Als je steeds vanuit hetzelfde vakgebied naar iets kijkt, blijf je ook dezelfde vragen stellen. Daarom denk ik dat het interessant is om AI-adoptie vanuit een ander vakgebied te bekijken. Want die echte verandering in organisaties? Dat gaat nog behoorlijk traag.
In deze blog kijk ik naar AI-adoptie vanuit het vakgebied epidemiologie. In veel organisaties zie ik dat ze zich richten op de vraag: hoe krijgen we iedereen mee? Maar we kunnen ons ook richten op: hoe verspreidt nieuw gedrag zich door een organisatie?
Verspreiding van AI
Als ergens een virus uitbreekt, onderzoekt een epidemioloog hoeveel mensen vatbaar zijn. Er wordt gekeken naar verspreiding. Wie komt met wie in aanraking? Waar zitten clusters? Welke mensen verbinden verschillende groepen? Hoe snel verspreidt het virus zich? Onder welke omstandigheden gaat dat sneller? En waar stokt de verspreiding?
Bij verandering gebeurt iets vergelijkbaars. Stel dat tien medewerkers ontdekken dat ze met AI een taak in twintig minuten kunnen doen in plaats van anderhalf uur. Dan gebeurt er nog niet zoveel, wat er daarna gebeurt zegt meer.
Vertellen ze het aan collega's? Delen ze hun werkwijze? Kunnen anderen die makkelijk overnemen? Zit er iemand tussen die veel contact heeft met andere afdelingen? Wordt hun manier van werken daar vervolgens ook gebruikt?
“Hoeveel anderen worden gemiddeld door één persoon besmet? Je kunt die gedachte ook op AI-adoptie loslaten”
Wat is je reproductiegetal?
In de epidemiologie wordt o.a. naar het reproductiegetal gekeken: hoeveel anderen worden gemiddeld door één persoon besmet? Je kunt die gedachte ook op AI-adoptie loslaten.
Stel dat één collega een nieuwe AI-toepassing of slimmere werkwijze ontdekt. Hoeveel collega's nemen die vervolgens over? Nemen twee collega's de werkwijze over en delen zij hem vervolgens ieder weer met anderen? Dan ontstaat een patroon. Dat levert ook een andere manier van kijken naar het succes van AI-adoptie op.
Organisaties meten nu vaak bijvoorbeeld hoeveel medewerkers een training hebben gevolgd. Of hoeveel daarvan AI wekelijks gebruiken. Dat vind ik sowieso weinig zeggen.
Lees ook: Kim Pot: ‘Ik ben helemaal voor experimenten, maar wat doen we nu écht anders met AI?’
Wat al meer zegt is overdracht. Welke AI-werkwijzen worden door meerdere collega's gebruikt? Van wie hebben zij die overgenomen? Geven zij ze vervolgens weer door? Bereikt zo'n werkwijze ook andere teams en afdelingen?
Dat hoeft niet ingewikkeld te zijn. Vraag je collega’s er bijvoorbeeld naar. Zo krijg je een beeld bij hoe een werkwijze door de organisatie reist. Maar ook bij wat je collega’s dus wel niet waardevol vinden.
Je voorlopers zijn niet automatisch je verspreiders
Organisaties zoeken voor AI-ambassadeurs vaak naar de grootste enthousiastelingen. Logisch. Maar naast enthousiasme is ook de positie van deze collega's in de organisatie belangrijk.
Epidemiologen weten dat niet ieder individu dezelfde rol speelt in verspreiding. Sommige mensen hebben meer contacten, bewegen tussen verschillende groepen of komen op plekken waar anderen nauwelijks komen. Daardoor kunnen zij een veel grotere rol spelen in transmissie. Ook organisaties hebben zulke mensen.
Dat zijn lang niet altijd je collega’s met de meeste AI-kennis. Of de hoogste functie. Het kan de projectleider zijn die met vier afdelingen werkt. De communicatieadviseur die overal aanschuift. Of gewoon die collega bij wie iedereen toch al aanklopt als ze ergens niet uitkomen.
Dat maakt de keuze voor AI-ambassadeurs ineens een stuk interessanter. Kies je degene die het meeste weet van AI? Die heel enthousiast is? Of degene van wie anderen makkelijk iets overnemen? Dat kan dezelfde collega zijn, maar hoeft niet. Je hebt beide typen nodig.
Pas op voor AI-eilandjes
Er zit nog een les in deze manier van kijken. Verspreiding kan zich concentreren in clusters. Binnen organisaties zie ik dat ook gebeuren. De AI-ambassadeurs zitten samen in een Teams-kanaal. Ze bezoeken dezelfde kennissessies. Ze sturen elkaar nieuwe tools en voorbeelden. Iedereen in het groepje wordt steeds beter. Behalve de rest van de organisatie.
Lees ook: Management heeft hoge AI-ambities, maar op de werkvloer verloopt het stroef: zo dicht je de kloof
Daarom zou ik bij adoptie ook kijk naar waar verspreiding stopt. Welke collega’s of teams nemen nieuwe werkwijzen niet over? Welke groepen komen nauwelijks in aanraking met de ambassadeurs? En welke mensen zouden de verbinding tussen die groepen kunnen leggen?
De omgeving bepaalt mede of iets zich verspreidt
En dan is er nog iets wat we van epidemiologen kunnen leren: verspreiding draait niet alleen om individuen. De omstandigheden doen ertoe.
Dat geldt net zo goed voor AI-adoptie. Je kunt iemand enthousiast maken, trainen en twintig goede voorbeelden laten zien. Maar als diegene vervolgens geen toegang heeft tot de juiste tools, niet weet wat wel en niet mag, geen tijd krijgt om te experimenteren en een leidinggevende heeft die AI zelf nooit gebruikt, gaat die collega echt geen nieuw gedrag vertonen.
We noemen dat vervolgens weerstand. Terwijl we vooral een omgeving hebben gebouwd waarin het oude gedrag makkelijker is dan het nieuwe. Er moet dan iets veranderen in de omgeving (en daar komt vaak het management kijken).
Laat je werkwijze muteren
Nog een interessant principe: wat zich verspreidt, blijft niet noodzakelijk hetzelfde. Ook dat zie je bij AI. Het doet me denken aan wat er gebeurt als je met een groep mensen bent en je de eerste een verhaal vertelt. Tegen de tijd dat het verhaal bij de laatste uit de groep is, is het verhaal helemaal anders.
Bij AI zie je dat een marketingteam bijvoorbeeld een goede manier om AI te gebruiken voor klantonderzoek bedenkt. Communicatie ziet de aanpak en past hem aan voor stakeholderonderzoek. HR maakt er vervolgens weer een variant van.
“We behandelen organisatieverandering vaak alsof iedereen ongeveer tegelijkertijd dezelfde beweging moet maken, maar verspreiding werkt bijna nooit zo”
De oorspronkelijke werkwijze is veranderd terwijl hij zich door de organisatie verplaatste. Organisaties hebben soms de neiging om dat juist tegen te gaan. We maken één werkwijze en willen vervolgens dat iedereen die netjes gebruikt. Maar aanpassing kan juist een teken zijn dat adoptie plaatsvindt.
Mensen maken iets geschikt voor hun eigen werk. De kunst is dus om goede werkwijzen te verspreiden EN te kijken welke varianten er onderweg ontstaan. Werkt een aangepaste versie ergens beter? Dan kun je juist díé weer verder verspreiden.
Zo wordt adoptie een leerproces in plaats van een uitrol.
Maak van adoptie een verspreidingsvraagstuk
Als je AI-adoptie op deze manier bekijkt, verandert je aanpak. We behandelen organisatieverandering vaak alsof iedereen ongeveer tegelijkertijd dezelfde beweging moet maken, maar verspreiding werkt bijna nooit zo.
Nieuwe ideeën en werkwijzen bewegen via sociale netwerken. De ene groep begint eerder dan de andere. Sommige mensen spelen een grotere rol in de verspreiding. En gedrag kan zich langzaam verspreiden totdat het op een gegeven moment normaal begint te worden.
Lees ook: Je team gaat pas écht met AI werken als jij als leidinggevende deze simpele stappen zet
Je hoeft dus niet te wachten totdat iedereen overtuigd is. Je moet zorgen dat ergens nieuw gedrag ontstaat. Dat het aantoonbaar werkt. Dat anderen het kunnen zien. Dat het makkelijk genoeg is om over te nemen. En dat het zich van de ene groep naar de andere kan verplaatsen.
Ontvang elke week het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in:
