Wat elke leidinggevende moet weten over de psychologische impact van AI

Een manager voert een nieuwe AI-tool in waar het team voortaan mee mag werken. De belofte is helder: minder repetitief werk en meer tijd voor waar het echt om gaat. Deze manager verwacht opluchting en enthousiasme in het team. Maar in plaats daarvan is er stilte in de eerstvolgende teamvergadering, in combinatie met een paar ongemakkelijke grapjes.

Dit is een voorbeeld van een gesprek dat ik heb gevoerd met een leidinggevende bij een MKB-bedrijf, over een patroon dat ik tegenwoordig vaker zie terugkomen. De belofte van AI is efficiëntie en daardoor minder werkdruk en meer ruimte voor interessant werk. Maar wat er in de praktijk gebeurt, is toch anders. AI verlaagt belasting en werkdruk namelijk zeker niet altijd, het verplaatst dit eerder. Het voegt namelijk een aantal onzichtbare bronnen van stress toe. En dat vraagt iets heel anders van leidinggevenden dan de meeste artikelen over AI op de werkvloer suggereren. Het vraagt om meer psychologisch inzicht. 

3 onzichtbare stressbronnen die AI toevoegt

1. Statusangst

Een team functioneert altijd deels op basis van een impliciete hiërarchie. Onbewust weten we wie de expert is, wie de meeste ervaring heeft en wie je iets kan vragen als het misgaat. AI gooit die hiërarchie overhoop. De junior die moeiteloos met prompts werkt, is soms sneller en beter in een taak dan de collega met twintig jaar ervaring. Voor die laatste raakt dat aan iets fundamenteels: de eigen professionele identiteit. 

Dat mensen hun gevoel van eigen competentie voor een groot deel ontlenen aan vergelijking met anderen, is een van de meest onderbouwde bevindingen uit de sociale psychologie. Festinger legde in 1954 de basis van de sociale-vergelijkingstheorie. Bij gebrek aan een objectieve maatstaf beoordelen we onszelf door onszelf met anderen te vergelijken, vooral als het om vaardigheden gaat, zo stelde hij.

Vervolgonderzoek naar vergelijkingen met anderen laat zien dat plotseling overtroffen worden door iemand anders reacties als afgunst, weerstand en terugtrekgedrag kan oproepen. Met name wanneer het om iets gaat dat iemand als kern van de eigen identiteit ervaart. 

De stap naar AI specifiek is nog relatief jong onderzoeksterrein, maar de eerste resultaten wijzen dezelfde kant op. Onderzoek naar wat men ‘AI-geïnduceerde professionele identiteitsdreiging’ noemt, laat zien dat mensen die AI als bedreiging voor hun vakidentiteit ervaren, minder geneigd zijn de tool daadwerkelijk te gebruiken, ook als die hen zou kunnen helpen. Het is dus niet alleen een gevoel; het volgt een bekend psychologisch patroon, dat door AI een nieuwe en snellere vorm krijgt.

Dat gevoel van identiteitsdreiging uit zich zelden hardop, want mensen stellen zich op dit vlak niet graag kwetsbaar op. Het uit zich eerder in terugtrekgedrag, in cynisme over ‘die AI-hype’, of juist in overcompensatie: koste wat kost bewijzen dat je nog steeds onmisbaar bent.

2. Verificatiemoeheid in plaats van uitvoeringsmoeheid

Waar iemand vroeger een tekst schreef, een analyse maakte of een e-mail opstelde, beoordeelt diegene nu AI-output. Klopt dit? Mis ik iets? Kan ik hier mijn naam onder zetten? Dat klinkt als minder werk, maar het voelt voor veel mensen niet zo.

Onderzoek onder professionals die veel met AI werken (het meeste hiervan is vooralsnog gedaan onder softwareontwikkelaars, wat dus wel een kanttekening bij de generaliseerbaarheid verdient) laat een terugkerend patroon zien. Mensen ervaren juist meer mentale belasting, in plaats van minder, omdat ze zich verantwoordelijk voelen voor iets wat ze niet zelf hebben gemaakt.

Ze controleren, bevragen en verdedigen AI-output om die verantwoordelijkheid waar te kunnen maken en krijgen hierdoor verificatiemoeheid. Uitvoerend werk kent een duidelijk ritme en een duidelijk eindpunt, maar controleren en verantwoorden vraagt continue alertheid en twijfel en dat is een ander soort inspanning.

Dat betekent niet dat dit voor iedereen en in elke situatie zwaarder is. Bij eenvoudige, goed afgebakende taken kan AI de belasting wel degelijk verlagen. De precieze balans hangt af van het soort werk en van hoeveel iemand op AI leert vertrouwen.

Maar bij werk met echte inhoudelijke verantwoordelijkheid, waar een fout onder je eigen naam terechtkomt, is de verschuiving van ‘zelf doen’ naar ‘beoordelen en verantwoorden’ een reëel en onderzocht fenomeen, en niet zomaar een kwestie van minder handen uit de mouwen hoeven steken.

3. Onzichtbare leerlast

Vroeger was een training iets met een begin en een eind. Je volgde een cursus, je was bijgeschoold en klaar. AI werkt niet zo. Het verandert constant en de druk om bij te blijven stopt nooit.

Dat is geen overdrijving. Het World Economic Forum schat dat bijna veertig procent van de kernvaardigheden van werknemers tussen nu en 2030 verandert en dat een meerderheid van de beroepsbevolking bij- of omscholing nodig zal hebben.

Het is dan ook niet verbazingwekkend dat onderzoek naar AI-gerelateerde spanning bij studenten en professionals bevestigt dat de angst om vaardigheden kwijt te raken en het gevoel dat leren nooit meer ‘af’ is, een aanhoudende stressbron vormt, los van de dagelijkse werkdruk. Die permanente en ongestructureerde leerdruk is moeilijk te benoemen en wordt daarom zelden serieus meegewogen in de werkdruk van een team. Maar ze is wel degelijk aanwezig, en stapelt zich vaak op.

Wat dit vraagt van leidinggevenden

Deze 3 stressbronnen hebben iets gemeenschappelijks: ze zijn nauwelijks zichtbaar aan de oppervlakte. Niemand komt op de vrijdagmiddagborrel vertellen dat hij zich bedreigd voelt door bijvoorbeeld een taalmodel. De signalen zijn subtieler. Iemand die stiller wordt in vergaderingen waar AI ter sprake komt, iemand die opvallend hard blijft vasthouden aan de oude manier van werken of iemand die steeds vaker geen tijd heeft voor iets wat eerder geen probleem leek te zijn.

Juist de medewerkers die het meest capabel lijken, zijn hier kwetsbaar. Wie gewend is ergens goed in te zijn, heeft het meeste te verliezen als die competentie plotseling minder uniek aanvoelt. En juist deze medewerker is tegelijk het minst geneigd dat hardop te zeggen. Dat maakt het extra belangrijk om niet te wachten tot iemand er zelf over begint. 

3 aanknopingspunten voor gesprek en aansturing

Hou rekening met hoe je de nieuwe AI-tool aanbrengt. Voordat je een AI-tool introduceert, is de vraag niet alleen wat het kan, maar ook wat dit betekent voor de rol en het gevoel van competentie van medewerkers. Een tool die wordt geïntroduceerd als vervanging van vaardigheid roept weerstand op. Een tool die wordt geïntroduceerd als uitbreiding van vaardigheid “dit geeft je meer tijd voor het deel van je werk waar jouw ervaring het verschil maakt” doet iets heel anders met de status van je team.

Maak twijfel bespreekbaar, niet alleen vaardigheid. De meeste AI-trainingen gaan over hoe je een tool gebruikt. Minstens zo waardevol is het om expliciet ruimte te maken voor een gesprek over wat er nog niet vertrouwd of begrepen wordt, zonder dat dit als zwakte wordt gelezen. Dat werkt beter in een kort, individueel gesprek dan plenair in een vergadering, juist omdat mensen dit soort twijfel niet snel in de groep delen. Vragen die zo’n gesprek concreet op gang helpen:

• Welk deel van deze AI-output vertrouw je het meest en welk deel het minst?
• Als je dit helemaal zelf had moeten doen, wat had je dan anders aangepakt?
• Waar merk je dat je extra tijd kwijt bent aan controleren, in plaats van dat het je tijd bespaart?
• Wat zou je nu nog willen weten over de tool, los van hoe die technisch werkt?

Zulke vragen halen vaak meer boven tafel dan een technische Q&A-sessie, juist omdat ze over het gevoel van grip gaan, niet over functionaliteit.

Herzie wat je beloont. Als beoordelen en verantwoorden het nieuwe zware werk is, moet dat ook meetellen in hoe je prestaties waardeert. Wie zorgvuldig AI-output controleert en bijstuurt, levert vaak meer waarde dan wie simpelweg meer output produceert. Als je team alleen wordt afgerekend op snelheid en volume, beloon je precies het gedrag dat de kwaliteitscontrole ondermijnt en jaag je de mentale belasting verder op.

Niet de tool, maar de mens bepaalt of het landt

De organisaties waar AI daadwerkelijk werkt, zijn vooral de organisaties waar leidinggevenden de psychologische kant van deze verandering net zo serieus nemen als de technische kant.

Concreet betekent dit dat het verstandig is om, voordat je de volgende AI-tool uitrolt of uitbreidt, een kort individueel gesprek met elk teamlid in te plannen. Niet over hoe de tool werkt, maar over wat die volgens hen verandert aan hun rol en hun gevoel van vakmanschap. Twintig minuten per persoon voorkomt vaak maanden aan onderhuidse weerstand.