De productiviteit cijfers liegen niet. Of doen ze dat?
De meeste bedrijven zijn inmiddels uitgerold AI tools voor de hele onderneming. Er zijn licenties aangeschaft. Er zijn trainingen gepland. Slack-kanalen zijn overspoeld met prompts. En toch, als het leiderschap naar de ROI vraagt, wordt het stil in de zaal.
Dit is geen nieuw verhaal. In 1987 bekeek econoom Robert Solow de gegevens na jaren van enorme bedrijfsinvesteringen in personal computers en ontdekte iets verbijsterends: nul statistisch significante verbetering van de productiviteit. Bedrijven hadden de technologie gekocht. Ze hadden gewoon de manier waarop ze werkten niet veranderd. Dit werd bekend als de productiviteitsparadox, en speelt nu opnieuw een rol bij AI.
Hier is de ongemakkelijke waarheid: de meeste organisaties lijden niet onder een technologieprobleem. Ze lijden aan een denkprobleem. Ze hebben het gereedschap gekregen. Ze sloegen de strategie over. Ik ben een AI-transformatiestrateeg, keynote speaker en auteur van Hoe u meer kunt doen met minder gebruik van AI. Ik zag hoe AI mijn eigen team bij Alibaba in 2018 veranderde en nu zie ik dezelfde fouten gebeuren in de bredere industrie.
Hier zijn drie signalen dat uw bedrijf AI momenteel verkeerd gebruikt, en wat u in plaats daarvan kunt doen.
1. Je meet de adoptie, niet de resultaten
Ik was onlangs een keynote bij een groot Fortune 500-bedrijf en ik hoorde dat de grote directeur van het bedrijf adoptiecijfers gebruikte op basis van het aantal mensen dat inlogde op de tool. Jawel! Ik kon niet geloven dat we dat nog steeds als een verifieerbaar getal beschouwden als het gaat om de adoptie van AI.
Als uw AI-successtatistieken eruit zien als ‘percentage medewerkers dat heeft ingelogd’ of ‘aantal ingediende prompts per week’, meet u helemaal het verkeerde.
Activiteit is geen vooruitgang. Een team dat tweehonderd AI-prompts per dag uitvoert, maar nog steeds dezelfde output produceert als voorheen, heeft geen AI geadopteerd. Het heeft hetzelfde proces in een nieuw kostuum gestoken.
De organisaties die daadwerkelijk aan de slag gaan, stellen verschillende vragen: is onze besluitvormingssnelheid verbeterd? Hebben we werk geëlimineerd dat vroeger knelpunten creëerde? Produceren we dingen die zes maanden geleden onmogelijk zouden zijn geweest?
Als u op ten minste één daarvan geen ja kunt antwoorden, is uw AI-adoptie theater.
De oplossing is eenvoudig, zelfs als het werk dat niet is. Kies één werkstroom. Breng in kaart hoe het eruit ziet vóór AI. Breng in kaart hoe het er daarna uit moet zien. Sluit vervolgens het gat. Meet niet hoeveel mensen de tool gebruiken. Meet of de workflow daadwerkelijk sneller, beter of goedkoper is dan voorheen.
2. Je automatiseert taken zonder de rol opnieuw te ontwerpen
De geschiedenis heeft hier een nuttige waarschuwing. Toen de elektromotor in de jaren tachtig van de negentiende eeuw werd uitgevonden, maakten fabriekseigenaren een voorspelbare fout: ze rukten de gigantische stoommachine eruit en vervingen deze door één gigantische elektromotor. Ze behielden dezelfde aandrijfassen, dezelfde riemsystemen, dezelfde krappe indeling met meerdere verdiepingen. De fabriek was niet sneller. Het was gewoon rustiger.
Pas toen een nieuwe generatie managers besefte dat ze op elke individuele machine een kleine motor konden plaatsen en vervolgens de fabrieksvloer volledig opnieuw konden ontwerpen rond de eigenlijke workflow, explodeerde de productiviteit uiteindelijk. Dat herontwerp duurde meer dan dertig jaar. De technologie alleen was nooit genoeg.
De meeste bedrijven maken momenteel precies dezelfde fout met AI.
Een manager wiens taak het was om wekelijkse statusupdates te synthetiseren en PowerPoint-decks te bouwen, beschikt nu over AI die beide binnen enkele minuten kan doen. Maar niemand vertelde die manager wat hun nieuwe baan is. Dus besteden ze dezelfde tijd aan het dubbel controleren van het werk van de AI, waarbij ze hier en daar een punt aanpassen en het een productiviteitswinst noemen.
Echte AI-adoptie vereist een herontwerp van rollen. Niet alleen het verwijderen van taken. Wanneer je AI in een workflow introduceert, mag de eerste vraag niet zijn “wat kan AI doen?” Het zou moeten zijn: “Waar moet deze persoon zich op concentreren nu AI de rest voor zijn rekening neemt?”
Het antwoord op die vraag is waar de werkelijke waarde leeft. Voor de meeste kenniswerkers impliceert het antwoord meer oordeelsvermogen, een creatievere probleemoplossing en een meer directe verantwoordelijkheid voor de resultaten. Dat zijn geen dingen die AI voor je kan doen. Het zijn de dingen die waardevoller worden naarmate AI al het andere afhandelt.
3. Je besteedt het denken uit voordat je denkt
Dit is het stilste en gevaarlijkste teken van allemaal.
Het gebeurt wanneer mensen stoppen met het vormen van hun eigen mening voordat ze naar AI gaan. In plaats van een probleem te doordenken, een hypothese te ontwikkelen en vervolgens AI te gebruiken om het onder druk te testen of uit te breiden, openen ze eerst de chatbot en nemen ze over wat er terugkomt.
Dit is geen luiheid. Het is een natuurlijke reactie op tijdsdruk. Maar de kosten op de lange termijn zijn hoog. Het oordeel atrofieert. Mensen verliezen snel het vermogen om onafhankelijke standpunten te vormen. En als de AI ongelijk heeft, merkt niemand dat, omdat niemand hard genoeg nadacht om het op te merken.
Ik heb dit zien gebeuren bij grote ondernemingen die tot de eerste gebruikers van generatieve AI behoorden. De productiviteitswinsten in het eerste jaar waren reëel. De resultaten over het tweede jaar waren verwarrend: de productie was gestegen, maar de kwaliteit was afgevlakt. Toen we erin groeven, was het patroon consistent. Mensen waren opgehouden met ruzie met elkaar te maken, opgehouden met het stresstesten van ideeën, opgehouden terug te duwen. Want waarom zou je je druk maken als de AI al een antwoord had?
De beste AI-beoefenaars hebben een gemeenschappelijke gewoonte: ze denken na voordat ze iets vragen. Ze komen met een standpunt naar de AI, gebruiken dat om die visie uit te dagen en te verfijnen, en vertrekken met iets beters dan wat zij of de AI alleen hadden kunnen produceren.
Dat is het samenwerkingsmodel dat werkt. Niet AI als orakel. AI als sparringpartner.
De bottom-line
De paradox van Solow werd uiteindelijk opgelost. De productiviteit explodeerde, maar pas nadat organisaties stopten met het gebruik van computers om oude memo’s sneller te typen en de manier waarop ze werkten echt opnieuw gingen uitvinden. Dezelfde resolutie is tegenwoordig beschikbaar voor bedrijven met AI.
Maar het vereist een verandering in de manier waarop u werkt, en niet alleen welke hulpmiddelen u gebruikt. Het stellen van ongemakkelijke vragen over welke rollen nog zinvol zijn. Het opnieuw ontwerpen van workflows in plaats van AI bovenop de oude te leggen. En het menselijk denken scherp houden, zelfs als de AI dat voor je zou kunnen doen.
Dat is de enige AI-strategie die echt werkt. Al het andere is gewoon een duurdere versie van dezelfde oude fabrieksvloer.
