Ik las een post van Laurens Waling waarin hij een uitgebreid reviewpaper van de ILO en UCL deelde over AI en de arbeidsmarkt, met een heldere samenvatting: productiviteitswinsten zijn reëel, blootstelling is niet hetzelfde als baanverlies, en ongelijkheidseffecten zijn genuanceerder dan de hype doet vermoeden. Die post triggerde me om het paper zelf te lezen en te vertalen naar klantcontact.
Wat me opviel: niet wie profiteert van AI, maar wanneer en waarom dat per taak verschilt.
Wat het onderzoek laat zien
De onderzoekers analyseerden tientallen experimenten waarin werknemers met en zonder AI-ondersteuning werden vergeleken. Productiviteitswinsten van 20-60% in gecontroleerde settings, 15-30% in de praktijk. Indrukwekkend. Maar de onderzoekers maakten een onderscheid dat cruciaal is: eenvoudige taken versus complexe taken.
Bij eenvoudige taken – heldere doelen, weinig context, weinig onderlinge afhankelijkheden – helpt AI vooral de minder vaardige medewerker. De prestatiekloof wordt kleiner. Een junior klantenservicemedewerker die AI-suggesties volgt haalt plotseling het niveau van een ervaren collega.
Bij complexe taken – ambigu, contextrijk, onderling afhankelijk – draait het effect. Daar profiteert juist degene die al goed is. Niet omdat AI minder nuttig is, maar omdat je moet kunnen beoordelen wanneer de AI het bij het verkeerde eind heeft.
Dell'Acqua en collega's lieten dit zien bij managementconsultants: dezelfde mensen, dezelfde tool, tegengestelde effecten – afhankelijk van of de taak binnen of buiten de "frontier" viel van wat AI goed kan. In Kenia profiteerden succesvolle ondernemers van AI-advies, terwijl minder sterke ondernemers gemiddeld achteruitgingen – niet omdat ze de tool anders gebruikten, maar omdat ze de output niet konden beoordelen.
De mens-taak combinatie als sleutelvariabele
Het gaat niet om de mens, en niet om de taak. Het gaat om de combinatie.
"Handig met AI" betekent iets totaal anders afhankelijk van wat je doet. Bij een routinematige schrijftaak betekent het: vlot de output accepteren en doorsturen. Bij een strategisch adviesvraagstuk betekent het: weten wanneer je de AI moet negeren, bijsturen of wantrouwen.
Dat heeft een directe consequentie voor hoe organisaties nadenken over AI-implementatie. De meeste organisaties stellen de vraag: wie kan goed met AI werken? Het paper suggereert dat dit de verkeerde vraag is. De betere vraag is: voor welke taken levert AI bij welke medewerkers waarde – en wanneer wordt AI een risico?
Dat is geen semantisch verschil. Het bepaalt waar je AI inzet, hoe je mensen traint, en hoe je output beoordeelt.
Wat dit betekent voor klantcontact
Klantcontact is bij uitstek een domein waar deze spanning zichtbaar wordt - omdat het takenpakket van een medewerker zelden homogeen is.
Een deel van het werk is eenvoudig: statusvragen, adreswijzigingen, standaard klachten met een helder proces. Daar presteert AI als copilot uitstekend, en profiteert juist de minder ervaren medewerker. De drempel om goed te presteren daalt. Dat is winst.
Maar diezelfde medewerker krijgt ook complexere contacten: een boze klant met een samengesteld probleem, een uitzonderingssituatie die niet in het script past, een gesprek waarbij de emotie het echte vraagstuk is. Daar is AI-suggestie volgen niet genoeg en soms ronduit gevaarlijk. Je moet kunnen beoordelen of de voorgestelde oplossing klopt, of de toon past, of er iets anders speelt.
De valkuil die ik in de praktijk zie: organisaties implementeren AI breed, meten de gemiddelde productiviteitswinst, en concluderen dat het werkt. Maar dat gemiddelde maskeert wat er echt gebeurt. Op de eenvoudige taken wint iedereen. Op de complexe taken vergroot AI mogelijk de kloof en wie er dan aan de lijn zit bij die moeilijke klant, is niet meer de meest ervaren medewerker, maar degene die toevallig beschikbaar is.
Het paper is overigens eerlijk over zijn eigen blinde vlek: meer dan 70% van de experimenten test eenvoudige, goed afgebakende taken. Over complex werk is het bewijs dunner. Dat maakt de ontwerpvraag des te belangrijker want precies daar wordt klantcontact interessant.
De vraag is dus niet of je AI inzet in klantcontact. De vraag is: weet je voor welke taken, voor welke medewerkers, en met welke begeleiding?
-- dit bericht is eerder gepubliceerd op LinkedIn