Wat we verkeerd begrijpen over AI en productiviteit

Dus ja—je dashboards zien er geweldig uit. Je team levert sneller, vat meer samen, “haalt meer uit” AI… en ondertussen ruil je misschien stilletjes het ene bezit in dat je niet kunt terugkopen met een abonnementsplan: menselijk beoordelingsvermogen.

In deze aflevering praat ik met Dr. Vivienne Ming—neurowetenschapper, ondernemer en een “AI-realist” die nul geduld heeft met utopische hype of Skynet-fanfictie. Vivienne schetst een duidelijke tweesprong: cognitieve automatisering (AI denkt voor je) tegenover cognitieve augmentatie (AI zorgt ervoor dat je beter denkt—vaak door het werk moeilijker te maken). Als je AI-strategie voornamelijk draait om gemak, is dit je vriendelijke waarschuwing dat gemak geen strategie is. Het is een kalmeringsmiddel.

Wat je zult leren

  • Waarom “AI maakt het leven gemakkelijker” een van de gevaarlijkste verkooppraatjes in het moderne bedrijfsleven is
  • Hoe gegevens van lage kwaliteit AI-systemen kunnen laten ontsporen—en waarom mensen een “superkracht” hebben bij het filteren die LLM's nog missen
  • Het verschil tussen AI die het denken vervangt en AI die het denken ontwikkelt
  • Waarom de beste AI-tutoren geen antwoorden geven (en wat dat betekent voor AI op de werkvloer)
  • Hoe “hybride collectieve intelligentie” beter kan presteren dan mensen of AI afzonderlijk—maar alleen met voldoende menselijk kapitaal
  • Waarom efficiëntiemaatstaven de echte aanjagers van productiviteit binnen organisaties missen

Belangrijkste inzichten

  • Als AI de “saaie onderdelen” doet, ga er dan niet van uit dat mensen de “creatieve onderdelen” krijgen. Viviennes punt is botweg: hoe meer saai werk AI doet, hoe meer saai werk zich vaak uitbreidt (hallo, oneindige e-mailketens waarin bots spam naar andere bots schrijven). De “efficiëntieboost” kan veranderen in productiviteitscocaïne—geweldig op korte termijn, lelijk op lange termijn.
  • Automatisering betekent dat je de output krijgt. Augmentatie betekent dat je beter wordt. Als je beter bent terwijl de tool aanstaat, maar slechter wanneer hij uitstaat, is dat geen vooruitgang—het is afhankelijkheid. Vivienne gebruikt medische voorbeelden (AI-ondersteunde diagnostiek) om het risico te benadrukken: het wegkwijnen van vaardigheden is echt, en het is geen “trainingsprobleem”. Zo werken hersenen nu eenmaal.
  • Bouw (of configureer) AI als de “loyale oppositie”, niet als de jaknikker. Het beste voorbeeld hier is haar “nemesis-prompt”: ze schrijft het hoofdstuk zelf en laat AI het vervolgens volledig afkraken—zoeken naar wat er niet klopt, wat zwak is, wat gemakkelijk weerlegd kan worden en hoe het verbeterd kan worden. Dat is augmentatie: AI gebruiken om diepgang af te dwingen, niet om die te vermijden.
  • Je bedrijf is een neuraal netwerk van 500.000 mensen—en je meet de verkeerde output. Vivienne beschrijft onderzoek waaruit bleek dat een relatief klein deel van de werknemers verantwoordelijk was voor een enorm aandeel van de productiviteit die niet door individuele maatstaven werd vastgelegd. De mensen die het belangrijkst waren, waren niet altijd de “sterren”. Het waren degenen die hielpen—soms “inefficiënt”—en iedereen om hen heen beter maakten. De meeste productiviteitssystemen hebben daar niet eens een vakje voor.
  • Werk op instapniveau is niet alleen goedkope arbeid; het is de pijplijn van weten naar begrijpen. Haar uitspraak blijft hangen: pas afgestudeerden “weten vaak alles en begrijpen niets”. In vroege functies leren mensen wat ze met kennis moeten doen—beoordelingsvermogen, ethiek, afwegingen, context. Als AI het “weten”-werk er volledig uithaalt, wees dan niet verbaasd als je eindigt met een beroepsbevolking die output kan produceren, maar beslissingen niet kan uitleggen, verdedigen of verbeteren.
  • Leiders bepalen of dit een revolutie in vaardigheidsontwikkeling wordt of een “Jiffy Lube-economie” waarin beroepen worden uitgehold. Viviennes horrorscenario is niet massale werkloosheid—het is dat banen worden uitgehold tot laaggeschoolde rollen rond AI, omdat het goedkoper en “goed genoeg” is. Geweldig voor de uitstraling richting de CFO. Rampzalig voor bekwaamheid, vertrouwen en de samenleving.

Hoofdstukken

  • 00:00 – Productiviteit omhoog, vaardigheden omlaag
  • 01:48 – AI-‘hersenrot’ en slechte gegevens
  • 04:57 – Wat AI is (en niet is)
  • 07:00 – Het gevaar van ‘gemakkelijk’ werk
  • 10:30 – AI gebruiken om werk moeilijker te maken
  • 12:38 – Waarom dit niet de Industriële Revolutie is
  • 17:03 – Mensen + AI: wanneer het echt werkt
  • 22:04 – De efficiëntiemythe op het werk
  • 27:29 – De mensen die iedereen beter maken
  • 30:22 – Wat we verliezen zonder werk op instapniveau
  • 39:51 – Waarom antwoorden geven het leren doodt
  • 43:25 – Deprofessionalisering en de ‘Jiffy Lube’-toekomst
  • 46:18 – Automatisering versus versterking
  • 47:50 – GPS, gemak en cognitief verlies
  • 53:57 – De leiderschapskeuze die ertoe doet

Maak kennis met onze gast

Dr. Vivienne Ming is een visionaire theoretisch neurowetenschapper, ondernemer, auteur en zelfverklaarde ‘professionele gekke wetenschapper’ wiens werk zich uitstrekt over menselijk potentieel, kunstmatige intelligentie en maatschappelijke transformatie. Ze is de oprichter en voorzitter van de raad van bestuur van Socos Labs en medeoprichter en hoofdwetenschapper van ondernemingen zoals The Human Trust en Dionysus Health, waar ze geavanceerde machinaal leren en neurowetenschap toepast op onderwijs, gezondheid, inclusie en menselijke ontwikkeling. Vivienne staat bekend om haar boeiende keynote-presentaties en haar visie op de rol van technologie bij het versterken van menselijke capaciteiten. Ze is onder meer uitgelicht door de BBC in 100 Women, door de Financial Times, The Atlantic en Quartz, en blijft wereldwijd publiek inspireren om opnieuw na te denken over hoe mensen en intelligente systemen samen een rechtvaardigere toekomst kunnen creëren.

You may also like