Ford haalt 350 senior engineers terug, IBM verdrievoudigt de aanwerving van starters. De golf van ontslagen die AI moest bespoedigen, blijkt voor sommige bedrijven een kostbare vergissing. De les voor ondernemers: AI vervangt geen ervaring, maar kan die ervaring wel versterken.

Wat er aan de hand is

Autofabrikant Ford heeft recent ongeveer 350 senior engineers teruggehaald om kwaliteitsproblemen op te lossen die ontstonden na een eerdere inzet op AI. Charles Poon, vicepresident hardware-engineering bij Ford, geeft tegenover de BBC toe dat AI niet de ervaring en training van menselijke ingenieurs heeft. Eerder had Ford vol trots gemeld 900 AI-camera’s in fabrieken te hebben geïnstalleerd en AI door het hele industriële systeem te hebben doorgevoerd. Die aanpak leverde niet het beloofde kwaliteitsniveau op.

Bij softwaregigant IBM ligt een vergelijkbaar probleem. Daar zijn duizenden mensen ontslagen en vervangen door AI-tools. Inmiddels handelt AI 94 procent van de routinematige HR-vragen af, maar de resterende 6 procent vereist menselijk oordeel over ethische dilemma’s. IBM-CHRO Nickle LaMoreaux waarschuwt daarnaast voor een leegloop van jong talent: door het stopzetten van startersaanwervingen dreigt de pijplijn van kennis op te drogen. Zij heeft daarom opgedragen om de aanwerving van jonge starters in de VS te verdrievoudigen.

Wat dit betekent

Deze terugdraaiingen zijn geen incidenten, maar een signaal. Veel bedrijven hebben de afgelopen jaren ontslagen doorgevoerd op basis van de verwachting dat AI taken volledig kon overnemen. De praktijk wijst uit dat AI-systemen slechts zo goed zijn als de data waarmee ze getraind worden. Die data komt van mensen met jarenlange ervaring. Zonder die ervaring blijft AI steken op routinetaken en mist het de context voor kwaliteitsbeoordeling en ethische afwegingen.

Voor het mkb is dit een waarschuwing. Grote bedrijven als Ford en IBM kunnen fouten corrigeren door personeel terug te halen, al is dat duur en reputatiegevoelig. Voor een kleinere organisatie is zo’n operatie vaak niet op te vangen. Een verkeerde beslissing om kennis te vervangen door automatisering kan leiden tot kwaliteitsverlies, klachten en een onomkeerbaar verlies van expertise.

Hoe je dit kunt toepassen

Als je een productie- of kwaliteitsproces runt… Overweeg om AI in te zetten voor inspectie en monitoring, maar behoud de eindverantwoordelijkheid bij ervaren medewerkers. Je zou kunnen bepalen dat AI-signalen altijd door een senior worden gevalideerd voordat er actie op wordt ondernomen. Zo combineer je de snelheid van automatisering met het oordeel dat alleen jarenlange ervaring levert.

Als je een team aanstuurt waarin AI-taken zijn geautomatiseerd… Een mogelijkheid is om te inventariseren welke taken AI volledig zelfstandig doet en welke nog menselijke tussenkomst nodig hebben. Voor die laatste categorie is het verstandig om te zorgen dat je de kennis in huis houdt. Overweeg om medewerkers die voorheen deze taken deden niet te laten vertrekken, maar om te scholen naar een rol als AI-beheerder of kwaliteitscontroleur.

Als je starters of jonge professionals wilt aannemen… De situatie bij IBM laat zien dat het stopzetten van startersaanwerving nu leidt tot een tekort aan kennis over drie tot vijf jaar. Je zou kunnen overwegen om, ook als AI een deel van het werk overneemt, toch junior posities te blijven invullen. Die instroom is de enige manier om ervaring op te bouwen die later niet uit een AI-tool komt.

Als je overweegt om AI in te voeren in je organisatie… Het vertrekpunt zou niet moeten zijn welke functies je kunt schrappen, maar welke kennis onmisbaar is voor de kwaliteit van je product of dienst. Een optie is om eerst een pilot te draaien met AI op een afgebakend proces, terwijl je de huidige medewerkers aan boord houdt. Pas als de resultaten aantoonbaar beter zijn, kun je beslissen over personeelswijzigingen.

De terugkeer van personeel bij Ford en IBM laat zien dat AI een krachtig hulpmiddel is, maar geen vervanging voor de menselijke kennis die nodig is om het te trainen en te beoordelen. Voor ondernemers is de les helder: behoud de ervaring die je hebt, voordat je die vervangt door een systeem dat ervan afhankelijk is.

Bron: Sprout