Toen een mondiale financiële onderneming de hulp van Sam zocht, kwam het probleem bekend voor. Het bedrijf was ingezet AI hulpmiddelen in het hele bedrijf. De adoptie was ongelijkmatig en de kloof tussen de teams werd groter.
In sommige hoeken van de organisatie gebruikten mensen al AI om klantmateriaal voor te bereiden, onderzoek samen te vatten en analyses te versnellen. In andere gevallen vermeden ze het helemaal: onzeker over wat toegestaan was, bezorgd over de kwaliteit, of sceptisch over het feit dat het management het echt meende. Managers stelden vragen die ze niet konden beantwoorden. Als mijn team kunstmatige intelligentie gebruikt, wat verandert er dan aan onze normen? Wat gebeurt er met de verantwoording?
Het managementteam realiseerde zich al snel dat het probleem niet de technologie was. Het waren de mensen er omheen. Het bewijs is duidelijk. BCG’s onderzoek uit 2024 ontdekt dat de best presterende bedrijven op het gebied van AI 70% van hun transformatiemiddelen investeren in mensen en processen, en niet in technologie. Mercers mondiale talenttrends 2026 constateert dat de zorgen van werknemers over door AI veroorzaakt banenverlies in twee jaar tijd zijn gestegen van 28% naar 40% – angst die waardecreatie belemmert tenzij leiders dit direct aanpakken. De World Economic Forum Future of Jobs-rapport 2025 projecten Tegen 2030 zal 39% van de kernvaardigheden van werknemers veranderen. AI heeft de menselijke ontwikkeling niet minder belangrijk gemaakt. Dit heeft het tot de belangrijkste hefboom voor concurrentievoordeel gemaakt.
Gebaseerd op ons werk met senior executives:Jenny als executive coach en expert op het gebied van leiderschapsontwikkeling, Sam Als mondiale transformatieleider die organisaties helpt bij het herontwerpen van de manier waarop ze talent ontwikkelen en inzetten, hebben we vier strategieën geïdentificeerd voor het opbouwen van de leercultuur die ervoor zorgt dat AI-investeringen werken.
1. Maak het veilig om het te proberen
De eerste mogelijkheid is cultureel, niet technisch. Mercers onderzoek is van mening dat werknemers, om innovatie te laten slagen, zich op hun gemak moeten voelen bij het experimenteren, het bedenken van ideeën en het onder ogen zien van mogelijke mislukkingen. McKinsey’s onderzoek naar psychologische veiligheid constateert dat een positief teamklimaat de meest kritische motor is voor de bereidheid om te experimenteren. Toch bleek uit onderzoek van McKinsey dat minder dan de helft van de werknemers er melding van maakte. Dit is het gat waar de meeste pogingen tot AI-adoptie stilletjes verdwijnen.
‘Michael’, een senior marketing en verkoopmanager met wie Jenny werkte bij een wereldwijd bedrijf in consumptiegoederen, werkte samen met haar team om te definiëren hoe goede experimenten eruit zagen, noemde het gedrag dat vooruitgang signaleerde en maakte duidelijk dat vroege fouten werden verwacht en niet werden bestraft. Binnen zes maanden was het vrijwillige gebruik van AI-tools binnen zijn team met meer dan 40 procent toegenomen, en managers die voorheen AI hadden vermeden, begonnen openlijk te delen wat ze aan het testen waren tijdens teamvergaderingen – waarmee ze de nieuwsgierigheid vormden die de cultuur nodig had. “We kunnen de beste AI op de markt kopen”, zei hij tegen Jenny. “Maar als onze leiders niet weten hoe ze anders leiding moeten geven, zijn de instrumenten alleen maar dure ruis.”
- Bied toegang tot tools, gerichte training en mens-AI-coaching op alle niveaus
- Modelleer het juiste gedrag van de top: leiders die AI openlijk gebruiken en delen wat niet werkte, geven anderen toestemming om hetzelfde te doen
- Maak AI vloeiend zichtbaar in promotie- en talentbeslissingen
- Beschouw adoptie als één inspanningen op het gebied van verandermanagementgeen IT-implementatie
Voor een tip: Voer een ‘psychologische beveiligingsaudit’ uit voordat u uw AI-implementatie uitvoert. Vraag managers: Voelen uw teamleden zich op hun gemak als ze toegeven dat ze niet weten hoe ze een nieuwe tool moeten gebruiken? Als het eerlijke antwoord nee is, bespreek dan eerst de cultuur. Geen enkele hoeveelheid training of hulpmiddelen kan een team overwinnen dat bang is om het te proberen.
2. Bouw capaciteit op die past bij het werk
Als mensen het eenmaal willen proberen, komt de tweede barrière naar voren: ze weten niet hoe ze AI goed kunnen inzetten voor hun specifieke werk. Generieke training overbrugt deze kloof zelden. De organisaties die echte vooruitgang boeken, zijn overgestapt van one-size-fits-all workshops naar op rollen gebaseerde ondersteuning: praktische hulpmiddelen, snelle draaiboeken, praktijkgemeenschappen en coaching die geworteld is in het werk dat ze feitelijk doen.
Dit was de wrijving waar Michaels team mee te maken kreeg. De medewerkers waren niet veerkrachtig – ze waren onvoldoende voorbereid. Hen was niet getoond hoe ‘goed’ eruit zag voor hun rol: hoe ze een klantenbriefing konden opstellen die aan de eisen voldeed met AI, hoe ze door AI gegenereerde segmentatieanalyses konden valideren, of hoe ze een prompt konden bouwen die bruikbare output opleverde. Zonder die begeleiding voelde de tool riskant en niet nuttig.
De 70-20-10 leermodel is van mening dat 70% van het volwassenenonderwijs voortkomt uit werkervaring op de werkvloer, 20% uit coaching en sociale interactie en slechts 10% uit formeel onderwijs. Toch hanteren de meeste AI-trainingsprogramma’s precies het soort formeel onderwijs – verplichte modules, certificeringscursussen – waarvan het model zegt dat het slechts 10% uitmaakt van hoe mensen daadwerkelijk leren. De meest effectieve programma’s integreren AI eerst in echte workflows en omwikkelen die ervaring vervolgens met coaching en peer learning, waarbij formele training als basis wordt gebruikt en niet als voornaamste gebeurtenis.
Michael deelde ‘AI Coach’-verantwoordelijkheden toe aan belangrijke projecten en lanceerde ‘AI Office Hours’ waar medewerkers samen konden experimenteren en leren in echte workflows in plaats van geïsoleerd. AI-coaches werden peer-resources, geen poortwachters: collega’s die konden demonstreren hoe een sterke prompt eruitzag voor een klantbriefing of iemand door het valideren van door AI gegenereerde analyses heen loodsen voordat deze naar buiten gingen. Binnen drie maanden waren de sessies een vast onderdeel geworden en de opkomst verdubbelde naarmate het nieuws verspreidde dat het geleerde praktisch en onmiddellijk toepasbaar was. Werknemers die aarzelden, begonnen hun eigen gebruiksscenario’s in te brengen, en de outputkwaliteit van het team op het gebied van AI-ondersteund werk verbeterde meetbaar.
Voor een tip: Begin met de taken die uw team al herhaaldelijk uitvoert. Identificeer twee of drie hoogfrequente workflows met een laag risico en bouw er rolspecifieke AI-begeleiding omheen. Competenties die in een context zijn opgebouwd, verspreiden zich sneller dan training die in een klaslokaal wordt gegeven.
3. Controle voor snelheid, niet alleen voor veiligheid
Naarmate het gebruik van kunstmatige intelligentie toeneemt, ontstaat er een bestuurskloof. Managers beginnen vragen te stellen die niemand heeft beantwoord: welke gegevens kunnen we gebruiken? Wie beoordeelt door AI gegenereerd klantmateriaal? Wat gebeurt er als de uitvoer verkeerd is? Zonder duidelijke antwoorden aarzelen zelfs bereidwillige medewerkers.
Effectief leidersproces beheer als de voorwaarde die adoptie duurzaam maakt, en niet als een beperking ervan. McKinsey vindt dat bedrijven die investeren in vertrouwenwekkende activiteiten – gecodificeerd ethisch beleid, duidelijk gegevensbeheer, consistente follow-up – bijna twee keer zoveel kans hebben op een omzetgroei van meer dan 10%. Korte beleidsdocumenten presteren beter dan lange nalevingskaders die niemand leest.
Michael bouwde dit naast de capaciteitsontwikkeling. Zijn team creëerde een ‘AI-gebruiksframework’ van één pagina dat drie zones definieerde: taken waarbij AI onafhankelijk kan worden gebruikt, taken die menselijke beoordeling vereisen (ook wel ‘human in the loop’ genoemd) voordat ze naar buiten gaan, en taken die bleef maar een mens. Die duidelijkheid heeft de adoptie niet vertraagd. Het heeft het versneld. Voordat het raamwerk bestond, oordeelden managers individueel over wat veilig was om te gebruiken – en waren ze niet voorzichtig. Toen de drie zones eenmaal waren gedefinieerd en gedeeld, nam de cognitieve belasting van elke AI-beslissing aanzienlijk af. Werknemers stopten met het vragen van toestemming voor routinetaken en begonnen die energie te besteden aan het leren hoe ze deze goed konden uitvoeren. De adoptie in de zone van ‘onafhankelijk gebruik’ is in het kwartaal na de lancering van het raamwerk bijna verdubbeld, en het aantal problemen dat escaleerde naar juridische en compliance-kwesties daalde met meer dan de helft.
Voor een tip: Bouw een AI-gebruiksframework van één pagina voordat u met tools start. Definieer drie zones (onafhankelijk gebruik, beoordelingsgebruik en alleen voor mensen) die specifiek genoeg zijn voor een manager om in een teamvergadering toe te passen. Duidelijkheid over wat is toegestaan, is de snelste manier om de aarzeling weg te nemen die adoptie tegenhoudt.
4. Herontwerp van de arbeidsverdeling
Het vierde kenmerk is het meest consequent: duidelijk definiëren waar AI waarde creëert, welk werk van mensen is en hoe deze grenzen zich vertalen in opnieuw ontworpen workflows en beslissingsrechten.
Achttien maanden na zijn initiatief had Michaels team de workflows in kaart gebracht waar AI werk kon opstellen, organiseren en synthetiseren, en doelbewust werk kon beschermen waarvoor menselijk oordeel nodig was: het lezen van een dealerrelatie, het coachen van een team door een moeilijk kwartaal, het maken van een positioneringsgesprek dat concurrenten niet andersom konden doen. De verdeeldheid ging niet over wat AI technisch gezien zou kunnen doen. Het ging over wat het bedrijf nodig had dat mensen zouden bezitten.
De businesscase is klaar. Ruim drie jaar lang BCG gevonden AI-leiders behaalden een 1,5x hogere omzetgroei en 1,6x hoger aandeelhoudersrendement. De onderscheidende factor was niet de verfijning van het model; het was het bewustzijn van het herontwerp van het werk. Mercers mondiale talenttrends 2026 constateert dat 63% van de C-suite managers zegt dat het herontwerpen van werk voor AI het hoogste mensgerelateerde rendement op de investering zal opleveren. Toch heeft slechts een derde het gevoel dat hun personeel er klaar voor is om dit te laten werken.
Voor een tip: Breng de meest voorkomende workflows van uw team in kaart voordat u beslist waar AI past. Vraag bij elk ervan de volgende vraag: zijn snelheid en consistentie hier de primaire waarde? Of waar oordeel en verantwoordelijkheid het belangrijkst zijn? Bouw op basis van dat antwoord de taakverdeling op en beoordeel deze elke zes maanden.
AI wordt normaal – en dat is het punt
Achttien maanden nadat Michael zijn initiatief voor personeelsontwikkeling lanceerde – parallel aan de technologie-implementatie, en niet erna – presteerde zijn business unit beter dan zijn collega’s op alle AI-gerelateerde gebieden. productiviteit metrisch. Niet omdat het betere software had. Omdat het beter voorbereide leiders had.
De leidinggevenden die deze verschuiving aanstuurden, waren niet degenen die het meeste wisten over kunstmatige intelligentie. Zij waren degenen die het werk opnieuw vormgaven, vertrouwen creëerden en mensen hielpen zich aan te passen. AI was niet langer een afzonderlijk initiatief, maar werd onderdeel van de professionele toolkit.
Het personeel laten profiteren van kunstmatige intelligentie is geen software-implementatie. Het is een verandering van leiderschap. De beste leiders in het AI-tijdperk wachten niet tot de technologie zichzelf bewijst. Ze investeren in de mensen die ervoor zorgen dat het er toe doet. Continue ontwikkeling is geen voordeel dat u uw medewerkers biedt. Dat is de strategie.
