Reflecties, analyses en perspectieven op wat AI betekent voor change professionals en de mensen die zij begeleiden.
Bij AI waren Awareness en Desire er bijna vanzelf. Over wat er dan verschuift in change management, en waarom de leidinggevende de hefboom is.
44 procent van de werkenden voelt zich overspoeld door AI. Over de drie snelheden die tegelijk lopen in je organisatie, en hoe je er rust in brengt.
Twee collega's, dezelfde tool en training, een totaal ander resultaat. Het verschil zit in hoe ze leren, en dat kan je leren.
Te weinig mensen gebruikten AI. Dat probleem is opgelost. Wat nu speelt, is een klassiek veranderprobleem: geen herontwerp, geen incentives en groeiende weerstand.
66 procent gebruikte AI terwijl ze dachten dat het verboden was. Wat shadow AI je eigenlijk vertelt over je tools, je regels en je cultuur, en waarom verbieden zelden werkt.
Weerstand tegen AI is zelden een afwijzing van de technologie zelf. Onder elke uitspraak zit een behoefte: zekerheid, controle, betekenis of overzicht.
Waarom goed AI-gebruik begint bij het probleem, en hoe je opnieuw leert kijken naar wat iedereen normaal is gaan vinden.
Business, tech, HR, communicatie, sales, legal, change: elk team raakt een stuk van AI-adoptie aan, en bijna niemand ziet het geheel.
AI geeft je in tien seconden een change plan. Of het goed is, hangt ervan af of je het kunt beoordelen.
Veel organisaties zijn druk bezig met AI. Tools worden uitgerold, pilots lopen, teams experimenteren. En toch is er opvallend weinig communicatie over wat dat allemaal betekent.
De eerste fase van AI-uitrol zag er voor veel bedrijven hetzelfde uit: toegang geven, aanmoedigen, loslaten. Ergens begon een meter te draaien.
De vraag komt vroeg of laat in elk traject. Soms rechtstreeks, soms via een omweg. Hoe ga je er als change manager mee om?
Een concrete kijk op hoe AI de voorbereiding van workshops anders maakt, en wat dat betekent voor de tijd die overblijft.
Als AI taken overneemt die vroeger uren kostten, komen er uren vrij. De vraag is wat je daarmee doet.
Veel projecten reduceren change management tot een communicatieplan en een trainingsdag. Waarom dat niet werkt.
De technologie werkt. De training is gevolgd. En toch verandert het gedrag niet. Over de kloof tussen toegang geven en echte adoptie.
Organisaties investeren fors in AI-trainingen. Maar training is niet hetzelfde als leren, en leren is niet hetzelfde als gedragsverandering.
User adoption is geen IT-term. Het is de kern van wat change management zou moeten doen.
Een systeem opleveren is niet hetzelfde als een verandering realiseren. De ROI zit niet in de tool, maar in het gebruik ervan.
Hoe het ADKAR-model helpt om AI-adoptie te structureren, en waarom de vijf bouwstenen bij AI verandering vaak tegelijk in beweging zijn.
Organisaties die tegelijk nieuwe tools uitrollen, processen herdenken en cultuur willen veranderen, lopen vast. Over change fatigue en hoe je het voorkomt.
De cijfers zijn bekend. Bijna iedereen experimenteert met AI. Maar meetbare impact blijft uit. Waarom, en wat maakt het verschil?
Iedereen weet dat AI bestaat. Maar weten en kunnen zijn twee verschillende dingen. De kloof groeit snel.
AI adopteren is geen kwestie van tools uitrollen en mensen trainen. Het vraagt andere processen, andere incentives, andere cultuur.
AI verandert niet alleen de organisaties die change managers begeleiden. Het verandert ook het werk van de change manager zelf.
Veranderingen mislukken zelden door slechte communicatie. Ze mislukken omdat de echte blokkades niet worden aangepakt.
In traditioneel change management wacht je op evaluaties na afloop. Wat als je voortdurend feedback verwerkt terwijl de verandering nog loopt?
AI neemt taken over. Maar het vergroot ook de verwachtingen van wat change management kan leveren.
Over de neiging om AI overal op toe te passen, en hoe je de grens trekt tussen zinvol gebruik en digitale overconsumptie.
AI is een krachtig hulpmiddel. Maar zoals elk hulpmiddel werkt het beter als je weet waarvoor je het gebruikt.
Kennis is niet schaars meer. Wat je onderscheidt, is hoe je denkt, keuzes maakt en je oordeel onderbouwt.
In een wereld waar AI alles mogelijk maakt, wordt vertrouwen schaars. En net daardoor waardevol.
AI verschuift van hulp naar actor. Wat vier rapporten zeggen over agents, en wat dat vraagt van hoe organisaties veranderen.
De eerste reactie op een AI-experiment bepaalt of het terugkomt. Eén eenvoudige afspraak houdt het leren zichtbaar.
Als professionals steeds vergelijkbaarder worden, waar maak je dan nog verschil? In hoe je met AI samenwerkt zonder je eigen denken uit handen te geven.
Tien jaar geleden droomde ik van change built in. Met AI komt het verrassend dichtbij, en dat verplaatst de rol van de change professional naar de voorkant.
De meest waardevolle AI-inzichten komen niet uit technologie, maar uit de vragen die mensen stellen.
AI is geen losstaand instrument. Wie het als tool benadert, mist de kans om werk fundamenteel te herontwerpen.
Luiheid kan een strategie zijn, mits je er eerst over nadenkt. Over bewust kiezen wat je aan AI overlaat.
AI-competentie gaat verder dan tools leren gebruiken. Vier vaardigheidsdomeinen en hoe je eraan begint.
Twee zinnen die in elk verandertraject opduiken. Wat er meestal onder ligt, en hoe je het doorbreekt.
Van niet merken tot niet kunnen meebewegen: vijf niveaus van weerstand, elk met een eigen aanpak.
Het stuk waar plannen moeten landen in gedrag op de werkvloer. Hoe je die laatste kilometer vooraf en tijdens de uitvoering ontwerpt.
Adoptie meten gaat verder dan een vinkje achter een training. Wat je kunt meten, en wat altijd buiten beeld blijft.
Naast elk gesprek loopt een tweede gesprek dat niet uitgesproken wordt. En vaak bepaalt net dat de koers.
Van hype naar dagelijkse praktijk: wat AI vandaag al betekent voor change managers, en wat mensenwerk blijft.
Eén keer per maand: nieuwe artikels en praktijkinzichten over AI-adoptie in je inbox.
Geen spam. Alleen relevante updates.
Je bent ingeschreven.