"Werken op papier is zo uit!"

Hoi, welkom bij de korte aflevering van AIToday Live, de podcast met praktische AI kennis en menselijke verhalen. Mijn naam is Joop Snijder, Head of AI bij Info Support, werken op papier zo uit. Met een uitroepteken. Dat schreef een deelnemer in haar evaluatie naar een workshop die ik laatst gaf. En ze had het tijdens de workshop ook al luid en duidelijk laten merken met gezucht en gesteun. En ik moet je eerlijk zeggen, ik begrijp het wel. Het was een workshop over AI agents. Er waren allerlei vragen over chatbots, automatisering. Al we associëren met de toekomst. En dat kom ik aanzetten met pen en papier. Dat was wel een behoorlijke mismatch voor haar gevoel. En toch doe ik het bewust. En in deze aflevering leg ik je uit waarom en waarom het ook heel erg handig is. Want het heeft alles te maken met hoe je goede beslissingen neemt over AI in je organisatie. En waarom snelheid daarbij juist niet je vriend is. Eerst even de twee redenen waarom ik pen en papier in workshops gebruik. De eerste is dat het een fijne tegenhanger vormt van de digitale wereld. AI wordt omgeven met sci-fi, met beelden van robots en supercomputers, terwijl het in de praktijk natuurlijk helemaal niet zo is. En daar zit niet sci-fi's aan. Alleen al door analoog te werken, schets ik een realistischer beeld van de technologie. Maar de tweede reden is belangrijker en dat is namelijk een didactische. En daarvoor moet ik je even meenemen naar een sessie die ik onlangs volgde tijdens de Gartner Data and Analytics Summit van 2026. Namelijk een van de sprekers begon zijn verhaal met een oude waarheid: kennis is macht. Maar hij eindigde met iets wat me juist is bijgebleven: namelijk aandacht is macht. En die woorden bleven hangen. Want kijk eens om je heen. Hoe vaak gebeurt het dat mensen zich slechts na één minuut vervelen direct hun telefoon pakken. Hoe vaak word je tijdens een vergadering afgeleid door een notificatie of hoe vaak ben je echt volledig aanwezig bij wat je aan het doen bent? Dus stel je voor dat je in een workshop zit waarin je wil nadenken over hoe AI agents in jouw organisatie kunnen gaan werken. Dat lukt dus niet zonder echte aandacht. En of dat nou bij mij in de zaal is of bij jou op kantoor: geen aandacht betekent niet goed nadenken. En niet goed nadenken betekent geen goede beslissingen. Dat brengt me bij de nieuwe digitale collega's. We hebben het allemaal over AI agents. Daar ging deze workshop ook over. En voor het maken van een AI-agent moeten we nadenken en goede beslissingen nemen. Want een AI-agent zou je kunnen zien als een nieuwe digitale collega. En dan is het toch gek dat je denkt dat je dat even in een paar minuten voor elkaar krijgt. Dat je een ChatGPT-dialoogje opent, zeggen ik wil een nieuwe collega en dat er dan precies uitkomt rollen wat jij wil. Want denk eens na over de vragen die horen bij het opstellen van wat je van zijn agent verwacht. Wie gaat bijvoorbeeld die agent aansturen. Waar rapporteert die aan. In welk proces gaat de agent vallen, werkt die agent 24 uur per dag of alleen tijdens kantooruren. Welke data mag hij wel inzien, welke niet. Wat doet hij. Wat doet het als het iets niet weet. Aan wie vraagt de agent hulp. En heel belangrijk, wat mag de agent absoluut niet doen. Allemaal vragen waar je antwoorden op moet kunnen formuleren. Het mooie is: heb je die antwoorden niet. Dan is dat een teken dat je nog niet klaar bent om die agent te gaan bouwen. En dan moet je eerst terug naar de tekentafel. Dit is precies waarom ik het AI-agent Vacature Canvas heb ontwikkeld. Een canvas dat je dwingt om vooraf na te denken over wat je agent moet doen, wat hij mag, niet mag, welke data die nodig heeft en wie er verantwoordelijk is onder andere. Neem bijvoorbeeld het thema kosten. Een van de deelnemers van die workshop vond het lastig om te kwantificeren wat een agent zou gaan kosten. Dat is best een probleem. Want je bent bereid om iets te bouwen dat als het goed is, hard schaalt. Dat de agent veel of vaak werk gaat uitvoeren. Want dan zijn agents pas interessant, wat mij betreft. En heb je dan de kosten niet helder, dan weet je ook niet wat de winst zal zijn. En dan ga je dus iets bouwen waarvan je niet weet of het de moeite waard is. Daarom werk ik al sinds 2017 met allerlei canvassen. En een daarvan is het experimentcanvas. En dat staat ook in mijn boek Doeltreffend met AI-agents. En dat idee. In wezen is dat idee simpel, namelijk, je formuleert een hypothese. Wat denk je wat er gaat gebeuren? Waaraan draagt deze AI-oplossing of agent bij. En vaak denken mensen direct aan productiviteitswinst. Maar het kan net zo goed om kostenreductie gaan of een leerdoel. Een soort van ongeacht wat het kost, we willen dit gaan doen om te zien hoe het werkt. Maar dan schrijf je dat leerdoel wel op. Of kwaliteitsverbetering, klanttevredenheid ergens moet het aan bijdragen. En zo'n canvas helpt je om dat scherp te krijgen. En hier komt het echte voordeel van pen en papier. Namelijk schrijven dwingt je om langzamer te worden. In de huidige tijd willen we alles snel en het liefst allemaal tegelijk. Probeer je voor te stellen hoe een sessie eruit ziet als iedereen een laptop voor zijn neus heeft of op zijn mobiel zou mogen werken. De aandacht verschuift met elke notificatie die binnenkomt. Een mailtje een berichtje. Het is geen doen: geen aandacht, geen nadenken. En dat maakt echt niet uit in welke setting je zit. Bij jou in de organisatie bij mij in de workshop aandacht is wat telt. En toch ook wel langzaam zijn. Dus pen en papier zorgen voor die rust waardoor je dieper gaat nadenken. 86 Het leuke is dat de deelnemer die aangaf dat werken op papier zo uit is, juist degene was die het meeste invulde. 87 En heel goed nadacht over wat er allemaal moest. 88 Volgens mij was het gevoel van langzamer werken voor haar even nieuw, even wennen. 89 En dat geeft ook helemaal niks. 90 En er is nog iets aan dat papieren canvas. 91 Echt wel een voordeel hebben. 92 Het is namelijk, je hebt iets tastbaars. 93 Iets wat je onder je arm mee kan nemen naar een collega, iets wat je op tafel kan leggen tijdens een gesprek. 94 Waar je op kan strepen, waar je in de marge een opmerking bij kan zetten. 95 Het is veel tastbaarder. 96 En dat krijg je niet zo makkelijk uit een Word-document op een schijf. 97 Nog iets wat ik in die workshop trouwens ook zag, dat had ook alles te maken met die snelheid en dat gebrek aan aandacht. 98 Mensen willen agents het liefst snel in elkaar klikken. 99 En voor individuele processen om die te automatiseren kan dat ook prima. 100 Een routinetaak voor jezelf automatiseren, daar hoef je geen weken over te doen. 101 Dit is ook precies de belofte die je terugziet in de media en op de socials. 102 Iedereen praat over hoe simpel het is, klik-klak-klaar. 103 Maar wil je een AI-agent inzetten in een bedrijfskritisch proces, dan gaat het over hele andere vragen. 104 Dan moet je gaan vragen: hoe verandert dit jouw proces? 105 Wie krijgt er mee te maken? 106 Wat gebeurt er als de agent fouten maakt? 107 Hoeveel fouten mag hij maken? 108 Mag hij überhaupt fouten maken? 109 Dat soort vragen. 110 Die kom je niet tegen bij klik-klak-klaar. 111 Ja, misschien pas als het fout gaat, maar dan is het te laat. 112 Het oude gezegde luidt. 113 Papier is geduldig. 114 Maar in deze nieuwe tijd zou ik het gezegde misschien een beetje willen aanpassen naar papier. 115 Maakt geduldig. 116 Dwingt je om geduld te hebben bij het nadenken over wat je eigenlijk wil. Wat mij betreft: nee, werken op papier is niet uit. Nadenken is niet uit. En wie nadenkt, krijgt uiteindelijk wat hij wenst. 117 Dat was hem voor deze week. 118 Dank je wel weer voor het luisteren en bedenk: AI is niet de oplossing voor elk probleem, maar onmisbaar waar het past. 119 Tot de volgende.