Twee medewerkers met dezelfde functie. De één levert in een middag op waar eerder een paar dagen voor nodig waren. De ander werkt nog even zorgvuldig als altijd, maar zonder AI. Op papier doen ze hetzelfde werk. In de praktijk niet meer.
Dáár zit de nieuwe leiderschapsvraag.
Niet tussen jong en oud. Niet tussen starter en expert. Maar tussen mensen die hun werk al opnieuw hebben ingericht met AI en mensen die nog werken zoals ze altijd deden.
Op het eerste gezicht lijkt dat een individueel verschil. De één is nu eenmaal handiger met AI dan de ander.
Maar zo simpel is het niet.
Performance management
Zodra dit verschil in teams ontstaat, verandert er meer dan alleen productiviteit. Werk wordt minder goed vergelijkbaar. Kennis wordt minder zichtbaar. Kwaliteit wordt lastiger te beoordelen. Een deel van het werk zit niet meer alleen in ervaring of vakmanschap, maar ook in prompts, tools en persoonlijke routines die anderen niet zien.
Dat schuurt niet alleen in de samenwerking, maar ook in hoe organisaties mensen beoordelen. Want veel performance management-systemen gaan er nog vanuit dat functies redelijk vergelijkbaar zijn. Dezelfde rol, dezelfde verwachtingen, dezelfde beoordelingslat. Maar wat doe je als twee mensen formeel hetzelfde werk doen, terwijl de één zijn werk met AI heeft heringericht en de ander niet? Meet je dan output? Werkwijze? Zorgvuldigheid? Leervermogen? Of het vermogen om AI verantwoord in te zetten? En kun je dan nog spreken van dezelfde functie?
Beoordelingslat
De oude beoordelingslat begint daar te kraken. Want wie bepaalt dan nog wat goed werk is? Wie leert van wie? Hoe voorkom je dat één medewerker versnelt, terwijl de rest vooral toekijkt? En wie is verantwoordelijk voor output die deels door AI tot stand komt?
Dit los je niet op met alleen een AI-training of een lijstje toegestane tools. Daarvoor moet je terug naar het werk zelf.
Wat willen we met AI beter doen? Welke menselijke kwaliteiten worden juist belangrijker? Waar willen we versnellen, en waar moeten we vertragen omdat oordeel, zorgvuldigheid of contact belangrijker zijn?
Goed werk
Goed omgaan met AI betekent dus niet dat je iedereen dezelfde tool geeft of nog een training organiseert. Het betekent dat je opnieuw kijkt naar het werk zelf. Naar wat goed werk is. Naar wat mensen moeten blijven kunnen. Naar wat je samen wilt leren en wat je niet aan individuele handigheid wilt overlaten.
Want als je dat niet doet, ontstaat er vanzelf een nieuwe rangorde. Niet officieel, niet op papier, maar wel in de praktijk. Tussen mensen die met AI hun werk opnieuw vormgeven en mensen die steeds verder achterop raken.
Dat is geen technisch probleem. Dat is een leiderschapsprobleem.
Het verschil van morgen zit misschien niet meer tussen junior en senior, maar tussen organisaties die AI behandelen als losse versneller en organisaties die begrijpen dat het werk zelf opnieuw doordacht moet worden.
Want als leiders hier geen richting aan geven, verandert het werk alsnog, alleen dan zonder gezamenlijke koers.
AI verandert niet alleen onze tools, maar ook hoe we werken, samenwerken en leidinggeven. In Van Homo Sapiens naar Robo Sapiens laat Lizzy Prins zien hoe organisaties AI kunnen omarmen zonder de menselijke maat uit het oog te verliezen. Met praktische inzichten en een helder framework biedt ze houvast voor leiders en professionals die verder willen kijken dan de hype en richting willen geven aan betekenisvolle verandering. Bestel het boek bij Managementboek.
Over Lizzy Prins
Lizzy Prins is eigenaar van High Potential Factory en auteur van Van Homo sapiens naar Robo sapiens. Ze geeft lezingen, trainingen en sessies over AI, werk en leiderschap.
Ze helpt teams, leiders en organisaties om AI niet alleen te begrijpen, maar ook werkbaar te maken in de praktijk. Zodat AI niet blijft hangen in losse experimenten, maar leidt tot echte verandering in het werk.