Ik heb onlangs een paradox opgemerkt bij een team van ontwikkelaars. Met AIingenieurs begonnen sneller code te schrijven en kregen binnen enkele seconden antwoorden, maar ze meldden ook dat ze zich meer uitgeput voelden dan voorheen.
AI heeft de hoeveelheid werk die moet worden gedaan niet daadwerkelijk verminderd. In plaats daarvan is het karakter fundamenteel veranderd. We kunnen nu verschillende taken parallel uitvoeren en dit waarnemen als productiviteit. Tot op zekere hoogte is dat zo. Maar uiteindelijk wordt het beheren van tools en het voortdurend schakelen tussen tools vermoeiender dan het zelf uitvoeren van de oorspronkelijke taken. In sommige gevallen vertraagt het zelfs het proces om een oplossing te vinden.
Ik geef al meer dan vijftien jaar leiding aan ontwikkelingsteams en heb het afgelopen jaar geprobeerd te begrijpen waarom AI-tools, ontworpen om het werk gemakkelijker te maken, soms het tegenovergestelde effect hebben. Hier zijn de redenen achter dit fenomeen en wat we eraan kunnen doen.
WAAR DE VERMOEIDHEID VANDAAN KOMT, WANNEER AI EEN DEEL VAN HET WERK DOET
Neem de workflow van een ontwikkelaar als voorbeeld. Als ontwikkelaars in het verleden met een complex probleem werden geconfronteerd, zochten ze op Google, gebruikten ze Stack Overflow (voordat ChatGPT arriveerde) en vroegen ze collega’s om hulp. Elke stap en elke beslissing werd gescheiden door een reflectietijd.
Nu beginnen ze Cursor of GitHub Copilot te gebruiken: AI-tools die code in realtime voorstellen. De weg naar een antwoord wordt steeds korter. Maar in plaats van te zoeken, zijn ze nu bezig met voortdurende evaluatie van AI-suggesties: accepteer de autocomplete of wijs deze af, herschrijf de prompt of creëer de output opnieuw. Tientallen microbeslissingen zonder pauzes ertussen.
Elk van deze heeft cognitieve ‘kosten’. Zelfs de kleinste keuze vereist aandacht en mentale inspanning. Hoe meer beslissingen iemand dagelijks neemt, hoe slechter de kwaliteit van elke volgende beslissing. Dit gebeurt vanwege wat psychologen noemen beslissingsvermoeidheid. AI heeft dit probleem nog verergerd door het aantal beslissingen dat een persoon moet nemen tijdens het uitvoeren van een enkele taak dramatisch te vergroten.
Wetenschappers weten het Boston Adviesgroep (BCG) ondervroeg bijna 1.500 in de VS gevestigde werknemers. Ze ontdekten dat 14% van de mensen die AI op het werk gebruiken en veel toezicht nodig hebben, last hebben van ‘AI brain fog’: een gevoel van mentale mist en een onvermogen om zich te concentreren. En het heeft consequenties: werknemers die dit ervaren, overwegen eerder van baan te veranderen en maken meer fouten.
MEER GEREEDSCHAPPEN VERBETERDEN DE PRODUCTIVITEIT NIET
Ik heb het keer op keer gezien: managers beginnen AI te implementeren met dezelfde vraag: hoe kunnen we deze tools gebruiken om het team te helpen meer gedaan te krijgen? Vervolgens beginnen ze AI-services toe te voegen.
Eén of twee AI-tools verhogen de productiviteit per BCG echt, maar met drie tools pieken de productiviteit. Bij de vierde valt het. Elke nieuwe tool betekent nieuwe instellingen, aanwijzingen en workflows. Op een gegeven moment besteedt het team meer moeite aan het beheer van tools dan aan het werk zelf.
De werker is niet langer de doener, maar wordt degene die controleert, vergelijkt en kiest. Ondertussen zijn mensen er nog steeds van overtuigd dat AI hen sneller maakt. Maar volgens METR-gegevenshet tegenovergestelde was waar: ervaren ontwikkelaars die AI-tools gebruikten, werkten feitelijk langzamer, ook al dachten ze dat de voltooiingstijden van hun taken met bijna een kwart daalden.
Er is hier nog een paradox. Zelfs als kunstmatige intelligentie het werk echt versnelt, nemen mensen niet de tijd om te rusten. Ze nemen meerdere taken op zich. Dit werd ontdekt door onderzoekers UC Berkeley’s business school die acht maanden lang werknemers van een Amerikaans technologiebedrijf observeerde om te begrijpen hoe het gebruik van kunstmatige intelligentie hun werkgewoonten beïnvloedde.
In eerste instantie voelden de medewerkers zich energiek; hun productiviteit schoot omhoog. Maar na verloop van tijd werd de werkdag stilletjes langer – een prompt tijdens de lunch, een laatste vraag voordat hij het kantoor verliet – terwijl het aantal pauzes afnam. Niemand eiste dat ze meer zouden werken, maar dat is precies wat er gebeurde. Later gaven dezelfde arbeiders toe dat ze uitgeput waren. De onderzoekers noemden dit ‘workload creep’: een geleidelijke toename van de werkdruk die zich onopgemerkt ophoopt totdat vermoeidheid de beslissingskwaliteit begint te beïnvloeden.
MOETEN WE AI-TOOLS opgeven?
Ik denk niet dat het opgeven van AI de oplossing is. Ik ben ervan overtuigd dat het probleem niet de technologie is, maar hoe we die gebruiken en onze doelstellingen. Hier zijn vijf dingen die, naar mijn ervaring, kunnen helpen bij het implementeren van AI zonder uw team op te branden:
1. Begin met het heroverwegen van uw workflows. Voordat u een AI-tool in een proces introduceert, moet u beginnen met een vraag: welke taken vereisen menselijke aandacht en welke kunnen worden geautomatiseerd zonder dat dit ten koste gaat van de kwaliteit? De aanpak van “het implementeren van AI in elk proces” is geen strategie – het is een snelle manier om te doorbreken wat al werkt.
2. Geef leiders een leidende rol bij de adoptie van AI. In teams waar de leider mensen persoonlijk helpt AI-tools te leren, is de cognitieve vermoeidheid onder werknemers lager, aldus het BCG-onderzoek. Een manager die echt begrijpt hoe AI werkt, kan een gezond tempo aanhouden bij het gebruik van deze tools en voorkomen dat het team verdrinkt in experimenten.
3. Stel regels vast voor het werken met AI. De Berkeley-onderzoekers noemden dit ‘AI-praktijk’: afspraken over hoe het team omgaat met de AI. Deze kunnen bestaan uit een korte pauze vóór belangrijke beslissingen, opeenvolgende uitvoering in plaats van multitasken, en tijd voor discussie en collectieve reflectie. Een van onze teamleiders moedigt junioren bijvoorbeeld aan om vaker met AI te discussiëren.
4. Houd de cognitieve belasting bij. We voeren regelmatig gezondheidscontroles van teams uit, waarbij we de productiviteit, betrokkenheid en stressniveaus monitoren. Maar ik heb beseft dat het niet langer genoeg is. In onze nieuwe realiteit moet cognitieve belasting een aparte maatstaf worden. Je kunt beginnen met een paar vragen: Hoeveel AI-tools gebruikt iemand, heeft AI zijn werk vereenvoudigd of het volume vergroot, en hoe voelt de medewerker zich aan het eind van de dag?
5. Leg de redenen voor veranderingen in uw team uit. Mensen staan misschien sceptisch tegenover AI vanwege onzekerheid. Als een bedrijf niet uitlegt waarom het nieuwe tools introduceert, gaan medewerkers het zelf interpreteren. Als je daarentegen begrijpt dat het bedrijf balans waardeert – in plaats van simpelweg meer output te willen voor dezelfde prijs – vermindert de mentale vermoeidheid met 28%, blijkt uit onderzoek van BCG. Dat is precies de aanpak die ik hanteer met mijn 100 man tellende softwareteam: transparantie.
De hamvraag is niet ‘hoe gebruiken we AI’, maar ‘waarom?’ Begin met het doel mensen te bevrijden van routinetaken. Het verbeteren van de beslissingskwaliteit zal andere resultaten opleveren dan het meten van implementatiesucces in tokens of coderegels.
Illia Smoliienko is Chief Software Officer bij Waites.
