De afgelopen tijd hebben steeds meer organisaties dezelfde vragen. Vragen over een AI-first benadering richting de toekomst. En vooral: wat dat dan eigenlijk betekent.
Niet omdat organisaties stilzitten. Er lopen pilots. Er zijn tools. Er is ambitie.
Het besef dat AI fundamenteel iets verandert, is er meestal wel. Maar precies dáárna wordt het gesprek ‘fuzzy’.
Want “AI-first” wordt al snel opgevat als iets doen met AI: sneller, goedkoper, meer automatiseren.
Terwijl de kernvraag een andere is: wat moet menselijk blijven – en waarom?
En zolang die vraag niet expliciet wordt gesteld, lopen organisaties die denken dat ze voorop lopen tegen dezelfde problemen aan als organisaties die nog zoekend zijn.
Veel organisaties zeggen dat ze AI-first willen werken. Maar wat ze bedoelen is: goedkoper, sneller en minder mensen.
Dat is geen AI-first. Dat is kostenreductie met technologie.
AI-first is geen toolkeuze en geen roadmap. Het is een ontwerpkeuze.
AI-first = een keuze waarbij AI de standaard-laag is voor informatie, taal en ondersteuning, en je processen en rollen zo inricht dat kwaliteit, leren en verantwoordelijkheid expliciet geborgd zijn.
Niet: waar kunnen we AI inzetten? Maar: hoe ziet dit werk eruit als denken en zoeken niet langer schaars zijn?
Waarom dit in de praktijk misgaat
In veel organisaties werkt het huidige model nog. Niet goed, maar goed genoeg.
Juist daarom wordt AI vaak ingeschoven zonder herontwerp: een pilot hier, een copilot daar, wat automatisering onder druk.
Wat ontbreekt is niet technologie, maar expliciete keuzes:
- Wat is kwaliteit?
- Wie beoordeelt die?
- Waar ligt verantwoordelijkheid?
- En hoe leren mensen dit werk goed te doen?
AI wordt zo ingezet om werkdruk te verminderen, niet om het werk fundamenteel anders te organiseren.
Omdat AI vaag maar lekker is
Omdat AI vaag maar lekker is, gaat het hier vaak mis.
AI produceert plausibele output zonder ingebouwde check. Zinnen die kloppen. Redeneringen die logisch lijken. Conclusies die niet getoetst zijn.
Dat voelt als begrijpen, maar dat is het vaak niet.
Zonder expliciete checks gebeurt het volgende:
- Mensen denken dat ze meer weten dan ze weten
- Kwaliteit wordt impliciet
- Leren wordt verdrongen door “het werkt toch?”
- Opleidend werk verdwijnt, de instroom naar senior vakmanschap droogt op en een kleine groep experts raakt structureel overbelast
Het probleem is niet dát AI vaag is. Het probleem is dat organisaties die vaagheid niet wegnemen.
Wat AI-first wél vraagt
AI-first draait dit om.
Niet door vaagheid te accepteren, maar door die structureel te begrenzen.
Goed toegepast:
- Maakt AI kwaliteit explicieter, niet vager
- Dwingt het keuzes af over wat menselijk moet blijven
- Beschermt het leer- en vakmanschapspaden
- Voorkomt het dat je verzandt in losse pilots zonder richting
Niet om mensen te vervangen, maar om consistentie en kwaliteit schaalbaar te maken zonder dat menselijke aandacht verdwijnt in herhaling en zoekwerk.
AI-first maakt werk niet automatisch beter. Maar het kan schaal combineren met menselijkheid – mits je expliciet ontwerpt wat menselijk moet blijven.
In het vervolg ga ik dieper in op de vraag: Wat is AI-first dan wél?
-- dit bericht is eerder gepubliceerd op LinkedIn