In de jaren 1880 stond een jongeheer aan een draaibank in een staalfabriek in Philadelphia en zijn naam was Frederick Taylor. Hij zag elke dag opnieuw hetzelfde gebeuren, namelijk dat zijn collega's trager werkten dan ze konden. Blijkbaar hadden ze dat onderling zo afgesproken.
Maar toen werd Frederick Taylor ploegbaas en wilde hij dat tempo omhoog brengen. Hij wist natuurlijk dat dit kon. Maar de arbeiders vreesden wat er dan zou gebeuren, want uit ervaring wisten ze dat wie sneller werkte, meer werk kreeg voor hetzelfde loon. Dus besloten ze zich gezamenlijk in te houden. Ze spraken elkaar erop aan wanneer iemand te hard ging. Eigenlijk waren die arbeiders slim en lazen ze het systeem beter dan hun baas. Of hun oplossing de beste was, dat is een andere zaak.
Taylors antwoord is bekend bij iedereen die HR-opleidingen gevolgd heeft: hij nam de stopwatch erbij, knipte werk op in kleine handelingen en schreef voor hoe elke handeling moest gebeuren. Zijn aanpak werd nadien terecht zwaar bekritiseerd. Maar het antwoord van de arbeiders loste ook niet echt iets op want hun trage tempo zorgde vooral voor een strijd tussen management en arbeiders. Wat dit wel was, was een sterk signaal dat het systeem niet werkte.
Spoel nu anderhalve eeuw door.
Een collega heeft een agent gebouwd die haar elke week een halve dag bespaart. In een teamvergadering vraagt de manager of er iemand al met AI aan de slag is of tips heeft om met AI te werken. Ze zwijgt.
Volgens een bevraging van Use.ai bij meer dan 13000 mensen is zij geen uitzondering. Bijna 40% van wie op het werk regelmatig AI inzet, heeft bewust een prompt, workflow of techniek voor zichzelf gehouden. Bijna de helft van hen wilt enerzijds niet dat collega's hetzelfde voordeel krijgen en 41% vreest dat het tempo dat met AI gehaald wordt voortaan als norm zal gelden.
Dit laatste is letterlijk de vrees die de arbeiders aan de draaibank hadden. Al zit er ook wel een verschil, de arbeiders konden hun tools niet verbergen, die waren heel zichtbaar. Het enige wat ze konden bijsturen was hun tempo. Wie vandaag met AI werkt, doet dit grotendeels onzichtbaar en daardoor kan je de werkwijze zelf verbergen. En dat is wat een aanzienlijk deel van de mensen doet: de AI-kennis en toepassingen die ze hebben voor zichzelf houden, zodat ze de gewonnen tijd zelf kunnen beheren, een voorsprong op hun collega's kunnen houden (al weten ze dat niet echt want als die het ook verbergen...), en afhouden dat alles nog sneller gaat en moet dan het nu al gaat.
Soms zit er nog een zwaarder motief onder. Uit andere onderzoeken rond AI op het werk blijkt ook dat 35-40% van de mensen kennis oppotten uit angst om door AI vervangen te worden. Je kan dit weerstand noemen, maar het is eigenlijk logisch gedrag in een systeem waarin delen van kennis weinig oplevert.
Het systeem leert mensen wat lonend is
Hier komt behavioural design weer boven water piepen. En dan gaat het niet zozeer of alleen maar over nudges op persoonlijk niveau, waardoor individueel gedrag gestuurd kan worden. Ook een organisatie is een keuze-architectuur: wat je meet en beloont, wat zichtbaar is en wat moeite kost, dat stuurt het gedrag sterker dan eender welke communicatie of training.
Kennis verbergen is één manier waarop mensen zich aanpassen aan het systeem. Maar twee onderzoeken van begin dit jaar tonen ook de andere kant: wat er gebeurt met wie net extra hard gas geeft. Onderzoekers van Berkeley volgden gedurende acht maanden een technologiebedrijf dat AI aan haar 200 mensen aanbood zonder het gebruik te verplichten. Medewerkers gingen uit zichzelf sneller werken, namen taken op die buiten hun rol lagen en met plezier, tijdens hun pauzes en op vrije avonden. Niemand vroeg erom, en leidinggevenden zagen er geen graat in omdat het vrijwillig gebeurde. In het begin leek dit positief, maar het werk dijde ongemerkt uit en werk- en rolgrenzen vervaagden en van het werk loskoppelen werd moeilijk. Dit leidt tot vermoeidheid, burn-out en afgenomen besluitvaardigheid en minder goed werk. Niet zo positief dus.
Leg de verhalen naast elkaar en je ziet hetzelfde systeem. Snelheid wordt beloond, extra inzet is zichtbaar en meetbaar maar de menselijke en cognitieve overload niet en delen van kennis levert vooral risico op. De éne reageert door haar kennis af te schermen en onzichtbaar te houden, de andere door zichzelf voorbij te lopen. Twee heel verschillende reacties op een systeem dat nog niet goed in elkaar zit.
We zoeken de oorzaak te vaak bij de persoon, die te weinig kennis en vaardigheden heeft, te weinig vertrouwen misschien of te weinig haar grenzen kan afbakenen en dat proberen we dan op te vangen met nog een training of workshop of sessies over welzijn. Terwijl het gedrag precies volgt op wat het systeem vraagt.
Wat je kan herontwerpen
De verleidelijke reflex is hetzelfde te doen als wat Taylor in zekere zin deed: meer meten, meer controle krijgen, door vooral digitale activiteiten te gaan meten, maar laat nu net het waardevolste deel van expertise het deel zijn dat weinig (digitale) sporen nalaat.
Er zijn andere richtingen voor herontwerp, zoals 'de deal' expliciet maken, nl door eerlijk te zeggen wat er met gedeelde kennis gebeurt, wat mensen eraan hebben om dingen te delen. Experts kunnen bijvoorbeeld een rol krijgen als hoeders van de systemen, die controleren, corrigeren, aanvullen of andere mensen ondersteunen.
We kunnen ook bewust frictie gaan inbouwen. Waar we decennialang gefocust waren op frictie wegnemen, is het omgekeerde bij AI misschien net nodig: werken in fasen, op het tempo van het team, ook als de tool sneller kan. Of voor een grote beslissing altijd een tegenargument inbouwen en een expliciete link met de doelen maken, zodat er toch even een reflectiemoment ontstaat. Het zijn maar een paar voorbeelden van systeemingrepen die menselijk haalbaar AI-gebruik ondersteunen.
Een AI-adoptieprogramma met trainingen, champions en communicatie werkt vooral op het individu. De mechanismen die tot diepgaandere verandering leiden zitten een laag dieper die je zelden bereikt met een opleiding.
Taylor zag anderhalve eeuw geleden een symptoom, de arbeiders waren het symptoom en geen van beiden had een goede oplossing. Wat ze ons wel getoond hebben is dat gedrag dat we vaak bestempelen als weerstand ons vooral iets vertelt over het systeem waarin mensen werken en dan is het de moeite waard even dieper te graven en onderdelen van het systeem te herontwerpen.