Je team maakt meer met AI, maar wie kijkt het na?
Ruim de helft van de Nederlandse techprofessionals controleert meer AI-werk dan twee jaar geleden. Waarom nakijken het knelpunt wordt en hoe je het organiseert.
AI maakt het maken van teksten, analyses en code zo goedkoop dat het nakijken ervan bepaalt hoeveel je kunt opleveren. Uit onderzoek van YouGov voor recruiter SThree blijkt dat ruim de helft van de Nederlandse techprofessionals meer tijd kwijt is aan het controleren van AI-werk dan twee jaar geleden. Vier op de tien zien ervaren mensen werk doen dat vroeger bij starters lag. Bij Anthropic werkten agents in augustus zes keer zoveel uren als de mensen die ze aanstuurden. Wie de winst van AI wil binnenhalen, moet nakijken organiseren als vak: met tijd, een norm per soort werk en mensen die het leren.
Meer kopij maakt de eindredactie niet sneller
Elke krant weet het: de eindredactie bepaalt het tempo. Je kunt verslaggevers twee keer zoveel stukken laten schrijven, maar zitten er nog steeds twee eindredacteuren, dan komt er niet meer in de krant. Er komt alleen meer op de stapel.
Met AI gebeurt hetzelfde, op veel meer plekken tegelijk. Een offerte, een analyse, een stuk code of een rapportage: het eerste concept kost bijna niets meer. Iemand moet er wel naar kijken voordat het de deur uitgaat. En die iemand heeft maar acht uur per dag.
Ruim de helft controleert meer AI-werk dan twee jaar geleden
YouGov ondervroeg in opdracht van recruiter SThree 793 Nederlandse professionals in techniek, wetenschap en IT, meldt AG Connect. Ruim de helft (52 procent) besteedt meer tijd aan het controleren van wat AI maakt dan twee jaar geleden. Bijna de helft (47 procent) is meer tijd kwijt aan het verbeteren ervan. Dat controlewerk komt vooral terecht bij ervaren specialisten, omdat zij kunnen beoordelen of het klopt.
Tegelijk ziet 40 procent ervaren mensen taken doen die vroeger bij starters lagen. Nederland scoort daarmee hoger dan Duitsland (35 procent), het Verenigd Koninkrijk (29 procent) en de VS (27 procent). Een kanttekening: het gaat om wat professionals zelf waarnemen. SThree heeft als werver bovendien belang bij het onderwerp.
Bij Anthropic, de maker van Claude, is het patroon verder gevorderd. In een onderzoek naar het eigen personeel schrijft het bedrijf dat agents in augustus zes keer zoveel uren werkten als de medewerkers die ze aanstuurden. Het aantal code-bijdragen per engineer lag vijf keer hoger dan een halfjaar eerder. Het aandeel junioren onder nieuwe technische medewerkers daalde van 27 naar 9 procent. (Het gaat om één bedrijf dat AI intensiever gebruikt dan wie ook en zichzelf onderzocht. Toch een zeldzaam kijkje in de keuken.)
Senioren kijken na, junioren komen moeilijker binnen
Zet die cijfers naast elkaar en je ziet twee bewegingen. Ervaren mensen besteden meer tijd aan nakijken. En de instroom van mensen die dat nakijken ooit moeten overnemen, staat onder druk. Onderzoekers van Stanford zien de werkgelegenheid van 22- tot 25-jarigen in beroepen waar AI veel kan overnemen inmiddels 19 procent achterblijven bij leeftijdgenoten in andere beroepen. Dat komt vooral doordat bedrijven minder jongeren aannemen. De onderzoekers benadrukken dat ze geen oorzakelijk verband met AI aantonen.
In Nederland is het beeld rooskleuriger. In het SThree-onderzoek nam 42 procent van de organisaties vorig jaar juist méér junioren aan, tegen 12 procent minder. Er is dus nog tijd om het goed te regelen.
Junioren worden met AI sneller, maar leren minder snel patronen herkennen. Dat vermogen heb je juist nodig om goed na te kijken. Wie vandaag alleen senioren laat controleren, heeft over vijf jaar niemand die het van ze overneemt.
Zo organiseer je nakijken als vak
Reken het nakijken mee in de planning
Controlewerk is nu vaak onzichtbaar. Het gebeurt tussendoor, na het echte werk. Reken het mee. Maakt een team met AI drie keer zoveel analyses, plan dan ook de tijd om ze te beoordelen. Anders verdampt de winst ergens tussen het concept en de klant. Hier zie je ook waarom persoonlijke tijdwinst niet vanzelf optelt tot resultaat voor de organisatie: de winst van de maker loopt vast bij de nakijker.
Vraag om output die snel te controleren is
Nakijken gaat sneller als de AI zijn werk zo aanlevert dat je het kunt checken. Vraag om een bron bij elke bewering, om een lijstje van wat de AI niet zeker weet en om een apart kopje voor wat niet lukte. Bij het kiezen welk werk je overdraagt is "kun je het snel controleren?" daarom een goede graadmeter. Duurt nakijken net zo lang als zelf doen, dan schiet je weinig op.
Spreek per soort werk een controlenorm af
Een interne samenvatting kan met een steekproef. Een offerte of een advies aan een klant krijgt een volledige check. Leg vast welke output welke controle krijgt. Dan hoeft niet iedereen dat elke keer zelf te bedenken.
Laat junioren meekijken bij het nakijken
Laat starters samen met een senior AI-output beoordelen. Waarom klopt deze analyse niet? Waar zit de aanname die niemand heeft gecheckt? Zo leren ze het vak via de fouten van de machine. Dat is misschien wel een betere leerschool dan alles zelf van scratch maken. (Wie ooit naast een goede eindredacteur heeft gezeten, weet hoeveel je daar oppikt.) Het vermogen om snel en betrouwbaar te controleren wordt de schaarse vaardigheid nu AI steeds meer zelf afrondt.
Wekelijkse inzichten in je mail.
Dilemma's, doorbraken en blinde vlekken uit onze AI-praktijk.
De klant ziet alleen wat goedgekeurd de deur uitgaat
Het is verleidelijk om AI-winst te meten aan wat er gemaakt wordt: meer concepten, meer analyses, meer code. De klant ziet alleen wat er goedgekeurd de deur uitgaat. Laat je de capaciteit om na te kijken meegroeien met de capaciteit om te maken, dan haal je de winst ook echt binnen.
Hoeveel uur per week gaat er in jouw team naar het controleren van AI-werk? Weet iemand dat getal? Wil je weten hoe je dat inricht, plan dan een kennismaking in.
