De directie van een communicatiebureau wilde snel met AI aan de slag. Klanten vroegen ernaar, concurrenten experimenteerden zichtbaar en intern leefde het gevoel dat je niet achter kon blijven. Dus kwam er een ambitieus plan: AI voor tekstproductie, een tool voor contentplanning en een platform voor datagedreven rapportages.

Op papier zag het eruit als daadkracht. In de praktijk was het vooral stapeling.

Het team draaide al op maximale bezetting. Er liepen drie grote vernieuwingen tegelijk en twee nieuwe medewerkers waren net gestart. Toch werd de AI-uitrol breed ingevoerd. Medewerkers kregen verplichte trainingen, nieuwe werkafspraken en de verwachting dat ze binnen zes weken productief zouden zijn met de nieuwe tools. Zonder dat er iets van het bestaande werk afging.

Binnen een paar weken werden de eerste signalen zichtbaar. Mensen gebruikten de tools vooral om te laten zien dat ze meededen. Teksten werden vlakker, overleggen voller en de irritatie nam toe. In een weekstart zei een senior copywriter:

“Ik heb nu twee banen. Mijn echte werk en het leren doen alsof ik die tools al beheers.”

Dat was het moment waarop zichtbaar werd dat hier niet alleen een leerprobleem speelde, maar een managementfout. Niet: hoe krijgen we AI sneller ingevoerd? Maar: hoe voer je een noodzakelijke vernieuwing in zonder je team verder uit te putten en zonder kwaliteitsverlies?

Niet de tool liep vast, maar het systeem eromheen

In veel organisaties wordt AI ingevoerd alsof het vooral een technologievraagstuk is. Kies een tool, organiseer training, stuur op gebruik, klaar. Maar meestal loopt niet de technologie vast. Wat vastloopt, is de manier waarop de invoering boven op een al volle werkelijkheid wordt gelegd.

Dat gebeurde hier op drie manieren.

De eerste fout was stapeling. Drie toepassingen tegelijk invoeren leek voortvarend, maar vergrootte de complexiteit en de mentale belasting. Medewerkers moesten tegelijk nieuw gereedschap leren, hun gewone werk blijven doen en omgaan met nieuwe verwachtingen over tempo en kwaliteit.

De tweede fout was dat leren werd behandeld als iets wat er nog wel bij kon. Alsof mensen tussen klantwerk, overleg en deadlines door ook nog een nieuwe manier van werken konden aanleren. Maar leren vraagt tijd, concentratie en ruimte om fouten te maken. Als die ruimte ontbreekt, ontstaat geen ontwikkeling maar schijnbeweging.

De derde fout zat in de reflex van de leiding. Toen frustratie en oppervlakkig gebruik zichtbaar werden, volgde meer uitleg, meer afstemming en meer zicht op voortgang. Begrijpelijk, maar averechts. De druk nam toe, terwijl de kern hetzelfde bleef: het team had simpelweg te veel tegelijk op het bord. Een teamlead vatte het later nuchter samen:

“We deden alsof adoptie een planningsvraag was, terwijl het in feite een capaciteitsvraag was.”

Tot zover is dit een herkenbaar veranderverhaal. Maar bij AI speelt nog iets extra’s. Juist omdat AI meetbaar, zichtbaar en bestuurbaar lijkt, is de verleiding groot om op adoptie te gaan sturen met KPI’s, dashboards en voortgangslijstjes. En precies daar gaat het vaak mis.

Zodra gebruik zichtbaar moet worden gemaakt, ontstaat schijngedrag. Dan gaan mensen niet werken met een tool omdat die helpt, maar omdat ze moeten tonen dat ze aangesloten zijn. Ze loggen in, genereren output, noemen toepassingen in overleggen en houden ondertussen hun echte werk overeind met oude routines. De organisatie ziet activiteit en denkt dat de verandering op gang komt. In werkelijkheid groeit vooral het verschil tussen zichtbaar gebruik en bruikbare toepassing.

Dat maakt AI-invoering verraderlijk. Hoe meer een tool snelle winst belooft, hoe groter de neiging om die winst ook snel aantoonbaar te willen maken. Maar juist dan verschuift de aandacht van leren naar presteren. En wie leren behandelt als presteren onder tijdsdruk, organiseert schijnadoptie.

Het kantelpunt

Het kantelpunt kwam niet tijdens een inspiratiesessie over innovatie, maar in een gewoon overleg over planning en kwaliteit. Deadlines begonnen te schuiven. Een teamlead zei dat mensen wel naar trainingen gingen, maar het geleerde in de praktijk niet konden vasthouden. Iemand uit de directie vroeg opnieuw waarom het team zo traag oppakte.

Pas toen kantelde het gesprek. Niet: waarom beweegt het team niet sneller? Maar: hebben wij dit eigenlijk wel zo georganiseerd dat mensen hier goed in kúnnen worden?

Dat was geen slimme herformulering, maar een ongemakkelijke diagnose. De directeur zag dat hij drie zware dingen tegelijk vroeg: volle productie draaien, nieuwe collega’s inwerken en een brede AI-transitie dragen. Elk onderdeel was op zichzelf verdedigbaar. De combinatie was dat niet. Daar zat de fout. Niet in de bereidheid van mensen, maar in de inrichting van het werk.

Dat patroon zie je niet alleen in creatieve bureaus. In zorgorganisaties gebeurt het bij nieuwe registratiesystemen: teams krijgen scholing, nieuwe werkwijzen en extra verantwoordingslast, terwijl de bezetting al krap is en de zorg gewoon doorgaat. Een afdelingshoofd in een ziekenhuis zei daar eens over:

“Het systeem zou tijd besparen, maar in de eerste maanden kocht het vooral extra werk dat niemand had ingepland.”

In zakelijke dienstverlening zie je hetzelfde bij CRM- en rapportagetools en in het onderwijs bij nieuwe leerplatforms. De vorm verschilt, het mechanisme niet: bestuurders zien een logische verbetering, professionals ervaren er eerst vooral extra werk bij.

AI maakt dat patroon alleen scherper zichtbaar, omdat de verwachtingen hoger zijn en de druk om snel resultaat te tonen groter is.

Van aanjagen naar begrenzen

Daarmee veranderde ook de rol van de directeur. Niet langer stond centraal hoe hij de invoering kon versnellen, maar wat hij moest weghalen om die invoering überhaupt kans van slagen te geven. De eerste beslissing was meteen de belangrijkste: twee van de drie toepassingen gingen voorlopig van tafel. Er bleef één toepassing over die het dichtst aansloot op het dagelijkse werk van het team.

Dat voelde intern eerst als gezichtsverlies. Er was al tijd en energie gestoken in de brede uitrol. Bovendien speelde de angst om achter te lopen nog steeds mee. Maar juist deze versmalling bleek nodig. Doordat de complexiteit afnam, kwam er focus. Mensen hoefden niet meer op drie fronten tegelijk te schakelen en konden ervaring opbouwen in één toepassing die direct relevant was.

De tweede beslissing was dat de directeur druk uit het systeem haalde. Extra rapportageverplichtingen verdwenen. Er kwamen geen KPI’s op adoptie en geen aparte verantwoordingsrondes over wie al hoe ver was. Dat leek misschien soft, maar was precies het tegenovergestelde. Het was een harde ingreep in een systeem dat vooral schijnactiviteit had beloond. Vanaf dat moment hoefden medewerkers niet langer te laten zien dat ze “bezig waren”, maar konden ze eerlijker aangeven wat ze nog niet snapten en waar ze op vastliepen.

De derde beslissing zat in zijn eigen leiderschap. In de eerste fase had hij vooral gestuurd op tempo. In de nieuwe aanpak schoof hij van aanjagen naar begrenzen. Hij vroeg minder hoe snel het team mee was en vaker wat er weg moest om dit goed te kunnen doen. Welke overleggen konden eruit? Welke verwachtingen moesten tijdelijk omlaag? Welke deadlines waren alleen op papier haalbaar?

Dat veranderde de toon van de invoering volledig. Niet snelheid werd het uitgangspunt, maar draagkracht.

Wat managers hiervan kunnen leren

Wat hier niet werkte, is herkenbaar en hardnekkig: te veel tegelijk willen, leren behandelen als iets wat je er nog wel bij doet en bij de eerste signalen van vastlopen nog meer druk zetten. Wat wel werkt, is bestuurlijk minder aantrekkelijk maar organisatorisch effectiever: kiezen, versmallen, druk wegnemen en erkennen dat overbelasting geen individueel falen is, maar een ontwerpfout in het werk.

Binnen twee maanden veranderde het beeld. De toepassing werd niet meer gebruikt omdat het moest, maar omdat die begon te helpen in het werk. De copywriter die eerder afhaakte, werd later juist iemand die collega’s meenam in het gebruik. Niet doordat er harder was gestuurd, maar doordat er ruimte was ontstaan om echt te leren.

Veel organisaties die nu met AI aan de slag zijn, maken niet de fout dat ze te weinig ambitie hebben. Ze maken de fout dat ze te weinig kiezen. Alles moet doorgaan: het gewone werk, de innovatie, de transformatie en de druk van de markt.

Maar verandering lukt niet doordat je haar boven op het bestaande stapelt. Ze lukt pas als je ruimte maakt.

De vraag voor leiders is daarom niet alleen welke tool ze kiezen. De echte vraag is:

welk werk, welke controle of welke ambitie durf ik tijdelijk stil te zetten, zodat mijn mensen dit echt kunnen leren?

Daar begint adoptie.