‘The essence of technology is by no means anything technological.’(Heidegger)

Toepassing

sociotechniekAI kan inmiddels in vrijwel alle functionele gebieden van organisaties worden toegepast, van marketing en klantenservice tot logistiek en productontwikkeling. In marketing kan AI bijvoorbeeld patronen herkennen in klantgedrag en gepersonaliseerde aanbevelingen genereren. In operations kan AI helpen bij het optimaliseren van supply chains door vraagvoorspellingen te maken en logistieke processen efficiënter te organiseren. In productontwikkeling kan AI teams ondersteunen bij het analyseren van gebruikersdata en het identificeren van nieuwe innovatiekansen.

In plaats van te concurreren met technologie, moeten mensen leren samenwerken met AI-systemen. Deze samenwerking kan leiden tot een vorm van augmented intelligence waarin menselijke en kunstmatige capaciteiten elkaar versterken. Werknemers die in staat zijn om AI-tools effectief te gebruiken en te interpreteren zullen daarom een belangrijke rol spelen in toekomstige organisaties.

Prompten

Strategic prompting: gaat om het bewust en systematisch formuleren van instructies voor AI-systemen. Prompting vormt een nieuwe digitale vaardigheid die vergelijkbaar is met programmeren in eerdere technologische revoluties. Goede prompts geven duidelijke context, specifieke instructies en een gewenste outputstructuur. Door iteratief te werken, dus AI-antwoorden verbeteren door vervolgvragen, kan de gebruiker steeds betere resultaten krijgen.

Er zijn verschillende promptstrategieën, zoals rol-gebaseerde prompts (AI een specifieke rol laten aannemen), stapsgewijze prompts (complexe taken opdelen) en evaluatieve prompts (AI vragen om zijn eigen output te controleren). Door deze technieken te gebruiken kan AI niet alleen informatie genereren, maar ook helpen bij analyse, planning en besluitvorming.

Professionals moeten zich voorbereiden op een arbeidsmarkt waarin AI een standaard hulpmiddel is. Dit betekent dat je niet alleen technische kennis moet ontwikkelen, maar ook moet leren hoe je samenwerkt met intelligente systemen.

Multidisciplinariteit

De AI-transformatie lukt alleen wanneer organisaties AI niet in een geïsoleerd datateam parkeren, maar als een multidisciplinair product- en verandertraject organiseren waarin data scientists, softwareontwikkelaars, ontwerpers en businessprofessionals structureel samenwerken. Data scientists kunnen modellen bouwen en hypotheses testen, maar zonder solide software-engineering worden modellen geen betrouwbare producten; zonder ontwerp en gebruikersonderzoek sluiten oplossingen niet aan op echte werkprocessen; en zonder businesssturing blijft het bij een technisch kunstje zonder heldere waardepropositie, governance en schaalbaarheid.

Data scientists onderzoeken datakwaliteit, signalen, bias, performance en onzekerheid, en maken zichtbaar waar het model wel en niet te vertrouwen is. Softwareontwikkelaars kunnen zorgen dat het geheel robuust wordt: dat versies beheersbaar zijn, dat er monitoring is, dat het systeem schaalbaar en veilig is, en dat feedback van gebruikers terugvloeit naar het model. Ontwerpers vertalen AI-output naar bruikbare interacties: hoe presenteer je aanbevelingen zodat mensen ze begrijpen, wanneer in de workflow bied je het aan, hoe maak je onzekerheid en uitleg zichtbaar zonder de gebruiker te overbelasten? Businessprofessionals (product owners, proceseigenaren, domeinexperts) zorgen voor prioritering, verandermanagement het verbinden van AI-werk met strategie.

Continu

Belangrijk is dat domeinexperts (uit operatie, zorg, financiën: wat relevant is) niet alleen bij start en eind betrokken zijn, maar continu, omdat hun contextkennis nodig is om data en output te interpreteren. AI-ontwikkeling is per definitie iteratief en onzeker. Je weet zelden vooraf of de data voldoende is, of het probleem überhaupt modelleerbaar is, of de organisatie klaar is voor het proces dat je met AI wilt veranderen. Het doel van een experiment is niet bewijzen dat AI werkt, maar leren wat waar is: welke data betrouwbaar is, welk gedrag van gebruikers verwacht kan worden, welke risico’s ontstaan en welke processen moeten worden aangepast. Organisaties moeten mechanismen hebben om lessons learned, data-definities, herbruikbare componenten en governancepatronen te delen zodat elk nieuw AI-project niet opnieuw vanaf nul begint.

Sociotechniek

AI-oplossingen zijn socio-technische systemen: ze veranderen workflows, verantwoordelijkheden en besluitvorming. Daarom moeten ze gebouwd worden door teams die zowel technologie, data, design als business begrijpen, in een cultuur die experimenteren beloont, leren institutionaliseert en samenwerking structureel organiseert.

Literatuur

Falcon, J. (2026). AI Unleashed Transforming Organizations in the Intelligent Era: The Definitive 2025-2035 Playbook
Jeninga, A. en H. Woldendorp. (2022). Ontwerp voor digitale transformaties van (zorg)organisaties. SWP
Kumar, A. (2026). The AI Blueprint 2030: Mastering the Human-AI Partnership: A Professional Guide to Generative AI, Strategic Prompting, and Future-Proofing Your Career