Thought leaders

De balans vinden tussen menselijke oordeelsvorming en uitvoering door AI

Joe Gagnon
Voeg Unite.AI toe aan je voorkeursbronnen op Google
A professional woman in a modern office environment interacting with a holographic interface displaying data nodes and collaborative icons above a tablet.
Belangrijkste puntenAI versnelt menselijk oordeel in plaats van het te vervangen, en vergroot wat één…
Meer weergeven
  • AI versnelt menselijk oordeel in plaats van het te vervangen, en vergroot wat één persoon van begin tot eind kan beheren.
  • Het grootste risico van zware afhankelijkheid van AI is het verliezen van het vermogen om te merken wanneer het stilletjes fout zit.
  • Leiders moeten teams herstructureren rond wie verantwoordelijk is voor resultaten, niet wie taken uitvoert, aangezien AI de uitvoering voor zijn rekening neemt.

Een van de grootste misverstanden over AI op dit moment is dat er een duidelijke, juiste balans bestaat tussen menselijke input en machinegedreven uitvoering. Dat is niet zo. We leren in real-time.

Wat belangrijk is, is niet het definiëren van een vaste verdeling, maar het begrijpen van welke rollen en beslissingen het beste geschikt zijn voor mensen versus AI, en bereid zijn om aan te passen als die lijn blijft veranderen. Van hoe werk gedaan wordt en wie verantwoordelijk is voor de resultaten, tot waar oordeelsvorming nog steeds nodig is, die balans is nog steeds in ontwikkeling.

De belangrijkere vraag voor leiders is niet alleen hoe ze AI kunnen gebruiken, maar hoe ze moeten denken over waar het past, waar het niet past, en welke risico’s er zijn als ze die balans verkeerd inschatten.

AI vervangt oordeelsvorming niet, maar versnelt die

Er is een veelvoorkomend verhaal dat AI het menselijk denken vervangt. In de praktijk zie ik het tegenovergestelde. AI versnelt oordeelsvorming; het verwijdert de behoefte eraan niet.

De basis is versterking van menselijke capaciteiten. Wanneer je de juiste mens combineert met de juiste AI-hulpmiddelen, maak je ze niet alleen sneller bij een enkele taak; je breidt het bereik van wat ze in zijn geheel op zich kunnen nemen uit.

In een softwarebedrijf, bijvoorbeeld, kan een productteam verder gaan dan alleen het schrijven van specificaties. Met AI kunnen ze ook bijdragen aan testen, documentatie en zelfs klantinteractie. De rol wordt niet kleiner, maar groter. De belasting neemt toe, maar ook de capaciteit.

Dat is waar de echte verschuiving plaatsvindt. Niet in het vervangen van mensen, maar in het herdefiniëren van wat één persoon realistisch van begin tot eind kan dragen.

Waar mensen nog steeds de leiding moeten nemen

Naarmate AI capabeler wordt, is de vraag niet of mensen betrokken blijven, maar waar ze het meest van belang zijn, en het duidelijkste onderscheid vandaag is tussen subjectief en objectief werk.

AI presteert goed in gebieden die objectiviteit vereisen: het analyseren van grote datasets, het behouden van consistentie, het verwerken van volume en het elimineren van vooroordelen. Mensen zijn daarentegen nog steeds beter in subjectieve beslissingen, vooral wanneer compromissen, uitzonderingen of nuances zijn betrokken.

Er zijn ook categorieën van werk die menselijk geleid moeten blijven omdat ze de onderneming zelf definiëren.

  • Waarden en culturele beslissingen
  • Klantgesprekken waarbij veel op het spel staat
  • Momenten waarop iets mis is gegaan
  • Elke situatie die verantwoordelijkheid vereist

AI kan een persoon voorbereiden op die momenten, maar het moment zelf behoort nog steeds toe aan een mens.

Verantwoordelijkheid voor het geheel is vooral moeilijk uit te besteden. Iemand moet achter een beslissing en het resultaat staan. Vandaag voelt dat nog steeds fundamenteel menselijk.

Dat gezegd hebbende, is niets van dit statisch. De lijn zal blijven veranderen, en leiders moeten bereid zijn om het opnieuw te bekijken als het bewijs verandert.

Waar AI vandaag duidelijk beter presteert dan mensen

Er zijn ook gebieden waar AI al op een betekenisvolle manier beter presteert dan mensen.

In de techniek veranderen tools als Cursor, Replit, Claude Code en Codex fundamenteel hoe software wordt gebouwd. Het niveau van prestaties dat deze systemen leveren is opmerkelijk.

AI blinkt uit in:

  • Het uitvoeren van grote hoeveelheden werk
  • Grootschalige data-analyse
  • Het behouden van consistentie over duizenden interacties
  • Werken zonder vermoeidheid of afleiding

In een verkoopcontext wordt dit vooral duidelijk. AI kan elke inkomende lead afhandelen, een consistente toon behouden over duizenden gesprekken en zonder vertraging opvolgen. Op grote schaal kan AI elke koper kwalificeren, diens gegevens vastleggen en contact onderhouden op een manier die het best presterende teamlid evenaart.

Die mate van consistentie is niets wat we van menselijke teams verwachten, ongeacht hoe getalenteerd ze zijn.

Hoe een door mensen geleid, door AI ondersteund werkproces er werkelijk uitziet

Het meest effectieve model dat nu naar voren komt, is niet dat AI werk vervangt; het is AI dat de manier waarop werk wordt verdeeld, verandert.

Het patroon dat lijkt te werken, is dit: mensen bepalen de richting en gebruiken hun oordeelsvermogen, terwijl AI grote volumes en het onthouden en terughalen van informatie afhandelt.

In de praktijk betekent dit: een verkoper begint zijn dag met AI die al inkomende leads heeft gekwalificeerd, gesprekscontext heeft vastgelegd en de kansen die echt menselijke aandacht vereisen, naar voren heeft gebracht. Aan de productzijde helpt AI bij het opstellen, testen en documenteren, terwijl mensen zich richten op architectuur en beslissingen over klanten.

Het doel is niet om werk van de mens te verwijderen. Het is om ervoor te zorgen dat de mens alleen het werk doet waarvoor hij echt nodig is. Al het andere wordt op de achtergrond afgehandeld, consistent en op grote schaal.

Dat gezegd hebbende, is dit model nog steeds in ontwikkeling. Wat vandaag geavanceerd lijkt, kan over een jaar onvolledig lijken. Dat is onderdeel van het proces.

De risico’s van te sterk vertrouwen op AI

Het grootste risico, zoals ik het zie, is dat je ophoudt met het opmerken wanneer het verkeerd is. AI is standaard zelfverzekerd. Het zal je een antwoord geven, of het nu goed is of niet. Zonder een mens die het domein begrijpt en de output bekijkt, kunnen bedrijven langdurig werken met wat effectief een stille fout is.

Het tweede risico is het verlies van institutionele kennis. Wanneer teams ophouden met het werk zelf te doen, verliezen ze de intuïtie die daaruit voortkomt. Als niemand luistert naar kwalificerende gesprekken, houden ze op te weten hoe kopers daadwerkelijk klinken. Na verloop van tijd maakt die afstand het moeilijker om te herkennen wanneer iets verkeerd is.

Het derde risico is meer cultureel en vaak onderbelicht. Bedrijven die te ver leunen op AI zonder een menselijk perspectief te behouden, kunnen hol gaan aanvoelen. Klanten merken het wanneer interacties hun authenticiteit verliezen, zelfs als alles technisch correct is.

De vraag is dus niet alleen hoeveel AI te gebruiken. Het is of de mensen in het bedrijf nog dicht genoeg bij het werk staan om te herkennen wanneer AI helpt en wanneer het schaadt. Er is nog geen duidelijke formule voor, en dat zal waarschijnlijk nog een tijdje niet het geval zijn.

Teams opnieuw inrichten rond resultaten, niet taken

Naarmate AI meer uitvoering op zich neemt, moeten leiders opnieuw nadenken over hoe teams zijn gestructureerd.

Gedurende decennia hebben we organisatiekaarten gebouwd op basis van wie wat doet. De SDR beoordeelt potentiële klanten. De AE sluit de verkoop. De CS-medewerker begeleidt klanten bij de start. AI gaat een groeiend deel van die taken voor zijn rekening nemen, dus de organisatiekaart op basis van taken gaat breken.

Wat nu telt, is wie verantwoordelijk is voor de resultaten.

Wie is verantwoordelijk voor de ervaring van de koper, van het eerste contact tot de contractverlenging? Wie is verantwoordelijk voor de productfeedbacklus? Wie is verantwoordelijk voor het vertrouwen van klanten in het bedrijf?

Bouw teams rond die verantwoordelijken, geef ze AI als hefboom, en laat ze beslissen waar menselijk werk gebeurt en waar het niet gebeurt.

De leiders die dit goed doen, zullen waarschijnlijk kleinere teams hebben die meer produceren, met medewerkers die werk doen dat ze echt betekenisvol vinden. De leiders die het verkeerd doen, zullen personeel blijven toevoegen aan een model dat daar geen behoefte meer aan heeft en zich afvragen waarom hun marges slechter worden in plaats van beter.

We bevinden ons nog in een vroeg stadium, en de leidraad wordt in real-time geschreven. Dit is minder een vast model en meer een richting die zal blijven evolueren. We proberen allemaal te begrijpen hoe we deze momenten kunnen navigeren, zo goed als we kunnen, en idealiter op een manier die menselijke systemen versterkt, in plaats van verzwakt.

Joe Gagnon is de CEO en mede-oprichter van Raynmaker, het eerste AI-native verkoopplatform voor kleine bedrijven. Een zesvoudig CEO, ultra-endurance atleet en auteur van Living Intentionally, Joe is gepassioneerd over het helpen van leiders om technologie te benutten zonder de menselijkheid te verliezen.