Een journalist krijgt een profiel toegewezen van een prominente politicus die in een krappe bocht zit. Nu het interview nog maar enkele uren verwijderd is, vraagt ze ChatGPT om een lijst met vragen te genereren. Tevreden met de 30 vragen die binnen een minuut naar voren kwamen, deelt ze ze met haar redacteur om er zeker van te zijn dat er geen middel onbeproefd blijft. De redacteur herschrijft de lijst bijna volledig. Het mist vragen over cruciale ervaringen in het vroege leven, waarom de senator zijn studie verliet, afscheid nam van zijn eerste campagneleider en meer.
Al deze ontbrekende vragen komen voort uit het begrijpen van de bredere context en jaren van scherper redactioneel oordeel – dat soort dingen AI kan niet vervangen.
Net zoals generatieve AI-tools zoals ChatGPT echt een begrip aan het worden zijn, met ruim 800 miljoen wekelijkse actieve gebruikers, Reuterswe beginnen hun beperkingen te begrijpen. Er is een grens aan hoeveel gen AI mensen kan helpen taken uit te voeren buiten hun vakgebied – onderzoekers noemen het “AI-muurHet onderstreept de noodzaak voor professionals om de menselijke vaardigheden te blijven ontwikkelen die er echt toe doen, zoals gezond verstand en nieuwsgierigheid. Op de huidige AI-gestuurde werkplek zorgen leiders die betere vragen stellen voor betere beslissingen, sterkere teams en een zinvoller gebruik van AI. Hier zijn drie managementpraktijken die het verschil maken tussen het gebruik van AI en het goed gebruiken ervan.
Contextualiseer elke AI-taak in het grotere geheel
Zoals het journalistieke voorbeeld illustreert, is één ding dat vaststaat in de menselijke intelligentie het begrijpen van het grotere geheel. Dit betekent dat u niet alleen de taak begrijpt, maar ook het doel ervan en hoe deze past in bredere individuele of organisatiedoelen. Als een redacteur bijvoorbeeld wil dat een profiel licht werpt op een veranderend politiek landschap, moet die context de toon en richting van elke vraag bepalen.
Leiders bevinden zich in een unieke positie om teams te helpen bij het formuleren van vragen met deze grotere prioriteiten in gedachten, in plaats van elk beschikbaar inzicht na te jagen. Dit is zelfs nog belangrijker als je AI-tools gebruikt, die het opmerkelijk eenvoudig maken om taak na taak passief te voltooien zonder na te denken over het ‘waarom’ van dit alles, wat resulteert in door AI gegenereerde stoppen met werken.
De meest effectieve leiders pauzeren om te beslissen hoeveel aandacht een onderwerp of taak verdient, en niet alleen hoe snel deze kan worden voltooid, en begeleiden hun teams dienovereenkomstig.
Behandel uitgangen als sprongpunten
In de begindagen van de generatieve kunstmatige intelligentie was snelle constructie een cruciale vaardigheid. Het doen van de juiste prompt bepaalde vaak het nut van een LLM-sessie. Precisie was de sleutel.
Naarmate generatieve AI-tools zoals ChatGPT geavanceerder en conversatiever worden, vervangt prompt chaining geleidelijk de prompt engineering. Door snelle ketens wordt een taak opgedeeld in kleinere, beter beheersbare stappen die logisch verlopen, meestal van bredere vragen naar meer verfijnde vragen. Als u ChatGPT bijvoorbeeld gebruikt om een concurrentieanalyse te ontwikkelen, kunnen uw vragen als volgt evolueren:
- Wat is het huidige marktlandschap voor (industrie/productcategorie)?
- Wie zijn de belangrijkste concurrenten op deze markt?
Hoe positioneert elke concurrent zichzelf in termen van waardepropositie, doelgroep, prijsstelling en kernsterkten? - Wat zijn de belangrijkste sterke en zwakke punten van deze concurrenten?
Elke uitvoer begeleidt de volgende prompt, waardoor u uw vragen voortdurend moet verfijnen. Omwille van de efficiëntie is het nog steeds belangrijk om strategisch te denken – maar de druk ligt niet langer op het in één keer goed doen.
Kortom: de meest effectieve leiders beschouwen de resultaten van AI als gespreksstarters en niet als definitieve antwoorden.
Ontwikkel het oordeel dat AI niet kan vervangen
Ondanks hun onmiskenbare potentieel zorgen generatieve AI-tools niet noodzakelijkerwijs voor een gelijk speelveld voor professionals. Denk hier eens over na: slechts 26% van de werknemers die generatieve AI gebruiken, rapporteert verbeteringen in hun creativiteit Gallup– niet bepaald de innovatieboost die je zou verwachten. Het gaat niet om de toegang tot de technologie, maar om de manier waarop deze wordt gebruikt.
Recent onderzoek werpt licht op waarom AI de prestaties voor sommige mensen verbetert en voor anderen niet. Het komt neer op metacognitie – het vermogen om je denken te plannen, evalueren en verfijnen. Werknemers met sterkere metacognitieve vaardigheden kunnen meer uit AI halen, leggen onderzoekers uit Harvard bedrijfsrecensie. In de praktijk betekent dit dat je nadenkt over je manier van denken terwijl je werkt: leemten in de kennis identificeren, nieuwe informatie opnemen in bestaande mentale modellen en gaandeweg je aanpak aanpassen. Het is het verschil tussen het passief doorlezen van een verhaal en het echt begrijpen – welke aanpak leidt tot leren?
Om ervoor te zorgen dat managers en medewerkers het maximale uit AI-tools halen, is het belangrijk om deze actievere aanpak te volgen. Stel aannames ter discussie, onderzoek de afwegingen en denk kritisch mee met AI in plaats van je eraan te onderwerpen.
Bij Jotform moedig ik mijn team aan om nooit een output tegen nominale waarde te accepteren. We spelen advocaat van de duivel, zoeken naar blinde vlekken en bekijken hoe elke output in het grotere geheel past. Een oplossing werkt misschien op de korte termijn, maar zou een slechte dienst zijn voor u of de langetermijndoelen van uw organisatie. Zelfs als AI-hulpmiddelen ons leven gemakkelijker maken, weerstaan we de drang om genoegen te nemen met ‘goed genoeg’.
Het beoefenen van kritisch denken stelt managers in staat om ten volle te profiteren van AI, terwijl junior medewerkers worden geholpen het oordeel te ontwikkelen om de beperkingen ervan te overwinnen en over alle AI-muren heen te springen.
