De eerste golf van AI-gedreven ontslagen krijgt een opmerkelijk vervolg: bedrijven die personeel vervingen door kunstmatige intelligentie, halen die mensen nu weer terug. Ford heeft recent zo’n 350 senior engineers teruggehaald om kwaliteitsproblemen op te lossen die AI niet kon verhelpen. Ook IBM investeert weer in menselijke medewerkers, omdat automatisering bij HR tegen zijn grenzen aanloopt. De les voor ondernemers: AI vervangt niet de ervaring en het oordeelsvermogen van je mensen, maar kan die wel versterken als je het goed inzet.

Wat er aan de hand is

Bij Ford bleek de grootschalige AI-implementatie niet het gewenste resultaat op te leveren. Het bedrijf had 900 AI-camera’s in fabrieken geïnstalleerd om kwaliteitsproblemen te detecteren en AI door het hele industriële systeem doorgevoerd. Toch erkent Charles Poon, vicepresident hardware-engineering, tegenover de BBC dat dit niet werkte. “We dachten ten onrechte dat we door simpelweg kunstmatige intelligentie te introduceren en de ontwerpvereisten in te voeren, een hoogwaardig product zouden opleveren”, zegt hij. De teruggehaalde senior engineers moeten nu de AI-systemen beter trainen, omdat AI niet de ervaring en training van menselijke ingenieurs heeft.

Bij IBM speelt een vergelijkbaar probleem. Het bedrijf ontsloeg duizenden mensen en verving hen door AI-tools. Inmiddels wordt 94 procent van de routinematige HR-vragen afgehandeld door chatbots, maar de resterende 6 procent kan AI niet aan. Dat betreft vragen over ethische dilemma’s of situaties die een menselijk oordeel vereisen, meldt CNBC. Daarnaast waarschuwt IBM-CHRO Nickle LaMoreaux voor een gebrek aan jong talent. “Als we niet blijven investeren in het aannemen van starters, wat gebeurt er dan over drie tot vijf jaar? Er is geen pijplijn, de bron droogt gewoon op.” IBM heeft daarom opgedragen om het aannemen van jonge starters in de VS te verdrievoudigen.

Wat dit betekent

Deze voorbeelden laten zien dat AI-implementatie niet zonder risico’s is. Voor middelgrote bedrijven is de valkuil misschien nog groter dan voor grote concerns. Waar Ford en IBM de middelen hebben om fouten te corrigeren, kan een mkb-bedrijf met een klein team minder makkelijk terugkomen op een verkeerde beslissing. Het kernpunt is dat AI afhankelijk is van de kwaliteit van de informatie waarmee het getraind wordt. Zonder de ervaring van mensen die het vak door en door kennen, blijft die kwaliteit achter. Daarnaast wijst het IBM-voorbeeld op een structureel probleem: wie nu geen starters aannemen, bouwt geen kennis op voor de toekomst. De kennis die nodig is om AI goed te laten functioneren, moet ergens vandaan komen.

Hoe je dit kunt toepassen

Als je een productiebedrijf runt… Overweeg om AI in te zetten voor kwaliteitscontrole, maar behoud je ervaren medewerkers als toezichthouders op het systeem. Zij kunnen beoordelen of de AI de juiste afwijkingen signaleert en waar de trainingsdata tekortschieten. Een mogelijkheid is om een vast overlegmoment in te plannen waarin zij de output van het systeem evalueren en verbeterpunten aanleveren.

Als je een team aanstuurt waarin AI-taken overneemt… Zorg dat je medewerkers niet alleen weten hoe ze met de AI moeten werken, maar ook dat ze begrijpen waarom het systeem bepaalde beslissingen neemt. Je zou kunnen vastleggen welke taken AI volledig mag afhandelen en welke altijd een menselijke check nodig hebben. Vooral bij klantcontact of HR-vragen is het verstandig om een duidelijke grens te trekken tussen routinematige vragen en situaties die om oordeelsvermogen vragen.

Als je overweegt om personeel te vervangen door AI… Voer eerst een kwaliteitsanalyse uit voordat je beslissingen neemt. Een optie is om een pilot te draaien waarin AI en medewerkers naast elkaar functioneren, en de resultaten met elkaar te vergelijken. Let daarbij specifiek op fouten die AI maakt die een ervaren medewerker nooit zou maken. Die fouten zijn vaak het gevolg van ontbrekende context of ervaring die niet in de trainingsdata zit.

Als je verantwoordelijk bent voor HR of personeelsbeleid… Kijk kritisch naar je instroom van jong talent. Het IBM-voorbeeld laat zien dat automatisering niet betekent dat je kunt stoppen met het aannemen van starters. Overweeg om een deel van je budget voor automatisering te reserveren voor de ontwikkeling van nieuwe medewerkers. Zij zijn uiteindelijk degenen die de kennis opbouwen die AI-systemen nodig hebben om goed te blijven functioneren.

De praktische toepassing hangt af van jouw situatie, maar de rode draad is helder: AI is een hulpmiddel dat alleen werkt als er voldoende menselijke expertise achter zit. Wie dat over het hoofd ziet, riskeert niet alleen kwaliteitsproblemen, maar ook een kennisgat dat moeilijk te herstellen is.

Bron: Sprout