Ik heb onlangs een paradox opgemerkt bij een team van ontwikkelaars. Met AIbegonnen ingenieurs sneller code te schrijven en binnen enkele seconden antwoorden te krijgen, maar gaven ze ook aan dat ze zich meer uitgeput voelden dan voorheen.
AI heeft de hoeveelheid werk die moet worden gedaan niet daadwerkelijk verminderd. In plaats daarvan heeft het zijn aard fundamenteel veranderd. We kunnen nu meerdere taken parallel uitvoeren en dit waarnemen als productiviteit. Tot op zekere hoogte is dat zo. Maar uiteindelijk wordt het beheren van tools en het voortdurend schakelen tussen tools vermoeiender dan het uitvoeren van de oorspronkelijke taken zelf. In sommige gevallen vertraagt het zelfs het proces om een oplossing te vinden.
Ik geef al meer dan vijftien jaar leiding aan ontwikkelaarsteams en heb het afgelopen jaar geprobeerd te begrijpen waarom AI-tools, ontworpen om het werk gemakkelijker te maken, soms het tegenovergestelde effect hebben. Hier zijn de oorzaken achter dit fenomeen en wat we eraan kunnen doen.
WAAR DE VERMOEIDHEID VANDAAN KOMT WANNEER AI EEN DEEL VAN HET WERK DOET
Neem de workflow van een ontwikkelaar als voorbeeld. Als ontwikkelaars in het verleden met een complex probleem werden geconfronteerd, zochten ze op Google, gebruikten ze Stack Overflow (voordat ChatGPT arriveerde) en vroegen ze collega’s om hulp. Elke stap en beslissing werd gescheiden door een reflectietijd.
Nu gaan ze Cursor of GitHub Copilot gebruiken: AI-tools die code in realtime voorstellen. De weg naar een antwoord wordt korter. Maar in plaats van te zoeken, zijn ze nu bezig met voortdurende evaluatie van AI-suggesties: accepteer de autocomplete of wijs deze af, herschrijf de prompt of genereer de uitvoer opnieuw. Tientallen microbeslissingen zonder pauzes ertussen.
Elk van deze brengt cognitieve ‘kosten’ met zich mee. Zelfs de kleinste keuze vergt aandacht en mentale inspanning. Hoe meer beslissingen iemand dagelijks neemt, hoe slechter de kwaliteit van elke volgende beslissing. Dit gebeurt vanwege wat psychologen noemen beslissingsvermoeidheid. AI heeft dit probleem vergroot door het aantal beslissingen dat iemand moet nemen tijdens het voltooien van een enkele taak dramatisch te vergroten.
Onderzoekers bij Boston Adviesgroep (BCG) ondervroeg bijna 1.500 in de VS gevestigde werknemers. Ze ontdekten dat 14% van de mensen die AI op het werk gebruiken en veel toezicht nodig hebben, last hebben van ‘AI-brainfries’: een gevoel van mentale mist en een onvermogen om zich te concentreren. En dit heeft consequenties: werknemers die dit ervaren, overwegen eerder van baan te veranderen en maken meer fouten.
MEER GEREEDSCHAP VERBETERT DE PRODUCTIVITEIT NIET
Ik heb het herhaaldelijk gezien: managers beginnen AI te implementeren met dezelfde vraag: hoe kunnen we deze tools gebruiken om het team te helpen meer gedaan te krijgen? Vervolgens beginnen ze AI-services toe te voegen.
Eén of twee AI-tools verhogen daadwerkelijk de productiviteit, per BCG, maar bij drie tools piekt de productiviteit. Bij de vierde daalt het. Elke nieuwe tool betekent nieuwe instellingen, aanwijzingen en workflows. Op een gegeven moment besteedt het team meer moeite aan het beheren van tools dan aan het daadwerkelijke werk.
De werker is niet langer de doener, maar wordt degene die controleert, vergelijkt en kiest. Ondertussen blijven mensen ervan overtuigd dat AI hen sneller maakt. Maar volgens METR-gegevenswas het tegenovergestelde waar: ervaren ontwikkelaars die AI-tools gebruikten, werkten feitelijk langzamer, zelfs terwijl ze geloofden dat de voltooiingstijd van hun taken met bijna een kwart daalde.
Er is hier nog een paradox. Zelfs als AI het werk echt versnelt, gebruiken mensen die tijd niet om uit te rusten. Ze nemen meer taken op zich. Dit werd ontdekt door onderzoekers van UC Berkeley’s business school, die acht maanden lang werknemers van een Amerikaans technologiebedrijf observeerde om te begrijpen hoe AI-gebruik hun werkgewoonten beïnvloedde.
In eerste instantie voelden medewerkers zich energiek; hun productiviteit steeg enorm. Maar na verloop van tijd werd de werkdag stilletjes langer – een prompt tijdens de lunch, een laatste vraag voordat hij het kantoor verliet – terwijl het aantal pauzes afnam. Niemand eiste dat ze meer zouden werken, maar dat is precies wat er gebeurde. Later gaven diezelfde arbeiders toe dat ze uitgeput waren. De onderzoekers noemden dit ‘workload creep’: een geleidelijke toename van de werkdruk die zich ongemerkt ophoopt totdat vermoeidheid de beslissingskwaliteit begint te beïnvloeden.
MOETEN WE AI-TOOLS VERLATEN?
Ik denk niet dat het opgeven van AI de oplossing is. Ik ben ervan overtuigd dat het probleem niet de technologie is, maar hoe we die gebruiken en onze doelstellingen. Hier zijn vijf dingen die, naar mijn ervaring, kunnen helpen bij het implementeren van AI zonder uw team op te branden:
1. Begin met het heroverwegen van uw workflows. Voordat u een AI-tool in een proces introduceert, moet u beginnen met een vraag: welke taken vereisen menselijke aandacht en welke kunnen worden geautomatiseerd zonder dat dit ten koste gaat van de kwaliteit? De aanpak van “het implementeren van AI in elk proces” is geen strategie; het is een snelle manier om te doorbreken wat al werkt.
2. Geef managers een leidende rol bij de adoptie van AI. In teams waar de manager mensen persoonlijk helpt AI-tools te leren, is de cognitieve vermoeidheid onder werknemers lager, blijkt uit het BCG-onderzoek. Een manager die echt begrijpt hoe AI werkt, kan een gezond tempo bepalen voor het gebruik van deze tools en voorkomen dat het team verdrinkt in experimenten.
3. Stel regels vast voor het werken met AI. De Berkeley-onderzoekers noemden dit ‘AI-praktijk’: afspraken over hoe het team met AI omgaat. Deze kunnen bestaan uit een korte pauze vóór belangrijke beslissingen, sequentiële uitvoering in plaats van multitasken, en tijd voor discussie en collectieve reflectie. Een van onze teamleiders moedigt junioren bijvoorbeeld aan om vaker ruzie te maken met AI.
4. Houd de cognitieve belasting bij. We voeren regelmatig gezondheidscontroles van teams uit, waarbij we de productiviteit, betrokkenheid en stressniveaus monitoren. Maar ik heb beseft dat dat niet langer genoeg is. In onze nieuwe realiteit moet cognitieve belasting een aparte maatstaf worden. Je kunt beginnen met een paar vragen: Hoeveel AI-tools gebruikt iemand, heeft AI zijn werk vereenvoudigd of de omvang ervan vergroot, en hoe voelt de medewerker zich aan het eind van de dag?
5. Leg de redenen achter de wijzigingen in uw team uit. Mensen kunnen sceptisch staan tegenover AI vanwege onzekerheid. Als een bedrijf niet uitlegt waarom het nieuwe tools introduceert, gaan medewerkers het zelf interpreteren. Als je daarentegen begrijpt dat het bedrijf balans waardeert – in plaats van simpelweg meer output te willen voor dezelfde kosten – vermindert de mentale vermoeidheid met 28%, zo blijkt uit het BCG-onderzoek. Dit is precies de aanpak die ik volg met mijn 100-koppige softwareteam: transparantie.
De belangrijkste vraag is niet “hoe gebruiken we AI” maar “waarom?” Begin met het doel mensen te bevrijden van routinetaken. Het verbeteren van de beslissingskwaliteit zal andere resultaten opleveren dan het meten van implementatiesucces in tokens of coderegels.
Illia Smoliienko is Chief Software Officer van Waites.
