Als AI beslist, wat blijft er dan over voor de mens?

Waarom HR het morele kompas van de AI-golf moet durven zijn

“Wij moeten iets met AI.”
Die zin heb je het afgelopen jaar waarschijnlijk nét iets te vaak gehoord.

Tools worden uitgerold, pilots gelanceerd, dashboards gelinkt. Maar één vraag blijft vaak onder de radar: Wat doet AI eigenlijk met mensen, werk en waardigheid?

In gesprek met Gunter Loos, met één been in technologie en één been in antropologie en ethiek, wordt snel duidelijk: het echte risico is niet dat AI “te slim” wordt.
Het risico is dat wij te volgzaam worden.

Van expert naar stempelaar: het rubber-stamping risico

Gunter gebruikt een term die blijft hangen: rubber stamping.  Denk aan alle professionals met expertise en beslissingsruimte: recruiters, dossierbeheerders, risk officers, artsen, planners, HR-business partners… Vandaag nemen zij beslissingen op basis van kennis, ervaring én buikgevoel.

Met AI komt er vaak een laag tussen:

1. Een model wordt getraind op historische data.
2. Het systeem spuugt een aanbeveling of beslissing uit.
3. De mens “mag nog even valideren”.

En daar gaat het mis.
De check wordt een formaliteit. “Het zal wel kloppen, het systeem heeft altijd al goed gewerkt.” Stempel erop, door naar de volgende.

Gevolg?

• Fouten in het systeem worden netjes mee afgestempeld.
• De rol van de mens verschraalt: van denkende professional naar doorgeefluik.
• Kritisch denken verzwakt. Waarom nog vragen stellen als “de machine” het wel beter weet?

Voor organisaties die zeggen dat mensen hun belangrijkste kapitaal zijn, is dat een vreemd soort zelf-sabotage.

Human in the loop… maar dan echt

Het antwoord is geruststellend: “Geen zorgen, er blijft altijd een human in the loop.”
Maar de vraag is niet óf er nog ergens een mens in het proces zit.
De vraag is: heeft die mens nog een echte rol?

Een mens in de loop heeft pas zin als die persoon:

• context toevoegt die het systeem niet kent
• patronen ziet die buiten de data vallen
• het mandaat heeft om nee te zeggen
• en de verantwoordelijkheid draagt voor het eindoordeel

Dat vraagt meer dan een extra vinkje in het proces.
Dat vraagt bewust ontwerp én training.

Kritisch denken als veiligheidsmechanisme

In veel organisaties is kritisch denken nog een soft skill. “Mooi meegenomen als iemand dat kan.”

In een AI-realiteit is het een veiligheidsmechanisme.

Gunter benoemt drie eenvoudige, maar scherpe vragen die elke professional zou moeten inslijpen wanneer AI meepraat in beslissingen:

1. Waar komt dit vandaan?
   Welke data, welke aannames of bias, welke context zit achter deze output? Is dit gebaseerd op ónze realiteit, of op een generiek wereldbeeld?
2. Wat mis ik als ik dit klakkeloos volg?
   Wie of wat valt uit beeld? Welke minderheidsstemmen verdwijnen? Welke risico’s zie ik niet meer?
3. Welk menselijk oordeel hoort hier nog bij?
   Verbetert dit de efficiëntie of effectiviteit? En hoe zit het met waardigheid, vertrouwen, inclusie, veiligheid? Welk deel van deze beslissing móét door een mens genomen worden, en wie neemt die verantwoordelijkheid?

Dat zijn geen filosofische extra’s.
Dat zijn checks die voorkomen dat AI stilaan de norm wordt, en mensen de voetnoot.

De rol van HR: meer dan een opleidingscatalogus

En dan komt de vraag die veel HR-teams recht in de ogen kijkt:
Wat is jullie rol in dit verhaal?

Volgens Gunter zit daar minstens dit in:

1. Mee aan de ontwerptafel

Wanneer AI in kernprocessen ingebouwd wordt (rekrutering, promoties, performance, risico, planning), moet HR vroeg genoeg mee aan tafel zitten.

Niet alleen met de vraag “Hoe kan dit sneller en efficiënter?”, maar ook:

• Welke rol blijft er over voor de mens?
• Worden rollen stiekem herleid tot rubber stamping?
• Wat betekent dit voor motivatie, meesterschap, autonomie?

2. Niet alleen tools uitrollen, maar ook skills

Een AI-tool uitleggen is één ding.
Mensen leren hoe ze ermee omgaan, is iets anders.

HR heeft hier een logische rol:

• Kritisch denken structureel trainen.
• Teams en leiders helpen om AI-output te bevragen in plaats van te slikken.
• Ruimte creëren om twijfels, risico’s en morele vragen hardop te stellen – zonder dat iemand “tegen de innovatie” lijkt.

3. Begrijpen waar AI leeft in de organisatie

HR hoeft geen data scientist te worden.
Maar het is wél nodig om te weten:

• waar AI vandaag al draait
• wie erdoor geraakt wordt
• waar beslissingsmacht verschuift (van mens naar systeem)
• en waar waardigheid en zingeving onder druk komen

Zonder dat inzicht is het moeilijk om geloofwaardig te spreken over “mensgericht organiseren”.

De vraag achter de vraag: wat doet AI met de ziel van werk?

AI gaat niet alleen over efficiëntie.
Het raakt ook aan een veel grotere vraag: waarom werken we eigenlijk?

Als steeds meer taken doorschuiven naar technologie, dan komt onvermijdelijk:

• Wat blijft er over voor mensen?
• Wil je jobs waarin mensen vooral “op knoppen duwen terwijl AI de interessante stukken doet”?
• Of wil je werk waarin oordeelsvermogen, verbeelding, emotie en waarden centraal blijven staan?

Veel organisaties draaien die volgorde om: eerst de business case, dan pas de morele vraag.
Gunter pleit voor het omgekeerde:

“Maak de missie menselijk en ethisch. De businesscase komt later.”

AI hoort in dat tweede stuk.
Maar het mag nooit het eerste overschrijven.

Van hype naar echte keuzes

Heel concreet: waar begin je als organisatie?

Een mogelijk stappenplan:

1. Verhelder je kompas
   Waarvoor wil je AI wél inzetten en waarvoor expliciet níét?
   Is het bijvoorbeeld oké dat generieke tools mails naar klanten schrijven als je “persoonlijke aandacht” als kernbelofte hebt?

2. Bereid mensen voor op permanente versnelling
   Niet werken vanuit het idee dat dit een hype is die overwaait, maar als een blijvende verschuiving in hoe we werken en leren.

3. Bouw kritische checks in
   Niet alleen in processen, maar ook in cultuur: mag iemand zeggen “ik vertrouw dit niet helemaal” zonder weggezet te worden als lastig?

Wat betekent dit voor leiderschap?

Leiderschap in een AI-tijdperk gaat veel verder dan change management en tool adoption.

Leiderschap gaat over:

• gesprekken voeren over identiteit (“Wat blijft er over voor ons?”)
• spanningen benoemen tussen snelheid en zorgvuldigheid
• samen met HR bepalen welke beslissingen nooit volledig geautomatiseerd worden

Dat vraagt moed.
En het vraagt een ander soort dialoog dan: “Hebben we het budget om deze tool te implementeren?”

En nu?

Bij Beanmachine werken we met klanten rond precies deze vragen:
in leiderschapstrajecten, cultuurprogramma’s en onze training AI & critical thinking.

In die opleiding helpen we teams en leiders om:

• AI niet als orakel te zien, maar als een tool die menselijk oordeel en duidelijke grenzen nodig heeft
• hun denken aan te scherpen en de output te challengen in plaats van gewoon af te stempelen
• voorbij de hype te kijken, hun eigen aannames in vraag te stellen en te zien waar bias binnensluipt
• en al die inzichten te vertalen naar concrete dagelijkse gewoontes

Wat zit erin?

• Een hands-on verkenning van hoe AI écht werkt, en waar het briljant helpt of gevaarlijk naast kan zitten
• Vaardigheden in kritisch denken die verder gaan dan prompt engineering en “10 best prompts”-lijstjes
• Een eenvoudig model om input en output helder te beoordelen en bij te sturen
• Vijf slimme gewoontes om AI te gebruiken met zelfvertrouwen, nieuwsgierigheid en zorg, zonder je eigen brein uit te schakelen

Wil je dieper in dit thema duiken?

In ons Beanzine publiceren we het volledige gesprek met Gunter: “Als AI beslist, wat blijft er dan over voor de mens?”

En wil je ermee aan de slag in jouw organisatie?
Dan denken we graag met je mee.