Leiderschap en management in het AI-tijdperk

Onzekerheid is iets anders dan risico. Bij een risico ken je de mogelijke uitkomsten en kun je de kansen inschatten; bij onzekerheid lukt zelfs dat niet. Bij AI spelen beide: fouten in een toepassing zijn te meten, maar hoe het werk over een paar jaar verandert, weet niemand. Leiders die goed omgaan met onzekerheid, kiezen een richting voor de komende maanden, zeggen hardop wat ze nog niet weten en spreken af wanneer ze opnieuw kijken. Ze maken onderscheid tussen wat vastligt, zoals de waarden en de belofte aan de klant, en wat mag schuiven, zoals werkwijzen en systemen. Een proef kan daardoor stoppen terwijl de koers overeind blijft: nieuwe inzichten veranderen de aanpak, niet meteen het toekomstbeeld.

Een toekomstvisie beschrijft waar de organisatie over een aantal jaren wil staan en waarom: voor welke klanten, met welke rol, met welk werk. Een AI-visie die alleen over systemen gaat, mist de kern: wat wil de organisatie met AI anders of beter doen? Scenario's helpen om zo'n visie te toetsen. Een scenario is geen voorspelling, maar een samenhangend beeld van een mogelijke toekomst, bijvoorbeeld een toekomst waarin AI overal en tegen lage kosten beschikbaar is, naast een toekomst met strenge regels en weinig vertrouwen. Wie de visie langs drie of vier scenario's legt, ziet welke keuzes in alle onderzochte scenario's overeind blijven en welke afhangen van één bepaalde toekomst. Zo bepaalt de leiding welke stappen nu al verantwoord zijn.

Initiatief nemen is beginnen voordat alle antwoorden er zijn. In veel organisaties wacht het middenkader op een strategie van boven, terwijl de top wacht op ideeën van onderop. Een leider die zelf begint, doorbreekt die impasse. Bij zo'n begin gebruikt een leider AI enkele weken voor een vast onderdeel van het eigen werk, zoals een maandrapportage of de voorbereiding van een beoordelingsgesprek. De ervaringen laten zien waar AI helpt en waar niet. Een volgende proef in het team laat zien wat een toepassing in het gezamenlijke werk oplevert. Zo krijgt het gesprek over AI een voorbeeld uit eigen huis in plaats van een presentatie van een leverancier. Ook een proef die weinig oplevert, laat zien waar verwachting en praktijk uiteenlopen.

Een AI-first organisatie begint bij een leider die keuzes maakt over werk. AI en nieuwe technologie doen het werk dat mensen niet hoeven te doen, ook het herhalende en voorspellende werk: rapportages maken, planningen bijwerken, de vraag van het volgende kwartaal voorspellen. Mensen richten zich op wat zij beter kunnen: oordelen, kiezen en contact met klanten en collega's. Een team dat het verzamelen van cijfers aan AI overlaat, houdt tijd over voor de klant die twijfelt en de collega die vastloopt. Of die tijd er werkelijk komt, hangt af van de manier waarop de leider het werk opnieuw verdeelt.

In steeds meer teams werken mensen samen met AI-agents: AI-systemen die binnen een opdracht zelf stappen zetten, zoals een dossier samenstellen of een planning bijwerken. De leider verdeelt het werk opnieuw volgens het AI-first principe: wat kan de agent, en waar is een mens nodig? Hij bepaalt hoeveel ruimte een agent krijgt en wie de uitkomst controleert. En hij beoordeelt resultaten anders, omdat een deel van het werk niet meer bij één persoon ligt. Er ontstaan nieuwe rollen, zoals de medewerker die agents inricht en bewaakt. Naast het aansturen van agents blijft het menselijke deel van leidinggeven: coachen, oordelen en de lastige gesprekken voeren. Over mandaat en toezicht gaat de lezing Agentic AI dieper in.

Psychologische veiligheid is de gedeelde overtuiging in een team dat je een vraag kunt stellen, twijfel kunt uiten of een fout kunt melden zonder te worden afgestraft of vernederd. Bij een verandering door AI weegt dat zwaar, want die raakt mensen op plekken die niet in een projectplan staan. Een ervaren medewerker vraagt zich af wat zijn vakmanschap nog waard is; een collega ziet vooral extra werk. Waar mensen niet durven te twijfelen, proberen ze weinig nieuws. Op een klantenservice kan een leider het team zelf laten kiezen welke vragen AI voorbereidt en welke medewerkers zelf beantwoorden, en tijd vrijmaken om te oefenen. Hij benoemt ook wat blijft: het oordeel, het contact met de klant, de kennis van het vak.

Als AI een deel van het werk overneemt, verandert wat een goede medewerker is. Vakkennis blijft nodig, maar daarnaast tellen vaardigheden als een heldere opdracht formuleren, een uitkomst kritisch beoordelen en het eigen werk opnieuw inrichten. Talent wordt steeds vaker afgemeten aan wat iemand kan, minder aan een functietitel of diploma. Voor leiders heeft dat gevolgen voor elk gesprek over loopbaan. Leerdoelen bewegen mee met het veranderende werk. In een sollicitatie telt steeds vaker hoe iemand met AI werkt. En om goede mensen te houden, bespreekt de leiding hoe hun werk verandert en welke ontwikkeling daarbij past. Ook voor starters verandert het begin van een loopbaan, nu AI een deel van het instapwerk overneemt.

Een directie of raad van bestuur die over AI beslist, moet zelf genoeg weten om de goede vragen te stellen. Leren begint daarom bovenin: vaste momenten om nieuwe toepassingen uit te proberen, gesprekken met specialisten en een eerlijk beeld van wat de eigen kennis nog waard is. Daarnaast neemt de leiding de regie over het leren in de hele organisatie. Opleidingen lopen vaak achter op wat er in het werk verandert, en een eenmalige training veroudert snel. Steeds meer organisaties bouwen daarom een eigen toekomstacademie, waar collega's uit de eigen teams lesgeven en de programma's aansluiten op de eigen processen. Daarmee verandert ook de positie van de leider: die beslist over een technologie waarvan de mogelijkheden tijdens het leren alweer verschuiven.

In veel organisaties gebruiken medewerkers AI op eigen initiatief, vaak met een privéaccount. Dat zegt twee dingen. Er is behoefte aan, en er lopen risico's: bedrijfsgegevens die buiten de deur komen en antwoorden die niemand controleert. Een verbod duwt dat gebruik alleen verder uit het zicht. Beter is het om goede hulpmiddelen beschikbaar te stellen, duidelijk te maken welke gegevens wel en niet gebruikt mogen worden, en nieuwsgierig te zijn naar wat mensen al ontdekt hebben. Die medewerkers zijn vaak de beste wegwijzers: zij weten waar het werk knelt en wat AI daar al aan verandert. Leiders die ernaar vragen en de goede voorbeelden delen, bouwen daarop verder.

Vernieuwen in een bestaande organisatie betekent iets nieuws verbinden met wat er al is: systemen die lang meegaan, regels die ooit een goede reden hadden en gewoonten die niemand meer ter discussie stelt. Bij AI wordt dat zichtbaar, want een nieuwe toepassing moet aansluiten op oude gegevens en procedures. Leiders die in zo'n omgeving vernieuwen, beginnen niet met alles vervangen. Ze kiezen een proces met een duidelijke eigenaar, bouwen een werkende oplossing naast het oude systeem en laten het resultaat zien. Daarna is de stap om de oude werkwijze uit te zetten kleiner. Ze schrappen ook bewust: een goedkeuringsronde die niets toevoegt, een rapport dat niemand leest. Ruimte voor iets nieuws ontstaat vaak door eerst iets ouds weg te halen.

Het is verleidelijk om AI te beleggen bij IT, een innovatieteam of een nieuwe AI-manager. Maar het werk dat verandert, ligt in de lijn: bij de afdeling die offertes maakt, het team dat klanten helpt, de planners in het magazijn. Specialisten bouwen, leiders in de lijn passen toe en worden eigenaar van het resultaat. Zij bepalen hoe het werk verandert, wie wat controleert en wanneer een toepassing goed genoeg is. Een innovatieteam dat een proef bouwt zonder eigenaar in de lijn, levert een demonstratie op, geen nieuwe werkwijze. Ligt het eigenaarschap in de lijn, dan kan een proef uitgroeien tot de gewone gang van zaken, en blijft de kennis vaker in huis als het projectteam vertrekt.

AI maakt veel werk goedkoper en sneller. Maar goedkoper is niet altijd beter. Het betaalbedrijf Klarna liet AI een groot deel van de klantenservice overnemen. De topman erkende later dat de nadruk op kosten tot lagere kwaliteit had geleid; het bedrijf investeert weer in menselijke medewerkers, zodat klanten altijd een mens kunnen spreken als ze dat willen. De les is niet dat AI in klantcontact niet werkt, maar dat leiders bewust moeten kiezen waar de mens het verschil maakt. Dat is vaak bij twijfel, emotie, klachten en grote beslissingen. Organisaties die dat goed doen, bepalen per klantmoment wat de klant werkelijk waardeert, en automatiseren de rest.

Geen organisatie kan alle kennis over AI zelf in huis halen. De techniek ontwikkelt zich op veel plekken tegelijk: bij start-ups, wetenschappers en partners, bij overheden, en bij organisaties in andere sectoren die met dezelfde vraag bezig zijn. Het ecosysteem van de leider bepaalt daarom mee hoe snel een organisatie leert en vernieuwt, en dat ecosysteem houdt niet op bij de landsgrens. Het ontstaat niet vanzelf. Leiders die het bouwen, bezoeken organisaties die verder zijn, zoeken partners voor een gezamenlijke proef en spreken met vakgenoten openlijk over wat mislukte. Een zorginstelling leert van de planning in een haven, een gemeente van de klantenservice in de handel. Met wie een leider zijn tijd doorbrengt, is daarmee een strategische keuze en geen bijzaak in de agenda.