De snelle opkomst van GenAI en agentic AI vergroot het risico dat nieuwe medewerkers geen gevoel meer ontwikkelen voor de processen binnen de organisatie doordat die grotendeels automatisch verlopen. Zij missen daardoor de vaardigheden om in uitzonderingsgevallen de juiste beslissingen te nemen. Volgens een enquête onder 114 HR-managers in augustus 2025 heeft meer dan een kwart van hen hun functieomschrijving of vaardigheden al herzien vanwege AI en opkomende technologieën.
Te veel vertrouwen in GenAI leidt tot slechte besluiten
Gartner voorspelt dat over drie jaar maakt maar liefst 30 procent van de organisaties slechtere besluiten nemen als gevolg van te veel vertrouwen in generatieve AI (GenAI). Organisaties zullen hun medewerkers moeten helpen om snel kritisch denkvermogen en beoordelingsvermogen te ontwikkelen.
De impact van AI op functies is echter niet consistent, zegt Kaelyn Lowmaster, directeur onderzoek binnen de HR-praktijk van Gartner. ' Sommige werknemers kunnen veel baat hebben bij het gebruik van AI-tools, terwijl anderen daar geen baat bij hebben.
Kritisch denkvermogen
Organisaties zullen hun medewerkers moeten helpen om snel kritisch denkvermogen en beoordelingsvermogen te ontwikkelen. Ze adviseert collegiaal leren te stimuleren en te formaliseren. 'Zorg ervoor dat jonge medewerkers continu toegang hebben tot meer ervaren collega's van wie ze kunnen leren, zelfs als ze niet regelmatig samenwerken.' Ook suggerteert ze GenAI-gestuurde oefenomgevingen te ontwikkelen om ze te helpen snel vaardigheden en beoordelingsvermogen te ontwikkelen in risicovrije, realistische scenario's.
Plaats een reactie
U moet ingelogd zijn om een reactie te kunnen plaatsen.
Dit Gartner artikel is een hamer op zoek naar een spijker. Het échte probleem binnen de organisch gegroeide Rijksoverheid is dat heel veel processen juist vooral lokale gilde culturen zijn. Veel werk leunt nog op handmatige handelingen. Papier. Chinese interfaces (over tikken). Zonder procesbeschrijving. Zonder werkorder beschrijving. 'Zo doen wij dat hier' meets 'wie is ervan'? Het modelleren van organisch gegroeide, maar nooit formeel beschreven processen is al een complexe uitdaging, vooral omdat deze processen vaak impliciet zijn en afhankelijk van individuele kennis die zit bij vergrijzende ambtenaren, cultuur en informele afspraken. De échte uitdaging is de keuze tussen het codificeren van hoe zaken NU gaan (organisatie archeologie met tools als Robotic Process Automation) of het modelleren van het huidige doel van de organisatie in de context van haar (beoogde) data-ecosysteem en afgezet tegen haar juridisch mandaat. Wat gekozen wordt hangt af van de strategische doelstellingen van de organisatie. Voor de medewerker van de toekomst is het dus zaak dat ze weten wat de organisatie eigenlijk wil bereiken op de korte en lange termijn? Bijvoorbeeld: efficiëntie verhogen, compliance waarborgen, of waarde creëren via data-ecosystemen?
Wat zijn de wettelijke en maatschappelijke verplichtingen van de organisatie? Vooral belangrijk voor overheidsorganisaties of gereguleerde sectoren. Hoe kan een potentieel data-ecosysteem bijdragen aan de strategische doelen en het juridisch mandaat?
Daarvoor moet je weten hoe de processen nu werken, bijvoorbeeld door Value Stream Mapping om de (in)formele processen te identificeren. Dit is DE kans om de vergrijsde ambtenaren, vlak voor hun pensioen, te bevragen om de informele processen te begrijpen; zij zijn vaak de dragers van impliciete kennis. Tegelijkertijd kun je dan inefficiënties, dubbel werk en potentiële risico's in het huidige proces identificeren. Daarbij horen methodologieën, zoals Brown Paper Sessions of Process Mining-tools om een visueel overzicht te creëren van de huidige processen. Dit helpt om verborgen afhankelijkheden en inefficiënties bloot te leggen. Nadat de huidige situatie is vastgelegd, kun je het toekomstige proces ontwerpen op basis van de strategische doelen, juridische kaders en de mogelijkheden van een data-ecosysteem. DAAR moet je dan ook je AI op inrichten en die AI (en vooral de toegangsrechten en de datasets en de modellen) opnemen in overkoepelend Data Governance. Hoe worden data gedeeld, beheerd, en beveiligd binnen het ecosysteem? Prachtige kans om dat ook te zorgen dat processen voldoen aan de relevante wet- en regelgeving (bijv. AVG, sectorale richtlijnen). Je kunt dan best (en met AI) gebruik maken van tools, zoals BPMN (Business Process Model and Notation), gekoppeld aan referentie-architecturen, zoals NORA (Nederlandse Overheid Referentie Architectuur) of TOGAF. De Vergrijzing en de dataficering van de samenleving maakt de Digitale Transformatie naar collaboratieve data-ecosystemen onvermijdelijk, maar die zullen NU moeten worden afgestemd op de juridische en strategische kaders. Dit gaat veel verder dan AI. Dit vereist data spaces en semantische interoperabiliteit. Dit vereist de bouw van processen rond data-uitwisseling op basis van standaarden, zoals IDS (International Data Spaces) en semantische interoperabiliteit.
Machine readable data sets betekent dat we niet meer weg kunnen lopen voor Legal Engineering. De juridische en ethische kaders in het procesontwerp moeten net zo goed gemodelleerd worden en de juridische regels moeten dan worden vertaald naar procesregels of code. De enige ruimte die mensen dan hebben, in die verre toekomst over 4 jaar (in een wereld die vandaag al in per maand exponentieel verandert onder de druk van AI) dan is dat interventie in complexe of uitzonderlijke situaties.
Prima te doen als mensen nu al getraind zouden worden in denken in termen van referentie-architectuur die de interactie tussen processen, data, en juridisch mandaat beschrijft, als leidraad voor procesontwerp en besluitvorming. Al wat Gartner hier doet is onderstrepen waarom zo snel als mogelijk gedacht en gewerkt moet gaan worden met Digital Twins.