AI-mandaten: succes of misser? Leiders vertellen alles
AI-mandaten zijn momenteel overal. Sommige worden gefluisterd als culturele verwachtingen, andere worden vastgelegd in OKR's en functioneringsgesprekken. Maar werken ze daadwerkelijk?
We vroegen leiders die AI-mandaten uitvaardigden, en de mensen die eronder werkten, wat het mandaat daadwerkelijk inhield, hoe succes werd gemeten en wat er daarna gebeurde. Hun antwoorden wijzen op een verrassend consistente scheidslijn, en die heeft niets te maken met de vraag of het mandaat bestond. Het gaat erom wat het mandaat mat.
Hoe de mandaten er daadwerkelijk uitzagen
Het woord "mandaat" doet denken aan een memo, maar de versies in de praktijk varieerden van eenvoudige trainingsvereisten tot harde technische quota. Aan de minder strikte kant staat Aniket Ghonge, senior manager toeleveringsketen bij Amazon, waar helemaal geen gebruiksquotum geldt. "Er wordt niet gemeten hoeveel ik met [AI] doe", zegt hij.
Create a Free Account to Read More
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Wat Amazon op elk niveau van de organisatie wel vereist, is AI-training: "We moeten de AI-training voltooien. Anders wordt het geëscaleerd", zegt hij, en hij noemt het "een standaardpraktijk bij Amazon". Die laagdrempelige verwachting hield hem echter niet tegen — Ghonge eindigde met het vibecoden van een tool voor zijn team die aanzienlijk tijd bespaarde.
Er wordt niet gemeten hoeveel ik met [AI] doe. Maar we moeten de AI-training wel voltooien.
Aan het andere uiterste staat Liu Peng, oprichter en technisch leider bij ReelPulse en Quartz, die een strikte interne regel invoerde: "100% van de pullrequests voor gegevenspijplijnen voor webscraping en lokalisatiescripts moet gebruikmaken van AI-ondersteunde codegeneratie, en elke engineer moet tijdens sprintretrospectieven zijn dagelijkse LLM-promptwerkstromen registreren."
De meeste mandaten bevonden zich ergens daartussenin: ze beperkten AI tot specifieke werkfasen in plaats van constant gebruik te eisen. Neal J. McLeod, oprichter van CTK Industries, trok de grens zorgvuldig: "De regel was niet: 'gebruik AI dagelijks'. De regel was: 'gebruik het waar het laagwaardige handmatige werkzaamheden vermindert, zonder menselijke controle weg te nemen bij stappen die gevoelig zijn voor vertrouwen.'" Bogdan Condurache, CPO & medeoprichter van Brizy, koos aan de productkant voor een vergelijkbare aanpak: "Ons AI-mandaat hield in dat elke nieuwe functie met AI moest worden verkend voordat het werk begon."
Wanneer mandaten werkten
De succesverhalen vertonen een patroon: leiders maten resultaten verderop in het proces, hielden mensen betrokken bij de controle en lieten ruimte voor eigen oordeel. Rick Elmore, CEO en oprichter van Simply Noted, verplichtte elk teamlid om vanaf het eerste kwartaal van 2025 AI in de wekelijkse werkstroom op te nemen, maar volgde dit aan de hand van resultaten. Hij vroeg: "kostten voorstellen minder tijd? Werden supporttickets sneller afgesloten? Waren er minder revisierondes nodig voor marketingconcepten?" Het resultaat: "Onze marketingproductie verdubbelde ongeveer in volume zonder extra personeel aan te nemen."
Onze marketingproductie verdubbelde ongeveer in volume zonder extra personeel aan te nemen.
Carlos Rios, oprichter van Tabula, zag vergelijkbare verbeteringen nadat hij AI tot de standaardwerkwijze van zijn team had gemaakt. "Ongeveer 95% van onze bloginhoud begint nu met AI-ondersteunde redactie. Een blogartikel waarvoor vroeger ongeveer een week nodig was, kost nu ongeveer een uur aan prompts en redactie voordat het klaar is voor controle", zegt hij, met de kanttekening dat elk stuk nog steeds door hem wordt gecontroleerd voordat het wordt gepubliceerd.
Ook in technische omgevingen hielden de cijfers stand. Chongwei Chen, president en CEO van DataNumen, koppelde zijn mandaat aan een OKR voor het eerste kwartaal om 30% van de tickets met AI te laten ondersteunen. "De gemiddelde oplostijd van herstelzaken daalde van 4,2 dagen naar 2,8 dagen. De klanttevredenheid over tickets steeg van 4,1 naar 4,6", rapporteert hij.
De gemiddelde oplostijd van herstelzaken daalde van 4,2 dagen naar 2,8 dagen. De klanttevredenheid over tickets steeg van 4,1 naar 4,6.
Niet elke winst draaide om snelheid. Kristiyan Yankov, medeoprichter & groeimarketeer bij Above Apex, ontdekte dat de opbrengst elders lag: "We hebben onze werklast niet plotseling gehalveerd. Wat veranderde, was de consistentie." Condurache werd op vergelijkbare wijze verrast. "De grootste verrassing was dat AI de samenwerking meer hielp dan de productiviteit. Productontwikkeling, ontwerp en engineering begonnen vanuit hetzelfde concept in plaats van afzonderlijke documenten", zegt hij.
Wanneer verplichtingen averechts werkten
Ook de mislukkingen vertonen een patroon — en het is het spiegelbeeld van de successen. Ankita Pathak van OneMetrik maakte het duidelijkste waarschuwende voorbeeld mee: de leiding verplichtte dagelijks ChatGPT-gebruik, gecontroleerd aan de hand van screenshots die vóór 16.00 uur in een Slack-kanaal werden geplaatst. Het werkte een paar weken, maar liep daarna spaak. "In de tweede maand werkte het averechts. Mensen gebruikten het dagelijks alleen maar om het vakje aan te vinken, dus begonnen ze het te gebruiken voor dingen waar het niet goed in was", zegt ze. Het bureau schafte de verplichting na acht weken af. Haar conclusie: "dagelijks AI-gebruik afdwingen leidt niet tot betere gewoonten, maar alleen tot naleving."
Zelfs verplichtingen die resultaten opleverden, brachten verborgen kosten met zich mee. Het quotum voor pullrequests van Peng verdubbelde binnen 60 dagen de leveringssnelheid van zijn team — en toen kwam de rekening, in de vorm van wat hij de "AI-herbewerkingsbelasting" noemt. Zoals hij het beschrijft: "Juniorontwikkelaars accepteerden blindelings complexe, door AI gegenereerde ORM-query's en regex-parsers zonder randgevallen te controleren. Dit leidde tot stille geheugenlekken tijdens het scrapen van videogegevens met hoge gelijktijdigheid, waardoor onze cloudcomputerkosten in één maand met 22% stegen." Sindsdien is hij overgestapt van een gebruiksverplichting naar een governanceverplichting, waarbij hij stelt dat "AI-verplichtingen alleen werken wanneer je ontwikkelaars behandelt als 'regisseurs van intentie' die eigenaar zijn van de architectuur, in plaats van als passieve typisten."
Dit creëerde wat ik de AI-herbewerkingsbelasting noem. Dit leidde tot stille geheugenlekken tijdens het scrapen van videogegevens met hoge gelijktijdigheid, waardoor onze cloudcomputerkosten in één maand met 22% stegen.
Andrea Sommer, oprichter & CEO van Hive Founders, heeft dezelfde manier waarop het misgaat vanuit de positie van oprichter gezien. "De verplichtingen die averechts werken, zijn de verplichtingen die op activiteit worden gemeten. 'Iedereen gebruikt Copilot dagelijks' of 'X procent van de tickets is door AI aangeraakt' leidt ertoe dat mensen een meetwaarde manipuleren in plaats van beter werk te leveren", zegt ze. McLeod verwoordt het al even bondig: "verplichtingen werken averechts wanneer ze zichtbaar gebruik belonen in plaats van meetbare operationele verbetering."
Wat leiders verraste
Naast de opvallende resultaten stuitten de leiders met wie we spraken steeds op dezelfde tweede-orde-effecten, waarvan er maar weinig in het oorspronkelijke implementatieplan stonden.
De belemmering is geen angst, maar gewoonte. Elmore verwachtte weerstand en ontdekte iets subtielers: "De grootste belemmering was niet angst voor AI, maar de inertie van gewoonten." Zijn oplossing zou structureel zijn: elke toekomstige verplichting koppelen aan een leertraject van 30 dagen, omdat "de verplichting zonder de ondersteunende structuur alleen maar druk is."
AI is een röntgenfoto van processen. McLeod ontdekte dat de meest onthullende output van AI over zijn eigen bedrijfsvoering ging: "als de input vaag was of de SOP zwak was, zorgde AI ervoor dat inconsistentie sneller zichtbaar werd. In die zin legde AI procesproblemen eerder bloot dan dat het ze oploste."
Ervaren oordeelsvermogen wordt steeds waardevoller. Barnett merkte op dat "de mensen die er het meeste baat bij hadden niet de zwaarste AI-gebruikers waren. Het waren degenen die wisten wanneer ze niet meer op AI moesten vertrouwen en hun eigen oordeel moesten gebruiken."
En aan de hype zit een grens. Rion Haber, medeoprichter en directeur strategie bij Catalyst Marketing Agency, die zijn leiderschapsteam verplichtte om zes maanden lang vrijelijk met AI te experimenteren, kwam tot een waarschuwing voor iedereen die verwacht dat de verplichting alleen het bedrijf zal transformeren: "het idee dat je maar één prompt verwijderd bent van een vertienvoudiging van je investering is oplichterij."
De paradox van AI-verplichtingen
Dit is de paradox die door al deze verhalen loopt: AI-verplichtingen slagen naarmate ze AI zelf minder daadwerkelijk verplichten. De implementaties die werkten, verplichtten tot resultaten, controlepunten en leren — de tool zelf was bijna bijkomstig en kon door sommigen intensief en door anderen spaarzaam worden gebruikt. De implementaties die mislukten, verplichtten het gebruik van de tool en kregen precies wat ze maten: screenshots in een Slack-kanaal, aangevinkte vakjes en geregistreerde prompts. Een verplichting die in prompts wordt gemeten, levert prompts op. Een verplichting die in resultaten wordt gemeten, levert resultaten op — en, zo blijkt, ook AI-adoptie.
Wil je meer inzichten zoals deze? Meld je aan voor een gratis DPM-account en hoor van meer experts zoals deze.