Hoe neem je als leider de angst rond AI weg?
AI roept vragen en onzekerheid op, maar leiders kunnen met realisme, waarden en betrokkenheid de weg wijzen. Niet door blind op technologie te vertrouwen, maar door mensen centraal te stellen in de digitale transformatie. Zo ontstaat er geen angstcultuur, maar een leer- en groeicultuur
Van hype naar realisme
Komt er binnen vijf jaar een superintelligente AI die banen massaal overbodig maakt? Volgens techondernemers als Alexander Klöpping wel. De SER waarschuwde recent zelfs voor grootschalig baanverlies door de impact van automatisering en AI. Die angst is niet ongegrond: uit onderzoek van ING blijkt dat bijna vier op de tien Nederlanders vreest dat AI hun baan bedreigt (2024). Ook het World Economic Forum (WEF) bevestigt de wereldwijde zorgen over grootschalige veranderingen en het verlies van werk. Tegelijkertijd laat Google Trends een explosieve stijging zien in zoekopdrachten als “AI takes over jobs” of “AI neemt banen over” sinds de doorbraak van generatieve AI in 2022-2023. Het sentiment is duidelijk: onzekerheid overheerst.
Dat sentiment is ook terug te zien in publieke debatten. In talkshows zoals Eva worden beelden geschetst van programmeurs en juristen die worden vervangen door algoritmes. Voor bestuurders is het essentieel deze ontwikkelingen serieus te nemen, zonder te vervallen in paniek of simplificatie. Werkzekerheid en sociale cohesie staan onder druk. De vraag is: hoe gaan leiders om met de angst binnen hun organisatie? Hoe brengen zij rust, richting en vertrouwen?
Technologische vooruitgang is grillig, niet rechtlijnig
OpenAI-topman Sam Altman en Anthropic-CEO Dario Amodei voorspellen dat kunstmatige algemene intelligentie (AGI) binnen enkele jaren realiteit kan worden. Maar AI-pioniers zoals Geoffrey Hinton en Yoshua Bengio wijzen juist op grote wetenschappelijke en maatschappelijke hindernissen. Michiel Bakker van Google DeepMind (tevens Assistant Professor aan MIT) erkent de potentie van AI, maar benadrukt vooral de onvoorspelbaarheid van technologische doorbraken.
Nederland worstelt al jaren met de zogenaamde productiviteitsparadox: ondanks flinke investeringen in IT blijft productiviteitsgroei uit. Een rapport van Boston Consulting Group uit 2024 (‘Where’s the Value in AI?’) laat zien dat veel AI-initiatieven de verwachtingen niet waarmaken. Volgens BCG hangt 70% van het succes van AI-implementaties samen met de mate waarin organisaties investeren in mensen, processen en cultuur. Te vaak ligt de nadruk nog op techniek in plaats van transformatie. Ook het fors toenemende energieverbruik van AI zet druk op infrastructuur én duurzaamheid. Bovendien moet er nog een breed maatschappelijk debat gevoerd worden over de inzet van AI.
Technologische vooruitgang is zelden rechtlijnig en veel voorspellingen blijken optimistisch of eenzijdig. Zelfs binnen de huidige generatie AI-systemen – die geen AGI zijn – zien we dat krachtiger modellen eerder overtuigender hallucinerende uitkomsten geven dan werkelijk betrouwbaarder worden. Voor leiders betekent dit dat de roep om efficiëntie en kostenbesparing nooit los gezien mag worden van de plicht tot kritische kwaliteitsborging en ethische kaders. Vermijd de hype en paniek, en baseer beleid op realistische scenario’s. In de praktijk komt het aan op doordacht leiderschap dat onrust voorkomt en vertrouwen versterkt. Dit begint met strategische use cases bepalen die met minimale investeringen de meeste waarde creëren. Vervolgens zijn vier grote thema’s daarbij essentieel. Ze vormen geen uitputtende lijst, maar bieden richting voor bestuurders die AI willen inzetten zonder angst te voeden – en mét oog voor menselijk maatwerk.
Hoe kan ik de angst voor AI in mijn organisatie ombuigen naar toekomstperspectief?
Toen KLM een boekingssite voor personeel introduceerde, heerste er onrust in het callcenter. Medewerkers vreesden voor hun baan. Automatisering zou betekenen: werk kwijt. Maar het tegenovergestelde gebeurde.
Wat leiders deden:
- Openheid over het doel: dit was geen kostenbesparingsoperatie, maar bedoeld om klanten sneller te helpen en medewerkers te ontlasten.
- Nieuwe waarde onderstrepen: de focus verschoof naar wat mensen beter doen dan systemen – zoals complex klantcontact of persoonlijke hulp.
- Actieve begeleiding: HR en management volgden actief hoe mensen zich ontwikkelden en welke ondersteuning nodig was.
Het resultaat:
- Geen massaontslag, maar een verschuiving in focus.
- Meer werkplezier: medewerkers gingen zich ontwikkelen tot reisadviseur.
- Technologie werd geaccepteerd als versterking van het werk.
In de huidige AI-discussie leeft opnieuw angst: wat als AI hele beroepsgroepen wegvaagt? Maar het KLM-voorbeeld laat zien dat leiders de sleutel vormen. De manier waarop technologie wordt ingevoerd en begeleid, bepaalt of die tot weerstand of tot vooruitgang leidt. AI kent zeker beperkingen en rol van de mens blijft cruciaal. De toekomst is niet mens óf machine, maar mens én machine.
In de praktijk blijkt angst rond AI vaak samen te hangen met bedreigde basisbehoeften zoals autonomie, competentie en verbondenheid. Leiderschap dat hier bewust op stuurt, voorkomt frictie en versterkt adaptiviteit. Wilt u hierover verder in gesprek? Neem contact op.
Waarom is investeren in leervermogen net zo belangrijk als in technologie?
Technologie verandert snel. Maar als mensen niet mee veranderen, blijft de organisatie stilstaan. Het succes van AI hangt dan ook minder af van het aantal algoritmes dan van het leervermogen van medewerkers en leiders. Door te investeren in het leervermogen van medewerkers en leiders wordt onzekerheid weggenomen en ontstaat er vertrouwen. Wanneer mensen begrijpen wat AI doet, ook de beperkingen daarvan kent en hoe het hun werk ondersteunt, vermindert dat angst en weerstand tegen verandering.
Voorbeeld: ING
AI-tools voor risicobeoordeling en klantadvies werden niet alleen technologisch, maar strategisch ingebed. Geen geïsoleerd IT-project, maar een organisatiebrede verandering gekoppeld aan de strategische doelstelling: de klant centraal.
Wat werkte:
- Multidisciplinaire samenwerking tussen data, compliance, HR en operatie.
- Leiderschapstrainingen in AI-basiskennis, zodat ook niet-technische managers konden meepraten.
- Eerlijke communicatie richting medewerkers over wat AI wel en niet doet – en hoe het hen ondersteunt.
Voorbeeld: Nederlandse Rode Kruis
Bij het inzetten van AI voor rampenrespons werden alle betrokkenen – van datawetenschappers tot vrijwilligers – actief betrokken. Door samen te leren en te experimenteren ontstond vertrouwen en eigenaarschap.
De les: AI vraagt niet alleen om technische expertise, maar om collectief leervermogen. Organisaties die investeren in kennis, dialoog en experimenteren bouwen wendbaarheid én vertrouwen op. Juist dat voorkomt weerstand.
Waarom is ethiek essentieel bij AI-toepassingen?
AI raakt direct aan ethiek. Wie bepaalt? Wie wordt uitgesloten? Wie is aansprakelijk? Goed bestuur betekent dat deze vragen niet aan de IT-afdeling worden overgelaten, maar op bestuursniveau worden gewogen. Door ethische kaders vooraf te stellen, laat je zien dat je medewerkers serieus neemt en beschermt. Dit voorkomt wantrouwen, achterdocht en angst, en creëert draagvlak voor AI.
Voorbeeld: Unilever
Hun ethisch kader voor AI is geen bijzaak, maar uitgangspunt:
- Een ethische AI-reviewboard toetst toepassingen.
- Toepassingen moeten uitlegbaar en transparant zijn.
- AI wordt gekoppeld aan maatschappelijke doelen – niet alleen efficiëntie.
De les: Technologie zonder waarden ondermijnt vertrouwen. Leiderschap dat waarden centraal stelt, maakt AI-toepassingen toekomstbestendig.
Hoe meet ik of AI daadwerkelijk waarde toevoegt voor mens én organisatie?
Veel organisaties meten vooral of een AI-systeem werkt en gebruikt wordt. Maar of dat leidt tot waarde, is een andere vraag. Transparantie over wat AI daadwerkelijk oplevert – voor klanten én medewerkers – is cruciaal om vertrouwen te behouden.
Voorbeeld: Europese verzekeraar
AI werd ingezet voor schadeafhandeling. Door realtime te meten hoe snel en accuraat claims werden verwerkt, én tegelijk klanttevredenheid te monitoren, kon men snel bijsturen.
Wat werkt:
- KPI’s die verder gaan dan techniek, zoals medewerkerstevredenheid.
- Actieve betrokkenheid van medewerkers bij evaluatie van AI-systemen.
- Sentimentanalyses van klantfeedback en open vragen in medewerkersenquêtes – uiteraard geanonimiseerd – om patronen in ervaringen tijdig te signaleren.
De les: Sturen op betekenisvolle uitkomsten – en niet alleen op technische adoptie – helpt organisaties koersvast te blijven. Zo bouwen leiders aan een cultuur waarin data en feedback samen leiden tot verbetering en vertrouwen.
Ontdek meer AI inzichten
- AI-strategie en ethiek
- Generative Search Optimization (GSO)
- Digitale transformatie voor het hogere segment
Volg Ronald Ritsma op LinkedIn voor wekelijkse inzichten over AI en leiderschap.
