NAAR DE het transformeert de manier waarop teams werken. Maar het zijn niet alleen de tools die er toe doen. Zijn wat gebeurt er met het denken wanneer deze instrumenten het zware werk doen en of managers het merken voordat de kloof groter wordt.
In alle sectoren bestaat er een gemeenschappelijk model. NAAR DE-ondersteund werk ziet er gepolijst uit. De rapporten zijn schoon. De analyses zijn gestructureerd. Maar als iemand het team vraagt een beslissing te verdedigen en niet samen te vatten, wordt het stil in de zaal. De output is er, maar de redenering is niet bedrijfseigen.
Voor David, de Chief Operating Officer van een middelgrote financiële dienstverlener, ontstond het probleem tijdens de kwartaalplanning. Verschillende teams presenteerden dezelfde overtuigende statistische gegevens over de tijdlijnen van de regelgeving, maar die bleken niet te kloppen. Het kwam uit een door AI gegenereerde samenvatting waarin verouderde richtlijnen werden gecombineerd met een recent conceptbeleid. Niemand had hem gecontroleerd. Niemand had er vraagtekens bij gezet. Het voelde gewoon goed.
“We waren niet lui,” vertelde David ons. “We hadden gewoon geen proces dat ons vroeg om twee keer te kijken.”
Via onze werkadviesteams die de adoptie van AI aanpakken, Jenny als executive coach, leer- en ontwikkelingsontwerper en Noam Als AI-strateeg hebben we een duidelijk onderscheid gezien: er zijn teams waar AI de prestaties afvlakt en teams waar het deze verdiept. Het verschil zit hem niet in de vraag of kunstmatige intelligentie is toegestaan. Het hangt ervan af of het oordeel in het werk opnieuw wordt ontworpen.
Het goede nieuws is dat teams praktijken kunnen aannemen om van het produceren van reacties naar het controleren van beslissingen te gaan. Deze nieuwe manier van denken vertraagt de zaken niet. Het verplaatst de prestaties daar waar het er echt toe doet en beschermt het oordeel dat geen enkele machine daarbij kan vervangen.
1. Factchecking: het in twijfel trekken van de bevindingen van kunstmatige intelligentie
Kunstmatige intelligentie produceert vloeiende taal. Dit is precies wat het gevaarlijk maakt. Wanneer de output gezaghebbend lijkt, stoppen mensen met het controleren ervan. Het is een vaak genoemd patroon Werk: AI-gegenereerde uitvoer die er gepolijst uitziet, maar de inhoud mist om kritisch te kunnen worden bekeken. Het kritische denken wordt daarentegen versterkt wanneer teams leren AI te behandelen als niet-geverifieerde input, en niet als eindbron.
David strafte geen teams die de statistieken verkeerd hadden. Hij heeft het proces opnieuw ontworpen. Voordat een strategische analyse verder kon gaan, moesten teams een feitenaudit uitvoeren: door AI gegenereerde claims identificeren en deze valideren aan de hand van primaire bronnen zoals regelgevingsdocumenten, officiële aankondigingen of geverifieerde rapporten. Het mandaat ging niet over het ontdekken van fouten, maar over het opbouwen van een reflex.
In de loop van zes maanden verbeterde de kwaliteit van de planningsinputs aanzienlijk. Teams begonnen zelf onzekerheid te melden, voordat iemand erom vroeg.
DE Wereld Economisch ForumHet Future of Jobs 2025-rapport benadrukt dit concept: bij beslissingen waarbij veel op het spel staat, moet AI het menselijk oordeel vergroten en niet vervangen. Het integreren van dit principe in uw dagelijkse werk is niet optioneel. Het is een concurrentievoordeel.
Voor advies: Begin met drie. Bekijk niet het hele proces in één keer. Vraag elk teamlid om drie door AI gegenereerde verklaringen in het volgende resultaat te markeren en elke verklaring terug te leiden naar een bron. Houd het licht; gewoonte is belangrijker dan volume.
2. De Fit Audit: vereist contextuele reflectie
AI is gebaseerd op best practices. Dit is zo ontworpen. Maar generieke adviezen zijn zelden succesvol in een specifieke situatie. De echte test van kritisch denken is niet of een antwoord slim lijkt, maar of het goed past.
Rachel, managing partner bij een wereldwijd adviesbureau, merkte dit onmiddellijk op. De teams vertrouwden op AI om de aanbevelingen van klanten te verwerken, en het resultaat was consistent competent, maar pijnlijk uitwisselbaar. “Verbeter de communicatie met belanghebbenden. Bouw veerkracht van de organisatie op”, vertelde hij ons. ‘Het had voor iedereen geschreven kunnen worden. Het is voor niemand geschreven.’
Het introduceerde een eenvoudig controlepunt. Voordat er aanbevelingen konden worden gedaan, moest het team één vraag schriftelijk beantwoorden: waarom werkt deze oplossing hier en niet bij onze laatste drie klanten? Ze moesten elke suggestie expliciet afstemmen op de beperkingen van de klant, de methodologie van het bedrijf en het reële stakeholderlandschap.
De verandering was onmiddellijk. Teams begonnen de generieke taal van de AI te verwerpen en te vervangen door hun eigen redenering. Klantpresentaties werden duidelijker. Debatten kwamen in de plaats van consensus.
Gallup 2025-werkplekgegevens ondersteunt waarom dit op grote schaal van belang is. Terwijl bijna een kwart van de werknemers AI nu wekelijks gebruikt om informatie te consolideren en ideeën te genereren, vereist effectief gebruik strategische integratie, niet alleen toegang. Managers zijn degenen die deze norm bepalen.
Voor advies: Maak het mondeling. Hoewel schriftelijke geschiktheidscontroles nuttig kunnen zijn, kunt u een teamlid vragen om zijn of haar aanbeveling hardop uit te leggen, in een stand-up van vijf minuten, of tijdens een snelle teamcheck-in. De verkeerde uitlijning verdwijnt snel als mensen zich niet achter glimmende tekst kunnen verschuilen.
3. Asset control: menselijke bijdragen zichtbaar maken
Dit is wat de meeste managers missen: zelfs als werknemers kritisch nadenken, is dat denken onzichtbaar. Als het niet naar buiten wordt gebracht, wordt het niet herkend en niet ontwikkeld.
Marcus, vice-president strategie bij een technologiebedrijf, begon bij elke driemaandelijkse bedrijfsevaluatie een kort ‘beslissingslogboek’ te eisen. Geen samenvatting van wat kunstmatige intelligentie heeft voortgebracht. Een overzicht van wat het team ermee besloot te doen.
De vragen waren eenvoudig: welke aannames heb je in twijfel getrokken? Wat heb je beoordeeld? Wat heb je afgewezen en waarom? Eén regiomanager gebruikte het om te wijzen op iets dat de AI volledig over het hoofd had gezien: de spanning tussen omzetdoelen op de korte termijn en klantloyaliteit op de lange termijn. Hij herschreef het analysekader om dit compromis naar voren te brengen. De evaluatie werd eerder een strategisch gesprek dan een statusupdate.
‘Het veranderde waar we naar op zoek waren,’ zei Marcus. ‘We zijn gestopt met het evalueren van de resultaten. We zijn begonnen evalueer het oordeel.”
McKinsey-onderzoek bevestigt de inzet: frequente AI-gebruikers melden dat ze meer cognitieve en besluitvormingsvaardigheden op een hoger niveau nodig hebben dan technische vaardigheden. Terwijl AI routinematig werk afhandelt, wordt de menselijke bijdrage het volledige concurrentievoordeel. Het zichtbaar maken is niet alleen goed management. Het is een strategie.
Voor advies: Houd het logboek kort, met slechts drie of vijf opsommingstekens. Wat was de AI-input? Wat is er veranderd in het team? Wat was het laatste telefoontje en waarom? Het doel is niet documentatie omwille van de documentatie: het is om het denken iets te maken waar het team iets van kan zien, bespreken en van kan leren.
4. De tijdige audit: leg vast hoe het team denkt
Kritisch denken verdiept zich wanneer mensen hun redenering kunnen traceren: niet alleen het eindresultaat, maar ook het proces dat dit heeft gevormd. Zonder dit begint elk resultaat opnieuw. Hiermee bouwt het team institutionele kennis op.
Sarah, een partner bij een professionele dienstverlener, begon vóór elke klantpresentatie een korte beschrijving van het proces te eisen. Geen samenvatting van het eindproduct. Een spoor: welke suggesties zijn gebruikt, welke bronnen zijn gecontroleerd, waar de opname is gewijzigd en waarom.
Na elke presentatie schreven de teamleden een korte individuele reflectie: Waar veranderde mijn denken tijdens dit proces? Na verloop van tijd werden de artefacten een gedeeld leermiddel. Teams konden zien welke suggesties oppervlakkige resultaten opleverden, welke herzieningen echte waarde toevoegden en hoe samenwerking het uiteindelijke oordeel vormde.
“Het maakte van experimenteren iets herbruikbaars,” vertelde Sarah ons. “Vroeger voelde het alsof elk project opnieuw moest beginnen. Laten we nu voortbouwen op wat we al hebben bedacht.”
Het resultaat was niet alleen betere resultaten. Het was een team dat samen scherper en sneller werd.
Voor advies: Maak een gedeelde tracker. Houd het simpel: een gedeeld document, een Notion-pagina of zelfs een Slack-kanaal. Noteer welke prompt werd gebruikt, wat werkte, wat niet, en wat u vervolgens zou proberen. Geen glijbaan, geen druk. Het doel is om te normaliseren kleine weddenschappen en gedeeld leren in realtime.
Kritisch denken met kunstmatige intelligentie
AI is slechts zo krachtig als de mensen die het met opzet gebruiken. De beste teams winnen niet omdat ze over de snelste tools beschikken. Ze winnen omdat ze gewoonten hebben ontwikkeld die ervoor zorgen dat het oordeel blijft circuleren.
Ze vragen zich af wat goed lijkt. Ze vragen om context in plaats van om consensus. Ze maken hun denken zichtbaar en leren ervan.
Het beheren van kritisch denken in het tijdperk van kunstmatige intelligentie vereist geen verbod op hulpmiddelen of verlaging van de normen. Het vereist duidelijkheid over waar het denken leeft.
Het trekken van de grens tussen wat AI moet doen en wat menselijk moet blijven, is een van de problemen het definiëren van verantwoordelijkheden van leiderschap op dit moment. Kunstmatige intelligentie verandert de manier waarop werk wordt gedaan. Management bepaalt hoe mensen denken terwijl ze dat doen.
