Je komt tegenwoordig heel veel nieuwe termen met AI in tegen. De laatste die ik las was 'AI-whelmed' in een onderzoek van Resume Now. Overspoeld door AI. Dat is hoe 44% van de meer dan duizend Amerikaanse werkenden (die aan het onderzoek deelnamen) rapporteerden. Ik vermoed dat het in Europa niet anders is of het ook zo wordt. De term AI-whelmed wordt hier gebruikt voor mensen die klem zitten tussen de druk om zich aan te passen aan AI en de onzekerheid over hoe ze dat moeten leren en hoe ze moeten bijblijven.
Veel 'goesting', weinig houvast
Medewerkers weten vaak niet goed waar ze moeten beginnen, tenzij de organisatie hen daarin ondersteunt. De volgende stap naar het leren inpassen van AI in hun dagelijkse werk en processen is dan zeker een stap te ver en daar wordt de impact van AI pas duidelijk. Wat ook opmerkelijk was in dit onderzoek is dat zo'n 30% van de ondervraagden eraan denkt zelf geld uit te geven aan AI opleidingen, uit angst om anders achter te geraken. Dat is veel, ik denk niet dat er veel andere opleidingen of materies zijn die zo'n hoge vrijwillige bereidwilligheid tot leren hebben. De wil en 'goesting' (ook al is het gedreven door angst) is er wel, maar de ondersteuning binnen organisaties blijkbaar nog niet voldoende. Bovendien geeft 60% van de ondervraagden aan dat er niets van hen verwacht wordt in hun organisatie met betrekking tot AI. Of dat die verwachting in ieder geval nooit uitgesproken is.
Druk voelen zonder dat die uitgesproken wordt. De druk komt niet van je leidinggevende, maar van het nieuws, van je LinkedIn-tijdlijn, van de collega die er al vlot mee aan de slag is, van familie die zich zorgen maakt over de toekomst van de kleinzoon die net in IT afgestudeerd is.
Het is natuurlijk een Amerikaans rapport, dus je kan je afvragen of het in Europa ook zo is. Amerika loopt meestal wel voor in technologische implementaties en adoptie, dus ik denk dat het ook in Europa van toepassing is of het dat snel wordt.
Bewegen medewerkers sneller dan de organisatie zelf?
Zo lijkt het toch, maar het klopt niet helemaal. Een deel van de medewerkers beweegt sneller dan een deel van de organisaties. We kennen verschillende snelheden in adoptie van AI. Sommige organisaties zijn er heel snel mee aan de slag en ondersteunen hun medewerkers op grote schaal. Het andere uiterste zijn de bedrijven die eerder afwachten en nog niets concreet doen naar ondersteuning van hun medewerkers toe. En binnen dat scala van organisaties heb je een scala van medewerkers die zich ergens bevindt op een range van nog niet mee aan de slag tot jaren vooruitlopend op de rest. Die verschillende snelheden zorgen voor veel uitdagingen.
Drie snelheden tegelijk
Als je puur op organisatieniveau kijkt, kan je drie snelheden onderscheiden.
De eerste is de snelheid of zijn de snelheden van de medewerkers. In hetzelfde team kunnen mensen zitten die al maanden vooroplopen, vaak met tools die niemand officieel heeft goedgekeurd, en daarnaast zitten anderen te wachten op een signaal vanuit de leidinggevende voor ze iets proberen. Een belangrijke vraag is of je hier goed zicht op hebt? Weet je hoeveel mensen zich in welke positie bevinden en wat ze nodig hebben?
De tweede is de snelheid van de organisatie. Beleid, licenties, richtlijnen over wat wel en niet mag, toolkeuzes. Dat zijn zaken die tijd in beslag nemen, terwijl de tools zelf zich in razend tempo ontwikkelen. Het organisatieluik vraagt meer tijd en dat is begrijpelijk. Juridische onduidelijkheid en privacy en veiligheidsvragen zijn legitieme remmen.
En dan hebben we het nog niet over noodzakelijke aanpassingen aan het systeem. Hoe werk verdeeld wordt, welke processen er bestaan en veranderd gaan worden, wat en hoe mensen leren, hoe leidinggevenden het voorbeeld kunnen geven, hoe prestaties in de toekomst bekeken gaan worden, enzovoort. Dit is vermoedelijk de traagste laag en tegelijk de belangrijkste, want dat beslist of AI blijft hangen in losse experimenten of deel wordt van hoe er in de toekomst gewerkt wordt.
De derde snelheid is die van de technologie zelf. Om de paar maanden of zelfs weken verschijnt een nieuw model, een nieuwe functie, een nieuwe tool. Vaak verschijnen die zonder dat je de tijd hebt om erover te communiceren naar je medewerkers. Dit wordt ook wel de wet van Martec genoemd: technologie verandert exponentieel, maar organisaties veranderen veel geleidelijker. Die kloof wordt vanzelf groter en verklaart ook een deel van de 'AI-whelm': wat je vorige maand leerde en gebruikte, voelt deze maand al achterhaald. Het is herkenbaar.
Ik denk in deze context vaak aan olifantenpaadjes. Medewerkers lopen hun eigen paadjes doorheen het gras, organisaties zijn ondertussen de officiële paden aan het uittekenen en intussen verschuift het landschap zelf. Een ferme uitdaging kunnen we dat noemen.
Waar begin je?
Er is ook geen sluitend antwoord over hoe je dit kunt aanpakken. Een aantal principes kunnen alvast helpen.
Maak de snelheden zichtbaar. Bevraag je medewerkers. Vraag in welke mate en waarvoor ze AI gebruiken, waar ze aarzelen en wat hen tegenhoudt. Dan vind je waarschijnlijk voorlopers, wachters en ook afhakers, ook binnen hetzelfde team. Deze inzichten vormen een goede basis voor gesprekken met het management over de weg vooruit.
Spreek een verwachting uit, ook als die zich voorlopig beperkt tot 'We verwachten dat je binnen deze grenzen experimenteert en deelt wat je leert'. Dat is al meer dan niets. Of als je als organisatie kiest om nog niet met AI te werken, spreek dit ook uit naar medewerkers, zodat die niet zelf de verwachtingen invullen.
Geef de voorlopers een rol. Hun olifantenpaadjes tonen je waar het werk zich al aan het verplaatsen is. Maak het zichtbaarder, werk ermee in plaats van het toe te dekken. Zo wordt het schaduwgebruik van vandaag input voor het beleid van morgen. Zet voorlopers ook in om met afwachtenden aan de slag te gaan. Zij kunnen vaak het beste hun collega's helpen op het moment dat ze vragen hebben.
Bied verschillende instapmomenten. Zorg dat de verschillende noden uit je bevraging in kaart gebracht worden en een antwoord krijgen door andere ondersteuning aan te bieden. Van starten met een kleine, veilige eerste stap binnen je dagelijkse job tot diepgaande leermomenten en aangepaste software voor gevorderden.
Kies een eigen ritme tegenover de technologie. Je hoeft niet op elke nieuwe feature te reageren. Bepaal waar je wilt staan op de schaal van adoptie: helemaal frontrunner, of eerder volger of achterblijver. Het is een keuze die rust kan creëren. Spreek dan af hoe vaak je kijkt wat er veranderd is en wat dit betekent voor jullie afspraken en opleidingen.
De oproep tot vertragen is er eentje die we de voorbije weken heel hard vanuit de AI-sector zelf gehoord hebben. Om deels gelijkaardige maar ook andere redenen. Anthropic pleitte in juni al voor een soort pauzeknop en OpenAI liet deze maand weten dat het overweegt om de ontwikkeling van zijn krachtigste modellen te vertragen, als andere AI bedrijven meedoen tenminste. Het gaat daarbij natuurlijk niet om de zorg over de adoptie van AI in bedrijven, maar wel over veiligheid en controle over systemen die zichzelf steeds verder verbeteren, en het gaat ook om economische belangen. Maar goed, de vraag erachter vind ik interessant: hoe snel willen we dit laten gaan? Hoe snel wil je dit in je organisatie laten gaan? En hoe snel wil je als medewerker gaan? Allemaal terechte vragen die verdienen dat je er even bij stilstaat. Tempo is immers ook een keuze, voor sneller of voor trager.
Richting, ruimte en tempo
AI-whelmed gaat over een gevoel dat geen enkele tool kan oplossen, want het gaat over richting, ruimte en tempo. De verschillende snelheden accepteren en er actief mee aan de slag gaan is het vertrekpunt om een beetje rust te creëren in een chaotische context.
P.S. Als change professional sta je vaak net tussen die snelheden in. Hoe je AI zelf inzet om ze zichtbaar te maken en mensen mee te nemen, daar werken we aan in de self-paced cursus AI voor change professionals.
Eerder verschenen in The CHNG Letter op LinkedIn.