AI versnelt de ontwikkeling van individuen 
Als het gaat om softwareontwikkeling, is er momenteel geen groter taboe dan de impact van generatieve AI. AI helpt mensen om sneller dan ooit tevoren te analyseren, te programmeren en te leren. Maar als ik terugkijk op twintig jaar softwareontwikkeling, heb ik maar weinig digitaliseringsprojecten gezien die mislukten door een gebrek aan individuele expertise. Vaker nog mislukten ze omdat organisaties moeite hadden om het eens te worden over wat de volgende stap moest zijn.
Dit doet me afvragen of we wel genoeg aandacht besteden aan collectief leren, en niet alleen aan individuele versnelling.
Twintig jaar werken aan beter collectief leren 
De afgelopen twintig jaar hebben we een aantal grote veranderingen gezien die van invloed zijn geweest op de IT-sector: cloud computing, mobiele ontwikkeling, NoSQL-gegevensopslag… Maar de veranderingen met de grootste impact waren niet in de eerste plaats technologisch van aard. Ze hadden vooral tot doel mensen te helpen effectiever samen te leren en te presteren.
Denk eens na over enkele van de belangrijkste veranderingen:
- Agile heeft de feedbackcycli tussen teams en belanghebbenden verkort. In plaats van letterlijk jaren te besteden aan het vastleggen en implementeren van aannames, komen teams om de paar weken te weten of ze het juiste probleem aan het oplossen zijn.
- DevOps gaat ervan uit dat er geen sprake kan zijn van organisatorisch leren wanneer de mensen die de software ontwikkelen, gescheiden zijn van de mensen die deze software in gebruik hebben. Door hen samen te brengen rond een gedeelde verantwoordelijkheid worden productie-incidenten, statistieken en gebruikersfeedback omgezet in kansen voor collectieve verbetering, in plaats van in het toewijzen van schuld en het doorgeven van taken.
- UX-onderzoek en serviceontwerp zetten vraagtekens bij het idee dat de behoeften van gebruikers kunnen worden begrepen door tijdens vergaderingen aannames te bespreken. Dankzij onderzoek kunnen teams aannames (on)geldig verklaren voordat ze in kostbare ontwikkelingsprojecten investeren.
- Organisatiekaders zoals Team Topologies en toolkits zoals Sociocracy 3.0 winnen aan populariteit omdat ze zich richten op het structureren van organisaties rond de interacties tussen mensen. Om organisaties op te bouwen waarin aanpassingsvermogen en effectiviteit in evenwicht zijn, moeten we expliciet rekening houden met alle aspecten van menselijke samenwerking.
Verschillende werkwijzen, verschillende contexten, maar één gemeenschappelijk thema: het verbeteren van collectief leren.
Een vroege les in de publieke sector
In 2005, net afgestudeerd, ging ik aan de slag bij een softwareontwikkelingsteam dat verantwoordelijk was voor de aangifte van sociale bijdragen in België. Ik ging ervan uit dat softwareontwikkeling vooral zou draaien om het ontwerpen van datamodellen en het schrijven van code. In plaats daarvan kwam ik terecht in een team van meer dan dertig mensen dat elk kwartaal een nieuwe release opleverde. De oplossing bestond uit systemen die in COBOL waren geschreven, andere in Java, en een overvloed aan systemen waarmee moest worden geïntegreerd en externe partijen waarmee moest worden gecoördineerd.
Wat mij het meest is bijgebleven uit die periode, is de inspanning die werd geleverd om tot een gezamenlijk begrip van het werk te komen. Elke releasecyclus begon met een grote kick-offvergadering. De teams kwamen bijeen om te begrijpen wat we wilden bereiken, wat er was veranderd en waar samenwerking nodig zou zijn. Het belangrijkste hulpmiddel tijdens deze vergaderingen was een enorm Word-document waarin beslissingen werden bijgehouden en kennis werd gebundeld.
Ik weet zeker dat sommige moderne agilisten bij het horen van die vergaderingen zouden huiveren. Maar ze zorgden voor afstemming, en die afstemming maakte de rest mogelijk.
Eén ding werd al heel snel duidelijk: het moeilijkste was niet de software. Het ging erom mensen te helpen elkaar te begrijpen en met elkaar af te stemmen.
Waarom menselijke wrijving belangrijk is 
Samenwerking tussen mensen verloopt vaak rommelig en gaat gepaard met wat we in het Nederlands ‘gedoe’ noemen. Belanghebbenden zijn het oneens. Teamleden durven zich niet uit te spreken. Onze beste bedoelingen gaan verloren in de vertaling. Beslissingen duren langer dan verwacht. Deze momenten kunnen als inefficiënt aanvoelen, maar juist dan worden aannames ter discussie gesteld, worden afwegingen zichtbaar en ontstaat er collectieve verantwoordelijkheid.
Tegenwoordig maakt generatieve AI het mogelijk om een groot deel van deze menselijke wrijving te omzeilen. Heb je user stories nodig? Vraag het aan een AI. Geen zin om testcode te schrijven? Vraag het aan een AI. Heb je inzichten nodig voor je user persona? Vraag het aan een AI. Dit biedt voordelen, maar brengt ook risico’s met zich mee.
Naarmate we als individuen zelfvoorzienender worden, nemen de mogelijkheden voor collectief leren af. AI kan nieuwe invalshoeken bieden. Het kan aannames ter discussie stellen. Het kan belanghebbenden simuleren.
Maar het kan geen betrokkenheid creëren. Het kan geen vertrouwen tussen teams opbouwen. Het kan geen verantwoordelijkheid nemen voor moeilijke beslissingen.
De volgende uitdaging
In onze podcast ‘Public Service Adventure’ praten Alixe en ik regelmatig met mensen die werkzaam zijn in de publieke sector.
Wat me keer op keer opvalt, is dat hun grootste bijdrage zelden hun individuele briljantheid is. Het is juist hun vermogen om mensen, teams en organisaties te helpen samen een weg vooruit te vinden.
Als we terugkijken op de afgelopen twintig jaar, zien we dat veel van onze meest succesvolle werkwijzen hebben bijgedragen aan een verbetering van de manier waarop groepen samen leren. Generatieve AI zorgt ervoor dat we als individuen sneller leren.
Misschien is de volgende uitdaging ervoor te zorgen dat we het eerste niet uit het oog verliezen terwijl we het tweede omarmen.
