De tools zijn voor iedereen beschikbaar. Het abonnement is bedrijfsbreed. De trainingen zijn gehouden. En toch ontstaat er in kantoren van Wall Street tot Silicon Valley een grote kloof tussen werknemers die kunstmatige intelligentie in de structuur van hun dagelijkse werk hebben verweven, en collega’s die er nauwelijks iets mee te maken hebben gehad.
De kloof is niet klein. Volgens een nieuw rapport van OpenAI die gebruikspatronen analyseert bij zijn meer dan een miljoen zakelijke klanten, werknemers bij de 95e percentiel van AI-adoptie sturen zes keer zoveel berichten naar ChatGPT als de gemiddelde werknemer bij dezelfde bedrijven. Voor specifieke taken is de kloof nog dramatischer: grensarbeiders sturen 17 keer zoveel codegerelateerde berichten als hun gemiddelde collega’s, en onder data-analisten gebruiken de zwaarste gebruikers de data-analysetool 16 keer vaker dan gemiddeld.
Dit is geen verhaal over toegang. Het is een verhaal over een nieuwe vorm van stratificatie op de werkplek die in realtime opkomt – een die een nieuwe vorm kan geven aan wie voorop loopt, wie achterop raakt en wat het betekent om een geschoolde arbeider te zijn in het tijdperk van kunstmatige intelligentie.
Iedereen beschikt over dezelfde hulpmiddelen, maar niet iedereen gebruikt ze
Misschien wel de meest opvallende bevinding in de OpenAI-rapporten is hoe weinig toegang verklaart. ChatGPT Enterprise wordt nu wereldwijd ingezet op meer dan 7 miljoen werkplekstoelen, een negenvoudige stijging ten opzichte van een jaar geleden. De hulpmiddelen zijn voor iedereen hetzelfde. De mogelijkheden zijn identiek. En toch varieert het gebruik in ordes van grootte.
Onder maandelijks actieve gebruikers – mensen die zich in de afgelopen 30 dagen minstens één keer hebben aangemeld – 19 procent heeft de data-analysefunctie nog nooit geprobeerd. Veertien procent heeft nog nooit gebruik gemaakt van redeneervermogen. Twaalf procent heeft nog nooit een zoekopdracht gebruikt. Dit zijn geen obscure functies die verborgen liggen in submenu’s; het zijn kernfunctionaliteiten die OpenAI benadrukt als transformerend voor kenniswerk.
Het patroon keert om bij dagelijkse gebruikers. Slechts 3 procent van de mensen die ChatGPT dagelijks gebruiken, heeft nog nooit data-analyse geprobeerd; slechts 1 procent heeft het redeneren of zoeken overgeslagen. De implicatie is duidelijk: de kloof is niet tussen degenen die toegang hebben en degenen die dat niet hebben, maar tussen degenen die van AI een dagelijkse gewoonte hebben gemaakt en degenen voor wie het af en toe een nieuwigheid blijft.
Werknemers die meer experimenteren, besparen aanzienlijk meer tijd
De OpenAI-rapporten suggereert dat de productiviteitswinsten op het gebied van AI niet gelijk verdeeld zijn over alle gebruikers, maar geconcentreerd zijn onder degenen die de technologie het meest intensief gebruiken. Werknemers die ongeveer zeven verschillende taaktypen uitvoeren – data-analyse, coderen, het genereren van afbeeldingen, vertalen, schrijven en andere – melden dat ze vijf keer zoveel tijd besparen als degenen die er slechts vier gebruiken. Werknemers die meer dan 10 uur per week besparen, verbruiken acht keer meer AI-credits dan degenen die helemaal geen tijdbesparing melden.
Dit creëert een samengestelde dynamiek. Werknemers die in grote lijnen experimenteren, ontdekken meer toepassingen. Meer toepassingen leiden tot grotere productiviteitswinsten. Grotere productiviteitswinsten leiden vermoedelijk tot betere prestatiebeoordelingen, interessantere opdrachten en snellere vooruitgang – wat op zijn beurt meer kansen en prikkels biedt om het gebruik van AI verder te verdiepen.
Vijfenzeventig procent van de ondervraagde werknemers geeft aan dat ze taken kunnen uitvoeren die ze voorheen niet konden uitvoeren, waaronder programmeerondersteuning, spreadsheetautomatisering en technische probleemoplossing. Voor werknemers die deze capaciteiten hebben omarmd, worden de grenzen van hun rollen groter. Voor degenen die dat niet hebben gedaan, kunnen de grenzen in vergelijking daarmee kleiner worden.
De AI-paradox van bedrijven: 40 miljard dollar uitgegeven, waarvan 95 procent geen rendement ziet
De door OpenAI gedocumenteerde individuele gebruikskloof weerspiegelt een breder patroon dat door een afzonderlijk onderzoek is geïdentificeerd MIT-project NANDA. Ondanks dat er 30 tot 40 miljard dollar is geïnvesteerd in generatieve AI-initiatieven, ziet slechts 5 procent van de organisaties transformatieve rendementen. De onderzoekers noemen dit de ‘GenAI-verdeling“ – een kloof die de weinige organisaties die erin slagen processen te transformeren met adaptieve AI-systemen scheidt van de meerderheid die blijft steken in pilots.
Het MIT-rapport vond beperkte verstoring in alle sectoren: slechts twee van de negen grote sectoren – technologie en media – laten een materiële bedrijfstransformatie zien als gevolg van generatief AI-gebruik. Grote bedrijven lopen voorop in het aantal pilots, maar blijven achter bij de succesvolle implementatie.
Het patroon is consistent in beide onderzoeken. Organisaties en individuen kopen de technologie. Ze lanceren pilots. Zij volgen trainingen. Maar ergens tussen adoptie en transformatie lopen de meeste vast.
Terwijl officiële AI-projecten stagneren, bloeit een schaduweconomie
De MIT-studie onthult een opvallende kloof: terwijl slechts 40 procent van de bedrijven officiële LLM-abonnementen heeft aangeschaft, gebruiken werknemers in meer dan 90 procent van de bedrijven regelmatig persoonlijke AI-tools voor hun werk. Bijna elke respondent meldde dat hij of zij LLM’s in een of andere vorm gebruikte als onderdeel van zijn reguliere workflow.
“Dit ‘schaduw AI‘ levert vaak een betere ROI op dan formele initiatieven en laat zien wat daadwerkelijk werkt om de kloof te overbruggen’, ontdekte MIT’s Project NANDA.
De schaduweconomie biedt een aanwijzing voor wat er op individueel niveau binnen organisaties gebeurt. Werknemers die initiatief nemen – die zich aanmelden voor persoonlijke abonnementen, die in hun eigen tijd experimenteren, die uitzoeken hoe ze AI in hun workflows kunnen integreren zonder te wachten op goedkeuring van de IT-afdeling – lopen voor op collega’s die wachten op officiële richtlijnen die misschien nooit komen.
Deze schaduwsystemen, die grotendeels niet zijn goedgekeurd, leveren vaak betere prestaties en een snellere acceptatie dan bedrijfstools. Het werknemerssentiment laat een voorkeur zien voor flexibele, responsieve tools – precies het soort experimenten dat de grensarbeiders van OpenAI onderscheidt van de mediaan.
De grootste hiaten komen voor bij technisch werk waarvoor vroeger specialisten nodig waren
De grootste relatieve verschillen tussen frontier- en mediaanwerkers doen zich voor op het gebied van coderen, schrijven en analyseren – precies de taakcategorieën waarin de AI-mogelijkheden het snelst zijn geëvolueerd. Grensarbeiders doen niet alleen sneller hetzelfde werk; ze lijken totaal ander werk te doen en zich uit te breiden naar technische domeinen die voorheen voor hen ontoegankelijk waren.
Te midden van ChatGPT Enterprise onder gebruikers buiten techniek, IT en onderzoek zijn codegerelateerde berichten de afgelopen zes maanden met 36 procent gegroeid. Iemand in marketing of HR die leert scripts te schrijven en workflows te automatiseren, wordt een categorisch andere werknemer dan iemand die dat niet heeft gedaan – zelfs als hij dezelfde titel heeft en met dezelfde vaardigheden is begonnen.
Het academisch onderzoek naar AI en productiviteit levert een ingewikkeld beeld op. Uit verschillende onderzoeken die in het OpenAI-rapport worden aangehaald, blijkt dat AI een ‘egaliserende werking‘, waardoor slecht presterende werknemers onevenredig worden geholpen de kloof met hun beter presterende collega’s te dichten. Maar het gelijkmakende effect kan alleen van toepassing zijn binnen de populatie van werknemers die daadwerkelijk regelmatig AI gebruiken. Een aanzienlijk deel van de werknemers behoort helemaal niet tot die groep. Ze blijven lichte gebruikers of niet-gebruikers, zelfs als hun meer avontuurlijke collega’s zich terugtrekken.
Ook bedrijven zijn verdeeld, en de kloof wordt met de maand groter
De kloof bestaat niet alleen tussen individuele werknemers. Het bestaat tussen hele organisaties.
Frontierbedrijven – die zich in het 95e percentiel van de adoptie-intensiteit bevinden – genereren ongeveer twee keer zoveel AI-berichten per werknemer als de gemiddelde onderneming. Voor berichten die via aangepaste GPT’s worden gerouteerd, speciaal gebouwde tools die specifieke workflows automatiseren, wordt de kloof zevenvoudig groter.
Deze cijfers suggereren fundamenteel verschillende bedrijfsmodellen. Bij middelgrote bedrijven kan AI een productiviteitsinstrument zijn dat individuele werknemers naar eigen goeddunken kunnen gebruiken. Bij grensverleggende bedrijven lijkt AI ingebed te zijn in de kerninfrastructuur: gestandaardiseerde workflows, aanhoudende aangepaste tools, systematische integratie met interne datasystemen.
De OpenAI-rapporten merkt op dat grofweg een op de vier bedrijven nog steeds geen connectoren heeft ingeschakeld die AI toegang geven tot bedrijfsgegevens – een basisstap die de bruikbaarheid van de technologie dramatisch vergroot. Uit het MIT-onderzoek bleek dat bedrijven die AI-tools van gespecialiseerde leveranciers kochten daarin succesvol waren 67 procent van die tijd, terwijl interne builds slechts een succespercentage van één op drie hadden. Voor veel organisaties is het AI-tijdperk technisch aangebroken, maar in de praktijk nog niet begonnen.
De technologie is niet langer het probleem; organisaties zijn dat wel
Voor leidinggevenden vormen de gegevens een ongemakkelijke uitdaging. De technologie is niet langer de beperking. OpenAI merkt op dat het ongeveer elke drie dagen een nieuwe functie of mogelijkheid vrijgeeft; de modellen ontwikkelen zich sneller dan de meeste organisaties kunnen absorberen. Het knelpunt is verschoven van wat AI kan doen naar de vraag of organisaties gestructureerd zijn om hiervan te profiteren.
“De scheidslijn is niet intelligentie”, zegt de MIT-auteurs schrijven. De problemen met enterprise AI hebben te maken met geheugen, aanpassingsvermogen en leervermogen. Problemen komen minder voort uit regelgeving of de prestaties van modellen, en meer uit instrumenten die niet leren of zich niet aanpassen.
Toonaangevende bedrijven, aldus de OpenAI-rapportenInvesteer consequent in sponsoring van managers, datagereedheid, standaardisatie van workflows en doelbewust verandermanagement. Ze bouwen culturen waarin aangepaste AI-tools worden gemaakt, gedeeld en verfijnd tussen teams. Ze houden de prestaties bij en voeren evaluaties uit. Ze maken de adoptie van AI tot een strategische prioriteit in plaats van een individuele keuze.
De rest laat het aan het toeval over – in de hoop dat werknemers de tools zelf zullen ontdekken, in hun eigen tijd zullen experimenteren en op de een of andere manier beste praktijken zullen propageren zonder infrastructuur of stimulans. De zesvoudige kloof suggereert dat deze aanpak niet werkt.
Het venster om de achterstand in te halen wordt sneller gesloten dan de meeste bedrijven zich realiseren
Nu de ondernemingscontracten de komende achttien maanden vastlopen, wordt de periode waarin leveranciers en gebruikers de kloof kunnen overbruggen steeds kleiner. De GenAI-kloof die wordt geïdentificeerd door de MET rapport zal niet eeuwig duren. Maar de organisaties die het snelst een oplossing hiervoor vinden, zullen degenen zijn die het volgende tijdperk van zakendoen zullen bepalen.
Beide rapporten bevatten kanttekeningen. De OpenAI-gegevens zijn afkomstig van een bedrijf met een duidelijk belang bij het bevorderen van de adoptie van AI. De productiviteitscijfers worden zelf gerapporteerd door klanten die al voor het product betalen. Het MIT-onderzoek is, hoewel onafhankelijk, gebaseerd op interviews en enquêtes in plaats van op directe metingen. De langetermijneffecten van deze technologie op de werkgelegenheid, de lonen en de dynamiek op de werkplek blijven onzeker.
Maar de kernbevinding – dat toegang alleen niet tot adoptie leidt, en dat adoptie enorm varieert, zelfs binnen organisaties die identieke tools voor iedereen beschikbaar hebben gesteld – komt overeen met de manier waarop eerdere technologieën zich door de economie hebben verspreid. Spreadsheets, e-mail en internet creëerden allemaal soortgelijke verschillen voordat ze uiteindelijk universeel werden. De vraag is hoe lang de huidige kloof blijft bestaan, wie er baat bij heeft tijdens de transitie, en wat er gebeurt met werknemers die zich aan de verkeerde kant bevinden.
Voorlopig is de kloof groot. Negentig procent van de gebruikers geeft aan dat ze de voorkeur geven aan mensen voor ‘missiekritisch werk’, terwijl AI ‘de oorlog voor eenvoudig werk heeft gewonnen’. De werknemers die voorop lopen, doen dit niet omdat ze toegang hebben tot hun collega’s. Ze gaan voorop omdat ze besloten te gebruiken wat iedereen al heeft – en bleven het gebruiken totdat ze erachter kwamen wat het kon doen.
De kloof van 6x gaat niet over technologie. Het gaat om gedrag. En gedrag kan, in tegenstelling tot software, niet bedrijfsbreed worden uitgerold.
