Veelvoorkomende zorgen en misverstanden over AI

Ik ben te laat, anderen zijn al veel verder

AI voelt voor veel mensen als een rijdende trein die ze gemist hebben. Collega’s gebruiken het al, de organisatie verwacht er iets van, en zelf weten ze niet waar te beginnen. Dit zorgt voor een gevoel van achterstand, wat vaak leidt tot stilstand. De drempel om alsnog te starten wordt hoger, niet lager. Zeker als er geen laagdrempelige introductie is of als de eerste ervaring met AI onduidelijk of overweldigend was. Organisaties doen er daarom goed aan om AI niet te positioneren als iets wat je ‘al had moeten kunnen’, maar als iets waar iedereen op zijn eigen tempo mee aan de slag mag.

Anderen kunnen dit beter dan ik, ik ben niet technisch genoeg

Prompt engineering, LLM’s, tokens. De taal rond AI kan intimiderend zijn. Het wekt de indruk dat AI vooral is weggelegd voor developers, consultants of mensen met een IT-achtergrond. Wat dit vaak in stand houdt is dat AI meestal wordt gepositioneerd in high-level toepassingen: code schrijven of data-analyse. Daardoor ontstaat al snel het beeld dat AI vooral bedoeld is voor mensen met specialistische functies of veel technische kennis. Daarbij lijkt het bij sommige (vaak jonge) collega’s vanzelf te werken. Ze krijgen scherpe antwoorden, bouwen slimme workflows en lijken precies te weten wat ze moeten vragen. Bij rollen die als minder ‘digitaal’ worden gezien, wordt de drempel hierdoor nog hoog. Ze missen het inzicht dat AI juist waardevol is bij alledaagse, simpele taken. Juist daar zit de kracht. AI kan helpen bij het herschrijven van een e-mail, taalcontroles uitvoeren, het samenvatten van een Teams-gesprek, het opstellen van een vacature of het voorbereiden van een werkoverleg. Geen grote veranderingen, maar kleine verbeteringen. Het zijn precies die toepassingen die ervoor zorgen dat AI onderdeel wordt van het dagelijkse werk, niet van een losstaande innovatie.

Als ik een fout maak met AI, is dat mijn verantwoordelijkheid

Zeker in organisaties waar compliance, AVG of klantdata een rol spelen, is er vaak koudwatervrees. Wat als ik iets deel wat niet mag? Wat als de AI iets fout adviseert? Wat als ik het verkeerd gebruik? Zolang fouten voelen als persoonlijke risico’s, durven mensen niet te experimenteren. Leren lukt pas echt in een cultuur waar je veilig mag proberen, ontdekken en corrigeren. Zónder angst voor directe gevolgen. Wat dit in stand houdt, is dat veel organisaties géén duidelijke afspraken hebben gemaakt over AI-gebruik. Er is geen beleid, geen interne FAQ, geen richtlijnen of voorbeelden. Daarbij leeft vaak het idee dat AI vanzelf werkt zodra het is geïntroduceerd. Alsof het een druk-op-de-knop-tool is die meteen slimme antwoorden geeft. In de praktijk valt dat tegen.

Als we AI gebruiken, verwachten klanten ook dat alles sneller, beter en goedkoper is

Zodra je als organisatie communiceert dat je met AI werkt (of klanten het zelf opmerken in je processen) ontstaat er al snel een nieuw soort verwachtingspatroon. AI wekt de indruk van snelheid, efficiëntie en foutloosheid. Dus denkt de buitenwereld: als jullie hiermee werken, dan gaat alles voortaan toch soepeler? Maar AI vervangt geen inhoudelijke afwegingen, goedkeuringstrajecten, klantbeoordelingen, of juridische checks. Dat blijft mensenwerk. En dat kost, net als voorheen, tijd en aandacht.

Toch voelen medewerkers in klantgerichte functies de druk toenemen. De veronderstelling is dat alles geautomatiseerd is. Die druk is niet alleen onterecht, maar ook risicovol. Het kan ertoe leiden dat medewerkers te snel gaan, controles overslaan. Wat helpt, is helder zijn over wat AI wél en niet doet in je processen. Niet alleen intern, maar ook richting klanten. Transparantie over doorlooptijd, menselijke tussenkomst en kwaliteitscontrole zorgt voor realistische verwachtingen. Zo houd je het vertrouwen hoog, zonder personeel klem te zetten in een belofte die AI nog niet waar kan maken.

Hoe maak je zorgen over AI bespreekbaar?

Dat begint niet met nog een presentatie over wat AI allemaal kan. Het begint met luisteren. Niet naar wat mensen zeggen over AI, maar naar wat ze niet zeggen. De twijfel aan tafel, het uitstelgedrag, de collega die wel kijkt maar nooit klikt. Die signalen zeggen vaak meer dan vragenlijsten of dashboards.
Maak het onderwerp klein en herkenbaar. Vraag in een teamoverleg niet: “Wie gebruikt al AI?”, maar: “Waar loop je op vast als je het probeert?”. Ook kun je vragen stellen bij welke werkzaamheden AI zou kunnen assisteren. Bekijk of hier intern al vorderingen gemaakt zijn en koppel deze personen of afdelingen aan elkaar om dit verder uit te werken. Betrek ook juist de mensen die zich minder digitaal vaardig voelen. Daar zit vaak de meeste winst, maar ook de grootste onzekerheid. Geef niet alleen ruimte aan enthousiasme, maar ook aan scepsis. Niet iedereen doet meteen mee. Maar iedereen moet zich gehoord voelen. AI adopteren begint niet bij overtuigen, maar bij begrijpen.