Generatieve AI op de werkvloer: waarom de productiviteitswinst bij medewerkers landt en niet in uw organisatie

De kans is groot dat medewerkers in uw organisatie generatieve AI al gebruiken, vooral voor schrijf- en zoekwerk: een samenvatting, een eerste versie van een memo. Vraag het rond en u hoort al snel: “Scheelt me een uur per dag.” Kijk vervolgens in uw kwartaalcijfers en de vraag is of u daar iets van terugziet.

Of dat een meetprobleem is, een kwestie van tijd of een teken dat de winst onderweg verdampt, valt met de beschikbare cijfers niet vast te stellen. Die cijfers, deels al enkele jaren oud, laten wél zien dat gebruik en sturing uit elkaar lopen: gebruikers zeggen zelf productiever te zijn, terwijl weinig organisaties het gebruik lijken in te bedden of het werk zelf aanpassen. Recenter onderzoek van TNO wijst in dezelfde richting. Dit artikel legt uit wat die cijfers zeggen, waar de winst tussen bureau en balans kán verdampen en hoe u dat in uw eigen processen toetst.

Wat de cijfers laten zien: breed gebruik, weinig sturing

Het gebruik is er al. Uit een enquête van Salesforce onder 1.000 Nederlandse werknemers, in december 2023 samengevat door Emerce, blijkt dat een kwart ermee experimenteert of het al in het werk gebruikt. Van die gebruikers is 60 procent van mening dat het de productiviteit verhoogt. Dat is zelfrapportage: werknemers beoordelen hun eigen productiviteit. De cijfers zijn bijna drie jaar oud; het gebruik is sindsdien zeer waarschijnlijk gegroeid, dus lees ze als een vroege indicatie en niet als de huidige stand.

Tegelijk meldt in datzelfde onderzoek maar 14 procent dat de eigen organisatie duidelijk beleid over generatieve AI heeft. Ook dat is een werknemersperceptie; hoe representatief die is voor Nederlandse organisaties, valt er niet uit af te leiden. Het gebruik lijkt in elk geval ruim voor te lopen op de organisatie die het zou moeten inbedden.

Het Deloitte-onderzoek Trust in generative AI, uitgevoerd onder meer dan 30.000 Europese deelnemers en in december 2024 besproken in Management Scope, geeft een vergelijkbaar beeld voor Nederland. De precieze steekproefdefinitie blijkt niet uit die bespreking. Ongeveer twee derde van de Nederlandse bevolking (65 procent) is bekend met de technologie; bekendheid is daarbij iets anders dan gebruik. Slechts een derde van de Nederlandse bedrijven stimuleert het gebruik actief. En volgens de bespreking gebruikt de helft van de werknemers die bekend zijn met generatieve AI de tools vaak zonder expliciete goedkeuring van de werkgever; hoe die groep precies is afgebakend, staat er niet bij.

De verwachtingen zijn hoog: 77 procent van de Nederlandse gebruikers denkt dat generatieve AI het werk de komende twee jaar gemakkelijker maakt, en eveneens 77 procent verwacht dat het leuker wordt. Dat is een optimisme dat u serieus moet nemen. Of dat optimisme ook in organisatieresultaten terugkomt, is een andere vraag.

Individuele productiviteit is iets anders dan organisatieproductiviteit

In een analyse met de titel Waarom levert AI nog niet de beloofde productiviteitswinst? stelt de auteur dat er sterke aanwijzingen zijn dat generatieve AI individuen productiever maakt, en stelt hij de vraag waarom de beloofde winst op grotere schaal nog uitblijft. Dat onderscheid tussen individueel en organisatieniveau is de kern van het vraagstuk.

TNO komt na onderzoek bij een aantal organisaties tot een vergelijkbare conclusie: AI versnelt en vereenvoudigt werkprocessen, maar productiviteitswinst is daar niet standaard het gevolg van. In sommige gevallen was het effect groot, in andere bleef het beperkt tot kleine tijdwinst bij specifieke taken zoals schrijven of informatie zoeken. Tijdwinst leidt volgens TNO niet automatisch tot meer productiviteit of omzet; het hangt af van wat organisaties met de vrijgekomen tijd doen.

Dat individueel gebruik en uitkomsten uiteen kunnen lopen, illustreert ook een onderzoek van de Boekmanstichting onder werkenden in de Nederlandse culturele en creatieve sector. Van de 713 respondenten gebruikt ruim 40 procent generatieve AI dagelijks of wekelijks, vooral voor tekst (83 procent van de gebruikers). De vraag over opdrachten is apart gesteld aan 613 zzp’ers, gebruikers en niet-gebruikers door elkaar: 44 procent van hen zegt dat generatieve AI geen effect heeft gehad op het aantal opdrachten, ruim 18 procent zag een daling en ruim 2 procent een stijging.

Dat gaat over de vraagkant bij zzp’ers in één sector en zegt niets over organisatieproductiviteit; het ondersteunt het punt hier hoogstens indirect. Het illustreert wel iets beperkters: dat iemand sneller werkt, zegt nog niets over wat er met de vrijgekomen tijd gebeurt, of over wat de organisatie ermee wint.

Waar de uren kunnen verdampen

Wij zien vier mogelijke verklaringen waarom individuele snelheid niet vanzelf doorwerkt in organisatieresultaat. Het zijn hypothesen uit de praktijk, geen gemeten oorzaken. Toets ze in uw eigen proces.

De tijd wordt niet herbestemd

Een medewerker die een uur bespaart op rapportages, besteedt dat uur aan wat er verder op het bord ligt. Dat is vaak nuttig, maar het is niet gestuurd. Onze hypothese is dat vrijgekomen capaciteit zonder afspraak over de bestemming oplost in de dagelijkse drukte. Dit sluit aan bij de constatering van TNO dat productiviteitswinst afhangt van wat organisaties met de vrijgekomen tijd doen.

De bottleneck verschuift

Een fictief voorbeeld ter illustratie: stel dat het schrijven van een beleidsnotitie van twee dagen naar twee uur gaat, maar de reviewronde nog drie weken duurt. De doorlooptijd is dan nauwelijks korter. Generatieve AI wordt in zo’n geval ingezet op een stap die zich daar goed voor leent, terwijl de volgende schakel in het proces daar niet op is aangepast.

Controle kost tijd terug

Afhankelijk van het risico, de toepassing en de afspraken in uw organisatie kan menselijke controle van AI-output nodig zijn. Bij eenvoudig werk is dat snel gedaan. Bij inhoudelijke stukken, cijfers of juridisch gevoelige teksten is de controle intensiever, en het is aannemelijk dat die een deel van de tijdwinst opeist. Hoeveel precies, weet u pas als u het meet. Waar die controle nodig is, is zij terecht, maar in onze ervaring wordt zij niet altijd meegenomen in de productiviteitsschatting.

Het proces is niet herontworpen

Een voor de hand liggende toepassing van generatieve AI is hetzelfde werk sneller doen. Dat is een begrijpelijke eerste stap, maar de opbrengst blijft dan beperkt tot die ene taak. Onze verwachting is dat de winst beperkt blijft tot losse taken zolang werkverdeling, overdrachtsmomenten en besluitmomenten hetzelfde blijven. Ook dat is een aanname om in uw eigen proces te toetsen.

Schaduwgebruik: risico en signaal tegelijk

Dat een deel van het gebruik zonder expliciete goedkeuring plaatsvindt, is voor de meeste bestuurders in eerste instantie een compliance-zorg. Terecht. Wie persoonsgegevens, zoals klantgegevens of personeelsdossiers, in een publieke tool plakt, kan die gegevens bij een externe partij laten terechtkomen zonder dat is getoetst of dat mag en onder welke voorwaarden. Voor vertrouwelijke interne informatie zonder persoonsgegevens gelden vooral uw eigen afspraken over informatiebeveiliging en vertrouwelijkheid.

In hoofdlijnen kent de AVG een verantwoordingsplicht: als verwerkingsverantwoordelijke moet u onder meer inzichtelijk kunnen maken welke verwerkingen van persoonsgegevens plaatsvinden, op welke rechtmatige grondslag en met welke waarborgen. Dat is lastig als het gebruik onzichtbaar is. Wat dit concreet betekent voor generatieve AI-tools, hangt onder meer af van uw rol ten opzichte van de aanbieder, het doel van de verwerking en de soort gegevens. Laat uw situatie toetsen door uw privacyfunctionaris of jurist.

Maar schaduwgebruik is ook informatie. Het laat zien waar medewerkers wrijving ervaren en waar zij zelf al een oplossing hebben gevonden. Een verbod alleen lost die onderliggende behoefte waarschijnlijk niet op; het risico is dat het gebruik uit het zicht verdwijnt.

Een werkbare aanpak combineert twee dingen. U biedt een goedgekeurd alternatief met duidelijke afspraken over wat er wel en niet in mag. En u inventariseert actief waar het gebruik nu al plaatsvindt, om te leren welke processen kandidaat zijn voor een serieuzere aanpak.

Van individuele tools naar procesverbetering

Als u wilt dat de winst zichtbaar wordt, moet u van individuele taken naar processen. Dat is minder spannend dan het klinkt en tegelijk moeilijker dan het lijkt.

Kies één proces, niet een afdeling

Begin bij een proces met een meetbare doorlooptijd en een duidelijke eigenaar: bezwaarafhandeling, offertetraject, incidentrapportage. Kijk naar het hele proces, van aanvraag tot afsluiting, en bepaal waar de tijd nu echt zit. Dat kan een andere stap zijn dan die waar medewerkers AI al inzetten.

Meet vooraf

Zonder nulmeting bent u achteraf grotendeels aangewezen op anekdotes; dat maakt een betrouwbare duiding van het effect in onze ervaring een stuk lastiger. Leg vast wat de doorlooptijd, het aantal overdrachten en het herwerkpercentage nu zijn, en neem ook een maat voor kwaliteit of foutpercentage op, zodat u versnelling niet los van de uitkomst beoordeelt. Dat is saai werk en het maakt een eerlijk gesprek over resultaat later een stuk eenvoudiger.

Betrek de mensen die het werk doen

In de podcast Metro Blueprint, besproken door Ziptone, wijzen Molly Kinder en Christy Hoffman erop dat technologie te vaak aan werknemers wordt opgelegd in plaats van samen met hen ingevoerd. Dat is geen softe overweging. In onze ervaring zijn de mensen die het proces uitvoeren vaak het best geplaatst om aan te geven waar de uitzonderingen zitten, waar controle echt nodig is en welke stap nu de bottleneck vormt.

Pas de werkverdeling aan

Als een stap sneller gaat, moet dat ergens in landen: kortere doorlooptijd voor de klant, minder inhuur, meer ruimte voor het werk dat nu blijft liggen. Maak die keuze expliciet en leg hem vast. Anders eindigt u bij de eerste categorie: tijd die verdampt.

Eerlijke verwachtingen

De verwachtingen in de markt over wat generatieve AI kan opleveren, zijn hoog; adviesrapporten en aanbieders schetsen een groot potentieel. Lees dat als een aanduiding van wat mogelijk is, niet als prognose voor uw organisatie. Tussen dat potentieel en uw resultaat zit het werk dat hierboven beschreven staat.

Reken op het volgende. Hoe lang het duurt voordat u betrouwbaar iets over effect kunt zeggen, hangt in de praktijk onder meer af van het proces, het aantal zaken dat erdoorheen gaat en de meetopzet; spreek die termijn vooraf af met de proceseigenaar. In onze ervaring werkt het beter met een eigenaar die er tijd voor krijgt dan met een enthousiasteling die het erbij doet. Er zijn afspraken nodig over gegevensgebruik en over wat een medewerker mag vertrouwen zonder controle. En houd er rekening mee dat een meting anders kan uitvallen dan de zelfrapportage van gebruikers: de een meet doorlooptijd, de ander ervaren tijdwinst.

Dat is geen reden om te wachten. Het is een reden om klein en meetbaar te beginnen, in plaats van organisatiebreed en op hoop.

Eerste stap: breng het bestaande gebruik in kaart

Vraag deze week aan drie teamleads hoe hun mensen generatieve AI nu al gebruiken, welke tools, voor welke taken, en of daar klant- of persoonsgegevens in meegaan. Dat geeft u een eerste beeld van waar de energie zit en waar het risico zit.

Kies uit die lijst één proces met een meetbare doorlooptijd en een eigenaar die het wil trekken. Leg de nulmeting vast voordat u iets verandert. Dat is de basis waarop u na de afgesproken meetperiode een uitspraak kunt doen die verder gaat dan “het scheelt me een uur per dag”.

Zo maken we dit. AI schrijft de eerste versie, een tweede AI controleert, en een mens van Twentynext leest en keurt elk artikel goed voordat het live gaat. We controleren feiten en bronnen zorgvuldig, maar kunnen juistheid en volledigheid niet garanderen. Zie onze disclaimer.