Van alle kanten krijg je te horen dat jullie "iets met AI moeten". Want daar word je zo heerlijk efficiënt van (je hebt toch gelezen dat eeeegunts AL je werk gaan overnemen of niet dan????). Vanuit je organisatie hoor je én bezorgde vragen over banen die verdwijnen, én klachten over herhalend, foutgevoelig werk dat hele werkdagen opslokt. En eigenlijk: zelf heb je ook wel een paar klusjes (datarapportage, boardpresentatie, wekelijkse managementupdate) die je best aan AI zou willen uitbesteden. Maar...
Weet je, ik zocht 'senior management' op in een oud woordenboek en dit stond er als omschrijving:
'Verantwoordelijk voor alles wat fout gaat en geen flauw idee waar je moet beginnen met die AI-hype.'
Dat is natuurlijk niet waar, maar tegelijkertijd weet je dat het waar is. Want jij bent degene die knopen moet doorhakken als het om AI-adoptie gaat.
Doe dat vandaag nog.
Waarom managers (jij dus) op de rem staan bij AI
Even voor de duidelijkheid, je bent niet gek. Je hebt goede redenen om voorzichtig te zijn met AI:
- Veiligheidsrisico's en compliancezorgen - Wat als er vertrouwelijke data lekt? Wat zegt de AVG hierover? Leveren we onze data niet uit aan Big Tech? Terechte vragen
- Onbekendheid met de technologie - Je snapt nog steeds niet helemaal wat machine learning nou precies doet. Full disclosure: ik ook niet.
- Angst voor fouten die op jouw conto komen - Als het misgaat, ben jij degene die het aan het bestuur, de investeerders of - nog leuker - de pers en de socials mag uitleggen...
- Druk om ROI direct aan te tonen - "Waar is de business case?" (terwijl niemand weet hoe je AI-impact meet)
- Je bent al druk genoeg de zaak draaiende te houden - En als je heel eerlijk bent, ben je emotioneel, strategisch en qua proces nog aan het wennen aan social media, cloud, Teams en thuiswerken
- Eerdere slechte ervaringen met IT-projecten en SaaS-tools - Hoeveel plannen implementaties zijn al niet uitgelopen op 'kost een berg, verbetert hooguit een beetje'?
Ik voel je pijn, want dit zijn allemaal valide zorgen. Je doet je werk dus juist goed door deze vragen te stellen. Maar het is wel tijd om met antwoorden te komen. Want terwijl jij deze afwegingen maakt, draait de wereld helaas gewoon verder. En dan heb ik het nog niet eens over de techniek (want die gaat inderdaad keihard, met of zonder jouw goedkeuring) of de concurrentie (als je een commercieel bedrijf runt).
Nee, ik heb het over je eigen organisatie.
Je mensen werken al lang met AI
Je vertelt: je team is al lang klaar voor AI. Sterker nog, ze zijn er al hartstikke druk mee. 34% van de WO- en HBO-geschoolden gebruikt AI-tools. Onder het leeftijdscohort 18-25 jaar is dat zelfs 60%. Als je denkt dat jouw kenniswerkers daar niet tussen zitten... Ehm... Naja, dat 'getuigt niet van inzicht,' zoals mijn oude rij-instructeur zou zeggen.
Dus: je mensen experimenteren stiekem met ChatGPT, kijken YouTube-tutorials in hun lunchpauze en delen tips in WhatsApp-groepjes waar jij niet in zit. Dat geeft enorme risico's, inefficiënties en kosten. Maar zij zijn niet het probleem. Het probleem ben jij.
En ja, dat klinkt hard. Maar je bent een volwassene die moeilijke beslissingen neemt. Je kunt dit aan. Want wat er nu gebeurt - die schaduw-AI die overal opduikt zonder jouw sturing - dat is veel gevaarlijker dan een de weloverwogen, doordachte aanpak waar jij VANDAAG mee gaat beginnen.
En als het niet lukt, mag je me bellen ok?
Wat je mensen echt nodig hebben voor veilige AI-adoptie
Jij bent misschien opgeleid in een tijd waarin controle en voorspelbaarheid de pijlers waren van goed management. Maar die wereld bestaat niet meer.
Helaas is "gewoon laten gebeuren" ook geen oplossing. Wat je team nodig heeft is aanmoediging, gecombineerd met structuur:
- Duidelijke richtlijnen - Wat mag wel, wat niet? Welke data mag je delen, welke niet? Simpele regels die iedereen snapt
- Training in AI-ethics en prompt engineering - Niet een cursus van 3 dagen, maar praktische sessies: hoe krijg je goede output, hoe herken je bias, hoe ga je om met fouten?
- Veilige omgevingen om te experimenteren - Sandboxes waar mensen kunnen spelen zonder dat het productiesystemen raakt
- Processen voor het delen van learnings - Als iemand een nieuwe techniek of toepassing ontdekt, hoe zorgt je dat de rest er van leert? Doe je kennissessies? Bouw je custom GPT's? Dit is het aspect waar veel AI-adoptie zijn snelheid verliest: de stap van 'individueel klooien' naar 'organisatiebreed rendement' zit grotendeels in kennisdeling
- Balans tussen vrijheid en governance - Ruimte om te experimenteren binnen kaders die jij comfortabel vindt. Oh, en binnen wet- en regelgeving, branchenormen en gedragsregels van je organisatie. Want, AI-revolutie of niet, die gelden natuurlijk nog gewoon.
Dit is niet iets wat vanzelf wel goed komt. Dit vraagt leiderschap.
Jouw leiderschap.
Goed, laten we een testje doen. Houd je van KPI's, dan mag je het een 'nulmeting' noemen.
De AI-Ready Senior Management Checklist
Ben je echt klaar om je organisatie AI te laten omarmen? Take the test:
- Experimenteerbudget: Heeft ieder teamlid een potje om tools te proberen? Niet "dien een aanvraag in en we kijken per geval" maar echt: hier is 100 euro per maand, ga experimenteren
- Fouttolerantie: Wat gebeurt er als een AI-experiment mislukt? Krijgt iemand op zijn falie of vier je: "tof dat je het geprobeerd hebt, wat hebben we geleerd?"
- Output-meting: Meet je nog in uren/aanwezigheid of denk je in resultaten? Zolang je bij uren blijft hangen, blijft AI een bedreiging in plaats van een kans
- Tool-autonomie: Mogen mensen zelf tools kiezen of moet alles via IT/inkoop/jou? Hoe meer hoepels, hoe minder innovatie
- Leertijd: Is er ruimte in de week om te leren? Niet "in je eigen tijd" maar gewoon: vrijdagmiddag is AI-experimenteer- of online training-tijd
Score je op 3 of meer punten een "nee"? Dan ben jij de bottleneck.
Niet AI-kennis.
Niet budget.
Niet de regels.
Niet je mensen.
Jij.
Aan het werk.
