Opinie: AI op het werk dwingt tot meten organisatieproductiviteit en niet van arbeidsproductiviteit

Beeld: Roy Beusker

Een paar weken geleden schreef ik over het einde van het functiegebouw. Decennialang hebben organisaties werk behandeld alsof het een gebouw was. Eerst tekenden we de kamers, daarna bepaalden we wie waar mocht zitten.

Voor het eerst sinds de industriële revolutie krijgen organisaties er feitelijk een nieuw soort medewerker bij: de lerende machine

HR bouwde functiehuizen, salarisschalen en competentiemodellen met de precisie van een architect. Het gaf structuur, vergelijkbaarheid en soms zelfs rechtvaardigheid. Maar vooral gaf het rust.

Als de functies maar goed beschreven waren, dan leek werk beheersbaar. Dat was logisch in een wereld waarin werk vrijwel volledig door mensen werd uitgevoerd. Die wereld bestaat steeds minder.

Een geschiedenis van mensen en machines

De geschiedenis van economische vooruitgang is namelijk geen geschiedenis van mensen alleen. Het is een geschiedenis van mensen die machines gebruiken.

De stoommachine verving spierkracht. Elektriciteit maakte productie onafhankelijk van daglicht en fysieke beperkingen. Computers namen rekenwerk over. Het internet maakte informatie vrijwel gratis beschikbaar.

Kunstmatige intelligentie is de volgende stap in dezelfde ontwikkeling. Niet omdat AI magisch is, maar omdat het voor het eerst op grote schaal delen van cognitief werk uitvoert.

Voor het eerst sinds de industriële revolutie krijgen organisaties er feitelijk een nieuw soort medewerker bij: de lerende machine. Toch meten we prestaties nog alsof die medewerker niet bestaat. En meten we de productiviteit alleen van de collega die we bij het koffiezetapparaat zien.

We blijven arbeidsproductiviteit meten terwijl een groeiend deel van de productie niet meer uit arbeid bestaat

Arbeidsproductiviteit blijft de dominante economische maatstaf. Economen, controllers en bestuurders kijken naar de opbrengst per medewerker of per gewerkt uur.

Begrijpelijk. Arbeid vormt nog altijd een groot deel van de kostenbasis van organisaties. Bovendien laat onderzoek van de OESO zien dat productiviteitsgroei verantwoordelijk is geweest voor meer dan de helft van de welvaartsgroei in ontwikkelde economieën sinds de Tweede Wereldoorlog.

Productiviteit van medewerker of algoritme?

Maar onder arbeidsproductiviteit ligt een aanname die steeds minder klopt. Namelijk dat arbeid het werk verricht. Wanneer een softwareontwikkelaar met behulp van AI vijftig procent meer code produceert, wat meten we dan precies? De productiviteit van de medewerker of die van het algoritme?

Wanneer een klantenservice-afdeling met hetzelfde aantal medewerkers twee keer zoveel vragen afhandelt omdat AI gesprekken samenvat, antwoorden voorbereidt en dossiers analyseert, waar ontstaat dan de waarde? Bij de mens, bij de machine of juist in de combinatie van beide?

Volgens onderzoek van McKinsey kan generatieve AI inmiddels 60 tot 70 procent van de activiteiten binnen veel kennisintensieve functies ondersteunen of automatiseren.

Goldman Sachs schatte dat wereldwijd ongeveer 300 miljoen voltijdbanen geraakt zullen worden door AI. Niet omdat al die banen verdwijnen, maar omdat een steeds groter deel van het werk door machines wordt uitgevoerd.

Ik vind dat we afscheid moeten nemen van arbeidsproductiviteit als dé dominante maatstaf voor organisaties

Microsoft rapporteert dat medewerkers die AI actief gebruiken aanzienlijk sneller werken en meer tijd overhouden voor analyse, besluitvorming en klantcontact.

De machine ondersteunt niet langer alleen arbeid. De machine lévert arbeid. En zodra dat gebeurt, ontstaat een fundamenteel probleem. We blijven arbeidsproductiviteit meten terwijl een groeiend deel van de productie niet meer uit arbeid bestaat.

Daarom vind ik dat we afscheid moeten nemen van arbeidsproductiviteit als dé dominante maatstaf voor organisaties. Niet omdat zij verkeerd is, maar omdat zij onvolledig is geworden.

Verrassend eenvoudige nieuwe formule

Wat we nodig hebben is een bredere maatstaf: Organisatieproductiviteit (OP), het nieuwe meetinstrument voor HR. Organisatieproductiviteit bestaat uit drie componenten.

1. De eerste is de Mens-Machine Ratio (MMR). Welk percentage van het werk wordt uitgevoerd door mensen en welk percentage door machines? Niet alleen op organisatieniveau, maar per functie, proces en waardestroom. Iedere organisatie zou moeten weten hoeveel van haar klantcontact, financiële analyse, softwareontwikkeling, marketing of HR-processen nog menselijke inzet vereisen en hoeveel inmiddels door verschillende machines en technieken plaatsvinden.
2. De tweede component is de klassieke arbeidsproductiviteit die ik graag Mensproductiviteit (MeP) Voor het werk dat mensen uitvoeren blijft vakmanschap van doorslaggevend belang. De kwaliteit van een verpleegkundige, docent, verkoper, monteur, onderzoeker of manager laat zich niet reduceren tot technologie. Menselijke creativiteit, empathie, oordeel en verantwoordelijkheid blijven een essentiële bron van waardecreatie. De definitie is dezelfde als de huidige arbeidsproductiviteit.
3. De derde component is Machineproductiviteit (MaP). Hoeveel werk verrichten systemen daadwerkelijk? Hoe snel doen zij dat? Hoe betrouwbaar zijn zij? Hoe vaak liggen zij stil? Iedere fabriek begrijpt dat stilstand geld kost.

Opmerkelijk genoeg meten veel organisaties de productiviteit van hun medewerkers nauwkeuriger dan die van hun digitale infrastructuur. Terwijl een AI-systeem dat twintig procent van de tijd niet beschikbaar is net zo goed productieverlies veroorzaakt als een productielijn die stilstaat. We moeten MaP wel nog scherp definiëren, en de productiviteit als functie van de kosten uitdrukken zoals we dit ook bij MeP doen.

Mijn formule om organisatieproductiviteit te meten is vervolgens verrassend eenvoudig:

OP=(MMR_{mens}\times MeP)+(MMR_{machine}\times MaP)

Waarbij de Organisatieproductiviteit (OP) wordt bepaald door het aandeel werk dat mensen uitvoeren vermenigvuldigd met de Mensproductiviteit (MeP), plus het aandeel werk dat machines uitvoeren vermenigvuldigd met de Machineproductiviteit (MaP).

De kracht van deze formule zit niet in de wiskunde. Die is eenvoudig. De kracht zit in wat zij zichtbaar maakt. Plotseling kunnen managers zien waar waarde werkelijk ontstaat.

Een organisatie kan een gemiddelde Mensproductiviteit (MeP) hebben maar een uitzonderlijk hoge Machineproductiviteit (MaP).

Een andere organisatie kan miljoenen investeren in AI en toch weinig resultaat boeken omdat de technologie slecht wordt gebruikt of regelmatig uitvalt. We krijgen eindelijk zicht op de werkelijke motor achter prestaties.

Misschien kijken we daarom over twintig jaar terug op arbeidsproductiviteit zoals we nu kijken naar de pk’s van een stoommachine

En misschien is dat precies wat deze tijd nodig heeft. De industriële revolutie veranderde de fabriek. De digitale revolutie veranderde informatie. De AI-revolutie verandert de definitie van arbeid zelf.

Misschien kijken we daarom over twintig jaar terug op arbeidsproductiviteit zoals we nu kijken naar de pk’s van een stoommachine. Ooit een briljante maatstaf. Nog steeds nuttig. Maar onvoldoende om een moderne organisatie te begrijpen.

Want er zit inmiddels een tweede werknemer naast ons. Hij slaapt nooit, klaagt nooit over de koffie, vraagt nooit om promotie en wordt ieder kwartaal slimmer. Het lijkt mij verstandig hem eindelijk mee te nemen in onze productiviteitsberekeningen.

LEES OOK:

• Europees onderzoek: herontwerp werk door nieuwe technologieën, vraagt betere aanpak werkgevers 
• Rapport Rabobank: stagnerende arbeidsproductiviteit dwingt tot investeren in slimmer werken
• Maarten van Beek, HR-directeur Retail ING Bank: “We moeten blijven investeren in ons vakmensschap”

Wekelijks de CHRO-nieuwsbrief ontvangen net als 6000+ HR-leiders die u voorgingen?