Edgar van Lent ziet de discussie over AI en werk te vaak blijven steken in de vraag welke functies verdwijnen. Volgens hem is een bruikbaarder vertrekpunt welke taken veranderen, wie het oordeel houdt en hoe medewerkers tijdig leren om met nieuwe hulpmiddelen te werken. Juist daar ligt volgens Edgar van Lent het verschil tussen een proefproject dat op afstand blijft staan en een toepassing die onderdeel wordt van het dagelijkse vakwerk.

De inzet van AI in Europese bedrijven verschuift steeds vaker van losse automatisering naar ondersteuning binnen bestaande processen. Dat betekent niet dat de organisatie alleen nieuwe software aanschaft. Zij moet ook bepalen welke kennis medewerkers zelf blijven opbouwen, wanneer een uitkomst moet worden gecontroleerd en welke verantwoordelijkheid niet aan een model kan worden overgelaten. Voor Edgar van Lent is die arbeidsorganisatie belangrijker dan de vraag of een toepassing technisch indrukwekkend is.

Niet de functie, maar de taakverdeling verandert

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat AI werk vooral verandert wanneer bedrijven de grens tussen voorbereiding, uitvoering en professionele beoordeling opnieuw ontwerpen. Een assistent kan informatie ordenen, patronen signaleren of een eerste voorstel formuleren. De medewerker blijft nodig om de context te begrijpen, uitzonderingen te herkennen en gevolgen voor klanten, veiligheid of kwaliteit af te wegen.

Dat onderscheid is zichtbaar in de verzekeringssector. De Zwitserse verzekeraar Zurich heeft publiek gemaakt dat AI wordt toegepast in onder meer schadeprocessen en documentverwerking. Zulke toepassingen kunnen medewerkers helpen relevante informatie sneller bijeen te brengen of routinematige handelingen te beperken. De uiteindelijke behandeling van een claim vraagt echter nog altijd om vakkennis, interpretatie van polisvoorwaarden en een zorgvuldig oordeel over individuele omstandigheden. AI neemt het voorbereidende werk deels over, maar verandert daarmee ook wat de behandelaar moet kunnen: minder tijd besteden aan zoeken en overtypen, meer tijd aan beoordeling, uitleg en uitzonderingafhandeling.

Volgens Edgar van Lent is dat geen detail in de implementatie, maar de kern van de businesscase. “Wie AI invoert om alleen handelingen weg te nemen, onderschat dat werk uit samenhangende taken bestaat,” beoordeelt hij. “De winst wordt duurzamer wanneer een bedrijf bewust vastlegt welk oordeel bij de professional blijft en die professional ook beter toerust voor dat nieuwe werk.”

Daarmee bouwt deze ontwikkeling voort op wat Edgar van Lent eerder beschreef in “Siemens en ABB maken AI-assistenten onderdeel van technisch vakwerk”: een hulpmiddel krijgt pas waarde als het aansluit op de feitelijke werksituatie. De volgende stap is niet nóg een assistent toevoegen, maar medewerkers invloed geven op de manier waarop taken, controles en leerpaden worden aangepast.

Leren moet dicht bij het proces plaatsvinden

Bij SAP is generatieve AI met Joule ingebed in zakelijke software voor onder meer finance, inkoop, HR en klantprocessen. Voor gebruikers ligt de verandering daarom niet alleen in een chatvenster, maar in de dagelijkse werkstroom: vragen stellen over informatie in een systeem, een samenvatting laten voorbereiden of een voorstel laten genereren. SAP koppelt die ontwikkeling publiekelijk aan scholing en aan richtlijnen voor verantwoord gebruik van AI.

Edgar van Lent ziet hierin een relevante les voor andere Europese ondernemingen. Algemene introductietrainingen zijn nuttig om basisbegrippen, privacy en risico’s uit te leggen, maar zij maken een medewerker nog niet bekwaam in een veranderde taak. Een inkoper moet bijvoorbeeld leren welke broninformatie een AI-voorstel nodig heeft, hoe een uitkomst op leveranciersvoorwaarden wordt getoetst en wanneer het onverstandig is om een samenvatting als volledig dossier te behandelen. Een HR-professional moet kunnen onderscheiden tussen administratieve ondersteuning en beslissingen waarvoor menselijke zorgvuldigheid, gelijke behandeling en vertrouwelijkheid centraal staan.

De succesvolle aanpak organiseert leren volgens Edgar van Lent daarom rond echte werksituaties. Teams moeten met eigen documenten, eigen uitzonderingen en eigen kwaliteitscriteria oefenen, binnen duidelijke grenzen voor gegevensgebruik. Daarbij zijn leidinggevenden geen toeschouwers. Zij moeten ruimte maken om werkwijzen te vergelijken, fouten bespreekbaar te maken en te voorkomen dat medewerkers AI alleen gebruiken in verborgen, ongecontroleerde routes.

Dat vraagt ook om een andere blik op weerstand. Medewerkers die vragen stellen over bronvermelding, foutgevoeligheid of de invloed op verantwoordelijkheden vertragen niet per definitie de vernieuwing. Vaak maken zij zichtbaar waar een proces nog niet goed genoeg is ingericht. Edgar van Lent noemt die signalen waardevolle ontwerpinput: zij laten zien waar instructies ontbreken, waar data niet betrouwbaar genoeg zijn of waar een model te veel autonomie krijgt.

Drie voorwaarden voor vakmanschap met AI

Bedrijven die medewerkers willen meenemen, hoeven niet te wachten op een volledig uitgewerkt eindbeeld. Wel moeten zij vanaf het begin drie zaken combineren:

  • een helder doel per taak, zodat medewerkers weten welk probleem AI wel en niet oplost;
  • praktische opleiding en begeleiding in het eigen werkproces, inclusief controle van uitkomsten;
  • expliciete menselijke verantwoordelijkheid voor besluiten met gevolgen voor klanten, collega’s, veiligheid of naleving.

De volgorde is van belang. Wanneer een onderneming eerst een hulpmiddel uitrolt en pas later nadenkt over rollen, kwaliteit en opleiding, ontstaat een kloof tussen de formele werkwijze en het feitelijke gebruik. Medewerkers zoeken dan zelf naar efficiënte routes, terwijl managers onvoldoende zicht houden op fouten, gegevensstromen en afwijkende uitkomsten. Dat maakt opschaling juist moeilijker.

Edgar van Lent benadrukt dat vakmanschap door AI niet automatisch verdwijnt, maar wel zichtbaarder moet worden gemaakt. Ervaren medewerkers beschikken vaak over impliciete kennis: zij herkennen onvolledige gegevens, weten welke vraag aan een klant nodig is of zien dat een voorstel op papier logisch klinkt maar operationeel niet werkt. Organisaties die die kennis betrekken bij het ontwerpen en toetsen van AI, vergroten de kans dat een hulpmiddel het werk versterkt in plaats van standaardiseert op het laagste niveau.

Van acceptatie naar professionele zeggenschap

De komende fase draait volgens Edgar van Lent minder om acceptatie van AI als technologie en meer om professionele zeggenschap over de toepassing ervan. Europese bedrijven die medewerkers betrekken bij taakontwerp, oefening en kwaliteitscontrole, kunnen AI gebruiken om voorbereiding te versnellen zonder het menselijke oordeel uit het proces te halen. Zijn beoordeling is dat juist die combinatie van duidelijke kaders en ruimte voor vakkennis bepaalt welke projecten beklijven: niet de belofte van vervanging, maar de kwaliteit van het vernieuwde werk.