De 70-20-10-regel voor AI-adoptie: besteed 70% van je aandacht aan mensen

De adoptie van AI gaat bij veel organisaties opvallend langzaam. Niet omdat de technologie er niet is. Niet omdat de tools te weinig kunnen. En meestal ook niet omdat bedrijven geen interesse hebben. Het probleem zit ergens anders.

AI-adoptie is geen puur technisch vraagstuk. Het is vooral een menselijk en organisatorisch vraagstuk. Het gaat over gedrag, vertrouwen, onzekerheid, nieuwsgierigheid, weerstand, vaardigheden en de vraag: wat betekent dit eigenlijk voor mijn werk? En juist daar gaat het vaak mis.

De verdeling is vaak verkeerd

Wat ik in organisaties regelmatig zie, is ongeveer deze verdeling:

• 70% van de tijd gaat naar het uitzoeken van AI-tools
• 20% van de tijd gaat naar data, processen en randvoorwaarden
• 10% of minder gaat naar het trainen en begeleiden van medewerkers

Dat klinkt misschien logisch. Je wilt eerst weten met welke tools je gaat werken, of de data op orde is, risico's beperken, beleid maken. Maar ondertussen ontstaat er een vreemde situatie.

De organisatie legt een werkplaats vol met elektrisch gereedschap, slimme machines, hamers, zagen, schroevendraaiers en spijkers. Alles ligt klaar. Alles kan veel. Alleen de mensen die ermee moeten werken, krijgen nauwelijks uitleg. Dan is het niet vreemd dat er weinig gebeurt.

De meeste medewerkers hebben geen idee wat AI echt kan

Na ongeveer 200 AI-trainingen durf ik wel te zeggen: de meeste medewerkers onderschatten AI enorm. Niet uit onwil. Niet omdat ze dom zijn. Maar omdat ze simpelweg nog niet goed hebben gezien wat AI in hun eigen werk kan betekenen.

Ze weten misschien dat ChatGPT teksten kan schrijven of dat je er iets mee kunt samenvatten. Maar ze zien vaak nog niet dat AI ook kan helpen bij:

• analyseren van documenten
• voorbereiden van gesprekken
• maken van rapportages
• bedenken van scenario's
• structureren van complexe informatie
• verbeteren van klantcommunicatie
• controleren van teksten
• ontwikkelen van ideeën
• versnellen van dagelijkse werkzaamheden
• ondersteunen van besluitvorming

Zolang medewerkers dat niet ervaren, blijft AI abstract. En abstracte technologie verandert geen gedrag.

Draai de verdeling om

Mijn pleidooi is simpel: draai die 70-20-10-verdeling om. Besteed niet 70% van je tijd aan tools en 10% aan mensen. Maak ervan:

• 70% mensen
• 20% data en randvoorwaarden
• 10% tools

Natuurlijk moet je goede keuzes maken in tooling. Natuurlijk moet je nadenken over veiligheid, privacy, data en beleid. Dat is belangrijk. Maar laat de keuze voor het gereedschap niet het grootste deel van het proces opslokken.

De echte adoptie gebeurt niet in de softwareselectie. Die gebeurt op de werkvloer. Daar waar mensen ontdekken: hé, dit kan mij echt helpen.

AI-adoptie vraagt om begeleiding

Medewerkers gaan niet vanzelf anders werken omdat er ergens een AI-tool beschikbaar is. Ze moeten worden meegenomen. Dat betekent:

• uitleggen wat AI wel en niet kan
• laten zien wat relevante toepassingen zijn
• onzekerheden serieus nemen
• twijfels bespreekbaar maken
• ruimte geven om te oefenen
• fouten toestaan
• voorbeelden gebruiken uit het eigen werk
• doelen stellen die begrijpelijk en haalbaar zijn

Veel organisaties willen meteen naar beleid, strategie en implementatie. Maar voordat je daar bent, moet je eerst zorgen dat mensen begrijpen waar ze het eigenlijk over hebben. Je kunt geen goede AI-strategie maken als de organisatie nog nauwelijks weet wat AI in de praktijk kan.

Begin met een ontdekkingstocht

Ik hoor vaak: 'Je moet beginnen met een strategie.' Daar zit waarheid in. Uiteindelijk moet AI gekoppeld worden aan doelen. Het begint niet met de tool, maar met het doel. Maar daar zit ook een spanningsveld: hoe kun je goede doelen stellen als je nog niet weet wat er mogelijk is?

Daarom vind ik het helemaal niet verkeerd als organisaties eerst een fase van ontdekking organiseren. Laat mensen experimenteren. Laat ze proberen. Laat ze spelen met tools. Laat ze ontdekken waar ze enthousiast van worden en waar ze juist vragen bij hebben. Noem het geen vrijblijvend geklooi. Noem het georganiseerde verkenning.

Pas daarna kun je scherper formuleren waar AI echt waarde toevoegt, welke processen geschikt zijn, welke risico's er zijn, welke tools nodig zijn, welke vaardigheden ontbreken en welke toepassingen prioriteit krijgen.

Breng mandaat en praktijkkennis bij elkaar

Een ander probleem dat ik vaak zie: de mensen met mandaat hebben niet altijd de meeste AI-kennis. En de mensen met de meeste praktische AI-ervaring hebben niet altijd mandaat. Dat is gevaarlijk, want dan krijg je twee werelden.

Aan de ene kant de directie, het management of IT, waar besluiten worden genomen. Aan de andere kant medewerkers op de werkvloer die al lang zien waar AI handig kan zijn. Die twee werelden moeten bij elkaar komen.

In trainingen vind ik het daarom waardevol als er niet alleen uitvoerende medewerkers aanwezig zijn, maar ook leidinggevenden of directieleden. Niet om de training zwaarder te maken, maar om hetzelfde gesprek te voeren. Wat leeft er op de werkvloer? Waar zijn mensen bang voor? Welke kansen zien medewerkers zelf? Zodra die gesprekken ontstaan, wordt AI geen abstract directieonderwerp meer. Dan wordt het een praktisch organisatiethema.

Richt een kleine AI-taskforce in

Een praktische stap is het samenstellen van een kleine AI-taskforce. Dat hoeft geen zware commissie te zijn. Sterker nog: maak het vooral niet te bureaucratisch. Kies drie of vier mensen uit de organisatie die:

• de interne processen goed kennen
• nieuwsgierig zijn naar AI
• contact hebben met verschillende afdelingen
• tijd en ruimte krijgen om toepassingen te onderzoeken
• bevindingen kunnen delen met collega's
• signalen uit de organisatie kunnen ophalen

Zo'n groep kan helpen om AI dichter bij de praktijk te brengen. Niet door van bovenaf te roepen welke tool iedereen moet gebruiken, maar door te kijken: waar zit de echte behoefte? Waar lopen mensen vast? Welke terugkerende taken kunnen slimmer? Een goede taskforce is geen speeltuinclubje en ook geen beleidsclub. Het is een brug tussen strategie en praktijk.

Maak het niet meteen te groot

Veel organisaties maken AI vanaf het begin te zwaar. Er komen stuurgroepen, beleidsdocumenten, toolvergelijkingen, risicoanalyses en uitgebreide plannen. Dat is begrijpelijk, maar het kan ook verlammend werken. Soms moet je gewoon beginnen.

Geef mensen een veilige omgeving. Geef ze duidelijke kaders. Geef voorbeelden. En laat ze vervolgens ontdekken. Als je iemand een hamer, een zaag en wat spijkers geeft, gaat die persoon vanzelf beter begrijpen wat je ermee kunt bouwen. Met AI werkt het net zo: pas wanneer mensen ermee werken, ontstaan de goede vragen.

Van spelen naar sturen

Experimenteren betekent niet dat je maar wat moet blijven doen. De volgorde is belangrijk: eerst ontdekken wat AI kan, dan bepalen waar het waarde toevoegt, daarna keuzes maken in tools, processen, beleid en training.

In het begin mag er ruimte zijn om te freewheelen, om te proberen, om fouten te maken, om verbaasd te raken, om toepassingen te vinden die je vooraf niet had bedacht. Maar daarna moet je gaan sturen: welke toepassingen leveren echt tijdwinst op? Welke verbeteren kwaliteit? Welke verlagen werkdruk? Welke brengen risico's met zich mee? Zo groeit AI-gebruik van losse experimenten naar volwassen adoptie.

De kern: AI-adoptie is mensenwerk

De grootste fout die organisaties kunnen maken, is denken dat AI-adoptie vooral gaat over de keuze voor de juiste tool. De tool is belangrijk. Data is belangrijk. Beleid is belangrijk. Maar mensen zijn doorslaggevend.

• Als medewerkers niet begrijpen wat AI kan, gebruiken ze het niet goed.
• Als ze onzeker zijn, vermijden ze het.
• Als ze geen voorbeelden krijgen, blijft het abstract.
• Als leidinggevenden het niet begrijpen, ontstaat er geen richting.
• Als de werkvloer niet wordt gehoord, mis je de beste toepassingen.

Daarom zou de 70-20-10-regel voor AI-adoptie wat mij betreft zo moeten zijn: 70% aandacht voor mensen, 20% aandacht voor data en randvoorwaarden, 10% aandacht voor tools. Niet omdat tools onbelangrijk zijn, maar omdat tools pas waarde krijgen als mensen ermee leren werken.

AI-adoptie begint niet met software. Het begint met begrip, vertrouwen en gedrag.