Wanneer de carrièreladder breekt: Groei en prestaties heroverwegen in het AI-tijdperk

De regels voor carrièreontwikkeling worden in realtime herschreven. Nu AI taken overneemt die voorheen op elk niveau voor mensen waren gereserveerd, staan organisaties voor fundamentele vragen over wat functieniveaus betekenen, hoe groei te meten, en of traditionele prestatiestatistieken nog zinvol zijn.

In een recent webinar van Lepaya onderzochten Dr. Dieter Veldsman, Chief HR Scientist bij de Academy to Innovate HR, Daria Rudnik, Team Architect bij aidra.ai, en Milda Bayer, VP Marketing & GTM bij Lepaya, hoe bedrijven alles moeten heroverwegen, van instapmogelijkheden tot prestatiebeoordelingen. Dit kwam uit hun gesprek naar voren.

Het verdwijnen van instapfuncties

De meest directe verstoring vindt plaats aan de onderkant van de carrièreladder. Recente gegevens wijzen op een aanzienlijke daling: vacatures voor instapfuncties in de Verenigde Staten zijn met ongeveer 35% sinds januari 2023. 

De reden? AI is nu in staat om veel van het basiswerk af te handelen dat ooit diende als oefenterrein voor jong talent.

"Bedrijven nemen vaker ervaren mensen aan omdat die mensen processen kennen, weten hoe een goed proces eruit moet zien en weten waar AI waarde kan toevoegen," legde Daria uit. "Junioren zijn echter nog niet bekend met het proces. Ze kunnen AI gebruiken, maar ze kunnen het proces niet optimaliseren met de hulp van AI."

Dit creëert echter een verontrustende paradox voor talentontwikkeling. Organisaties hebben ervaren werknemers nodig die kwaliteit begrijpen en AI effectief kunnen aansturen. Maar zonder instapfuncties, hoe doen mensen dan überhaupt die ervaring op?

"Als AI kan doen wat junioren kunnen, wat betekent dat dan voor organisaties?" vroeg Daria zich af.

"Betekent het dat je geen junioren meer nodig hebt? Of betekent het dat elke junior ontwikkelaar sneller kan doorgroeien naar een medior ontwikkelaar omdat ze sneller kunnen leren met behulp van AI?"

‍

Het antwoord verschilt waarschijnlijk per functie. Wat werkt voor ontwikkelaars kan dramatisch verschillen van wat werkt voor marketeers, HR-professionals of financiële analisten. Maar de urgentie om dit vraagstuk op te lossen is onmiskenbaar – organisaties die hun eigen talentpijplijnen niet kunnen ontwikkelen, zullen fel moeten concurreren om een steeds kleiner wordende groep ervaren werknemers.

Het middenkader voor een keerpunt

Terwijl juniorfuncties krimpen, staat het middenkader voor een nog existentiëlere uitdaging. Onderzoek van Harvard Business Review naar de impact van GitHub Copilot onthulde een verrassende bevinding: terwijl ontwikkelaars meer werk konden verrichten met AI-ondersteuning, hadden managers juist minder werk te doen.

"De traditionele command-control-delegate cyclus werkte niet omdat AI die taken kon overnemen," deelde Daria mee. "Al dit administratieve werk dat lijnmanagers of middenmanagers gewoonlijk doen en dat het grootste deel van hun tijd in beslag neemt, is nu overbodig."

Tegenwoordig blinkt AI uit in repetitieve, voorspelbare taken, patroonherkenning en het consolideren van grote informatiesets. Voor middenmanagers betekent dit:

• Geautomatiseerde rapportage en budgetbewaking
• Taakbewaking en voortgangsupdates
• Routinematige administratieve coördinatie

Deze automatisering plaatst middenmanagers voor een kruispunt. De tijd die vrijkomt van administratieve lasten creëert een kans voor hen om zich te richten op wat echt belangrijk is: strategie, samenwerking en het ontwikkelen van mensen en teams. Maar tegelijkertijd legt het ook degenen bloot wier primaire waarde verbonden was aan toezicht en controle.

Om deze verschuiving te overbruggen, benadrukte Dieter dat organisaties fundamenteel moeten heroverwegen wat management betekent:

"Ik denk dat AI een cruciale rol kan spelen in het herdefiniëren van wat een manager werkelijk is, omdat we het managen van mensen, het managen van werk en het managen van taken en activiteiten hebben samengevoegd, terwijl deze afzonderlijk zouden moeten zijn."

‍

Nu AI de bureaucratische last afhandelt, zullen managers die ontwikkeling, coaching en strategisch denken omarmen waardevoller worden, niet minder. Maar organisaties moeten deze rollen actief herontwerpen in plaats van te wachten tot ze organisch evolueren.

‍

Carrièrekaders voor een door AI gedreven wereld

Traditionele carrièreontwikkeling ging uit van een verticale ladder: onderaan beginnen, je opwerken via gedefinieerde niveaus en uiteindelijk leiderschap bereiken. Maar nu zowel instapfuncties als middenkaderrollen radicale veranderingen ondergaan, houden kaders gebaseerd op hiërarchische vooruitgang geen stand meer. 

"Ik denk dat de traditionele carrièreladder nog steeds bestaat," legde Dieter uit. "Maar het is niet de enige manier om over carrièreontwikkeling na te denken. We denken veel meer aan wat we een carrière-netwerk noemen, wat meer een 360-graden benadering is."

Dit netwerkmodel erkent meerdere dimensies van groei:

• Verticaal: Traditionele promoties binnen de hiërarchie
• Horizontaal: Verplaatsing tussen functies of afdelingen
• Diagonaal: Uitbreiding naar aangrenzende gebieden die gebruikmaken van overdraagbare vaardigheden

Maar de implementatie hiervan vereist het oplossen van een dubbele uitdaging: organisaties definiëren vaak niet duidelijk de vaardigheden die ze nodig hebben, terwijl werknemers vaak de overdraagbare waarde die ze bezitten niet kunnen verwoorden. 

Dieter merkte deze kloof op in gesprekken met HR-professionals: "Ik vraag hen: wat is je kernvaardigheid? Ze zeggen dan werving. Ik zeg dan nee, dat is niet je duurzame vaardigheid, dat is je functionele vaardigheid. Duurzame vaardigheden zijn zaken als kritisch denken en plannen – die kun je op verschillende gebieden toepassen."

Dit onderscheid is belangrijk omdat AI horizontaal werkt, niet verticaal. 

"Als je begrijpt wat je duurzame vaardigheid is en wat je kunt overdragen naar een ander domein, dan is de traditionele carrièreweg ineens slechts één van de beschikbare opties," merkte Dieter op.

‍

Om carrière-netwerken in de praktijk te laten werken, hebben organisaties nodig:

1. Op vaardigheden gebaseerd werkontwerp: Rollen definiëren op basis van taken, activiteiten en vereiste vaardigheden in plaats van rigide functieomschrijvingen
2. AI-gestuurde matching: Technologieplatforms gebruiken om bestaande vaardigheden van mensen te verbinden met kansen binnen de organisatie
3. Culturele verschuiving: Werknemers helpen carrière succes te herdefiniëren voorbij verticale vooruitgang, of dat nu betekenis, balans, rijkdom of status betekent

"AI kan platforms creëren voor leren en het identificeren waar vaardigheden nodig zijn," voegde Daria toe. "Dat zal je helpen groeien in je carrière, of het nu verticaal, horizontaal of welke richting dan ook zinvol is."

Prestatiebeoordelingen: Van activiteit naar impact

Wanneer AI taken sneller kan voltooien dan mensen, staan traditionele prestatiestatistieken voor een crisis. Als output niet langer correleert met inspanning, hoe evalueren organisaties dan bijdrage?

Het probleem gaat dieper dan het kiezen van betere statistieken. Jaarlijkse beoordelingen gaan ervan uit dat werk relatief stabiel blijft, maar die aanname is niet langer geldig. Doelen die in januari zijn gesteld, kunnen in april al achterhaald zijn. Projecten veranderen halverwege. Prioriteiten verschuiven wekelijks.

"Ik geloof niet in een traditionele benadering van prestatiemanagement waarbij je met de werknemer zit en vakjes aanvinkt over doelen, terwijl de wereld sinds de vorige evaluatie al drie keer is veranderd," legde Daria uit, terugkijkend op waarom ze jaren geleden jaarlijkse beoordelingen heeft afgeschaft.

‍

Deze volatiliteit vraagt om een heroverweging van hoe organisaties talent evalueren en ontwikkelen:

• Verschuiving van terugblikkend naar vooruitkijkend: Jaarlijkse beoordelingen vervangen door regelmatige ontwikkelingsgesprekken gericht op toekomstige capaciteiten, niet op activiteiten uit het verleden
• Meet waarde, niet volume: Focus op tastbare geleverde impact in plaats van voltooide taken of gewerkte uren
• Benadruk collectieve impact boven individuele taken: Teamresultaten onthullen vaak meer over waardecreatie dan geïsoleerde statistieken

"Ik ben een groot voorstander van het scheiden van prestatie en ontwikkeling in afzonderlijke gesprekken," merkte Dieter op.

"Zorg voor een prestatieproces dat past bij je cultuur, maar maak het dialooggestuurd, geen checklist of afvinklijstje."

‍

AI kan helpen door gegevens te consolideren en inzichten te genereren voor betere gesprekken. Maar de kwaliteit van prestatiemanagement hangt uiteindelijk af van managers die de menselijke vaardigheden ontwikkelen om te coachen, feedback te geven en zinvolle dialogen te voeren over waarde en groei — capaciteiten die geen enkel algoritme kan vervangen.

‍

Ontwerpen voor wat komen gaat

Nu AI het werk op elk niveau hervormt, staan organisaties voor een keuze: vasthouden aan verouderde kaders die hen niet langer dienen, of de complexiteit omarmen van het van de grond af aan herontwerpen van carrière- en prestatiesystemen.

De bedrijven die zullen floreren zijn degenen die:

1. De ontwikkeling op instapniveau opnieuw uitvinden door middel van zinvolle stages in plaats van taakgerichte functies
2. Management herdefiniëren als ondersteuning en coaching in plaats van toezicht en controle
3. Carrières opnieuw voorstellen als netwerken van vaardigheden en kansen in plaats van verticale ladders
4. Prestaties heroriënteren op waardecreatie en teamresultaten in plaats van individuele activiteitsstatistieken

De carrièreladder wordt niet alleen korter; hij wordt vervangen door iets complexers en vloeienders. En voor zowel organisaties als individuen is het leren navigeren in dit nieuwe landschap misschien wel de meest cruciale vaardigheid van allemaal.

‍