Van theorie naar praktijk: drie cruciale gesprekken over AI-adoptie op de werkvloer

De belofte is overal: AI zal onze manier van werken veranderen, waardoor we productiever, innovatiever en competitiever worden. Maar in organisaties in verschillende sectoren ontvouwt zich een andere realiteit. Medewerkers verzetten zich stilletjes tegen nieuwe tools. HR heeft moeite om investeringen in leren te rechtvaardigen. En leiders bevinden zich gevangen tussen de urgentie van transformatie en de menselijke angsten die deze juist blokkeren.

Vorige week organiseerden Lepaya en Everday een rondetafelgesprek met HR-leiders, L&D-professionals en consultants om drie prangende vragen over de acceptatie van AI in organisaties aan te pakken. Wat naar voren kwam, was geen verzameling beste praktijken, maar eerlijke gesprekken over de rommelige realiteit van de integratie van AI op werkplekken waar nog steeds wordt uitgezocht wat 'AI-geletterdheid' eigenlijk betekent.

Veiligheid in onzekere tijden: de psychologie van AI-adoptie

De eerste discussie ging over een onderwerp dat vaak over het hoofd wordt gezien in AI-implementatieplannen: psychologische veiligheid. Kunnen werknemers toegeven dat ze niet weten hoe ze AI moeten gebruiken? Kunnen ze eerlijk zijn over hun door AI gegenereerde werk? Zullen ze worden veroordeeld voor fouten die tijdens het experimenteren zijn gemaakt?

Dit zijn geen triviale zorgen. In veel organisaties heerst er een onuitgesproken stigma rond het gebruik van AI, waarbij werknemers niet zeker weten of het bekendmaken van AI-hulp wordt gezien als efficiëntie of luiheid.

Enkele deelnemers beschreven dat in hun bedrijf veel werknemers het gebruik van AI-tools vermeden omdat ze bang waren dat ze als minder capabel zouden worden beschouwd als ze op technologie vertrouwden. Anderen noemden gevallen van 'schaduwgebruik' waarbij mensen AI in het geheim gebruikten in plaats van het risico te lopen incompetent over te komen bij het stellen van basisvragen.

Dit zorgt voor een paradox: bedrijven willen dat AI wordt toegepast, maar werknemers zijn bang dat ze het gebruiken of niet weten hoe.

De generatiekloof voegt ook nog een extra laag complexiteit toe aan dit probleem. Jongere werknemers omarmen AI vaak op natuurlijke wijze, terwijl senior medewerkers die bijna met pensioen gaan zich afvragen waarom ze tijd zouden moeten investeren in leren. Zoals een deelnemer het uitdrukte: „Ik heb nog vijf tot tien jaar te gaan in mijn carrière, waarom zou ik me daar druk om maken?” Dit creëert weerstandsgebieden die formele trainingsprogramma's alleen niet aankunnen.

Ruimtes creëren voor kwetsbaarheid

Om psychologische veiligheid te creëren, hebben organisaties opzettelijk cultureel werk nodig. Verscheidene strategieën voor HR kwam naar voren toen leiders hun aanpak bespraken: ‍

• Kwetsbaarheid van boven naar beneden normaliseren: Leiders die openlijk hun AI-leertraject delen, inclusief fouten, geven anderen toestemming om te experimenteren. Zoals een deelnemer benadrukte: „Het belangrijkste bij leiders en psychologische veiligheid is dat ze verwachten dat anderen eerst kwetsbaar zijn. Maar je bent zelf niet kwetsbaar geweest.”

• Beginnend met experimenteren, niet met perfectie: Bedrijven die AI-adoptie beschouwen als continue exploratie in plaats van onmiddellijke beheersing, zien een grotere betrokkenheid. „We leren eigenlijk altijd, we proberen nieuwe dingen”, werd beschreven als een effectievere aanpak dan elke AI-toepassing te behandelen als iets waar veel op het spel staat.

• De transparantiekwestie rechtstreeks aanpakken: In plaats van te doen alsof alles door mensen is gegenereerd, hebben organisaties expliciete gesprekken nodig over wanneer en hoe ze het gebruik van AI openbaar kunnen maken en hoe ze informele ruimtes kunnen creëren waar mensen zonder druk over AI-ervaringen kunnen praten.

Meer dan vragen: heroverwegen wat 'AI-vaardigheden' eigenlijk betekenen

Als de eerste uitdaging het creëren van veilige leeromgevingen is, is de tweede het bepalen van wat mensen daadwerkelijk moeten leren. Toen het gesprek ging over het in kaart brengen van vaardigheden, ontstond er meteen een spanning: AI-vaardigheden voel me overal en nergens tegelijk, essentieel maar moeilijk te definiëren.

„AI is zo ongrijpbaar”, merkte een deelnemer op. „We gebruiken AI in elke zin, maar wat het is, is heel moeilijk tastbaar te maken.”

‍

Mindset boven meesterschap

Meerdere deelnemers benadrukten dat succesvolle AI-adoptie minder lijkt op het verwerven van technische competentie en meer op het opbouwen van dagelijkse gewoontes.

Zoals een leider het uitdrukte: „Het gaat niet om vaardigheden. De vaardigheden zullen komen. Het is een kwestie van mentaliteit.” Het doel is niet om iedereen te leren coderen of snelle technische experts te worden; het is de gewoonte creëren om waar nodig naar AI-tools te grijpen.

Eén deelnemer raadde bijvoorbeeld een eenvoudige gewoonte aan: vervang Google door ChatGPT voor dagelijkse zoekopdrachten.

„In plaats van Google te gebruiken, kun je ChatGPT gebruiken, een eenvoudige wijziging. Als je gewoon precies dezelfde input gebruikt in Google, maar die in ChatGPT zet, krijg je hetzelfde resultaat, maar met veel meer details.”

‍

In plaats van werknemers te overweldigen met snelle technische cursussen of technische opleidingen, kunnen organisaties zich richten op stapsgewijze gedragsverandering. Gebruik AI vandaag nog voor één taak. Probeer morgen nog een. Bouw het spiergeheugen op door op een natuurlijke manier over te schakelen op AI-tools.

Kritisch denken wordt cruciaal

De mentaliteitsverandering alleen is echter niet voldoende. Naarmate AI het creëren van inhoud eenvoudiger maakt, wordt kritisch denken belangrijker, niet minder.

„We hebben veel jonge mensen die gewoon kopiëren en plakken wat AI hen geeft”, merkte een deelnemer op. „Ze ontsmetten het niet, controleren de kwaliteit niet. Dat kritische denken: ze hebben nog niet de ervaring om te weten wanneer de output verkeerd is.”

‍

Dit wijst op een cruciaal inzicht: AI elimineert de noodzaak van menselijk oordeel niet; het versterkt de behoefte eraan. Zonder kritisch denkvermogen wordt AI een hulpmiddel om sneller plausibel klinkende onzin te genereren.

Organisaties die hierop inspelen, moeten zich richten op:

• Mensen leren AI te gebruiken als sparringpartner, geen antwoordapparaat
• Iteraties zijn vereist in plaats van de eerste uitgangen te accepteren
• AI-resultaten koppelen aan bedrijfsresultaten, zodat mensen begrijpen wanneer „goed genoeg” eigenlijk niet goed genoeg is
• Mentorrelaties waar ervaren werknemers nieuwere werknemers hielpen bij het ontwikkelen van hun beoordelingsvermogen

‍

L&D-budgetten ontsluiten: de zakelijke taal spreken

De laatste rondetafel stond voor de eeuwige uitdaging van mensenleiders: het aantonen van ROI. Vaardigheidsgegevens zouden in theorie moeten helpen, maar de realiteit is ingewikkelder.

„Ik heb nooit een CEO die om de vaardigheidsgegevens vraagt”, zei een deelnemer botweg. „Ze willen altijd de bedrijfsgegevens.”

Dit is het fundamentele probleem: leergegevens leven overal en nergens. De deelnemers beschreven het downloaden van informatie van meerdere systemen - LMS-platforms, externe certificeringen, werkplaatsregistraties - zonder eenduidig overzicht.

„Er is niet één dashboard dat alle gegevens samenbrengt, dus het is nooit een volledig beeld”, legt een L&D-leider uit.

‍En zelfs als er gegevens zijn, vertellen ze niet het volledige verhaal. 

Certificeringen tonen aan dat iemand de training op een bepaald moment heeft voltooid, maar zeggen niets over retentie, toepassing of permanente competentie. Zelfevaluaties zijn niet nauwkeurig. En het koppelen van training aan bedrijfsresultaten blijft ongrijpbaar.

In plaats van uitsluitend te vertrouwen op traditionele L&D-metingen, experimenteren de deelnemers met meer geavanceerde benaderingen:

1. Analyse van vaardigheidskloof: Individuele competenties in kaart brengen aan de hand van rolvereisten, met behulp van zelfevaluatie in combinatie met feedback van collega's om „spinnenweb” -visualisaties te maken die hiaten laten zien.
2. Snelheidsregistratie leren: Het meten van niet alleen het aantal behaalde vaardigheden, maar ook hoe snel mensen vooruitgang boeken, zodat kan worden vastgesteld wie extra ondersteuning nodig heeft en welke interventies het beste werken.
3. Verbinding met prestatiegegevens: Vaardigheidsbeoordelingen in lagen aanbrengen op prestatiestatistieken om correlaties te identificeren tussen capaciteitsontwikkeling en bedrijfsresultaten.

De weg vooruit

Uit deze gesprekken kwamen drie duidelijke patronen naar voren:

Ten eerste vereist een succesvolle toepassing van AI vaardigheidskaders die gericht zijn op denkwijzen en kritisch denken in plaats van specifieke toolvaardigheden.

Ten tweede is psychologische veiligheid niet leuk om te hebben; het is de basis die bepaalt of mensen zullen experimenteren, vragen zullen stellen en uiteindelijk nieuwe manieren van werken zullen aannemen.

Ten derde moeten L&D en HR de taal van zakelijke impact leren spreken, waarbij de ontwikkeling van vaardigheden rechtstreeks wordt gekoppeld aan de doelstellingen van de organisatie.

Misschien wel het belangrijkste is dat uit deze gesprekken bleek dat de meeste organisaties dit nog aan het uitzoeken zijn. Er zijn geen perfecte playbooks, geen gegarandeerde benaderingen. De leiders die vooruitgang boeken, zijn degenen die bereid zijn te experimenteren, te falen, te leren en het opnieuw te proberen - precies de cultuur waarvoor ze proberen op te bouwen AI-adoptie zichzelf.

Het echte concurrentievoordeel zit misschien niet in het hebben van alle antwoorden, maar in het creëren van omgevingen waarin mensen zich veilig genoeg voelen om samen de vragen te onderzoeken.