou ik nooit zo formuleren" of "Dit is geen goed geschreven e-mail." Hun ervaring moet hen vertellen waarom iets goed of slecht is.

David Rice: Absoluut. We praten voortdurend over vaardigheden: mensen aannemen op basis van vaardigheden en hen voor vaardigheden ontwikkelen. Maar vervolgens voeren we iets in dat de meeste van die vaardigheden kan uithollen.

Kamaria Scott: Dat doen we al jaren. Dit is waar organisatiecultuur belangrijk wordt. Ik werkte ooit in een leerteam dat een product aanschafte dat medewerkers automatisch vertelde wat ze moesten leren. Maar een groot deel van leren is juist dat je zelf de kloof identificeert.

Het feit dat technologie iets kan doen, betekent niet dat je haar het ook moet laten doen. Als je stopt met nadenken en zelf je ontwikkelpunten identificeren, sluit je die kloof niet zelf.

We zien vaardigheden dus afnemen doordat we steeds meer automatiseren en mensen minder zelf laten doen. Daarbij hebben we geen leergierigheid ontwikkeld. Als iemand die leerfuncties heeft geleid, heb ik vaak gehoord: "We hebben besloten dat mensen 40 uur leertijd moeten krijgen," waarna het bedrijfsonderdeel zei: "Niet met mijn geld en niet tijdens mijn factureerbare uren."

We hebben geen echte leercultuur ontwikkeld en bevinden ons nu in een grootschalig leermoment waarin mensen niet de leergierigheid hebben die ze nodig hebben.

David Rice: Daar wil ik alleen maar voor applaudisseren.

Kamaria Scott: Wat moet je daar nog aan toevoegen?

David Rice: Waar kijk je hier nog naar uit?

Kamaria Scott: Eerlijk gezegd naar meer van hetzelfde. AI is overal het thema van de dag. De kruising tussen mensen en leiderschap zal altijd mijn hart hebben. Ik kijk ernaar uit om te horen hoe bedrijven hun people managers ondersteunen en in staat stellen.

Managers moeten nog steeds de basis kennen: coachen en ontwikkelen. Die basis wordt alleen maar belangrijker. Elke strategie loopt uiteindelijk via people managers. Daar kan de strategie uit elkaar vallen.

David Rice: Ik ben benieuwd naar de gesprekken over werving. AI beoordeelt nu alle cv's en dat is een ramp geworden. Welke gegevens gaan we bekijken en hoe beoordelen we mensen? Er is veel wrok op de arbeidsmarkt. Mensen moeten assessments maken zonder daarvoor betaald te worden, doorlopen zeven of acht interviewrondes en worden vervolgens genegeerd.

Kamaria Scott: Ik ben vooral geïnteresseerd in prestatiemanagement met AI. Wat betekent anciënniteit nog als informatie is gedemocratiseerd? Hoe ziet prestatie eruit wanneer mensen het werk niet meer volledig zelf doen en agenten de helft van het werk uitvoeren?

Hoe beoordeel je mijn prestaties als ik het werk niet meer volledig zelf doe? Vraag je me volgend jaar bij mijn beoordelingsgesprek alleen: "Heb je AI geleerd?" En geef je me dan de beoordeling "uitstekend"? Of kijk je naar de totale output? Wat betekent goede prestatie in deze nieuwe omgeving?

David Rice: Ik denk de laatste tijd veel na over prestatiemanagement met AI. Sommige mensen vinden door AI gegenereerde beoordelingen effectiever en de feedback beter, maar zodra ze horen dat AI eraan te pas kwam, vertrouwen ze het niet meer.

Kamaria Scott: Je moet er transparant over zijn en nooit liegen. Zeg gewoon: "We gaan dit gebruiken." Als de tool iets genereert dat de manager en medewerker vervolgens samen bespreken, in plaats van dat het de enige waarheid wordt, is dat waardevol.

Het is een gegevenspunt. Zo zou prestatiemanagement altijd moeten werken: als een gesprek dat overeenstemming en gedeeld begrip creëert over hoe het jaar is verlopen.

Vaak zegt iemand aan het einde van het jaar: "Ik was een vijf," en zegt de manager: "Nee, je was een drie." Dan verschillen ze van mening. Een neutraal startpunt op basis van gegevens kan het gesprek openen.

Een assessment is nooit het einddoel; het is de start van een gesprek. Ook prestatiemanagement is een beoordeling van je prestaties die bedoeld is om een gesprek te beginnen, waarna je samen tot een midden komt.

Nu hebben we een sterkere en iets minder subjectieve gegevensset. We kunnen een ander gesprek voeren dan alleen: Davids mening over Kamaria tegenover Kamaria's mening over zichzelf.

David Rice: Ik heb zelf ook beoordelingen ingevuld waarbij ik dacht: "Ik gaf mezelf een vier omdat ik niet arrogant wilde lijken."

Er is voor ons allebei dus veel om naar uit te kijken. Fijn je hier weer te zien.

Kamaria Scott: Altijd.

David Rice: Goed, daarmee sluiten we deze aflevering af. Luister naar de volgende. En als je dat nog niet hebt gedaan: schrijf je in voor de nieuwsbrief en volg ons op YouTube en alle sociale media, zodat je dit allemaal rechtstreeks in je feed ontvangt.