Ik heb in al die jaren als change manager nog nooit een verandering gezien die zo snel werd uitgeprobeerd en opgezocht door medewerkers als GenAI. In veel organisaties ontstaat spontaan gebruik. Mensen testen tools, delen prompts, tonen toepassingen aan collega’s. Er zit een duidelijk gevoel onder van mee willen zijn, van niet achter willen blijven.
En toch zijn er tegelijk meer vragen dan ooit. Ondanks het brede experimenteren blijven een aantal fundamentele vragen terugkomen. Wie doet hier eigenlijk nog niets mee? Hoe ver zijn mensen echt mee? Kan het beter of gerichter worden ingezet?
Wat bedoelen we eigenlijk met adoptie?
Is dat vooral dat meer mensen AI gebruiken? Tot op zekere hoogte wel. Zonder gebruik gebeurt er weinig.
Is het dan beter gebruik? Dat zeker ook. Niet alleen experimenteren, maar toepassingen vinden die waarde toevoegen aan het werk.
Maar zodra AI meer wordt dan individueel experimenteren, verschuiven de vragen opnieuw.
Security, privacy en compliance komen op tafel. Tegelijk ontstaan vragen over werk, processen, rollen en verantwoordelijkheden. Hoe past AI in bestaande systemen? Wie controleert output? Wat betekent dit voor expertise en besluitvorming?
Op dat moment wordt duidelijk dat het gesprek niet alleen over gebruik van een tool gaat. Het gaat over hoe het werk en de organisatie zelf ingericht zijn.
De echte vragen beginnen daarna
Zodra AI verder gaat dan individueel experimenteren, komen andere vragen naar boven. Wanneer gebruik je AI wel en wanneer niet? Welke output moet gecontroleerd worden? Hoe verandert dit het werk? Wat betekent het voor kwaliteit, aansprakelijkheid en besluitvorming?
Dat soort vragen raakt meteen aan hoe werk georganiseerd is.
AI verandert zelden alleen een individuele taak. Het verschuift vaak iets in werkverdeling, controle, besluitvorming of verantwoordelijkheid. In organisaties met meerdere teams, functies en afhankelijkheden wordt dat snel zichtbaar. Een toepassing die lokaal goed werkt, botst elders op bestaande processen of governance.
Onderzoek naar technologie adoptie laat al langer zien dat waarde uit nieuwe technologie meestal ontstaat wanneer organisaties ook hun werkprocessen, managementpraktijken en vaardigheden aanpassen. Technologie alleen verandert weinig wanneer het systeem rond het werk hetzelfde blijft.
Waarom pilots vaak blijven hangen
Veel pilots verlopen relatief soepel. Kleine teams, duidelijke scope, weinig afhankelijkheden. In zo’n context kan een toepassing snel waarde tonen.
Wanneer dezelfde toepassing breder moet landen, verschijnt de rest van de organisatie in beeld. IT, legal, security, compliance, budgetten, leidinggevenden, governance. Op dat moment wordt duidelijk dat AI geen losse tool is, maar een verandering die raakt aan meerdere onderdelen van het systeem.
Daar zit vaak de echte frictie. Niet zozeer in de bereidheid van medewerkers om met AI te werken, maar in het feit dat rollen, processen en verantwoordelijkheden nog niet mee veranderd zijn.
Gedrag volgt context
Gedrag in organisaties ontstaat binnen een systeem. Mensen kijken naar waar verantwoordelijkheid ligt, waar risico zit, waar ruimte is om af te wijken en waarop ze worden afgerekend.
Als managers eindverantwoordelijk blijven voor elke output, ontstaat extra controle. Als kwaliteitssystemen geen ruimte laten voor experiment, blijft gebruik voorzichtig. Als processen niet aangepast worden, blijft AI iets naast het echte werk.
Dat betekent dat AI adoptie onvermijdelijk raakt aan organisatieontwerp: aan aan rollen, besluitrechten, motivatie, processen en coördinatie tussen teams.
De volgende fase van AI adoptie
De eerste fase van AI in organisaties was verkennen. Tools uitproberen, toepassingen ontdekken, mogelijkheden zien.
De fase waar veel organisaties nu in zullen komen, is minder spectaculair maar belangrijker. Samen uitzoeken hoe AI het werk daadwerkelijk verandert. Waar het echt waarde toevoegt. Hoe processen anders moeten lopen. Wat dat betekent voor rollen, expertise en verantwoordelijkheid.
Dat is geen puur gedragsvraagstuk. Het is vooral een organisatievraagstuk.