Je AI-tools worden gebruikt, maar de resultaten blijven uit. Uit de grootste meta-analyse ooit naar mens-AI-samenwerking blijkt dat teams die samenwerken met AI vaak slechter presteren dan wanneer mens of machine alleen aan het werk is. Dit betekent dat je huidige inzet van AI mogelijk averechts werkt en dat een andere aanpak nodig is.

Wat er aan de hand is

Onderzoekers van het MIT en andere instituten analyseerden 106 studies naar samenwerking tussen mensen en AI, gepubliceerd in Nature Human Behaviour. De conclusie: combinaties van mens en AI (HAI) presteren significant slechter dan de beste prestatie van mens of AI alleen. Het effect is -0.23 op de Hedges g-schaal, met een betrouwbaarheidsinterval van 95% dat niet door nul gaat. Dit is geen klein labexperiment, maar de meest grondige analyse van een vraag die de techindustrie dacht te hebben beantwoord.

Uit onderzoek van BCG uit 2025 blijkt dat 85% van de leiders en 78% van de managers generatieve AI gebruikt, maar dat gebruik en impact ontkoppeld zijn. Teams loggen in, genereren output, maar creëren geen waarde. Dit patroon wordt bevestigd door telemetrie van Faros AI, die het gedrag van tienduizenden ontwikkelaars analyseerde.

Wat dit betekent

Voor ondernemers en professionals betekent dit dat de standaardaanpak – AI-tools aanschaffen en teamleden ermee laten werken – niet automatisch leidt tot betere resultaten. De frictie ontstaat in de samenwerking: mensen vertrouwen AI niet volledig, passen outputs aan zonder duidelijke meerwaarde, of besteden tijd aan het controleren van werk dat ze net zo goed zelf hadden kunnen doen. Het resultaat is vaak vlakker werk, lagere snelheid en hogere frustratie.

Dit raakt alle sectoren waar AI wordt ingezet naast bestaande teams: marketing, contentcreatie, softwareontwikkeling, klantenservice en data-analyse. De aanname dat ‘meer AI’ automatisch ‘betere resultaten’ betekent, blijkt onjuist.

Hoe je dit kunt toepassen

Als je een marketingteam aanstuurt dat AI gebruikt voor campagnes. Je zou kunnen overwegen om taken strikt te verdelen: laat AI zelfstandig eerste concepten genereren voor A/B-testen, zonder menselijke tussenkomst. Laat je team vervolgens alleen de winnende varianten optimaliseren. Dit voorkomt dat mensen onbewust de scherpe randjes van AI-output afhalen.

Als je content laat schrijven met AI. Een mogelijke aanpak is om AI volledig los te laten op routinetaken zoals productbeschrijvingen of nieuwsbrieven, zonder dat een redacteur er nog doorheen gaat. Reserveer de menselijke inzet voor strategische stukken en complexe analyses. Door mens en machine gescheiden te laten werken, voorkom je dat beide elkaar in de weg zitten.

Als je een klantenserviceteam runt dat AI-chatbots gebruikt. Overweeg om chatbots zelfstandig eenvoudige vragen af te laten handelen, zonder escalatiemogelijkheid naar een medewerker. Complexe vragen gaan direct naar een mens, zonder dat de chatbot eerst een poging doet. Dit klinkt contra-intuïtief, maar voorkomt dat klanten vastlopen in een halfslachtig AI-gesprek.

Als je data-analyses laat uitvoeren door AI. Je zou kunnen experimenteren met het volledig uit handen geven van standaardrapportages aan AI, zonder dat een analist de resultaten controleert. Laat je team alleen rapporteren over uitzonderingen en strategische inzichten. Dit bespaart tijd en voorkomt dat analisten onbewust AI-output ‘gladstrijken’ tot gemiddeld niveau.

Als je software ontwikkelt met AI-assistenten. Een optie is om AI code te laten schrijven voor geïsoleerde, goed gedefinieerde taken, zonder dat een developer de code direct reviewt. Gebruik de vrijgekomen tijd voor architectuur en complexe problemen. Dit vereist wel duidelijke afspraken over kwaliteitsdrempels en testdekking.

De praktische toepassing hangt af van jouw situatie, maar de kern is: scheid mens en machine waar mogelijk, in plaats van ze te laten samenwerken. Audit je huidige processen op momenten waarop mens en AI elkaar in de weg zitten, en herontwerp die stappen zodat een van beiden het volledige eigenaarschap krijgt.

Bron: Martech