Waarom AI-transformatie begint met organisatorische duidelijkheid

David Rice: De ingrediënten om rendement uit AI te halen hebben heel weinig met de technologie te maken. Dat is geen voorbehoud. Dat is wat onze gast van vandaag heeft geleerd door bij Zapier te bouwen en met meer dan honderdvijftig managers uit verschillende sectoren te praten. Iedereen stelt dezelfde vraag: wat is het meest de moeite waard om met AI te doen? En die vraag kun je niet beantwoorden zonder organisatorische duidelijkheid. Wat proberen we hier eigenlijk te bereiken? Wat is er nodig om uitmuntend te zijn? Als een team ook maar iets minder dan volledige duidelijkheid over die vragen heeft, is dat het startpunt — niet de hulpmiddelen.

In de aflevering van vandaag praat ik met Brandon Sammut, Chief People and AI Transformation Officer bij Zapier, over wat organisaties die daadwerkelijk waarde uit AI halen onderscheidt van organisaties die nog steeds rondjes draaien. Het komt steeds weer neer op de fundamenten. Mensen zien hoe concurrenten werknemers ontslaan. Er is overal angst en onzekerheid. En de leiders die de omstandigheden creëren waarin goed werk ontstaat, zijn degenen die dat openlijk benoemen, het niet verbloemen en niet doen alsof er een perfect antwoord bestaat.

Vandaag bespreken we waarom duidelijkheid over het doel belangrijker is dan een AI-strategie, wat echte experimenten vereisen en waarom ze steeds mislukken, hoe AI-coaching de manier verandert waarop mensen feedback ontvangen en waarom de beste werkgevers van het komende decennium bekend zullen staan om de manier waarop ze mensen ontwikkelen.

Ik ben David Rice. Dit is People Managing People. En als jouw organisatie nog steeds de technologie vooropstelt in plaats van de duidelijkheid die eraan ten grondslag ligt, laat dit gesprek zien wat je in de weg staat. Laten we beginnen.

Brandon, welkom bij de show.

Brandon Sammut: Hé David. Fijn om hier te zijn.

David Rice: Er wordt veel gesproken over AI die organisaties transformeert, maar soms vraag ik me af of we de technologie niet bijna te veel eer geven.

Het lijkt erop dat AI in veel gevallen zaken blootlegt die al waar waren over een bedrijf. Tegelijkertijd helpt het je wel nieuwe manieren van samenwerken te ontwikkelen zonder dat mensen al het herontwerp zelf hoeven te doen. Als je kijkt naar organisaties die succesvol zijn in AI-transformatie, wat veranderen zij dan aan de manier waarop mensen samenwerken dat anderen missen?

Brandon Sammut: David, ik ben het eens met je uitgangspunt dat veel van de ingrediënten om rendement uit AI te halen weinig met de technologie te maken hebben. Daar kunnen we beginnen. Wat ik daarmee bedoel, is deels gebaseerd op wat we bij Zapier leren en deels op de gesprekken die ik heb gevoerd met meer dan 150 andere managers die allerlei soorten bedrijven bouwen, overal ter wereld en niet alleen in de technologiesector.

Ik sprak eerder deze week met een collega bij een houtkapbedrijf. De AI-kans is er voor iedereen, maar wat nodig is om die kans werkelijkheid te maken, begint met zaken die niets met de technologie te maken hebben. Een van de meest fundamentele ingrediënten is dat leiders duidelijk zijn over wat zij en hun bedrijven in de eerste plaats proberen te bereiken.

De reden dat ik dat niet meer uit het oog kan verliezen, is dat AI een technologie is en technologie een middel is om iets gedaan te krijgen. Je kunt veel dingen met AI doen, maar tot op zekere hoogte doet dat er niet toe. De vraag waar veel leiders nu over nadenken is: wat is het meest de moeite waard om met AI te doen?

Om die vraag te beantwoorden, moet je veel organisatorische duidelijkheid hebben over wat we hier als team werkelijk proberen te bereiken en wat uitmuntendheid vereist. Als een team op dit moment ook maar iets minder dan volledige duidelijkheid over die vraag heeft, is dat de plek om te beginnen.

David Rice: Het is interessant dat je dat zegt. Ik denk dat dit voor veel organisaties een groot deel van de uitdaging vormt.

Het leiderschapsteam wilde deze technologie. Ze willen de concurrentievoordelen, maar weten in veel gevallen niet echt wat ze ermee moeten doen. Zie je daar verandering in komen? We zitten inmiddels drieënhalf jaar in dit gesprek. De technologie is in die tijd uiteraard behoorlijk veranderd.

Zie je dat leiders beter beginnen te begrijpen wat veel waarde oplevert en welk werk noodzakelijk is om met AI te doen?

Brandon Sammut: Ik denk dat dat begint te gebeuren. Ja. En als je het kunt geloven, David, is het inmiddels bijna vier jaar geleden — nog net niet — drie jaar en negen maanden sinds ChatGPT 3.5 werd gelanceerd, een van de eerste versies die echt de aandacht van het grote publiek trok.

Dus ja, het is inmiddels bijna vier jaar. En ik zie inderdaad wat jij ziet. AI goed benutten begint met duidelijkheid over het doel, zoals we eerder bespraken. Het vereist ook wat jij benoemt: je zou het een beeld van de mogelijkheden kunnen noemen. Dat geeft je een gevoel van vraag en aanbod.

Waar verlangen we uitmuntendheid van onszelf terwijl we daar nog niet goed in zijn? En wat is het aanbod aan ideeën of nieuwe manieren van werken die we kunnen samenbrengen om van goed naar uitzonderlijk te gaan? In sommige gevallen krijgen mensen daar een beter beeld van door wat anderen delen, door met collega’s te praten en dergelijke.

Ik denk dat dit een van die momenten is waarop de manier waarop werk werkt zo snel verandert dat het voor managers en ondernemers zoals jij en ik, en voor veel luisteraars, nog waardevoller is om buiten de vier muren van onze organisaties tijd door te brengen, met collega’s te praten en te lezen over wat anderen doen of denken. We kunnen enorm veel leren van wat er buiten ons bedrijf gebeurt.

David Rice: Absoluut. Elk leiderschapsteam zegt dat het innovatie wil. Elk bedrijf zegt dat het wil dat mensen met AI experimenteren. Maar ik praat met leiders die het moeilijk vinden omdat werknemers aarzelen om dingen uit te proberen, mislukkingen te delen en de bestaande manier van werken ter discussie te stellen.

Waarom is experimenteren volgens jou zo moeilijk wanneer de organisatie zegt dat ze er waarde aan hecht?

Brandon Sammut: Er zijn een paar redenen. Ten eerste vereist goed experimenteren een sterke hypothese. Een sterke hypothese moet gebaseerd zijn op een vraag die de organisatie echt moet beantwoorden.

Experimenten lopen soms vast omdat de vraag waarop de hypothese moet worden gebaseerd onduidelijk is. Experimenteren met welk doel? Dat moet heel scherp zijn. Vervolgens moet er veel op het spel staan. Op het People-team van Zapier zouden we ons bijvoorbeeld kunnen richten op experimenten om vrijwel elk denkbaar probleem rond talent of cultuur op te lossen. Niet al die problemen zijn een bijzonder goed gebruik van de tijd en energie van het team.

Het gaat dus om duidelijkheid over niet alleen welke vragen kunnen worden beantwoord, maar ook welke vragen het meest de moeite waard zijn om te beantwoorden.

Het begint daar, want dat versterkt de hypothese en de volharding om door te gaan. Veel organisaties hebben momenteel moeite met AI omdat het voelt alsof ze een kloof moeten overbruggen. Je probeert een brug te bouwen van de ene kant van een kloof naar de andere.

Dat kost veel werk. Vervolgens moet je naar de overkant lopen. Tegelijkertijd moet je aan deze kant van de kloof het bedrijf runnen zoals je dat vandaag doet. Dat creëert tegenstrijdige prioriteiten. Alles wat minder is dan een echte prioriteit van het type ‘we moeten dit samen uitzoeken’, eindigt onderaan de stapel.

Een manier waarop organisaties dit kunnen ondersteunen als onderdeel van een sterke experimenteercultuur, is door mensen en middelen af te zonderen voor experimenten. In plaats van een heel team op een vage manier te vragen te experimenteren, kun je bijvoorbeeld twee mensen dertig dagen laten samenwerken om een nieuwe aanpak te ontwikkelen. Reserveer voor ieder van hen twintig uur per week, dus in totaal veertig uur per week.

Dat is de investering die je als team bereid bent te doen. In plaats van iedereen te vragen erover na te denken — waardoor niemand er echt diep over nadenkt — vraag je twee mensen om zich erop te richten. Je kunt mensen kiezen op basis van vaardigheden of vrijwilligers laten opstaan.

Het laatste punt gaat over wat er gebeurt wanneer het experiment niet werkt. Dat heeft meer te maken met psychologische veiligheid binnen experimenten. Organisaties die geen vertrouwenwekkend antwoord op die vraag hebben, kunnen ook vastlopen in de laatste fase van experimenteren: het rapporteren van resultaten.

Het moet minder dan extreem riskant voelen om te praten over wat niet werkte. Zelfs als het experiment als geheel relatief succesvol was, moet je de vijf scherpe randjes kunnen bespreken die het team moet kennen voordat je die aanpak kunt opschalen.

David Rice: Ik ben blij dat je het belang van de inzet noemde, want sommige mensen denken dat experimenten succesvol zijn als we het goed doen. Maar dat is niet de enige maatstaf.

Als je merkt dat je heel veel succesvolle experimenten hebt, zou ik vragen: experimenteer je wel groot genoeg? We vieren innovatie achteraf. Op het moment zelf ziet experimenteren er vaak inefficiënt, rommelig en soms verspild uit.

Als managers voorspelbaarheid nog steeds meer belonen dan leren, gaan werknemers dan na verloop van tijd veiligheid boven leren verkiezen?

Brandon Sammut: Ik vind het belangrijk dat leiders daar expliciet antwoord op geven en dat ons gedrag op zulke momenten overeenkomt met wat we zeggen. Wanneer iemand uit mijn team iets prototypeert binnen een gebied waarvan we al hebben vastgesteld dat we het echt willen uitzoeken, en het werkt niet, hoe treden ik en ons People-leiderschapsteam dan op? Wat wordt er gezegd? Wat doen we? Wat doen we niet? Hoe voelt die persoon zich daarna?

Het mooie is dat elke gebeurtenis als deze een kans biedt om een positieve cultuur rond experimenteren te versterken. Je moet oppassen dat je de experimenteercultuur niet ondermijnt, maar het tegenovergestelde is ook waar.

David Rice: Ongeveer een jaar geleden hadden veel mensen moeite met vertrouwen, vooral na ontslagrondes of andere gebeurtenissen. Er waren allerlei factoren die tot minder betrokkenheid leidden.

Vertrouwen, kennisdeling en besluitvorming waren al belangrijk voordat AI centraal kwam te staan. Wat zijn de gevolgen van het opschalen van AI in een organisatie die de fundamentele operationele problemen nog niet heeft opgelost?

Brandon Sammut: Het oude wordt hier opnieuw nieuw. Het is moeilijk om vrijwel alles in het leven op te schalen op een wankele basis. Veel van onze collega-managers ontdekken dat deze AI-golf in feite een stresstest voor de gezondheid van de organisatie is: organisatorische duidelijkheid, een experimenteercultuur, psychologische veiligheid en vertrouwen in het management.

Als we op een van die gebieden zwak of wankel waren, komt dat nu nadrukkelijk terug. Het voelt duidelijker omdat we daarnaast ook proberen te herontwerpen hoe veel onderdelen van ons werk functioneren.

David Rice: Dat doet me denken aan een gebouw waarvan de fundering nooit goed is aangelegd en dat langzaam begint over te hellen. Dat is eigenlijk een goede metafoor voor organisaties. Ze beginnen op te schalen, maar als je onderweg niet de zaken regelt die op fundamenteel niveau nodig zijn, eindig je zoals dat gebouw.

Brandon Sammut: Dat is precies waar het om gaat. We kunnen zoveel leren van andere periodes in de geschiedenis, grote technologische golven en zelfs van het proberen iets belangrijks te doen op welk gebied dan ook, inclusief de bouw.

David Rice: Twee organisaties kunnen exact dezelfde hulpmiddelen kopen en toch totaal verschillende resultaten behalen. Uiteindelijk komt het terug op de basis: zaken die ze jarenlang mogelijk hebben genegeerd op het gebied van operationele infrastructuur.

Nu de gesprekken over rendement voor veel bestuurders steeds dringender worden, zien we volgens mij ook meer analyses hiervan.

Brandon Sammut: De kosten komen inderdaad steeds vaker ter sprake. Of beter gezegd: het gesprek over rendement laait nu op, mede omdat de noemer van de rendementsvergelijking — de kosten — voor veel bedrijven snel stijgt.

David Rice: Ik las onlangs dat de AI-kosten van veel bedrijven hoger waren geworden dan wat ze aan werknemers uitgaven. Ik dacht: dat klinkt niet logisch. Misschien wordt het uiteindelijk goedkoper, maar op dit moment weet ik niet of het de moeite waard is.

Brandon Sammut: Hoe kijk je aan tegen ranglijsten voor AI-gebruik?

David Rice: Of het maximaliseren van tokens?

Brandon Sammut: Ja, en het tegenovergestelde daarvan: harde limieten op AI-gebruik. We zien momenteel bedrijven aan beide uiteinden van dat spectrum.

David Rice: Het laat vooral zien hoeveel context in het gesprek ontbreekt. Ik wil het gebruik niet per se beperken van iemand die heel creatief en buiten de gebaande paden werkt, nieuwe dingen oppakt of nieuwe mogelijkheden voor het bedrijf opent.

Maar hoe moet je dat controleren en beoordelen in een organisatie met bijvoorbeeld 25.000 werknemers? Dat is een enorme uitdaging. Het maximaliseren van tokens is geen productief gebruik van deze technologie en kan ertoe leiden dat mensen passief loslaten wat ze doen of hoe ze waarde toevoegen.

Brandon Sammut: Wil je horen hoe we hier bij Zapier over nadenken?

David Rice: Absoluut.

Brandon Sammut: Hiervoor wil ik Carly Gilardi de eer geven. Zij is ons hoofd AI-operaties en infrastructuur bij Zapier en leidt in feite ons expertisecentrum voor AI-transformatie binnen Zapier.

We hebben gekeken naar hoe onze kosten stegen en tegelijk naar alle manieren waarop we AI gebruiken om resultaten te behalen. Kostenstijging op zichzelf was geen alarmsignaal. We vroegen ons wel zaken af zoals de keuze van modellen.

Uiteindelijk zouden we graag zien dat het systeem, afhankelijk van de investering die je in een bepaalde periode wilt doen en van het werk dat je uitvoert, automatisch de opdracht koppelt aan het efficiëntste model. Efficiënt kan dan betrekking hebben op snelheid, kosten, kwaliteit of een combinatie daarvan.

Dat bestaat vandaag nog niet volledig. Mensen moeten zelf de relatieve voor- en nadelen van verschillende modellen begrijpen en het juiste model voor de juiste taak kiezen.

Daarom hebben Carly en haar team in de eerste helft van het jaar een oplossing ontwikkeld. We hebben geen ranglijsten en ook geen algemene limieten ingesteld. We verzamelen wel AI-gebruiksgegevens uit alle plekken waar mensen binnen het bedrijf AI gebruiken, waaronder Zapier, Anthropic, OpenAI en enkele andere producten, en brengen die samen in één gegevensopslag.

Vervolgens hebben we geautomatiseerde dashboards gemaakt. Aan het begin van iedere maand ontvangt iedereen een privébericht in Slack met een persoonlijk rapport over zijn of haar AI-gebruik.

Het rapport is niet openbaar en bevat geen ranglijsten. Je wordt dus niet met anderen vergeleken. Bovendien beschrijft het niet alleen je gebruik van de afgelopen maand, maar doet het ook aanbevelingen.

Als ik bijvoorbeeld voordelenanalist bij Zapier ben en vorige maand voor alles Fable heb gebruikt, kan het rapport zeggen: ‘Bouw je als onderdeel van je functie een raket naar Mars? Zo niet, dan heb je Fable waarschijnlijk niet nodig voor veel onderdelen van je werk. Op basis van onze ervaring zal Sonnet waarschijnlijk goed werken.’

Een maand later wordt bekeken wat er met die aanbeveling is gebeurd. Het systeem houdt bij welke aanbevelingen het heeft gedaan en kan de aanbevelingen voor de volgende maand verfijnen. Het rapport is dus zowel beschrijvend als voorschrijvend, zonder harde limieten in te stellen.

We hebben inmiddels wel een limiet om onbedoelde buitensporige uitgaven te voorkomen. Mensen kunnen die limiet eenvoudig laten verhogen door een kort bericht in een Slack-kanaal te plaatsen. Het doel is niet om gebruik af te remmen, maar om een kleine maar reële kans op op hol geslagen agenten of kwaadwillende gebruikers te beperken.

David Rice: Individuele werknemers worden ongelooflijk productief met AI. Die winst verspreidt zich echter niet altijd over teams en de organisatie. Wat hebben jullie gedaan om kennisdeling en collectief leren aan te moedigen?

Brandon Sammut: We zijn nu ongeveer twee weken in de tweede helft van 2026. Onze belangrijkste focus is de overgang van uitstekend individueel AI-gebruik naar meer team-brede standaardmanieren van werken met AI.

We hebben inmiddels veel geëxperimenteerd en prototypes ontwikkeld. De meeste teams beginnen een duidelijk beeld te krijgen van hun optimale aanpak voor AI in werving, groeimarketing of klantenservice. In de tweede helft van dit jaar zal het grootste deel van Zapier zich richten op die optimale nieuwe manieren van werken, en ervoor zorgen dat iedereen die dit werk doet over de juiste context, hulpmiddelen en aanvullende teamontwikkeling beschikt.

David Rice: Als AI-werkwijzen in het notitieboek of de Slack-notities van één persoon blijven staan in plaats van institutionele kennis te worden, heb je één werknemer verbeterd, maar is er nog werk nodig om die verbetering te verspreiden. Gaan organisaties verder dan het meten van adoptie?

Brandon Sammut: Zapier investeert nu drieënhalf jaar in AI. Dit heb ik geleerd over adoptie versus impact: het was nuttig om in het begin op adoptie te focussen, omdat adoptie nodig was voor experimenteren en leren. Adoptie is daarom een belangrijke voorlopende indicator voor de omvang en diepgang van experimenten en leren.

Maar het is slechts de helft van de vergelijking. Uiteindelijk staat al die adoptie, dat experimenteren en dat leren in dienst van het buitengewoon goed functioneren van de organisatie. We willen grote stappen zetten in onze effectiviteit, hoe we die ook definiëren. Dat brengt ons terug bij de vraag wat we als bedrijf werkelijk proberen te bereiken.

Zapier rapporteert tegenwoordig niet meer regelmatig over adoptie. We weten dat de adoptie honderd procent is. We zoeken naar AI-vaardigheid bij nieuwe medewerkers en besteden er aandacht aan tijdens de onboarding. We hebben meer dan genoeg adoptie.

We richten ons vrijwel volledig op impact. De belangrijkste prestatie-indicatoren voor impact zijn bijna altijd bestaande succesmaatstaven binnen de organisatie: hoe snel beantwoorden we vragen van klanten en hoe tevreden zijn zij met de antwoorden? Hoe succesvol is een nieuwe medewerker na 90 en 180 dagen? Hoe betrouwbaar is het product? Wat is de beschikbaarheid van verschillende onderdelen van het product? Wat is het gemiddelde of de mediane doelrealisatie van een verkoper?

We vonden dat allemaal al belangrijk vóór AI. AI verandert meestal niet waarin we uitmuntend willen zijn. Het beïnvloedt wel ons beeld van hoe goed we daarin kunnen worden.

David Rice: Sommige eerdere gasten zeiden dat expertise vroeger vaak verbonden was met het hebben van antwoorden. Nu geeft AI iedereen toegang tot antwoorden, ook al zijn die niet altijd accuraat of relevant.

Hoe verandert dat volgens jou de manier waarop invloed, geloofwaardigheid en status binnen organisaties werken? Dat geldt niet alleen voor leiders, maar ook voor individuele medewerkers die dat in de loop van de tijd opbouwen.

Brandon Sammut: Dat is een interessante vraag. Volgens mij heeft nog niemand die aan me gesteld.

De voordelen van deze ontwikkeling komen zeker ten goede aan organisaties. Het is altijd een risico geweest wanneer expertise binnen een organisatie opgesloten zit bij een paar mensen die weten hoe iets moet worden gedaan.

Bij mijn vorige bedrijf waren er enkele ingenieurs die als enige in de hele organisatie wisten hoe een bepaald deel van de productarchitectuur werkte. Daardoor waren ze in feite onaantastbaar. Dat is voor niemand in die situatie bijzonder gezond of effectief.

Er vindt dus een zekere democratisering plaats. Het internet heeft de toegang tot kennis sterk gedemocratiseerd en AI versnelt dat proces enorm.

David Rice: Ik denk dat expertise deels betekende dat je toegang had tot schaarse informatie. Informatie is al een tijd overvloedig, maar interpretatie en een specifiek perspectief zijn nog steeds onderscheidend. Misschien verschuift invloed daardoor.

In mijn eigen werk gaat het minder om zeggen wat we moeten creëren. Het gaat meer om andere vragen stellen, zodat ik mijn oordeel kan gebruiken over nieuwe ideeën en nieuwe manieren van werken, en om ideeën uit verschillende disciplines met elkaar te verbinden.

Ik kom steeds terug bij de rol van de orkestrator. Veel mensen vragen of we allemaal onze baan verliezen. Ik denk niet meteen, tenminste niet als je weet hoe je moet orkestreren. AI maakt kennis tot een handelswaar, maar verhoogt de waarde van wijsheid. Dat zal volgens mij zo blijven.

Wijsheid gaat niet alleen over het werk, maar ook over de mensen met wie je werkt, hoe je het beste uit hen haalt en hoe je hen helpt kansen te zien die ze nog niet hebben onderzocht.

Brandon Sammut: Mensen zouden dat moeten opschrijven. Ik vind het mooi hoe je het verschil tussen kennis en wijsheid verwoordt. Je zou een hele aflevering aan dat onderwerp kunnen wijden.

Naast echte wijsheid, beoordelingsvermogen en smaak zijn er ook enorme voordelen voor organisaties die betrouwbaar, verantwoordelijk en invloedrijk zijn zonder formele autoriteit. Het vermogen om een groep mensen samen te brengen en samen iets groots en beangstigends te realiseren, wordt alleen maar belangrijker.

David Rice: Managers waren lange tijd vooral verantwoordelijk voor het aansturen van werk. Nu worden organisaties platter en bepalen werknemers in veel gevallen hun eigen werkprocessen of bouwen ze automatiseringen. Ze werken samen met AI op manieren die leiders niet altijd kunnen zien.

Hoe ziet effectief management er in die omgeving uit? Wat zijn de grootste uitdagingen voor managers die meer uit mensen willen halen op een duurzame manier, met impact op de lange termijn?

Brandon Sammut: Ik heb altijd gedacht dat people managers drie unieke verantwoordelijkheden hebben. De eerste is duidelijkheid bieden aan het team: wat doen we hier en hoe ziet goed werk eruit? De tweede is middelen toewijzen: beslissen wie wat doet en hoeveel je in technologie investeert. De derde is het coachen en ontwikkelen van het team.

People managers kunnen AI nu inzetten voor alle drie die verantwoordelijkheden, maar ik heb nog geen voorbeeld gezien waarin AI de unieke rol van de manager volledig vervangt.

Wat op termijn mogelijk wordt, is dat één manager meer mensen kan begeleiden doordat AI meer hefboomwerking biedt. Een van de beste ontwikkelingsgerichte coachingssessies die ik in de eerste helft van het jaar heb gekregen, kwam bijvoorbeeld van een coach die Courtney Hickey, ons hoofd executive operations bij Zapier, voor ons directieteam heeft geschreven.

Die coach luistert mee tijdens onze directievergaderingen en gebruikt het raamwerk van Patrick Lencioni over de vijf frustraties van teamwork. Ons directieteam werkt al vijf jaar met dat raamwerk. We kennen het, geloven erin en gebruiken het om elkaar te coachen en de gezondheid van het team te verbeteren.

Direct na de vergadering geeft de coach in Slack een samenvatting. Daarin staat hoe we als team hebben gefunctioneerd vanuit het raamwerk van de vijf frustraties. Vervolgens geeft de coach individuele feedback over hoe ieder van ons heeft bijgedragen en houdt hij dat week na week bij. Zo ontstaan patronen: waarin worden we beter en waarin nog niet?

Het is specifiek en universeel. Niemand wordt eruit gepikt. Iedereen krijgt feedback en aanbevelingen. Wat ik ook merk, is dat die feedback soms bijzonder scherp is. Toch ontvang ik haar gemakkelijker van een coach die is getraind op een raamwerk en waarden waarin ik al geloof dan wanneer mijn leidinggevende diezelfde feedback elke week zou geven.

Het is dezelfde feedback en verdient mijn aandacht, ongeacht wie haar geeft. Toch lijken mensen bijzonder ontvankelijk voor constructieve feedback wanneer die wordt gegeven door een coach die is getraind op iets waarin ze al geloven.

David Rice: Ik heb hetzelfde gehoord. Je moet transparant zijn over hoe je het gebruikt. Dat is een groot onderdeel van de manier waarop mensen beoordelen wat eruit zal komen.

Voor managers betekent de verandering volgens mij dat ze werk minder rechtstreeks aansturen. Ze proberen de omstandigheden te creëren waarin goed werk kan ontstaan. Dat is een veel minder controlerend model van leiderschap en management, wat de meeste werknemers waarschijnlijk verwelkomen.

Als je tientallen jaren iets op dezelfde manier hebt gedaan, zijn gewoonten moeilijk te doorbreken. De technologie kan je veel manieren geven om het anders te doen, maar de oude reflex blijft aanwezig. Als je vooruitkijkt en AI een belangrijke kracht wordt in de manier waarop organisaties werk structureren, is er dan iets waar leiders momenteel niet genoeg aandacht aan besteden?

Brandon Sammut: Ja. En dat is net zo goed advies aan mezelf als aan anderen. Ik geloof dat AI de manier waarop we werken, de kwaliteit van het werk en hopelijk ook de ervaring van mensen die het werk doen kan verbeteren. Maar dat gebeurt niet vanzelf. Het vereist veel bedachtzaamheid, nederigheid en experimenten.

Los van AI hebben onze teams nu veel hulp nodig bij de zaken die we eerder bespraken. Ze hebben hulp nodig om vast te houden aan wat we proberen te bereiken. Het tempo van verandering is in veel organisaties hoog en de concurrentie in veel sectoren is uitzonderlijk sterk.

Onze mensen weten dat ook. Ze zien bedrijven in onze concurrentiegroep werknemers ontslaan. Er is veel angst, onzekerheid en twijfel. Dat beïnvloedt onvermijdelijk hoe mensen naar hun werk kijken.

Daarom moeten leiders uiterst gefocust blijven op het behouden van focus en een gevoel van doel voor iedere persoon in de organisatie, en op het helder benoemen van de uitdagingen waarmee de organisatie wordt geconfronteerd.

Leiders denken soms dat dit mensen nerveus of bang zal maken. Maar mensen weten over het algemeen wat de risico’s en problemen zijn. Het kan juist vertrouwen wekken wanneer ze zien dat hun leiders die zaken openlijk benoemen en vertellen hoe ze erover denken en hoe ze de kansen van het bedrijf binnen die uitdagingen zien.

Dit is klassiek leiderschap. Ik trap zelf steeds opnieuw in de valkuil om een moeilijk onderwerp niet te benoemen. Ik werk eraan en word er beter in. Zie je iets moeilijks? Benoem het als eerste. Verdoezel het niet en doe niet alsof er een perfect antwoord is als je dat niet werkelijk gelooft.

Het is gezond om het onderwerp voor het team te benoemen. Daardoor zullen mensen er eerder over praten, er een plan voor maken en manieren vinden om het te overwinnen. Dat is iets anders dan blijven hangen in onzekerheid.

David Rice: Wanneer we over werknemerservaring spreken, hebben we het vaak over iets wat organisaties aan werknemers bieden. Maar de meest overtuigende organisaties van de komende jaren zullen mensen niet alleen in dienst hebben; ze zullen mensen daadwerkelijk veranderen.

Dat is een veel hogere lat dan betrokkenheid of tevredenheid. Als je kijkt naar wat Generatie Z en pas afgestudeerden meemaken — de moeite om werk te vinden en de voortdurende existentiële vraag wat ze met hun leven moeten doen — dan moeten we mensen op een andere manier helpen groeien.

Misschien zullen de beste werkgevers in de toekomst niet bekendstaan om hun salaris of omdat ze goed op een cv staan. Ze zullen bekendstaan omdat mensen er vertrekken als betere versies van zichzelf: bekwamer en zelfverzekerder.

Brandon Sammut: Dat klopt. Waar mensen de komende jaren van hun loopbaan doorbrengen, zal jarenlang invloed hebben op hun kansen.

Voor degenen onder ons die bedrijven bouwen, wil ik daarop kunnen antwoorden. Ik wil kunnen zeggen dat Zapier een geweldige plek is om enkele jaren van je loopbaan door te brengen omdat we diep investeren in deze nieuwe manieren van werken.

Het People-team van Zapier wordt zonder uitzondering uitzonderlijk goed in toekomstgerichte werving, beloningsstrategieën, personeelstechnologie en personeelsanalyse. Dat is indrukwekkend, maar dat is niet het belangrijkste punt.

Als leiders willen we daarop kunnen antwoorden. Voor bedrijven die bekendstaan als plaatsen waar sterk in mensen wordt geïnvesteerd en waar mensen zich snel ontwikkelen, wordt dat onderdeel van de werkgeverswaardepropositie. Het trekt mensen aan.

Software bouwen is momenteel buitengewoon uitdagend en intellectueel veeleisend. Mensen weten dat. Ze zoeken volgens mij niet per se de gemakkelijkste plek om te werken. Ze willen dat hun volgende baan hen veel leert over de zaken die de komende tien jaar van hun loopbaan belangrijk zullen zijn.

David Rice: Absoluut. Ik ben het volledig met je eens. Brandon, het was geweldig je vandaag in de show te hebben. Ik heb enorm genoten van ons gesprek.

Brandon Sammut: Zoals altijd, David. Laten we dit nog eens doen.

David Rice: Luisteraars, als je dat nog niet hebt gedaan, ga dan naar peoplemanagingpeople.com/subscribe en schrijf je in voor de nieuwsbrief.

Schrijf je in voor AI Signal. Elke week verschijnt er een uitvoerige briefing voor leidinggevenden die je iets geeft om over na te denken. Niet dat je nog meer hebt om over na te denken, maar je krijgt ook hulpmiddelen, advies en vergelijkbare informatie. Schrijf je dus zeker in.

Tot de volgende keer: onthoud dat je een ervaring vormgeeft en onderweg mogelijk ook mensen vormt.