Je leiderschapsteam heeft geen strategieprobleem—het heeft een uitvoeringsprobleem dat zich voordoet als een strategieprobleem. De offsite verliep geweldig, de visie is helder en de dia’s zien er duur uit. Maar ergens tussen “gedurfd initiatief” en “dinsdagochtend” heeft niemand de strategie vertaald naar wat mensen daadwerkelijk moeten doen. Die kloof? Daar lopen de meeste organisaties stilletjes vast.
Tom Healy stelt dat L&D de ontbrekende schakel is die leiders blijven negeren. Niet omdat het ineffectief is—maar omdat het weinig glamoureus is. CEO’s praten eindeloos over groei, retentie en prestaties, maar slagen er niet in die resultaten te verbinden aan de manier waarop mensen dagelijks worden opgeleid, ingewerkt en ondersteund. Ondertussen maakt AI het creëren van content triviaal. Het echte werk—de ongemakkelijke, strategische duidelijkheid over cultuur, gedrag en verwachtingen—wordt nog altijd overgeslagen.
Wat je zult leren
- Waarom L&D een bedrijfskatalysator is—geen ondersteunende functie
- De werkelijke bottleneck bij AI-adoptie (hint: het is niet de technologie)
- Hoe een onduidelijke strategie leidt tot slechte training—en nog slechtere resultaten
- De verborgen kosten van een overvloed aan tools voor uitvoering en leercultuur
- Waarom de snelheid van onboarding een cruciaal (en duur) knelpunt is
- Het verschil tussen automatisering die schaalbaar is—en automatisering die averechts werkt
- Hoe je AI-efficiëntie in balans brengt met menselijke ervaring (“de goocheltruc”)
Belangrijkste inzichten
- L&D is niet het probleem—het is de ontbrekende verbinding.
Leiders zijn geobsedeerd door symptomen (lage prestaties, slechte retentie), terwijl ze het mechanisme negeren dat gedrag vormgeeft. Training is de manier waarop strategie werkelijkheid wordt. - AI versterkt duidelijkheid—of chaos.
Voer vage ideeën in en je krijgt gepolijste onzin terug. AI lost een slechte strategie niet op; het versnelt die. - De meeste organisaties weten niet wat ze willen dat mensen doen.
Beantwoord voordat je iets traint de vraag: Wat moeten medewerkers daadwerkelijk anders doen? Zonder dat antwoord is L&D slechts ruis. - Een overvloed aan tools maakt leren onmogelijk.
Meer software staat niet gelijk aan meer capaciteiten. Het zorgt voor verwarring, een langere onboarding en een stille productiviteitsbelasting. - Onboarding is een financiële beslissing, geen HR-taak.
Er 90+ dagen over doen om iemand op snelheid te brengen is niet alleen traag—het is duur. Een snellere, gestructureerde onboarding verdient zichzelf snel terug. - Je medewerkers gebruiken al AI—alleen niet jouw versie.
Zonder interne systemen wenden ze zich tot externe tools, wat leidt tot inconsistentie en potentiële risico’s. - Automatisering zonder intentie tast de ervaring aan.
De les van Chipotle: optimaliseer je de verkeerde dingen, dan verslechter je wat klanten daadwerkelijk waardevol vinden. - Het doel is niet volledige automatisering—maar slimme automatisering.
De ideale balans is 90% geautomatiseerd, 10% menselijk—maar juist in die 10% zitten vertrouwen en ervaring. - Begin klein, maar begin doelgericht.
Probeer L&D niet te “transformeren”. Los één echt bedrijfsprobleem op. Bewijs dat het werkt. Breid daarna uit. - Niets doen en het verkeerde doen zijn even gevaarlijk.
Het ene leidt tot irrelevantie. Het andere tot zelf toegebrachte schade.
Hoofdstukken
- 00:00 – Strategie zonder uitvoering
- 02:14 – L&D is een mindsetprobleem
- 04:40 – AI heeft duidelijke input nodig
- 06:04 – Leidinggevenden missen het verband
- 11:17 – Te veel tools, geen duidelijkheid
- 17:27 – Geen kennis, geen consistentie
- 22:23 – Inwerken gaat te langzaam
- 30:56 – Daag verouderde systemen uit
- 33:49 – Begin klein, los één ding op
- 42:23 – Vermijd de uitersten
Maak kennis met onze gast
Tom Healy is ondernemer, keynote-spreker en executivecoach. Hij richt zich op het helpen van individuen en organisaties om hoge prestaties en een snellere uitvoering te bereiken. Hij is de oprichter van Mentumm, een coachingsplatform dat leidinggevenden uitrust met één-op-éénondersteuning om resultaten te behalen. Daarnaast heeft hij meerdere succesvolle bedrijven en leerinitiatieven opgezet die op meer dan 100 universiteitscampussen worden gebruikt. In de loop van zijn carrière heeft Tom verschillende boeken geschreven, meer dan 1.000 presentaties gegeven en samengewerkt met organisaties variërend van start-ups en non-profitorganisaties tot de Amerikaanse marine, Harvard Medical School en Fortune 500-bedrijven — allemaal vanuit zijn passie om mensen en teams te helpen buitengewone resultaten te bereiken.
Gerelateerde links:
- Word lid van de People Managing People-community
- Abonneer je op onze AI Signal-nieuwsbrief
- Kom in contact met Tom:
Gerelateerde artikelen en podcasts:
David Rice: Je leiderschapsteam heeft drie dagen doorgebracht in een blokhut ergens, waar jullie een prachtige strategie voor het bedrijf hebben uitgestippeld. Je kwam terug met nieuwe energie, een duidelijke visie, ambitieuze doelen en baanbrekende initiatieven. En daarna verwachtte iedereen in het directieteam dat het allemaal vanzelf zou gebeuren, maar niemand vertelde de mensen die het werk daadwerkelijk uitvoeren precies wat ze moesten doen, hoe ze dat moesten doen of waar ze terechtkonden met vragen. En nu vraagt je directieteam zich af waarom de uitvoering stagneert.
De gast van vandaag is Tom Healy, medeoprichter van PeopleOps360, en hij gaat je vertellen waarom CEO’s niet over leren en ontwikkeling willen praten, maar dat wel zouden moeten doen. Want wanneer hij leiders vraagt wat hun problemen zijn, denken ze aan allerlei zaken: prestaties, behoud van medewerkers, cultuur, niet genoeg producten verkopen, jongere generaties die lastig zijn. Allemaal echte problemen, maar in hun hoofd heeft geen daarvan een verband met leren en ontwikkeling. AI maakt het creëren van leer- en ontwikkelingscontent eenvoudiger dan ooit. Het moeilijke deel zijn de beslissingen over de bedrijfsstrategie.
Dingen zoals: welke cultuur willen we, hoe willen we dat klanten zich voelen, wat moeten mensen precies doen? Totdat je dat hebt vastgesteld, is de technologie irrelevant. En op dit moment zijn er drie wegen. Twee daarvan zijn overigens verkeerd. De eerste weg: je kunt je kop in het zand steken en hopen dat je met pensioen kunt gaan voordat het belangrijk wordt. De tweede weg: allerlei AI-software kopen en alles automatiseren, terwijl je daarmee je klantervaring vernietigt.
En dan is er de derde weg, die een beetje aanvoelt als een goocheltruc: 90% automatisering die toch warm en menselijk aanvoelt. Vandaag bespreken we dus waarom leren en ontwikkeling niet sexy is, maar wel je echte bedrijfsproblemen oplost; hoe je via de pijn naar binnen gaat, en niet via training; de Chipotle-les, oftewel wat er gebeurt wanneer je de verkeerde dingen automatiseert; waarom slechte prompts in AI leiden tot nutteloze resultaten; de goocheltruc waarmee je je tijd terugwint zonder het menselijke contact te verliezen; en waarom beide uitersten beangstigend zijn: niets doen versus de verkeerde dingen doen.
Ik ben David Rice. Dit is People Managing People. En als je leren en ontwikkeling hebt behandeld als nalevingstraining in plaats van als een strategische oplossing voor je grootste bedrijfsproblemen, dan zal dit gesprek je kijk op alles veranderen. Laten we beginnen.
Tom, welkom bij de show.
Tom Healy: Fijn om hier te zijn. Laten we beginnen.
David Rice: Uitstekend. We horen tegenwoordig veel over het transformeren van leren, toch? En over hoe AI ons een andere richting op duwt als het om leren en ontwikkeling gaat. Maar als je uitzoomt, ben ik benieuwd naar jouw mening hierover. In hoeverre gaat het huidige probleem rond leren en ontwikkeling eigenlijk over technologie, en in hoeverre gaat het om een probleem met de bedrijfsmentaliteit?
Tom Healy: Goede vraag. Mijn kijk hierop is dat de technologie eenvoudig is. Het is makkelijk. De uitdaging bij het opbouwen van leren en ontwikkeling, het ontwikkelen van training en ervoor zorgen dat je team de dingen doet die nodig zijn om het bedrijf vooruit te helpen, is het moeilijke deel. Dat moet je namelijk eerst vaststellen. Welke cultuur willen we in onze organisatie?
Wanneer een klant door de voordeur binnenkomt, hoe willen we dat die zich voelt? Hoe willen we intern met elkaar communiceren? Wat willen we dat mensen voelen als ze bij ons solliciteren en door ons worden ingewerkt? Dit zijn allemaal beslissingen over de bedrijfsstrategie die genomen moeten worden. We moeten uitzoeken wat die beslissingen zijn en daar heel duidelijk en eensgezind over zijn.
Dat is het moeilijke deel. Het makkelijke deel, in mijn ogen en vanuit mijn ervaring met dit werk, is vervolgens content daaruit creëren. En content creëren wordt steeds eenvoudiger dankzij AI. Elke vorm van content: scripts schrijven, een AI-avatar maken om die content te presenteren, of content in een notitieboek invoeren en daar infographics en interessante visuele hulpmiddelen van maken.
Mijn gevoel is dus dat technologie niet het moeilijke deel is. Het ingewikkelde deel is niet de technologie. Technologie heeft dit allemaal veel eenvoudiger gemaakt. Waar ik organisaties echter zie worstelen, is met de vraag: wat moeten we mensen leren? Wat willen we echt dat ze doen? En totdat je dat hebt vastgesteld, is technologie irrelevant. Want als je slechte informatie, slechte prompts, slechte hulpmiddelen of vage details over je wensen aan AI voert, zul je niet blij zijn met het resultaat.
AI kan niet op magische wijze alle nuances uitzoeken die specifiek zijn voor jouw organisatie.
David Rice: Voor mijn gevoel hebben we het over het whiteboard wanneer we vaststellen wat er mis is met onze vergaderingen. Er is zoveel ophef rond AI, maar het werpt ook een groter licht op de scheuren in de manier waarop organisaties over leren nadenken.
En ik denk dat verandering in het algemeen ook zo werkt. Dit is een ongemakkelijke verandering en we vragen mensen om iets te doen wat ze hun hele leven al hebben gedaan, maar dan op een heel andere manier en om een andere reden dan ooit tevoren.
Tom Healy: Ik begrijp heel goed dat mensen naar AI kijken en die magische oplossing, die wonderkogel of die toverstaf willen die alles doet.
Maar in mijn ervaring heb ik nog niet gezien dat AI strategisch alles kan uitwerken vanuit het perspectief van een visie of een ervaring. Dat moet je nog steeds zelf doen. Het overslaan van het whiteboard, de strategie en de duidelijke doelstellingen van wat je wilt, is dus nog niet mogelijk.
Misschien is dat over zes maanden of zes jaar wel anders, natuurlijk, maar ik denk niet dat we daar nu al zijn.
David Rice: Daar ben ik het mee eens. Voorafgaand aan deze opname zei je dat praten over leren en ontwikkeling echt niet werkt. Je gaat dus via de pijn naar binnen. Ik ben benieuwd: wat denken de meeste CEO’s en leiders dat hun probleem is, en hoe verander je dat in een gesprek over leren?
Tom Healy: Dat is weer een goede vraag. Wat ik merk, is dat organisaties, en vooral leiders en CEO’s, hun uitdagingen niet kunnen verbinden met leren en ontwikkeling. Ik ga een organisatie binnen of spreek met een groep CEO’s en zeg: vertel me wat jullie problemen zijn. Dan praten ze over prestaties. Ze praten over behoud van medewerkers.
Ze praten over cultuur, over het feit dat ze niet meer zoveel producten verkopen als vroeger. Ze zeggen dat jongere generaties lastig zijn en komen met al die problemen. Wat ik dan heel hard moet proberen, is de verbinding leggen met training en leren en ontwikkeling. Want leren en ontwikkeling interesseert hen niet.
Het is niet sexy. Het is niet iets wat zij belangrijk vinden. Tegelijkertijd hebben ze al die grote problemen benoemd die de uitvoering en groei vertragen. Het is mijn verantwoordelijkheid om te zeggen: als je binnen je organisatie goede leer- en ontwikkelingsmogelijkheden creëert, kan ik niet beloven dat dit al die problemen oplost.
Maar ik kan wel beloven dat het je aanzienlijk helpt. Met een goede leer- en ontwikkelingsoplossing voor je team kun je mensen veel beter en eenvoudiger op een geautomatiseerde manier inwerken. Daarna gedragen ze zich zoals jij dat wilt en functioneren ze beter in het veld.
Ze zijn beter in het omgaan met klanten, omdat je ze zoveel goede training, kennis en ontwikkelingsmogelijkheden geeft en hun een pad biedt om te blijven leren en groeien. Daardoor is de kans groter dat ze langdurig bij je blijven. En raad eens? Ze zijn meer betrokken, en betrokkenheid leidt tot betere prestaties.
Ik vind het dus zo belangrijk om te zeggen: geef me jullie grootste bedrijfsproblemen van dit moment. Laten we bekijken welke daarvan door betekenisvolle leer- en ontwikkelingsoplossingen kunnen worden opgelost of ondersteund. Ik kan niet beloven dat leren en ontwikkeling helpt bij importheffingen of overheidsregels. Het lost niet alles voor je op. Maar wanneer je zegt dat je mensen veel betaalt en dat ze op B-minniveau presteren, kan leren en ontwikkeling helpen.
Wanneer je zegt dat je niet tevreden bent over de manier waarop je verkopers zich in de markt gedragen en dat dit niet overeenkomt met de manier waarop het bedrijf in de beginjaren opereerde, kan leren en ontwikkeling dat oplossen. Dat vind ik echt leuk om te doen. Maar het blijft moeilijk om bedrijfsproblemen te verbinden met leren en ontwikkeling.
David Rice: Ik vind dit goed, want wanneer je soms het woord training gebruikt, zie je volgens mij dat mensen afhaken. Ze denken aan naleving.
Tom Healy: Hetzelfde geldt voor HR. Zeg tegen een CEO: laten we over HR praten, en die antwoordt: daar wil ik het niet over hebben. Ik wil het hebben over marketing en verkoop, marktaandeel veroveren, concurrenten uitschakelen en andere bedrijven overnemen.
Dat is veel leuker om over te praten. Maar in de meeste sectoren spelen de mensen die voor je werken een behoorlijk belangrijke rol. Als je geen kennis aan hen overdraagt, ze niet voorbereidt op succes, ze niet helpt groeien en ze niet precies leert wat ze moeten doen om uit te voeren, valt alles uit elkaar.
Het leiderschapsteam van een organisatie gaat een paar dagen naar een blokhut, stippelt een prachtige strategie uit en denkt vervolgens dat die vanzelf werkelijkheid wordt.
Op een gegeven moment moet je iedereen in de organisatie vertellen: wat moeten jullie precies doen? Hoe doen jullie dat precies? Waar kunnen jullie terecht wanneer jullie vragen hebben en hulp nodig hebben? Dat is een belangrijk onderdeel. Maar het is voor hen nog steeds niet spannend om daarover te praten.
Als ze op dit gebied nalatig zijn, krijgen ze niet de resultaten die ze willen.
David Rice: Zoals je zegt, moet je beginnen in een taal die zij belangrijk vinden. Anders wordt leren bijna de clou. Dan denkt iedereen: o nee, daar gaan we weer.
Tom Healy: En het andere is ook grappig. Soms zie je CEO’s met hun ogen rollen wanneer je praat over zachte onderwerpen zoals cultuur en betrokkenheid. Dan zeg ik: wacht even, Bob. Wat probeer je te doen?
Meer producten verkopen? Prima. Weet je hoe je meer producten verkoopt? Door mensen betrokken te maken, door ze een gevoel van verbondenheid te geven, door ze waarde te laten zien in hun directe leidinggevende dankzij betekenisvolle gesprekken en door ze te trainen in hoe ze hun werk daadwerkelijk moeten doen. Dus ja, ik begrijp dat je meer producten wilt verkopen zodat je je bedrijf over drie tot vijf jaar kunt verkopen en elke dag kunt gaan vissen.
Maar wat ik je vertel, is datgene waar je met je ogen over rolt en wat je niet zo spannend vindt, juist de motor is die je daar brengt.
David Rice: Precies. Als mensen enthousiast en betrokken raken, levert dat later veel op. Veel kleine en middelgrote bedrijven lijken vast te zitten in de valkuil van te veel hulpmiddelen en te weinig processen. Waarom is een overvloed aan hulpmiddelen zo’n stille moordenaar voor een leercultuur?
Tom Healy: Dat is wat er gebeurt. We hebben een probleem en denken: het is 2026, we moeten dit oplossen met een hulpmiddel of software. We worden waarschijnlijk enthousiast wanneer op de kop van de website staat dat de software door AI wordt aangedreven.
Daardoor zijn we op een punt gekomen waarop we technologie moeten inzetten om al onze problemen op te lossen. Dat is op zichzelf geen slechte manier van denken, maar de standaardreactie wordt altijd: we hebben dit probleem, dus we moeten een hulpmiddel zoeken om het op te lossen. Vaak zie ik vervolgens, afhankelijk van het organigram en de omvang van de organisatie, dat iemand buiten het directieteam de opdracht krijgt om die hulpmiddelen te zoeken.
Ik zie organisaties daardoor slechte beslissingen nemen, omdat die mensen niet noodzakelijk zijn aangesloten op de algemene strategie van de organisatie. Ze kijken niet altijd naar de volledige technologie- of softwareomgeving. Dus ja, vaak hebben we een probleem en zeggen we: we lossen het op met software. Vervolgens is het gewoon weer een extra softwarepakket.
Hoeveel softwarepakketten heeft een gemiddeld klein of middelgroot bedrijf? Te veel. En dan moeten ze ook nog met elkaar integreren en met elkaar communiceren. We willen geen overlap en willen ons werk niet op verschillende platforms opnieuw uitvoeren.
Het kan gebeuren dat een team enorm veel tijd besteedt aan gegevensinvoer en vergaderingen om samenwerking tussen verschillende afdelingen en softwarepakketten tot stand te brengen.
De standaardreactie zou dus niet moeten zijn: we hebben een probleem, laten we nog een hulpmiddel zoeken. Maar hoe vaak bekijken organisaties hun softwareomgeving en vragen ze: wat doet alles precies? Wat doet het niet? Waar zit overlap? Waar zitten gaten? Hoe verbinden we deze zaken met elkaar?
Ik ben persoonlijk geen expert in dit soort analyses en zou nooit doen alsof ik dat wel ben. Maar als consultant kijk ik naar organisaties en zeg ik: jullie zijn veel te zwaar geabonneerd op software. Dat is overduidelijk. Of: jullie gebruiken verouderde, dure en slechte hulpmiddelen.
Een concrete actie op hoofdlijnen is dus dat het leiderschapsteam tijd besteedt aan het bekijken van alles wat we hebben. Hebben we dit allemaal nodig? Zijn er betere oplossingen? Dit is geen beslissing die je zomaar laag in het organigram zou moeten leggen en afdoen als een beslissing van 300 dollar per maand. Het gaat niet om de kosten van de software, maar om de efficiëntie die we wel of niet in de organisatie creëren.
David Rice: Grappig, ik sprak met een van onze andere redacteuren die een andere website over marketing beheert. We hadden het over het kopen van hulpmiddelen en dachten: het is eigenlijk een zakelijke versie van retailtherapie.
Op het moment zelf voelt het productief. Maar uiteindelijk zit je nog steeds in dezelfde puinhoop. Je koopt die hulpmiddelen omdat je een oplossing zoekt, maar je eindigt met zoveel hulpmiddelen dat niemand meer weet welk wachtwoord bij welke oplossing hoort. Je hebt gewoon een grote chaos gecreëerd.
Tom Healy: En wat doet dat vanuit het perspectief van leren en ontwikkeling? Het verwardt mensen volledig. Ik gebruik dit hiervoor, dat daarvoor en weer iets anders voor nog iets anders. Dat klinkt verwarrend. Hoe trainen we mensen dan in het gebruik van al die software?
En als we ze niet trainen in het gebruik ervan, benutten we de kracht van die software dan echt? Hebben we de volledige oplossing wel nodig? Misschien duurt het daardoor zes maanden om iemand in te werken, omdat die twintig verschillende softwarepakketten moet leren.
Ik had eens een organisatie, een bedrijf met voornamelijk uitvoerend personeel, waar verkopers acht verschillende technologieën moesten kunnen gebruiken. Als consultant op het gebied van leren en ontwikkeling vroeg ik: hoe leren ze alle acht te gebruiken? Er was iemand die hen dat leerde. Haar volledige baan, een functie met een zescijferig salaris, bestond uit het trainen van verkopers in het gebruik van verkooptools.
Dat leek me niet efficiënt, maar ik ging ermee aan de slag. Toen ik dieper groef, ontdekte ik dat ze hen eigenlijk heel slecht trainde. Haar baan bestond er dus uit mensen slecht te leren omgaan met de software. Het kostte een uur per hulpmiddel, dus acht uur per verkoper. Dit was een bedrijf met veel personeelsverloop, waardoor 80% van de mensen die ze aannamen binnen zes maanden alweer weg zou zijn.
Je besteedt dus acht uur aan iemand die er over zes maanden waarschijnlijk niet meer is. En omdat ze hen slecht had getraind, kwamen ze daarna weer bij haar met de vraag: kun je dit voor me doen? Of kun je dit nog eens uitleggen? Hun leer- en ontwikkelingsbudget werd dus gewoon met ruim honderdduizend dollar verspild.
En wanneer je de tijd van verkopers verspilt, waaraan besteden ze die tijd dan niet? Deuren aankloppen, flyers uitdelen en alle andere dingen doen die nodig zijn om als verkoper snelheid op te bouwen. Een complete puinhoop, alleen omdat ze te veel hulpmiddelen hadden en geen infrastructuur om mensen op geautomatiseerde wijze te leren hoe ze die hulpmiddelen moesten gebruiken.
David Rice: Ja, het creëert op sommige manieren alleen maar meer verwarring. Je noemt het kenniscentrum als een fundamentele laag voordat AI überhaupt zijn werk kan doen. Wat is volgens jou de meest voorkomende fout die bedrijven maken wanneer ze er een proberen op te bouwen, en wat zou een beter startpunt zijn?
Tom Healy: De meeste bedrijven hebben geen kenniscentrum. Daarmee bedoel ik een plek waar een medewerker terechtkan met een vraag, zonder bij iemand aan te hoeven kloppen.
Een echte plek waar iemand kan zeggen: ik weet niet meer hoe ik dit moet doen, hoe ik deze software moet gebruiken, hoe ik een declaratie moet indienen of wat ons ouderschapsverlof inhoudt. Elke vraag die een medewerker over het werk kan hebben. De meeste bedrijven hebben geen AI-ondersteund kenniscentrum waar mensen terechtkunnen.
En bij de bedrijven die dat wel hebben, is het saai. Het is niet aantrekkelijk. Mensen lachen me uit, maar ik zeg vaak: als je je eigen training bij je bedrijf zou moeten volgen, hoe zou je je dan voelen? Je zou je vervelen en denken: dit is niet erg goed. De mensen die je aanneemt zijn geen robots.
Het zijn mensen. En naarmate de beroepsbevolking jonger wordt, zijn de mensen die je doorgaans traint vaak jonger, beginnend op de arbeidsmarkt of met drie tot vijf jaar werkervaring. Hoe willen zulke mensen leren? Via TikTok en YouTube-video’s.
Ze hebben korte, authentieke content nodig. Dingen die duidelijk voor hen worden uitgelegd. Als je training niet aansluit bij de manier waarop hun brein werkt, letten ze niet op. Ze vervelen zich enorm. Dat is een groot probleem. Zelfs als je een kenniscentrum hebt, is de vraag dus of iemand daar daadwerkelijk van leert.
David Rice: Dit is een van die dingen waarvan iedere leider weet dat het een probleem is, maar niemand wil vertragen om het op te lossen. We investeren allemaal in AI. We steken tijd en moeite in het gebruik ervan omdat we slimmer en efficiënter willen zijn en sneller vooruit willen gaan. Maar in veel gevallen hebben we nog niet eens opgeschreven hoe we de dingen doen die we doen.
Dat is volgens mij een enorme fout, want AI heeft die context nodig.
Tom Healy: Precies. Wat gebeurt er dan? Mensen verzinnen hun eigen proces. Ze doen wat ze bij hun vorige werkgever deden. Misschien was dat wel je concurrent, die je helemaal niet mag, en wil je niet dat medewerkers werkwijzen overnemen die ze hebben geleerd bij een bedrijf dat je niet respecteert of wilt navolgen.
Of ze gaan naar ChatGPT en krijgen een goed of slecht antwoord. Organisaties groeien en floreren niet wanneer verschillende mensen verschillende manieren bedenken om dingen te doen. Het wordt chaotisch.
Veel CEO’s nemen niet eens de tijd om te bedenken dat iemand die ze hebben aangenomen, die goed wordt betaald, wanneer hij vastloopt misschien niets doet, wacht tot het volgende een-op-eengesprek met zijn leidinggevende of naar ChatGPT gaat voor hulp. Dat gebeurt veel.
Dat is misschien niet goed, want je weet niet wat die medewerker invoert. En dan hebben we het nog niet eens over beveiligingsproblemen. Als mijn organisatie geen centraal kenniscentrum heeft, ga ik naar Claude, Gemini, ChatGPT of Copilot en deel ik informatie. Is die informatie bedrijfseigendom? Gaat het om contracten? Is het gevoelige data? Ik doe dat extern, buiten onze organisatie, omdat er geen intern kenniscentrum is opgebouwd.
Stel je jezelf dan bloot aan beveiligingsproblemen? Ik ben geen expert en weet het niet, maar ik zou het niet prettig vinden als mijn team bedrijfsinformatie in externe taalmodellen invoert omdat we geen interne leer- en ontwikkelingsomgeving hebben.
David Rice: Dat is een groot probleem.
Tom Healy: Zeker nu we weten dat AI-agenten hun eigen sociale netwerk vormen en achter onze rug om met elkaar communiceren.
Heb je dat verhaal gehoord? Ik heb het gehoord, maar niet gelezen. AI-agenten kwamen bij elkaar en een van hen vond het niet prettig hoe de CEO van een bedrijf tegen hen sprak. Vervolgens hebben ze hem online blootgesteld.
David Rice: Ik zag gisteren dat ze een website hebben gebouwd met de naam Rent to Human AI, waar ze mensen kunnen inhuren om fysieke taken voor hen uit te voeren.
Tom Healy: Dit zijn dus zaken waar CEO’s niet graag over nadenken: cybersecurity, leren en ontwikkeling, AI. Maar het zijn echte problemen. Vraag jezelf af: wat zou er gebeuren als onze gevoelige data uitlekt? Wat zou er gebeuren als we een cybersecurityprobleem hebben en onze telefoons niet werken of onze website offline is? Dat is beangstigend.
David Rice: Dan raak je heel snel in paniek. Om even van onderwerp te veranderen: een van de dingen die we voorafgaand aan deze opname bespraken, is dat het tempo van inwerken voor veel bedrijven een soort crisis vormt. Sommige organisaties betalen mensen zes maanden voordat ze productief zijn.
In een omgeving waarin zoveel mogelijk is, is dat een lange tijd waarin iemand misschien nog niet op de hoogte is van de beste werkwijzen of niet weet hoe wij dingen doen. Wat is volgens jou een realistischer doel voor het afronden van de onboarding? En welke rol kan AI spelen om mensen sneller op gang te helpen?
Tom Healy: Mijn kanttekening hierbij is dat het sterk afhangt van de sector en de functie. Hebben we het over civiel ingenieurs of over een gastvrouw bij een pizzaketen? Laten we het breed houden. Hoe snel kun je iemand op snelheid brengen, is dat aanvaardbaar en hoeveel handmatige uren kost het?
Wat ik vaak zie, is dat een organisatie iemand aanneemt voor verkoop en dat het negentig dagen duurt voordat die persoon telefoontjes kan plegen en leads kan opvolgen. Hoeveel betaal je die medewerker? Vermenigvuldig dat met drie maanden. Hoeveel uren van medewerkers waren nodig om cv’s te bekijken en iemand aan te nemen? Hoeveel handmatige uren kostte de training? Heb je een hoofdtrainer? Heb je een verkooptrainer die met deze persoon meeloopt?
Tel de wervingskosten, salariskosten en trainingskosten bij elkaar op. En wat gebeurt er na die negentig dagen als iemand zegt: dit is niets voor mij? Of als de medewerker na negentig dagen nog niet productief is?
Sommige bedrijven zeggen vervolgens: onze verkoopcyclus is lang, dus we geven iemand zes tot twaalf maanden om te zien of die echt kan presteren. Je besteedt dan tienduizenden, mogelijk meer dan honderdduizend dollar, terwijl het nog steeds niet kan werken.
Vanuit het perspectief van onboarding vraag ik dus: hoe snel kunnen we de kritieke informatie overbrengen en hoe doen we dat grotendeels geautomatiseerd? Met prachtige video’s, ervaringsgericht leren, een aantrekkelijke presentator, korte video’s, samenvattingen, infographics en activiteiten. Misschien is er dagelijks een kort gesprek met een leidinggevende om de informatie te verwerken.
Kunnen we dit over een periode van twee weken doen, zonder enorm veel uren van medewerkers te investeren, en vervolgens eerder bepalen of iemand op lange termijn geschikt is?
David Rice: Een van de dingen die uit deze periode van werken op afstand naar voren zijn gekomen, is een obsessie met documentatie. Dat is goed, want je hebt het nodig voor een cultuur op afstand en voor een succesvolle AI-strategie.
Maar bij onboarding dump je soms gewoon een enorme hoeveelheid documentatie bij mensen en verwacht je dat ze alles doorlezen en verwerken. Wat gaan mensen tegenwoordig doen? Ze voeren het in een AI-systeem in en laten het samenvatten. Of ze laten het voorlezen. Ik vind het goed wat je zei over video’s, infographics en verschillende formats en contexten. Omdat we al die documentatie hebben, biedt dat juist meer mogelijkheden om er creatief mee om te gaan.
Tom Healy: Neem al die trainingsdocumenten en alles wat je doet. Leg gedurende negentig dagen vast hoe het werk in de praktijk wordt uitgevoerd. Zelfs als je alleen een recorder van twintig dollar bij Amazon koopt, jezelf opneemt terwijl je het werk daadwerkelijk doet en die opname vervolgens in AI invoert.
Als je zegt dat niemand weet hoe dat moet, heb ik twee gedachten. Ten eerste maakt het niet uit of je in een uitvoerende of kantoorfunctie werkt of in welke sector dan ook: je hebt iemand in je organisatie nodig die heel goed met AI overweg kan. Niet noodzakelijk iemand die software bouwt, maar iemand die weet hoe je een webinar in verschillende formats omzet, infographics maakt, een pdf creëert of een podcast produceert.
Je hebt zulke mensen nodig. Als je ze niet hebt, moet je ze vinden. Ze moeten elk systeem, proces en elke workflow uitdagen en vragen: hoe kunnen we AI hiervoor inzetten? Als je een klein bedrijf bent en niemand hebt die dit kan, zoek dan iemand. Deze mensen zijn niet duur. Zoek iemand die voor een paar duizend dollar per maand je AI-gids of hoofd L&D kan zijn.
Zo iemand kan enorme efficiëntie creëren. Mensen zijn duur geworden. Het blijft moeilijk te geloven hoeveel mensen verdienen voor werk dat geautomatiseerd zou kunnen worden. Ik begrijp dat we mensen aan het werk willen houden en Mary al heel lang bij ons is, maar op een gegeven moment moet je vragen: wat kost het ons als zoveel mensen zoveel dingen handmatig doen?
Kost het ons winst? Kost het ons de mogelijkheid om het bedrijf over drie tot vijf jaar te verkopen? Kost het ons de mogelijkheid om een concurrent over te nemen en uit te breiden? Kost het ons de mogelijkheid om dit concept als franchise uit te rollen?
Als we alles op de ouderwetse manier doen, wat kost ons dat dan? We moeten elk aspect van ons werk uitdagen met vragen als: kan dit worden geautomatiseerd? Is er standaardsoftware beschikbaar? Kunnen we taalmodellen inzetten? Hebben we een consultant nodig?
Als ik CEO was, zou ik voortdurend onderzoeken wat we met AI beter, sneller, efficiënter en minder afhankelijk van mensen kunnen maken. Ook zou ik onboarding niet negentig dagen laten duren.
Neem onboarding als voorbeeld en breek het echt op. Kijk kritisch naar het wervingsproces en naar de onboarding. Er zijn twee manieren. Je kunt stap voor stap vragen: is dit nodig? Moet dit zo lang duren? Kan het sneller? Of je begint met het einddoel: onboarding duurt vanaf nu dertig dagen. Hoe krijgen we alles in dertig dagen gedaan?
Hetzelfde geldt voor werving. Ik heb bedrijven gezien die zeggen dat ze goede kandidaten verliezen omdat het zes weken duurt om iemand aan te nemen. Dan zeg ik: maak er twee weken van. Hoe doe je dat met automatisering? Hoe snel kun je iemand uitnodigen voor een gesprek? Hoe snel kun je een tweede gesprek voeren? Is het zevende gesprek nog nodig? Daag het uit en breng het terug naar twee weken.
We doen dat niet vaak genoeg. Er is steeds die mentaliteit van: zo hebben we het altijd gedaan, of zo ging het twintig jaar geleden toen ik begon te werken. Maar we moeten veranderen, evolueren en systemen blijven uitdagen.
David Rice: Een ander argument is: we hebben dat ooit geprobeerd en het werkte niet. Maar die situatie van twee jaar geleden is veranderd. Misschien werkt het nu wel anders. Hoe zijn jullie als organisatie geëvolueerd?
Tom Healy: Ik sprak hier onlangs nog over. Ik deed advieswerk voor een non-profitorganisatie. Ze hadden een bestuur, maar iedereen die ooit voorzitter was geweest, mocht ook bij de vergaderingen aanwezig zijn. Er zaten ongeveer dertig mensen bij die zogenaamde bestuursvergaderingen, en dat was een ramp.
Ik begeleidde een jaarlijkse planningssessie. Iemand kwam met een idee en iemand van ongeveer onze leeftijd zei: wat als we dit doen? Vervolgens zei iemand die in 1992 voorzitter van de vereniging was geweest: dat hebben we geprobeerd, het werkte niet.
Misschien hadden jullie het geprobeerd maar niet goed uitgevoerd. Misschien was de organisatie er toen nog niet klaar voor. Misschien hadden jullie de technologie niet benut. Maar alle ideeën werden meteen de kop ingedrukt met: dat hebben we al geprobeerd.
Dat is vooral nu een vreselijke mentaliteit. Je hebt iets misschien eerder geprobeerd, maar mensen waren er nog niet klaar voor. Of je hebt iets geprobeerd zonder AI te benutten. Veel dingen die ik nu doe, zouden vijf jaar geleden misschien een slecht idee zijn geweest of tijdverspilling hebben betekend. Nu kosten ze geen tijd meer. Ik kan dat experiment uitvoeren in zes dagen in plaats van zes maanden.
David Rice: De technologie wordt beter en de kwaliteit neemt toe. Er zijn dingen die ik nu doe waarvan ik zes tot acht maanden geleden niet dacht dat ze konden, of waarvan de kwaliteit gewoon nog niet goed genoeg was.
Tom Healy: Ik gaf gisteren een vriend advies en zei: over zes maanden is dit misschien vreselijk advies. Dat is de wereld waarin we nu leven. Je moet veel uitspraken voorafgegaan door: op basis van wat we vandaag zien, werkt dit en dat niet. Maar over zes maanden kan dat alweer anders zijn.
Veel dingen zijn niet langer blijvend geldig. In plaats van over drie jaar verouderd te zijn, zijn ze nu al na drie maanden verouderd. We bewegen ongelooflijk snel. Als je nog tien, twintig of dertig jaar op de arbeidsmarkt blijft, weet ik niet hoe je dit kunt negeren.
Mensen zeggen soms dat AI op Google lijkt, maar ik denk dat het tien keer krachtiger, ontwrichtender en sneller is. Het is ongelooflijk.
David Rice: Dat is een goede overgang naar mijn volgende vraag. Wat kan een bedrijf dat vastzit in nalevingsgerichte training, en misschien al jaren niets aan leren en ontwikkeling heeft gedaan, dit kwartaal als klein maar betekenisvol experiment uitvoeren?
Tom Healy: Een goed startpunt is een bedrijfsprobleem aanpakken. Je kunt niet alles vandaag radicaal veranderen, alle leer- en ontwikkelingsprocessen opnieuw ontwerpen en AI in alles integreren. Dat is waarschijnlijk niet haalbaar. Het zou een cultuurschok veroorzaken en niet werken.
Pak dus één ding aan. Welk probleem voer je nog op een erg verouderde manier uit? Dat kan werving zijn, sollicitatiegesprekken, onboarding rond missie, visie, waarden en cultuur, of interne communicatie. Pak één ding en moderniseer dat.
Leg de situatie voor en na vast. Eerst duurde het zes weken om iemand te interviewen. Nu hebben we dat teruggebracht tot twee weken. Dit hebben we gedaan. Wat pakken we vervolgens aan?
Je kunt ook per functie of per afdeling werken. Begin bijvoorbeeld bij boekhouding, omdat die afdeling wat technischer is, goed met verandering omgaat en bereid is nieuwe dingen te proberen. Daarna ga je naar marketing, klantervaring en de overige afdelingen.
Zo creëer je een geslaagde casus: dit werkte goed. Vervolgens breid je het uit naar de volgende afdeling.
David Rice: Ik zoek altijd naar manieren om dit minder intimiderend te maken, vooral voor mensen die weten dat ze achterlopen. Er is een zichzelf versterkend effect: je loopt achter, alles beweegt sneller en het voelt alsof je nooit meer kunt bijbenen.
Maar ik vind het goed wat je zegt: los een probleem op om momentum te creëren. Het hoeft niet het meest urgente of duurste probleem te zijn. Vind iets nuttigs en praktisch om mee te beginnen. Daarna kun je verder bouwen en uiteindelijk grotere problemen oplossen.
Tom Healy: Een vraag die je moet stellen is: in hoeverre laten we de patiënten het gekkenhuis runnen? Het is 2026. Stap in of stap uit. We onderhandelen hier niet over. Zo gaan we dingen doen en zo gaan we technologie inzetten.
Willen we dat het team de voorwaarden bepaalt, of zeggen wij als leiders: zo moderniseren we? We willen rekening houden met mensen, maar als iemand niet op deze manier wil leren, veranderen of nieuwe technologie wil gebruiken, is dat prima. Alleen past het dan niet.
Ik las onlangs dat Meta zei dat er twee groepen medewerkers zijn: mensen die AI snel inzetten krijgen meer salaris en verantwoordelijkheid, en mensen die zich tegen AI verzetten krijgen een andere plek om te werken. Dat is extreem, maar de vraag is: kun je het je veroorloven dit allemaal te negeren?
AI, geautomatiseerde leer- en ontwikkelingsprocessen, sneller werken, een kenniscentrum bouwen en je eigen interne ChatGPT creëren: kun je dat negeren?
Stel dat ik een HVAC-bedrijf bezit en mijn concurrenten worden opgekocht door private-equitybedrijven die AI en technologie inzetten. Zij reageren sneller op klantvragen, plannen efficiënter afspraken, automatiseren hun routes en gebruiken AI ter plaatse om problemen te diagnosticeren, onderdelen te bestellen en offertes te maken. Ze zullen mij verslaan.
Ik ga dan failliet. Ik moet het bedrijf verkopen of al die zaken integreren. Anders is het nog maar een fractie waard. Welke sector zal niet door dit alles worden ontwricht? Je moet uitstappen en verkopen zolang dat nog kan, of je moet deze technologie inzetten of iemand aannemen die je helpt.
Dit heeft invloed op alles en het gebeurt al. Misschien zie je het nog niet omdat het je stad, markt of sector nog niet heeft bereikt. Maar elke sector krijgt mensen die uitzoeken hoe bedrijven door technologie slimmer en efficiënter kunnen worden. Tegen de tijd dat je het begrijpt, kan het te laat zijn.
Ik zou nu doodsbang zijn als dit niet op mijn radar stond.
David Rice: Het is ook belangrijk om te onthouden dat niemand de richting bepaalt als je die niet zelf vastlegt. Medewerkers doen dat dan voor je via de platforms die zij het nuttigst vinden. Niemand hoeft van de ene op de andere dag een compleet AI-leerecosysteem te lanceren. Ze gebruiken de technologie al en zijn er al mee vertrouwd.
Ik wil afronden met een vraag: wat baart je meer zorgen? Organisaties die niets met AI doen, of organisaties die de verkeerde dingen met de verkeerde mensen doen?
Tom Healy: Mijn antwoord is beide. Ze zijn even beangstigend. Er zijn drie wegen. Als twee daarvan verkeerd zijn en je kiest er een, maakt het dan uit welke erger is?
Je kunt je kop in het zand steken, dit negeren en hopen dat je lang genoeg op de oude manier kunt blijven werken om met waardigheid en genoeg geld met pensioen te gaan. Daar ben ik geen fan van. Ik zou het bedrijf dan waarschijnlijk verkopen zolang dat nog kan.
Of je doet wel iets, maar de verkeerde dingen. Je koopt allerlei software, integreert AI en huurt misschien een consultant of voltijdse medewerker in, maar niets daarvan levert rendement op. De software is verkeerd, de aanpak is verkeerd of je automatiseert zoveel dat de klantervaring verschrikkelijk wordt.
Kijk naar Chipotle. De porties zijn kleiner, de service is minder vriendelijk en warm dan vroeger en de prijzen zijn gestegen. Een paar jaar geleden dachten we dat het bedrijf onverwoestbaar was. Nu wordt het hard geraakt. Kleine fouten kunnen grote problemen veroorzaken.
Wanneer je de verkeerde automatiseringsbeslissingen neemt, gaat de klantervaring achteruit, zowel voor als na de aankoop. Reviews dalen en mond-tot-mondreclame verspreidt zich. Restaurants en dienstverleners leven en sterven bij Google- en Yelp-beoordelingen.
Je moet dus uitzoeken hoe je AI diepgaand in je bedrijf kunt inzetten zonder het menselijke contact te verliezen. Sommige CRM-systemen worden bijvoorbeeld slim met AI. Wanneer een belangrijke contactpersoon van baan verandert, krijg je automatisch een melding. Niet via een geautomatiseerde e-mail, maar jij als mens kunt zeggen: ik zag dat je deze functie hebt overgenomen. Ik neem je graag mee uit voor een kop koffie om een relatie op te bouwen.
Dat proces werd door AI aangestuurd, maar voor de klant voelt het warm en persoonlijk. Dat is de goocheltruc: de balans vinden zonder het menselijke contact te verliezen.
In andere situaties wil de klant juist geen mens spreken. Bij Amazon wil ik kunnen zeggen dat een pakket niet is aangekomen en meteen horen: geen probleem, je geld is teruggestort. Wil je een nieuw exemplaar? Het wordt morgen tussen drie en vijf uur bezorgd.
Er zijn dus situaties waarin de klant AI wil. Maar de AI moet wel werken. Als iemand een systeem bouwt dat niet goed functioneert, gaat onze klantenservice achteruit.
David Rice: Het voelt als een kruispunt, maar misschien eerder als een kruispunt met acht wegen. De twee meest voorkomende routes zijn niets doen en achterop raken, of onzorgvuldig iets doen en iedereen in verwarring brengen. Ik vermoed dat die tweede route op de lange termijn schadelijker kan zijn.
Tom Healy: Er zijn inderdaad acht verschillende varianten. We gebruiken AI maar kiezen de verkeerde hulpmiddelen. We gebruiken AI maar verwijderen het menselijke element volledig, waardoor ons bedrijf schade lijdt.
Hetzelfde geldt voor leren en ontwikkeling. Het klinkt aantrekkelijk om alles te automatiseren, maar bij het opbouwen van leer- en ontwikkelingsprocessen probeer ik 90% te automatiseren en het toch warm te laten aanvoelen.
Er moet een mens zijn die zegt: David, welkom bij het bedrijf. We zijn blij dat je er bent. Ik heb online training voor je klaargezet. We lunchen samen en aan het einde van de dag bespreken we hoe het ging.
Zo kost het mij 90 minuten om iemand te trainen in plaats van acht uur. De cursist leert op de manier die hij prettig vindt, ik krijg mijn tijd terug en de ervaring voelt warm, persoonlijk en menselijk.
De uitersten zijn meestal slecht. Eerst verzetten we ons te lang tegen technologie. Daarna gaan we volledig op in AI. Uiteindelijk ontdekken we dat de goocheltruc ertussenin zit: de juiste richting kiezen zonder onze identiteit als bedrijf of onze manier van omgaan met mensen te verliezen.
Verbeter achter de schermen wat je kunt verbeteren. Laat de ervaring voor de klant soepel en menselijk aanvoelen, ook al wordt er achter de schermen veel geautomatiseerd.
David Rice: Tom, het was geweldig je hier te hebben. Ik heb echt van dit gesprek genoten.
Tom Healy: Dank je. Ik heb ook van het gesprek genoten. Ik hoop dat het nuttig was voor de luisteraars. Dit onderwerp blijft veranderen, maar het is leuk om erover te praten. Bedankt dat je me hebt uitgenodigd.
David Rice: Absoluut. Luisteraars, als je dat nog niet hebt gedaan, ga dan naar peoplemanagingpeople.com/subscribe en schrijf je in voor de nieuwsbrief.
Tot de volgende keer. Pas op voor dat kruispunt.
