Ford haalt 350 senior engineers terug, IBM verdrievoudigt de aanwerving van starters. De golf van ontslagen die werd ingezet om plaats te maken voor AI, wordt deels teruggedraaid omdat de technologie zonder menselijke expertise niet werkt. Voor het MKB is dit geen ver-van-je-bed-show, maar een directe waarschuwing: AI kan processen versnellen, maar vervangt de ervaring en het oordeelsvermogen van je vakmensen niet.

Wat er aan de hand is

Autofabrikant Ford heeft recent ongeveer 350 senior engineers teruggehaald om kwaliteitsproblemen op te lossen die ontstonden na de massale invoering van AI. Charles Poon, vicepresident hardware-engineering bij Ford, geeft tegenover de BBC toe dat het bedrijf dacht dat het simpelweg invoeren van ontwerpvereisten in een AI-systeem voldoende zou zijn voor een hoogwaardig product. Dat bleek niet het geval. De AI-systemen misten de ervaring en training van menselijke ingenieurs die tientallen jaren productcycli hebben meegemaakt.

Bij softwaregigant IBM is een vergelijkbaar probleem zichtbaar. Na duizenden ontslagen en vervanging door AI-tools, blijkt dat vooral op de HR-afdeling de laatste 6 procent van de vragen niet door chatbots kan worden afgehandeld. Het gaat om ethische dilemma’s en kwesties die een menselijk oordeel vereisen. Daarnaast waarschuwt IBM-CHRO Nickle LaMoreaux voor een uitdrogende pijplijn van jong talent. Ze heeft daarom opdracht gegeven om de aanwerving van starters in de VS te verdrievoudigen, omdat er anders over drie tot vijf jaar geen ervaren mensen meer klaarstaan.

Wat dit betekent

Deze terugdraaiingen laten zien dat AI een krachtig hulpmiddel is, maar geen vervanging voor menselijke expertise. De kwaliteit van AI-output is direct afhankelijk van de kwaliteit van de input en de training. Zonder de kennis van ervaren medewerkers die weten hoe een product zich in de praktijk gedraagt, blijft AI steken op theorie. Voor bedrijven die overwegen om medewerkers te vervangen door AI, is dit een signaal: de technologie kan taken overnemen, maar niet het oordeel, de contextkennis en de verantwoordelijkheid die bij een vakman horen. Het risico is dat je niet alleen je mensen kwijtraakt, maar ook de stille kennis die niet in systemen is vastgelegd.

Hoe je dit kunt toepassen

Als je een productiebedrijf runt met ervaren operators en engineers, overweeg dan om AI in te zetten als assistent die hen ondersteunt, niet als vervanger. Je zou kunnen beginnen met een pilot waarbij AI kwaliteitsinspecties uitvoert, maar een senior medewerker de eindbeoordeling laat doen. De ervaring van die medewerker is nodig om de AI te trainen op afwijkingen die niet in de specificaties staan, maar die zij in de praktijk herkennen.

Als je een team aanstuurt waar routinetaken zijn geautomatiseerd, is het verstandig om te inventariseren welke vragen of situaties de AI niet kan afhandelen. Een mogelijkheid is om een duidelijk escalatiepad te creëren: de chatbot lost de standaardvragen op, maar complexe of ethische kwesties gaan altijd naar een mens. Zo behoud je de kwaliteit van de dienstverlening en voorkom je dat klanten vastlopen in een systeem dat geen oordeel kan vellen.

Als je een klein bedrijf hebt met weinig personeel, overweeg dan om AI in te zetten voor taken die veel tijd kosten, zoals het opstellen van offertes of het beantwoorden van standaardvragen. Maar zorg ervoor dat je je eigen kennis en die van je medewerkers gebruikt om de AI te voeden. De output is namelijk maar zo goed als de informatie die je erin stopt. Als je merkt dat de resultaten tegenvallen, is de kans groot dat de input niet compleet is, niet dat de technologie faalt.

Als je verantwoordelijk bent voor werving en opleiding, is het belangrijk om te blijven investeren in starters, ook als AI een deel van het werk overneemt. Een optie is om een vast percentage van je budget te reserveren voor junior posities, zodat je over een paar jaar niet zonder ervaren mensen zit. De les van IBM is dat een pijplijn van talent niet vanzelf ontstaat; die moet je actief onderhouden.

De praktische toepassing hangt af van jouw situatie, maar de kern is helder: zet AI in om je mensen beter te maken, niet om ze te vervangen. De kennis die in de hoofden van je medewerkers zit, is de grondstof die je AI-systeem nodig heeft om te werken. Verlies die niet.

Bron: Sprout