Aangeboden door Reijn
Kun je je nog herinneren dat de rekenmachine het klaslokaal binnendrong? We vreesden even dat we het vermogen om zelf na te denken zouden verliezen. In werkelijkheid gebeurde iets anders. Door rekenwerk te standaardiseren werd iets ingewikkelds toegankelijk voor veel meer mensen.
De komst van AI doet iets vergelijkbaars. Een vacaturetekst staat er in seconden. Een eerste opzet voor beleid ligt er binnen een minuut. Een HR-casus wordt direct vertaald naar mogelijke vervolgstappen.
Handig, zeker voor HR-teams met werkdruk, uitval, recruitmentvraagstukken, verzuim, reorganisaties en strategische personeelsplanning. AI kan lucht geven. Maar precies daarom is het gevaarlijk om AI te behandelen als antwoordapparaat. HR-vragen zijn zelden alleen tekstvragen. Ze gaan over mensen, belangen, vertrouwen, historie en timing. Daar begint het verschil tussen een nette eerste versie en een goed HR-oordeel.
De vergelijking met de rekenmachine gaat op één punt mank. Een rekenmachine geeft altijd hetzelfde antwoord. Een taalmodel niet. Dat is niet ontworpen om de waarheid te vinden, maar om het meest waarschijnlijke antwoord te geven. AI voorspelt welke woorden logisch volgen op jouw vraag, op basis van patronen uit het verleden.
Daardoor klinkt het antwoord vaak overtuigend. Soms deskundig. Maar overtuigend is niet hetzelfde als juist. En vloeiend is niet hetzelfde als verstandig.
Bij een druk op de knop krijg je vaak het gemiddelde antwoord van gisteren. Voor HR is dat geen technisch detail, maar de kern van het vak. HR draait bijna altijd om context: een cao-afspraak met uitzonderingen, een team dat al meerdere veranderingen achter de rug heeft, een manager die te lang wachtte met ingrijpen of medewerkers die formeel hetzelfde beleid krijgen, maar in de praktijk iets anders nodig hebben.
AI kent die werkelijkheid niet. Tenzij jij die werkelijkheid inbrengt.
Laat AI een vacaturetekst schrijven en je krijgt al snel de gemiddelde vacaturetekst van je sector: foutloos, herkenbaar en volstrekt onzichtbaar. “Dynamische organisatie.” “Ruimte voor ontwikkeling.” “Een marktconform salaris.” “Geen dag is hetzelfde.”
Het klopt allemaal. En juist daardoor gebeurt er niets.
Hetzelfde risico zie je bij functieprofielen, beleidsstukken, gespreksleidraden en interne communicatie. AI maakt snel iets dat logisch klinkt. Alleen is logisch niet altijd onderscheidend. Professioneel is niet altijd passend. En zorgvuldig geformuleerd is niet automatisch zorgvuldig gedacht.
Neem een reorganisatieboodschap. Vraag AI om een empathische mail aan medewerkers en er komt waarschijnlijk een keurige tekst uit. Warm van toon, netjes opgebouwd, met woorden als “zorgvuldig proces” en “begrip voor de impact”. Maar misschien is dat precies de verkeerde tekst.
Want wat weet AI niet? Dat medewerkers twee jaar geleden ook al “zorgvuldig meegenomen” zouden worden. Dat het vertrouwen in de directie laag is. Dat de ondernemingsraad kritisch meekijkt. Dat één team net een hoog verzuimpercentage heeft.
Zonder die context wordt empathie een stijlmiddel. Dan klinkt de tekst menselijk, maar voelt hij alsnog leeg. De echte vraag is daarom niet: kan AI dit schrijven? De vraag is: welke werkelijkheid ontbreekt nog?
Waar gemiddeld goed genoeg is, is AI prima. Een samenvatting, checklist of eerste overzicht hoeft niet briljant te zijn. Daar kan AI veel tijd besparen.
Maar juist waar HR het verschil wil maken, in werving, werkgeverschap, leiderschap, verzuimbegeleiding, cultuur en maatwerk, is het gemiddelde precies wat je niet zoekt. Wie de eerste versie klakkeloos overneemt, organiseert zijn eigen middelmaat.
Dat risico is groot omdat AI zo makkelijk is. De tekst ziet er netjes uit. De structuur klopt. Er staan geen spelfouten in. En dus voelt het alsof het werk af is. Maar HR-werk begint vaak pas daarna. Past dit bij onze organisatie? Herkennen medewerkers zich hierin? Is dit juridisch houdbaar? Lost dit het probleem achter de vraag op?
AI kan een tekst maken. HR moet bepalen of die tekst klopt in de werkelijkheid.
Het goede nieuws: het gemiddelde is een beginpunt, geen plafond. Wie context geeft, doorvraagt en om kritiek vraagt, krijgt betere antwoorden.
Daar zit ook een geruststellende gedachte in: vakkennis wordt waardevoller, niet overbodig. Je moet herkennen wanneer een antwoord tekortschiet. Je moet weten welke informatie ontbreekt. Je moet beoordelen of een advies past bij wetgeving, beleid, cultuur en de mensen om wie het gaat.
De rekenmachine verloste ons van het cijferwerk, niet van de vraag welke som we moesten invoeren. AI verlost HR misschien van een deel van het schrijfwerk, zoekwerk en voorwerk. Maar niet van het denken, wegen en gesprek.
Gebruik AI daarom niet als eindstation, maar als tegenlezer. Niet: “Schrijf een verzuimbeleid.” Wel: “Dit is onze organisatie, dit zijn onze knelpunten, dit is onze cao-context en dit zijn de risico’s. Welke vragen moeten we beantwoorden voordat we beleid schrijven?”
Tip: vertel het model vooraf wat het niet kan weten – jouw organisatie, cao, doelgroep, arbeidsmarkt, cultuur en doel. Alles wat je niet meegeeft, vult het model in met het gemiddelde.
Er is nog een eigenschap die je moet kennen voordat je AI als sparringpartner inzet. Onderzoekers van Stanford en Carnegie Mellon testten elf grote taalmodellen en publiceerden de uitkomst in Science. De modellen gaven gebruikers gemiddeld 49 procent vaker gelijk dan mensen in vergelijkbare situaties zouden doen. Zelfs wanneer het voorgelegde gedrag schadelijk, oneerlijk of onverstandig was.
De verklaring is structureel. Taalmodellen worden mede getraind op menselijke feedback. Instemming wordt vaak hoger gewaardeerd dan tegenspraak. Daardoor leren modellen om behulpzaam, vriendelijk en bevestigend te zijn. Soms té bevestigend.
Dat is voor HR belangrijk. Want HR-professionals leggen AI niet alleen neutrale vragen voor. Ze toetsen ook plannen en gevoelige situaties: een reorganisatieplan, gespreksaanpak, mail aan een medewerker, visie op hybride werken of voorstel voor functiewaardering.
Vraag je dan: “Wat vind je hiervan?” dan is de kans groot dat je geen echte second opinion krijgt, maar een echo met applaus. Een goede sparringpartner vertraagt soms. Stelt tegenvragen. Benoemt ongemak. Wijst een blinde vlek aan.
Tip: haal jezelf uit de vraag. Presenteer je plan als dat van een ander. Bijvoorbeeld: “Een collega stelt dit voor. Wat zijn de zwakke plekken, risico’s en aannames?” Vraag daarna expliciet om tegenargumenten.
AI wordt vaak besproken als technologische verandering. Slimmere tools. Snellere processen. Minder handmatig werk. Dat klopt. Maar in HR is AI vooral een test van professioneel leiderschap.
Zodra AI werk versnelt, ontstaat een ongemakkelijke vervolgvraag: wat doe je met de vrijgekomen ruimte? Gebruik je die voor nog meer output, beleid en dashboards? Of voor betere gesprekken, scherpere keuzes en meer aandacht voor medewerkers?
Daar zit de strategische waarde. Niet in het sneller produceren van HR-documenten, maar in het beter begrijpen van wat de organisatie nodig heeft.
AI kan helpen om vacatureteksten inclusiever te maken, scenario’s te verkennen, beleid begrijpelijker te formuleren en een HR-adviseur voor te bereiden op een lastig gesprek. Maar AI bepaalt niet wat goed werkgeverschap is. AI voelt niet wanneer vertrouwen broos is. AI ziet niet dat een team formeel “mee is”, maar informeel al lang is afgehaakt.
Dat blijft mensenwerk. En dus HR-werk.
Wie verder wil lezen over deze leiderschapskant van AI, vindt hier een verdieping over waarom AI in HR vooral om leiderschap vraagt.
Wie AI goed wil gebruiken in HR, hoeft niet bij elke vraag een groot ethisch debat te voeren. Maar drie vragen zouden standaard moeten worden.
Eén: wat mag AI voorbereiden? Laat AI zoeken, structureren, samenvatten, alternatieven formuleren en blinde vlekken opsporen.
Twee: welke context mag AI nooit zelf invullen? Denk aan cultuur, historie, gevoeligheden, arbeidsvoorwaarden, cao-afspraken, teamdynamiek en eerdere besluiten. Als die informatie ontbreekt, vult AI het gat met aannames.
Drie: waar blijft menselijk oordeel noodzakelijk? Bij beslissingen die raken aan vertrouwen, veiligheid, werkgeluk, ontwikkeling, verzuim, conflicten of toekomstperspectief moet HR aan het stuur blijven. AI mag helpen voorbereiden, maar mag het oordeel niet overnemen.
De angst voor de rekenmachine bleek onterecht. Niet omdat er niets veranderde, maar omdat we leerden anders te werken. We stopten met energie steken in wat een machine beter kon en gingen moeilijkere sommen maken.
Diezelfde uitnodiging ligt er nu voor HR. Laat het gemiddelde aan het model. Gebruik AI voor snelheid, structuur en eerste denkrichtingen. Maar wantrouw het applaus. Vraag om kritiek. Voeg context toe. En bewaar je eigen denkwerk voor de vragen waar geen standaardantwoord op bestaat.
Want daar begint het echte vak: bij de keuze die vandaag past bij jouw organisatie, jouw mensen en jouw toekomst. AI maakt HR niet minder menselijk. Het maakt zichtbaarder waar menselijk vakmanschap onmisbaar is.
Dit artikel is geschreven door Koen de Mooij, HRM-consultant en data-specialist bij Reijn.
Wij zijn Reijn. Meesters in HRM en leiderschap, met een unieke combinatie van expertise, karakter en gedegen ervaring. Bij ons werken gedreven professionals die met passie en toewijding klaarstaan voor onze opdrachtgevers.
Een thema-special over Nieuw leiderschap met scherpe inzichten, praktijkverhalen en visie over leiderschap dat werkt. Nu én richting de toekomst. Een publicatie van Reijn en Trends in HR.
