De stille sabotage van AI-adoptie

Een uitgebreide mail van een luisteraar over AI-adoptie deed me recent schrikken. Hij werkt als architect bij een groot internationaal IT-bedrijf met duizenden collega’s wereldwijd. Alle AI-tools zijn beschikbaar, alles wordt aangeboden vanuit het moederbedrijf. En toch is de adoptie erg laag. Mensen hebben de tools, gebruiken ze thuis, maar op het werk bijna niet. Het meest verontrustende: hij krijgt steeds meer het idee dat mensen het bewust niet gebruiken.

Stille sabotage: waarom werknemers AI-productiviteit verbergen

Wat er volgens hem gebeurt is dit: een consultant doet normaal vijf dagen over het schrijven van een ontwerp of testscripts. Met AI kan dat in één dag. Maar dan krijg je het bord op je neus - wat ga je met de andere vier dagen doen? Die consultant denkt: als ik gewoon vijf dagen blijf doen over mijn werk, vraagt niemand ernaar. Waarom zou ik dan sneller werken? Uren worden geschreven, niemand klaagt, de eigen winkeltje blijft gevuld.

Dit gaat verder dan de productiviteitsparadox die ik eerder besprak. Het gaat om mensen die actief kiezen om die winst niet eens te zoeken. Het is een vorm van stille sabotage van technologische vooruitgang.

Luie argumenten

Vaak hoor ik het argument “AI schrijft geen goede code” of “ik heb het een jaar geleden geprobeerd en het was waardeloos.” Een jaar geleden hadden we tools die code aanvulden - een soort autocomplete op steroïden. Die maakten inderdaad irritante fouten. Maar we leven nu in 2025. De coding agents van vandaag zijn iets compleet anders. Ze schrijven complete functies, testen ze, documenteren ze en itereren totdat het werkt. Als je nu nog zegt dat AI geen goede code kan schrijven, is dat een lui antwoord - een manier om voor jezelf te rechtvaardigen dat je niet hoeft te veranderen.

Het is makkelijker om te zeggen “het werkt niet” dan toe te geven dat je het spannend vindt of niet weet waar je moet beginnen.

De blinde vlek van management bij AI-implementatie

Maar er is ook een blinde vlek vanuit het management. Veel leidinggevenden staan te ver van de techniek af. Ze zien niet wat voor radicale verandering AI betekent voor softwareontwikkeling, consultancy of welke kennisintensieve sector dan ook. Ze zitten vast in het comfort van het bekende: ik heb het altijd zo gedaan, het team levert op tijd, waarom zou ik vragen stellen?

Mijn boodschap aan managers is: ga een open gesprek aan met je team. Vraag door, niet op een controlerende manier, maar uit oprechte nieuwsgierigheid. Hoe passen jullie je werkwijze aan? Waar biedt AI kansen? Waar zitten de risico’s? Dat gesprek moet je voeren, want als jij het niet doet, dwingt de markt het straks af.

Als ik een schilder inhuur voor mijn huis, wil ik niet dat hij er weken langer over doet omdat hij graag met een miniatuurkwastje werkt. Ik wil een professional die de juiste tools gebruikt en de klus goed, snel en naar tevredenheid afrond. Datzelfde geldt voor kenniswerk. Klanten gaan vragen stellen: waarom duurt jullie project zes maanden terwijl de concurrent het in drie maanden doet? “Wij gebruiken liever geen AI” is niet houdbaar. Die verschillen worden zichtbaar.

De expert-bubbel

Maar er is nog een andere kant van het verhaal die me persoonlijk raakte. Dezelfde luisteraar werkte aan een proof of concept voor een hackathon. Hij begon met vier mensen - drie techneuten en een functioneel iemand. Maar wat bleek? Hij heeft de andere techneuten eigenlijk niet meer nodig. Het concept zit in zijn hoofd en met AI kan hij razendsnel schakelen. Zoals hij het zegt: “Het brengt mij steeds meer in een bubbel. Laat mij het maar doen, want ik weet wat ik wil. Ik kom overal uit met AI en ik begrijp alle grote lijnen.”

Dit herken ik bij mezelf. Ik bouw regelmatig AI-agents voor onze podcast. Ik weet precies wat ik wil, waardoor ik met een coding agent veel sneller kan ontwikkelen dan wanneer ik het aan een collega zou uitleggen. Uitleggen kost tijd, afstemmen kost tijd, wachten op beschikbaarheid kost tijd. Dan denk je: laat mij maar even, ik regel het wel.

Junior developers in het AI-tijdperk: wie leert hen nog programmeren?

Maar hier zit een gevaar. Wat doe je met je junioren? Vroeger kreeg een junior korte opdrachten - niet te groot, niet te spannend - waar je wat langer over mocht doen, waar je mocht worstelen en fouten maken. Zo bouw je ervaring op en groei je van junior naar medior naar senior. Wat als de senior alles zelf met AI blijft doen? Waar blijft die leercurve voor de junior dan?

Je kunt alleen goed aansturen wat je zelf begrijpt. Een consultant die nooit zelf analyses heeft gemaakt, kan geen AI-output valideren. Een ontwikkelaar die nooit zelf code heeft geschreven, weet niet wanneer de AI onzin produceert. Dit geldt voor alle sectoren.

De self-fulfilling prophecy

Zo ontstaat er een tweede self-fulfilling prophecy. De expert betrekt niemand in zijn project omdat hij in die flow zit. Maar daardoor is de adoptie van AI bij anderen weer lager. Zij zien het niet, zij leren het niet en ze blijven achter. De luisteraar schreef heel eerlijk: “Hier komt misschien het gevaar van mijn eigen self-fulfilling prophecy. Ik betrek niemand in mijn project, maar daardoor is de adoptie van AI bij anderen weer minder.”

Ik heb geen kant-en-klaar antwoord op hoe je die balans vindt tussen dingen zelf doen, snel zijn met AI en anderen de ruimte geven om te groeien. Tussen efficiëntie en kennisoverdracht. Maar door deze mail ben ik me er extra bewust van geworden en ga ik er serieus over nadenken.

Aan jou

Daarom de vraag aan jou: hoe doe jij dat? Werk je met AI in je eentje of betrek je je team? Hoe zorg je dat junioren nog kunnen leren? Misschien kun je deze week eens met je team bespreken hoe jullie AI inzetten - niet in de formele vergadering, maar gewoon bij de koffie. Luister zonder oordeel. Het belangrijkste blijft: AI is niet de oplossing van elk probleem, maar onmisbaar waar het past.