Op een donderdagochtend opent Sarah, manager performance & ontwikkeling, de wekelijkse AI-rapportages. Zes maanden eerder had ze het performance systeem met trots geïmplementeerd: eindelijk objectieve, consistente en data-gedreven evaluaties. De eerste resultaten leken veelbelovend. De directie was tevreden, managers hadden overzicht.
Maar terwijl ze door de namen en scores scrolde, groeide haar twijfel. Bovenaan de lijst stonden mensen die ze nauwelijks hoorde in teamoverleg momenten. Medewerkers die juist door collega's als essentieel werden gezien, scoorden lager.
Er ontbrak iets menselijks.
| ✅ Wat AI WEL ziet | ❌ Wat AI NIET ziet |
| Output, deadlines, ratings | Mentoring, teamimpact, initiatief |
| Klantdata, e-mailactiviteit | Crisisinterventie, moreel leiderschap |
| Feedbackscores | Context, motivatie, intentie |
Sarah realiseerde zich dat het probleem niet in de cijfers zat, maar in hoe ze geïnterpreteerd werden. Wat begon als een hulpmiddel voor objectiviteit, dreigde een vervanging te worden voor professionele oordeelsvorming.
AI biedt waardevolle objectiviteit, maar heeft blinde vlekken. Denk aan Amazon's CV-screener uit 2018: het systeem leerde van 10 jaar CV-data en discrimineerde systematisch vrouwen omdat het mannelijke dominantie als succesfactor interpreteerde
Lisa's gemiste deadlines? Ze gaf haar eigen planning op om een zieke collega te ondersteunen tijdens een kritieke klantpresentatie. AI trok alleen de conclusie: "Lisa presteert onvoldoende'". Sam's perfecte score? Hij was betrouwbaar en gestructureerd, maar zei bij hulpvragen: "Ik ben nu bezig met mijn eigen prioriteiten." AI mist het vermogen om intenties, emoties en motivaties volledig te begrijpen.
AI concludeerde: "Medewerkers die snel op e-mails reageren presteren beter." Toen Sarah snelle emailrespons ging belonen, daalden de prestaties. Wat bleek? AI had een misleidende correlatie gevonden. De beste performers hadden vaste e-mail momenten en beschermden hun focustijd, terwijl snelle reageerders constant hun diepwerk onderbraken voor niet-urgente berichten.
AI gaf lagere scores aan medewerkers die "veel tijd besteedden aan het begeleiden van nieuwe collega's." Het systeem zag dit als afleiding van hun eigen werk. In werkelijkheid was deze mentoring cruciaal voor teamontwikkeling en kennisbehoud, een investering in de toekomst die moeilijk meetbaar maar onmisbaar was.
Tegelijkertijd moet erkend worden dat AI ook waardevolle objectiviteit kan brengen door menselijke vooroordelen te verminderen, het gaat om de juiste balans.
Sarah herinnerde zich de woorden van Socrates: "Het enige wat ik weet, is dat ik niets weet." In plaats van AI als eindpunt te zien, maakte ze het haar startpunt voor betere gesprekken.
Kritisch denken: het vermogen om informatie te analyseren, aannames te doorprikken en tot weloverwogen oordelen te komen, bleek de cruciale menselijke vaardigheid in het AI-tijdperk. Net zoals Socrates op de Atheense markt, begon Sarah vragen te stellen in plaats van antwoorden te accepteren.
Sarah ontwikkelde een systematische aanpak, geïnspireerd op de Watson-Glaser methode voor kritisch denken, een bewezen instrument dat organisaties gebruiken om redeneervaardigheden te beoordelen: Feiten → Interpretaties → Waarden
Voorbeeld van Sam's score:
Sarah's 5 kritische vragen - "Socrates in de boardroom":
Sarah richtte kritische denk-duo's op, collega's die elkaar wekelijks hielpen met vragen over AI-output. Deze aanpak, geïnspireerd op bewezen leerpsychologie, zorgde voor gespreide herhaling en peer-learning.
Maar de realiteit was niet altijd gemakkelijk. Managers hadden vaak maar 15 minuten per gesprek. Datagedreven leidinggevenden vroegen zich af waarom "zachte factoren" plotseling belangrijk werden. En het combineren van AI-objectiviteit met menselijke contextualisering vroeg om nieuwe vaardigheden die niet iedereen direct beheerste.
Toch werd de verandering merkbaar:
Maar het belangrijkste? Lisa kreeg de erkenning die ze verdiende, en Sam leerde de waarde van mentorschap.
Sarah's ervaring illustreert een fundamentele waarheid: AI zal bepaalde taken automatiseren en sommige functies veranderen. De winnaar wordt niet wie AI vermijdt, maar wie leert hoe er kritisch en effectief mee om te gaan.
De boodschap is helder: in een wereld waar AI steeds slimmer wordt, wordt kritisch denken een uiterst waardevolle competentie. Het World Economic Forum identificeerde 'critical thinking and analysis' als topvaardigheid voor 2025. Niet omdat we AI moeten wantrouwen, maar omdat we het beter kunnen inzetten door de juiste vragen te stellen.
Volgende stap: kritisch denken is één pijler van succesvol AI-gebruik. Voor organisaties die een complete AI-strategie willen ontwikkelen - van ethiek tot implementatie - vind je in Van AI-chaos naar AI-meesterschap een praktische roadmap.
Want zoals Sarah ontdekte: de beste AI-strategie begint niet met betere algoritmes, maar met betere vragen.
_
Dit artikel is gebaseerd op inzichten uit de Watson-Glaser Critical Thinking Appraisal methodologie, praktijkervaringen van organisaties, en onderzoek naar AI-bias in rekrutering (Amazon, 2018) en performance management systemen.
