AI en menselijke oordeelsvorming: gedeelde betekenis in AI-gevormd werk

Wanneer antwoorden af zijn en denken naar de achtergrond verdwijnt

Als AI zich in het dagelijks werk nestelt, komen antwoorden sneller en in een meer afgewerkte vorm.

Dit kan enorm nuttig zijn, maar het verandert ook hoe en waar menselijke oordeelsvorming naar voren komt. Wanneer AI de vormgeving doet, kan de afstand tussen rommelig denken en gepolijste output kleiner worden, waardoor het moeilijker wordt om te zien of het werk eronder echt gedaan is.

In meer traditioneel werk werd oordeelsvorming meestal zichtbaar in het proces – in de manier waarop mensen een probleem formuleerden, opties bespraken of aannamen die ze als vanzelfsprekend beschouwden. Je kon de context horen worden vastgesteld, de intentie worden verduidelijkt, de aannamen worden getest onderweg. Als AI meer betrokken raakt bij de vormgeving van werk, wordt sommig van dat denken onzichtbaar. Wat overblijft is een overtuigende output, maar minder tekenen van wat het is gebouwd – of of het zou standhouden als je ernaar keek.

Zonder expliciete gedeelde betekenis kunnen leiders rechtstreeks van output naar actie gaan, bezig zijn met wat is geproduceerd in plaats van te onderzoeken waar het op rust.

Neem een vertrouwd scenario. Een manager vraagt om een kort voorstel met opties voor het verbeteren van de werkdruk van een gespannen team. Wat terugkomt is duidelijk, goed gestructureerd en overtuigend. Het noemt een verstandige richting en schetst zelfs de volgende stappen. Aan de oppervlakte is er niets duidelijk mis mee. Maar als het gesprek rechtstreeks naar goedkeuring of uitvoering gaat, kan iets belangrijks gemist worden. Er is geen gedeelde verkenning van wat de werkdruk van het team echt drijft, geen expliciete discussie over wat succes in deze situatie moet betekenen, en geen kans om de aannamen te testen waarop het voorstel afhankelijk is. Het werk ziet er afgewerkt uit. Maar tenzij iemand ernaar kijkt, is het moeilijk om te weten of het denken dat het zijn substantie geeft, echt heeft plaatsgevonden.

Denken weer naar voren brengen

Naar beneden kijken is niet hetzelfde als het werk ondervragen of naar verborgen fouten zoeken. Het is het denken weer naar voren brengen – het output weer verbinden met zijn context, de intentie expliciet maken en aannamen naar boven brengen die eerder hardop zouden zijn besproken. Niets van dit alles vraagt het waarde van het antwoord zelf in twijfel. Het geeft plausibele antwoorden gewoon iets solides om op te staan.

Wanneer dat menselijke werk niet gebeurt, treden de effecten meestal later op dan onmiddellijk. Beslissingen gaan verder, maar ze zijn gebouwd op dunne begrip. Teams voeren uit, maar met verschillende interpretaties van wat succes eigenlijk betekent. Problemen komen terug in enigszins gewijzigde vormen omdat de aannamen eronder nooit naar boven zijn gebracht of getest. Na verloop van tijd kan werk gaan aanvoelen als fragiel – het beweegt snel, maar het past zich niet goed aan als omstandigheden veranderen. Wat ontbreekt, is niet inspanning of intelligentie. Het is gedeelde betekenis. Het risico is niet snel bewegen met AI in de lus. Het is beslissingen nemen die niet goed zijn begrepen door de mensen die ze moeten uitvoeren.

Na verloop van tijd verandert deze verschuiving ook wat wordt beloond. Wanneer gepolijste outputs gemakkelijker naar voren komen dan gedeeltelijk gevormd denken, passen mensen zich aan. Ze leren dat duidelijkheid meer telt dan nieuwsgierigheid, en dat zekerheid verder reikt dan onderzocht oordeel – niet omdat leiders het expliciet vragen, maar omdat dat lijkt te werken. In die omstandigheden verdwijnt denken niet, het gaat alleen verder naar de achtergrond, waar het minder deelbaar is en moeilijker voor anderen om op te bouwen.

Dit is het punt waarop leiderschap het verschil maakt – niet door de verschuiving om te keren, maar door te vormen hoe werk verder gaat binnenin.

Leiders doen dit door hun teams actief vroeg in de zin te brengen – de voorwaarden te creëren voor gedeelde oordeelsvorming voordat AI de output begint te vormen.

Terugkerend naar het eerdere voorbeeld, het verschil ligt niet in het voorstel zelf, maar in hoe de leider erop reageert. In plaats van rechtstreeks naar goedkeuring te gaan, brengt de leider wat van het denken terug in het gesprek – door te vragen wat erachter de uitdagingen van het team zit, en naar boven te brengen eventuele onderliggende overwegingen. Het werk gaat nog steeds verder, maar het rust nu op gedeelde begrip in plaats van geïmpliceerde overeenstemming.

Hoe dit er in de praktijk uitziet

1. Context wordt collectief vastgesteld voordat oplossingen worden gevormd.

Leiders creëren ruimte voor teams om te noemen wat er echt gebeurt – de druk, beperkingen, geschiedenis en realiteiten die ertoe doen, zodat elke AI-geactiveerde output wordt overwogen tegen een gedeelde voorstelling van de situatie.

2. Intentie wordt samen overeengekomen, niet afgeleid na de feiten.

Leiders zorgen ervoor dat teams werken aan wat het meest telt in deze situatie – de specifieke veranderingen die nodig zijn, welke compromissen acceptabel zijn, en wat “goed” echt betekent – voordat het werk vorm begint te krijgen.

3. Aannamen worden naar boven gebracht en als groep doorgewerkt.

Leiders maken het normaal voor teams om te onderzoeken wat als waar wordt aangenomen, wat afhankelijk is van die aannamen, en waar onzekerheid nog steeds zit, zodat beslissingen gedeelde oordeelsvorming worden.

4. AI-gevormde outputs worden behandeld als gedeeld materiaal voor oordeelsvorming.

Een duidelijk, samenhangend antwoord eindigt het gesprek niet. Leiders zorgen ervoor dat outputs terug naar de groep worden gebracht om te worden geïnterpreteerd, getest en aangepast – zodat zin gebeurt in de kamer, in plaats van te worden afgeleid van een AI-geactiveerde output

Samen genomen, wijzen deze vier bewegingen op een bredere verschuiving in hoe leiderschapsoordeelsvorming nu moet functioneren.

Uiteindelijk gaat dit niet over leiders die meer denken doen. Het gaat over het erkennen dat, wanneer werk snel wordt gevormd, het denken dat het zijn substantie geeft – het werk eronder – niet langer vanzelf naar voren komt. Veel ervan verdwijnt naar de achtergrond, verborgen achter outputs die compleet klinken.

Door dat denken vroeg naar voren te brengen, voordat AI het meeste van de vormgeving doet, kunnen leiders ervoor zorgen dat vooruitgang is gebouwd op begrip in plaats van momentum. Dat is waar de echte waarde van menselijke oordeelsvorming ligt: niet in concurreren met de snelheid van AI, maar in het doen van het werk eronder dat zijn outputs betekenis, richting en duurzaamheid in de echte wereld geeft.