De afgelopen 3 jaar hebben wij met NXT Pharma bij verschillende farmaceuten meerdere teams mogen begeleiden bij het daadwerkelijk implementeren van AI in hun manier van werken. Eerst met begrip en inspiratie over AI gebruik, daarna het leren prompten en nu bij het structureel verankeren ervan in de dagelijkse praktijk. Wat me daarbij steeds weer opvalt: veel organisaties lopen tegen dezelfde drempels aan.
Niet de techniek is het voornaamste probleem. De organisatie eromheen meestal wel. Hieronder zes drempels die wij keer op keer tegenkomen, en hoe je ze in je aanpak kan meenemen.
1. Zonder persoonlijk belang geen verandering
Mensen veranderen hun manier van werken pas als ze zelf zien dat het hún werk beter maakt. Efficiënter, effectiever, minder gedoe.
Zolang AI voor een medewerker een abstract management initiatief blijft in plaats van een concrete verbetering van de eigen taak, zit diegene niet actief en betrokken in de wedstrijd. Dat betekent dat een AI-programma niet start met hoe AI in te zetten, maar juist met de vraag: wat wordt er voor déze persoon, in déze rol, aantoonbaar makkelijker.
2. Kennisniveaus lopen binnen elk team uiteen
In vrijwel elk team zie je een scheiding tussen mensen die al ver zijn met AI en mensen die nog nauwelijks zijn begonnen. Die laatste groep is vaak onzeker, en voelt zich in gezamenlijke sessies met de voorlopers al snel buitengesloten.
Een programma dat dit niet expliciet adresseert, versterkt die kloof in plaats van hem te dichten. De oplossing zit in het samenbrengen van beide groepen op een manier die de voorlopers uitdaagt en de starters ruimte geeft. Bij NXT Pharma doen we dat onder andere via individuele intakes per teamlid, zodat ook terughoudende mensen zich durven uit te spreken vóórdat de groep bij elkaar komt.
3. Leren gebeurt niet vanzelf naast het reguliere werk
Dit is misschien wel de meest onderschatte drempel. Leren wordt in de praktijk behandeld als iets wat je erbij doet. In een drukke week is dat precies het onderdeel dat sneuvelt.
Als een organisatie AI structureel wil verankeren in de manier van werken, moet ze zelf de randvoorwaarde scheppen dat mensen daar tijd voor krijgen, en die tijd ook daadwerkelijk nemen. Zonder geoormerkte tijd blijft een AI-traject een intentie in plaats van een gewoonte.
4. Tooling bepaalt het plafond van wat mogelijk is
Wat ik in de farma veel tegenkom is wat ik de ‘pauper ChatGPT’ of Co-pilot noem: een basisversie zonder geheugen, zonder gedeelde agents of GPT’s, zonder de mogelijkheid om iets binnen het team te delen. Met die beperking valt er structureel weinig te winnen, hoe goed de training ook is.
Het gevolg is voorspelbaar: mensen gaan op zoek naar tools buiten het bedrijf om, schaduw-AI dus, met alle risico’s voor databeheer die daarbij horen. Een organisatie die AI serieus wil integreren, zal dus ook moeten investeren in tooling die verder gaat dan de instapversie.
5. Complexe trajecten leiden tot uitstel, niet tot adoptie
Mensen moeten zelf ervaren hoe eenvoudig het is om bijvoorbeeld een Copilot-agent te bouwen, en wat die agent oplevert. Dat werkt alleen met kleine, behapbare stappen. Ingewikkelde, ambitieuze trajecten leiden juist tot uitstel.
Er zit hier ook een valkuil in de organisatie van het traject zelf: veel bedrijven betrekken champions bij het programma. Wat op zich niet slecht is. Maar die staan vaak al een aantal stappen verder dan de rest van het team. Daarom bouwen wij bij NXT Pharma altijd een intake traject in dat het daadwerkelijke niveau van de groep in kaart brengt. En stemmen we het vervolgtraject daarop af in plaats van op het niveau van de voorlopers.
6. Verwachtingsmanagement over het tempo van verandering
Veel organisaties verwachten dat AI-adoptie in een paar sessies is geregeld. Dat is niet reëel. Het moet een vast, terugkerend onderdeel worden van hoe een team werkt, met een tempo dat aansluit bij de praktijk.
Wij hebben ons eigen programma daarom niet als eenmalig traject opgezet, maar opgedeeld in een opbouwfase en een aansluitende monitoring- en versnellingsfase, waarin voortgang en nieuwe doelen periodiek worden herijkt. En die erop gericht is dat de AI adoptie vervolgens door de teams verder wordt opgepakt en uitgebouwd.
De rol van de manager is doorslaggevend
Een laatste punt, dat in mijn ervaring net zo zwaar weegt als de zes drempels hierboven: de leidinggevende moet zelf de lead nemen. Dat betekent kennis hebben van wat er mogelijk is, helder krijgen wat het team daarmee moet bereiken, en daar vervolgens ook actief sturing aan geven.
Een AI-programma dat wordt gedelegeerd zonder actieve betrokkenheid van de leidinggevende zelf, verliest op enig moment zijn momentum. Dat zie ik in de praktijk keer op keer terug bij trajecten die wel en niet beklijven.
Rutger van der Lee
Wil je meer weten over ons AI Acceleratie in Farma programma? Vraag hier de brochure aan: https://nxtpharma.com/informatie-aanvragen/
*******
Even sparren? Boek een half uurtje in: https://calendly.com/nxtpharma_rutger/30-minute-teams
*******
