Toen een mondiale financiële dienstverlener Sam om advies vroeg, leek het probleem gewoon. Het bedrijf is ingezet AI tools in zijn hele bedrijf. De adoptie is ongelijkmatig en de kloof tussen de teams wordt steeds groter.
In sommige delen van de organisatie gebruiken mensen al AI om klantmateriaal te ordenen, onderzoek samen te vatten en analyses te versnellen. In andere gevallen vermijden ze het helemaal: ze weten niet wat ze moeten toestaan, zijn bezorgd over de kwaliteit, of zijn sceptisch over de vraag of leiderschap het echt meent. Managers beantwoorden vragen die zij zelf niet kunnen beantwoorden. Als mijn team AI gebruikt, wat verandert er dan in onze normen? Wat is er met de verantwoordelijkheid gebeurd?
Het leiderschapsteam realiseerde zich al snel dat het probleem niet de technologie was. Het zijn de mensen om hem heen. Het bewijs is duidelijk. BCG-onderzoek in 2024 ontdekte dat de best op AI presterende bedrijven 70% van hun transformatiemiddelen investeerden in mensen en processen, en niet in technologie. Mercer mondiale talenttrends 2026 ontdekte dat de zorgen van werknemers over baanverlies als gevolg van AI in twee jaar tijd zijn toegenomen van 28% naar 40% – angst die waardecreatie belemmert tenzij leiders deze direct aanpakken. Dat World Economic Forum Future of Work-rapport 2025 projecten Tegen 2030 zal 39% van de kernvaardigheden van de beroepsbevolking veranderen. AI maakt menselijke ontwikkeling niet minder belangrijk. Dit maakt het een belangrijke hefboom voor concurrentievoordeel.
Gebaseerd op ons werk met senior executives:Jeni 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 een leercultuur die AI-investeringen succesvol maakt.
1. Maak het veilig om te proberen
De eerste mogelijkheid is cultureel, niet technisch. Mercer-onderzoek ontdekte dat om innovatie succesvol te laten zijn, werknemers zich veilig moeten voelen om te experimenteren, ideeën te genereren en potentiële mislukkingen onder ogen te zien. McKinsey-onderzoek naar psychologische veiligheid ontdekte dat een positief teamklimaat de belangrijkste drijfveer was voor de bereidheid om te experimenteren. Uit onderzoek van McKinsey blijkt echter dat minder dan de helft van de werknemers dit meldt. Het is deze kloof die ervoor heeft gezorgd dat de meeste pogingen tot AI-adoptie stilzwijgend tot stilstand zijn gekomen.
‘Michael’, een senior marketing en verkoopleider Jenny, werkzaam bij een wereldwijd bedrijf in consumentenverpakkingen, werkten samen met haar team om te definiëren hoe een goed experiment eruit ziet, waarbij ze gedrag belichtten dat vooruitgang signaleerde, en uitlegden dat vroege fouten worden verwacht en niet worden 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 achterwege hadden gelaten, begonnen tijdens teamvergaderingen openlijk te delen wat ze aan het testen waren – een voorbeeld van de nieuwsgierigheid die de cultuur vereiste. “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, zullen die tools alleen maar duur gedoe zijn.”
- Biedt 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 werkt, zullen anderen toestemming geven hetzelfde te doen
- Maak de vloeiendheid van AI zichtbaar promotie- en talentbeslissingen
- Beschouw adoptie als een inspanningen op het gebied van verandermanagementgeen IT-lancering
Voor tips: Voer een ‘psychologische veiligheidsaudit’ uit voordat uw AI wordt gelanceerd. 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 hoeveelheid training of uitrusting kan een team overwinnen dat bang is om het te proberen.
2. Ontwikkel vaardigheden die geschikt zijn voor de baan
Als mensen eenmaal bereid zijn het te proberen, komt er een tweede obstakel naar voren: ze weten niet hoe ze AI goed kunnen gebruiken voor hun specifieke taken. Algemene training kan deze kloof zelden dichten. Organisaties die echte vooruitgang hebben geboekt, zijn overgestapt van universele workshops naar op rollen gebaseerde empowerment: praktische hulpmiddelen, snelle draaiboeken, praktijkgemeenschappen en coaching die is gebaseerd op het werk dat ze feitelijk doen.
Dit is de wrijving waarmee Michaels team wordt geconfronteerd. De werknemers waren niet resistent, ze waren slecht voorbereid. Er is hen niet getoond hoe hun ‘goede’ rol eruit ziet: hoe ze AI-compatibele klantensamenvattingen kunnen samenstellen, hoe ze door AI gegenereerde segmentatieanalyses kunnen valideren, of hoe ze opdrachten kunnen creëren die bruikbare output opleveren. Zonder die begeleiding voelt de tool riskant en nutteloos.
Dat 70-20-10 leermodel beweren dat 70% van het volwassenenonderwijs voortkomt uit werkervaring, 20% uit coaching en sociale interacties, en slechts 10% uit formele training. Maar de meeste AI-trainingsprogramma’s maken gebruik van het soort formele instructie – vereiste modules, certificeringscursussen – waarvan het model suggereert dat het slechts 10% uitmaakt van hoe mensen leren. De meest effectieve programma’s integreren AI eerst in echte workflows en combineren die ervaring vervolgens met coaching en peer learning, waarbij formele training als basis wordt gebruikt en niet als hoofdgebeurtenis.
Michael deelde ‘AI Coach’-verantwoordelijkheden toe aan belangrijke projecten en lanceerde ‘AI Office Hours’ zodat medewerkers samen konden experimenteren en leren in echte workflows, niet op zichzelf. AI-coaches worden peer-resources, geen poortwachters: collega’s die kunnen demonstreren hoe een sterke beheersing van een cliëntopdracht eruit ziet of iemand begeleiden bij het valideren van door AI gegenereerde analyses voordat deze extern worden ingezet. Binnen drie maanden waren de sessies een regelmatig terugkerend evenement geworden, waarbij de opkomst verdubbelde naarmate de geruchten verspreidden dat het geleerde praktisch en onmiddellijk toepasbaar was. Voorheen aarzelende medewerkers begonnen hun eigen gebruiksscenario’s in te brengen, en de kwaliteit van het werk van het AI-ondersteunde team verbeterde aanzienlijk.
Voor tips: Begin met taken die uw team herhaaldelijk heeft uitgevoerd. Identificeer twee of drie hoogfrequente workflows met een laag risico en creëer vervolgens rolspecifieke AI-begeleiding op basis daarvan. Competenties die in de context zijn opgebouwd, verspreiden zich sneller dan training die in de klas wordt gegeven.
3. Beheer snelheid, niet alleen beveiliging
Naarmate het gebruik van AI toeneemt, ontstaan er hiaten in het bestuur. Managers begonnen vragen te stellen die niemand had beantwoord: welke gegevens kunnen we gebruiken? Wie beoordeelt door AI gegenereerd klantmateriaal? Wat gebeurt er als de uitvoer verkeerd is? Zonder duidelijke antwoorden zullen zelfs bereidwillige medewerkers aarzelen.
Effectieve leiders behandelen regering als een voorwaarde die adoptie duurzaam maakt, en niet als een obstakel. McKinsey kwam erachter 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 bouwt dit parallel aan de ontwikkeling van capaciteiten. Zijn team creëerde een ‘AI-gebruiksframework’ van één pagina dat drie zones definieert: taken waarbij AI onafhankelijk kan worden gebruikt, taken die menselijke beoordeling vereisen (ook wel menselijke betrokkenheid genoemd) voordat ze extern worden gebruikt, en taken die nog steeds maar een mens. Die duidelijkheid heeft de adoptie niet vertraagd. Dit versnelt het. Voordat dit raamwerk bestond, namen managers individuele beslissingen over wat veilig was om te gebruiken – en waren ze niet langer voorzichtig. Zodra alle drie de zones zijn gedefinieerd en gedeeld, neemt de cognitieve belasting van elke AI-beslissing aanzienlijk af. Werknemers vragen niet langer om toestemming voor het uitvoeren van routinetaken en besteden hun energie aan het leren hoe ze deze goed kunnen uitvoeren. De adoptie in de zone voor ‘autonoom gebruik’ is in het kwartaal na de lancering van het raamwerk bijna verdubbeld, en het aantal onderzoeken naar juridische aspecten en compliance daalde met meer dan de helft.
Voor tips: Bouw een AI-gebruiksframework van één pagina voordat u tools start. Definieer drie zones (onafhankelijk gebruik, gebruik met beoordeling, alleen mensen) specifiek genoeg voor managers om te implementeren in teamvergaderingen. Duidelijkheid over wat is toegestaan is de snelste manier om twijfels weg te nemen die adoptie in de weg staan.
4. Herontwerp de werkverdeling
De vierde mogelijkheid is de belangrijkste: duidelijk definiëren waar AI waarde creëert, welke banen van mensen zijn en hoe die grenzen zich vertalen in opnieuw ontworpen workflows en besluitvormingsrechten.
Achttien maanden na zijn initiatief heeft Michaels team een workflow uitgestippeld waarin AI werk kan structureren, organiseren en synthetiseren en opzettelijk kan beschermen dat menselijk oordeel vereist: het lezen van relaties met retailers, het coachen van een team door een moeilijk kwartaal, het maken van positioneringen die concurrenten niet kunnen. Deze verdeeldheid gaat niet over wat AI technisch gezien kan doen. Het gaat om wat mensen nodig hebben voor bedrijven.
De businesscase is duidelijk. Drie jaar lang, BCG ontdekt AI-leiders realiseren een 1,5x hogere omzetgroei en 1,6x hoger aandeelhoudersrendement. De onderscheidende factor is niet de verfijning van het model, maar de doelbewustheid van het herontwerp van de functie. Mercer mondiale talenttrends 2026 ontdekte dat 63% van de leiders van de C-suite zei dat het herontwerpen van banen voor AI de hoogste ROI zou opleveren in vergelijking met mensen. Slechts een derde is echter van mening dat hun personeel klaar is om dit mogelijk te maken.
Voor tips: Breng de workflows met de hoogste frequentie van uw team in kaart voordat u beslist over de geschiktheid van AI. Vraag voor elk van hen de volgende vraag: zijn snelheid en consistentie hier sleutelwaarden geworden? Of waar ligt de belangrijkste afweging en verantwoording? Bouw op basis van de antwoorden een taakverdeling op en bekijk deze elke zes maanden.
AI wordt normaal – en dat is het punt
Achttien maanden nadat Michael zijn initiatief voor de ontwikkeling van menselijk kapitaal lanceerde – parallel aan de technologie-implementatie, en niet daarna – presteerde zijn bedrijfseenheid beter dan zijn branchegenoten in alle AI-gerelateerde sectoren. productiviteit metrisch. Niet omdat de software beter is. Omdat ze beter voorbereide leiders hebben.
De leiders die deze veranderingen aandrijven, zijn niet degenen die het meeste weten over AI. Zij zijn degenen die het werk opnieuw vormgeven, vertrouwen opbouwen en mensen helpen zich aan te passen. AI is niet langer een niche-initiatief en wordt onderdeel van de professionele toolkit.
Het personeel laten profiteren van AI is geen software-uitrol. Dit is een verandering van leiderschap. 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. Duurzame ontwikkeling is geen voordeel dat u aan uw samenleving biedt. Dit is de strategie.
