Je opent ChatGPT en typt een vraag in over iets waar jij jaren voor gestudeerd hebt. Een paar seconden later staat er een antwoord. Niet perfect, misschien zie jij meteen drie nuances die ontbreken. Maar toch behoorlijk goed, en vooral behoorlijk snel. Dat doet iets met je. Niet noodzakelijk omdat je denkt dat AI morgen je volledige job overneemt, maar omdat je je plots afvraagt wat er gebeurt met al die kennis en ervaring die je de voorbije jaren hebt opgebouwd. Want als een machine in enkele seconden iets kan produceren waar jij vroeger uren voor nodig had, waar zit jouw meerwaarde dan nog?
In onze vorige blog hadden we het over de krimp van het heden. De periode waarin wat we weten, kunnen en gewend zijn bruikbaar blijft, wordt korter. AI verandert niets aan dat mechanisme, het duwt alleen stevig op het gaspedaal.
Tot nu toe hadden we bij verandering meestal twee vormen van houvast. Ten eerste: onze ervaring. We konden terugvallen op wat we al geleerd en gedaan hadden. Ten tweede: een min of meer voorspelbare toekomst. We konden redelijk inschatten welke kennis en vaardigheden nuttig zouden blijven. AI zet nu beide vormen van houvast onder druk.
Kijk eerst even achterom. Veel van wat we vandaag goed kunnen, hebben we opgebouwd door het jarenlang zelf te doen. Schrijven, programmeren, analyseren, vertalen, ontwerpen, diagnoses stellen, dossiers doorploegen… Je deed het opnieuw en opnieuw, werd beter en bouwde gaandeweg expertise op. Maar een deel van dat werk kan AI intussen ook. Wil dat zeggen dat al die ervaring minder waard wordt? Zeker niet. Want net dankzij die ervaring merk je wanneer AI de bal misslaat, een belangrijke nuance over het hoofd ziet of iets voorstelt waarvan jij weet: zo werkt het niet.
Je ervaring verdwijnt dus niet, maar krijgt wel een andere rol. En hoe die rol eruitziet, hangt af van hoeveel van het werk we aan AI overlaten.
Want nakijken is iets anders dan maken. Controleren is iets anders dan beslissen. En een tekst oppoetsen die een machine heeft geschreven, kan heel anders voelen dan zelf zoeken naar de juiste woorden.
We praten over AI vaak alsof er maar twee opties zijn: de mens doet het werk of de machine neemt het over. Zo zwart-wit is het natuurlijk niet. In veel jobs zullen mens en AI naast elkaar werken, al kan die verdeling er heel anders uitzien. AI kan bijvoorbeeld het grootste deel van een tekst, vertaling of beeld maken, waarna iemand er de laatste hand aan legt. Of AI doet een eerste voorstel en de mens controleert. In andere gevallen stuurt een algoritme het proces en komt er pas iemand tussen als iets afwijkt. En je kan het ook omdraaien: de mens blijft zelf het werk doen en gebruikt AI vooral om mee te denken.
Hoe je die verdeling maakt, heeft gevolgen voor meer dan alleen het werkproces. Het verandert ook wat je zelf nog doet en hoe je je job ervaart. Want nakijken is iets anders dan maken. Controleren is iets anders dan beslissen. En een tekst oppoetsen die een machine heeft geschreven, kan heel anders voelen dan zelf zoeken naar de juiste woorden.
Daarom is er bij elke AI-toepassing een vraag die minstens even belangrijk is als wat kan de technologie hier overnemen?: hoe verdelen we het werk tussen mens en machine, en waarom? Daar staan we niet altijd bewust bij stil. Een tool kan iets, dus beginnen we hem daarvoor te gebruiken. Pas gaandeweg merken we hoe daardoor ook de inhoud van onze job en onze eigen rol veranderen. En wat gebeurt er wanneer AI net die taken overneemt die we graag doen en waar we voldoening uit halen?
De belofte van automatisering klonk jarenlang aantrekkelijk. Laat technologie het saaie, repetitieve werk overnemen, zodat mensen meer tijd overhouden voor het interessante werk. Alleen houdt AI zich niet netjes aan die afspraak. Want generatieve AI blijkt behoorlijk goed in taken die we lang als typisch menselijk zagen, zoals schrijven, ideeën bedenken, beelden maken, analyseren, programmeren. Daardoor kan technologie plots niet alleen het werk wegnemen waar je vanaf wilde, maar ook een stuk van het werk waarvoor je ooit voor je vak koos.
Voor de ene is dat een verademing. Een programmeur die vooral complexe problemen wil oplossen, zal misschien blij zijn dat AI een deel van de code uitschrijft. Voor iemand anders verdwijnt net het leukste stuk van de job. En dan gaat de discussie niet langer alleen over efficiëntie, maar ook over zingeving: welk deel van mijn werk maakt dat ik dit werk graag doe? En hoeveel maakt het uit dat ik dat werk zélf doe?
Net doordat je er zoveel werk hebt ingestoken, voelt het resultaat ook meer als “van jou”.
Stel dat je een IKEA-kast helemaal zelf in elkaar hebt gezet. Objectief gezien is ze identiek aan de kast die iemand anders kant-en-klaar geleverd kreeg. Toch is de kans groot dat jij nét iets trotser bent op die van jou. In de psychologie heet dat het IKEA-effect: we hechten meer waarde aan dingen waarin we zelf moeite hebben gestoken. Op het werk gebeurt iets gelijkaardigs. Een presentatie waar je zelf uren aan hebt geschaafd, een analyse die je helemaal hebt opgebouwd, een tekst waarin je eindelijk de juiste formulering vond… Net doordat je er zoveel werk hebt ingestoken, voelt het resultaat ook meer als “van jou”.
Met AI verandert dat. Het eindresultaat kan uitstekend zijn, maar toch voelt het niet altijd hetzelfde. Niet noodzakelijk omdat de kwaliteit slecht is, maar omdat je minder het gevoel hebt dat jij het gemaakt hebt. Dat verklaart misschien waarom gesprekken over AI-output soms zo snel vastlopen op ja, maar het is toch niet hetzelfde. Dat kan klinken als weerstand tegen technologie, terwijl het ook over eigenaarschap kan gaan. Want misschien willen we sommige taken helemaal niet uit handen geven, ook al kan AI ze perfect overnemen.
We hadden het over twee vormen van houvast. Onze ervaring was de eerste. De tweede is dat we min of meer kunnen inschatten welke kennis en vaardigheden later nog nuttig zullen zijn. Ook dat wordt met AI moeilijker. Voor HR en L&D is dat geen eenvoudige oefening. Iedereen heeft het over ‘skills of the future’, maar welke zijn dat als de technologie sneller verandert dan onze opleidingsplannen? Vroeger leerde je een nieuw systeem en kon je daar vaak jaren mee verder. Nu leer je werken met een AI-model, krijg je bepaalde prompts en werkwijzen onder de knie en kort daarna verschijnt er alweer een nieuwe versie die meer kan of anders werkt.
En zelfs met de AI van vandaag is het niet eenvoudig om te bepalen welke vaardigheden belangrijk blijven. AI presteert bij sommige taken heel goed en bij andere veel minder. Daar komt bij dat AI bij sommige taken heel goed presteert en bij andere veel minder. Onderzoekers spreken over een jagged technological frontier, letterlijk een gekartelde grens. In een onderzoek bij 758 consultants bleek AI een grote meerwaarde voor taken die binnen die grens vielen. Bij een taak die buiten de mogelijkheden van AI lag, presteerden deelnemers mét AI gemiddeld 19 procent slechter dan deelnemers zonder AI. Bij de ene taak helpt AI je dus vooruit, bij een andere kan het je net de verkeerde richting uitsturen. En het vervelende is dat je vooraf niet altijd weet met welke van de twee je te maken hebt. Bovendien blijft die grens verschuiven. Probeer dan maar eens met zekerheid te zeggen: hierin moeten onze mensen de komende vijf jaar investeren…
Tegen de tijd dat je een nieuwe vaardigheid onder de knie hebt, is de technologie alweer verder geëvolueerd en ziet je job er misschien opnieuw anders uit. Mensen hebben daarom meer nodig dan nieuwe skills.
Voor HR en L&D lijkt de opdracht voor de hand te liggen: als jobs veranderen, moeten mensen nieuwe vaardigheden leren. Dat blijft belangrijk, maar daarmee zijn we er niet. Een opleiding leert je iets nieuws, maar geeft je niet noodzakelijk opnieuw houvast. Tegen de tijd dat je een nieuwe vaardigheid onder de knie hebt, is de technologie alweer verder geëvolueerd en ziet je job er misschien opnieuw anders uit. Mensen hebben daarom meer nodig dan nieuwe skills.
Om te beginnen moeten ze opnieuw hun plaats kunnen vinden in het werk. Een plaats waar hun expertise nog telt, ook als AI een deel van het werk overneemt. Waar ze trots kunnen zijn op wat ze maken en het gevoel houden dat het ook hún werk is. Waar ze weten waarom hun werk ertoe doet en waar ze kunnen blijven leren.
Maar zelfs die nieuwe plaats zal niet voor altijd dezelfde blijven. Technologie blijft veranderen, taken blijven verschuiven en wat vandaag houvast geeft, kan morgen opnieuw ter discussie staan. Mensen hebben dus ook een manier nodig om met die voortdurende beweging om te gaan, zonder telkens opnieuw alle houvast kwijt te raken. Dat gaat verder dan iedereen leren prompten. Vragen als wat ben ik nog waard, waar ben ik trots op, wat betekent mijn werk nog en waarop kan ik nog bouwen? hebben invloed op hoe we verandering ervaren en ermee omgaan.
En daarmee komen we bij het volgende deel van dit dossier rond ‘Versnelde verandering’: wat doet die voortdurende stroom van verandering eigenlijk met ons brein?
