Het artikel gaat hieronder verder.
Met een team van zo’n 10 mensen, verspreid over heel Europa, het VK en de VS, kun je EvoTalents onmogelijk een bijzonder groot bureau noemen. Al meer dan 10 jaar werven en bemiddelen ze hier wel IT-specialisten, op alle niveaus. En ook hier zagen ze de afgelopen jaren de groei van A.I., en dachten ze: daar moeten we wat mee. Alleen: wat dan? ‘En dan blijkt er een enorm verschil tussen een oprichter die midden in de nacht experimenteert met ChatGPT en een heel team dat A.I. daadwerkelijk integreert in de dagelijkse workflows. Dat is waar de meeste teams vastlopen. Ik weet het, want wij liepen daar ook vast’, aldus oprichter Elena Volk.
Het probleem waren niet de tools. En ook niet de mensen.
Volk deelde recent haar verhaal over hoe ze zich voorstelde dat het hele team vrijwel meteen allemaal volledig geautomatiseerd met A.I. zou gaan werken, in het volledige recruitmentproces. ‘De realiteit was evenwel anders’, schrijft ze. ‘Zelfs in een klein team verliep de adoptie veel trager dan ik had verwacht. En toen ik eindelijk de tijd nam om te achterhalen waarom, besefte ik dat het probleem niet de tools waren. En ook niet de mensen. Het lag aan mijn aanpak vanaf het allereerste begin.’ Welke vergissingen ze daarbij zoal maakte? Zelf heeft ze er 3 op een rij gezet.
#1. De angst veronachtzamen
Als je A.I. gaat implementeren, worden mensen vaak bang, merkte Volk. ‘Ze zeggen het niet in teamvergaderingen, maar ze denken het wel: gaat dit ding mij vervangen? En als je die angst niet direct aanpakt, blijft die stilletjes aanwezig en saboteert elke implementatiepoging. Mensen zullen geen tijd investeren in het leren van een tool waarvan ze denken dat die is ontwikkeld om hun baan overbodig te maken.’
‘Wat ik heb geleerd, is dat je open moet zijn over hoe het team zich ontwikkelt.’
‘Wat ik heb geleerd, is dat je er open over moet zijn. Niet met loze geruststellingen zoals ‘AI zal je nooit vervangen’ – daar prikken mensen zo doorheen. Je moet eerlijk je visie delen over hoe het team zich ontwikkelt. In ons geval betekent dat een model waarin A.I. en mensen zij aan zij werken, ieder in zijn of haar eigen expertise. Maar je kunt dit alleen zeggen als het echt waar is. Als je werkelijke plan is om het personeelsbestand te verminderen, zal je team dat snel doorhebben en verlies je hun vertrouwen volledig.’
#2. Tools op het team loslaten
De tweede fout was de grootste, aldus Volk, en bovendien volgens haar ook de moeilijkste om toe te geven. ‘In het begin was ik niet persoonlijk betrokken bij het proces. Ik kocht een training en zei eigenlijk tegen het team: ‘Implementeer dit.’ Of ik zei: ‘Zoek uit hoe je A.I. kunt gebruiken bij sourcing’, en trok me vervolgens terug. Wat er toen gebeurde? Het team testte iets, merkte dat het niet meteen perfect werkte, en ging vervolgens stilletjes terug naar hun gebruikelijke werkwijze.’
‘Pas toen ik begon te delen wat ik zelf gebruikte, veranderde de dynamiek.’
Alles veranderde toen ze zelf zichtbaar en actief erbij betrokken raakte. ‘Pas toen ik begon te delen wat ik zelf gebruikte – zelfs als mijn ideeën in eerste instantie vreemd of onafgewerkt leken – veranderde de dynamiek. Toen ik bij demo’s verscheen met mijn eigen experimenten, toen ik tijdens onze dagelijkse check-ins vroeg wat mensen probeerden, toen ik duidelijk maakte dat ik dit samen met hen aan het uitzoeken was en het niet van bovenaf delegeerde, toen begon de rest van het team zich er ook echt mee bezig te houden.’
#3. Te veel tools tegelijk
De derde fout was volgens haar ‘dat we te veel tools tegelijk probeerden te implementeren. Maar liefst 3 nieuwe platforms in 1 maand. Het team was overweldigd. Mensen vielen daardoor terug op hun oude werkwijzen omdat de mentale belasting van de overstap te hoog was. We hebben daarvan geleerd om nog maar 1 tool tegelijk te introduceren en mensen minstens 2 tot 3 weken de tijd te geven om eraan te wennen voordat we de volgende tool toevoegen.’
‘We hebben geleerd dat sommige experimenten gewoon mislukken. Dat is prima.’
‘En we hebben geleerd dat sommige experimenten gewoon mislukken. Een tool die in theorie perfect werkt, blijkt in de praktijk onhandig te zijn. Iemand besteedt uren aan het configureren van iets dat matige resultaten oplevert. Dat is prima. Het gaat er niet om dat elke tool werkt. Het gaat erom dat je een cultuur creëert waarin mensen zich veilig voelen om te zeggen: ‘Dit werkt niet’ – en waarin die eerlijkheid wordt gezien als vooruitgang, niet als falen.’
Allemaal samen
Wat ze naar eigen zeggen heeft geleerd, is dat de implementatie van A.I. in een klein team veel weg heeft van de opbouw van een community. ‘Je verandert niet alleen processen. Je verandert hoe mensen denken over hun werk, hun vaardigheden en hun toekomst. De demo’s, de gezamenlijke trainingen, de open gesprekken over wat wel en niet werkt: dit zijn niet zomaar tactieken voor verandermanagement, het zijn de fundamenten van een teamcultuur die continue verandering kan opvangen. De tools die we vandaag gebruiken, zullen over 18 maanden verouderd zijn. Wat niet verouderd zal zijn, is een team dat weet hoe samen te leren.’
‘De tools van vandaag zijn over 18 maanden verouderd. Een team dat weet hoe samen te leren is dat niet.’
En dat is volgens haar waar het om gaat. ‘We hebben iets opgebouwd waar ik oprecht trots op ben: een team dat A.I. niet ziet als bedreiging of wondermiddel, maar als een vaardigheid die we samen leren. En dat is, denk ik, waar elk recruitmentteam moet beginnen.’ Een visie alleen is niet genoeg, zegt ze. Je moet een omgeving creëren waarin mensen kunnen leren, experimenteren en praten over wat ze ontdekken. Via demosessies bijvoorbeeld, of een apart Slack-kanaal, of externe A.I.-trainingen. ‘Deze gedeelde ervaring creëert een gemeenschappelijke woordenschat en het gevoel dat we er allemaal samen voor staan.’
Meer weten?
Meer praktijkverhalen over A.I. en recruitment? Of wil je er zelf zinvol mee leren experimenteren? Het kan allemaal op 26 mei tijdens het event AI & Talent. Je leest er hier alles over:
AI & Talent