Toen een mondiale financiële dienstverlener de hulp van Sam zocht, kwam het probleem bekend voor. Het bedrijf was ingezet AI tools in zijn hele bedrijf. De adoptie was ongelijkmatig en de kloof tussen de teams werd steeds groter.
In sommige hoeken van de organisatie gebruikten mensen al AI om klantmateriaal op te stellen, onderzoek samen te vatten en de analyse te versnellen. In andere gevallen vermeden ze het volledig: ze waren niet zeker van wat toegestaan was, maakten zich zorgen over de kwaliteit, of waren sceptisch over het feit dat leiderschap het werkelijk meende. Managers beantwoordden vragen die ze niet konden beantwoorden. Als mijn team AI gebruikt, wat verandert er dan in onze normen? Wat gebeurt er met de verantwoording?
Het leiderschapsteam besefte al snel dat het probleem niet de technologie was. Het waren de mensen er omheen. Het bewijs is duidelijk. BCG’s onderzoek uit 2024 ontdekt dat de beste AI-presterende bedrijven 70% van hun transformatiemiddelen investeren in mensen en processen, niet in technologie. Mercers mondiale talenttrends 2026 constateert dat de zorgen van werknemers over door AI veroorzaakt banenverlies in twee jaar tijd zijn gestegen van 28% naar 40% – angst die waardecreatie belemmert tenzij leiders deze direct aanpakken. De Het Future of Jobs Report 2025 van het World Economic Forum projecten Tegen 2030 zal 39% van de kernvaardigheden van de beroepsbevolking veranderen. AI heeft de menselijke ontwikkeling niet minder belangrijk gemaakt. Het heeft het tot de belangrijkste hefboom voor concurrentievoordeel gemaakt.
Gebaseerd op ons werk met senior executives:Jenny als executive coach en expert op het gebied van leiderschapsontwikkeling, Sam Als mondiale transformatieleider die organisaties helpt bij het herontwerpen van de manier waarop ze talent ontwikkelen en inzetten, hebben we vier strategieën geïdentificeerd voor het opbouwen van de leercultuur die ervoor zorgt dat AI-investeringen werken.
1. Maak het veilig om te proberen
De eerste mogelijkheid is cultureel, niet technisch. Mercers onderzoek vindt dat om innovatie te laten slagen, werknemers zich veilig moeten voelen om te experimenteren, ideeën te bedenken en potentiële mislukkingen onder ogen te zien. McKinsey’s onderzoek naar psychologische veiligheid constateert dat een positief teamklimaat de meest kritische motor is voor de bereidheid om te experimenteren. Toch blijkt uit onderzoek van McKinsey dat minder dan de helft van de werknemers er melding van maakt. In die kloof sterven de meeste pogingen tot AI-adoptie stilletjes.
‘Michael’, een senior marketing en verkoopleider met wie Jenny samenwerkte bij een wereldwijd bedrijf in consumentenverpakkingen, werkte samen met zijn team om te definiëren hoe goed experimenteren eruit zag, noemde het gedrag dat vooruitgang signaleerde en maakte duidelijk dat vroege fouten werden verwacht en niet bestraft. Binnen zes maanden was het vrijwillige gebruik van AI-tools binnen zijn team met meer dan 40 procent toegenomen, en managers die voorheen AI hadden vermeden, begonnen openlijk te delen wat ze aan het testen waren tijdens teamvergaderingen, waarmee ze de nieuwsgierigheid vormden die de cultuur nodig had. “We kunnen de beste AI op de markt kopen”, zei hij tegen Jenny. “Maar als onze managers niet weten hoe ze anders leiding moeten geven, zijn de tools alleen maar duur gedoe.”
- Bied toegang tot tools, gerichte training en mens-AI-coaching op elk niveau
- Modelleer het juiste gedrag van bovenaf: leiders die AI openlijk gebruiken en delen wat niet werkte, geven anderen toestemming om hetzelfde te doen
- Maak de vloeiendheid van AI zichtbaar in promotie- en talentbeslissingen
- Beschouw adoptie als een inspanningen op het gebied van verandermanagementgeen IT-implementatie
Voor een tip: Voer een ‘psychologische veiligheidsaudit’ uit voordat u uw AI uitrolt. Vraag managers: Voelen uw teamleden zich veilig als ze toegeven dat ze niet weten hoe ze een nieuwe tool moeten gebruiken? Als het eerlijke antwoord nee is, bespreek dan eerst de cultuur. Geen enkele training of tool kan een team overwinnen dat bang is om het te proberen.
2. Bouw capaciteiten op die passen bij het werk
Als mensen het eenmaal willen proberen, komt de tweede barrière naar voren: ze weten niet hoe ze AI goed kunnen inzetten voor hun specifieke werk. Generieke training overbrugt deze kloof zelden. De organisaties die echte vooruitgang boeken, zijn overgestapt van one-size-fits-all workshops naar op rollen gebaseerde ondersteuning: praktische hulpmiddelen, snelle draaiboeken, praktijkgemeenschappen en coaching verankerd in het werk dat ze daadwerkelijk doen.
Dit was de wrijving waar Michaels team mee te maken kreeg. Medewerkers waren niet resistent, ze waren onvoldoende voorbereid. Ze hadden niet geleerd hoe ‘goed’ eruit zag voor hun rol: hoe ze een klantensamenvatting moesten opstellen die aan de eisen voldeed met AI, hoe ze door AI gegenereerde segmentatieanalyses konden valideren, of hoe ze een prompt konden bouwen die bruikbare output opleverde. Zonder die begeleiding voelde de tool riskant en niet nuttig.
De 70-20-10 leermodel stelt dat 70% van het volwassenenonderwijs voortkomt uit praktijkervaring, 20% uit coaching en sociale interactie, en slechts 10% uit formele training. Toch hanteren de meeste AI-trainingsprogramma’s standaard precies het soort formele instructie – verplichte modules, certificeringscursussen – waarvan het model zegt dat het slechts 10% uitmaakt van hoe mensen daadwerkelijk leren. De meest effectieve programma’s integreren AI eerst in echte workflows en omringen die ervaring vervolgens met coaching en peer learning, waarbij formele training als basis wordt gebruikt en niet als voornaamste gebeurtenis.
Michael deelde ‘AI Coach’-verantwoordelijkheden toe aan belangrijke projecten en lanceerde ‘AI Office Hours’ zodat medewerkers samen konden experimenteren en leren in echte workflows in plaats van geïsoleerd. AI-coaches werden peer-resources, geen poortwachters: collega’s die konden demonstreren hoe een sterke prompt eruitzag voor een klantbriefing of iemand door het valideren van door AI gegenereerde analyses heen loodsen voordat deze naar buiten gingen. Binnen drie maanden waren de sessies een vaste waarde geworden, waarbij de opkomst verdubbelde naarmate het nieuws verspreidde dat het geleerde praktisch en onmiddellijk toepasbaar was. Werknemers die aarzelden, begonnen hun eigen gebruiksscenario’s in te brengen, en de outputkwaliteit van het team op het gebied van AI-ondersteund werk verbeterde meetbaar.
Voor een tip: Begin met de taken die uw team al herhaaldelijk uitvoert. Identificeer twee of drie hoogfrequente workflows met een laag risico en bouw daar rolspecifieke AI-begeleiding omheen. Competenties die in een context zijn opgebouwd, verspreiden zich sneller dan training die in een klaslokaal wordt gegeven.
3. Zorg voor snelheid, niet alleen voor veiligheid
Naarmate het gebruik van AI toeneemt, ontstaat er een bestuurskloof. Managers beginnen vragen te stellen die niemand heeft beantwoord: welke gegevens kunnen we gebruiken? Wie beoordeelt door AI gegenereerd klantmateriaal? Wat gebeurt er als de uitvoer verkeerd is? Zonder duidelijke antwoorden aarzelen zelfs bereidwillige medewerkers.
Effectieve leiders behandelen bestuur als de voorwaarde die adoptie duurzaam maakt, en niet als een beperking ervan. McKinsey vindt dat bedrijven die investeren in activiteiten die vertrouwen bevorderen – gecodificeerd ethisch beleid, duidelijk databeheer, consistente follow-up – bijna twee keer zoveel kans hebben op een omzetgroei van meer dan 10%. Korte beleidsdocumenten presteren beter dan lange nalevingskaders die niemand leest.
Michael bouwde dit parallel met de ontwikkeling van capaciteiten. Zijn team creëerde een ‘AI-gebruiksframework’ van één pagina dat drie zones definieerde: taken waarbij AI onafhankelijk kan worden gebruikt, taken die menselijke beoordeling vereisen (ook wel ‘human in the loop’ genoemd) voordat ze naar buiten gaan, en taken die bleef louter menselijk. Die duidelijkheid heeft de adoptie niet vertraagd. Het heeft het versneld. Voordat het raamwerk bestond, maakten managers individueel een oordeel over wat veilig was om te gebruiken – en waren ze niet altijd voorzichtig. Toen de drie zones eenmaal waren gedefinieerd en gedeeld, daalde de cognitieve belasting van elke AI-beslissing aanzienlijk. Werknemers stopten met het vragen om toestemming voor routinetaken en begonnen die energie te besteden aan het leren hoe ze deze goed konden uitvoeren. De adoptie in de ‘onafhankelijk gebruik’-zone is in het kwartaal na de lancering van het raamwerk bijna verdubbeld, en het aantal vragen dat escaleerde naar juridische en compliance-kwesties daalde met meer dan de helft.
Voor een tip: Bouw een AI-gebruiksframework van één pagina voordat u tools start. Definieer drie zones (onafhankelijk gebruik, gebruik met beoordeling, alleen voor mensen) specifiek genoeg voor een manager om in een teamvergadering toe te passen. Duidelijkheid over wat is toegestaan, is de snelste manier om de aarzeling weg te nemen die adoptie tegenhoudt.
4. Herontwerp de taakverdeling
De vierde mogelijkheid is de meest consequente: duidelijk definiëren waar AI waarde creëert, welk werk van mensen is, en hoe die grenzen zich vertalen in opnieuw ontworpen workflows en beslissingsrechten.
Achttien maanden nadat hij zijn initiatief had genomen, had Michaels team de workflows in kaart gebracht waar AI werk kon opstellen, organiseren en synthetiseren, en opzettelijk werk kon beschermen waarvoor menselijk oordeel nodig was: het lezen van een retailerrelatie, het coachen van een team door een moeilijk kwartaal, het maken van een positioneringsgesprek dat concurrenten niet konden reverse-engineeren. De verdeeldheid ging niet over wat AI technisch gezien kon doen. Het ging over wat het bedrijf nodig had dat mensen zouden bezitten.
De businesscase is duidelijk. Ruim drie jaar lang BCG gevonden AI-leiders bereikten een 1,5x hogere omzetgroei en 1,6x hoger aandeelhoudersrendement. De onderscheidende factor was niet de verfijning van het model, maar de doelbewustheid van het herontwerpen van werk. Mercers mondiale talenttrends 2026 constateert dat 63% van de C-suite leiders zegt dat het herontwerpen van werk voor AI de hoogste mensgerelateerde ROI zal opleveren. Toch heeft slechts een derde het gevoel dat hun personeel er klaar voor is om dit te laten werken.
Voor een tip: Breng de meest voorkomende workflows van uw team in kaart voordat u beslist waar AI past. Vraag voor elk van hen: Is dit waar snelheid en consistentie de primaire waarde zijn? Of waar oordeel en verantwoordelijkheid het belangrijkst zijn? Bouw op basis van dat antwoord de taakverdeling op en bekijk deze elke zes maanden opnieuw.
AI wordt normaal – en dat is het punt
Achttien maanden nadat Michael zijn initiatief voor de ontwikkeling van mensen lanceerde – parallel met de technologie-implementatie, en niet erna – presteerde zijn bedrijfseenheid beter dan zijn concurrenten op alle AI-gerelateerde gebieden. productiviteit metrisch. Niet omdat het betere software had. Omdat het beter voorbereide leiders had.
De leiders die deze verandering hebben aangestuurd, waren niet degenen die het meeste over AI wisten. Zij waren degenen die het werk opnieuw vormgaven, vertrouwen opbouwden en mensen hielpen zich aan te passen. AI was niet langer een bijzonder initiatief, maar werd onderdeel van de professionele toolkit.
Het personeel laten profiteren van AI is geen software-uitrol. Het is een leiderschapsverandering. De beste leiders in het AI-tijdperk wachten niet tot de technologie zichzelf bewijst. Ze investeren in de mensen die ervoor zorgen dat het er toe doet. Continue ontwikkeling is geen voordeel dat u uw mensen biedt. Het is de strategie.
