Managers haasten zich om te implementeren AI voor efficiëntiewinst. Werknemers moeten uitzoeken hoe ze het kunnen laten werken – en dat is soms moeilijker dan het lijkt.
De helft van de organisaties bestuurd volgens MIT-onderzoek vorig jaar AI-tools voor algemeen gebruik. Maar adoptie en gereedheid zijn niet hetzelfde.
Volgens Rumman Chowdhury, voormalig Amerikaans wetenschapsgezant voor AI en CEO en medeoprichter van Humane Intelligence, zal de last waarschijnlijk op de schouders van de werknemers komen te liggen.
“Er is veel FOMO onder C-suites en senior executives die druk uitoefenen om AI te bouwen, en dan worden ze ook gestimuleerd om te doen alsof het heel goed werkt”, zegt ze. “Als dat niet het geval is, ligt de verantwoordelijkheid bij de werknemer, die geen zeggenschap had over de vraag of deze technologie werd aangenomen en gebruikt, of zelfs vaak waarvoor deze werd gebruikt.”
Voor veel medewerkers, vooral degenen zonder technische achtergrond, zit er een addertje onder het gras aan de belofte van door AI aangedreven efficiëntie: nuttige output vergt vaak tijd en moeite die niet altijd wordt meegeteld. De kloof tussen wat deze instrumenten zouden moeten doen en wat er feitelijk nodig is om ze te laten werken, is zijn eigen taak geworden.
Bedrijven zoeken uit of de oplossing betere training is of realistischere verwachtingen van wat deze tools kunnen opleveren. Voorlopig absorberen werknemers de extra arbeid die gepaard gaat met het aandrijven van de AI en het dubbel controleren van de output ervan.
“PhD-experts op zak”?
Kellie Romack, Chief Digital Information Officer bij bedrijfssoftwarebedrijf ServiceNow, suggereert dat het beheren van AI een praktische inspanning is. Tijdens een recente sessie met een van de AI-tools van het bedrijf ontdekte ze dat het model een fundamentele rekenfout maakte.
‘Ik schreef terug en zei: ik denk dat je wiskunde verkeerd is’, herinnerde ze zich. “Het schreef me terug en zei: ‘Oh, je hebt gelijk. Ik heb het mis.’
De opruiming die volgt is een kostenpost waar organisaties niet altijd rekening mee houden.
“Er kunnen efficiëntieverbeteringen in de productie zijn”, zegt Chowdhury. “En als je dan onder de oppervlakte krabt, is de frustratie van deze medewerker deels zoiets als: het produceert dingen – en dan moet ik drie uur besteden aan het doornemen van elk citaat en ervoor zorgen dat het geen hallucinatie is.”
Een werkdag in januari 2026 studie van 3.200 werknemers ontdekte dat meer dan een derde van de tijd die door AI wordt bespaard, wordt gecompenseerd door herwerk, wat in het rapport een ‘AI-belasting op productiviteit.”
De meeste managers, zo blijkt uit het rapport, zijn gefocust op de bruto-efficiëntie, of op de hoeveelheid tijd die AI bespaart. Deze maatstaf houdt geen rekening met herbewerking, en als dat wel het geval is, is de nettowaarde van AI vaak lager dan verwacht. De nettowaarde, die in het rapport wordt gedefinieerd als ‘bespaarde tijd minus verloren tijd’, is wat laat zien of AI de manier waarop het werk wordt gedaan verbetert. De enige manier om het rendement van AI te benutten is door verder te gaan dan de bespaarde uren en rekening te houden met de behaalde resultaten, aldus het rapport.
Het probleem is dat de AI-industrie te veel heeft verkocht wat deze tools konden doen, zegt Chowdhury, wijzend op OpenAI-CEO Sam Altman. vereisten vorig jaar dat gebruikers een ‘team van PhD-experts op zak’ zouden hebben. Het resultaat is frustratie onder zowel werknemers als managers: wat als transformatief werd gepromoot, is veel ongelijker gebleken.
“Deze technologieën zijn tegelijkertijd bekwaam en niet in staat, en dat is het vreemde eraan”, zegt ze. “Mensen die het verst verwijderd zijn van AI – het beeld dat ze in hun hoofd hebben is dit magische bewuste wezen. En dan raken ze gefrustreerd omdat … dit geen magisch bewust wezen is.”
Het verschil, zo voegt ze eraan toe, is meestal het grootst onder degenen die de minste ervaring hebben met het gebruik van de tools.
De opleidingskloof
Een 2024 studie van de Universiteit van Texas in Austin organiseerden onderzoekers Min Kyung Lee en Angie Zhang een workshop met 39 voornamelijk kenniswerkers uit 26 landen – met vervolginterviews die afzonderlijk met enkele deelnemers werden gehouden. Toen werknemers AI-training kregen, beschreef de meerderheid dit als oppervlakkig.
Eén deelnemer vertelde over een collega die ChatGPT gebruikte om een lijst met publicaties te genereren en zich er niet van bewust was dat de titels door AI waren bedacht.
De gevolgen van het gebruik van AI zonder de juiste training of context kunnen ernstig zijn.
Zhang herinnerde zich een deelnemer die bij een organisatie voor arbeidsnormen werkte en een juniormedewerker moest ontslaan nadat hun door AI ondersteunde werk herhaaldelijk tekortschoot. De werknemer bleef zich wenden tot generatieve kunstmatige intelligentie om werknormen op te stellen en werk te produceren dat gebaseerd was op normen die de deelnemer nog nooit was tegengekomen of die niet relevant waren voor de taak. (De organisatie had AI nog niet formeel ingevoerd, maar sommige medewerkers waren er toch mee begonnen.)
Sommige bedrijven proberen het probleem voor te zijn. IBM Consulting vereist dat elke medewerker een generatieve AI-basisbadge aanschaft die niet alleen beschrijft hoe de tools moeten worden gebruikt, maar ook wat ze wel en niet kunnen doen, zegt Tess Rock, associate partner voor wereldwijde financiële transformatie bij IBM Consulting.
Maar trainen alleen is niet genoeg. Wat belangrijker is, zijn managers die duidelijk kunnen definiëren hoe en waar AI moet worden gebruikt, zegt ze. Zonder dit raken zelfs goed opgeleide medewerkers gefrustreerd.
“Er moet een managementmandaat, een operationeel model en beslissingen in managementstijl zijn die genomen moeten worden, in plaats van een populatie gefrustreerde praktijkmensen die dit proberen uit te buiten”, zegt Rock.
IBM Consulting behandelt AI-adoptie net als elke andere bedrijfsdiscipline. Het gaat om sprints van twee weken waarin teams een AI-idee pitchen met een ROI-case, het bouwen en opschalen wat werkt. Wat geen waarde bewijst, wordt weggesneden.
In samenwerking met één klant heeft het team van Rock meer dan 200 potentiële AI-gebruiksscenario’s geïdentificeerd en deze vervolgens gemeten aan de hand van de ROI. De helft werd onmiddellijk afgesneden. De top 10 zorgde uiteindelijk voor 80% van de totale waarde.
“Concentreer u op de gebieden die impact zullen hebben en investeer daarin”, zegt ze.
Laat het werken
Een deel van wat de AI-managementlast zo moeilijk te beheersen maakt, is dat de frustratie van werknemers dieper gaat dan de tools, zegt Chowdhury. Aan medewerkers werd niet gevraagd of ze de tools überhaupt wilden hebben. Dat plaatst middenmanagers in een moeilijke positie, gevangen tussen leidinggevenden die de inzet van AI willen versnellen en werknemers die terugdringen.
Haar advies: duw niet harder. Probeer te begrijpen wat er werkelijk achter het verzet zit.
“De meeste angst is dat mensen denken dat het management hen uiteindelijk wil vervangen”, zegt ze. “En dat is een terechte angst.”
Voor Rock is een belangrijke vraag hoe organisaties denken over kunstmatige intelligentie en productiviteit. Al te vaak ligt de focus op hoeveel tijd individuele medewerkers besparen door sneller e-mails te schrijven of vergaderingen samen te vatten. Ze beweert dat het de verkeerde meeteenheid is.
“Voor mij zijn het centen per dollar”, zegt ze. “Als mensen over productiviteit praten, gaat het minder om het feit dat Tess Rock als individu productiever is en (meer) hoe richt je je organisatie fundamenteel in om productiever te zijn?”
