Data en AI inzetten zonder geletterdheid is gevaarlijk leiderschap

Een paar maanden geleden zat ik met een CHRO aan tafel. Hij vroeg me of het aantal deelnemers aan hun medewerkersonderzoek wel groot genoeg was om representatief te zijn. Op zich een goede vraag, maar hij illustreert ook een veelvoorkomende verwarring: representativiteit en omvang worden regelmatig door elkaar gehaald.

“De misverstanden beperken zich niet tot data en statistiek. Ook rond AI zie ik dezelfde patronen”

Representativiteit gaat over de mate waarin je steekproef een afspiegeling vormt van de populatie. Omvang gaat vooral over de nauwkeurigheid en betrouwbaarheid van je resultaten. Het zijn twee heel verschillende concepten, maar ze worden in de praktijk geregeld door elkaar gehaald.

Kleine misverstanden, grote gevolgen

Ik herinner me een ander gesprek met een HR-analist. Hij vertelde me enthousiast dat hij een reeks toetsen had uitgevoerd om te kijken of de verschillen tussen twee groepen medewerkers in de kwaliteit van hun werk significant waren. Het klonk indrukwekkend, tot ik vroeg met welke data hij werkte. Zijn antwoord: data van alle medewerkers.

En daar ging het mis. Want als je alle medewerkers meeneemt, hoef je geen toetsen meer te doen. Alles wat je meet is dan gewoon een feit. Je hoeft dus niet in te schatten of het verschil misschien wel of niet significant is. Het ís gewoon echt.

Het lijkt misschien een technisch detail, maar het kan grote gevolgen hebben. In dit geval leidde het ‘ontbreken van significante verschillen’ tot het opstarten van een groot (en duur) programma, waarvan de toegevoegde waarde op z’n minst discutabel was. En dat is geen detail. Het bepaalt hoe je data interpreteert en hoe je de uitkomsten vertaalt naar beleid en actie.

Van statistiek naar AI: nog meer verwarring

Deze misverstanden beperken zich niet tot data en statistiek. Ook rond AI zie ik dezelfde patronen. Zo sprak ik onlangs een bestuurder die overtuigd was dat ChatGPT een ‘agent’ is. Dat klinkt aannemelijk, maar klopt niet. ChatGPT is een chatbot, een stukje software dat gesprekken met mensen voert via tekst of spraak. De software draait op een onderliggend taalmodel. Een agent daarentegen is een systeem dat zelfstandig taken uitvoert en keuzes maakt, vaak in interactie met andere systemen.

Het verschil lijkt klein, maar is cruciaal. Wie verantwoordelijk is voor investeringen, ethiek en governance moet weten of je te maken hebt met een tool die tekst genereert, of met een systeem dat daadwerkelijk actie onderneemt in de organisatie.

Bouwen aan een optimale employee journey in een AI-gedreven wereld

In deze training leer je hoe je AI inzet om de employee journey in jouw organisatie te versterken én te verduurzamen. Je krijgt handvatten om na de training aan de slag te gaan met de ontwikkeling van een plan waarmee je medewerkers betrekt, ontwikkelt en begeleidt in elke fase van hun loopbaan.

Meer informatie

Wat gaat er mis als leiders de basis niet snappen?

Dat gebrek aan datageletterdheid bij leiders en CHRO’s is geen luxeprobleem, het is een risico voor de organisatie. Zo kunnen verkeerde interpretaties leiden tot verkeerde besluiten. Een CHRO die bijvoorbeeld schrikt omdat 60% van de uitstroom vrouw is, kan te snel concluderen dat er sprake is van een probleem met genderdiversiteit. Maar als 75% van het personeelsbestand vrouw is, ligt het uitstroompercentage voor vrouwen zelfs lager dan voor mannen. Het is dus een kwestie van verhoudingen.

Wie denkt dat generatieve AI zelfstandig beleid maakt of processen aanstuurt, krijgt óf te hoge verwachtingen (“dit gaat ons hele HR-proces vervangen”), óf onnodige angst (“dit is gevaarlijk, we moeten het verbieden”). Beide houdingen blokkeren de route naar verantwoord gebruik.

En waar ik vooral bang voor ben: gemiste kansen. AI en data-analyse bieden enorme mogelijkheden: betere strategische personeelsplanning, inzicht in skills, slimmer recruitment, verbeterde employee experience. Maar wie de basis niet snapt, ziet die kansen simpelweg niet.

Wat leiders echt moeten weten

Sommige CHRO’s denken dat leiders expert moeten worden in statistiek en programmeren of machine learning. Dat is nergens voor nodig. Wat wél nodig is, is kennis en vaardigheid op een aantal concrete punten:

• Inzicht hebben in basisbegrippen en terminologie. Begrijp het verschil tussen generatieve AI, agentic AI en de rol van een chatbot. Zonder dit soort basiskennis kun je discussies moeilijk volgen en niet de juiste vragen stellen.
• Weten waar data vandaan komen. Stel dat je uitstroomcijfers vergelijkt, maar niet weet dat HR alleen vrijwillig vertrek registreert en ontslag niet meeneemt: dan trek je verkeerde conclusies. Of denk aan surveydata die scheef zijn omdat de langdurig zieken niet of nauwelijks deelnemen aan het onderzoek.
• Basisstatistiek beheersen. Weet dat je bij populatiedata geen significatietoetsen hoeft te doen en welke getallen en percentages je wel en niet kunt vergelijken. Zo voorkom je paniek of schijnzekerheid.
• Bewust zijn van bias en ethiek. Modellen zijn niet neutraal. Ze worden gevoed met data die vooroordelen kunnen bevatten. Het is essentieel dat je weet dat ‘transparantie’ en de mens ‘in de loop’ geen technische luxe zijn, maar voorwaarden.
• Conclusies beoordelen. Als iemand concludeert dat medewerkers met een bepaalde opleiding minder presteren, moet je kunnen doorvragen: zijn leeftijd, functieniveau of contractduur meegenomen in de analyse? Zo beoordeel je of een conclusie standhoudt of dat er appels met peren vergeleken worden.
• Begrijpelijk communiceren. Kun je complexe inzichten terugbrengen naar een kernboodschap die iedereen begrijpt? Bijvoorbeeld: “Het hogere uitstroompercentage bij mannen betekent dat we juist dáár meer aandacht moeten hebben voor behoud.” Dat maakt data bruikbaar in besluitvorming.

Het taboe om toe te geven dat je iets niet begrijpt, zit hierbij vaak in de weg. Ik herinner me een CHRO die aarzelend zei: “Ik weet eigenlijk niet hoe predictive analytics precies werkt. Kun je dat uitleggen zonder jargon?” Het was een waardevol moment, juist omdat er ruimte kwam voor een eerlijk gesprek. Door toe te geven dat je iets niet weet, open je de deur om te leren en beter te beslissen. Leiders die dat lef hebben, tonen in mijn ogen meer kracht dan degenen die stilzwijgend besluiten nemen zonder de basis te begrijpen.

Hoe bouw je deze geletterdheid op?

In mijn ervaring werkt het het beste om met korte en toegankelijke sessies over datagebruik en AI te starten. Daarbij gebruik maken van bijvoorbeeld een escape game, waar je letterlijk de valkuilen van data ervaart, is vaak een goede ‘eye-opener’. Het helpt ook enorm om met eigen data te werken. Uitleg wordt een stuk concreter als je laat zien wat het betekent voor de resultaten van een eigen dashboard of een eigen medewerkerstevredenheidsonderzoek.

HR Analytics Opleiding

De 4-daagse HR Analytics Opleiding is een compacte, gespecialiseerde opleiding, waarin je leert om datagedreven HR-analyses te ontwikkelen, strategische HR-beslissingen met data te onderbouwen en data en AI in te zetten binnen HR. Cases en oefeningen helpen je de theorie in de praktijksituaties te plaatsen.

Meer informatie

Daarnaast is het belangrijk een cultuur te creëren waarin doorvragen en het gebruik van een generatief model, zoals CoPilot, ChatGPT of een interne chatbot, normaal zijn. Dit gaat, onder meer, over het aanleren van nieuw gedrag. Door naast leidinggevenden op de werkvloer te staan (‘coaching on the job’) bereik ik doorgaans de meeste impact. Ik maak AI tastbaar door managers zelf prompts te laten invoeren of door een HR-dashboard te laten verkennen; theorie krijgt tenslotte pas betekenis wanneer je het ervaart.

Tot slot hoort AI- en datageletterdheid net zo stevig verankerd te zijn in leiderschapsontwikkeling als financiën of strategie, geen extraatje. Ik heb al eens eerder gepleit voor een onboardingstraject voor medewerkers die doorstromen naar een leidinggevende positie. Het onderwerp ‘verantwoord en strategisch inzetten en gebruiken van data en AI’ hoort daarbij op de agenda te staan.

De mens achter de data: de echte verantwoordelijkheid van leiders

AI- en datageletterdheid zijn geen nice-to-haves. Ze zijn een voorwaarde om organisaties gezond, inclusief en toekomstbestendig te maken. Een CHRO die niet weet dat samenhang en causaliteit verschillende dingen zijn, of een directeur die niet weet dat een chatbot kan hallucineren, neemt besluiten zonder goede onderbouwing. En dat is een luxe die we ons anno 2025 niet meer kunnen veroorloven.

Wie als leider verantwoordelijkheid draagt, draagt ook de plicht om de basis te begrijpen. Niet om zelf de analist of data scientist te worden, maar om de juiste, kritische, vragen te stellen, de juiste keuzes te maken en medewerkers te beschermen tegen beleid dat rust op verkeerde aannames. Want uiteindelijk gaat het niet om de data of de AI zelf, maar om de mensen die geraakt worden door de beslissingen die erop gebaseerd zijn.

LEES OOK:

• Onboarden voor managers: waarom data en analytics niet mogen ontbreken
• Dataexpert: “AI-tools kunnen HR-analytics enorme boost geven – zeker met je eigen HR-data”