Waarom AI mensen doet bevriezen

Michaël Van Damme (Unicorn) en Matthias Nauwelaers (imec) over de psychologie achter AI-adoptie, het MOVE-raamwerk en waarom HR een hoofdrol heeft in de transformatie van werk.

Iedereen heeft het over AI. Organisaties investeren in technologie, medewerkers krijgen opleidingen en de ene voorspelling over de toekomst van werk volgt de andere op. Toch blijkt het verrassend moeilijk om mensen daadwerkelijk in beweging te krijgen. Volgens gedragswetenschapper Michaël Van Damme is dat niet zo vreemd. Tijdens het #ZigZagHR Forum legde hij uit hoe AI-hypes ons gedrag beïnvloeden. Matthias Nauwelaers liet vervolgens zien hoe imec die inzichten vertaalt naar de praktijk. Een verhaal over onzekerheid, collectief leren en jobs die steeds minder vanzelfsprekend een vaste bundel taken vormen.

Mensen zijn niet rationeel

Wie lacht er graag? Vrijwel iedereen stak zijn hand op. Maar toen Michaël vervolgens vroeg wie bereid was om iets grappigs te doen, bleef het opvallend stil. Zijn punt: wat rationeel logisch lijkt, voorspelt niet noodzakelijk hoe mensen zich gedragen. Hij verwees naar de opkomst van de MOOC (Massive Open Online Course) in 2012. Online opleidingen van topuniversiteiten zouden het hoger onderwijs ingrijpend veranderen. Er werd zelfs voorspeld dat lokale universiteiten grotendeels zouden verdwijnen ten voordele van enkele internationale spelers. Die toekomst is niet uitgekomen zoals voorspeld. Mensen maken hun keuzes immers niet uitsluitend op basis van de meest rationele of efficiënte optie.

Volgens Michaël zien we vandaag iets vergelijkbaars bij AI. We worden overspoeld met voorspellingen, van massaal jobverlies tot een toekomst waarin technologie vrijwel alle problemen oplost.

De psychologie van de hype

Die verhalen zijn volgens Michaël niet onschuldig, want een hype beïnvloedt het gedrag van mensen op minstens drie manieren. Ten eerste ontstaat sociale druk. Organisaties en medewerkers willen ‘iets’ met AI doen omdat iedereen ermee bezig is. De vraag welk probleem ze ermee willen oplossen, verdwijnt soms naar de achtergrond.

Ten tweede raakt het begrip uitgehold. Zoals eerder gebeurde met termen als innovatie en creativiteit, kan ook AI weerstand of onverschilligheid oproepen wanneer medewerkers er voortdurend mee geconfronteerd worden zonder duidelijke resultaten te zien.

Ten derde kunnen extreme voorspellingen tot verlamming leiden. Doemscenario’s en utopische toekomstbeelden krijgen veel aandacht, terwijl de waarschijnlijkere scenario’s ertussenin veel minder duidelijk zijn.

Michaël illustreerde dat met een wandeling door Antwerpen. Een neerstortende helikopter of een winnend loterijticket zou een spectaculair verhaal opleveren. Maar de kans is veel groter dat er niets uitzonderlijks gebeurt. Bij AI richten we onze aandacht eveneens op de uitersten. De toekomst daartussen is onzeker en moeilijker voor te stellen. En het is net die onzekerheid die mensen doet bevriezen. Ze wachten af, verzamelen steeds meer informatie en stellen beslissingen uit.

Michaël verwees daarbij naar analysis paralysis: zoveel proberen te analyseren dat er uiteindelijk weinig gebeurt. De vraag wordt dan: hoe krijg je mensen in beweging wanneer niemand precies weet waar de verandering naartoe leidt?

Het MOVE-raamwerk

Volgens Michaël vraagt een AI-transformatie een adaptieve aanpak. De technologie kun je technisch implementeren, maar gedragsverandering laat zich niet op dezelfde manier organiseren.

Op basis van inzichten uit gedragswetenschappelijk onderzoek presenteerde hij vier vragen die medewerkers zich bij een ingrijpende verandering stellen. Samen vormen ze het MOVE-raamwerk.

  • Meaning | Waarom doen we dit?
    Mensen willen begrijpen welk probleem de verandering oplost. Een concreet probleem dat ze zelf herkennen, werkt sterker dan een abstract verhaal over technologische mogelijkheden.
  • Orientation | Waar kunnen we op rekenen?
    Wanneer de uitkomst onzeker is, hebben medewerkers houvast nodig. Michaël spreekt over whatever happens-principes: afspraken en waarden die overeind blijven, ongeacht hoe de transformatie verloopt.
  • Voicing | Heb ik invloed?
    Medewerkers willen hun ervaringen, bezorgdheden en ideeën kunnen inbrengen. Dat betekent niet dat ieder voorstel wordt overgenomen, maar wel dat hun inbreng ernstig wordt overwogen.
  • Experimentation | Wat leren we onderweg?
    Omdat vooraf niet vaststaat wat werkt, zijn experimenten en korte leercycli essentieel. Organisaties ontdekken gaandeweg welke toepassingen waarde creëren en welke aanpak bij hun medewerkers past.

Michaël benadrukte dat vooral de eerste twee elementen sterk samenhangen met het verhaal dat een organisatie vertelt. Wie AI wil introduceren, heeft meer nodig dan een overtuigende presentatie over de technologie. Medewerkers willen begrijpen waarom de verandering relevant is en wat daarbij belangrijk blijft.

Van licenties naar adoptie

Bij imec begon het AI-verhaal zoals in veel organisaties. Medewerkers kregen toegang tot AI-tools en opleidingen. De verwachting was dat het gebruik vervolgens vanzelf zou groeien. Dat bleek niet het geval. Matthias Nauwelaers, die vanuit HR naar de Strategy Office van imec verhuisde, vertelde hoe de organisatie haar aanpak bijstuurde.

Imec groeide de afgelopen jaren van ongeveer 3.000 naar meer dan 6.500 medewerkers. Die groei en de toenemende complexiteit van de organisatie zetten samenwerking, creativiteit en innovatie onder druk. Daar ligt voor imec een belangrijk deel van de betekenis van AI. Niet alleen automatiseren, maar vooral beter coördineren. AI kan helpen om werkprocessen, samenwerking en kennisdeling te verbeteren.

Ook de organisatie van de transformatie veranderde. Wat aanvankelijk vooral een IT-verhaal was, werd een organisatiebreed vraagstuk. Een AI Transformation Committee brengt onder meer IT, Legal, HR en Operations samen om prioriteiten, investeringen en kaders te bepalen. Daarnaast zijn er initiatieven voor zowel strategische AI-projecten als ideeën die van medewerkers zelf komen, onder andere via een Agentic AI Center. Change, adoptie, juridische aspecten en compliance werden meegenomen in de AI-initiatieven.

AI langs de meetlat van waarden

Een opvallend voorstel van Matthias is om AI-toepassingen explicieter te toetsen aan de organisatiewaarden van imec. Hij vertrekt daarbij vanuit de fundamentele vraag: welke organisatie willen we zijn wanneer AI steeds meer deel uitmaakt van ons werk?

Matthias stelt voor om die waarden te vertalen naar een concreet beoordelingskader voor AI-toepassingen. Kunnen we transparant zijn over het gebruik van AI? Blijft er voldoende ruimte om zelf na te denken en te experimenteren? Delen medewerkers wat ze met AI ontwikkelen? En blijft de kwaliteit van het resultaat beantwoorden aan de hoge standaarden van de organisatie?

Vooral dat laatste verdient volgens Matthias aandacht. AI kan in enkele seconden een overtuigend ogend antwoord produceren. Maar een resultaat dat er goed uitziet, is niet noodzakelijk correct of excellent. Menselijke beoordeling blijft essentieel. Daarnaast schuift Matthias een Human & Organizational Impact Assessment naar voren als mogelijk instrument om ook de gevolgen voor medewerkers systematisch in kaart te brengen. Daarbij zou onder meer gekeken kunnen worden naar jobinhoud, welzijn en mogelijke risico’s. Beide voorstellen liggen momenteel op tafel als mogelijke manieren om de AI-transformatie te begeleiden, maar zijn nog niet in uitvoering.

Het waterbedeffect

AI belooft tijdswinst, maar die winst is niet altijd zo groot als ze lijkt. Matthias gebruikte de metafoor van een waterbed: je duwt het werk op één plaats naar beneden, maar elders komt het weer omhoog. Een taak wordt sneller uitgevoerd, terwijl medewerkers vervolgens meer tijd besteden aan het controleren, corrigeren of beoordelen van de output. Dat kan de cognitieve belasting zelfs verhogen. Minder uitvoerend werk betekent niet noodzakelijk minder mentale inspanning.

Bij de evaluatie van AI-toepassingen volstaat het niet om alleen te meten hoeveel tijd een taak bespaart. Ook de gevolgen voor werkdruk, autonomie, jobkwaliteit en welzijn verdienen aandacht.

Van tooltraining naar AI-fluency

Uit een interne bevraging bij imec bleek dat medewerkers veel zin hebben om AI te gebruiken, maar nog zoeken naar wat de technologie concreet betekent voor hun werkprocessen. Individuele productiviteit verbeteren lukt vaak al behoorlijk goed. AI inzetten op team- en organisatieniveau blijkt een stuk moeilijker.

Daarom verschuift imec de focus van klassieke tooltraining naar AI-fluency: begrijpen hoe je taken aan AI kunt delegeren, problemen goed formuleert, resultaten controleert en inzichten met anderen deelt. Ook leidinggevenden krijgen een belangrijke rol. Zij helpen bepalen welke toepassingen relevant zijn, waar investeringen zinvol zijn en hoe teams hun manier van werken kunnen aanpassen.

Daarnaast ontstaan spontaan communities of practice. Medewerkers tonen elkaar toepassingen, delen ervaringen en leren van concrete cases. Imec ondersteunt die initiatieven, onder meer met gezamenlijke leermomenten en een jaarlijkse AI Inspiration Week.

Jobs vallen uiteen in taken

Volgens Matthias ligt een van de grootste gevolgen van AI nog voor ons: de manier waarop jobs zijn samengesteld, zal veranderen. Hij gebruikte de muziekwereld als vergelijking. Vroeger kocht je een volledige cd om één nummer te beluisteren. Vandaag stel je zelf playlists samen en bepalen algoritmes mee wat je hoort.

Ook een job is in wezen een bundel van taken. AI maakt het mogelijk om die bundel te ‘ontbundelen’ en opnieuw samen te stellen. Bij softwareontwikkeling ziet imec bijvoorbeeld dat AI bepaalde onderdelen van het werk overneemt of versnelt. Daardoor verschuift de rol van medewerkers en verandert welke expertise ze nodig hebben. Dat vraagt een andere kijk op workforce planning, jobdesign en competentieontwikkeling. HR zal steeds vaker op taakniveau onderzoeken wat technologie verandert en hoe functies opnieuw kunnen worden samengesteld.

Matthias pleitte er daarom voor dat HR zelf vooroploopt in het gebruik van AI. Hij gebruikte daarvoor de uitdrukking patient zero: begin met de eigen processen, ervaar wat de technologie verandert en bouw van daaruit expertise op. Die kennis is belangrijk om als HR geloofwaardig mee te praten over AI-investeringen, risico’s en de toekomstige organisatie van werk.

Veranderen zonder eindbestemming

Tijdens de vragenronde legde een deelnemer de link met de keynote van Karen Wouters. Klassieke verandertrajecten vertrekken doorgaans vanuit een duidelijk einddoel. Maar hoe organiseer je verandering wanneer niemand weet hoe de toekomst eruitziet? Michaël verwees naar zijn ervaring met improvisatietheater. Daar leer je handelen zonder vooraf het volledige verloop te kennen. Je hebt een richting en vertrouwt erop dat je samen iets kunt ontwikkelen. Volgens hem vraagt adaptief leiderschap een vergelijkbare houding: onzekerheid erkennen, een betekenisvol verhaal vertellen en tegelijk voldoende vertrouwen uitstralen om mensen in beweging te krijgen. Matthias bevestigde dat imec onderweg voortdurend keuzes bijstuurt. Transparant zijn over wat nog niet vaststaat, hoort daarbij.

Karen Wouters herkende in het verhaal van imec een concreet voorbeeld van adaptief leiderschap: de organisatie begon met een technische oplossing, ontdekte dat het vraagstuk veel complexer was en creëerde vervolgens ruimte om te experimenteren en te leren.

Drie lessen voor HR

  1. Begrijp waarom mensen bevriezen.
    AI-hypes, sociale druk en extreme toekomstbeelden kunnen initiatief afremmen. Vertrek vanuit herkenbare problemen, geef medewerkers houvast en betrek hen bij de verandering.
  2. Kijk verder dan tijdswinst.
    Onderzoek hoe AI de inhoud en kwaliteit van werk verandert. Besteed aandacht aan verificatiewerk, cognitieve belasting, welzijn en de herverdeling van taken.
  3. Neem zelf het voortouw.
    Experimenteer met AI binnen HR, ontwikkel technologische basiskennis en neem een actieve rol op in governance, adoptie en jobdesign. De menselijke gevolgen van AI horen vanaf het begin op tafel.

Over Unicorn Group

Unicorn Group is een Belgisch advies- en ontwikkelingsbureau dat organisaties begeleidt bij leiderschapsontwikkeling, teamwerking en cultuur- en organisatieverandering. Al meer dan 30 jaar helpt Unicorn bedrijven om strategische ambities te vertalen naar concreet gedrag op de werkvloer. Daarbij combineert het ervaringsgericht leren met coaching, gedragswetenschappelijke inzichten en datagedreven methodes. Met de overname van The Forge Group, een spin-off van Universiteit Gent, versterkte Unicorn Group in 2025 zijn wetenschappelijke expertise. De ambitie is om organisaties te ondersteunen bij duurzame verandering, met aandacht voor zowel de menselijke als de zakelijke impact.

Meer informatie: www.unicorngroup.be

Schrijf je in op de wekelijkse HR-nieuwsbrief

LEES MEER

Schrijf je in op de #ZigZagHR-Nieuwsbrief

  • Iedere dinsdagochtend om 8u00 in jouw mailbox
  • Ideeën, inspiratie, best & next practices over (de toekomst van) HR
  • Waarmee jij aan de slag kan in jouw organisatie of HR team