1. Mensen zien nog niet wat AI voor hun eigen werk kan betekenen
Tijdens een training kunnen de mogelijkheden indrukwekkend lijken. Maar eenmaal terug op de werkplek moet iemand zelf bedenken waarvoor hij AI gaat gebruiken. Welke van zijn taken kan ermee worden verbeterd? En wat heeft hij daar in de praktijk aan?
Als die vertaalslag ontbreekt, blijft AI iets interessants naast het werk. Iemand kan enthousiast zijn over de mogelijkheden zonder een duidelijke aanleiding te zien om er zelf mee te beginnen.
2. Mensen weten nog niet hoe ze ermee moeten werken
Weten waarvoor je AI wilt gebruiken is iets anders dan het zelfstandig kunnen toepassen. Tijdens de uitleg lukt het, maar zodra iemand met zijn eigen documenten of vragen aan de slag gaat, ontstaan er nieuwe vragen.
Dan maakt het uit of er iemand beschikbaar is die verder kan helpen. Niet iedereen zoekt dat zelf uit. Als de hulp ophoudt zodra de training afgelopen is, kan iemand vastlopen voordat hij de toepassing goed onder de knie heeft.
3. De software kost te veel moeite
Gebruiksgemak wordt wat ons betreft onderschat. Wat voor een technisch handige collega vanzelfsprekend is, kan voor een ander ingewikkeld zijn. Een toepassing kan inhoudelijk heel sterk zijn en toch omslachtig werken.
Als het veel moeite kost om tot een bruikbaar resultaat te komen, is het begrijpelijk dat iemand terugvalt op de vertrouwde werkwijze. Dan hoeft het probleem niet bij de kennis of bereidheid van die medewerker te liggen. De software kan simpelweg onvoldoende aansluiten bij de mensen die ermee moeten werken.
4. Binnen het bedrijf is de richting nog niet duidelijk
“We moeten meer met AI” geeft medewerkers weinig houvast. Waar willen jullie het voor inzetten? Welk werk verdient als eerste aandacht? Gaat het om sneller werken, hogere kwaliteit of het wegnemen van vervelende taken?
Een ondernemer kan daar zelf ook nog zoekende in zijn. Dat is begrijpelijk, maar die onduidelijkheid werkt door. Medewerkers kunnen losse dingen proberen, terwijl nog niet duidelijk is welke toepassingen voor het bedrijf belangrijk zijn en welke steun ze daarbij kunnen verwachten.
5. Er is te weinig tijd om het vervolg op te pakken
Mensen kunnen graag willen beginnen, terwijl het gewone werk alle aandacht blijft vragen. Een eerste besluit is genomen, maar daarna komen vakanties, drukte of andere prioriteiten ertussen. Voor je het weet zijn er weken voorbij.
Als bovendien niemand tijd heeft gekregen om de voortgang vast te houden en vragen op te pakken, kan het initiatief blijven liggen. Dat speelt niet alleen bij medewerkers of alleen bij de directie.
6. Mensen vinden het spannend of zijn nog niet overtuigd
Niet iedereen begint met hetzelfde vertrouwen. Sommige medewerkers willen eerst begrijpen wat AI voor hun werk betekent. Anderen vinden het moeilijk om met iets onbekends te beginnen.
Dat is niet hetzelfde als niet willen leren. Als iemand AI nauwelijks gebruikt, wil je begrijpen wat daarachter zit. Zonder dat gesprek weet je niet of er uitleg, oefening of iets anders nodig is.
Wat doe je als AI bij jullie niet van de grond komt?
Als je hebt geïnvesteerd in software en training, wil je ook zien dat er iets verandert. Blijft dat uit, dan is het begrijpelijk dat je gaat twijfelen. Hebben we de verkeerde keuzes gemaakt? Willen onze mensen wel mee? Dat het gebruik achterblijft, betekent nog niet dat AI niet bij jullie past of dat medewerkers niet willen. Het is wel een reden om te onderzoeken waarom de huidige aanpak onvoldoende werkt.
Begin bij wat er daadwerkelijk gebeurt. Laat een paar medewerkers vertellen hoe het de laatste keer ging dat ze AI voor hun werk probeerden te gebruiken. Waar stopten ze en wat hadden ze nodig om verder te kunnen? Kijk ook naar wat er binnen het bedrijf nog niet geregeld is. Misschien wachten mensen op hulp, op beschikbare tijd of op een besluit over waarvoor jullie AI willen inzetten.
Daar hoef je als ondernemer niet zelf alle uitleg en begeleiding voor te verzorgen. Je moet wel zorgen dat iemand die taak kan oppakken en daar tijd voor krijgt. Dat kan een collega zijn, maar ook iemand van buiten. Als de richting nog onduidelijk is, vraagt dat aandacht van jou of het directieteam.
Herken je meerdere oorzaken, probeer ze dan niet allemaal tegelijk op te lossen. Kies een concrete taak waarvoor AI iets kan betekenen en organiseer de hulp die de betrokken medewerkers missen. Een training kan daar prima onderdeel van zijn. Zorg alleen dat mensen ook na afloop verder kunnen en ergens terechtkunnen als het niet lukt.
Geef die aanpak tijd en kijk na een paar weken wat er veranderd is. Wordt de toepassing gebruikt? En helpt die ook in het werk? Minder tijd kwijt zijn is daarbij niet de enige uitkomst die telt. Beter werk afleveren of het werk prettiger maken door vervelende taken weg te nemen, kan net zo goed waardevol zijn. Daarop beoordeel je of de aanpak werkt, niet alleen op het aantal mensen dat een AI-tool heeft geopend.