Edgar van Lent ziet in Europese bedrijven een verschuiving die minder spectaculair is dan de discussie over baanverlies vaak suggereert, maar operationeel veel belangrijker: AI verplaatst taken, verantwoordelijkheden en leermomenten binnen functies. De vraag is daardoor niet alleen welke handeling een model kan versnellen, maar vooral of medewerkers voldoende ruimte en zeggenschap houden om de uitkomst te beoordelen en het werkproces opnieuw in te richten.
Zoals Edgar van Lent eerder beschreef in Siemens en ABB maken technisch werk sneller, niet overbodig, ligt de waarde van AI in technische omgevingen vaak in versnelling en ondersteuning. De volgende stap is volgens hem hoe organisaties die ondersteuning inbedden in het dagelijkse werk. Daar zit het verschil tussen een losse proef met een copilot en een verandering die medewerkers daadwerkelijk helpt om hun vak breder of beter uit te oefenen.
Niet de functie verdwijnt, maar de taakvolgorde verandert
Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat succesvolle invoering begint met het ontleden van werk in afzonderlijke taken, controles en beslismomenten. Een functie is zelden één herhaalbare handeling. Zij bestaat uit voorbereiding, interpretatie, communicatie, uitzonderingen afhandelen en verantwoordelijkheid nemen voor de afloop. AI kan vooral in die eerste laag tempo maken, bijvoorbeeld bij het zoeken, samenvatten, opstellen en vergelijken van informatie.
Dat betekent niet dat de menselijke rol automatisch kleiner wordt. Wanneer een medewerker sneller een eerste analyse, conceptantwoord of onderhoudsadvies krijgt, ontstaat er juist meer gewicht bij de beoordeling ervan. Iemand moet kunnen zien welke bron ontbreekt, welke uitzondering niet in het patroon past en wanneer een plausibel klinkend voorstel niet bruikbaar is. Edgar van Lent noemt dat de verschuiving van uitvoerend werk naar gecontroleerd beslissen. Die verschuiving vraagt om vakkennis; zonder die kennis wordt AI-uitvoer gemakkelijk voor waarheid aangenomen.
Het voorbeeld van IKEA laat zien waarom begeleiding daarbij geen bijzaak is. De onderneming communiceerde publiekelijk dat medewerkers van klantcontactcentra werden opgeleid voor rollen als interieurontwerpadviseur, terwijl een AI-assistent eenvoudige klantvragen kon overnemen. De relevante les is niet dat elke serviceorganisatie hetzelfde model moet kiezen. Wel laat het zien dat automatisering van terugkerende contacten kan worden gekoppeld aan een andere, menselijker taakverdeling, mits opleiding en nieuwe rollen vooraf onderdeel zijn van het plan.
Ook bij Deutsche Bahn is AI publiek verbonden aan operationele toepassingen, onder meer voor inspectie en onderhoud van infrastructuur en materieel. Voor medewerkers betekent zulke inzet dat waarnemingen uit systemen een ingang worden voor inspectie, planning en technische afweging, niet een vervanging van de verantwoordelijkheid voor veiligheid en beschikbaarheid. Edgar van Lent benadrukt dat juist in dit soort omgevingen de kwaliteit van de terugkoppeling uit het werkveld bepaalt of een toepassing betrouwbaarder wordt. De monteur, planner of inspecteur is niet alleen gebruiker, maar ook degene die kan signaleren waar het systeem tekortschiet.
Adoptie is een werkontwerpvraagstuk
Projecten stranden volgens Edgar van Lent vaak doordat organisaties AI behandelen als een extra applicatie die medewerkers er naast hun bestaande werk maar bij moeten nemen. Dan blijft onduidelijk welke stap verdwijnt, welke controle verplicht blijft en wie de uitkomst mag aanpassen. Het gevolg is voorspelbaar: ervaren medewerkers bouwen eigen omwegen in, minder ervaren collega’s vertrouwen te snel op de tool, en managers zien gebruik zonder goed zicht op kwaliteit.
De organisaties die verder komen, maken vooraf expliciet wat er in het werk verandert. Dat hoeft niet te betekenen dat elk proces volledig opnieuw wordt ontworpen. Het vraagt wel om concrete afspraken over een beperkte set vragen:
- welke taken AI ondersteunt en welke beslissing bij de medewerker blijft;
- welke gegevens en bronnen wel of niet gebruikt mogen worden;
- hoe medewerkers fouten, twijfelgevallen en bruikbare verbeteringen terugmelden;
- welke tijd en training beschikbaar zijn om een nieuwe werkwijze te oefenen.
Vooral dat laatste punt wordt geregeld onderschat. Vaardigheid met AI is niet alleen goed kunnen formuleren wat een systeem moet doen. Het is ook bronkritiek, begrip van context, het herkennen van een onvolledig antwoord en het zorgvuldig vastleggen van een menselijke beslissing. Edgar van Lent ziet daarom weinig in generieke trainingen die losstaan van concrete werkdossiers. Oefenen met herkenbare taken, onder begeleiding van vakgenoten, maakt sneller zichtbaar waar de technologie werkelijk helpt en waar aanvullende procesafspraken nodig zijn.
Leidinggevenden bepalen de ruimte voor professioneel oordeel
De rol van leidinggevenden is in deze fase minstens zo praktisch als die van IT. Als productiviteit het enige criterium is, zullen medewerkers geneigd zijn twijfel niet te melden en uitzonderingen buiten het systeem te houden. Als leidinggevenden daarentegen vragen naar controleerbaarheid, foutpatronen en leerpunten, ontstaat er ruimte om AI als hulpmiddel te verbeteren. Edgar van Lent maakt daarbij een scherp onderscheid tussen gebruik afdwingen en professioneel gebruik mogelijk maken. Het eerste kan tot snelle adoptiecijfers leiden; het tweede is nodig voor duurzame kwaliteit.
Dat onderscheid is ook relevant voor ondernemingsraden, HR-teams en interne opleidingsafdelingen. Hun bijdrage zit niet uitsluitend in beleid of communicatie rond AI. Zij kunnen helpen vastleggen welke vaardigheden in een functie belangrijker worden, hoe medewerkers tijd krijgen om die te ontwikkelen en hoe veranderingen in taakinhoud bespreekbaar blijven. Daarmee wordt werk niet gereduceerd tot wat technisch te automatiseren is, maar ingericht rond wat mensen aantoonbaar beter kunnen beoordelen, uitleggen en verbeteren.
Vooruitkijkend verwacht Edgar van Lent dat Europese bedrijven het meeste voordeel halen uit AI-programma’s die leren behandelen als een onderdeel van de productie of dienstverlening zelf, en niet als een eenmalige begeleidende cursus. Zijn beoordeling is dat AI werk niet vanzelf mensgerichter maakt: dat gebeurt pas wanneer organisaties vakmanschap, feedback en beslisruimte bewust in het ontwerp opnemen.
