In hoeverre heeft AI het werk van uw team veranderd? Op het eerste gezicht ziet werk er misschien niet zo heel anders uit. De vergaderingen zijn er nog steeds, documenten gaan nog steeds via dezelfde kanalen en rapporten worden ingediend zoals altijd.

Maar iets heeft veranderd. 

In teams gebruiken mensen AI op de werkplek op manieren die de andere tools in hun tech-stack niet volledig laten zien. Met andere woorden:er zijn beslissingen die worden gevormd door een model dat niet in de officiële workflow voorkomt. 

Sterker nog, 85% van de professionals geeft aan AI te gebruiken, maar toch neemt dit slechts 4% van de totale werktijd in beslag. De output ziet er misschien uit als niets bijzonders, maar de inspanning erachter is dat niet – en de meeste systemen zijn nooit gebouwd om dat verschil op te merken.

In dit bericht bekijken we hoe AI-gebruik achter de schermen resultaten oplevert en hoe u de impact van deze baanbrekende technologie om de productiviteit te optimaliseren beter kunt volgen. Laten we aan de slag gaan. 

Hubstaff-uitleg

Duik in onze interactieve demo en ontdek de functies die het beheren van wereldwijde teams eenvoudiger dan ooit maken.

Het AI-gebruik dat je op het werk niet ziet

Als je de meeste teams van buitenaf bekijkt, merk je misschien niets dat dramatisch anders aanvoelt. De uitvoer is echter verbeterd, omdat:

• Onderzoek gaat sneller
• Concepten komen sneller terug, en met vrijwel geen fouten
• De code wordt bij de eerste pogingen met minder ruwe randen geschreven

Het kan lijken alsof het team gewoon beter is geworden. En in sommige zeldzame gevallen kan dat kan het geval zijn.

Maar in de meeste gevallen is het waarschijnlijk dat uw team gedurende de werkdag AI in verschillende taken is gaan integreren, alleen niet op een manier die uw tools niet duidelijk kunnen labelen, zoals:

• Persoonlijke ChatGPT-tabbladen
• Ingebouwd in schrijfsoftware
• Op ontwerpplatforms
• Binnen CRM-systemen

(Bron:Canva-maker)

Uw dashboard zal u vertellen dat de workflow er schoon uitziet. Taak toegewezen, taak voltooid, klaar.

Maar de inspanningen daartussenin zijn veranderd. Leiders denken misschien dat ze een redelijk idee hebben van AI-adoptie, omdat licenties worden bijgehouden en officiële tools worden gecontroleerd.

Ondertussen vindt het echte gebruik plaats in de hoeken en gaten van de workflows van uw team.

Voordat we verder gaan, helpt het om precies te zijn.

Als we het hebben over ‘verborgen AI-gebruik’, hebben we het niet over iets dramatisch of bedrieglijks. We hebben het over de gewone, niet-gerapporteerde manieren waarop mensen kunstmatige intelligentie gebruiken om hun werk te ondersteunen. Vaak gebeurt dit zonder dat het als een formeel adoptiebesluit wordt beschouwd.

Verborgen betekent ook niet geheim in kwaadaardige zin. Meestal betekent het niet-getrackt of niet-gelabeld. In wezen buiten de systemen waarop het leiderschap vertrouwt om te begrijpen hoe werk wordt gedaan.

In de praktijk kan dat er als volgt uitzien:

• Een werknemer die ChatGPT, Claude of Gemini in een persoonlijk browsertabblad gebruikt om e-mails op te stellen, rapporten uit te werken of ideeën te testen voordat deze worden ingediend.
  
• AI-functies die zijn ingebed in SaaS-tools (schrijfassistenten, automatische samenvattingen, slimme suggesties) die niet duidelijk als 'AI' worden gemarkeerd in rapportagedashboards.
  
• Promps binnen tools die niet zijn verbonden met kernsystemen. Dit omvat het plakken van vergadernotities in een model, het verfijnen van de kopie voordat deze in een CRM wordt ingevoerd, of het genereren van codefragmenten voordat deze worden vastgelegd.
  
• AI-gebruik vindt plaats tussen bijgehouden workflows, in de negatieve ruimte voordat een taak wordt geregistreerd of nadat deze technisch als voltooid is gemarkeerd.

Niets van dit alles is noodzakelijkerwijs in strijd met het beleid. In veel gevallen is er niet eens een duidelijk beleid dat moet worden overtreden.

Wat het ‘verborgen’ maakt, is dat traditionele systemen activiteiten meten zoals bestede tijd, gebruikte hulpmiddelen en voltooide taken. Ze tonen niet: 

• Cognitieve augmentatie
• Hoeveel iteraties er hebben plaatsgevonden voordat iets werd ingediend
• Hoeveel onzichtbare steigers ondersteunden de uiteindelijke output

Vanuit rapportageoogpunt kan het dus lijken op stabiele prestaties. Maar daaronder wordt het proces op kleine manieren hervormd, waarvoor geen enkel dashboard is ontworpen.

De meeste werkplektools zijn gebouwd om standaard activiteitsstatistieken bij te houden. Ze zijn ook ontworpen vanuit de veronderstelling dat inspanning zichtbaar is door interactie.

Lange tijd werkte dat. AI past echter niet netjes in dat model. Denk er eens over na:

• Een prompt geschreven op een persoonlijk browsertabblad laat geen spoor achter op een projectbord.
  
• Een herschreven alinea, verfijnd via verschillende iteraties van een model, verschijnt nog steeds als een enkele schone update in een document.
  
• Een samenvatting van een vergadering die wordt gegenereerd voordat de notities worden vastgelegd, ziet er hetzelfde uit als een samenvatting die handmatig is geschreven.

Vanuit het perspectief van het systeem is de workflow intact. Maar wat meet het dashboard eigenlijk:inspanning of output?

AI werkt vaak voordat het werk formeel wordt gestart, tussen twee gevolgde acties, of nadat iets technisch als voltooid is gemarkeerd. Het hervormt het denken in de marge. En omdat de meeste tools uitgaan van een lineair pad van toegewezen taak naar voltooide taak, missen ze de lussen en uitbreidingen die daartussen plaatsvinden.

Als het proces is veranderd, maar de zichtbare controlepunten niet, waar vertrouwen we dan precies op om te begrijpen hoe het werk wordt gedaan?

De culturele implicaties

Als we verder kijken dan hoe tools het gebruik van AI interpreteren, moeten we onszelf eraan herinneren dat we nog steeds de culturele impact van de recente AI-verschuiving voelen.

Technologie verandert gedrag lang voordat het beleid verandert. Voor veel werknemers gaat het bij het gebruik van AI minder om experimenteren en meer om competent blijven. Wanneer de verwachtingen stijgen, maar de tijd niet, zoeken mensen naar hefboomwerking. Als een model hen kan helpen sneller te tekenen of fouten te verminderen, wordt het onderdeel van de manier waarop ze hun eigen prestaties beschermen.

Toch zijn er aarzelingen om dat hardop te zeggen.

Sommigen maken zich nog steeds zorgen dat het gebruik van generatieve AI op het werk als bezuinigingen zal worden gezien. Anderen zijn van mening dat leiderschap in theorie de ‘AI-transformatie’ viert, maar geen ruimte heeft gemaakt voor eerlijke gesprekken over het dagelijkse gebruik ervan door hun team. Het gebruik gaat dus door, gewoon zonder bevestiging.

Wat zich ontwikkelt is een verschil in perceptie. Leiders geloven dat ze prestaties evalueren zoals deze altijd zijn gemeten. Werknemers daarentegen weten dat hun werk steeds meer collaboratief is:machinale assistentie met menselijk oordeel achter het stuur.

Wanneer deze twee opvattingen niet op één lijn liggen, verandert dit de manier waarop feedback wordt ontvangen. Het verandert ook de manier waarop krediet wordt toegewezen en hoe risico's worden beheerd. Na verloop van tijd worden onzichtbare productiviteitsverbeteringen normaal. De basislijn verschuift naar boven.

Het is mogelijk om verborgen AI-gebruik een tijdje te negeren. Dingen zijn het wordt tenslotte gedaan.

Maar hoewel er vanaf een afstand niets kapot lijkt te zijn, is het risico langzamer en moeilijker te zien.

Wanneer AI onderdeel wordt van de manier waarop het werk wordt gedaan, maar buiten de formele erkenning blijft, nemen leiders uiteindelijk beslissingen op basis van onvolledige informatie.

Deze ontkoppeling kan leiden tot:

• Onjuiste afstemming van vaardigheden. Een teamlid kan er uitzonderlijk sterk uitzien op een gebied waar hij of zij zwaar wordt uitgebreid, terwijl hij worstelt in contexten waar AI niet gemakkelijk kan helpen.
• Valse prestatiesignalen. Verbeteringen worden toegeschreven aan ervaring of talent als ze deels het gevolg zijn van tooling.
• Inconsistente kwaliteit. Als het gebruik van AI van persoon tot persoon verschilt, kunnen de outputstandaarden fluctueren op manieren die moeilijk uit te leggen zijn.
• Ethische grijze gebieden. Beslissingen die zijn gevormd door de suggestie van een model worden mogelijk nooit onderzocht, omdat niemand weet dat het model erbij betrokken was.

Niets van dit alles betekent dat AI het probleem is. In plaats daarvan is het probleem de ondoorzichtigheid.

Leiders kunnen gemakkelijk de kans missen om de vorm van het dagelijkse werk vorm te geven als ze de invloed van AI daarin niet zien. Ze kunnen niet investeren in de juiste vaardigheden en, belangrijker nog, ze kunnen het verantwoord gebruik niet reguleren.

Wat leiders in plaats daarvan zouden moeten vragen

Het gesprek rond AI op het werk neigt snel naar controle te evolueren:nieuwe richtlijnen, strakkere definities, duidelijkere grenzen.

Die impuls is logisch, maar voordat er iets formeels wordt opgeschreven, is er een meer basale laag die aandacht verdient.

Het begint met vragen die minder over handhaving gaan en meer over begrip:

• Begrijpen we hoe werk daadwerkelijk wordt gedaan? Niet de officiële workflow, maar die in de praktijk. Als AI beslissingen of analyses vormgeeft voordat ze een gevolgd systeem binnenkomen, is elke weergave van prestaties die deze laag negeert onvolledig.
  
• Verbergen mensen het gebruik van AI, of hebben we het simpelweg nooit bespreekbaar gemaakt? Er is een verschil tussen geheimhouding en stilte. Soms vermijden mensen het vermelden van AI omdat ze niet zeker weten hoe het zal worden geïnterpreteerd.
  
• Hoe zou transparantie eruit zien als vertrouwen, en niet controle, het doel zou zijn? Als verantwoord AI-gebruik zou worden behandeld als een competentie die moet worden versterkt in plaats van als een kortere weg om te monitoren, zou de toon van het gesprek veranderen.

Geen van deze vragen levert een onmiddellijke regel op. In plaats daarvan doen ze iets fundamentelers:leiders helpen inzien of de kloof over technologie gaat of over onuitgesproken verwachtingen.

AI is al verweven in het dagelijkse werk. Het zal alleen maar wijdverspreider worden. De echte De keuze is of die realiteit informeel en ongelijk blijft, of iets wordt waar teams openlijk over kunnen praten en daardoor bewust kunnen verbeteren.

Veelgestelde vragen

Hoe weet je of een medewerker AI gebruikt?

Er is zelden een betrouwbare manier om dit te weten te komen door alleen naar de output te kijken. Duidelijk schrijven, snellere doorlooptijden of meer gestructureerd denken kunnen allemaal tekenen zijn van AI-ondersteuning, maar ze weerspiegelen ook de ervaring en vaardigheden van wie ze gebruikt. Monitoringtools houden doorgaans activiteit bij, geen augmentatie.

Is het acceptabel om AI op het werk te gebruiken?

In de meeste organisaties wel, maar de grenzen zijn belangrijk. Aanvaardbaar gebruik hangt af van het soort werk, de gegevensgevoeligheid, branchevoorschriften en het bedrijfsbeleid. Het belangrijkste onderscheid is of AI wordt gebruikt om het oordeel te ondersteunen of om de verantwoordelijkheid te vervangen. Werknemers moeten verantwoordelijk blijven voor de resultaten van hun werk, ongeacht de daarbij betrokken instrumenten.

Wat is een voorbeeld van iemand die AI gebruikt voor zijn werk?

Een bekend voorbeeld is het opstellen. Een werknemer kan een generatieve AI-tool gebruiken om een ​​rapport te schetsen, vergadernotities samen te vatten of berichten te verfijnen voordat hij de definitieve versie indient. De ideeën en beslissingen komen nog steeds van de persoon, maar het model helpt de resultaten te structureren en te verfijnen. In dit geval fungeert AI als assistent en niet als auteur.

Wat zijn de voor- en nadelen van het gebruik van AI op de werkplek?

Voordelen: AI kan repetitieve taken verminderen, onderzoek versnellen, eerste concepten verbeteren en werknemers helpen complexe problemen efficiënter te overdenken.

Nadelen: Overmatig vertrouwen kan de kernvaardigheden verzwakken, fouten introduceren (als de resultaten niet zorgvuldig worden beoordeeld) en ethische risico's of risico's voor de gegevensbeveiliging creëren als deze op onjuiste wijze worden gebruikt.

Zoals bij de meeste tools hangt de waarde ervan af van de manier waarop het wordt gebruikt.

Waarom is verborgen AI-gebruik belangrijk?

Verborgen gebruik creëert blinde vlekken. Leiders kunnen prestatiesignalen verkeerd interpreteren of verkeerd begrijpen hoe het werk wordt voltooid. Door AI zichtbaar te maken via een open gesprek kunnen teams hun vaardigheden en verantwoordelijkheid op één lijn brengen.

AI maakt al deel uit van het werk; zichtbaarheid is de keuze

De vraag is niet langer of teams AI gebruiken. Het gaat er ook niet om of het achteruitgaat of sterker wordt.

In plaats daarvan is de volgende grote vraag of dit gebruik wordt begrepen.

Verborgen AI-gebruik klinkt eng, ja. Maar het is alleen riskant als het niet wordt onderzocht.

Wanneer leiders ervan uitgaan dat workflows er hetzelfde uitzien als een jaar geleden, beoordelen ze de prestaties op basis van verouderde aannames. Aan de andere kant, als werknemers zich onzeker voelen over hoe hun tools zullen worden waargenomen, zwijgen ze standaard.

Zichtbaarheid begint niet met strengere monitoring. Het begint met het erkennen van wat er al gebeurt en het behandelen van AI-vaardigheid als een vaardigheid die je kunt versterken, en niet als een sluiproute om te verbergen.