From fear to flow: waarom weerstand tegen AI in teams over meer gaat dan technologie

Artificial Intelligence ontwikkelt zich snel van experimentele technologie tot een vast onderdeel van het dagelijkse werk. Wat eerst vooral iets was om mee te testen, krijgt nu steeds vaker een plek in reguliere software, processen en besluitvorming. Denk aan AI-tools voor het schrijven en controleren van code, het analyseren van grote hoeveelheden informatie of het ondersteunen van klantcontact en interne workflows.

Daarmee verandert niet alleen de technologie, maar ook de context waarin teams werken.

Toch zit de grootste uitdaging bij AI-adoptie meestal niet in de techniek zelf. De echte uitdaging zit in de reactie van mensen. Want hoe interessant de mogelijkheden van AI ook zijn, veel teams ervaren in eerste instantie vooral twijfel. Wat betekent dit voor mijn rol? Welke taken blijven van mij? Waar kan ik op vertrouwen, en waarop niet? En hoe voorkom je dat AI wordt ingevoerd zonder duidelijke afspraken over gebruik, verantwoordelijkheid en kwaliteit?

Wie AI succesvol wil inzetten, moet die vragen serieus nemen.

De ontwikkelingen van de afgelopen tijd laten zien hoe snel AI opschuift richting de kern van organisaties. Grote technologiebedrijven bouwen AI-functionaliteiten direct in in producten die mensen al dagelijks gebruiken. Daardoor wordt de drempel om AI te gebruiken steeds lager. Wat gisteren nog nieuw of experimenteel voelde, is morgen ineens standaard onderdeel van een bestaande tool of workflow.

Ook binnen organisaties verschuift het gebruik van AI snel. Ontwikkelaars gebruiken AI om codevoorstellen te genereren of tests op te zetten. Analisten zetten AI in om informatie samen te vatten en patronen te herkennen. Andere teams gebruiken AI om documenten te structureren, klantvragen te categoriseren of sneller eerste versies van teksten en analyses op te stellen.

Dat maakt AI steeds minder een los initiatief aan de zijlijn. Het wordt stap voor stap onderdeel van hoe werk georganiseerd en uitgevoerd wordt.

Juist daarom roept het ook weerstand op.

In veel organisaties stokt AI-adoptie niet omdat de technologie tegenvalt, maar omdat mensen niet goed weten wat de komst van AI voor hun werk betekent.

Die weerstand is lang niet altijd zichtbaar of uitgesproken. Vaker zie je dat teams afwachten, pilots uitstellen of nieuwe toepassingen wel bespreken maar niet echt gebruiken. Medewerkers blijven liever werken op een manier die ze kennen, zeker als onduidelijk is wat er van hen verwacht wordt of hoe AI-uitkomsten beoordeeld moeten worden.

Dat is logisch. AI voelt voor veel mensen niet als zomaar weer een nieuwe tool. Het raakt aan kennis, autonomie en professionele zekerheid. Zeker nu AI in het publieke debat vaak wordt gekoppeld aan efficiëntie, productiviteitsdruk en het verdwijnen of veranderen van functies, is het niet vreemd dat mensen terughoudend reageren.

De weerstand gaat dan meestal niet over de technologie op zich, maar over de betekenis erachter. Mensen vragen zich af of hun expertise nog telt, of fouten sneller zichtbaar worden, of beslissingen minder uitlegbaar worden en of de invoering van AI vooral bedoeld is om werk slimmer te maken of simpelweg goedkoper.

Als organisaties die onderliggende vragen niet bespreekbaar maken, blijft AI voor veel teams iets waar vooral spanning omheen hangt.

Juist daarom is psychologische veiligheid zo belangrijk bij AI-adoptie. Teams moeten het gevoel hebben dat ze mogen ontdekken, vragen mogen stellen en ook mogen aangeven waar hun twijfels zitten.

Dat klinkt misschien vanzelfsprekend, maar in de praktijk gebeurt het vaak onvoldoende. Dan wordt AI wel geïntroduceerd, maar zonder ruimte om samen te verkennen wat het wel en niet goed doet. Of medewerkers voelen dat ze mee moeten, terwijl ze zich eigenlijk nog onvoldoende zeker voelen om ermee te werken.

Dan krijg je geen echte adoptie, maar schijnbeweging. Mensen proberen een tool misschien één keer, haken af als het resultaat tegenvalt en vallen daarna terug op hun oude werkwijze.

Als je wilt dat teams AI op een verstandige manier gaan gebruiken, moet je dus klein en concreet beginnen. Niet met grote beloften, maar met overzichtelijke toepassingen waarbij de toegevoegde waarde snel zichtbaar wordt. Bijvoorbeeld door AI te gebruiken voor het samenvatten van klantfeedback, het opstellen van een eerste versie van documentatie of het structureren van terugkerende taken in een proces.

Dat helpt teams om ervaring op te doen zonder dat de druk meteen te hoog wordt. Ze leren waar AI tijd bespaart, waar menselijke controle nodig blijft en in welke situaties het hulpmiddel wel of juist niet geschikt is.

Organisaties die AI succesvol invoeren, doen vaak één ding goed: ze helpen teams om grip te krijgen op het gebruik.

Dat betekent onder meer dat duidelijk is waarvoor AI wel en niet wordt ingezet, wie verantwoordelijk blijft voor de uitkomst en welke kwaliteitsnormen gelden. Zodra dat helder wordt, verandert ook het gesprek binnen teams.

Dan gaat het niet meer alleen over risico’s of onduidelijkheid, maar over praktische vragen als: waar helpt dit ons echt, hoe borgen we kwaliteit en hoe zorgen we dat mensen AI slim gebruiken zonder er blind op te vertrouwen?

Op dat punt verschuift er iets wezenlijks. Teams zijn dan niet langer vooral bezig met wat AI mogelijk afneemt, maar met wat het concreet kan toevoegen. De aandacht verschuift van onzekerheid naar toepassing.

En juist daar zit de echte stap vooruit. Niet in grootse visies over transformatie, maar in het moment waarop teams merken dat AI hen kan helpen sneller te werken, betere inzichten op te halen of repetitief werk te verlichten, terwijl menselijke afweging en verantwoordelijkheid gewoon centraal blijven staan.

Daarmee wordt AI-adoptie in de praktijk minstens zo veel een veranderopgave als een technologievraagstuk.

Teams hebben behoefte aan leiders die niet alleen enthousiast zijn over nieuwe mogelijkheden, maar ook richting geven aan hoe je daar als team verantwoord mee omgaat. Dat vraagt om duidelijkheid, begeleiding en ruimte voor leren.

In Agile-omgevingen ligt daar een belangrijke rol voor Scrum Masters, Product Owners, Agile Coaches en andere veranderaars. Zij kunnen helpen om experimenten klein en veilig te houden, reflectie te organiseren en afspraken te maken over eigenaarschap, transparantie en samenwerking.

Dat is ook precies waarom AI binnen teams niet alleen een technisch onderwerp is. Het raakt direct aan cultuur, gedrag en leiderschap. De organisaties die hier het verst in komen, zijn meestal niet de organisaties met de meeste tools, maar de organisaties die het best in staat zijn om mensen stap voor stap mee te nemen.

Deze vragen staan centraal in de komende Freaky FrAIday-sessie: From fear to flow: overcoming AI resistance in Agile teams.

Tijdens deze sessie gaan Dr. Steve Mayner en Jurney Koning in op de vraag waarom AI binnen teams vaak weerstand oproept en wat organisaties kunnen doen om die weerstand om te buigen naar vertrouwen, nieuwsgierigheid en verantwoord gebruik.

Aan bod komen onder andere veelvoorkomende misverstanden over AI in Agile teams, manieren om openheid en experimenteren te stimuleren en de rol van leiderschap bij AI-gedreven verandering.

Voor professionals die werken in Agile-omgevingen is dat een relevant gesprek. Want naarmate AI steeds meer onderdeel wordt van het dagelijkse werk, wordt ook de vraag belangrijker hoe je teams daar op een goede manier in meeneemt.