Het artikel gaat hieronder verder.
Nederlandse bedrijven lopen voorop in Europa met A.I.-gebruik: 59% van grote organisaties werkt er al mee. Toch heeft slechts 8% A.I. al volledig in de organisatie geïntegreerd. De rest blijft toch vooral hangen in losse experimenten en pilots. Deze tegenstelling laat een fundamenteel probleem zien: we behandelen A.I. nog altijd als een technische upgrade, terwijl het eigenlijk een vraagstuk van werk-herontwerp is.
Teams blijven worstelen, processen stagneren.
MIT-onderzoek uit 2025 laat een harde realiteit zien: 95% van A.I.-pilots bij grote bedrijven levert geen meetbare resultaten op. Dit is geen technisch probleem. Het is een organisatieprobleem. Bedrijven introduceren ChatGPT, Microsoft CoPilot of Claude. Ze zien dat individuele medewerkers productiever worden. En ze nemen aan dat succes vanzelf volgt. Maar vervolgens blijven teams worstelen, processen stagneren, en directies vragen zich af waar de beloofde productiviteitswinst blijft.
3 stappen
Organisaties voeren tools in zonder het werk te herontwerpen. Ze automatiseren bestaande taken in plaats van opnieuw na te denken over hoe werk is opgebouwd. Het is alsof je een Ferrari koopt maar blijft rijden op zandpaden. Wetenschappelijk onderzoek laat een duidelijk patroon zien bij de 5% die wel slaagt. Ze volgen een systematische aanpak in 3 stappen: ontleden, herverdelen, opnieuw opbouwen.
Stap 1: Ontleden
Breek elke functie op in losse taken. Niet ‘marketeer’ of ‘HR-manager’, maar concrete activiteiten: ‘schrijf campagnetekst’, ‘beoordeel cv’s’, ‘plan vergaderingen’.
De Britse overheid analyseerde ruim 1,5 miljoen taken met behulp van A.I. Ze ontdekten dat binnen dezelfde functietitel de geschiktheid voor A.I. enorm verschilt. Iets wat traditionele functieomschrijvingen volledig missen.
Stap 2: Herverdelen
Wijs taken toe aan mens, A.I. of een combinatie. Niet op basis van ‘wat kan A.I.?’, maar op basis van ‘waarin zijn mensen beter dan machines?’ Iron Mountain automatiseerde eenvoudige vragen in de klantenservice met A.I., maar zette menselijke medewerkers in voor ingewikkelde zaken. Het resultaat: 10% kortere gesprekken, 8% minder herhaalde telefoontjes én behoud van banen.
Stap 3: Opnieuw opbouwen
Bouw volledig nieuwe werkwijzen waarin mens en machine naadloos samenwerken. Toshiba bespaarde 5,6 uur per maand per werknemer met Microsoft CoPilot. Niet door hen sneller te laten typen, maar door inkoopprocessen te vinden die fundamentele verbetering nodig hadden.
Hoge adoptie, laag gebruik
Nederland laat een opvallende tegenstelling zien. We hebben de hoogste A.I.-adoptie op bedrijfsniveau in Europa (49%), maar het laagste gebruik door werknemers (66% versus 84% in Spanje). Slechts 55% van Nederlandse professionals gebruikt AI maandelijks, onder het Europees gemiddelde van 73%. Deze kloof kost ons 8,1 miljard euro per jaar aan gemiste economische groei, zo wordt ingeschat.
Kijk naar KPN: hun GenAI Lab kiest doordacht welke toepassingen geschikt zijn. Een interne chatbot bespaart 30 tot 40% op HR-administratie. En 300 medewerkers experimenteren met AI-tools. Dit is gestructureerd herontwerp, geen willekeurig uitrollen van tools. Of kijk naar de Rabobank, waar een AI-robot geschikte kandidaten direct belt na het uploaden van hun cv. Maar cruciaal: ethische commissies stellen hier wel vooraf richtlijnen op. Dat raakt een fundamenteel probleem. InSpark-onderzoek toont: 59% noemt gebrek aan interne kennis als grootste drempel, 54% worstelt met datakwaliteit. Maar het diepere probleem? 67% van Nederlandse bedrijven heeft geen A.I.-ethiekbeleid. We rennen naar de toekomst zonder kompas.
‘We rennen naar de toekomst zonder kompas.’
De rol van HR bij A.I.-verandering moet gebaseerd zijn op bewijs, niet op enthousiasme zonder onderbouwing. Prosci-onderzoek laat een groot vertrouwensverschil zien: directieleden scoren +1,09 op vertrouwen in A.I. (op een schaal van -2 tot +2), andere werknemers slechts +0,33. Erger nog: directieleden kiezen zelf welke tools ze gebruiken, terwijl werknemers geen inspraak hebben in systemen die hun dagelijkse werk bepalen. Dit verschil is gif voor verandering.
4 belangrijke acties
De Nederlandse SER schrijft in hun rapport AI en Werk dat de effecten van A.I. afhangen van keuzes tijdens ontwikkeling en gebruik. Ze noemen daarbij 4 belangrijke acties:
- Tijdige betrokkenheid van werknemers bij A.I.-ontwikkeling, zonder uniforme aanpak.
- Zorgvuldig ontwerp van menselijke controle met kennis, tijd en bevoegdheid om A.I. te corrigeren.
- Voorbereiding op veranderingen via training, omscholing en loopbaanpaden.
- Naleving van wetgeving (zoals de EU AI Act, waarbij vanaf februari 2025 AI-geletterdheidseisen van kracht zijn).
Dit is geen softe HR-praat. The Hackett Group ontdekte dat toporganisaties op HR-gebied 29% lagere kosten behalen bij ondersteuning van 3 keer meer werknemers, 57% meer interne vacatures invullen, en 32% méér personeel inzetten op strategische personeelsplanning. Ze bereikten dit door A.I. en automatisering te gebruiken om capaciteit uit te breiden, precies het ‘opwaarderen’-principe uit het eerder besproken werk-herontwerp.
De nuance
Recent onderzoek nuanceert het optimisme wel. Een METR-experiment toonde dat ervaren softwareontwikkelaars met A.I.-tools juist 19% méér tijd nodig hadden om taken af te ronden. A.I. maakte hen dus trager, niet sneller. En Harvard Business Review beschreef ‘A.I.-rommel’: 41% van de werknemers trof gepolijste A.I.-output aan die er aanvankelijk goed uitzag, maar inhoudelijk niet klopte. Het kostte gemiddeld 2 uur extra werk per keer om dit te herstellen.
Dit weerlegt de kernboodschap niet, het versterkt deze juist. Individuele productiviteitswinsten vertalen niet automatisch naar resultaten voor de hele organisatie. Het Microsoft New Future of Work Report 2025 bevestigt dit nog maar eens: individuele winsten zijn bewezen, maar effecten op team- en organisatieniveau blijven moeilijk te pakken. Daarom is gestructureerd herontwerp van werk ook zo belangrijk. Tools geven je het vermogen van een Ferrari. Herontwerp bouwt de snelweg waarop je die snelheid daadwerkelijk kunt benutten.
Wat te doen?
Voor organisaties die tot de 5% willen behoren waar A.I. echt waarde toevoegt:
- Stop met experimenteren, start met structuur. Breek werk op in taken, bepaal waar mensen beter zijn dan A.I., en bouw processen opnieuw op rond die inzichten.
- Bouw vertrouwen door inclusie. Betrek werknemers bij de keuze van tools. McKinsey ontdekte dat leidinggevenden 2 keer zo vaak werknemers de schuld geven als dat ze hun eigen rol erkennen bij mislukkingen. Doorbreek dit patroon.
- Meet wat ertoe doet. Volg niet alleen efficiëntie (tijdsbesparing), maar ook kwaliteit, relevantie en impact. Federal Reserve data tonen aan: 26% van de Amerikaanse werknemers gebruikt A.I. met gemiddeld 5,4% tijdsbesparing, wat leidt tot 1,1% productiviteitsgroei, bescheiden maar niettemin substantieel.
- Benut Nederlandse voordelen. CAO-onderhandelingen kunnen A.I.-omscholing opnemen, medezeggenschap biedt structuren voor werknemersbetrokkenheid, en het ‘fatsoenlijk werk‘-kader van de SER is een strategisch voordeel, als je het gebruikt.
De echte A.I.-doorbraak ligt dus niet in Copilot, ChatGPT of Claude. Die zijn slechts gereedschap. De doorbraak ligt in de moed om werk fundamenteel te herontwerpen rond samenwerking tussen mens en machine. Van alle A.I.-projecten faalt 95% omdat organisaties alleen de benodigde tools kopen. De overige 5% slaagt juist omdat ze organisaties transformeren. Aan welke kant van die statistiek wil jij staan?
Over de auteur
Dit verhaal is geschreven door Data & AI Recruiter Jan van der Laan, alias The DataFather.
Lees ook
- Waarom we in 2026 afstevenen op ‘Jobs Chaos’ (en nee, dat is geen apocalyps)
- A.I. en de automatisering van werk in Nederland: een evidence-based analyse
- Stop nu eens met denken in vacatures (werk is al lang niet meer wat het was)
