Iedereen die nu tijd binnen een bedrijf doorbrengt, kan het voelen. Er zijn steeds meer aannames die beslissingen op het hoogste niveau bepalen. AI zal de efficiëntie bevorderen en daarom wordt van bedrijven verwacht dat zij het personeelsbestand zullen verminderen.
Het klinkt logisch. Het klinkt gedisciplineerd. Maar het is ook onvolledig.
Ik ben in directiekamers geweest waar AI werd besproken als zowel een kans als een rechtvaardiging. Leiders praten over transformatie en praten in één adem over het terugdringen van het personeelsbestand. De verbinding voelt automatisch aan, alsof het een het ander moet volgen.
Dit is wat er ontbreekt in het gesprek: wat is het werk dat we eigenlijk gedaan willen hebben, en hoe moet het gedaan worden?
DE EFFICIËNTIE SNELKOPPELING
Arbeid is voor de meeste bedrijven het grootste regelitem. Wanneer AI in beeld komt, is het normaal om daar eerst te kijken. Als technologie meer kan doen, hebben we minder mensen nodig.
Maar er is weinig bewijs dat AI resultaten oplevert productiviteit op een niveau dat de snelheid van de personeelsinkrimping rechtvaardigt. Wat ik in plaats daarvan zie, is de druk, vooral bij beursgenoteerde bedrijven, om onmiddellijk rendement te laten zien op aanzienlijke AI-investeringen.
Het bezuinigen op reis- of discretionaire uitgaven doet de naald niet bewegen. Het personeelsbestand wel. Het wordt dus de meest zichtbare hefboom.
HET ANALIST-PROBLEEM
Onlangs sprak ik met een jonge analist die net een rotatieprogramma heeft afgerond. Zijn advies was simpel: laat nieuwe medewerkers niet te vroeg op AI vertrouwen.
Dat druist in tegen wat de meeste CEO’s zeggen. Elk bedrijf wil dat werknemers AI-vloeiend zijn. Als u echter op AI vertrouwt voordat u de business begrijpt, verliest u het vermogen om het werk te beoordelen. U kunt misschien sneller antwoorden geven, maar u kunt de kwaliteit, relevantie of risico ervan niet inschatten.
Oordeel ontstaat door herhaling. Door het werk zelf te doen, leer je hoe goed eruit ziet, waar dingen kapot gaan en hoe beslissingen in de praktijk stand houden. Zonder die basis kies je voor AI in plaats van het als hulpmiddel te gebruiken.
DE CODE HERSCHRIJVEN
Ik hoorde onlangs over een bedrijf dat AI gebruikte om in één weekend de volledige codebasis te herschrijven. Het was een systeem van tien jaar oud. Wat maanden, misschien wel jaren zou hebben geduurd, werd in dagen gedaan.
Op het eerste gezicht klinkt dat als de toekomst. Maar daar eindigde het verhaal niet.
Nadat de code was herschreven, had het bedrijf nog steeds de oorspronkelijke ingenieurs nodig om deze te valideren. Ze moesten bepalen of het stand zou houden, of het nieuwe risico’s met zich mee zou brengen en of het in de echte wereld ook daadwerkelijk zou werken. De schrijfsnelheid was indrukwekkend. De zekerheid was er niet.
Het vereiste veel meer menselijke inbreng en oordeelsvermogen aan de achterkant dan verwacht. Dat is het deel van de adoptie van AI dat we onderschatten. De productie versnelt, maar de vraag naar oordeel en diepgaande beoordeling neemt alleen maar toe.
DE STIJGING VAN DE ONTWIKKELINGSSCHULDEN
Op dit moment, als je junior reduceert inhuren of elimineer rollen in de beginfase van de carrière omdat AI taken op instapniveau kan uitvoeren, wees duidelijk over de afweging. U bespaart geld, maar elimineert ook het traject dat het ervaren talent ontwikkelt, het talent waarop uw organisatie in de loop van de tijd moet vertrouwen voor haar oordeel.
Dit is het grootste risico op de langere termijn. Ik noem het ontwikkelingsschuld.
Er ontstaat een gat bij het afsnijden van die vroege pijplijn. U beschikt over een personeelsbestand dat antwoorden kan genereren, maar niet evalueren. Uw organisatie kan snel schakelen, maar mist de context om te weten of dit wel moet.
AI kan ervaring niet vervangen of de patroonherkenning repliceren die voortkomt uit jarenlang zien hoe beslissingen uitpakken. Iemand moet nog steeds zeggen: “Dit werkt hier” of “Dit werkt niet.”
DE LEERLING DIE WE VERLIEZEN
Het meeste wat we vroeg in een carrière leren, komt voort uit de nabijheid van leiders en experts binnen het bedrijf. Luisteren naar hoe beslissingen worden genomen. Kijken hoe problemen worden geframed. Kijken welke afwegingen leiders bereid zijn te maken.
Dat soort leren gaat langzaam. Het is per definitie inefficiënt. Maar het is effectief en essentieel. Als we dat vervangen door afhankelijkheid van AI, slaan we de fase over waarin een oordeel wordt gevormd.
Een betere aanpak vereist intentie. Geef nieuwe medewerkers de tijd om te observeren, vragen te stellen en te begrijpen hoe het bedrijf werkelijk werkt. Introduceer vervolgens AI als een hulpmiddel om dat inzicht te vergroten.
Een van de meest effectieve modellen is het koppelen van mensen die op verschillende manieren sterk zijn. Junior-werknemers brengen vaak snelheid en comfort met technologie en dringen aan op nieuwe benaderingen. Meer ervaren medewerkers brengen context en perspectief en stellen de vraag of verschillende benaderingen zinvol zijn. Het resultaat van samenwerken is beter dan wanneer je alleen werkt.
Dit mislukt als bedrijven hun pijplijn met junior talent afsnijden.
VERTRAAG OM VOORUIT TE GAAN
Het instinct op dit moment is om snel te handelen. Snel adopteren. Resultaten weergeven. Maar vertragen is de meer strategische zet.
In plaats van te vragen hoeveel mensen er vervangen kunnen worden, kun je beter vragen hoe het werk opnieuw ontworpen moet worden. Wat moet de mens doen. Wat er door machines gedaan zou kunnen worden. En waar de combinatie iets beters oplevert.
Er zijn drie dingen die leiders kunnen doen:
Ontwerp eerst het werk opnieuw voordat u het personeelsbestand inkrimpt. Wees expliciet over waar menselijk oordeel essentieel is, waar AI kan bijdragen en waar het de volledige overhand kan nemen.
Ten tweede: gebruik natuurlijk verloop en rolverschuivingen in plaats van onmiddellijke ontslagen. Dit creëert ruimte om de organisatie te ontwikkelen zonder de toekomstige capaciteiten af te sluiten.
Ten derde: behandel de adoptie van AI als een experiment en niet als een conclusie. Test, leer en valideer voordat u permanente structurele veranderingen doorvoert.
Dat soort discipline zorgt voor iets dat veerkrachtiger en duurzamer is.
EEN ANDER SOORT VOORDEEL
Het lijdt geen twijfel dat bedrijven zich moeten differentiëren en zichzelf moeten ontwrichten. Dat betekent creëren wat nog niet bestaat, en dat hangt nog steeds af van mensen. Mensen zijn de onderscheidende factor, niet AI.
AI is breed toegankelijk. Wat organisaties onderscheidt is oordeel. Het vermogen om de gegevens in twijfel te trekken, alternatieven uit de echte wereld voor te stellen en beslissingen in context te nemen.
Bedrijven die in de ontwikkeling van die vaardigheden investeren, zelfs als dit in eerste instantie trager en minder efficiënt aanvoelt, zullen zich in de loop van de tijd onderscheiden. Uiteindelijk kan AI de manier waarop werk wordt gedaan veranderen, maar het vervangt niet de behoefte aan mensen die begrijpen wat het werk zou moeten zijn.
Tami Rosen is een directeur, bestuursdirecteur en strategisch adviseur voor financiële en technologiebedrijven.
