AI-adoptiestrategie: een blauwdruk in vijf stappen
Open het document dat in jouw organisatie "AI-adoptiestrategie" heet. De kans is groot dat het een toolkeuze bevat, een licentietelling, een security-review, een trainingskalender en een communicatieplan.
Dat is allemaal nodig. Alleen is het geen strategie voor adoptie. Het is een strategie voor beschikbaarheid.
In dat gat tussen de twee lopen de meeste AI-programma's vast. De tools komen er. De webinars draaien. En een kwartaal later doet een kleine groep enthousiastelingen opmerkelijke dingen, terwijl de rest gewoon weer werkt zoals in januari.
Een AI-adoptiestrategie is het plan dat bepaalt welke mensen welk werk anders gaan doen met AI, en wat er in hun context moet veranderen om dat mogelijk te maken. Dat is iets anders dan een implementatieplan, dat gaat over tooling, licenties, security en integratie. Implementatie levert mogelijkheid. Adoptie levert veranderd gedrag, en het tweede volgt nooit vanzelf uit het eerste. Waarom AI-adoptie mislukt →
Strategie voor beschikbaarheid, strategie voor gedrag
Begin bij wat dit de moeite waard maakt. In een onderzoek onder ruim vijfduizend klantenservicemedewerkers vonden Erik Brynjolfsson, Danielle Li en Lindsey Raymond dat toegang tot een generatieve AI-assistent het aantal opgeloste vragen per uur gemiddeld met zo'n 14 procent verhoogde, met de grootste winst bij de minst ervaren medewerkers.[1] De opbrengst is echt, en hij is ongelijk verdeeld.
Precies daar zit het probleem. Die waarde ontstaat alleen waar het gedrag verandert. Elke organisatie die nu betaalt voor accounts die niemand opent, heeft de mogelijkheid gekocht en niets van de opbrengst.
De eerste strategische beslissing is dus niet welk model je koopt. Het is welk gedrag je wilt verplaatsen, bij welke groep, en wat dat gedrag nu tegenhoudt. De rest is inkoop.
Een tool uitrollen is een project. Veranderen hoe mensen werken is een ontwerpvraagstuk.
De rest van dit artikel is een blauwdruk in vijf stappen voor dat tweede. Het gaat ervan uit dat de tools er al zijn, of binnenkort komen, en dat je probleem menselijk is en niet technisch. Wil je de diagnose van waarom programma's überhaupt vastlopen, die schreven we apart in waarom AI-adoptie mislukt en in AI-adoptie in organisaties. Dit stuk gaat over wat je in plaats daarvan bouwt.
Hartje Amsterdam
Stap 1. Definieer het gedrag, niet de tool
Bijna elk AI-adoptiedoel is geschreven op een niveau waarop niemand ermee aan de slag kan. "Iedereen werkt eind dit jaar met AI." "We worden een AI-first organisatie." Dat zijn ambities. Ze beschrijven een toestand, geen handeling.
Herschrijf het doel als een zin die een collega zou kunnen filmen. Wie, doet wat, wanneer, in plaats waarvan.
Een voorbeeld uit werk dat de meeste teams herkennen: accountmanagers schrijven de eerste versie van elke klantupdate op vrijdagochtend met de assistent, in plaats van te beginnen met een leeg document. Die zin vertelt je met wie je moet praten, welk moment je moet herontwerpen, met welke bestaande gewoonte je concurreert, en waaraan je zou zien of het gebeurd is.
Let op wat er niet in staat: het woord "gebruiken". Gebruik is geen gedrag, het is een categorie. En een strategie die op een categorie mikt kun je niet ontwerpen, alleen communiceren.
Nog één discipline hier. Benoem het gedrag dat het vervangt. Elk nieuw gedrag moet een zittende kampioen verslaan, en die werkt al. John Gourville liet zien waarom dat zo lastig is: mensen overwaarderen wat ze al hebben en onderwaarderen wat ze nog niet kennen, terwijl makers precies het omgekeerde doen. Het resultaat is dat vernieuwers hun eigen innovatie ruwweg met een factor negen overschatten.[2] Ga ervan uit dat jouw AI-use-case aan dezelfde vertekening onderhevig is.
Stap 2. Diagnosticeer de krachten voordat je iets ontwerpt
De reflex is om nu meteen naar interventies te springen. Houd dat een week tegen. Elke interventie die je zonder diagnose ontwerpt is een gok in de vermomming van een plan.
Bij SUE brengen we de krachten rond gedrag in kaart met het SUE | Influence Framework: de pains en gains die iemand naar het nieuwe gedrag duwen, en de anxieties en comforts die iemand in het oude vasthouden.[3]
Doe die analyse op de specifieke groep uit stap één, met mensen uit die groep in de ruimte. Het patroon dat naar boven komt is opvallend consistent.
De pains zijn echt maar draaglijk: het rapport kost te veel tijd, de inbox raakt nooit leeg, de eerste versie is altijd het zwaarste stuk. Draaglijke pijn brengt geen beweging. Mensen dragen die al jaren.
De gains zijn groot en abstract: uren besparen, betere kwaliteit, interessanter werk. Abstracte voordelen die later komen verliezen het van concrete kosten die nu komen. Dat is de oudste bevinding uit de gedragseconomie en nog steeds de meest onderschatte in veranderprogramma's.
De anxieties zijn specifiek en direct: er traag uitzien naast een collega die vloeiend lijkt, iets fouts produceren en daarop aangesproken worden, in het openbaar ontdekken dat je niet weet wat een prompt is. En dan die stillere, die niemand op een flip-over schrijft: als dit werkt, wat blijft er dan over van mijn functie.
De comforts zijn de sterkste van de vier en worden het minst besproken. De huidige manier werkt. Hij is snel omdat hij automatisch is. Niemand krijgt kritiek omdat hij het rapport maakt zoals het rapport altijd gemaakt is.
Zet die vier naast elkaar en de conclusie schrijft zichzelf. Je strategie moet de anxieties verkleinen en de comforts loswrikken. De meeste AI-programma's besteden hun hele budget aan het uitvergroten van de gains.
Stap 3. Kies één taak, geen honderd use cases
De use-case-workshop is een vast onderdeel van AI-programma's. Een volle zaal genereert negentig ideeën, ze worden gescoord op impact en haalbaarheid, en er is een portfolio geboren.
Portfolio's zijn een slecht instrument voor gedragsverandering. Ze verdelen aandacht over veel zwakke signalen, terwijl je één sterk signaal nodig hebt.
Karl Weick maakte dat argument in 1984, in een artikel over waarom grote maatschappelijke problemen zich zo slecht laten oplossen: een probleem op volle schaal formuleren levert angst en verlamming op, terwijl een reeks kleine, concrete overwinningen momentum, medestanders en informatie voor de volgende stap oplevert.[4] Een AI-adoptiestrategie met negentig use cases is een probleem op volle schaal. Eén taak, anders gedaan door één team, is een kleine overwinning.
Kies die taak op drie criteria. Hij komt wekelijks of vaker voor, zodat de lus van poging naar resultaat kort is. De verbetering is bij de eerste poging al zichtbaar, zodat niemand het voordeel op vertrouwen hoeft aan te nemen. En hij valt binnen de eigen invloedssfeer van het team, zodat geen andere afdeling ergens toestemming voor hoeft te geven.
Verdedig die smalheid daarna. Er komt iemand met senioriteit die voorstelt het breder te trekken. Breder trekken is precies hoe je het verliest.
Stap 4. Maak de beginner zichtbaar
Dit is de interventie die het meeste verandert en het minste kost, en hij ontbreekt bijna altijd.
Mensen mijden een nieuwe tool waar collega's bij zijn niet vanwege de tool. Het komt door de aanname dat alle anderen het al doorhebben. Die aanname klopt bijna nooit, en hij versterkt zichzelf: iedereen zwijgt, en die stilte wordt gelezen als competentie.
Amy Edmondson vond in haar onderzoek onder ziekenhuisteams dat de beter presterende teams meer fouten rapporteerden, niet minder. Ze maakten niet meer fouten. Ze werkten in een omgeving waarin een fout toegeven veilig was, en dat is de voorwaarde waaronder teams echt leren.[5] Diezelfde voorwaarde bepaalt of iemand een onbekende tool durft te proberen waar een collega bij zit.
Ontwerp daar dus bewust op. Laat iemand met aanzien in het team zijn onafgewerkte poging laten zien: de prompt die onzin opleverde, de output die helemaal herschreven moest worden, het ding dat nog steeds niet lukt. Geen champion die een succesverhaal presenteert. Een geloofwaardige collega die zichtbaar middelmatig is, in het openbaar.
Daarom is de keuze wie er als eerste gaat strategisch en niet administratief. Everett Rogers documenteerde decennialang hoe innovaties zich verspreiden, en de terugkerende bevinding is dat ze via persoonlijke netwerken reizen: mensen stappen in omdat iemand zoals zij, wiens oordeel ze vertrouwen, het eerst deed en het goed afliep.[6] Je pilotgroep is geen technische selectie. Het is een geloofwaardigheidsselectie.
Verder lezen als dit jouw knelpunt is: AI-adoptie en psychologische veiligheid.
Stap 5. Ontwerp de gewoonte en meet gedrag
Gedrag dat afhangt van eraan denken overleeft geen drukke week. Haak het vast aan iets dat toch al gebeurt.
Het mechanisme is goed gedocumenteerd. Peter Gollwitzer en Paschal Sheeran analyseerden 94 studies en vonden dat als-dan-plannen, oftewel implementatie-intenties in de vorm "als situatie X zich voordoet, doe ik Y", tot een middelgroot tot groot effect op doelrealisatie leidden vergeleken met alleen een intentie.[7] Het plan werkt omdat het de regie over het gedrag overdraagt aan de situatie in plaats van aan wilskracht.
Toegepast op jouw ene taak: "als ik op vrijdag de template voor de klantupdate open, schrijf ik versie één eerst met de assistent." Opgeschreven, afgesproken in het team, gekoppeld aan een bestaand signaal.
Meet vervolgens het juiste. Uitgedeelde licenties, logins, geactiveerde accounts en afgeronde trainingen meten allemaal beschikbaarheid, en ze blijven er bemoedigend uitzien terwijl er niets verandert. Meet in plaats daarvan hoe vaak de doeltaak op de nieuwe manier wordt gedaan, hoeveel mensen een poging openlijk hebben gedeeld, en hoe lang de taak nu van begin tot eind duurt. Drie getallen, wekelijks besproken, zichtbaar voor het team.
Dat wekelijkse doet meer dan het lijkt. Een adoptieprogramma dat per kwartaal wordt geëvalueerd geeft je vier keer een antwoord. Niet op tijd om er nog iets aan te veranderen.
Veelgestelde vragen over AI-adoptiestrategie
Wat is een AI-adoptiestrategie?
Een AI-adoptiestrategie is het plan dat bepaalt welke mensen welk werk anders gaan doen met AI, en wat er in hun context moet veranderen om dat mogelijk te maken. Het is niet hetzelfde als een implementatieplan, dat gaat over tooling, licenties, security en integratie. Implementatie levert mogelijkheid. Adoptie levert veranderd gedrag, en het tweede volgt niet vanzelf uit het eerste.
Hoe lang duurt AI-adoptie?
Eén goed gekozen gedraging in één team kan binnen vier tot zes weken verschuiven, omdat de lus van poging naar zichtbaar resultaat kort is. Organisatiebrede verandering gaat trager en volgt het patroon dat Rogers beschreef: adoptie verspreidt zich van persoon tot persoon via geloofwaardige collega's, dus het duurt zolang als het duurt voordat de eerste gebruikers zichtbaar worden voor de rest. Plan in kwartalen, maar meet in weken.
Waarom mislukken AI-adoptiestrategieën?
De meeste mislukken omdat ze niet-gebruik behandelen als een kennisprobleem en er training, communicatie en toegang tegenaan gooien. De echte barrière is meestal de prijs van zichtbaar onhandig zijn in iets wat collega's lijken te beheersen, plus de aantrekkingskracht van een routine die al goed genoeg werkt. Geen van beide los je op met nog een webinar.
Hoe meet je AI-adoptie?
Meet het gedrag, niet de toegang. Uitgedeelde licenties, logins en afgeronde trainingen zeggen bijna niets. Bruikbare maten zijn: hoe vaak de doeltaak op de nieuwe manier wordt gedaan, hoeveel mensen een poging openlijk hebben gedeeld, en hoe lang de taak nu van begin tot eind duurt. Kies er twee of drie en volg ze wekelijks.
Conclusie
De vijf stappen zijn niet ingewikkeld, en dat is nogal het punt. Definieer één gedrag. Diagnosticeer de krachten die het tegenhouden. Kies één taak. Maak de beginner zichtbaar. Ontwerp het signaal en meet de handeling.
Wat ze moeilijk maakt is dat ze om terughoudendheid vragen op het moment dat alles in de organisatie om schaal roept. Negentig use cases voelen als ambitie. Eén taak, anders gedaan door één team, voelt als te weinig, tot het het enige deel van het programma blijkt dat werkelijk iets aan iemands werk veranderd heeft.
Wil je dit goed opzetten? De online Deep Dive AI Adoption neemt je mee door diagnose, interventieontwerp en meten, in je eigen tempo. Of begin bij de volledige methode in de Behavioural Design Fundamentals Course, beoordeeld met een 9,3 door meer dan 10.000 professionals.
1,5 minuut over invloed
Elke week valt me iets op: een bordje in een ziekenhuis, een schap in de supermarkt, een zin in een vergadering. Altijd iets dat perfect laat zien hoe context gedrag stuurt. Ik schrijf het op. Jij krijgt het donderdagochtend in je inbox. In 90 seconden. Meer over de nieuwsbrief →
6.500+ lezers · Gratis · Uitschrijven kan altijd