Evolueer verder dan “Workslop” met praktische, mensgerichte AI

Het “AI-slop” probleem heeft de afgelopen jaren veel culturele aandacht en media-aandacht gegenereerd, omdat het gebruik van LLM’s en andere AI-inhoudsgeneratoren blijft stijgen. Mensen merken het als er lage kwaliteit afbeeldingen en ondermaatse proza in hun sociale feeds verschijnen.

Dankzij AI-slop zijn we nu minder geneigd om advertentie-inhoud te vertrouwen die we vermoeden AI-gegenereerd is, zelfs als dat niet zo is, en lezers pikken de kenmerkende tekenen van LLM-gegenereerde inhoud op, zoals het overmatig gebruik van em-streepjes. Helaas is “workslop” nu ook een ding.

Wat is Workslop, en waarom zouden financiële leiders zich daar zorgen over maken?

Elke CFO weet de frustratie van het najagen van een budgetvariatie of uren spenderen aan het verklaren van onverwachte afwijkingen. In het huidige ondernemingslandschap is de belofte van AI overal, maar ook een nieuwe productiviteitsmoordenaar: workslop.

Workslop is het automatiseringsbijproduct dat er gepolijst uitziet, maar geen inhoud, context of nut heeft. Het is het artikel dat vol em-streepjes staat, maar je niets nieuws leert; het generieke rapport dat meer vragen oproept dan het beantwoordt; de goedkeuringsworkflow die frictie in plaats van duidelijkheid creëert. Het is de AI-gegenereerde inhoud die financiële teams ertoe dwingt meer werk te doen, niet minder.

Workslop wordt meestal geassocieerd met slechte inhoudskwaliteit. Het devalueert het merk, is minder betrouwbaar en geeft de boodschap af dat mensen zijn gestopt met opletten. Maar als workslop een invloed heeft op bedrijfsapplicaties zoals het ERP, wordt het nog meer een drain op productiviteit en vertrouwen.

Workslop ontstaat wanneer AI-systemen output genereren zonder voldoende menselijke input, context of toezicht. Voor financiële leiders betekent dit dat ze waardevolle tijd besteden aan het verduidelijken, corrigeren of opnieuw werken aan wat geautomatiseerd had moeten worden.

Het resultaat? Verloren efficiëntie, verminderd vertrouwen in automatisering en een financiële functie die vastzit in reactieve modus. U denkt misschien dat uw organisatie niet genoeg in AI investeert om door workslop te worden beïnvloed, maar het is er al.

Een recent HuffPost-artikel citeerde een Stanford University-studie die aantoonde dat meer dan de helft van de werknemers zegt dat ze workslop op het werk zijn tegengekomen. Naast het irriteren van de getroffen werknemers, bedreigt workslop de sleutelverkoopargument voor het integreren van AI in de werkplek: grotere productiviteit met uitzonderlijke kwaliteit.

Het goede nieuws is dat u workslop kunt minimaliseren of zelfs elimineren met een praktische, mensgerichte benadering van AI. Hier is een kijk op de huidige staat van het workslop-probleem, hoe een meer doordachte toepassing van AI-technologie in de werkplek eruit kan zien en enkele tips voor het bereiken van een agile, iteratieve AI-implementatie.

Wat als Workslop geen probleem is, maar eerder een eerste concept?

Laten we het onder ogen zien — het is bijna 2026, en AI is een spannend product. Het heeft een enorm potentieel om tijd te besparen en productiviteit te verbeteren, dus mensen zullen het gebruiken, of hun werkgever het nu aanmoedigt om de technologie te adopteren of niet. De vraag is, zullen ze het toepassen met de juiste training en inspanning die nodig is om de beste resultaten te behalen?

Workslop gebeurt wanneer de gebruiker AI niet voldoende of goed gestructureerde input geeft. Om de beste resultaten met AI te behalen, moet u de conversatie gaande houden. U moet uw prompt herschrijven of uw behoeften verfijnen. Dit heen-en-weer-proces introduceert meer context en feedback en helpt u om bij een beter resultaat uit te komen.

Ik ontdekte dit uit de eerste hand toen ik een AI-prompt creëerde die ik had bedacht als een eind-van-de-dag-ritueel om mijn to-do-lijst bij te werken door onbeantwoorde e-mails samen te vatten en toezeggingen die ik had gedaan te markeren. Het klonk als een geweldig idee, maar de oorspronkelijke versie was te overbodig en te zwaar om van enig praktisch nut te zijn.

Het kostte veel verfijning, feedback en coaching van de LLM om tot een voorspelbaar en praktisch resultaat te komen. Het vereiste dat ik duidelijk was over mijn behoeften, informatie-verwerkingsstijl en aandachtsspanne om een resultaat te krijgen dat werkte.

Het zou redelijk zijn om mijn eerste concept “workslop” te noemen, maar door verfijning kreeg ik een bruikbaar AI-hulpmiddel. Maar wat als ik was gestopt bij de eerste iteratie en had vastgehouden aan de minder gebruikersvriendelijke eerste versie? Had ik dat gedaan, dan zou ik te maken hebben gehad met workslop dat productiviteit zou hebben gehinderd.

Vermeerder dat uit over meer complexe processen met meerdere partijen, en u kunt gemakkelijk zien hoe AI met de beste bedoelingen workslop kan worden — tenzij u de training, volharding en gronding heeft om het effectief te maken.

Er is geen twijfel dat AI echt waarde kan toevoegen. Maar als leiders moeten we ervoor zorgen dat werknemers de know-how, ondersteuning en coördinatie hebben om te slagen, en rapporten van werkplekken op de voorste linie geven aan dat er nog veel werk te doen is.

Wat is een mensgerichte benadering van AI, en hoe kom je daar?

Wat is een mensgerichte benadering van AI? En hoe kan een praktische weg leiden tot betere resultaten als AI in workflows wordt geïntegreerd?

Voor AI-voorstanders in de werkplek is een goed startpunt om te erkennen dat het doel niet is om mensen te vervangen. Het is om frictie te verminderen en onze intelligentie te versterken door de mens te begrijpen: hun behoeften, hun dagelijkse irritaties, hun oordeel en hun doelen.

Er zijn twee lessen hier om mensgerichte, kwaliteits-AI naar de werkplek te brengen. Ten eerste, voor uw teams die met generatieve AI werken, moet u ervoor zorgen dat ze de training en de tijd hebben om betere resultaten te behalen met sterke context en verfijning.

Voor de systemen die u kiest die AI-mogelijkheden bieden, moet u ervoor zorgen dat uw technologiepartners uw teams echt begrijpen. Dat betekent dat ze hun dagelijkse operationele omgeving begrijpen, wat werkt en wat nog steeds frustrerend is.

Wat ziet mensgerichte AI eruit in de werkplek?

AI kan op zichzelf worden toegepast om mensen hun werk gemakkelijker te maken of worden gebruikt om oude technologieën te versterken die irritante gaten in workflows achterlaten. Neem bijvoorbeeld Optical Character Recognition (OCR)-technologie. Het converteert afbeeldingen van tekst naar leesbare, doorzoekbare tekst en is al jaren gebruikt om taken zoals het invoeren van papieren bonnen of facturen in uitgave-rapportage-software te vereenvoudigen.

Maar zoals iedereen die regelmatig OCR gebruikt weet, werkt het niet altijd zoals geadverteerd. Misschien hebt u die foto van een bon op een trein genomen, en de bon was gebogen, waardoor informatie werd verborgen. Misschien is de factuur geschreven in iemands onleesbare handschrift. Misschien is de datum in Europees formaat, en het systeem herkent alleen het Amerikaanse formaat.

Er zijn ontelbare redenen waarom OCR de gegevens niet correct kan vertalen. Het is een beperkte technologie. Het integreren van een meer geavanceerde technologie zoals AI kan die gaten sluiten en eindelijk de irritatie van het handmatig invoeren van die cijfers elimineren.

Dat is alleen het begin van wat mensgerichte AI mogelijk kan maken. Gezien de mogelijkheden van AI, kunnen nieuwe toepassingen veel meer doen om frictie op het werk te verlichten. Bijvoorbeeld, met de juiste prompts en zorgvuldige historische transactiegegevenspatroonherkenning, kan AI context toevoegen aan een factuur buiten de velden op de pagina door kostenplaats, projectinformatie en meer via context gericht op de mens die het gebruikt.

Mensgerichte AI kan ook werkplekfrictie verlichten door taken naar mensen buiten systemen zoals het bedrijfs-ERP te brengen. De meeste mensen hebben een baan die niet in het ERP-systeem leeft, maar ze moeten inloggen (en andere systemen) om specifieke taken uit te voeren, zoals het goedkeuren van tijdschriften of werknemersaanvragen.

Wat als een AI-agent die taken naar de persoon zou brengen, samen met de relevante context die ze nodig hebben, om een beslissing te nemen in een programma dat ze al gebruiken? Dat zou processen in beweging houden en werknemers meer gefocust houden. Mensgerichte AI van dit type kan niet-waarde- toevoegende taken zoals gegevensinvoer en inloggen op meerdere systemen elimineren.

Hoe transformeert mensgerichte AI financiële functies?

Een agile, iteratieve benadering van AI is al financiële functies op significante wijze aan het transformeren. Wanneer financiële professionals diep in spreadsheets en analyses zitten, kan het moeilijk zijn om het verhaalvertellende deel van de hersenen te schakelen; dus waarom niet een AI-agent bouwen om context te bieden?

Voorbeeld: afwijkingen en anomalieën zijn een chronische irritatie voor financiële professionals, en AI kan de slack oppakken door context te bieden om spikes in bedrijfsuitgaven te verklaren. Een goed ontworpen agent kan potentiële problemen signaleren voordat de financiële analist door alle spreadsheets heen moet om de variaties te ontdekken.

Evenzo kan agile, iteratieve AI anomalieën signaleren voordat ze opkomen in de HR-ruimte. Wanneer er een variatie is in het loon na een loonronde en een werknemer het vraagt, moet iemand op het HR-team alles laten vallen en een forensische analyse uitvoeren om de reden voor het verschil te ontdekken. Dat is een echte uitdaging voor drukke teams.

Een zorgvuldig ontworpen AI-agent kan afwijkingen signaleren voordat werknemers worden beïnvloed, de afwijking markeren en context bieden aan HR-beslissers waar ze zijn. Op deze manier blijft het focus van teamleden gericht op het maximaliseren van productiviteit in plaats van branden te blussen, en operaties verlopen soepeler.

Frictie en workslop elimineren: DIY-agents of vendor-AI?

De beste manier om workslop te vermijden en echt waarde uit AI te halen is om manieren te vinden om de dagelijkse dosis irritaties te verminderen die we allemaal in ons werk tegenkomen door taken aan te pakken die geen waarde toevoegen. Voor sommige werknemers, waaronder veel financiële en HR-rollen, is het invoeren van gegevens in een systeem een irritatie die vaak kan worden geëlimineerd via zorgvuldige automatisering.

Voor mensen die inhoud creëren, is typen deel van de baan, maar het effectief gebruiken van AI vereist training, samenwerking en beleid dat werknemers helpt om prompts te maken die zinvolle inhoud genereren en geen downstream-werk voor collega’s creëren.

Voor werkautomatisering zal de juiste oplossing variëren per rol en industrie, maar leiders die AI in de werkplek integreren, zullen vaak moeten beslissen of ze agents zelf moeten creëren of een out-of-the-box AI-oplossing van een leverancier moeten verkrijgen.

Voor bedrijven met robuuste IT-middelen, waaronder onbeperkte toegang tot AI-expertise of een systeemintegrator in dienst, zijn de mogelijkheden eindeloos. In dat geval kan een leverancier die agent-opbouwtechnologie levert die klanten gebruiken om AI-oplossingen rechtstreeks te maken, werken.

Maar veel bedrijven hebben geen toegang tot die middelen, en zelfs als ze dat wel hebben, kan workslop snel een probleem worden als mensen proberen hun eigen AI-agents te bouwen zonder de juiste training en middelen om valkuilen te vermijden.

Beveiliging is een andere kritieke overweging. Houd er rekening mee dat mensen AI zullen gebruiken, punt. Dat betekent dat het de taak van de leider is om ervoor te zorgen dat werknemers het veilig en transparant gebruiken — en zonder chaos te introduceren.

Wat moet u overwegen bij het selecteren van leveranciers?

Voor veel bedrijven is een AI-geactiveerd systeem van een leverancier een goede optie, maar onthoud dat niet alle producten gelijk zijn gemaakt. De beste manier om workslop te vermijden en echt waarde uit AI te halen is om een systeem te vinden dat u zo goed mogelijk kent.

Bijvoorbeeld, als uw doel is om operaties te verbeteren met een AI-geactiveerd ERP-systeem, overweeg dan de volgende vragen voor potentiële leveranciers:

• Elimineert het product de frictie die uw werknemers het vaakst tegenkomen?
• Lost het de moeilijkste problemen op die uw werknemers tegenkomen?
• Kan het verschillende niveaus van expertise binnen uw organisatie aan?
• Houdt het mensen in de lus en zorgt het voor verantwoording en transparantie?

Of u nu een systeem gebruikt om inhoud te genereren, workflows te automatiseren of vragen te beantwoorden, de kwaliteit van uw resultaten hangt af van hoe goed het systeem uw context kent. Vraag uw technologiepartners hoe hun AI-oplossingen de mens centraal stellen en echte waarde leveren.

Is Workslop onvermijdelijk?

Ongeacht wie uw leverancier is en of u uw eigen agents bouwt of een oplossing gebruikt die frictie via out-of-the-box-automatisering elimineert, het is aan u als leider om ervoor te zorgen dat AI veilig, transparant en waarde toevoegt.

Houd er rekening mee dat mensgerichte AI niet alleen wordt gedefinieerd door of het echte problemen oplost en mensen hun werk gemakkelijker maakt. Praktische, mensgerichte AI houdt ook mensen in de lus, omdat wij uiteindelijk verantwoordelijk zijn voor de resultaten.

Workslop mag een onvermijdelijke fase van AI-evolutie zijn, maar het hoeft geen permanente eigenschap van uw financiële functie te zijn. Door mensen centraal te stellen in de lus, te investeren in training en leveranciers te kiezen die uw bedrijfscontext begrijpen, kunnen CFO’s nieuwe niveaus van productiviteit en strategische waarde uit ERP-systemen ontgrendelen.

De volgende golf van ERP-innovatie zal worden aangedreven door AI die uw bedrijf zo goed begrijpt als u zelf en in staat is om inzichten te leveren, routine-taken te automatiseren en financiële leiders in staat te stellen zich te concentreren op wat het meest telt.

De toekomst van financiën is context-rijk, agile en mensgericht. U verdient tools die u vandaag kunt gebruiken om naar morgen te gaan, en u kunt verder gaan dan workslop met praktische, mensgerichte AI om die bestemming te bereiken.