De techniek is het makkelijke deel. De samenwerking is het werk.

AI is misschien wel de grootste verandering op de werkvloer sinds de komst van internet. Dat zei ik aan het begin van deze aflevering van Teamenergie Live, en ik meende het.

Wat AI allemaal kan, lees ik overal. Wat het doet met de samenwerking op de werkvloer, veel minder.

Dat laatste is mijn vak. In mijn onderzoek naar teams zie ik steeds hetzelfde: een verandering houdt alleen stand als ze het team slimmer maakt en tegelijk iets doet met het vertrouwen en het eigenaarschap. Een tool die de productiviteit omhoog brengt en het vertrouwen aantast, kost je over een jaar geld in plaats van dat hij iets oplevert.

Daarom ging ik een uur in gesprek met Liselore Lugt, CEO en medeoprichter van RebelsAI in Rotterdam. Zij is dagelijks betrokken bij de invoering van AI, bij grote en bij kleinere organisaties. Ze geeft er trainingen en bouwt er oplossingen, en ziet dus wat er op maandagmorgen in zo'n team echt gebeurt.

Het begon met een mail die zichzelf sorteerde

Liselore heeft een achtergrond in data science. Ze was 3 maanden bezig met een model dat moest voorspellen of een binnenkomende mail naar HR moest, naar finance of naar een andere afdeling. Toen kwam de eerste versie van ChatGPT uit, iets meer dan 3 jaar geleden. Die classificeerde al die mails meteen. Ze wist niet hoe.

"Ik snapte er helemaal niks van, maar ik was op slag verliefd."

Ze stopte met haar baan en begon RebelsAI.

3 maanden werk van een specialist werd in één keer overbodig. Dat is het gevoel dat veel teamleden nu bij hun eigen taken hebben. Liselore maakte dat zelf als eerste mee.

Fase 1: je hoeft minder aan je collega te vragen

Liselore ziet bij vrijwel elk bedrijf dezelfde fases. Fase 1: mensen leren werken met één AI-tool en sparren voor het eerst met wat zij een digitale collega noemt. Het eerste resultaat uit haar trainingen gaat over wie je nog aanspreekt. Mensen merken dat ze minder hoeven te vragen: waar staat dit, waar staat dat, hoe doen we dat.

Ik hield haar voor dat mensen daardoor misschien op hun eigen eiland belanden. Haar antwoord was preciezer dan mijn vraag. De frequentie neemt af, zegt ze. "Ik ga mensen heel vaak uit hun werk trekken om even snel iets te hebben wat ik nodig heb. En dat zie je gewoon met AI, dat dat veel minder is."

Dat heeft 2 kanten. Wie niet wordt onderbroken, houdt zijn concentratie en krijgt zijn werk af. Wie niet wordt onderbroken, mist ook een kort contactmoment met een collega. Bij 10 van die momenten per dag telt dat op.

De vraag die overblijft is een ander type vraag

Want er komt wel iets terug.

"Ik maak het gewoon eerst af en dan ga je een ander type vraag stellen aan je collega die veel meer gaat over: dit is mijn eerste versie. Kan je kritisch meekijken?"

Het aantal vragen daalt, en het gewicht per vraag stijgt. Voor jou als teamleider betekent dat 2 dingen. Loopt je dag nog vol met korte vragen over waar iets staat, dan is de tool in jullie team nog niet geland. En vragen collega's je vaker om ergens kritisch naar te kijken, dan is dat de nieuwe vorm van samenwerken.

Fase 2 gaat verder. De grenzen tussen afdelingen worden zachter. Een collega van finance stelt zelf een eerste contractversie op, dus de juristen worden minder snel betrokken. Liselore stuurt een opgeleverd project niet meer naar marketing voor een tekst. Ze maakt die zelf, en marketing controleert het alleen.

Dat is een verschuiving van overdragen naar controleren. Wie dat niet opnieuw afspreekt, krijgt 2 soorten gedoe: werk dat dubbel wordt gedaan, en werk waar niemand meer naar kijkt omdat iedereen dacht dat de ander het deed.

Wat er met de banen gebeurt, en wat niet

Ik legde haar voor wat in de pers staat: AI lost de krapte op de arbeidsmarkt op, en AI kost banen. Daar was ze kort over: er is volgens haar nog nergens harde data dat bedrijven op dit moment mensen schrappen vanwege AI. Ze noemde Klarna, dat aankondigde de klantenservice te ontslaan: "Die hebben ze allemaal weer teruggehireed."

Bedrijven die er vol op inzetten kunnen vooral meer doen, eventueel met hetzelfde aantal mensen. Haar voorbeeld komt uit de bouw en infra. Bedrijven daar schrijven in op grote opdrachten (tenders). Het beoordelen of je meedoet en een deel van het schrijven gaat nu met AI, en daardoor doen ze in plaats van 10 tenders 20 per jaar. De tendermanager blijft verantwoordelijk.

"Taken worden misschien overgenomen, dat zie ik heel erg, maar verantwoordelijkheden niet."

De hoeveelheid werk die je aankunt verdubbelt, en de vraag wie erop wordt aangesproken schuift niet mee. Maak je daar geen afspraak over, dan krijgt dezelfde persoon 2 keer zoveel werk met dezelfde verantwoordelijkheid en zonder extra tijd om te controleren.

Een boost in de energie, en de stap ervoor

Wij zien vaak een boost in de energie als teams meer aankunnen. Herken je dat, vroeg ik. 100 procent, zei ze. Bij teams die goed zijn ingericht met AI merkt iedereen dat er meer kansen zijn en dat het werk vaker leuker werk is. De productiviteit gaat omhoog en het werkgeluk gaat omhoog. "Iets wat we echt meten ook."

Meet je alleen of mensen de tool gebruiken, dan weet je nog niet of het team er beter van wordt.

Maar er zit een stap voor. "Want het is echt een andere manier van denken." Ze vergeleek het met de komst van de laptop, waar je ook tijd in moest investeren.

De 2 fouten die ze het vaakst ziet

De eerste zit bovenin. Directie en management moeten er iets van vinden, en ze werken er zelf niet mee. Ze horen er wat over, ze worden geadviseerd, en dan roepen ze iets.

Haar voorbeeld: een groot bouwbedrijf kondigt aan dat alle calculaties, de berekeningen van wat een gebouw gaat kosten, volledig autonoom met AI gaan. Dat kan de techniek nu niet. Het bedrijf concludeert dat AI onzin is en gaat door zoals het ging.

Zo maakt één uitspraak van bovenaf de techniek eerst te groot en daarna ongeloofwaardig. Het team eronder gaat er niet in geloven, want dat voelt iets anders.

De tweede fout zit bij IT. Daar wordt het vaak neergelegd, en IT wordt afgerekend op budget. Dat is een moeilijke rol, zegt ze. "Adoptie is iets heel anders dan kosten." Wie het beheerst wil doen, geeft één licentie hier en één licentie daar, en weet van buiten die afdeling niet welke processen er spelen. "Zie je gewoon dat er 0,0 adoptie komt."

Nul gebruik, dus. Het geld is uitgegeven en in de teams verandert niets. Begin bij de lijnmanagers, zegt ze, bij mensen die elke dag die tenders maken en meteen zien wat het hun die dag oplevert.

Een verbod verplaatst het gedrag

Die mensen doen het vaak al. Ook als het niet mag.

"Ik heb meerdere malen meegemaakt dat ik in een meeting zit en dat ik dan zeg: kunnen jullie hier geen ChatGPT gebruiken? En dan zeggen ze letterlijk: oh jawel joh, ga gewoon van het wifi af en gewoon op je hotspot."

Iedereen zit dan op gratis licenties. Mensen werken buiten de systemen van het bedrijf door op hun eigen verbinding (shadow IT). De term bestond al voor AI, zegt Liselore, en nu groeit het hard.

Een verbod maakt het gebruik onzichtbaar.

En onzichtbaar gebruik heeft een prijs die op geen factuur staat. Niemand zegt in het teamoverleg: zo doen wij dat hier. Gegevens gaan naar een gratis account waarvan niemand weet waar het staat. En de mensen die het handigst zijn, worden de mensen die het stilst zijn.

1 van de 15

Ik vroeg of ze ook mensen tegenkomt die denken: daar gaat mijn baan. Ze schetste iets anders dan angst. Bij een developertraining van de dag ervoor waren van de 15 man er 14 enthousiast. Eén niet. Die vond het leuk om zelf te puzzelen: "ik ga gewoon niet accepteren dat AI dit beter kan dan ik."

Geen angst dus, maar ontkenning. En ik moest toegeven dat ik dat zelf ook heb. Soms gaan de technische ontwikkelingen mij te snel en denk ik: ik laat deze even aan mij voorbijgaan. Struisvogelpolitiek, ook bij de onderzoeker.

Dit is niet nieuw met AI, zegt Liselore. Je hebt de voorlopers, mensen die het gewoon doen, mensen die meer tijd nodig hebben, en een klein aantal dat in de ontkenning zit. Die verdeling heb je eerder gezien, bij elke andere verandering.

Mensen vinden het geweldig

Hier werd ze uitgesproken. Bij klanten die goed trainen gebruikt 90 procent of meer van de mensen het daarna dagelijks. Mensen vinden het geweldig dat hun mails worden geschreven, dat ze dingen kunnen checken, dat ze opeens kleine applicaties kunnen bouwen.

Haar voorbeeld zijn werkvoorbereiders in de bouw. Van tevoren vroegen mensen zich af hoe die het zouden vinden als hun werk wegviel. "Die zeggen: ja, ik wil helemaal niet dat administratieve werk doen. Ik wil gewoon lekker buiten met mijn team bouwen aan dat gebouw."

Wat wegvalt, is vaak het werk waar ze nooit voor hebben gekozen.

Tegelijk liet ze de andere kant niet liggen. In grotere bedrijven vindt 90 procent van het team het leuk, en die 10 procent moet ook mee. Of het leiderschap zegt: als je niet meegaat, is het hier klaar voor je. Dat moet volgens haar als team en als cultuur worden uitgesproken.

Dat is een harde zin. Spreek je hem niet uit, dan zakt hij weg naar de onderstroom: in het teamoverleg zegt niemand er iets over, in de wandelgang wel.

Klinken alsof je het kunt

Ik legde haar iets uit onze eigen praktijk voor. Teams reageren enthousiast op ons platform, en tegelijk hoor ik koudwatervrees over wat er daarna van hen wordt verwacht.

Liselore pakte dat op. Je kunt nu bijna alles maken, en dat "betekent nog niet dat jij het ook zelf echt kan." Ze heeft veel junior mensen in dienst, en in evaluatiegesprekken presenteren die zich alsof ze alles al kunnen, met argumenten die ze met AI hebben opgesteld. "Maar in praktijk het echt doen is anders."

Haar trainingen gaan daarom over kritisch nadenken over de output, anderen challengen, en echt dingen doen in plaats van opschrijven.

Voor L en D is dat een concrete opdracht. Het verschil tussen iemand die het kan opschrijven en iemand die het kan, wordt moeilijker te zien. Beoordeel dus het gesprek en de uitvoering. Het document zegt hier weinig.

Wat er overblijft in je bedrijf

Uiteindelijk komt het bij haar op de mensen uit.

"Iedereen gaat die tools gebruiken. Iedereen gaat op een manier bepaalde dingen automatiseren. Maar wat blijft er over in je bedrijf? Dat zijn je mensen."

Daarom wordt cultuur volgens haar belangrijker. Bij RebelsAI gebruikt iedereen het bij alles. Zelf schat ze dat haar bedrijf daarmee bij de 0,01 procent van Nederland hoort die zo ver is. Dat is haar eigen schatting over haar eigen bedrijf. Wat er dan nodig is: fouten mogen maken, er open over zijn, snel keuzes maken, feedback geven, elkaar challengen. Dat is vrijwel letterlijk het profiel van wat wij een Olympisch vuur team noemen.

Dus stelde ik de vraag die veel teamleiders zullen hebben. Moet een team dat niet lekker in zijn vel zit, met conflicten of hoge werkdruk, hier wel aan beginnen.

Liselore draaide het om. Juist dan. Haar voorbeeld: een finance-afdeling waar de energie slecht is. Doe met elkaar een dagsessie over hoe jullie het werk beter kunnen doen en waar AI daarbij helpt. Je leert meteen iets nieuws. "Iets nieuws leren is heel leuk."

Zo'n dag geeft het team een gezamenlijk project dat niet over het gedoe gaat. Dat is een andere ingang dan een coachinggesprek over de zware dingen. Je werkt weer samen, en je hebt iets positiefs om mee aan de slag te gaan.

Wie het oppakt

Wij zeggen bij Teamenergie: leg zoveel mogelijk eigenaarschap bij het team neer. Ik vroeg of zij daar ook zo naar kijkt.

Het is beide, zei ze, maar het verschil in leiderschap is groot. Als de directie meedoet, gaan trajecten 2 tot 3 keer zo snel, want er moet iemand zijn die licenties en budget mogelijk maakt. Bij een grote klant ging de CEO een uur met haar zitten. Na dat uur was hij om. Iedereen kreeg licenties, en de eerste 3 ton werd centraal betaald. Daarna lag het eigenaarschap bij de teams: elke divisie bepaalde zelf wat ze ermee deed.

Dat werkt het best. Bij bedrijven waar dat niet gebeurt, zijn mensen juist banger en gebeurt het stiekem. Spreek dus als leiding uit wat je met AI wil, en wat wel en niet mag. Mensen willen veilig werken, en dan moeten ze weten hoe dat hier gaat.

En dan, zo snel als het kan, naar de teams.

"De grootste fout die ik zie is dat het bij IT ligt en dat is gewoon echt iets wat gewoon niet gaat werken. Dus de grootste energie zit bij die teams."

Haar argument is praktisch. De techniek is toegankelijk, iedereen heeft er al mee te maken, en dus hebben mensen in je team al ideeën over hoe het anders kan. Er is altijd één iemand die dit heel erg leuk vindt. Start waar de energie zit, zegt ze. Dat is precies wat wij over interventies in teams zeggen.

Hoe weet je zeker dat je collega 100 procent goed is

Teams vragen ons ook: dit advies is door een systeem bedacht, is dat wel betrouwbaar. Bij mensen zijn we nooit zo streng. Als wij een coach bij een team zetten, weet niemand vooraf zeker dat die coach het goede werk doet.

Zij reageerde zo: "Dat is echt de discussie die ik zo vaak voer met mensen ... Dan zeggen ze: ja, maar hoe weet ik zeker dat het 100% goed is? Zeg ik: ja, hoe weet je zeker dat jouw collega 100% goed is?" Ze rekent het voor met percentages die ze als voorbeeld noemt, niet als meting: zijn je collega's 80 procent goed en de machine 98 procent, dan is dat beter.

Waar zit dat dan in, vroeg ik. In vertrouwen en in kennis, zei ze. Bij oplossingen die RebelsAI in een werkproces bouwt, start ze altijd met iemand die ertussen blijft zitten (human in the loop). Jij bent verantwoordelijk, jij checkt het, dan gaat het pas door. En na een paar maanden zegt die persoon altijd: zet maar gewoon door. Vertrouwen komt dus uit ervaring.

Ze was net zo duidelijk over de grenzen: "Het is gewoon een tool in je toolbox en je moet het gewoon goed inzetten voor de dingen waar het goed voor is."

De koudwatervrees zat niet waar ik dacht

Ik ging het gesprek in met het idee dat de weerstand op de werkvloer zou zitten. Liselore ziet die koudwatervrees wel, alleen ergens anders. Niet bij de mensen die in de organisatie zitten, zei ze, maar vooral daarboven. Bij de mensen die iets gaan vinden over hoe eng de werkvoorbereiders het wel zullen vinden.

En dan staan er 2 dingen naast elkaar in haar verhaal.

Aan de ene kant zegt ze dat het vanzelf gaat. Ze zat 3 weken eerder in een panel waar iemand van de VU vertelde dat iedereen zo bang is en dat organisaties moeten starten met de why. Haar reactie: dat zie ik gewoon niet in bedrijven. "Ik zie dat iedereen vindt het geweldig, iedereen is er blij mee, vindt het leuk, maakt je werk leuker."

Aan de andere kant moet ze grote bedrijven hard toespreken voordat ze iets doen.

"Je zit nu op een hobbelpaard want je bent alleen maar aan het praten. Je bent alleen maar aan het bewegen. Je komt thuis en je bent geen meter vooruit gekomen. Je moet naar dat renpaard."

Die 2 uitspraken staan naast elkaar in hetzelfde uur. Ik denk dat ze over 2 verschillende plekken in dezelfde organisatie gaan. Op de werkvloer gaat de adoptie makkelijk, omdat mensen het gewoon proberen. Aan de directietafel wordt erover gepraat, en praten voelt als werken.

Als wetenschapper blijft dat bij me hangen, ook omdat ik zelf van de VU kom. Er wordt veel gepraat en weinig gemeten, dus houdt iedereen zijn eigen beeld. Liselore houdt dat van de werkvloer, veel bestuurders dat van de krant. Zij wil grootschalig onderzoek naar hoe mensen echt reageren als je een licentie openstelt en training geeft. Ik ook.

Wat ik eraan overhoud

Ondanks alles wat de techniek kan, gaat het nog steeds over hoe mensen met elkaar samenwerken, en of ze deze ontwikkeling in die samenwerking opnemen in plaats van ernaast.

Liselore maakte het concreter. Administratief werk kun je laten doen door een machine. "Gaat veel meer tussen mens en mens contact." Daarom moeten bedrijven mensen die vaardigheden weer laten opbouwen, zegt ze, en het onderwijs net zo goed.

Haar advies om te beginnen is klein. Kies één tool, sluit daar een licentie voor af, en ga een dag aan de slag met één groep van 15 mensen. Die ene dag is volgens haar al genoeg om het op gang te brengen.

Zelf legde ze de vergelijking met ons werk. Een interventie die lang voorbereid moet worden en waar iedereen bij moet zijn, doet niemand. "Doe één keer per ochtend ... één complimentje bij je collega bij het koffiezetapparaat, dan doen mensen dat."

Maak de eerste stap dus zo klein dat hij deze week past.

En dan de vraag waar ik zelf nog niet uit ben. Zie jij de koudwatervrees in jouw organisatie op de werkvloer, of een laag hoger?