Het antwoord is dat bedrijven die massaal personeel vervingen door AI, nu merken dat die aanpak averechts werkt. Zowel Ford als IBM haalt ontslagen medewerkers terug of draait het ontslagbeleid deels terug, omdat AI-systemen vastlopen op taken die ervaring, oordeelsvermogen en menselijke kennis vereisen. Voor ondernemers is de les helder: AI is een krachtig hulpmiddel, maar geen vervanging voor de kennis die in de hoofden van ervaren medewerkers zit.

Wat er aan de hand is

Volgens Sprout, op basis van berichtgeving van onder meer de BBC en CNBC, krijgen bedrijven spijt van hun eerdere AI-ontslaggolf. Autofabrikant Ford heeft recent ongeveer 350 senior engineers teruggehaald. Zij moeten kwaliteitsproblemen oplossen die de AI-systemen niet konden verhelpen. Charles Poon, vicepresident hardware-engineering bij Ford, geeft tegenover de BBC toe dat AI maar zo goed is als de informatie waarmee het getraind wordt. Hij erkent dat het bedrijf de afgelopen jaren te weinig aandacht had voor de ervaring van zijn meest deskundige ingenieurs.

Bij softwaregigant IBM is het beeld vergelijkbaar. Daar werden duizenden mensen ontslagen en vervangen door AI-tools, vooral binnen HR. Inmiddels wordt 94 procent van de routinematige hr-vragen afgehandeld door chatbots. Maar de resterende 6 procent kan AI niet aan: vragen over ethische dilemma’s of situaties die een menselijk oordeel vereisen. Daar zijn alsnog mensen voor nodig. Daarnaast waarschuwt IBM’s CHRO Nickle LaMoreaux, geciteerd door AI Magazine, voor een gebrek aan jong talent. Zij heeft opdracht gegeven om het aannemen van starters in de VS te verdrievoudigen, omdat de pijplijn van nieuwe kennis anders opdroogt.

Wat dit betekent

Deze voorbeelden laten zien dat de grenzen van AI concreet zijn, niet theoretisch. Vooral in functies waar jarenlange ervaring, contextkennis en menselijk oordeel essentieel zijn, schiet AI tekort. Dat geldt niet alleen voor de techsector of de auto-industrie, maar voor elke organisatie die afhankelijk is van specialistische kennis. Denk aan engineers, juristen, accountants, HR-professionals of ervaren verkopers. Hun waarde zit niet alleen in het uitvoeren van taken, maar in het begrijpen van nuances die een AI-model niet kan vatten. De beslissing van Ford en IBM is een signaal dat bedrijven die te rigoureus bezuinigen op menselijk kapitaal, later tegen de kosten van die beslissing aanlopen. Voor het mkb is de les dat een AI-investering geen vervanging is van kennisoverdracht, maar een aanvulling daarop.

Hoe je dit kunt toepassen

Als je een team aanstuurt waarin ervaren medewerkers vertrekken of vervangen dreigen te worden door automatisering — overweeg om eerst in kaart te brengen welke kennis zij bezitten die niet in documentatie of systemen staat. Die stille kennis is moeilijk te vervangen. Je zou kunnen overwegen om senior medewerkers een rol te geven in het trainen van AI-systemen of het begeleiden van jongere collega’s, in plaats van hen volledig te vervangen.

Als je overweegt om klantcontact of HR-taken te automatiseren — een mogelijkheid is om te bepalen welke vragen écht routinematig zijn en welke een menselijk oordeel vereisen. De ervaring van IBM leert dat een klein percentage van de vragen altijd menselijke tussenkomst nodig heeft. Zorg dat je die capaciteit niet wegbezuinigt voordat je de automatisering opschaalt.

Als je jong talent wilt aantrekken maar vooral in tools investeert — overweeg om een deel van je budget te blijven besteden aan starters of trainees. De opmerking van IBM’s CHRO over de opdrogende pijplijn geldt ook voor kleinere bedrijven: als je nu geen nieuwe kennis binnenhaalt, mis je over een paar jaar de mensen die de organisatie draaiende moeten houden.

Als je een AI-project hebt dat tegen kwaliteitsproblemen aanloopt — een optie is om te onderzoeken of de oorzaak ligt in de trainingsdata of in het ontbreken van ervaringskennis. De situatie bij Ford laat zien dat AI niet beter wordt door alleen meer camera’s of systemen toe te voegen. Het kan helpen om ervaren medewerkers in te zetten om de kwaliteit van de input te verbeteren.

De praktische toepassing hangt af van jouw situatie, maar de kern is steeds hetzelfde: technologie kan processen versnellen, maar het vervangt niet de kennis die medewerkers in de loop der jaren hebben opgebouwd.

Bron: Sprout