AI OP DE WERKVLOER: DRIE MANIEREN OM WERK SLIMMER ÉN MENSELIJKER TE MAKEN

Er wordt vaak gepraat over robots die ons werk zullen overnemen, maar wat als artificiële intelligentie werk juist beter, zinvoller en inclusiever kan maken? Dat is precies wat de nieuwe leerstoel ‘AI at Work’ onderzoekt, mogelijk gemaakt dankzij Acerta in het kader van 600 jaar KU Leuven. Professor Laura Nurski licht drie onderzoekslijnen toe: van werknemers die zelf AI-tools inzetten om hun job vorm te geven tot organisaties die taken herverdelen met behulp van AI.

AUTONOMER DANKZIJ AI: BOTTOM-UP JOBCRAFTING

Laura Nurski: Ons eerste onderzoeksspoor – bottom-up jobcrafting – betekent dat werknemers hun job zelf vormgeven op basis van hun noden, interesses en doelen, zonder dat het takenpakket of hun plek in het team verandert. Wij bekijken vooral hoe werknemers taken op een andere manier kunnen aanpakken met AI. Jobcraften ziet er voor iedereen anders uit. Ik doe bijvoorbeeld graag data-analyse, maar het uitschrijven van de resultaten vind ik minder leuk. Als ik mijn bevindingen in kernpunten aan ChatGPT geef en vraag er een mooie paragraaf van te maken, is dat ideaal voor mij. Hetzelfde met e-mails: vroeger las ik die vijf keer na, nu laat ik ChatGPT checken op fouten en toon – en dat bespaart me veel tijd. Generatieve AI zoals ChatGPT en Copilot, is bijzonder geschikt voor jobcraften op dit soort taalgebaseerde taken: het is een intuïtieve technologie die je meteen kunt gebruiken, zonder dat ze ingebed hoeft te zijn in de systemen van de organisatie. Je opent gewoon je browser en gaat ermee aan de slag. Deze manier van werken is erg motiverend omdat je zelf kiest waarvoor je AI inzet. Bovendien kan ze tot spontane innovaties leiden wanneer werknemers experimenteren met nieuwe toepassingen.

Wat zijn de valkuilen? Laura Nurski: De grootste valkuil is de toenemende ongelijkheid tussen werknemers. Niet iedereen heeft dezelfde capaciteiten om meteen op die kar te springen. Mensen die al productiever en nieuwsgieriger zijn, zullen sneller met AI aan de slag gaan en zo nog meer voorsprong nemen, terwijl medewerkers met minder technologische affiniteit – wat soms samenhangt met gender of leeftijd – riskeren achterop te raken.

Een ander risico is een gebrek aan coördinatie op organisatienniveau tussen al die individuele initiatieven. Je moet uiteindelijk wel tot een gedeeld leersysteem komen waarin iedereen leert van elkaars ervaringen.

Naast ongelijkheid en gebrek aan coördinatie rijst nog een ander belangrijk aandachtspunt: wat betekent AI voor de ontwikkeling van starters? Bestaat het risico dat zij minder expertise opbouwen als ze vanaf het begin AI gebruiken? Laura Nurski: Dat risico bestaat. En dat komt niet alleen door jobcrafting. Soms beslist ook de organisatie: we laten bepaalde taken niet meer door een junior doen, maar door AI. Zo haal je leerkansen weg voor juniors. Veel mensen maken zich zorgen over de verminderde groeikansen van starters, vooral in sectoren waar AI sterk ingeburgerd is, zoals ICT, Finance, Consulting en de advocatuur, waar starters traditioneel veel repetitief cognitief werk doen.

“We moeten intentioneel nadenken over welke taken juniors vandaag moeten doen om met de nodige expertise door te groeien naar het volgende niveau.”

In de Financial Times zei een Londens advocaat: “Je hoeft een taak geen dertig keer te doen om te leren. Vier of vijf keer volstaat.” Als AI de overige 25 herhalingen op zich neemt, kan een junior sneller doorgroeien naar een medior. Werknemers moeten kritisch met AI kunnen omgaan, maar binnen een vakgebied kan dat alleen als de onderliggende kennis ook aanwezig is. Vergelijk het met de rekenmachine: kinderen moeten jarenlang hoofdrekenen, en pas in de middelbare school mogen ze een rekenmachine gebruiken. We investeren dus eerst in hoofdrekenen om kinderen dat begrip van wiskunde bij te brengen. Die basis is cruciaal om later complexere berekeningen te begrijpen. Het belangrijkste is volgens mij dat we intentioneel nadenken over welke taken juniors vandaag moeten doen om met de nodige expertise door te groeien naar het volgende niveau.

TOP-DOWN: JOB REDESIGN EN TAAKHERVERDELING

Naast bottom-up jobcrafting onderzoekt de leerstoel ook twee topdown benaderingen: taakherverdeling en job redesign. Hoe werken die precies?

Laura Nurski: Job redesign lijkt op jobcrafting, maar wordt gestuurd door de organisatie. Deze aanpak laat organisaties toe om veranderingen door te voeren over meerdere jobs heen. Bijvoorbeeld in een callcenter: als blijkt dat 80% van de vragen heel vaak terugkomen, kan een bedrijf beslissen om deze vragen door een chatbot te laten beantwoorden. Zo daalt de werkdruk en krijgen medewerkers meer tijd om de uitzonderlijke en complexere vragen te behandelen. Dat is cognitief uitdagender en wordt vaak als zinvoller ervaren.

En taakherverdeling?

Laura Nurski: In het voorbeeld van daarnet van het callcenter veranderde je het takenpakket door het voor een deel aan AI over te laten. Je veranderde niet de taakverdeling tussen de mensen in de organisatie. Dat is waar taakherverdeling wél over gaat.

Een mooi voorbeeld is een experiment dat we binnen de leerstoel gaan doen. Bij Acerta werken veel payroll officers die vragen van klanten beantwoorden over sociaal-juridische wetgeving, loonverwerking enzovoort. Ze doen dat met behulp van interne kennistools. Als ze er niet uitkomen, kunnen ze terecht bij juridische experts die Acerta in huis heeft.

We willen het doorsluizen van vragen binnen de organisatie onder de loep nemen, en nagaan of we de payroll officers zelfredzamer kunnen maken. Het idee is om bovenop die kennistools een taalmodel te zetten – een chatinterface die net zo intuïtief werkt als Chatgpt, maar die enkel antwoorden geeft uit de interne databank. Vervolgens willen we meten of de payroll officers minder beroep moeten doen op de experts. Dit zou heel wat voordelen kunnen bieden: klanten worden sneller geholpen, payroll officers ervaren meer beroepstrots en juridische experts krijgen meer tijd voor hun kerntaken.

SOFT SKILLS BLIJVEN CRUCIAAL

Laura Nurski: Complementair aan deze drie onderzoekssporen willen we ook nagaan of je meer arbeidskansen kan creëren door AI. Zo wierf Acerta in het verleden payroll officers aan met een middelbare schooldiploma, nu is een bachelor nodig. We willen onderzoeken of we die selectiecriteria opnieuw kunnen verbreden, als AI die kennis toegankelijker maakt. De eerste reactie bij Acerta was: “AI kan misschien de kennis van onze payroll officers versterken, maar niet de soft skills die ze nodig hebben voor deze job.” Die soft skills ontwikkel je in een bacheloropleiding, waar je leert samenwerken, initiatief nemen en communiceren. We moeten daarom nadenken over manieren om die vaardigheden op de werkplek te trainen, en dan kom je uit bij trainen en re-skillen.

“In de VS daalde de tewerkstelling van hooggeschoolde starters, vooral in beroepen die sterk blootgesteld zijn aan AI. Veel economen menen dat AI niet de enige verklaring is. Er spelen zoveel factoren waarvan AI er hooguit één is.”