Een jaar geleden was het probleem duidelijk: te weinig mensen gebruikten AI. Dat probleem is opgelost. En het verving zichzelf meteen door een moeilijker probleem.
De vraag vorig jaar was hoe we meer mensen met AI aan de slag konden laten gaan in organisaties. Dat bleek een minder grote uitdaging te zijn dan andere veranderingen in het verleden, om de eenvoudige reden dat de 'what's in it for me' groot was. GenAI biedt meteen waarde voor individueel gebruik in het werk. Of het nu gaat om het voorbereiden van emails, het personaliseren van communicatie, het zoeken naar documenten of doorploeteren van lange documenten, het samenvatten van teksten tot de essentie, het zijn allemaal individuele use cases die je tijd doen sparen. Een groot deel van de werknemers heeft toegang tot GenAI, via het bedrijf zelf of via shadow IT, gebruiken doen ze het toch. (MIT NANDA, The GenAI Divide, augustus 2025: 90% van de werknemers gebruikt persoonlijke AI-tools voor het werk, terwijl slechts 40% van de bedrijven een officiële licentie heeft).
Als je naar ADKAR change management kijkt, was de DESIRE fase vaak de lastigste om te realiseren, omdat het daarbij vaak gaat om intrinsieke motivatie, die moeilijk te forceren is. Die motivatie is er al vanzelf voor GenAI zonder dat je iets moet doen, behalve misschien voor die mensen die om ethische redenen er geen gebruik van willen maken.
De uitdaging zit volgens mij nu vooral in het beter gaan gebruiken van de technologie. Als het blijft bij prompting en individuele use cases, dan zal het niet zo heel veel veranderen. Het potentieel van genAI zit vooral in de volgende fase, die van agentic AI en integratie of herontwerp van processen en workflows. Tot nu toe is dit iets waar de voorlopers en high performers vooral mee bezig zijn en de kloof tussen die early adopters en de medewerkers die het houden bij prompting wordt met de dag groter. En een tweede kloof is die tussen de individuele productiviteit en de organisatiewaarde. Het kan best zijn dat iedereen productiever wordt individueel, maar de organisatie toch niets wint. McKinsey (State of AI 2026, 1.719 respondenten in 97 landen) meet het letterlijk: 80% zegt dat AI hun individuele productiviteit verbeterde, maar slechts 37% van de organisaties ziet enige EBIT-impact, en het aandeel echte high performers blijft al twee jaar hangen op 6%).
De gewonnen tijd herbestemmen
Uit BCG's AI at Work 2026 (juni 2026, 11.749 respondenten in 23 markten, Benelux inbegrepen) onder frontlinie-gebruikers blijkt dat 42% een volledige werkdag per week bespaart met AI, maar 66% geen begeleiding krijgt bij wat je dan juist met die gewonnen tijd doet en dat meer dan de helft die gewonnen tijd niet in strategisch werk steekt. Waarin dan wel? Dat weten we meestal niet. Wat BCG wel weet: medewerkers met een duidelijke strategie maar beperkte tools rapporteren meer meetbare impact (80%) dan medewerkers met goede tools maar zonder richting (60%).
Het systeem beloont oud gedrag
Microsoft ondervroeg dit voorjaar in zijn Work Trend Index 2026 (mei 2026) 20.000 AI-gebruikers in tien landen. Daaruit blijkt dat wie AI gebruikt dat vooral doet uit angst om achter te geraken (65%) en niet omdat het iets oplevert. Slechts 13% werd er ooit voor beloond. Amper een kwart ziet bij het leiderschap een duidelijke lijn over wat de organisatie met AI wil. Interessanter nog is dat waar leidinggevenden zelf zichtbaar met AI werken, het vertrouwen van medewerkers in AI-agents met 30 punten stijgt. Het is niet de tool die het gedrag bepaalt, maar wat er rond die tooling en het gebruik ervan wordt beloond, voorgedaan, gemeten... en dat is in de meeste organisaties nog niet aangepast.
Het werk zelf is niet herontworpen
Uit Deloittes State of AI in the Enterprise 2026 (maart 2026, 3.200+ leiders in 24 landen) blijkt dan weer dat 84% van de organisaties haar jobs of workflows nog niet herontworpen heeft rond AI. McKinsey ziet in dezelfde periode dat bijna driekwart van de AI high performers zijn workflows fundamenteel heeft herontworpen, tegenover een kwart van de andere organisaties. Het herontwerp is precies wat de kloof creëert.
Weerstand neemt toe
De werknemersweerstand stijgt fors op korte tijd, net op het moment dat meer en meer agents van pilots naar productie gaan. KPMG zag in zijn AI Pulse Survey van juni 2026 de weerstand bij werknemers in één kwartaal stijgen van 5% naar 20%, terwijl 53% van de grote bedrijven agents in productie heeft. Nu het serieuzer wordt en de impact op werk groter, geeft bijna een derde van de werknemers (29%, WRITER Enterprise AI Adoption Survey, april 2026) toe de AI-strategie te saboteren, en in Gleans Work AI Index 2026 geeft 69% toe AI-werk door te sturen dat ze niet volledig nagekeken hebben, ... allemaal tekenen van niet weten hoe met de volgende fase van AI-adoptie om te gaan. Dit ruikt naar de klassieke veranderdiagnose: geen duidelijke visie, geen herontwerp van het werk, geen aangepaste incentives en weerstand die opkomt op het moment dat verandering echt raakt aan hoe mensen werken.
De vraag verschuift van uitrollen van AI naar mensen helpen werken met AI. En dat is bij uitstek een rol voor de change professional. Het zijn precies de twee kloven van daarnet waar die op werkt: tussen de voorlopers en de rest, en tussen individuele winst en organisatiewaarde. De opdracht verschuift van adoptiecampagne naar herontwerp van werk, van trainen op tools naar teams begeleiden die met agents gaan samenwerken, en van weerstand wegnemen naar weerstand lezen als informatie en gebruiken om actie te ondernemen. Daarom moet elke change professional eerst zelf AI goed leren begrijpen en gebruiken, anders kan die het herontwerp van workflows en de uitdagingen voor leiderschap niet goed genoeg begrijpen.
Benieuwd waar jij staat? De AI Change Scan laat het je in een paar minuten zien.
Eerder verschenen in The CHNG Letter op LinkedIn.