AI in de organisatie — een psychodynamisch perspectief

AI in de organisatie — een psychodynamisch perspectief

1) Waar het over gaat

AI raakt niet alleen processen en KPI’s, maar het psychologisch contract in de organisatie: identiteit, macht, status, afhankelijkheid en angst. Bij AI komen twee krachten vrij: magisch denken (“AI lost alles op”) en ondergangsfantasie (“AI neemt ons werk over”). Beide zijn verdedigingsreacties op onzekerheid. Een volwassen aanpak erkent die emotionele dynamiek, containert de spanning en zet AI in dienst van de primaire taak (het werk waarvoor de organisatie bestaat).

2) Vijf fasen (U-curve) met psychodynamische bril

• Co-initiating — bedoeling én emotioneel contract
  • Focus: benoem het werkelijke motief: prestatieverbetering, kosten, risico, klantkwaliteit—én wat dit in mensen triggert (verlies, schaamte, statusvrees).
  • Acties: expliciet contract over doelen, grenzen, rol van mens-in-de-lus. Spreek uit wat niet verandert (waarden, zorgplicht).
  • Risico zonder dit: schijnakkoord, latente weerstand, sabotage.
• Co-sensing — waarnemen van techniek én gevoelens
  • Focus: ga naar de plek van het werk en luister naar verhalen, emoties, informele regels.
  • Acties: dialogische interviews, meeloopdagen, work discussion (kort, gestructureerd nabespreken van werkervaringen), mapping van sociale afweer (rituelen die angst dempen maar leren blokkeren).
  • Uitkomst: waar het echt schuurt: niet alleen in processtappen, maar in betekenis (wie verliest/voelt zich overbodig?).
• Presencing — containment en keuze
  • Focus: vertragen om projectie en polarisatie te houden (Bion’s containment).
  • Acties: korte reflectiekamers: benoem splitsingen (“tech vs. mens”), transference/counter-transference (waarop worden leiders en experts onbewust gezet?), en maak ontwerpprincipes: waardig werk, uitlegbaarheid, beroepbaarheid, zorg voor vakmanschap.
  • Uitkomst: heldere keuzes: wat stoppen we, wat behouden we, wat ontwerpen we opnieuw?
• Co-creating — prototyping als identiteitswerk
  • Focus: kleine experimenten in echte workflows, met aandacht voor rolovergangen (van uitvoerder naar regisseur, van individu naar co-piloot met systeem).
  • Acties: twee korte iteraties met echte gebruikers, rituelen van erkenning (verlies + winst), feedback op ervaring én prestatie.
  • Uitkomst: bewijs van waarde én draagvlak; patronen van weerstand worden leerdata.
• Co-evolving — verankeren van nieuwe afhankelijkheden
  • Focus: opschalen betekent nieuwe relaties vastleggen: wie draagt autoriteit bij fouten van een model? waar ligt zorgplicht?
  • Acties: governance die emotionele realiteit erkent (incidentproces met schuldvrije analyse, rolhelderheid, escalatielijnen), opleidingen die statusverlies adresseren (nieuwe expertiserollen).
  • Uitkomst: stabiel werkklimaat waarin AI normaal werk is—geen fetisj, geen vijand.

⠀

3) Drie open-kwaliteiten, vier luisterniveaus — psychodynamisch vertaald

• Open mind → oordeel opschorten: herken rationalisaties en vermijd snelle verklaringen die angst maskeren.
• Open heart → empathische afstemming: zie de rouw achter weerstand (verlies van routines, meesterschap).
• Open will → loslaten van oude identificaties: heronderhandel je professionele identiteit (ik mét AI).

⠀

Luisteren:

1. Downloading: bevestiging zoeken, angst wegduwen.
2. Feitelijk: data horen, emoties negeren.
3. Empathisch: betekenis en gevoel serieus nemen.
4. Generatief: samen nieuwe rollen/rituelen vormgeven.

⠀De sprong van 2→3 beslist of adoptie echt landt.

4) Instrumentarium (met dieptepsychologie zonder gedoe)

• Emotionele risico-scan: welke angsten, welke statusdynamiek, welke taboes.
• Role analysis: wat verwacht het systeem onbewust van deze rol? welke dubbele boodschappen krijgt iemand?
• Work discussion / case clinics: 45–60 min, strak gefaciliteerd, van incident naar patroon.
• Sociale-afweer-check: waar wordt geleerd ingeruild voor ritueel? (overleginflatie, “we doen een pilot” als uitstel).
• Rites of passage: kleine, zichtbare momenten bij rolovergangen (erkenning van verlies, markeren van nieuw meesterschap).
• Eval-harnas (licht, maar echt): naast precisie/latency ook ervaring en vertrouwen meten.
• Ethiek-rondes: periodiek gesprek over grensgevallen; schaduwkanten zichtbaar maken.

⠀

5) Leiderschap en governance — gezag als holding

Leiderschap is het houden van het veld: spanning verdragen, niet doorschuiven naar teams of techniek.

1. Drie taken:
   1. Grenzen en bedoeling hard uitspreken (waarom AI, waarvoor niet).
   2. Ritme van reflectie en besluit (geen eindeloos praten, wel echte keuzes).
   3. Beschermen van leerklimaat: fouten gebruiken om te leren, niet om te straffen.
2. Rollen helder: Product Owner (waarde en adoptie), Data Steward (zorgplicht data), Risk/Compliance (morele en juridische randen), MLOps/LMMOps (betrouwbaarheid), People Lead (identiteits- en vaardigheidstransitie).

⠀

6) Wanneer wél / wanneer niet

Wel: waar AI zichtbaar rolbelasting verlaagt, moreel verdedigbaar is, en er een feedbacklus bestaat.

Niet of later: waar kernbeslissingen geen beroepbaarheid hebben, datakwaliteit brak is, of waar het klimaat veiligheid mist (dan eerst het klimaat herstellen).

7) Valkuilen en antidota

• Magisch denken: AI als wondermiddel.

⠀→ Antidotum: expliciet maken wat AI niet kan; mens houdt eindverantwoordelijkheid.

• Zondebokdynamiek: AI of “IT” krijgt schuld.

⠀→ Antidotum: incidentreview zonder schuldreflex; systeemvragen eerst.

• Schijnparticipatie: men mag praten, niets mag schuiven.

⠀→ Antidotum: duidelijke beslisruimte en zichtbare besluiten.

• Splitsing tech–mens: teams tegenover elkaar.

⠀→ Antidotum: gemengde teams, gedeelde doelen, gezamenlijke rituelen.

• Statusverlies onbenoemd: experts haken af.

⠀→ Antidotum: nieuwe loopbaanpaden, erkenningsmomenten, serieuze scholing.

8) 90-dagenplan (met psychodynamische ankers)

Week 1–2 — Contract & klimaat

• Doel, grenzen, rollen, zorgplicht vastleggen.
• Emotionele risico-scan; start tweewekelijkse reflectiekamer.

⠀

Week 3–6 — Sensing & selectie

• Gemba + data-profiling + work discussions.
• Kies 2–3 cases op waarde + draagvlak + morele verdedigbaarheid.
• Definieer rituelen: start, review, afsluiting.

⠀

Week 7 — Containment & keuze

• Presencing-dag: benoem verliezen/winsten, splitsingen, ontwerpprincipes.
• Formuleer hypotheses (impact + ervaring + risico).

⠀

Week 8–12 — Bouwen & leren

• Twee iteraties per case; elke sprint: prestatie- en ervaringsevaluatie.
• Eindreview: kill/pivot/scale + rol- en governance-update.
• Vier het geleerde, niet alleen het “geslaagde”.

⠀

9) Meten wat ertoe doet (hard én zacht)

1. Business: doorlooptijd, foutgraad, kosten per case, klanttevredenheid.
2. Model: precisie/recall, factual accuracy, incidenten, drift.
3. Klimaat/relatie: psychologische veiligheid, rolhelderheid, ervaren rechtvaardigheid, rumor-velocity (hoe snel geruchten/angst rondgaan), verloop/ziekteverzuim in impactteams.
4. Adoptie: actief gebruik, taakdekking, tijdsbesparing, “vertrouwen-score”.

⠀

10) De bron: bedoeling + volwassen afhankelijkheid

Volwassen organisaties durven afhankelijk te zijn—van elkaar, van technologie, van realiteit. AI maakt afhankelijkheden expliciet: van data, providers, algoritmes. Volwassen afhankelijkheid betekent: heldere grenzen, beroepbare besluiten, zorg voor mensen, en een houding van leren boven gelijk krijgen.

11) Wat het oplevert als je het scherp doet

• Rust en richting: minder rumor, meer taakfocus.
• Volwassen gezag: leiders die spanning dragen en besluiten nemen.
• Sterker vakmanschap: rollen vernieuwen zonder mensen te vernederen.
• Betere uitkomsten: prestatie stijgt omdat het werk en het werkklimaat kloppen.
• Duurzame adoptie: AI als normaal onderdeel van betekenisvol werk.

⠀

12) Samenvatting

AI invoeren zonder psychodynamische lens is vragen om schijnadoptie: mooie decks, weinig gedrag. Met die lens benoem je angst en verlies, houd je spanning vast en heronderhandel je rollen en rituelen. Dan kan AI doen waarvoor het bedoeld is: werk beter maken—zonder mensen te reduceren tot aanhangsel van techniek.