In veel AI-trajecten zijn technische discussies zelden het probleem. Modelkeuze, integratie, datakwaliteit, guardrails, dat zijn vraagstukken met een oplossing, hoe vervelend ze soms ook zijn. Waar het echt vastloopt, is bij de mensen die met de uitkomst moeten werken. En dat is een ander soort weerstand dan we gewend waren. 

Bij eerdere automatisering was het relatief eenvoudig uit te leggen. Bij RPA zeiden we tegen de medewerker: die 200 facturen die je nu handmatig overtypt, die doet de robot voortaan. Meestal was dat goed nieuws. Het werk dat verdween was het werk dat niemand leuk vond. De discussie ging over het proces, welke uitzonderingen, welke fallback, wie beheert de bot, maar zelden over wie iemand is in zijn werk. De rol bleef intact, het saaie stuk eruit. 

AI doet iets anders. AI raakt niet de handelingen, maar het oordeel. En dat is precies het deel waar mensen hun vakmanschap en identiteit aan ontlenen. 

Van uitvoeren naar beoordelen 

Neem een schadebehandelaar die al vijftien jaar dossiers beoordeelt. Die persoon heeft een gevoel ontwikkeld voor wanneer een claim niet klopt. Dat gevoel is moeilijk expliciet te maken, maar het is wel waar hij of zij om gevraagd wordt en om gewaardeerd wordt. Zet daar een model naast dat in twee seconden een voorstel doet met een onderbouwing, en de rol verschuift: van beoordelen naar het beoordelen van een beoordeling. 

Dat klinkt als een kleine stap. In de praktijk is het een fundamenteel andere vaardigheid. Je moet kunnen inschatten wanneer een plausibel ogende output toch niet klopt. Je moet weten waar het model zwak is. Je moet durven afwijken van iets dat er heel overtuigend uitziet, en dat vervolgens kunnen verantwoorden. Kritisch denken over andermans werk is iets anders dan zelf goed werk leveren, en niet iedereen die het tweede kan, kan automatisch het eerste. 

Waarom de weerstand anders voelt 

De klassieke reflex is om dit te framen als angst voor baanverlies. Dat speelt, maar het is niet het hele verhaal en volgens mij ook niet het belangrijkste deel. Het is volgens mij meer het gevoel van verlies van status en autonomie. "Ik ben hier de expert, niet het systeem." Of subtieler: mensen die de output van het model consequent te laag beoordelen, omdat het accepteren ervan voelt als toegeven dat hun ervaring minder uniek is dan gedacht. Dat is geen gek gedrag. Dat is iemand die twintig jaar heeft geïnvesteerd in een bepaalde manier van werken en nu te horen krijgt dat het anders gaat. 

Organisaties onderschatten dit in het beginsel. Het verandertraject wordt begroot als een communicatietraject, een kickoff, een training, wat instructievideo's, terwijl de werkelijke opgave is dat mensen hun professionele identiteit opnieuw moeten definiëren. 

Wat managers hier wel en niet kunnen doen 

Dit is de plek waar leiderschap het verschil maakt, en waar het vaak misgaat. Niet door slechte intenties, maar door ontwijking. Het is ongemakkelijk om tegen een team te zeggen dat hun werk over twee jaar anders is ingericht. Dus wordt er gekozen voor de zachte boodschap: "AI neemt het saaie werk over, jullie houden meer tijd over voor de leuke dingen." Iedereen in de zaal weet dat dat niet het hele verhaal is, en daarmee verlies je precies het vertrouwen dat je nodig hebt. 

De waarheid is dat eerlijkheid waarschijnlijk beter werkt, ook als het schuurt. Benoem dat de rol verandert. Benoem wat er verdwijnt. En wees daarna heel concreet over wat ervoor terugkomt en hoe mensen daar naartoe groeien, inclusief tijd, inclusief ruimte om fouten te maken, inclusief aangepaste prestatienormen. Zonder dat laatste is het een mooi verhaal zonder dekking. 

"Met Copilot kan ik dit zelf ook" 

Er is nog iet wat hier direct uit voortkomt. Naarmate persoonlijke AI-tools beter worden, lossen medewerkers hun eigen problemen op. Iemand bouwt een prompt die precies doet wat hij nodig heeft, deelt hem met twee collega's, en klaar. Prima, daar zit echte waarde, en dat moet je ook niet af willen remmen. 

Maar het is geen oplossing voor het structureel verankeren van AI in processen. Het prompt staat in iemands persoonlijke omgeving. Er is geen versiebeheer, geen logging, geen eigenaarschap, geen overdracht als die persoon vertrekt. Bij een audit is er niets te laten zien. En je krijgt dertig licht afwijkende werkwijzen voor hetzelfde proces, wat precies de versnippering is waar we tien jaar geleden vanaf wilden. 

De lastige nuance: dit is geen keuze tussen twee smaken. Je hebt beide nodig. Persoonlijke tools voor snelheid en eigenaarschap. Generieke agents en procesintegratie voor continuïteit, compliance en kennisborging.  

Tot slot 

De technologie wordt elk kwartaal beter, goedkoper en makkelijker te implementeren. Het menselijke deel wordt dat niet. Het vermogen van een organisatie om mensen een nieuwe rol te laten accepteren, en meer nog: te laten omarmen, beweegt in een heel ander tempo. 

Als uw AI-programma vastloopt, kijk dan eerst naar het laatste stuk. Niet naar het AI-model of de tool.