Het antwoord is dat AI geen vervanging is voor ervaring en menselijk oordeel, maar een tool die deze juist nodig heeft om goed te functioneren. De eerste ontslaggolven waarbij medewerkers werden vervangen door AI, worden nu deels teruggedraaid omdat kwaliteitsproblemen en blinde vlekken opduiken. Voor ondernemers is de les niet om AI te negeren, maar om het in te zetten als aanvulling op, in plaats van vervanging voor, je meest waardevolle mensen.

Wat er aan de hand is

Autofabrikant Ford heeft recent ongeveer 350 senior engineers teruggehaald om kwaliteitsproblemen op te lossen die ontstonden na een grootschalige AI-implementatie. Charles Poon, vicepresident hardware-engineering bij Ford, geeft tegenover de BBC toe dat AI niet de ervaring en training van menselijke ingenieurs heeft. Het bedrijf had eerder 900 AI-camera’s in fabrieken geïnstalleerd en AI door het hele industriële systeem doorgevoerd, maar kwam erachter dat dit niet leidde tot het beloofde hoogwaardige product. De teruggehaalde senioren moeten nu juist de AI-systemen beter trainen.

Ook softwaregigant IBM ziet problemen ontstaan. Daar worden duizenden ontslagen werknemers niet direct teruggehaald, maar het bedrijf investeert wel weer in jong talent. Volgens CNBC wordt inmiddels 94 procent van de routinematige HR-vragen afgehandeld door AI-chatbots, maar de laatste 6 procent vereist menselijk oordeel over ethische dilemma’s. IBM-CHRO Nickle LaMoreaux waarschuwt in AI Magazine dat het gebrek aan instroom van starters leidt tot een opgedroogde pijplijn over drie tot vijf jaar. Zij heeft daarom opgedragen om het aannemen van jonge starters in de VS te verdrievoudigen.

Wat dit betekent

Deze voorbeelden laten zien dat de eerste euforie over AI-gedreven bezuinigingen plaatsmaakt voor realisme. Voor middelgrote bedrijven is de relevantie groot: als multinationals met enorme budgets en datateams tegen deze grenzen aanlopen, dan geldt dat zeker voor organisaties met minder slagkracht. De kern is dat AI alleen zo goed is als de data en de context die het krijgt. Zonder de impliciete kennis van ervaren medewerkers — kennis die niet in handleidingen staat — blijft AI steken op oppervlakkige patronen. Dat leidt tot kwaliteitsverlies, fouten in klantcontact en een verlies aan institutioneel geheugen. De trend signaleert een verschuiving: van ‘AI vervangt mensen’ naar ‘AI versterkt mensen, maar heeft hen ook nodig om te leren’.

Hoe je dit kunt toepassen

Als je een team aanstuurt dat met AI-tools werkt, is het verstandig om te inventariseren welke taken je medewerkers de afgelopen jaren hebben laten vallen. Een mogelijkheid is om wekelijks een moment in te plannen waarin senior medewerkers de output van AI-systemen beoordelen en bijsturen. Je zou kunnen overwegen om dit niet te zien als extra werk, maar als een kerntaak: het trainen en bewaken van je AI is minstens zo belangrijk als het bedienen van de machine.

Als je overweegt om te bezuinigen op personeel door automatisering, is de les uit Ford en IBM direct toepasbaar. Overweeg om eerst een pilot te draaien in een afgebakend proces voordat je beslissingen neemt over formatie. Je zou kunnen vaststellen welke 6 procent van de klantvragen of productieproblemen een menselijk oordeel vereisen en die taken structureel bij ervaren medewerkers beleggen. Een optie is om ontslagrondes pas te overwegen nadat je hebt gevalideerd dat de AI-kwaliteit daadwerkelijk voldoet, niet op basis van beloften van leveranciers.

Als je verantwoordelijk bent voor HR of werving, is de waarschuwing van IBM over de pijplijn relevant. Een mogelijkheid is om ondanks automatisering een vast aantal startersposities open te houden, ook als dat op korte termijn minder efficiënt lijkt. Je zou kunnen overwegen om een deel van de bespaarde kosten door AI te herinvesteren in een juniorprogramma. Zo bouw je aan kennis die over drie tot vijf jaar nodig is, precies op het moment dat AI-systemen tegen hun grenzen aanlopen.

Als je in een sector werkt met veel routinematige klantinteractie, zoals de dienstverlening, is de IBM-case over de 6 procent menselijke vragen een nuttige maatstaf. Overweeg om je chatbot zo in te richten dat hij complexe of ethische vragen direct doorspeelt aan een medewerker, in plaats van ze zelf te beantwoorden. Je zou kunnen vaststellen welke vragen in jouw bedrijf die menselijke beoordeling nodig hebben en daar een duidelijk escalatiepad voor maken. Een optie is om klanttevredenheid te meten op die doorgeschoven vragen, zodat je ziet waar de toegevoegde waarde van mensen ligt.

Als je een kwaliteitsprobleem in je productie of dienstverlening ziet ontstaan, is de Ford-aanpak een voorbeeld. Een mogelijkheid is om niet direct nieuwe technologie aan te schaffen, maar eerst je ervaren medewerkers te vragen waar de AI volgens hen fouten maakt. Je zou kunnen overwegen om hen formeel de rol van ‘AI-trainer’ te geven, met tijd en budget om de systemen bij te sturen. Zo gebruik je de kennis die je al in huis hebt in plaats van die te vervangen door een tool die die kennis juist nodig heeft.

Bron: Sprout