AI en automatisering: hoe leer je vertrouwen op werk dat je uit handen geeft?

Zeven uur ’s ochtends, koffie, telefoon. Het onderzoek van die dag was al klaar, er lag een artikel dat ik nog niet had gelezen en mijn mail was gesorteerd. Voor het eerst in zes jaar ondernemen was ik niet degene die de dag opstartte.

Dat voelde vreemder dan ik had verwacht. Je denkt bij automatiseren aan tijd die je terugkrijgt. Wat je in werkelijkheid terugkrijgt, is een vraag: wat is jouw rol nog, als het werk ook zonder jou begint?

Misschien sta je zelf op dat punt. Je geeft werk uit handen, aan software, aan een AI-systeem of aan een nieuwe collega. Ik dit stuk ga ik in op wat het van mij vroeg voordat ik dat systeem durfde te vertrouwen. Grote kans dat het van jou hetzelfde vraagt.

Je automatiseert je werk niet, je automatiseert je oordeel

De eerste maanden bouwde ik taken. Schrijven, onderzoeken, publiceren. Dat werkte, en achteraf was dat het makkelijke deel.

Het lastige zat ergens anders. Elke keer dat ik iets uit handen gaf, moest ik een oordeel opschrijven dat tot dan toe alleen in mijn hoofd bestond. Wanneer is een tekst af? Welke bron telt en welke niet? Wanneer publiceer je juist níét? Zolang ik het zelf deed, hoefde ik dat nooit uit te leggen. Ik wist het gewoon.

Herken je dat? Dan weet je ook waarom overdragen zo vaak tegenvalt. De vraag die je jezelf meestal stelt, is: kan dit weg uit mijn handen? Een betere vraag is: kan ik opschrijven waaraan ik zie dat het goed is? Lukt dat niet, dan is de taak nog niet klaar om over te dragen. Aan een systeem net zo min als aan een collega.

Dat opschrijven hoeft niet ingewikkeld te zijn. Voor onze artikelen begon het met regels als: elk cijfer heeft een bron die je kunt openen, en een tekst gaat pas live als iemand anders dan de schrijver hem heeft gelezen. Klinkt vanzelfsprekend. Tot je merkt hoe vaak je die regels zelf stilzwijgend overslaat, omdat je toch al weet dat het klopt.

Vertrouwen dat je niet controleert, is geen vertrouwen

Daarna kwam een fase waarin ik het begon te geloven. Er kwam elke dag werk uit, het zag er goed uit en ik keek minder vaak.

Eén voorbeeld, kort, want het gaat om het patroon. Een van mijn controles draaide wekenlang netjes en meldde elke avond dat er niets te doen was. Dat klopte ook. Alleen keek hij naar een lijst die op dat moment altijd leeg was. De controle werkte perfect, op niets. En omdat hij elke avond een geruststellend bericht stuurde, had ik geen enkele reden om te twijfelen.

Dit gebeurt je niet alleen met software. Ook een medewerker die zegt dat er geen problemen waren, kan precies dit bedoelen: ik heb niets gevonden, omdat ik nergens heb gekeken. Vraag daarom van elk systeem, en ook van elke collega, niet alleen de uitkomst maar ook wat er is nagekeken. “Nul problemen in twaalf gecontroleerde items” zegt je iets. “Nul problemen” is een gevoel.

Je krijgt geen tijd terug, je krijgt aandacht terug

De uren die vrijkwamen, gingen naar ander werk. Ik ben van uitvoeren naar beoordelen gegaan, en dat is een zwaarder vak dan het klinkt. Beoordelen doe je niet half terwijl je nog iets anders afmaakt.

Hoeveel aandacht het kost, hebben we gemeten. Over 134 dagen vroeg ons systeem op 54 van elke 100 dagen ergens om aandacht (de volledige meting staat hier). Meestal was dat een blik van een paar minuten op een lijst. Het is geen dagtaak, maar het is ook geen nul. En wie het niet inplant, heeft straks een machine die maandenlang dezelfde fout herhaalt zonder dat iemand ingrijpt.

Ga je zelf iets automatiseren? Zet dan vooraf een vaste post voor toezicht in je agenda. Je doet dat niet omdat het misgaat. Dat toezicht ís het werk dat je ervoor terugkrijgt.

De beslissing die je niet moet wegautomatiseren

Mijn scherpste inzicht is ook het meest recente. We lieten werk beoordelen door dezelfde processen die het gemaakt hadden, en alle drie gaven een voldoende. Toen een onafhankelijke beoordelaar ernaar keek, die niet wist hoe het werk tot stand was gekomen, viel de helft af.

De fout die de makers over het hoofd zagen, was bovendien niet subtiel. Het was een natuurkundige fout: iets dat nergens op rustte en dus zou omvallen. Met een frisse blik zie je zoiets meteen. Weet je hoe het bedoeld was, dan kijk je eroverheen. Dat geldt voor een systeem, en eerlijk gezegd ook voor jou en mij.

Daar ligt voor mij de grens. Alles wat herhaalbaar is, mag je automatiseren. Of iets klopt, laat je beoordelen door iemand die de bedoeling niet kent. Dat is duurder en langzamer. Het is ook het enige wat in onze praktijk werkte.

Wil je dit morgen toepassen? Houd maken en beoordelen gescheiden, ook als je daardoor zelf minder maakt.

Wat dit met je rol doet

Ik ben nu minder maker en meer redacteur van mijn eigen bedrijf. Daar moest ik aan wennen. Het werk dat ik het liefst deed, doe ik nu het minst. Het werk dat alleen ik kan doen, doe ik juist vaker.

Er hangt een prijs aan, en die wil ik je niet verzwijgen: de dagelijkse trots van iets zelf afmaken komt niet terug. Daar staat een bedrijf tegenover dat doordraait op een dag dat ik er niet ben. Voor mij was dat het waard. Of het dat voor jou is, hangt af van welk deel van je werk je het meest mist als het weg is.

Drie vragen voor je iets automatiseert

Je hebt geen nieuw gereedschap nodig om hiermee te beginnen. Neem een taak die je binnenkort uit handen wilt geven en loop deze drie vragen langs. Reken op een halfuur.

1. Kun je opschrijven waaraan je ziet dat dit goed is? Zo nee, dan is de taak nog niet klaar om over te dragen.
2. Laat het straks ook zien wat het heeft nagekeken, of alleen dat er niets was? Het tweede is een gevoel, geen informatie.
3. Wie beoordeelt het werk, en weet die hoe het gemaakt is? Is dat dezelfde partij, dan heb je een echo in plaats van een controle.

Kun je alle drie beantwoorden, dan ben je klaar om los te laten. Kun je dat niet, dan weet je in elk geval waar je eerst aan moet werken. En dat is meestal niet de techniek.