Ik zie, lees en hoor dat AI op verschillende manieren wordt gebruikt. Of niet gebruikt. Of verkeerd gebruikt. De verwachtingen vanuit het management komen niet overeen met de werkelijke resultaten, of men heeft verkeerde verwachtingen. Of er is niet het juiste systeem of de juiste tooling aangeschaft.
AI wordt vaak gezien als doel, met hoge verwachtingen. Het is meer een tool om de doelstellingen te behalen. Dat is een heel ander vertrekpunt. Hierdoor ga je anders denken (AI-first), zet je het individu en het team meer in zijn kracht, gaat het team of individu anders om met complexiteit, zit je veel meer in de oplossing, ga je efficiënter werken en gaat je output omhoog.
Dit heeft ook een keerzijde: de verwachtingen van het management worden echt anders. Ze gaan meer verwachten en willen een hogere output zien. Dan zit je helaas weer in de kwantiteit, in plaats van dat je meer kwaliteit gaat leveren. Daar zit het grote verschil. En dat moet veel meer in de strategie van organisaties gaan zitten, met daarbij de gestelde doelen.
Op board- of directieniveau wordt besloten dat we als organisatie meer met AI moeten gaan werken. Er wordt een Head of AI of iets dergelijks aangesteld en die moet aan de slag. De verwachtingen zijn torenhoog. Dit is met name ingegeven door wat men leest en hoort, of door borrels waar iedereen loopt te pochen wat een impact AI maakt. Lijkt een beetje op het dagelijkse LinkedIn-gedrag: alles is geweldig. De realiteit is anders, en dat weten we.
Van visie naar concrete stappen
We komen met veel organisaties in contact, op verschillende niveaus: van board level tot aan de werkvloer. We weten als geen ander wat voor positieve impact AI-tooling kan hebben op een organisatie. Maar dat betekent wel dat we vanuit een duidelijke visie (onderdeel van de strategie) een concrete vertaalslag maken naar de te nemen stappen (lees: activiteiten) in een one-pager, zodat iedereen begrijpt wat we zouden kunnen doen. Als daar overeenstemming over is, kijken we naar de huidige tools waar de teams mee werken. Hoe meer men met verschillende systemen werkt, hoe kleiner de kans dat men met nieuwe tooling gaat werken. Daarom is het cruciaal om de verwachtingen op de juiste manier te managen.
De meesten zullen al met AI-chatbots werken, maar op hun eigen manier. Dan komt de vraag: "Is dat veilig?" Effectory zag dat ook bij een scan in de eigen organisatie: 88% van de medewerkers ervaarde al productiviteitswinst, maar slechts 23% vond dat er duidelijke richtlijnen over AI waren.
Er zal dus een keuze gemaakt moeten worden om anders te gaan werken als je eenmaal met een nieuwe AI-tool gaat werken. Daarnaast wordt je werk ook echt inhoudelijk anders, en dat moet je wel leuk vinden. Het levert echt veel meer kwaliteit op en zorgt ervoor dat je je op andere belangrijke zaken kunt focussen. Maar we hebben het wel over gedragsverandering, en in mijn optiek ook over anders denken. Doordat je anders denkt, kom je ook tot andere voorstellen, inzichten en output.
Hier zit ook de kern van het verwachtingsprobleem. Men verwacht snel resultaat, terwijl het echte resultaat pas komt als mensen anders gaan werken. Gedragsverandering heb je niet binnen een week gerealiseerd.
Wanneer het gaat om een AI-platform dat de dagelijkse werkwijze fundamenteel verandert, duurt een volledige gedragsverandering in onze ervaring zo'n 6 tot 12 maanden. Dit is aanzienlijk langer dan bij 'traditionele' software (zoals een nieuw CRM- of HR-systeem), omdat AI niet alleen om andere knoppen vraagt, maar om een compleet nieuwe manier van denken en handelen.
Waarom AI-adoptie dieper snijdt en langer duurt
Gedragsverandering bij AI-tooling stuit op psychologische en operationele drempels die bij reguliere software niet meespelen. SUE Behavioural Design beschrijft er een aantal van, zoals de angst om voor collega's te falen met een nieuwe tool.
- Het 'onzichtbare werk' (gebrek aan social proof). Als iemand een nieuw CRM gebruikt, zie je de data in het systeem verschijnen. AI-gebruik vindt grotendeels plaats in de 'black box' van het individuele brein en de prompt-interface. Omdat collega's niet direct van elkaar zien hoe en wanneer iemand AI gebruikt, ontbreekt de natuurlijke sociale aanstekelijkheid die verandering normaal versnelt. Innovatieonderzoeker Everett Rogers noemde zichtbaarheid al als een van de vijf eigenschappen die bepalen of een innovatie aanslaat.
- De verschuiving van 'doener' naar 'beoordelaar'. Medewerkers moeten hun rol transformeren. In plaats van zelf een concept te schrijven of data te structureren, moeten ze nu een AI briefen (prompten), het resultaat kritisch valideren en bijsturen. Dit vraagt een heel ander type cognitieve vaardigheid en expertise.
- Het identiteits- en competentierisico. Traditionele software automatiseert vaak administratieve taken. AI raakt juist aan de kern van de expertise waarvoor professionals zijn opgeleid en worden betaald. Dit roept sneller onderliggende onzekerheid of angst op ("Ben ik straks nog wel nodig?"), wat de adoptieperiode flink kan vertragen als dit niet expliciet wordt geadresseerd.
De AI-veranderingstijdlijn in de praktijk
In de praktijk zien we dat de transitie grofweg door drie fasen gaat:
Maand 1 tot 2: het 'toerisme' en de frustratie. Medewerkers loggen in en proberen de tool uit (vaak met simpele vragen). De eerste opwinding slaat snel om in teleurstelling als de eerste de beste prompt niet meteen een perfect resultaat oplevert. Zonder goede begeleiding haakt men hier al af.
Maand 3 tot 5: het 'zandpad' en de 66-dagenregel. Het duurt gemiddeld 66 dagen om een nieuwe gewoonte in te slijpen (Lally e.a., University College London, 2009). In deze fase gaan medewerkers AI specifiek koppelen aan terugkerende taken, bijvoorbeeld door standaard de input van klantcases door de AI-assistent te laten analyseren. Het kost nog wel bewuste denkkracht; het is nog geen automatisme.
Maand 6 tot 12: fundamentele herinrichting. De manier van werken is nu écht anders. Medewerkers beginnen hun werkdag vanuit de mogelijkheden van AI. Processen worden niet meer versneld, maar opnieuw ontworpen rondom de samenwerking tussen mens en machine. Dat is de 'AI-first'-mentaliteit.
Het is cruciaal dat je je als organisatie hiervan bewust bent en dat je hier ook naar acteert. Daarom is het o zo belangrijk dat je met de juiste partners gaat samenwerken die hier ervaring mee hebben, en het dus niet alleen maar herkennen. Daarbij helpt het als die partners verschillende expertises meebrengen: van tech en verandermanagement tot kennis van jouw vakgebied. Het empathisch vermogen speelt hierin ook een belangrijke rol: dus niet alleen een goed verhaal, maar ook het daadwerkelijk goed kunnen begeleiden.
Geef het de tijd. Dan gaat AI niet over meer output, maar over betere output. Daar zit het grote verschil.
Wil je hier meer over weten? Neem dan contact met ons op. We doen het graag.