4 lessen van organisaties waar AI écht rendeert

De Standaard berichtte onlangs dat het aantal IT-vacatures weer stijgt. De reden is opvallend: de AI-facturen lopen op tot 3.000 à 4.000 euro per IT’er per maand, en organisaties die eerder mensen lieten gaan, zoeken die expertise nu terug. Het is verleidelijk om daar een wedstrijduitslag van te maken. Heeft AI verloren, of hebben de mensen gewonnen?

Geen van beide, en dat is precies de denkfout. “AI vervangt mensen” en “mensen winnen van AI” zijn dezelfde gedachten in een andere jas: allebei behandelen ze technologie als concurrent van je mensen. Dat is ze niet. Technologie is een multiplier, ze vermenigvuldigt wat er al is.

Wie expertise wegsnoeide en er tokens voor terugkocht, vermenigvuldigde precies het verkeerde, en leest het resultaat nu in de krant: code die rammelt, facturen die hoger uitvallen dan het salaris dat je dacht te besparen, en vacatures voor de mensen die je net had laten gaan.

Ik begeleid o.a. advocatenkantoren, overheden, corporates en onderwijsinstellingen bij AI-implementatie. En wat me steeds opvalt: de organisaties waar AI echt rendeert, doen iets fundamenteel anders. Ze snoeien niet, ze zaaien.

Wat volgt zijn vier dingen die zaaiende organisaties anders doen, en waarmee je vandaag kunt beginnen.

1. Ze zien besparen niet als eerste antwoord

De meest voorkomende reactie op nieuwe technologie is snoeien: weghalen wat niet meer nodig lijkt, en optimaliseren wat overblijft. Het voelt daadkrachtig en het levert op de korte termijn een zichtbaar resultaat. Maar snoeien creëert niets nieuws, het maakt bestaande dingen alleen efficiënter.

AI vraagt juist om het tegenovergestelde: capaciteiten die je nog niet hebt, in een organisatie die nog moet leren. Zaaiende organisaties beginnen daarom niet bij de vraag “Wat kunnen we schrappen?”, maar bij “Wat willen we laten groeien?”.

Dat is geen zachtere keuze, het is de moeilijkere, want je moet beseffen dat niet alles meteen rendeert. De eerste stap: kijk naar je laatste AI-beslissing en vraag of hij vooral iets wegnam of iets opbouwde.

2. Ze investeren in mensen naast de tool, niet in plaats van

Het dominante verhaal zegt: meer AI, dus minder mensen. Zaaiende organisaties zien in de praktijk het omgekeerde werken. Zij investeren juist méér in de mensen die met de technologie werken, niet uit idealisme, maar omdat een tool zonder oordeelsvermogen eromheen weinig oplevert.

Technologie is een multiplier. Ze vergroot het rendement van een sterk, goed begeleid team, en ze vergroot net zo hard de schade van een team dat is uitgehold. Wat je met die multiplier vermenigvuldigt, kies je zelf.

Dat meer technologie juist om méér investeren in mensen vraagt, is de centrale paradox die ik in mijn boek Modern leiderschap is geen algoritme (affiliate) uitwerk: geen moreel standpunt, maar een business case.

Dat is precies waarom oordeelsvermogen, ethiek en creativiteit schaarser en dus waardevoller worden naarmate machines meer overnemen.

De eerste stap: leg naast elke euro voor een tool een concrete afspraak over wie er beter van wordt en hoe.

3. Ze planten meer dan ze oogsten

Snoeiende organisaties zoeken het ene grote project dat alles moet oplossen, en rekenen erop dat het slaagt. Zaaiende organisaties werken met een portfolio.Ze planten tien experimenten en verwachten dat er drie groeien, in het volle besef dat de andere zeven leergeld zijn.

Die aanpak vraagt meer discipline, niet minder. Je moet kunnen verdragen dat de opbrengst ongelijk verdeeld is en pas later zichtbaar wordt.

Maar het is ook de enige manier om bij een technologie die je nog niet volledig doorgrondt, systematisch te ontdekken wat wél werkt in jouw context.

De eerste stap: vervang je ene grote AI-gok door drie kleine experimenten met een duidelijke leervraag.

4. Ze houden het menselijke oordeel in het systeem

Naarmate een AI-systeem vaker gelijk blijkt te hebben, sluipt er iets in. Eerst controleer je elke uitkomst, dan de meeste, dan vertrouw je het systeem, want het zat toch meestal goed. Precies op dat punt verschuift de controle ongemerkt van de mens naar het algoritme.

Dat heet automation bias, de neiging om een advies van een systeem minder kritisch te beoordelen dan hetzelfde advies van een mens.

Zaaiende organisaties bouwen daar bewust tegenwicht in: ze houden mensen in de lus, niet als formaliteit, maar als laatste controle op het moment dat het misgaat. Want een fout in een handmatig proces raakt een handjevol mensen, dezelfde fout in een geautomatiseerd proces raakt er duizenden.

De eerste stap: wijs voor je belangrijkste AI-toepassing aan wie er nog echt meekijkt, en of die persoon ook nee mag zeggen.

Van snoeien naar zaaien

Deze vier dingen hebben één ding gemeen: ze gaan niet over betere technologie, maar over de keuze wat je ermee laat groeien. AI laat zien wat een organisatie al is, alleen op grotere schaal. Een organisatie die investeert in mensen, laat AI renderen. Een organisatie die vooral snoeit, organiseert haar eigen problemen sneller.

Je hoeft daar niet groot voor te beginnen. Zaaien is per definitie klein beginnen: één experiment, één afspraak, één mens die nee mag zeggen. Wijsheid ontstaat door te handelen, niet door te wachten op het perfecte plan.

De echte vraag is dus niet of AI te duur wordt. De echte vraag is of jij vermenigvuldigt of vervangt. En in zijn scherpste vorm: welke expertise is bij jou het afgelopen jaar weggesnoeid, die je nu duur terugkoopt?