ARTIKEL 4
Richting, vaardigheden en samenwerken aan echt ander werk
AI staat inmiddels stevig op de bestuurlijke agenda. In de vorige drie artikelen kwam naar voren hoe belangrijk het is om richting te geven, een digitaal fundament op te bouwen en de stap te maken van losse pilots naar verankerde praktijk. Maar één vraag blijft in veel organisaties hangen: wat betekent AI nu concreet voor de mensen die er dagelijks mee werken?
In de praktijk zie je een herkenbaar patroon. Bestuurders spreken over kansen, risico’s en strategische impact. Innovatieteams en ICT-afdelingen verkennen toepassingen. Tegelijk ervaren medewerkers AI vaak als iets abstracts: ze horen dat “de organisatie met AI aan de slag gaat”, maar voelen nog niet wat dat betekent voor hun werkdag, hun verantwoordelijkheden en hun vakmanschap. Die kloof ontstaat niet door weerstand, maar door een ontbrekende vertaling naar de werkpraktijk.
Dit artikel maakt die vertaling wél — realistisch, nuchter en gebaseerd op wat we weten uit wetenschap en praktijk in grote complexe organisaties, waar professionals, ondersteunende experts en ICT-specialisten samen moeten optrekken om AI daadwerkelijk tot waarde te brengen.
Zonder medewerkers verandert er weinig
AI verandert pas iets in een organisatie als medewerkers hun manier van werken durven en kunnen aanpassen. Dat lijkt vanzelfsprekend, maar de eerste stappen rond AI zijn vaak sterk technisch of bestuurlijk ingericht. Er wordt een model aangeschaft, een pilot gestart of governance opgebouwd. Nodig, maar niet genoeg.
Onderzoek naar AI in zorg- en publieke organisaties laat zien dat implementaties vastlopen wanneer medewerkers te laat worden aangehaakt of onvoldoende eigenaarschap ervaren. Medewerkers voelen dan dat er “iets over hen wordt uitgerold”, waardoor de feitelijke adoptie achterblijft.
De kern is eenvoudig: als medewerkers AI ervaren als iets dat buiten hen om wordt georganiseerd, blijft de impact klein. Als zij merken dat het hun vakmanschap versterkt, ontstaat er beweging.
Hoe AI het werk verschuift, niet vervangt
AI verandert taken, niet in één keer hele functies. Dat blijkt uit grootschalige analyses van de OESO naar de impact van AI op werk. In sectoren met complexe menselijke besluitvorming — zoals zorg, onderwijs en overheid — verschuift het werk vooral.
Een eerste verschuiving is dat medewerkers minder tijd kwijt zijn aan zoeken en structureren van informatie. AI helpt hen sneller een overzicht te krijgen, waardoor de nadruk komt te liggen op interpreteren: wat klopt, wat ontbreekt, en wat betekent dit voor deze specifieke situatie?
Daarnaast verschuift het routinematige werk naar meer waardetoevoegend werk. Professionals krijgen ruimte voor taken waarin empathie, diagnostiek, creativiteit of professionele oordeelsvorming centraal staan. Onderzoek toont dat organisaties juist meer behoefte krijgen aan die combinatie van digitale vaardigheden en mensgericht vakmanschap.
Een derde verschuiving is ketengerichtheid. AI-tools verbinden processen over teams heen. Medewerkers opereren minder vanuit één formuliertje of systeem en meer in een informatiestroom waarin meerdere disciplines een rol hebben. Dat vraagt om afstemming, gezamenlijke betekenisgeving en duidelijke verantwoordelijkheden.
In grote complexe organisaties betekent dit meestal niet “minder werk”, maar “anders werk”: meer samenwerken, meer interpreteren en meer context toevoegen.
Multidisciplinaire samenwerking: waar innovatie echt ontstaat
In grote complexe organisaties ontstaan AI-innovaties nooit binnen één discipline. Professionals uit zorg, onderwijs of uitvoering werken steeds vaker samen met dataspecialisten, security-experts, implementatiemanagers en ICT-teams. Zij ontwerpen toepassingen, toetsen veiligheid en werkbaarheid, en beoordelen samen of een AI-oplossing daadwerkelijk bijdraagt aan kwaliteit en continuïteit.
Internationale onderzoeken bevestigen dat succesvolle AI-implementaties bijna altijd het resultaat zijn van dergelijke multidisciplinaire samenwerking. In projecten waar clinici, data scientists, juristen, IT-professionals én eindgebruikers samen optrekken, blijken toepassingen beter bruikbaar, betrouwbaarder én sneller geaccepteerd.
Ook Europese initiatieven rondom digitale gezondheid benadrukken dat co-creatie met professionals uit het primaire proces essentieel is voor vertrouwen, veiligheid en uitvoerbaarheid.
Een effectieve vorm is het werken met leerteams: kleine gemengde groepen die scenario’s testen, feedback ophalen, werkprocessen herontwerpen en bepalen wat wel en niet werkt in de dagelijkse praktijk. Onderzoek naar digitale transformatie in publieke sectoren laat zien dat zulke vormen van co-creatie de acceptatie, kwaliteit en veiligheid van AI aanzienlijk verbeteren.
In dit soort dynamieken voelen medewerkers dat AI niet “over hen heen” komt, maar met hen wordt ontworpen.
Wat medewerkers nodig hebben om AI veilig te gebruiken
De vaardigheden die medewerkers nodig hebben, zijn breder dan een cursus “AI gebruiken”. Onderzoek naar de arbeidsmarkt laat zien dat datageletterdheid, kritisch denken en contextuele oordeelsvorming steeds belangrijker worden in functies waar AI deel gaat uitmaken van het werk.
Datageletterdheid betekent dat medewerkers begrijpen hoe data worden verzameld en welke bias er kan optreden. Kritisch denken betekent dat ze niet alleen naar de vorm van AI-output kijken, maar ook naar de inhoud: klopt dit, past dit bij wat we weten, en welke aanvullende informatie is nodig?
Daarnaast hebben medewerkers duidelijke kaders nodig. Internationale richtlijnen benadrukken het belang van een “human-in-the-loop”-benadering, waarin de professional het laatste woord houdt en AI ondersteunt in plaats van vervangt. Het geeft medewerkers veiligheid en voorkomt overmatige afhankelijkheid.
Wanneer medewerkers weten wat mag, wat niet, en waar hun professionele ruimte ligt, ontstaat comfort om te experimenteren.
Leidinggeven aan AI: richting geven én samen leren
Leidinggevenden in grote complexe organisaties staan voor een dubbele opdracht. Enerzijds moeten ze richting geven: duidelijk maken waarom AI wordt ingezet, welke doelen worden nagestreefd en welke keuzes niet worden geaccepteerd. Anderzijds moeten ze een leeromgeving creëren waarin medewerkers kunnen ontdekken wat werkt en wat niet.
In onderzoek naar AI-implementaties in ziekenhuizen blijkt dat eindgebruikers die vanaf het begin betrokken zijn — bij ontwerp, testing en iteratie — eerder vertrouwen ontwikkelen en AI duurzamer gebruiken. Leidinggevenden die deze manier van werken stimuleren, zien dat de implementatie minder weerstand oproept en dat teams sneller eigen voorbeelden en verbeteringen aandragen.
Richting zonder ruimte leidt tot kramp. Ruimte zonder richting leidt tot versnippering. Juist de combinatie bepaalt succes.
Voorkomen dat medewerkers overvraagd raken
AI kan werkdruk verlichten, maar ook nieuwe spanning introduceren. In recente discussies komt de term “deskilling” steeds vaker naar voren: de zorg dat professionals vaardigheden verliezen als systemen te veel overnemen.
Medewerkers worden echter vooral overvraagd door onduidelijkheid: wat wordt er van hen verwacht, welke rol speelt AI, en wie is verantwoordelijk als iets misgaat?
Organisaties die nuchter en gefaseerd invoeren — niet alles tegelijk, niet in elk proces, maar daar waar de opbrengst zichtbaar is — zien dat medewerkers sneller vertrouwen opbouwen. De kunst is om te beginnen in situaties waar de winst helder is en waar professionals gemotiveerd zijn om mee te ontwikkelen. Succesvolle voorbeelden verspreiden zich daarna vanzelf.
Duidelijkheid, niet snelheid, bepaalt of medewerkers AI kunnen dragen.
AI als versterking van vakmanschap – mits goed georganiseerd
Wanneer AI zorgvuldig wordt ingevoerd, ontstaat een herkenbare beweging. Medewerkers krijgen beter overzicht, minder administratieve ballast en meer ruimte voor mensgericht werk. In verschillende onderzoeken wordt zichtbaar dat AI dan zowel kwaliteit als werkplezier kan verhogen — mits de invoering gepaard gaat met training, governance en gezamenlijke betekenisgeving.
De rode draad van dit artikel is dan ook eenvoudig: AI is geen technologisch project, maar een veranderopgave die raakt aan vakmanschap, samenwerking en organisatiecultuur. Medewerkers bepalen uiteindelijk of AI waarde toevoegt.
In het volgende artikel verschuift de aandacht naar implementatie: hoe je AI stabiel onderdeel maakt van processen, portfolio, contracten en datakwaliteit.
Bronnen
– OECD (2024). Artificial Intelligence and the Health Workforce.
– OECD (2025). Digital and AI Skills in Health Occupations.
– Amsterdam UMC / Amsterdam Public Health (2025). AI in healthcare: from promise to practice.
– Tilburg University (z.d.). AI deployment journey in healthcare: governance, design and implementation.
– Jenko, S. (2025). Artificial Intelligence in Healthcare: How to Develop and Govern Responsible AI Systems. MDPI.
– Blasimme, A. (2025). Fostering inclusive co-creation in digital health. Nature Digital Medicine.
– Loisel, Q.E.A. (2025). Can digital technologies and artificial intelligence enhance co-creation in public health? Public Health.
– Dai, Q. (2025). Attitudes, perceptions, and factors influencing the adoption of AI among medical staff. Journal of Medical Internet Research.
– Diverse rapportages OECD en McKinsey (2024–2025) over AI, werk en productiviteit.