Systeemdenken wordt de belangrijkste vaardigheid bij AI

Elizabeth Stone, hoofd product en techniek bij Netflix, krijgt in Lenny's Podcast de vraag welke vaardigheid ze het meest zoekt nu AI iedereen laat bouwen. Haar antwoord is niet sneller coderen of beter prompten, maar systeemdenken: de gewoonte om één stap terug te zetten en te vragen of je wel het juiste probleem oplost en of je oplossing ook voor de rest van de organisatie werkt. Nu productmanagers code schrijven en ontwerpers analyses draaien, gaat de snelheid vanzelf omhoog. De schaarste zit in mensen die het overzicht bewaken. Dit stuk laat zien wat systeemdenken is en hoe je het traint.

"Everyone can be everything now. PMs can ship code, designers can write PRDs, engineers can product."

Snelheid is nu makkelijk, overzicht niet

Iedereen kan ineens alles. Productmanagers bouwen een werkend prototype, ontwerpers draaien een analyse waar ze vroeger de data-afdeling voor moesten mailen. De snelheid gaat omhoog, in elk vak tegelijk.

Daar ontstaat het risico. Stone waarschuwt voor duizend prototypes die nergens op gericht zijn. "It's not throwing a bunch of spaghetti at the wall to see what sticks." Als iedereen sneller kan bouwen, maar niemand bewaakt of het de juiste dingen zijn, krijg je vooral drukte. We schreven eerder over hoe de ontwikkelaar verschuift van code kloppen naar sturen en beoordelen in plaats van zelf typen. Diezelfde verschuiving speelt nu breed: minder zelf maken, meer overzien.

Wat systeemdenken is

Stone noemt één vaardigheid keer op keer als het meest gezocht: systeemdenken. Mensen die over de grenzen van hun eigen taak heen kijken, dwars door de domeinen van de business, om te zien welke bouwstenen de hele organisatie nodig heeft. Ze kijken verder dan de functie die vandaag op je bordje ligt, naar het geheel waar die functie in past.

Vergelijk het met een huis bouwen. Je kunt een prachtige kamer neerzetten, maar als je niet weet waar de leidingen en de dragende muren lopen, staat die kamer los van de rest. Systeemdenken is weten hoe de kamer in het huis past voordat je de muur metselt. Met AI kun je die kamer nu razendsnel neerzetten. De vraag of hij op de goede plek staat, wordt daarmee juist belangrijker.

Zet één klik terug

Hoe leer je dit? Stone geeft een simpele oefening. Vraag jezelf af: wat neem ik eigenlijk aan over het grotere geheel? Je krijg bijvoorbeeld de opdracht om een functie te bouwen. Voordat je begint, neem je één tel om te bedenken welk groter probleem je oplost. Schaalt je aanpak ook naar andere gevallen, of los je alleen dit ene op? "Niet de hele oceaan koken", zegt ze. Je hoeft de bedrijfsstrategie niet te herschrijven. Je zet één stap terug. Meer niet.

Een tweede manier is ook handig: denk vanuit je leidinggevende. Het effect is dat je vanzelf uitzoomt. Je leidinggevende kijkt over teams en losse KPI's heen, naar hoe de stukken samenkomen. Doe je dat zelf ook, dan bouw je iets waar je collega's verder mee komen, niet alleen jij.

Meer agents, meer behoefte aan overzicht

Waarom wordt dit nu pas echt schaars? Omdat er steeds meer werk door AI wordt gedaan. Netflix ziet een toekomst voor zich met heel veel agents die tegelijk aan taken werken. De mens stuurt: welk probleem lossen we op en is wat we maken goed genoeg? "It can be that an agent wrote the code, but it doesn't make people not have the responsibility that comes with what they've created." De agent typt, jij tekent. Wie het overzicht mist, kan die verantwoordelijkheid niet dragen.

Dat overzicht is ook waar veel AI-trajecten op stuklopen. Meestal ligt het aan eigenaarschap: wie is verantwoordelijk en telt het gebruik mee in waar iemand op wordt afgerekend? We beschreven de drie keuzes die bepalen of een AI-uitrol slaagt. En het verklaart waarom persoonlijke snelheid nog geen organisatieresultaat is. Een medewerker die in zijn eentje sneller werkt, levert pas iets op als het aansluit op een echt probleem en op de mensen die het verder brengen. Dat werkten we uit in een stuk over waarom persoonlijke tijdwinst nog geen bedrijfsvoordeel is.

Hoe je systeemdenken in je team aanwakkert

Voor bedrijven die hun mensen breder met AI laten werken, zit hier een concrete opdracht in. Moedig experimenteren aan, want mensen moeten ontdekken wat kan. Maar koppel elk experiment aan een probleem dat er voor de organisatie toe doet en spreek af wanneer iets van prototype naar productie mag. Vraag bij elk experiment door: waarom bouw je dit en voor wie werkt het straks nog meer? Dat is systeemdenken in de praktijk.

Netflix vat de ambitie samen als iedereen "AI-fluent" maken. Het betekent weten waar AI helpt en waar niet, met de nieuwsgierigheid om te blijven proberen. Systeemdenken is daar de kern van, want het bepaalt of al die snelheid ergens naartoe leidt. Dat geldt van de nieuwste medewerker tot de directietafel.

De rollen vervagen aan de randen. Wie het geheel kan overzien, wordt waardevoller. Wil je weten hoe je dat in je organisatie aanwakkert? Plan een kennismaking in, we denken graag mee.