Tijdens de afgelopen decenniumhebben digitale innovaties een reeks rwervings- en evaluatietools: nu, wanneer je voor het eerst solliciteren naar een baanis de kans kleiner dat u door mensen wordt beoordeeld en eerder door AI. Voordat je er überhaupt de kans toe krijgt indruk maken op een menselijke interviewermoet je eerst indruk maken op het algoritme!
Meer recentelijk, AI is ook gebruikt om te helpen huidig werknemers bij het uitvoeren van hun werk en vervolgens om hun werkgevers te helpen evalueren hoe goed medewerkers presteren in die banen. In feite is de adoptie van AI nu de norm voor banen in de kenniseconomie, en schattingen geven dat tenminste aan 70% van de mensen gebruikt AI regelmatig op het werk (een cijfer dat waarschijnlijk een ondervertegenwoordiging is van de werkelijkheid, aangezien een groot deel van de AI-toepassingen op dit moment plaatsvindt). werk is clandestien en niet openbaar gemaakt) en een toenemend aantal organisaties gebruikt AI om de prestaties van werknemers te evalueren.
Meritocratisch of Orwelliaans?
Traditionele prestatiebeoordelingen (vaak een zwaar, jaarlijks ritueel gebaseerd op subjectieve, “luidruchtig,” en onbetrouwbaar of ongeldige feedback van managers) wordt inderdaad verstoord door algoritmen die in staat zijn om workflows, communicatiepatronen en zelfs ‘relationele analyses’ (het ontginnen van de digitale voetafdrukken van uw gesprekken met collega’s) in realtime te analyseren, wat critici betreuren als een vorm van ‘toezichtkapitalisme’.
{“blockType”:mv-promo-block”,”data”:{“imageDesktopUrl”:https://images.fastcompany.com/image/upload/f_webp,q_auto,c_fit/wp-cms-2/2025/10/tcp-photo-syndey-16X9. jpg”,”imageMobileUrl”https://images.fastcompany.com/image/upload/f_webp,q_auto,c_fit/wp-cms-2/2025/10/tcp-photo-syndey-1×1-2.jpg”eyebrow” “headline” “Get meer inzichten van Tomas Chamorro-Premuzic”,”dek: “Dr. Tomas Chamorro-Premuzic is hoogleraar organisatiepsychologie aan de UCL en Columbia University, en mede-oprichter van DeeperSignals. Hij heeft 15 boeken en meer dan 250 wetenschappelijke artikelen geschreven over de psychologie van talent, leiderschap, AI en ondernemerschap Meer”,”ctaUrl”:https://drtomas.com/intro/”,”theme”:{“bg”:#2b2d30″, “text”:#ffffff”, “eyebrow”:#9aa2aa”, subhed”:#ffffff”, “buttonBg”: “#3b3f46”, “buttonHoverBg”:91424800, “buttonText”:false,”slug”:91424798, “shareable”:false,”slug”}}
De eerlijkheid gebiedt te zeggen dat deze tools organisaties ongekende macht geven om datagestuurde managementbeslissingen na te streven die, op hun best, werkplekken tot een succes maken. eerlijker en meritocratischermaar in het slechtste geval lijken ze ongemakkelijk dicht bij een Orwelliaans grote broer dystopie en kan eroderen het vertrouwen en het moreel.
Om AI in prestatiemanagement te begrijpen, helpt het om een eenvoudige matrix voor te stellen met vier kwadranten of scenario’s, die het klassieke onderhandelingsmodel weerspiegelt door Roger Fisher en William Ury op win-win uitkomsten, evenals tientallen jaren van differentiatie in de gedragswetenschappen integratief van nulsom benaderingen van conflicten. In één scenario winnen zowel het bedrijf als de werknemer. In een ander geval wint alleen het bedrijf. In een derde geval leren werknemers het systeem in hun voordeel te gebruiken, maar niet in dat van het bedrijf. En in het ergste geval heeft niemand er baat bij.
Eerste scenario: AI helpt zowel het bedrijf als de werknemer. Laten we beginnen met het beste kwadrant van de matrix. Als het goed wordt gebruikt, kan AI feedback eerlijker en nuttiger maken. Iedereen die ooit een vage beoordeling heeft gekregen, kent het probleem meta-analytische onderzoeken laten zien dat slechts 1/3 van de feedback doorgaans nuttig is, 1/3 nutteloos of irrelevant is, en 1/3 feitelijk verergert prestaties van medewerkers! Voeg daarbij de typische onbetrouwbaarheid van prestatiebeoordelingen, die doorgaans zeer subjectief zijn: de ene manager houdt van jouw enthousiasme; een ander vindt dat je te veel praat; een derde herinnert zich simpelweg de laatste fout die je hebt gemaakt; een vierde heeft geen idee wie je bent, enzovoort. Met andere woorden: prestatie-evaluatie staat historisch gezien dichter bij subjectieve wijnproeven dan bij objectieve wetenschap.
Als AI op de juiste manier wordt gebruikt en gevalideerd, kan feedback worden verankerd in waarneembaar gedrag in plaats van in indrukken. Een verkoopmanager kan zien welke klantinteracties daadwerkelijk hebben geleid tot terugkerende klanten in haar verkoopteam. Een projectleider kan erachter komen dat er vertragingen ontstaan als de goedkeuringen zich opstapelen op zijn bureau. In plaats van ongeduldig te wachten op een jaarlijkse evaluatie om te zien hoe hun prestaties kunnen worden ervaren, krijgen medewerkers realtime feedback en suggesties. Het proces wordt dichter bij het coachen dan oordelen. Dit is waar de belofte van AI het meest overtuigend is. Het democratiseert het verzamelen en verspreiden van feedback en suggesties. Het vervangt giswerk door data. Het vergeet nooit en kan de evaluatie van medewerkers prestatiegedreven maken in plaats van politiek.
Tweede scenario: AI helpt het bedrijf, maar schaadt werknemers. Dezelfde tools kunnen snel in de surveillance terechtkomen. Algoritmen analyseren nu de workflow, communicatiepatronen, tone of voice en zelfs wat sommige leveranciers ‘relationele analyses’ noemen. Een afname van de typsnelheid kan worden geïnterpreteerd als terugtrekking. Een verandering in het Slack-sentiment kan iemand als ‘sceptisch’ of ‘cynisch’ bestempelen. Het bijhouden en bestraffen van onregelmatige werktijden kan ouders of mensen met gezondheidsproblemen heimelijk benadelen. Stem of gezichtsanalyse kunnen emotionele toestanden of fysieke omstandigheden afleiden die werkgevers feitelijk wettelijk niet mogen vaststellen of diagnosticeren. Wat begint als een poging om prestaties te meten, kan uitgroeien tot een digitaal panopticum. Medewerkers voelen zich bekeken in plaats van gesteund. Het vertrouwen erodeert op de lange termijn, zelfs als dat zo is productiviteit lijkt op de korte termijn te stijgen. Zoals vaak het geval is, behoren de Europese landen tot de eersten die hierin voorzien wettelijke beschermingen (https://natlawreview.com/article/ai-news-italy-sets-rules-ai-workplace) voor werknemers om zich tegen dit scenario te beschermen.
Derde scenario: werknemers profiteren, maar het bedrijf verliest. Mensen zijn niet passief. Wanneer werknemers zich realiseren dat ze door een algoritme worden beoordeeld, leren ze dit in hun voordeel te reverse-engineeren. Iedereen die in een callcenter heeft gewerkt (of er zelfs maar heeft gebeld) heeft deze dynamiek gezien. Als de AI een opgewekte toon beloont, wordt iedereen kunstmatig vrolijk, ook al schrikt bellers hierdoor af van het zoetsappige effect van de servicemedewerkers. Als AI een hoog e-mailvolume beloont, lopen de outboxen en inboxen vol met onnodige berichten. Leraren geven les op de proef. Studenten onthouden zonder te begrijpen. In kantoren optimaliseren mensen op statistieken in plaats van op resultaten. Echte samenwerking verplaatst zich naar privékanalen en officiële gegevens worden minder waarheidsgetrouw dan voorheen. AI meet uiteindelijk performatief theater in plaats van echte toegevoegde waarde, en werknemers leren perfecte prestatiebeoordelingen te creëren en productiviteitssignalen te vervalsen, waarbij AI wordt ingezet om werkgevers te misleiden of voor de gek te houden, waardoor de vooruitgang tientallen jaren teruggaat.
Vierde scenario: niemand profiteert. Het slechtste resultaat is multilateraal wantrouwen. Managers verschuilen zich achter dashboards die ze niet kunnen verklaren. Medewerkers beschouwen feedback als ruis. Prestatiebeoordelingen worden bureaucratische ‘check the box’-oefeningen die met minimale aandacht worden voltooid. “Wij doen alsof we werken, en zij doen alsof ze ons betalen” was tientallen jaren geleden een cynische arbeidersslogan in de Sovjet-Unie. Misschien zou ‘Wij doen alsof we onze prestaties evalueren en zij doen alsof ze ons evalueren’ het hedendaagse equivalent zijn wanneer beoordelingen in wezen ‘AI Slop’ zijn. Wanneer een manager zegt: ‘Het systeem heeft u deze beoordeling gegeven’, heeft het leiderschap in feite afstand gedaan van de verantwoordelijkheid. Organisaties kunnen terabytes aan gegevens verzamelen die niets bruikbaars voorspellen. Medewerkers trekken zich terug. Het vertrouwen en het moreel nemen af. We hebben eerder versies hiervan gezien met slecht ontworpen beoordelingen of niet-gevalideerde tools. Technologie elimineert slecht management niet. Het kan het schalen. En in dit scenario, zelfs als ‘het systeem’ alles onthoudt wat erin wordt ingevoerd, negeren en vergeten managers en medewerkers snel alles wat eruit komt.
Wat te doen
Wat moeten leiders dan doen? De principes zijn eenvoudig, maar niet gemakkelijk. Valideer voordat u automatiseert. Vraag of een statistiek echte prestaties of alleen activiteit voorspelt. Wees transparant over welke gegevens worden gebruikt, hoe en waarom. Zorg ervoor dat het systeem kan worden gecontroleerd op de manier waarop het input in output omzet en geen ondoorgrondelijke ‘black box’ is. Houd mensen op de hoogte, zodat de context niet verloren gaat. Verzamel of houd geen rekening met privé-informatie, ook al kan de technologie dit afleiden. En optimaliseer niet alleen voor operationele statistieken of output, maar ook voor moreel en betrokkenheid. En tot slot: laat de AI niet alleen feedback geven aan werknemers, maar ook aan managers en HR over wat er gedaan kan worden om de basis te leggen voor meer succes van werknemers in de toekomst.
Naarmate algoritmen en AI de afgelopen tien jaar centraal zijn geworden bij talentbeslissingen en omdat schattingen suggereren dat de overgrote meerderheid van de mensen AI op het werk gebruikt, is de verleiding om alles te meten groter geworden. Zoals de regel die vaak aan Einstein wordt toegeschreven ons eraan herinnert: niet alles wat telt, kan worden geteld, en niet alles wat kan worden geteld, zou moeten tellen. AI kan prestatiemanagement meer op goede coaching of meer op constant toezicht maken. Het verschil ligt niet in de technologie, maar in de manier waarop managers, medewerkers en organisaties er verstandig voor kiezen om er gebruik van te maken. AI moet niet alleen worden gebruikt om werknemers binnen een organisatiesysteem te evalueren, het moet ook het systeem evalueren waarin de werknemers werken en met constructieve observaties en aanbevelingen komen die het succes van individuen, teams, afdelingen en bedrijven kunnen vergroten.
Belangrijk is dat er nog veel te behouden valt de kunst van goede prestatiebeoordelingendie al lang ouder zijn dan AI en vaak juist werken omdat ze menselijk zijn. Wanneer een manager en een medewerker aan het begin van het jaar samen duidelijke, meetbare doelen creëren, krijgt iedereen duidelijkheid over hoe succes eruit ziet (en doet hij een cognitieve en emotionele investering in het bereiken van dat succes) en komen er later minder verrassingen of teleurstellingen naar voren. Wanneer feedback specifiek en actueel is en verankerd is in echte prestaties of mislukkingen, zoals een moeilijke onderhandeling met een klant, een mislukte productlancering of een junior collega die je hebt gecoacht om promotie te maken, leren werknemers wat ze moeten herhalen en wat ze moeten repareren, en managers zien mogelijkheden in plaats van alleen maar output. En wanneer de beoordelingen een toekomstgericht ontwikkelingsplan bevatten, waarbij iemand misschien naar een nieuwe markt wordt getild, een aanvullend trainingsprogramma wordt gefinancierd of iemand wordt gekoppeld aan een mentor, investeert de organisatie in toekomstige waarde, terwijl de medewerker een geloofwaardig pad voor groei ziet. Deze eenvoudige praktijken slagen niet omdat ze hightech zijn, maar omdat ze prikkels op elkaar afstemmen, een gedeeld holistisch begrip creëren en managers in competente leiders veranderen. Als AI op de juiste manier wordt gebruikt, kan het de succesvolle co-evolutie van systemen en al hun belanghebbenden verbeteren en versnellen.
{“blockType”:mv-promo-block”,”data”:{“imageDesktopUrl”:https://images.fastcompany.com/image/upload/f_webp,q_auto,c_fit/wp-cms-2/2025/10/tcp-photo-syndey-16X9. jpg”,”imageMobileUrl”https://images.fastcompany.com/image/upload/f_webp,q_auto,c_fit/wp-cms-2/2025/10/tcp-photo-syndey-1×1-2.jpg”eyebrow” “headline” “Get meer inzichten van Tomas Chamorro-Premuzic”,”dek: “Dr. Tomas Chamorro-Premuzic is hoogleraar organisatiepsychologie aan de UCL en Columbia University, en mede-oprichter van DeeperSignals. Hij heeft 15 boeken en meer dan 250 wetenschappelijke artikelen geschreven over de psychologie van talent, leiderschap, AI en ondernemerschap Meer”,”ctaUrl”:https://drtomas.com/intro/”,”theme”:{“bg”:#2b2d30″, “text”:#ffffff”, “eyebrow”:#9aa2aa”, subhed”:#ffffff”, “buttonBg”: “#3b3f46”, “buttonHoverBg”:91424800, “buttonText”:false,”slug”:91424798, “shareable”:false,”slug”}}
Nieuwsbron
