Tussen 2013 en 2018 voerde ik veel gesprekken over CRM, klantcontact en digitale kanalen. Vrijwel iedere organisatie werkte aan dezelfde ambitie: meer digitaal, meer selfservice, meer automatisering. Vaak gebeurde dat met dezelfde leveranciers, dezelfde blauwdrukken en opvallend vergelijkbare businesscases.
Ik stelde toen regelmatig dezelfde vraag:
Als iedereen hetzelfde doet, veelal met dezelfde technologie, waarmee onderscheid je je dan nog?
Op die vraag kwam zelden een overtuigend antwoord. Zodra je doorvroeg, bleek dat technologie vooral werd ingezet om achterstanden weg te werken en kosten te verlagen. Veel minder om daadwerkelijk beter te worden in iets wat klanten belangrijk vonden.
Tien jaar later zie ik hetzelfde patroon terug.
Alleen heet het nu AI.
De verkeerde vraag
De dominante vraag van dit moment luidt: kan AI mensen vervangen?
Dat is eigenlijk geen bijzonder interessante vraag. Voor een groot aantal werkzaamheden is het antwoord immers gedeeltelijk ja. De vraag wordt daarmee vooral een legitimatie voor iedere vervanging die technisch mogelijk blijkt.
De interessantere vraag is een andere:
Welk expliciet doel wordt beter gerealiseerd door AI, en waarom is vervanging van mensen daarvoor noodzakelijk?
Op dat punt blijkt vaak dat de onderliggende doelstelling minder over verbetering gaat dan over besparing.
In de bestuurskamer gaat het gesprek meestal over transformatie. Over betere dienstverlening, betere klantervaringen en nieuwe manieren van werken. Zodra de businesscase op tafel komt, verschuift de aandacht echter opvallend vaak naar kosten per contact.
Dat verschil is relevanter dan het lijkt. Een organisatie die vertrekt vanuit een expliciet doel probeert een betere uitkomst te realiseren voor klant, medewerker of maatschappij. Een organisatie die vertrekt vanuit kosten zoekt een goedkopere route naar hetzelfde resultaat.
En zodra kostenreductie het doel wordt, verandert ook de richting waarin naar oplossingen wordt gezocht. Het herontwerpen van processen, rollen en klantinteracties verdwijnt naar de achtergrond. Het bestaande proces blijft grotendeels intact; er wordt simpelweg een laag AI bovenop gelegd.
Waar organisaties bestaande processen steeds vaker aanvullen met AI, verschuift op individueel niveau de rol van professional naar toezichthouder.
En precies daar ontstaat een tweede probleem.
Van centaur naar reverse centaur
Tijdens het kijken naar de Tegenlicht-uitzending Let Them Eat Slop – een tip van mijn collega Ferry – bleef één onderscheid hangen. Niet zozeer de discussie over AI zelf, of de rol van techmiljardairs in de huidige AI-golf, maar het verschil tussen wat Cory Doctorow een centaur en een reverse centaur noemt.
Een centaur gebruikt technologie om beter werk te leveren. De mens blijft eigenaar van het oordeel en gebruikt de machine als hulpmiddel. Bij een reverse centaur draait die verhouding om. Daar ondersteunt de mens het systeem. Het proces, de targets en de automatisering bepalen het ritme; de professional houdt toezicht.
Dat klinkt theoretisch, maar het patroon is inmiddels overal zichtbaar. De klantenservicemedewerker beoordeelt steeds minder zelf hoe een vraag het beste kan worden afgehandeld en controleert steeds vaker een door AI gegenereerd antwoord. Recruiters beoordelen AI-ranglijsten. Juristen controleren AI-teksten. In al deze gevallen verschuift de rol van vakman naar validator.
Precies daar ontstaat een probleem.
Waarom toezicht niet werkt
De gebruikelijke tegenwerping luidt dat er toch altijd een mens betrokken blijft.
Dat klinkt verstandig, maar onderzoek naar toezicht op geautomatiseerde systemen laat al decennia iets anders zien. Mensen zijn verrassend slecht in het bewaken van systemen die meestal correct functioneren, zeker wanneer fouten zeldzaam zijn en snelheid belangrijker wordt gemaakt dan zorgvuldigheid.
Dat is niet zo vreemd als het klinkt.
Mensen worden ergens goed in door het vaak te doen, niet door er af en toe naar te kijken.
De vergelijking met luchthavenbeveiliging die Doctorow in de Tegenlicht-uitzending gebruikt, is illustratief. Een beveiliger herkent vrijwel iedere waterfles. Die komen immers voortdurend voorbij. Wapens worden veel vaker gemist, niet doordat medewerkers onbekwaam zijn, maar omdat ze die situaties zelden tegenkomen.
Hetzelfde mechanisme speelt bij AI. De professional mag nog controleren, maar krijgt steeds minder gelegenheid om te oefenen, steeds minder autonomie om af te wijken en steeds minder tijd om daadwerkelijk na te denken.
Op papier blijft de mens verantwoordelijk.
In de praktijk wordt het vermogen om verantwoordelijkheid te nemen langzaam uitgehold.
Hoe kwaliteit mèh wordt
Dat brengt ons bij een effect dat mij meer zorgen baart dan automatisering zelf.
Veel vakmanschap ontstaat niet tijdens de uitzonderlijke momenten van een beroep, maar juist tijdens de alledaagse herhaling. In de dossiers die je doorwerkt. In de klantgesprekken die je voert. In de analyses die je maakt. In de fouten die je leert herkennen en de uitzonderingen die je leert begrijpen.
Juist die werkzaamheden zijn vaak als eerste kandidaat voor automatisering aangewezen. Niet omdat ze waardeloos zijn, maar omdat ze voorspelbaar lijken.
Daarmee verdwijnt echter ook de trainingsvloer waarop professionals leren wat goed werk eigenlijk is.
Het gevolg is niet dat kwaliteit onmiddellijk instort. Dat zou nog opvallen.
Het gevolg is subtieler.
Mensen verliezen langzaam hun vermogen om te beoordelen of iets werkelijk goed is.
Kwaliteit wordt niet slecht.
Kwaliteit wordt mèh.
En mèh valt nauwelijks op.
De nieuwe uitwisselbaarheid
Veel organisaties denken dat AI uiteindelijk mensen uitwisselbaar maakt.
Ik vermoed dat het omgekeerde waar is.
Organisaties die mensen primair als kostenpost beschouwen, maken eerst hun professionals uitwisselbaar. Daarmee verliezen ze precies datgene wat hen ooit onderscheidde: hun beoordelingsvermogen, hun vakmanschap en hun vermogen om kwaliteit te herkennen voordat klanten dat doen.
Op korte termijn levert dat een aantrekkelijk plaatje op. Minder mensen, meer output en lagere kosten.
Maar achter die berekening gaat een aanname schuil: dat de waarde van een professional gelijk is aan de werkzaamheden die hij uitvoert.
De waarde van een professional zit niet alleen in het uitvoeren van het werk, maar ook in het vormen van een oordeel over dat werk.
Daarmee wordt een belangrijk deel van de waarde over het hoofd gezien.
De omdraaiing
Tien jaar geleden zag ik organisaties dezelfde CRM-systemen implementeren en zich vervolgens afvragen waarom ze steeds meer op elkaar gingen lijken. Dat was niet vreemd. Ze gebruikten dezelfde technologie, volgden dezelfde best practices en richtten hun processen op vergelijkbare manieren in.
Het resultaat was voorspelbaar.
Hoe meer iedereen hetzelfde deed, hoe moeilijker het werd om nog onderscheidend te zijn.
Vandaag zie ik iets vergelijkbaars gebeuren met AI. Alleen staat er meer op het spel.
CRM veranderde processen.
AI raakt aan iets fundamentelers: het beoordelingsvermogen waarmee organisaties bepalen wat goed werk is en of hun processen nog deugen.
De grootste vergissing van deze golf is misschien wel dat organisaties denken dat ze arbeid vervangen. Wat ze in werkelijkheid vervangen, is hun eigen vermogen om kwaliteit te herkennen.
Daarmee kom ik terug bij dezelfde vraag die ik ruim tien jaar geleden stelde.
Als iedereen hetzelfde CRM implementeert, waarmee onderscheid je je dan nog?
Vandaag stel ik dezelfde vraag opnieuw.
Als iedereen hetzelfde model gebruikt om kenniswerk te standaardiseren, waarmee onderscheid je je dan nog?
Want zodra het vermogen om kwaliteit te herkennen verdwijnt, wordt niet de professional uitwisselbaar.
Dan wordt de organisatie dat zelf.
-- dit bericht is eerder gepubliceerd op LinkedIn