Opinie: Wie spreekt het AI-model nog tegen? Er is dringend behoefte aan tegenkracht

Vrijwel iedere organisatie investeert op dit moment in data, dashboards en AI. En terecht. De mogelijkheden zijn enorm. We analyseren sneller, voorspellen beter en onderbouwen steeds meer besluiten met feiten in plaats van onderbuikgevoel.

Hoe voorkom je dat mensen cijfers volgen zonder nog zelf na te denken?

Toch gaan de interessantste gesprekken die ik met bestuurders, CHRO’s en managers voer, zelden over de technologie zelf. Ze gaan over mensen, over besluitvorming en over verantwoordelijkheid.

En over de vraag die alleen maar urgenter wordt naarmate organisaties meer data en AI gebruiken: wie spreekt het systeem nog tegen? Want er dient zich een nieuwe vraag aan. Hoe voorkom je dat mensen cijfers volgen zonder nog zelf na te denken?

Dat klinkt misschien overdreven, maar vrijwel iedere organisatie kent de voorbeelden: een dashboard dat leidend wordt zonder dat nog iemand vraagt hoe een KPI is berekend, een voorspelling die wordt geaccepteerd zonder gesprek over de aannames, een score die meer aandacht krijgt dan de werkelijkheid die erachter schuilgaat.

Die vraag is de aanleiding geworden voor een persoonlijk, ietwat ongebruikelijk, project. Geen nieuw managementboek over HR-analytics, ken- en stuurgetallen of AI. Ideeën daarvoor heb ik genoeg liggen, maar in plaats daarvan doe ik iets wat ik nog nooit heb gedaan.

Ik ben begonnen aan het schrijven van een roman. Een managementroman, om precies te zijn. Een genre waarvan ik tot voor kort niet eens wist dat het bestond.

Een experiment met fictie en AI

Het begon uit nieuwsgierigheid. Ik wilde experimenteren met fictie en een wereld creëren die volledig op data, AI én logica werkt. Ik was ook benieuwd wat er zou gebeuren als ik AI niet zou inzetten voor analyses of presentaties, maar voor een creatief proces.

Kan AI helpen bij het schrijven van een heel verhaal? Het antwoord is ja, maar, in mijn geval, met de nodige mitsen en maren.

AI herhaalt zichzelf. Niet alleen in woorden, maar in de opbouw van zinnen en teksten en zelfs in de cadans van hoofdstukken.

AI is goed in het bedenken van ideeën, het uitwerken van scènes en het aandragen van alternatieven. Maar ik loop steeds tegen dezelfde grens aan: AI herhaalt zichzelf. Niet alleen in woorden, maar in de opbouw van zinnen en teksten en zelfs in de cadans van hoofdstukken.

Niet vreemd natuurlijk. Zoals je vast zelf wel hebt gemerkt, als je dezelfde vraag stelt aan AI, krijg je weliswaar niet helemaal hetzelfde antwoord, maar het lijkt er wel veel op. Logisch natuurlijk. Een taalmodel voorspelt nu eenmaal welk woord, welke zin en welke alinea waarschijnlijk volgt op de vorige.

Maar als je niet oppast krijg je, bij een heel boek, een verhaal dat enorm logisch in elkaar zit, maar ook saai en voorspelbaar wordt. Dat is voor een roman nu net niet wat ik zoek.

Lezers willen, zo neem ik aan, verrast worden. Ze willen dat personages onverwachte keuzes maken en dat gebeurtenissen soms een andere kant op gaan dan je dacht.

De verleiding van logica

Tijdens mijn schrijfproces zie ik een parallel met organisaties. In mijn werk draait veel om data, analyses en patronen, en ik geloof oprecht in datagedreven besluitvorming: goede data leidt tot betere gesprekken en betere besluiten.

Voor mij kan een volledig logische wereld heel aantrekkelijk lijken. Ik hou dan ook van structuur, modellen en logica. Toch ga ik, juist door mijn ervaringen met het schrijven samen met AI steeds meer twijfelen. Niet door AI, maar door de logica.

Voor mij is tegenkracht het vermogen om vragen te blijven stellen wanneer iedereen denkt het antwoord al te hebben gevonden

Want als je steeds beter kunt voorspellen wat waarschijnlijk de beste keuze is, wat doe je dan nog met twijfel? Met ervaring, intuïtie of een afwijkende mening? Wanneer is een afwijkend standpunt waardevolle input en wanneer wordt het ‘ruis’ die het model verstoort?

Waar ligt de grens tussen ondersteunen en sturen? Dat precies is een van de thema’s geworden in mijn roman, die (waarschijnlijk) ‘Tegenkracht’ gaat heten.

Wat tegenkracht is en wat het oplevert

Een voorbeeld dat ik vaker zie. Een People Analytics team presenteert een recruitmentmodel dat haarscherp lijkt te voorspellen welke kandidaten ‘succesvol’ worden. De cijfers ogen overtuigend, het dashboard is af, iedereen knikt.

Tot ik vraag: waarop is ‘succesvol’ eigenlijk gebaseerd? Het antwoord blijkt: op de kenmerken van de mensen die er al werken. Het model beloont dus vooral meer van hetzelfde en sluit precies de diversiteit uit waar de organisatie naar op zoek was. Die ene vraag voorkwam een dure denkfout.

Dat is tegenkracht. Niet als weerstand tegen verandering, niet als tegenwerken, en zeker niet als iemand die overal een probleem van maakt. Voor mij is tegenkracht het vermogen om vragen te blijven stellen wanneer iedereen denkt het antwoord al te hebben gevonden.

De manager die vraagt welke aannames onder een model liggen. De HR-directeur die wil weten welke risico’s een algoritme met zich meebrengt. Het teamlid dat een afwijkende mening durft te geven terwijl de rest het al eens lijkt te zijn.

Hoe overtuigender een systeem wordt, hoe groter de verleiding om het niet meer ter discussie te stellen

Naarmate organisaties meer leunen op data en AI wordt dat vermogen belangrijker. Jarenlang hebben organisaties hard gewerkt aan datagedreven besluitvorming. Dat was nodig: besluiten werden transparanter, discussies feitelijker, en patronen zichtbaar die voorheen verborgen bleven.

En nu dient zich dus een nieuwe vraag aan. Hoe voorkom je dat mensen cijfers volgen zonder nog zelf na te denken? Hoe overtuigender een systeem wordt, hoe groter de verleiding om het niet meer ter discussie te stellen. Dat is geen technologisch probleem. Dat is een menselijk probleem.

Waarom dit de CHRO aangaat

Digitalisering, data en AI spelen een hoofdrol in de toekomst van HR: people analytics, AI-toepassingen, personeelsplanning, skills-data en steeds slimmere besluitvormingsprocessen. De kansen zijn groot.

Routinetaken laten zich automatiseren, waardoor er tijd vrijkomt voor het werk dat er echt toe doet. Processen worden sneller en consistenter, voorspellingen scherper, en beslissingen beter onderbouwd. HR kan daarmee opschuiven van administratie naar regie, van uitvoeren naar werken aan wat de organisatie echt verder brengt.

Maar het raakt ook aan een fundamentele vraag. Hoe zorg je dat technologie mensen ondersteunt zonder dat mensen hun verantwoordelijkheid uit handen geven? Hoe bouw je een cultuur waarin data serieus wordt genomen, maar niet kritiekloos gevolgd?

Dit zijn geen technologische vraagstukken, het zijn leiderschapsvraagstukken

En hoe organiseer je voldoende ruimte voor afwijkende perspectieven, juist wanneer systemen steeds overtuigender worden? Dat zijn geen technologische vraagstukken. Dat zijn leiderschapsvraagstukken.

Toen ik begon met schrijven, dacht ik dat ik vooral experimenteerde met fictie en AI. Gaandeweg ontdekte ik dat ik een vraag aan het onderzoeken was: hoe worden organisaties slimmer zonder hun kritische vermogen te verliezen?

Als er één inzicht is dat ik meeneem uit het schrijfproces (tot nu toe), dan is het dit. We hebben de afgelopen jaren veel aandacht besteed aan betere data, betere dashboards en betere algoritmes.

Misschien is het tijd om net zoveel aandacht te besteden aan tegenkracht. Want hoe slimmer de systemen worden, hoe belangrijker het wordt dat er mensen blijven die de ongemakkelijke vraag durven stellen.

Of het boek er komt? Daar durf ik (nog) geen voorspelling over te doen. En misschien is dat maar goed ook.

• Leiders denken vaak ten onrechte dat medewerkers enthousiast zijn over AI
• Opinie: Zonder talentstrategie is AI gewoon een grote kostenpost – bestuurders moeten keuzes maken
• Dataexpert: “AI-tools kunnen HR-analytics enorme boost geven – zeker met je eigen HR-data”

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