Lisanne Brons
Lead Modern Work
Hoe rol ik AI uit naar een organisatie die hier niet meteen warm voor loopt? Deze vraag speelt bij veel bedrijven. Zeker nu AI steeds volwassener wordt, want daardoor vormt niet langer de technologie maar de medewerkeracceptatie het voornaamste obstakel om met AI aan de slag te gaan.
In dit artikel zoomen we in op een drempel waar veel organisaties tegenaan lopen: de weerstand van medewerkers bij de uitrol van AI. Wat veroorzaakt deze tegenzin, is dat een terechte reden, hoe overtuig je medewerkers om wel met AI te gaan werken en zorg je dat GenAI evolueert van een speeltool naar een powertool?
Angst om je baan te verliezen. Dat is de voornaamste reden dat medewerkers niet staan te springen om AI. Maar liefst 60 tot 70 procent van de professionals is bang dat AI hun werk gaat uitvoeren en zij overbodig worden. Gelukkig is er ook een grote groep enthousiast over de inzet van AI. Zij zien dat deze technologie werkzaamheden uit handen kan nemen, waardoor hun werk juist makkelijker en leuker wordt. De mate van weerstand is ook afhankelijk van de functie. Degenen die positief tegen AI aankijken, zijn vooral kenniswerkers binnen informatiegedreven branches zoals de juridische sector, en in finance en retail. Ook valt op dat hoe hoger in een organisaties iemand werkt, hoe enthousiaster hij of zij is over AI.
Voordat we verder ingaan op de drempels en oplossingen, is het goed om nuance aan te brengen. AI is een containerbegrip. Daar binnen zijn verschillende varianten, met als belangrijkste Generative AI (GenAI) en machine learning. Professionals die alle AI-varianten op een grote hoop gooien, zijn eerder angstig voor het verlies van banen. Daarom is het goed om – als je jouw personeel wilt meekrijgen – duidelijk onderscheid te maken tussen GenAI en machine learning. Machine learning is vaak geïntegreerd in bedrijfsprocessen om deze efficiënter te maken en is daardoor minder tastbaar dan GenAI. Deze laatste vorm is tastbaarder omdat gebruikers tools als ChatGPT en Microsoft Copilot al kennen en daar vaak zelf al enige ervaring mee hebben. Waar machine learning als pure businessondersteuning al meer ingeburgerd is, is GenAI nog relatief nieuw in de ogen van het grote publiek.
De beveiliging van data is een heet hangijzer bij de uitrol van AI. Vooral professionals die vanuit hun rol veel met AI bezig zijn, maken zich zorgen om data security en governance. Welke data gebruikt AI, wie heeft er toegang tot de AI-output op basis van deze gegevens en blijft data wel binnen mijn organisatie? Deze data governance- en security-uitdagingen roepen ook ethische vragen op. Zo vraagt de Ondernemingsraad zich vaak af of AI-data niet tegen werknemers gebruikt kan worden. Het is goed om dergelijke vragen zoveel mogelijk te adresseren voordat je AI uitrolt, om het risico op ontevreden medewerkers, imagoschade en eventueel zelfs datalekken te voorkomen.
Op het gebied van data security is de angst deels terecht. Aan de ene kant is het slim om hier voorafgaand aan de uitrol goed over na te denken. Aan de andere kant hebben AI-leveranciers dat al voor je gedaan. Zo heeft Microsoft zijn nieuwe GenAI Copilot voorzien van ingebouwde security. De tool gebruikt alleen interne data waar de eindgebruiker geautoriseerd voor is. Daarnaast wordt deze data niet gebruikt om het algoritme te trainen en blijft dus binnen de eigen werkomgeving. Op het vlak van banenverlies is de angst grotendeels ongegrond. AI zal wel degelijk op korte termijn werkzaamheden overnemen, maar genereert op de lange termijn juist veel nieuwe banen omdat het nieuwe businessmogelijkheden en bijbehorende taken met zich meebrengt.
Om de uitrol van AI een succes te maken, moeten veel medewerkers nieuwe skills ontwikkelen. Naar verwachting zal 10% van de werknemers eenvoudig overstappen naar een nieuwe werkwijze met AI. 90% zal upskilling en trainingen nodig hebben om het voordeel van AI in te zien en daar maximale businesswaarde uit te kunnen halen. Hoe kom je erachter wie welke nieuwe skills nodig heeft? Voor de ene functie zijn goede prompting-vaardigheden essentieel, bij de andere heb je data management-skills nodig. Daarvoor zijn tools beschikbaar, zoals Microsoft Viva. Deze oplossing is gekoppeld aan Copilot en geeft inzicht in gebruiksdata. Daardoor kunnen managers of HR-medewerkers de productiviteit en ontwikkeling van specifieke medewerkers en teams monitoren, persoonlijke doelen opstellen en professionals gericht ondersteunen om deze te behalen, bijvoorbeeld met trainingen of begeleiding.
AI biedt medewerkers nieuwe kansen: heb jij de skills om alles uit deze technologie te halen? Dan zijn de mogelijkheden eindeloos. Dus bereid jezelf daarop voor door te oefenen met prompting of door trainingen te volgen. Maak medewerkers ook bewust van de voordelen. Laat ze zelf ervaren welke saaie, repetitieve taken AI uit handen kan nemen en hoeveel tijdswinst dat oplevert. Dat geeft een eerlijk beeld van de AI-mogelijkheden. Demo’s zijn daarvoor een overtuigend hulpmiddel. Hiermee laat je zien hoe medewerkers AI in hun dagelijkse werk kunnen toepassen. Een simpel voorbeeld daarvan is de Copilot-basisfunctie waarmee je een samenvatting van Microsoft Teams-meetings maakt. Dat alleen al heeft zoveel overtuigingskracht. Bovendien laat je daarmee zien dat AI hun werk niet overneemt, maar juist helpt om taken sneller en beter uit te voeren. Maak medewerkers ook minder argwanend door ze op de hoogte te houden van technologische plannen, bijvoorbeeld met presentaties.
Dus laat professionals zelf de voordelen van AI ervaren. Daarmee geef je de medewerkeracceptatie pas echt een boost. Zo zorg je dat GenAI als Copilot nier meer wordt gezien als leuke speeltool, maar als onmisbare powertool. Je verlaagt niet alleen de weerstand onder personeel, maar creëert een positieve vibe rond het onderwerp.
How to make working with your CRM easier: enrich your data with less effort
You’re in sales, aren’t you? Yet, updating your CRM data every day probably feels like you’ve ended up in data management. Most salespeople don’t like doing CRM work. As a result, some of them either make a mess, don’t do it at all, or simply don’t bother to learn and end up making lots of […]
Gerard Schaap
Business Applications Specialist
