Je beste collega loopt eerder vast op AI dan je denkt

Je beste medewerker maakte deze week twee grote fouten. Normaal gebeurt dat niet. Alleen is zij ook degene die vier AI-tools tegelijk in haar werk moet coördineren, alle uitkomsten moet nalopen en telkens moet beslissen wat bruikbaar is, wat aangepast moet worden en wat absoluut niet door kan.

Dat patroon staat centraal in een onderzoek in Harvard Business Review van Boston Consulting Group en de University of California, Riverside. De onderzoekers ondervroegen 1.488 voltijdswerknemers in de Verenigde Staten en kwamen uit op een ongemakkelijke conclusie: juist de mensen die het meeste met AI doen, raken er cognitief het snelst door uitgeput. Zij gaven dat zelfs een naam, “AI brain fry”, een soort mentale oververhitting die niet pas na maanden optreedt, maar soms al binnen één werkdag voelbaar wordt.

Het probleem begint bij tool nummer vier

De belofte rond AI is meestal simpel: meer tools betekent meer productiviteit. Dit onderzoek laat iets anders zien. De winst piekt bij drie gelijktijdige tools. Daarna daalt de ervaren productiviteit niet een beetje, maar duidelijk.

Volgens de samenvatting van Fortune op basis van de BCG-studie meldden werknemers met hoge AI-toezichtseisen 14 procent meer mentale inspanning, 12 procent meer mentale vermoeidheid en 19 procent meer informatie-overbelasting dan werknemers met weinig toezichtstaken. Dat klinkt abstract, maar het dagelijkse werk is heel concreet: tekst controleren, analyses verifiëren, beelden nalopen, reacties beoordelen en steeds opnieuw inschatten of de output klopt.

Daar zit precies de frictie. AI neemt wel een deel van het maakwerk over, maar schuift tegelijk een continue controletaak naar mensen door. Wie dat de hele dag doet, houdt zijn werkgeheugen permanent half bezet. En als je hoofd al vol zit met checken, corrigeren en vergelijken, blijft er minder ruimte over voor scherp denkwerk.

De sterksten vangen de meeste klappen op

Opvallend is dat dit effect niet gelijk verdeeld is. In totaal rapporteerde 14 procent van de AI-gebruikers zulke klachten. In marketing liep dat op tot 26 procent. In juridische afdelingen was het slechts 6 procent, zoals The Decoder in zijn bespreking van het onderzoek noteerde.

Dat verschil zegt waarschijnlijk minder over talent of veerkracht dan over de aard van het werk. Marketingteams zitten vaak tegelijk op copy, analytics, visuals en klantreacties. Elke AI-uitkomst vraagt dan om een reeks kleine oordelen: klopt dit, past dit bij het merk, is dit risicoarm, moet dit terug naar de tekentafel? Het zijn geen grote heroïsche beslissingen, maar heel veel microbeslissingen achter elkaar.

En daar zit de crux. Juist de mensen die je vertrouwt omdat ze goed kunnen wegen en nuanceren, worden het zwaarst belast wanneer elk AI-resultaat nog menselijke kwaliteitscontrole nodig heeft. Hun kracht, namelijk goed oordelen, wordt dan tegelijk hun kwetsbaarheid.

De echte schade zit in besluitvorming

De gevolgen blijven niet hangen in een vaag gevoel van drukte. Volgens Harvard Business Review rapporteerden werknemers met deze klachten 33 procent meer beslissingsmoeheid, 11 procent meer kleine fouten en 39 procent meer grote fouten. Dat laatste is belangrijk. Het gaat niet alleen om slordigheden, maar om missers die veiligheid, kwaliteit of belangrijke bedrijfskeuzes kunnen raken.

Daar komt nog een bredere kostenkant bij. Gartner schatte dat suboptimale besluitvorming een bedrijf met 5 miljard dollar omzet ongeveer 150 miljoen dollar per jaar kan kosten. Omgerekend is dat grofweg 138 miljoen euro. Voor Nederlandse oren is vooral de orde van grootte relevant: als AI de snelheid verhoogt, maar tegelijk de besluitkwaliteit van je beste mensen aantast, dan betaal je een forse prijs die nergens als aparte regel op de begroting staat.

De uitvalrisico’s lopen ook op. De intentie om te vertrekken stijgt van 25 procent bij werknemers zonder klachten naar 34 procent bij werknemers met “brain fry”, een toename van 39 procent in vertrekrisico, zoals Futurism de cijfers samenvatte. Dat treft precies de groep die je niet zomaar vervangt.

Twee managementkeuzes maken wel degelijk verschil

Het onderzoek laat gelukkig ook zien wat helpt. De eerste knop waar organisaties aan kunnen draaien is de boodschap rond AI. Bedrijven die AI neerzetten als middel om saai werk weg te nemen en meer balans tussen werk en privé mogelijk te maken, zagen 28 procent lagere vermoeidheidsscores. Bedrijven die vooral communiceerden dat AI hogere output mogelijk maakt, zagen juist 12 procent meer vermoeidheid.

De tweede knop is simpel en vaak onderschat: managers moeten beschikbaar zijn. Wanneer leidinggevenden medewerkers actief hielpen met AI-vragen en training boden, daalde mentale vermoeidheid met 15 procent. Wanneer mensen het zelf maar moesten uitzoeken, steeg die met 5 procent. Dat verschil van 20 procentpunten komt dus niet uit de technologie zelf, maar uit de manier waarop je die invoert.

Ook relevant: werknemers die AI gebruikten om repetitief werk weg te snijden, meldden 15 procent minder burn-out. De tool is dus niet automatisch het probleem. Het probleem ontstaat wanneer gewonnen tijd meteen weer wordt opgevuld met extra werk en tijdwinst verandert in herstelwerk.

Geef je beste mensen minder tegelijk, niet meer

De meest nuchtere conclusie is misschien ook de minst populaire: geef je toppresteerders minder AI-tools tegelijk. Een bovengrens van drie tools per rol klinkt niet spectaculair, maar wel verstandig. Plan daarnaast expliciete tijd voor controle en validatie in. Doen alsof AI-review wel “erbij” kan, is vooral een manier om fouten onzichtbaar op te sparen.

Een deelnemer beschreef het gevoel als denken dat niet kapot was, maar wel rumoerig, alsof er voortdurend mentale ruis op de lijn zat. Dat beeld is raak. Het grootste risico van AI op het werk is niet dat de machine de mens vervangt. Het is dat het toezicht op de machine eerst de mensen uitput die je organisatie het hardst nodig heeft.