Het antwoord is dat het simpelweg verplichten van AI-gebruik vaak niet effectief is. Een bottom-up benadering, waarbij je medewerkers vertrouwen en ruimte geeft om zelf te experimenteren, leidt tot betere en meer praktische toepassingen. De kunst voor leiders is om een cultuur te creëren waarin experimenteren wordt gestimuleerd, terwijl je op de inhoud heldere kaders stelt.

Wat er aan de hand is

De discussie over hoe je AI het beste kunt implementeren in een organisatie is in volle gang. Uit gesprekken met bestuurders blijkt volgens een column op Sprout een breed gedeelde overtuiging: AI bottom-up organiseren werkt vaak beter dan top-down opleggen. De reden is een bekende kloof: de boardroom weet vaak niet waar op de werkvloer tijd wordt verspild of waar frustraties zitten die met automatisering kunnen worden opgelost. Toch zien we ook de andere kant: soms is een duwtje nodig. Softwarebedrijf Afas balanceert bijvoorbeeld tussen beide, waarbij medewerkers autonomie krijgen, maar bepaalde veranderingen (zoals het volledig afschaffen van printers) wel worden afgedwongen om ruimte te maken voor het nieuwe. In sommige grote bedrijven, zoals Accenture, wordt AI-gebruik zelfs gekoppeld aan promoties om adoptie te versnellen, een teken dat de druk toeneemt.

Wat dit betekent

Voor leiders en ondernemers betekent dit dat de implementatie van AI een bewuste keuze in leiderschapsstijl vereist. Een puur top-down mandaat kan weerstand oproepen en voorbijgaan aan de praktische kennis van medewerkers. De cijfers uit het artikel onderstrepen dit: slechts één op de zes Nederlandse werknemers geeft aan dat hun werkgever vraagt welke werkzaamheden met AI geautomatiseerd kunnen worden. Onder universitair opgeleide professionals is dat minder dan 25 procent. Dit is een gemiste kans om waardevolle input te verzamelen. Aan de andere kant kan een volledig vrije, ongecoördineerde aanpak leiden tot fragmentatie, veiligheidsrisico’s of het uitblijven van verandering. Het betekent dat je als leider actief moet navigeren tussen sturen en loslaten.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw organisatiecultuur en doel. Het advies uit het artikel is om ‘hard op de inhoud en zacht op de mens’ te zijn. Dit vertaalt zich naar verschillende scenario’s.

Als je een team of afdeling aanstuurt… begin dan niet met regels, maar met een vraag. Organiseer een sessie waarin je vraagt: “Waar zit jouw grootste tijdverspilling of frustratie in het werk, en denk je dat AI daar iets aan kan doen?” Dit haalt kennis uit de praktijk boven en betrekt je team vanaf het begin. Geef ze vervolgens een klein budget of een paar uur per week om een concrete tool of prompt te testen voor dat specifieke probleem.

Als je een grotere verandering doorvoert, zoals de overstap naar een nieuw AI-gestuurd systeem… kun je leren van het voorbeeld van Afas. Wees helder en hard op het nieuwe principe (bijvoorbeeld “alle documentatie wordt digitaal en via het AI-systeem gedaan”), maar ondersteun je mensen intensief in de overgang. Zorg voor training, benoem ambassadeurs en erken dat de leercurve erbij hoort. Het oude pad (zoals de printer) sluit je af om ruimte te maken voor het nieuwe.

Als je merkt dat bepaalde groepen, zoals senior medewerkers, terughoudend zijn… koppel het dan niet direct aan prestatiedruk of promoties. Creëer in plaats daarvan een veilige omgeving om te experimenteren. Stel een ‘AI-proeftuin’ in waar fouten mogen worden gemaakt, deel successen van collega’s, en laat zien hoe AI hun expertise kan versterken in plaats van vervangen. Vertrouwen winnen is hier cruciaal.

Als je als ondernemer zelf de regie wilt houden over de AI-strategie… stel dan heldere kaders op de inhoud. Bijvoorbeeld over welke data wel en niet in open AI-tools mogen, of welke kernprocessen eerst geautomatiseerd worden. Binnen die kaders geef je iedereen de vrijheid en het mandaat om te experimenteren en verbetersuggesties aan te dragen. Zo combineer je regie met innovatie van onderaf.

Bron: Sprout