\u201cOk\u00e9, ik moet echt begrijpen hoe die AI Agents werken, anders mis ik straks de boot.\u201d<\/p>
\u201cGisteren alweer z\u00f3veel tijd kwijt aan AI.\u201d<\/p>
De laatste tijd hoor ik dit steeds vaker van vrienden en mensen om me heen. En ik herken het zelf ook. Je opent ChatGPT omdat je even iets wilt uitzoeken en twee uur later ben je nog bezig. Je probeert een andere prompt, ontdekt een nieuwe functie, leest iets over Agents en wilt natuurlijk even weten hoe dat werkt. Dat is ook niet zo vreemd. We zitten midden in een technologische ontwikkeling die ontzettend veel kan veranderen aan de manier waarop we werken. De mogelijkheden zijn enorm en voor organisaties is de belofte aantrekkelijk: sneller informatie verwerken, taken automatiseren, betere analyses maken en medewerkers productiever laten werken. Maar ondertussen gebeurt er iets geks. AI bespaart ons tijd en kan tegelijkertijd behoorlijk wat tijd opslokken. We moeten leren hoe tools werken, resultaten controleren, bepalen wat betrouwbaar is en bijhouden wat er bijna dagelijks verandert. En daar komt voor veel mensen dat gevoel bij dat je wel m\u00f3\u00e9t bijblijven. Want wat gebeurt er als jij het niet begrijpt en je collega’s straks wel?<\/p>
Een recente studie onder 456 fulltime medewerkers die AI in hun dagelijkse werk gebruiken, maakt die andere kant van AI interessant. De onderzoekers keken onder andere naar twee begrippen: AI job complexity<\/strong> en AI awareness<\/strong>. AI job complexity gaat over de extra mentale inspanning die nodig is om AI goed in je werk te integreren. Een nieuwe tool kan een taak uiteindelijk eenvoudiger maken, maar daarvoor moet je eerst begrijpen hoe de technologie werkt, wanneer je haar kunt vertrouwen en hoe je de uitkomsten in je bestaande werk inpast. Dat klinkt misschien theoretisch, maar inmiddels is het vrij herkenbaar. Een tekst laten schrijven door AI kost een paar seconden. Een goede tekst krijgen kost vaak meer. Je past prompts aan, controleert feiten, probeert nog een versie en besluit uiteindelijk welke stukken je daadwerkelijk kunt gebruiken. Hetzelfde geldt voor analyses, presentaties of automatiseringen. De uiteindelijke taak kan veel sneller gaan, terwijl er rondom die taak een nieuwe laag werk ontstaat.<\/p> AI awareness gaat over iets anders: hoe sterk iemand bezig is met wat AI kan betekenen voor het eigen werk en de eigen positie. Dat raakt precies aan die gesprekken over \u201cde boot missen\u201d. Wat moet ik straks nog zelf kunnen? Welke vaardigheden zijn over een paar jaar belangrijk? Welke delen van mijn functie kunnen door AI worden overgenomen? Hoeveel moet ik hiervan nu al begrijpen? Dat hoeft helemaal niet voort te komen uit angst voor technologie. Nieuwsgierigheid, ambitie en enthousiasme kunnen net zo goed een rol spelen. Maar wanneer een technologie zich zo snel ontwikkelt en tegelijkertijd voortdurend wordt verteld dat deze onze banen fundamenteel gaat veranderen, kan het gevoel ontstaan dat stilstaan eigenlijk geen optie meer is.<\/p> Wat zagen de onderzoekers?<\/strong><\/p> Zowel AI job complexity als AI awareness hing in het onderzoek significant samen met meer emotionele uitputting. De samenhang was het sterkst bij AI awareness. In het statistische model was de gestandaardiseerde co\u00ebffici\u00ebnt daarvoor \u03b2 = 0,318, tegenover \u03b2 = 0,225 voor AI job complexity. Dat zijn geen percentages, maar maten voor de sterkte van de verbanden binnen het model. Medewerkers die sterker bezig waren met de mogelijke gevolgen van AI voor hun werk rapporteerden gemiddeld dus meer emotionele uitputting. Datzelfde gold voor medewerkers die meer complexiteit ervoeren bij het integreren van AI in hun werk.<\/p> Die emotionele uitputting hing vervolgens weer samen met een sterkere intentie om de organisatie te verlaten. Bij AI job complexity was er geen significant rechtstreeks verband met vertrekintentie; het verband liep via emotionele uitputting. Bij AI awareness vonden de onderzoekers zowel een direct verband als een indirect verband via die uitputting. Dat is een belangrijk onderscheid, maar ook een reden om voorzichtig te zijn met grote conclusies. Het onderzoek bewijst niet dat AI mensen uitgeput maakt of ervoor zorgt dat ze ontslag nemen. De medewerkers vulden op twee momenten vragenlijsten in, met een week ertussen. Het gaat dus niet om een experiment waarmee oorzaak en gevolg kunnen worden vastgesteld. Bovendien werd het onderzoek uitgevoerd onder medewerkers van publieke en private organisaties in Zuidoost-Vietnam. De exacte resultaten kun je daarom niet zomaar \u00e9\u00e9n op \u00e9\u00e9n op een Nederlandse organisatie plakken. Wat het onderzoek wel doet, is een vraag op tafel leggen die bij alle aandacht voor productiviteitswinst makkelijk wordt vergeten: als AI werk uit handen neemt, wat vraagt het gebruik ervan ondertussen van de medewerker?<\/p> Tijdwinst is niet hetzelfde als minder belasting<\/strong><\/p> Bij de invoering van AI ligt de nadruk begrijpelijkerwijs op wat het oplevert. Als een taak die vroeger een uur duurde met AI in twintig minuten kan, hebben we veertig minuten gewonnen. Tenminste, dat is de rekensom. Maar misschien heeft die medewerker eerst tijd besteed aan het leren van de tool. Misschien moet de output nog worden gecontroleerd. Misschien zijn er inmiddels vijf AI-tools beschikbaar en moet iemand bepalen welke het beste werkt. En misschien wordt die gewonnen tijd direct gevuld met meer taken, omdat er nu eenmaal meer mogelijk is.<\/p> Dat maakt de productiviteitswinst niet minder echt. Het betekent alleen dat de businesscase breder is dan de tijd die \u00e9\u00e9n taak v\u00f3\u00f3r en na AI kost. Ook de tijd die mensen nodig hebben om de technologie te leren gebruiken, te controleren en bij te houden hoort bij die rekensom. Interessant is dat de onderzoekers ook keken naar AI self-efficacy<\/strong>: het vertrouwen dat medewerkers hebben in hun eigen vermogen om goed met AI te werken. Ze vonden aanwijzingen dat dit onder bepaalde omstandigheden een beschermende rol kan spelen, al waren die effecten niet overal hetzelfde. Voor een werkgever zit daar een vrij praktische gedachte achter. Een licentie uitdelen is iets anders dan iemand het vertrouwen en de ruimte geven om de technologie daadwerkelijk goed te leren gebruiken.<\/p> En precies daar doet AI me denken aan een technologie die we inmiddels heel normaal vinden: de smartphone. Ook die werd niet ge\u00efntroduceerd om mensen af te leiden. De smartphone maakte ons werk juist makkelijker. Mail onderweg beantwoorden, collega’s bereiken, agenda’s synchroniseren, informatie opzoeken en documenten bekijken kon ineens overal. Alleen hebben we bij die introductie nauwelijks nagedacht over wat er zou gebeuren wanneer werk, priv\u00e9communicatie, nieuws, entertainment en sociale media allemaal op hetzelfde apparaat terechtkwamen. Daarna kwamen WhatsApp, Teams en steeds meer notificaties. Iedere onderbreking afzonderlijk stelt weinig voor: even kijken, even antwoorden, even controleren. Bij elkaar kunnen ze zorgen voor versnipperde aandacht, minder ongestoorde werktijd en het gevoel dat je voortdurend bereikbaar bent.<\/p> Die effecten kennen we inmiddels veel beter. Toch wordt smartphonegebruik op het werk nog vaak behandeld als iets wat de medewerker zelf maar moet oplossen. Zet je notificaties uit. Leg je telefoon weg. Zorg dat je beter focust. Dat klinkt logisch, maar het negeert de omgeving waarin dat gedrag ontstaat. Als werkprocessen, collega’s en leidinggevenden gedurende de hele dag via allerlei kanalen om aandacht vragen, is het niet alleen een kwestie van discipline. En uiteindelijk komt een deel van de rekening gewoon bij de organisatie terecht, in de vorm van verloren concentratie, minder herstel en tijd die gedurende een werkdag ongemerkt verdwijnt.<\/p> Bij AI kunnen we eerder kijken<\/strong><\/p> AI staat nog veel vroeger in zijn ontwikkeling en juist daarom is dit een interessant moment. We hoeven niet opnieuw eerst alleen naar de mogelijkheden van de technologie te kijken en jaren later naar het gedrag dat eromheen is ontstaan. Organisaties kunnen die twee vanaf het begin naast elkaar zetten. Dat betekent zeker niet dat we voorzichtiger moeten worden met AI. Als de technologie daadwerkelijk zoveel potentie heeft als nu wordt verwacht, is het juist belangrijk dat medewerkers ermee leren werken. Alleen kost dat tijd en aandacht. Wanneer iemand geacht wordt AI \u201cerbij\u201d te leren terwijl de bestaande hoeveelheid werk hetzelfde blijft, is die leertijd in feite extra werk. Wanneer iedereen zelf moet uitzoeken welke tools goed en betrouwbaar zijn, ontstaat nieuwe complexiteit. En wanneer medewerkers voortdurend horen dat AI hun functie gaat veranderen zonder dat duidelijk is wat dat concreet betekent, kan onzekerheid onderdeel worden van de implementatie.<\/p> Daarom is het interessant om bij een AI-implementatie niet alleen te meten hoeveel mensen een tool gebruiken en hoeveel minuten ermee worden bespaard. Kijk ook naar wat er rondom dat gebruik gebeurt. Hoeveel tijd besteden mensen aan leren, experimenteren en controleren? Weten ze waar AI wel en niet voor bedoeld is? Hebben ze het gevoel dat ze voldoende vaardig zijn of proberen ze vooral in hun eigen tijd bij te blijven? Levert AI daadwerkelijk meer rust en ruimte op, of wordt de vrijgekomen capaciteit meteen gevuld met nieuwe taken en nieuwe digitale prikkels?<\/p> En misschien moeten we AI ook niet te ge\u00efsoleerd bekijken. De gemiddelde medewerker begint de dag niet met een volledig lege aandachtstank die nu aan AI kan worden besteed. Die aandacht wordt al verdeeld over mail, Teams, meetings, dashboards, notificaties en de smartphone. AI komt terecht in een werkomgeving die voor veel mensen digitaal al behoorlijk druk is. Dat maakt de menselijke kant van AI-implementatie geen argument t\u00e9gen AI. Het is juist een voorwaarde om de beloofde productiviteitswinst daadwerkelijk te realiseren.<\/p> Bij de smartphone hebben we eerst massaal de technologie ingevoerd en zijn we veel later gaan kijken naar de manier waarop die technologie ons gedrag en onze aandacht veranderde. Bij AI hebben we de kans om dat eerder te doen.<\/p>