Glenn van der Burg - presentator (00:00) Met een structureel, krappe arbeidsmarkt is de belofte dat technologie dat wel even gaat oplossen. We investeren dus massaal in digitale technologie, maar de productiviteit, je blijft achter. Apps, AI en allerlei systemen beloven tijdwinst, maar kosten vaak meer tijd dan ze opleveren. Waarom maakt slimme tech ons nog steeds niet echt heel veel sneller? En wat moeten we dan wel doen om technologie echt productief te maken? Ik heb drie leuke gasten in de studio: Hajo Reijers is er, hoogleraar business process management and analytics bij de afdeling informatica van de universiteit Utrecht. Randy Dommerholt, Manager Learning & Development bij Alliander. En Joop Schippers is er, fijn dat hij weer terug is, ondertussen Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht. Fijn dat je luistert. Leiderschap, leren, inzetbaarheid en inclusie. De laatste inzichten hoor je in Peoplepower. Ha Jo, Randy en Joop, leuk dat jullie er zijn.
Ehm ja, eerst maar even bij het zuur beginnen, want het is nogal een gloomy begin van deze aflevering HIO. We investeren heel veel geld, dat zal iedereen gelijk herkennen. Er komt elke keer weer wat nieuws op onze apparaten, of we krijgen weer nieuwe apparaten en robots en weet ik veel wat allemaal, maar de arbeidsproductiviteit die blijft achter.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (01:35) Dat klopt, is inderdaad een, nou voor iedereen die denk ik werkt met die technologie is dat niet helemaal een verrassing. Ik denk dat het ook al iets is dat we eigenlijk al heel vaak zien en heel lang zien met informatietechnologie dat die investeringen eigenlijk maar heel moeilijk vertaald worden in productiviteitsgroei. En daar zit van alles achter.
Een van de dingen die spelen, maar ik weet dat Joop daar ook het nodig aan kan toevoegen, is dat er heel veel veranderingen en investeringen nodig zijn voordat eigenlijk dingen gaan renderen. Er is een beroemde economie die werkt in Amerika, Erik Brynjolfsson, en die noemt dat de J-curve. Dat wil zeggen dat je eerst een tijdje, en dat is het
het rondje van de J eerst eigenlijk een tijdje een dipsheet voordat er eigenlijk pas over langere tijd eigenlijk iets gaat renderen. Dat heeft ermee te maken met dat als je informatietheoretie toepast dat je eigenlijk aan iets sleutelt dat veel groter is dan een enkele taken die mensen doen. zit eigenlijk een heel systeem omheen of een heel werkproces omheen. zult mensen moeten opleiden. Je zult waarschijnlijk ook erachter komen dat je allerlei
basale dingen nog beter moet regelen voor je überhaupt plezier kunt hebben van die AEI bijvoorbeeld, want dat hoor je ook heel veel, is dat de kwaliteit van de data eigenlijk op orde moet zijn. Dat wil zeggen dat je eigenlijk eerst een tegenovergestelde effect ziet, dat je in een lange tijd ziet dat eigenlijk arbeiderspositiviteit omlaag gaat.
Glenn van der Burg - presentator (03:08) Je moet eerst heel veel investeren vanuit je organisatie. Dus je koopt niet een ding of je koopt niet wat software en dan komt het goed. Je moet eerst heel veel investeren voordat je aan die opgaande lijn van die curve terecht komt. Joop, bestudeer jij de arbeidsmarkt al een tijdje en nog steeds. Ik zit een beetje terug te denken toen ik, ik ben ook al geen 25 meer.
Toen ik stage ging lopen, hadden we de eerste computers. Ik werkte toen, er liep stage bij een bank en die hadden uitgaand betalingsverkeer internationaal en inkomend. En de ene helft was geautomatiseerd, die hadden dus terminals. zijn zeg maar computers zonder computer eraan. En de andere helft niet, daar ging alles nog met de hand. Maar ga jij mij nou vertellen over die hele lange periode dat we er eigenlijk niet zo heel van mij op zijn geschoten?
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (04:02) eerste instantie dus niet, want die tijd van die eerste computers kan ik mij ook nog heel goed herinneren en dan werd de doos uitgepakt en dan hadden we een computer en dan dacht je ja waar zullen we die eens voor gaan gebruiken? Nou en dan zei er iemand van nou ik wil er wel op typen en een ander die zei van nou ik wil wel een cataleges maken van de boeken. Dat zijn natuurlijk dingen die
waren eigenlijk al heel bekend binnen organisaties. Er waren secretaries die konden op een elektriciteitmachine heel snel typen. Dus dan ging je een typmachine van bewijsanspreken 700 gulden toe nog. Dan ging je vervangen door een computer van 1500 gulden. Nou ja, dat moet je dan eerst allemaal terug verdienen.
Glenn van der Burg - presentator (04:45) om vervolgens mensen te laten typen die veel langzamer... Precies.
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (04:48) Ja, ja. die computer kon al wel een aantal dingen. Alleen wij wisten vaak ook nog niet wat je ermee kon. Dus je hebt niet alleen omringende investeringen nodig in...
hardware, in software enzovoorts. Hadden we natuurlijk met de industriële revolutie ook. De eerste machines die konden dan bij spreken daar kon je wel wat mee produceren. Maar ze waren ook enorm gevaarlijk. Dus er vielen ook ontzettend veel slachtoffers van arbeidsomgevallen erbij. En dat soort dingen heb je dus niet in termen van slachtoffers, maar wel in termen van kosten. Had je dus met de eerste technologie die werd toegepast ook. Je hebt eigenlijk een nieuwe generatie nodig die zich kan voorstellen wat je met die software
met al die investeringen doen, wil het ook echt gaan renderen, want Haio noemde net data.
Er waren natuurlijk wel data, maar dat waren data die waren verzameld vanuit het perspectief en dan gaan we die straks intypen in lijsten en nou ja noem het allemaal maar op, maar niet vanuit de achtergrond van maar dan kun je ze met elkaar combineren en dan kun je dus dingen vinden die we nog niet eerder gevonden hadden. We hadden er nog niet eerder naar gekeken, maar dan moet je dus wel op gegeven moment op het idee komen. Dus het is minstens zo belangrijk om ook te investeren in de kennis en de mogelijkheden van de mensen die ermee moeten werken.
Glenn van der Burg - presentator (06:08) Maar heel simpel, de arbeidsproductiviteit in Nederland wordt op een bepaalde manier gemeten. Jij weet hoe dat werkt. Hoe meten we dat?
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (06:15) het bruto binnenlands product en dan kijken met hoeveel mensen je dat doet en als het bruto binnenlands product met 1 % omhoog gaat en het aantal mensen blijft hetzelfde dan is de productiviteit met 1 % gesteeld.
Glenn van der Burg - presentator (06:28) En
je zou zeggen, we zijn nogal een tijdje aan het investeren in technologie, in informatica-achtige dingen, computers, software, besturingssystemen, noem maar op, apps, telefoons. Als je nou kijkt naar hoe wij in arbeidsproductiviteit gestegen zijn per gewerkt uur, zijn we dan keihard omhoog gegaan.
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (06:51) Tot halfwege het eerste decennium van deze eeuw wel en daarna zie je het stagneren en na de crisis van 2013-2014 zie je het eigenlijk wat achteruit gaan.
Glenn van der Burg - presentator (07:06) Dus tot zo'n beetje 2005 gingen we omhoog en daarna naar beneden. Maar dat is, als ik dan denk, iPhone was 2000, ook rond die tijd denk ik. 2008, 2007, zoiets. Die heeft dus niks gedaan. Terwijl we het allemaal fantastisch apparaat vinden. Alle nieuwe technologieën sindsdien, en het is de laatste tijd ook in het nieuws, AI, super beloftes, maar doen ze onderzoek naar waar wordt het nou voor gebruikt en heeft het nou een beetje zin. En de conclusie is eigenlijk,
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (07:14) Ja.
Het heeft natuurlijk wel heel veel teweeg gebracht, niet zokeer in termen van productiviteit, maar wel in termen van consumptiemogelijkheden. al die mensen die, nou, wil zeg maar, je zus was in 1960 naar Australië geëmigreerd en tot 2000 had je die bewijspreking nog één of twee keer gezien. Namelijk bij je bruiloft bewijspreken en bij het overlijden van een ouder.
En voor de rest was naar Nederland komen of naar Australië gaan. Dat was wel heel ingewikkeld en heel duur en heel ver weg. Tegenwoordig, als je een familielitter hebt, je kunt gewoon elke avond bellen om te vragen van goh, heb jij vanavond aardappelen gegeten of rijst of spruitjes of weet ik het wel. Nee precies en het is voor bijna iedereen is het haalbaar.
Glenn van der Burg - presentator (08:23) FaceTime kost niks.
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (08:29) Dat soort dingen, dat is dus wel enorm toegenomen. Dus de kwaliteit van leven, en economen noemen dat dan vaak brede welvaart, die is wel heel erg omhoog gegaan. En het opvallende is dat dus heel veel van die technologie die geïntroduceerd is, de afgelopen decennia, die heeft wel geleid tot dit soort dingen. ook de grootste, nou ja, aardrijkskundige onder nul, die kan nu naar zijn vakantiebestemming in de Dolomieten met haar auto.
Glenn van der Burg - presentator (08:57) Snel voor mij hè.
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (08:58) Ik noem niemand in het toezembre. Ik dacht eigenlijk aan niemand anders. Maar precies die worden dus nu enorm geholpen door het feit dat je met al die apparatuur, dat je daar makkelijk kunt komen. Ook al heb je geen idee waar Italië ligt, maar je komt er toch. En dat was vroeger dus een probleem. En zo zijn er heel veel dingen.
Glenn van der Burg - presentator (09:01) Mensen zonder richting.
Dat
snap ik, maar als je ziet hoeveel bedrijven en wij als individuen investeren in al die spullenboel en al die software en wat het allemaal kost en als het dan vervolgens in euro's niet zo heel veel oplevert, ja dan denk ik, wat zijn we dan met z'n allen aan het doen? Even plat ouderwetseconomisch geregeld.
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (09:36) Ja,
er is nog een dimensie die we nog niet genoemd hebben. dat door heel veel van dit soort investeringen er ook...
schooner geproduceerd kan worden. Er is veel minder snijverlies, om het zo maar even te noemen. worden minder schadelijke stoffen eruit gestoten. En dat is ook wel een bijdrage. Je ziet minder stoffen het atmosfeer in gaan, maar je ziet niet dat het bruto op hinderlands product stijgt. Maar ook hier geldt weer die brede welvaart, dat we met z'n allen schonere lucht inademen, dat is ook wel een van de voordelen die er dus uit voorkomt.
Glenn van der Burg - presentator (10:14) moeten de techsector een beetje bedanken voor het feit dat de brede welvaart omhoog is gegaan. Daar komt het een beetje op neer.
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (10:19) weet niet of dat hun doel was, dat is wel een van de effecten.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (10:24) Er is misschien nog wel een belangrijke, wat optimistisch is, kijk op dat concept van brede welvaart. Dat je dat niet alleen maar ziet als iets dat wij beter kunnen consumeren. Er zijn wel aanwijzingen dat bijvoorbeeld in de gezondheidszorg het gebruik van digitale technologieën een grote bijdrage hebben geleverd aan bijvoorbeeld het verhoog van de levensberachting en ook de kwaliteit van leven. Er zijn studies bijvoorbeeld die laten zien dat doordat er
meer informatie beschikbaar is dat het makkelijker is. Zeker in gebieden waar de gezondheid zorgt niet op een heel hoog pijl staat dat het veel makkelijker is geworden om symptomen bijvoorbeeld eerder te kunnen detecteren. Waardoor mensen eerder hulp gaan zoeken bij hulpverleners en ook betere zorg in een vroege stadium krijgen. Dat is niet onbelangrijk lijkt me. is ook in ons, dat is een groot maatschappelijk, maatschappelijk belang.
Maar ik ben het wel met je eens dat die hoge verwachtingen die we eigenlijk al decennia hebben van informatie en technologie, ook nu met die hele hoge verwachtingen van over AI weer niet uit lijken te komen.
Glenn van der Burg - presentator (11:30) Ik ga even naar Randy. Randy, werkt bij Alliander, een van de grote netbeheerders in Nederland. De grootste volgens mij van het stel. Jullie hebben ongelooflijk grote uitdagingen, want hurra, we zijn met z'n allen gaan verduurzamen. Veel meer elektriciteit, maar daardoor staat net een een tikje onder druk. Dat noemen we dan netcongressie. Als je daar meer afleveringen over wil luisteren, maak elke week zo'n beetje er eentje. Zo'n onderwerp is het. Dat vraagt heel veel van jullie organisatie.
aan te passen, dat vraagt om uit te breiden met allerlei mensen. Je zou zeggen, die hele digitaliseringskant die biedt heel veel kansen om het werk lichter, gemakkelijker, minder misschien ook te maken. Als je dit zo hoort, en dan gaan we zo naar de succesverhalen, als je dit zo hoort dat het eigenlijk, ja, eigenlijk onderpresteerd heeft de afgelopen decennia, is dat dan iets wat je herkent?
Randy Dommerholt, Manager Learning & Development bij Alliander (12:25) Ja, ik denk dat ik dat wel herken in onze organisatie. Wij hebben een hele grote IT-afdeling binnen onze organisatie die juist hiermee bezig is. Hoe kunnen we IT inzetten om te zorgen dat we onze productiviteit verhogen, maar ook om te zorgen dat we het net sneller kunnen leveren, sneller kunnen leggen, dat we verbeteringen zien op het werken buiten, zodat je veilig werkt.
om te zorgen dat we slimmer werken want we hebben ontzettend veel mensen nodig om die kabels te leggen, om die midden-spanningstations te bouwen. Als de mensen er niet zijn, dan moet je het ook op een andere manier kunnen doen. Dus dat is waar we zoeken. Maar een andere uitdaging die we hebben is niet iedereen die bij ons komt werken is al volleerd en gecertificeerd.
Monteur, werk voorbereiden, noem het maar op. Dus die hebben we op te leiden.
Ja, dus je gaat op zoek naar allerlei groepen die je kunt aantrekken om die kabels de grond in te krijgen, om te zorgen dat het werk gedaan wordt. En dat betekent ook dat we creatief moeten kijken naar waar halen we de mensen vandaan, maar ook hoe begeleiden we die nou in het vak. Want je kunt een heleboel dingen mensen aanleren, dus kennis leren we aan, de vaardigheid.
om moffen te maken, technische term, om kabels aan elkaar te knopen. Dat kun je leren in een afgeschermde omgeving, maar buiten het doen, waar de omwonenden om je heen staan, waar je in een straat staat te werken, waar je in een team staat te werken met nog meer mensen, waar niet continu iemand naast je staat die zegt hey pas op als je dit doet, dan sla je een hele wijk uit de elektriciteit.
dat begeleid je. Maar de mensen die begeleiden, op het moment dat ze begeleiden, kunnen ze geen kabelgrond in krijgen.
Glenn van der Burg - presentator (14:37) En dan gaat dus inderdaad je productiviteit naar beneden.
Randy Dommerholt, Manager Learning & Development bij Alliander (14:40) Precies,
daar zijn we weer terug bij de vraag waar je mee begon. Dus wij zijn ook aan het zoeken en aan het kijken naar hoe kunnen we er nou voor zorgen dat we dat slim oplossen. Dat we wel mensen afleveren in het veld die verantwoord, kwalitatief goed en veilig hun werk kunnen doen. Zonder dat we onze productiviteit benadelen daarop. Want we hebben een enorme opgave.
Glenn van der Burg - presentator (15:05) Er is nog steeds een grote belofte van alles wat digitaal is. Die belofte is nog niet echt ingelost of nog niet. Er zit nog heel veel potentie, laten we het potentieel zien. En wat moet je nou doen om ervoor te zorgen dat je die potentie wel kunt bereiken en dus kan genieten van de groei van de arbeidspositiviteit? Dat hoor je zo.
Haio Reijers en Joop Schippers, beide hoogleraar, aan de Universiteit Utrecht en Randy Dommelholt van Allianter in de studio. praten over alle digitale ontwikkelingen die wij hebben geïncorporeerd in onze organisaties, met het nogal toch een beetje vervelende nieuws dat het nog niet opgeleverd heeft wat het op zou kunnen leveren. Maar dat is wel even een beetje een soort gewetensvraag Haio.
Is het zo dat er gewoon, bedoel dit is wat erin zit, meer komt er niet uit? Of is het zo dat er veel meer in zit, maar we moeten dingen doen om ervoor zorgen dat het eruit komt?
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (16:06) Ik denk het laatste. denk dat het een groot deel van die periode waar we nu in zitten te maken heeft met dat we eigenlijk beter moeten begrijpen hoe die technologie werkt. Joop zei in het begin ook, bij het gebruiken van stoomen machines die om zich heen gingen slingeren en mensen daar de fabriek door kelden, dat gebeurt eigenlijk ook een beetje met AI.
technologie aan de toepassers zijn waarvan we eigenlijk nog niet goed begrijpen wat laten we zeggen de neef-effecten zijn. We begrijpen we beginnen al een beetje te begrijpen wanneer het niet werkt. Dus ik denk dat het heel belangrijke onderscheid is dat we maken dat we eerst een soort leercurve door moeten om te begrijpen wanneer AI eigenlijk gaat werken. We hebben het daarnet eigenlijk ook al gehad in het eerste blokje over de kwaliteit van data. Joop noemde ook. We begrijpen nu veel beter dat als we bepaalde dingen
voor elkaar willen krijgen dat die data die kwaliteit omhoog moet gaan. Dat daarin moeten investeren. Dat is een soort infrastructuur die je moet regelen voordat het echt gaat werken. Ik denk dat we nou eigenlijk op een punt uitkomen waarop we zien dat AI werkt zoals we dat hadden gehoopt en hadden gedacht. En dat we vervolgens zien dat er eigenlijk allerlei bij goed werkende AI toch allerlei effecten optreden die heel erg vervelend uitpakken als het erom gaat om productiever, effectiever en met hogere kwaliteit te werken.
In die fase zitten we eigenlijk om die effecten te begrijpen. Dus nogmaals, dat is heel anders dan dat de AI niet goed werkte. Dat krijgen we wel nu voor elkaar. Maar dat de AI werkt, maar we zien pas nu, leren we onder welke omstandigheden dat effectie
Glenn van der Burg - presentator (17:38) En noem maar zo'n neveneffect, de omstandigheid waarvan je zegt van ja, is gewoon, daar werkt het gewoon niet of werkt het niet zoals we willen dat werkt.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (17:46) Nou, ik kan nog baarnoemen. Een eigenlijk hele belangrijke stroom is dat we nu begrijpen dat met AI het ontzettend, de manier waarop wij vooral generatieve AI gebruiken, is heel erg taalgericht. Nou, heel veel van de data die we hebben is helemaal niet taalgericht. Ook heel veel data wel. is een beetje moeilijk om dat precies in te schatten. Meeste data lijkt taalgericht, maar we hebben heel lang in organisaties moeite gedaan om alles in termellen te stoppen, in Excel sheets, in databases. Dat hele gestructureerde informatie.
Wat we nu doen is dat we die gestructureerde informatie, dat we die aan AI voeren en dat we daar vragen over stellen. Maar die generatieve AI kan helemaal niet goed rekenen bijvoorbeeld. En als het al lukt om daarin te rekenen, dan is de uitkomst die we krijgen opeens iets taligs. We hebben opeens niet meer een getal, maar iets taligs hebben we daaruit. Die we vervolgens niet meer kunnen optellen en niet meer kunnen uitrekenen. Wat je ziet is eigenlijk, dat noem ik, dat is eigenlijk een soort blurring effect. Dat eigenlijk van een wereld die we eerst heel gestructureerd hebben gemaakt,
dat we die nu aan het blurren zijn met het gebruiken van AI. En daar moet je dus heel erg voorzichtig mee zijn, AI doet precies wat we het gevraagd hebben, maar we eindigen eigenlijk met iets wat misschien veel minder aantrekkelijk is voor de dingen die we willen doen. Dat is één van die effecten die we denk ik nu pas eigenlijk op het spoor zijn.
Glenn van der Burg - presentator (19:00) Ja, het grappige is dus dat we hebben een nieuw gereedschap waar je heel veel leuke dingen mee kan. Maar dat gaan we inzetten voor dingen waar die niet goed in is. Je bent met een Zwitser zakmes een spijker in aan het slaan. Terwijl we gewoon een hammer hebben.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (19:09) Maar die niet goed in het...
En er zijn, nou als ik er nog twee mag noemen, is nog een effect. Wederom AI doet het goed, maar iets dat AI, de generatieve AI in bijzonder heel goed in is, is dingen opkloppen. Je hebt iets kleins en nou, iemand gebruikt dat om het wat walliger, om het wat mooier te maken. Dus het is heel makkelijk om eigenlijk bestaande data die je hebt, om het een beetje op te blazen. Maar we beginnen nu pas te merken dat het daardoor eigenlijk heel erg moeilijk wordt voor de ontvangende partij om nog te begrijpen wat er nou eigenlijk wordt verteld.
omdat je moet eigenlijk zoeken in dat bloemige, dat mooie, wat nou de essentie is. Dus aan de andere kant van de ontvanger zitten nu mensen die zitten met AI, die zitten ze gebruik te maken van die van diezelfde AI om te begrijpen wat eigenlijk de essentie was. Dus we blazen het op en we zijn het eigenlijk weer aan het terug. Dus dat is eigenlijk een soort ja een soort soort opblaaseffect dat je krijgt. En het laatste die ik wil noemen is dat we ook beginnen te merken dat door het gebruik van AI eigenlijk allerlei belemmeringen die we hadden en die ons in het dagelijks leven eigenlijk
die leke belemmeringen, maar die hebben het eigenlijk heel lange tijd voor ons hanterbaar gemaakt om te werken. Door het gebruik van AI kun je eigenlijk zoveel dingen instantaan en over de hele wereld doen dat er eigenlijk geen maat meer staat op hetgene wat we nu aan het genereren zijn, waardoor het heel moeilijk wordt. Kijk, een goed voorbeeld is, ik zag bijvoorbeeld in het onderwijs. In het onderwijs is het heel erg makkelijk om vroeger kon een docent
Glenn van der Burg - presentator (20:33) Bijvoorbeeld, geef het voor.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (20:42) die schreef een syllabus en wat studenten moesten leren, was eigenlijk beperkt door wat de docent eigenlijk kon opschrijven. Ook wat hij kon vertellen tijdens een college. Dus je had op een gegeven moment een syllabus van 80 pagina's. Handgeschreven. Nou dat werden er op een gegeven moment 150 toen we er achter kwamen dat we met word processors en een PDF's konden maken. dat werd een stuk meer. Nu is het heel erg makkelijk om eigenlijk met AI
eigenlijk alle informatie tevoorschijn te halen en komen we met een syllabus van 250 tot 300 pagina's. Dan kunnen studenten in die tijd, kunnen ze dat helemaal niet meer behappen of ze moeten dat doen door eigenlijk alles veel oppervlakker te bekijken. Nu begrijpen we dus dat door dat enorme opblatende effect dat we eigenlijk iets aan het verliezen zijn dat we op een gegeven moment veel oppervlakker met bepaalde onderwerpen bezig zijn.
Glenn van der Burg - presentator (21:27) Ja
ja ja, door de bandeloosheid, door de grenzenloosheid worden we niet ingeperkt. Je gelijk denken aan, ik heb ooit een heel leuk boek gelezen over de innovatiekracht van Lego. Toen zij alles loslieten, toen ging het heel goed met de innovatie. We verdienen geen geld meer. Pas toen ze gingen zeggen, oké, we gaan regels stellen aan de innovatie.
Toen was het innovatie binnen de box, de Lego zit dat in doos, leuk. Toen werden ze succesvol. En toen werden ook de creatieve mensen weer veel creatiever omdat ze gewoon beperkingen hadden.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (22:03) Ja, die beperkingen blijken opeens heel belangrijk.
Glenn van der Burg - presentator (22:07) ...bewijnd nodig als mens.
Randy Dommerholt, Manager Learning & Development bij Alliander (22:08) Nou
en ik heb nog wel een aanvulling erop. Een van de dingen die we ook, ik heel lastig vind ook vanuit leren en ontwikkelen, is dat AI is eenrichtingsverkeer. Dus vraag AI om tot een conclusie te komen, dan krijg ik de conclusie op mijn bord. En als ik dan AI vraag, maar hoe ben je tot die conclusie gekomen? Dan is het niet meer terug te herleiden. Dus het is eenrichtingsverkeer. Dus ik kan als ik iets laat optellen het niet meer uit elkaar ontleden.
Glenn van der Burg - presentator (22:35) Je hebt de berekeningen er niet meer bij.
Randy Dommerholt, Manager Learning & Development bij Alliander (22:37) Ik
kan niet beoordelen waar de bloemigheid opgebouwd wordt en wat echt daadwerkelijk uit de organisatie komt.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (22:49) Ik herken dat bijvoorbeeld een gebied waar je zou verwachten dat AI heel erg goed toegepast kan worden. Dus voor een deel is dat ook waar. Bijvoorbeeld bij software ontwikkeling. Software ontwikkeling is ook taal. Programma code is ook taal. Dus je zou verwachten dat daar AI een hele wezenlijke bijdrage kan leveren aan het sneller produceren van code. Er zijn hele tegenstrijdige resultaten over. In hoeverre dat nou eigenlijk echt het geval is. Het is makkelijk om te genereren.
Maar wat lijkt, en het lijkt heel erg op wat jij vertelt Randy, is dat programmeurs ontzettend veel tijd bezig zijn om eigenlijk te begrijpen wat er nou gegeneerd is. En soms meer tijd bezig zijn om dat te moeten begrijpen en om dat te corrigeren dan de tijd die ze nodig zouden hebben gehad om het te ontwikkelen.
Randy Dommerholt, Manager Learning & Development bij Alliander (23:31) Exact, ik denk dat je daar ook wel een deel van je antwoord hebt, ten aanzien van je productiviteit.
Glenn van der Burg - presentator (23:37) Ja, zeker. De vraag is wel, want het is altijd leuk als het over AI gaat. Voordat je het weet zit je in die AI tunnel met z'n allen en dan vind je het allemaal superleuk. Want het is natuurlijk uitermate interessant om te zien hoe het allemaal werkt en wat het allemaal kan. Als het weer even brede trekken naar gewoon, nou ja, technologie in de breedte. Wat gaat er dan mis? die hokjesdikken hebben we het over gehad, de investeringen die je moet doen.
Waarom lukt het ons dan niet om sneller door die J-curve heen te komen? Want ja, met alle respect, 2005 is 20 jaar geleden. Dus als we 20 jaar lang aan de onderkant van die curve zitten, dan doen we iets niet goed.
Ja, hallo. Ja.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (24:20) Ik denk dat de hele wereld eigenlijk verrast is geweest op een paar mensen na bijvoorbeeld de generatieve AI waar die opeens vandaan kwam. Dus dat is echt relatief nieuw. En daar moeten we inderdaad echt nog wel leer geld aan het betalen. En er zijn een aantal dingen waarvan we ook best wel hard leers zijn. denk dat iets is wat hoger management zich aan mag trekken in veel organisaties is dat men zo enthousiast wordt over het potentieel van bepaalde technologie.
dat men heel vaak vergeet om daar eigenlijk de werkende zelf bij te betrekken. Ik las een heel mooi voorbeeld van dat weekend. Wout Kolmees gaf dat over het gebruik van AI binnen de NS. Waarin AI werd gebruikt om eigenlijk voorspellingen te doen over wanneer bepaalde treinen kapot gingen. En de AI werkte daar heel goed in. Was daar ontzettend goed in staat om die voorspelling te doen. Maar de moteurs wilden simpelweg, die zeiden we ja maar we hebben 20 jaar ervaring, we gaan echt niet naar luisteren.
die negeren dat helemaal. Dat is eigenlijk een verschijnsel dat je ziet bij het gebruik van technologie dat helemaal niet nieuw is. We weten dat er een ontzettende weerstand kan ontstaan op de werkvloer tegen het gebruik van nieuwe technologieën. We weten ook dat de enige manier om ermee om te gaan is om de mensen op de werkvloer te betrekken bij de toepassing daarvan.
Glenn van der Burg - presentator (25:35) Niet pas als het alles al wordt geïnstalleerd en zegt oké hier kun je de kleurtjes van de achtergrond veranderen.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (25:42) En
dat kan ik nu weer zeggen en dat kan ik herhalen en dat lijkt iets wat eigenlijk elke keer weer...
Glenn van der Burg - presentator (25:47) Is
dat het belangrijkste wat die goede adaptatie en dus gebruik en dus productiviteitsversnelling tegenhoudt?
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (25:55) Ik denk dat dat één van de allerbelangrijkste is en een ander belangrijke factor zou zijn als ik daarnaar kijk. Aan de ene kant is het het meenemen van de mensen die op de werkvloer zelf. Het andere is, denk ik, dat je ook een perspectief moet schepen voor mensen die geraakt worden door die technologie. Ik denk dat er ons ontzettend veel tegenstand tegen het gebruik van technologie ontstaat doordat mensen onzeker worden daarover. Eén van de verklaringen die we nog niet hebben genoemd, maar die ook vaak wordt genoemd bij waarom we die
die effecten die arbeidsproductiviteitsstijging niet zien is dat heel veel mensen stiekem die winsten voor zichzelf houden. Bang zijn om aan hun baas te vertellen dat ze eigenlijk veel sneller hun werk kunnen doen omdat ze simpelweg beducht zijn om dat te rapporteren want ja dan krijgen ze misschien twee keer zoveel werk om te doen of worden hun werktijd gerealiseerd.
Glenn van der Burg - presentator (26:46) Dus
ze hebben eigenlijk meer vrije tijd tussen aanlegstekers. Ze zouden meer kunnen doen, maar dat gaan ze niet doen omdat ze bang zijn dat ze anders te horen krijgen. ⁓ nou prima. Als je het ook in vier dagen kan, je voor vier dagen betaald. Absoluut. Ja, dat lijkt me niet handig. Randy, ik ga even naar jou toe. Jij bent manager leren en ontwikkelen bij Allianter. die dit soort vraagstukken komen ongetwijfeld bij jou ook op je bord. Zeker. Als er weer nieuwe technologie is, dan moet dat ook weer geleerd en ontwikkeld worden bij mensen.
Herken jij dit? Zeg jij van nou dit, wij doen dit ook wel eens verkeerd of we hebben een hele slimme manier om het juist tegen te gaan?
Randy Dommerholt, Manager Learning & Development bij Alliander (27:23) Nou, ik wou dat we dat laatste hadden en ik wou dat we het helemaal... Perfume. Ja, joh, hartstikke mooi. natuurlijk niet. Want wij zitten in dezelfde wereld als waar Hayo in zit. En die Hayo beschrijft, dus nee, wij hebben ook nog van alles te leren hierop. En aansluitend op wat jij zegt Hayo, denk ik dat belangrijk is, is dat nieuwe technologieën ook bedreigend zijn voor onze mensen. Omdat je in je vakmanschap wordt geraakt. Je hebt 20 jaar lang gewerkt met hart en ziel.
op een bepaalde wijze, daar komt een nieuwe technologie die zegt, joh ga jij eens even aan de kant. Want deze technologie kan nou ja tien keer zo snel als wat jij na twintig jaar kan doen. Dat doet iets met iemand. Dus ik herken nog wat je zegt, mensen heb je mee te nemen en tegelijkertijd heb je ook de uitdaging, wij kunnen niet met 4000 monteurs, of met 4000 mensen die buiten werken een nieuwe technologie gaan bepalen en gaan introduceren. Maar dat was het betrekken, dat is absoluut...
Heel belangrijk. En tegelijkertijd zie je ook, en zien wij ook, hoe gaan we er nou voor zorgen dat deze mensen het wel aanleren, maar ook zorgen dat we ze blijven zien in de waarde die ze wel toe tevoegen hebben. Dus wordt het meer iets wat er bij komt en waardoor je je vak kunt uitbreiden, dan dat we je gaan vervangen in je vak. Want dat is een heel ander verhaal. En dan heb je ook een ander verhaal te vertellen. waar ik net wel mee begon.
We hebben onwijs veel technici nodig dus nee, we hebben je gewoon keihard nodig.
Glenn van der Burg - presentator (28:55) Ja, als zouden we je helemaal vervangen dan nog is er zatwerk.
Randy Dommerholt, Manager Learning & Development bij Alliander (28:59) Er
is zo verschrikkelijk veel werk en voor ons zijn een van de manieren waarop wij onze productiviteit meten of bijdragen aan de productiviteit is minuten terug aan onze business. Dus hoe kunnen wij ervoor zorgen dat de productiviteit van onze business omhoog gaat met onze leer oplossingen? Zo direct?
Glenn van der Burg - presentator (29:22) Je
meter gewoon echt hoeveel minuten jullie besparen door...
Randy Dommerholt, Manager Learning & Development bij Alliander (29:27) Als wij meten, dan meten wij hoeveel minuten besparen wij ons business nu vanuit leren en ontwikkelen aan onze mensen. Zo proberen wij dat te doen. Dat is waanzinnig ingewikkeld. En soms is het heel makkelijk. Soms heb je een opleiding die, nou dan heb je een klasje met een docent, duurt drie weken. En als wij dat kunnen ombouwen door Slim.
Glenn van der Burg - presentator (29:39) Ja, dat lijkt me ook.
Randy Dommerholt, Manager Learning & Development bij Alliander (29:54) die dactische methodieken in te zetten en we reduceren die drie weken naar vijf dagen, dan hebben wij al een eerste stap gemaakt. Dus het begint ook klein. Maar zeker, we meten gewoon op allerlei manieren hoe we dat moeten doen. Dus dat is echt heel belangrijk. Dat je mensen blijft zien voor de waarde die ze hebben in onze organisatie. Tegelijkertijd hebben we ook een hele grote digitale club.
Dus een hele grote club die met die digitale middelen bezig is. En ook daar ben je aan het kijken, hoe kunnen we daar nou voor zorgen dat we al die systemen slimmer wijzer inzetten? En dan ja, people process system. Dus dan is het, het gaat om de mens die moet leren hoe het werkt. We hebben onze processen steeds beter op orde te krijgen en ik denk dat onze processen vaak achterlopen ten opzichte van het systeem dat je implementeert. Je hebt een systeem dat vraagt misschien soms een ander.
proces om tot de juiste data te komen dan wat je had. En we hebben de juiste systemen te implementeren die pas bij de strategie die je voor ogen hebt.
Glenn van der Burg - presentator (31:01) Nou zei Hayo heel duidelijk, er is weer een nieuwe technologie, daar wordt iedereen heel blij van. We kunnen vooral niet achterblijven, we kopen wat en we gaan ermee aan de slag en we flikkeren het over de schutting. zeg het even overdreven, wordt natuurlijk altijd met veel meer beleid gedaan, de eindgebruiker wordt te weinig betrokken. Heb jij nou een voorbeeld van een nieuwe technologie waar jullie mee bezig zijn, waarbij jullie dat anders doen, waarbij jullie die eindgebruiker wel...
op een vroeg moment betrekken.
Randy Dommerholt, Manager Learning & Development bij Alliander (31:32) Nou ik denk dat met name, en ik praat natuurlijk vanuit leren en ontwikkelen. Dus ik heb niet overzicht over alles wat onze digital club bouwt en maakt. Want dat is echt ontzettend veel wat ze doen. Maar als ik kijk vanuit leren en ontwikkelen, vanuit learning en development, dan zijn wij bezig met een simulatie pilot, een project, om te kijken.
Hoe kunnen we onze begeleidingscapaciteit nou effectiezer maken? Dat doen we echt met mensen uit de business om te kijken wat helpt wel en wat helpt niet en hoe kunnen we ook zorgen dat dat wat we bedenken geaccepteerd wordt door onze business. Dus hoe krijgen we dat voor elkaar? En dat betekent...
Glenn van der Burg - presentator (32:17) Maar
je doet dus die simulatie bij de vakmensen die eigenlijk de begeleiding zouden doen.
Randy Dommerholt, Manager Learning & Development bij Alliander (32:22) die werken daar aan mee. We hebben een aantal mensen en die kijken daar op mee om te zorgen dat dat datgeen wat we bedenken, dat dat past, maar dan zijn we er nog niet. Want je kunt twee mensen hebben die meedenken en die meebepalen zo moet het eruitzien en dit past en dat is voor ons vrij normaal om dat te doen. Vanuit Learning and Development, wij weten iets van didactiek, maar we weten bijzonder weinig van elektrodistributie in de techniek als
Dus daar hebben we onze experts voor nodig om dat met ons te doen. Nou, zo zit het ook met simulaties.
Glenn van der Burg - presentator (32:58) Ik
niet of ik het goed snap, wat is er technisch aan die simulatie? niet dat iemand in een zaaltje staat, maar dat
Randy Dommerholt, Manager Learning & Development bij Alliander (33:05) bijvoorbeeld een VR-bril zijn. we zijn aan het onderzoeken, moet dat via VR zijn? Nou VR heeft zijn beperkingen, want je kunt vooral kennis laten zien via VR, maar als je als monteur moet schakelen, kun je je voorstellen dat er een handeling bij zit. Nou dat gaat niet met VR, dat kun je misschien aanklikken, maar het gevoel van een schakeling, dat krijg je niet. Dus misschien moeten we daar iets met augmented reality doen, of net digital twins die we moeten gaan bouwen.
Wat we daar moeten doen, dat doe je samen met de business, zoals wij dat zeggen. Maar dan ben je er nog niet. Dus dat is denk ik ook wat jij zegt, Haaio. Op het moment dat je dit doet, dan heb je het ook nog te laten adopteren. het moet geaccepteerd worden door de mensen die ermee werken, dat de uitkomst hiervan daadwerkelijk goed genoeg is om te zeggen, als jij middels deze methodiek
begeleid bent, heeft dat dezelfde waarde als wanneer jij door een collega bent begeleid op dat stuk binnen jouw opleiding. En dat is een uitdaging. Want dan kom je op het punt wat HIO zegt.
Glenn van der Burg - presentator (34:18) Ja, cool. We praten zo verder in de studio want er valt nog veel meer te bespreken en zoals altijd hebben we natuurlijk weer te weinig tijd want dit zijn nogal onderwerpen die we bespreken. Maar we gaan zo verder om het ook weer praktisch voor jou te maken als luisteraar. Wat kun je nou doen? Want er is een hoop potentieel en dat moeten we ontsluiten en dat hoor je zo. Hoe ontketen je de kracht van mensen in organisaties? Peoplepower.
Joop Srippers in de studio samen met zijn fijne collega H. Rijers, beide van de Universiteit Utrecht. Erandy Dommelhoed van Allianter te gast, de manager learning and development al daar. Ja, iedereen zit natuurlijk nu op het puntje van zijn stoel, want de potentie is nog steeds enorm en dat zal iedereen ervaren van wat er allemaal komt en helemaal natuurlijk met die hele AI-host die er aan komt. Want het geeft ons ook de mogelijkheid om het nu wel goed te doen.
Dus wie is er aan ZHEO? Want de gemiddelde organisatie, daar werken meer dan één mens. Overigens zijn het er gemiddeld best wel weinig als je het MKB doorlegt. Dan zijn er maar een stuk of tien geloof ik, of zeven geloof ik zelfs. Maar die moeten wat gaan doen. Bij welke functionaren is dit de hoofd IT, of is dit de hoofd HR, of is het de hoofd innovatie, of moet het CEO zelf aan de slag, de directeur?
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (35:35) Ik denk zelf dat eigenlijk de opdrachtgevers voor innovatieprojecten, dat die eigenlijk de grootste verantwoordelijkheid op dit moment hebben. Ik denk dat, dus dat zijn degenen die grote projecten, programma's entameren in organisaties, dat die zich eigenlijk moeten bewust worden van een aantal belangrijke factoren. Dus waar hebben we vandaag over gesproken? We kunnen het misschien opsplitsen in de specifieke.
eigenschappen van AI, maar ook van technologie in het meer en het algemeen. Nou als ik bij dat laatste mag beginnen, denk ik dat voor het algemeen gebruik van IT is het essentieel dat een opdrachtgever in een organisatie beseft dat behalve een investering in de technologie er ook een grote energie, veel energie gestoken moet worden in het...
betrekken van mensen op de werkvloer. denk dat dat een van de allerbelangrijkste punten is. je dan kijkt, vanaf het begin af aan, daar moet budget voor zijn, daar moet tijd voor zijn, er serieuze aandacht voor zijn. En ik denk ook dat er bij hoort dat wat betreft de doelen die je stelt voor zo'n innovatie, dat die ook verder moeten gaan dan laten we zeggen een bepaald systeem of een bepaald werkproces te verbeteren, maar ze ook in het achterhoofd moeten hebben. niet eigenlijk in het achterhoofd, maar in het voorhoofd moeten hebben van wat gebeurt er met die mensen die op dit moment daar werken.
Glenn van der Burg - presentator (36:34) Vanaf het begin af aan.
Wat betekent dit eigenlijk voor dagelijks werk van mensen?
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (37:02) En wat is het perspectief voor mensen waarvan het werk heel erg gaat veranderen? Gaan we die iets anders aanbieden? Gaan we die trainen? Gaan we die opleiden? Gaan we die zelf misschien ook die innovatie laten leiden? Wat ook een mogelijkheid is. Maar dat hoort eigenlijk als onderdeel van het hele innovatieproject te zijn. Als je me dan vraagt van wat is het dan op het gebied van AI? Want dat is natuurlijk waar heel veel mensen nu over praten. Nou dan ga ik eigenlijk even terug naar die stapjes die ik verteld heb over die.
die neveneffecten die moeten we leren begrijpen. Bijvoorbeeld we zullen echt zelf moeten ingrijpen als we op een gegeven moment zien dat mensen met AI heel veel data gaan genereren. Misschien moeten we wel gewoon een quotum zetten van ik wil alleen maar korte rapporten in plaats van geboorte van 100 duinen. Korte emails, leg maar uit in tien regels. Als we dat niet doen dan overstromen we.
Glenn van der Burg - presentator (37:54) Ja, en het voordeel vind ik zelf wel is dat je een AI natuurlijk kan helpen door goede voorbeelden te geven. Dus ik maak er heel veel gebruik van. het voordeel is, ik heb heel veel content, ik boeken gegeven, heb blogs geschreven. En als ik die voorbeelden geef, zelfs met instructies voor workshops, als je die voorbeelden geeft, zeg nou dit zijn goede voorbeelden, dan kan die daar gebruik van maken om het ook goed te doen.
Dus als je algemene AI vragen stelt, dan krijg je een soort algemene slurry. Daar heb je niet zoveel.
Hajo Reijers, Hoogleraar Business Process Management & Analytics bij de afdeling Informatica van de Universiteit Utrecht (38:24) Nee, en ik denk dat dit wel werkt. Ik denk dus dat dat een hele goede kijk is erop. Maar heel vaak zijn we AI aan het gebruiken op een bepaald stukje van een groot systeem te verbeteren. En ik denk dus ook dat innovatieprojecten die we in organisaties doen, dat degene die die opdrachten daarvoor geven, ook voor open moeten staan dat eigenlijk de scope groter wordt dan het speciale stukje dat we verbeteren. Wat zijn nou eigenlijk…
de effecten. Kijk, ik ben zelf hoogleraar op het gebied van werkprocessen. Ik denk zelf dat het heel vaak is dat je een blik moet hebben over een grote proces waar AI een stukje een deel van uitmaakt. En dat je dus heel goed moet kijken naar wat zijn nou eigenlijk die effecten in die hele keten. Er is bijvoorbeeld ook heel veel aanwijzingen, bijvoorbeeld in de medische zorg, dat AI...
een veelheid van signalen kunnen genereren. Bijvoorbeeld signaleringen dat er iets niet goed gaat met een patiënt. Maar als de AI vervolgens allerlei signalen gaat genereren dat er mogelijke risico's zijn, dan zul je dus mensen moeten hebben die naar al die signalen gaan kijken. Dat ze veel meer werk krijgen. Dus die effecten, de detectie is misschien beter geworden, maar die effecten van wat voor extra werk dit genereert, dat zal eigenlijk in de scoop van die projecten moeten worden getrokken.
Glenn van der Burg - presentator (39:35) waardoor ze meer weer werken.
Randy, vakgenoten van jou die luisteren, wat zou je ze aanbevelen om ervoor te zorgen dat er meer effect is, positief effecten van al die prachtige IT investeringen?
Randy Dommerholt, Manager Learning & Development bij Alliander (40:02) Ik denk dat het eerste is wat ik ze zou aanbevelen, zorg dat je je processen goed op orde hebt zodat datgene waar je AI op gaat inzetten en dat is eigenlijk in het verlengde van wat jij zegt, Hajo, dat het ook ergens op kan landen. Anders dan laat je AI landen op drijfzand en dan krijg je precies wat jullie ook concluderen, veel meer slurry zoals je dat zo mooi zei. En dan voegt het eigenlijk geen waarde toe en ben je veel langer de tijd kwijt.
Om sens te maken van wat je krijgt. Ja. Zorg dat je processen goed op orde zijn.
Glenn van der Burg - presentator (40:37) Zit er ook nog een andere kant aan? De uitprobeer, aankloy, knutsel kant?
Randy Dommerholt, Manager Learning & Development bij Alliander (40:43) En dat moet je vooral aan mij van doen, want in Leren en Ontwikkelen zitten onwijs veel mega creatieve mensen en daar kan het een ontzettend leuke en goede aanvulling op zijn, op alles wat je bedenkt en verzint om opleidingen beter te maken.
Glenn van der Burg - presentator (41:03) Kom
je er natuurlijk ook achter wanneer het wel nuttig is en wanneer het niet nuttig is. Gewoon door het zelf uit te proberen.
Randy Dommerholt, Manager Learning & Development bij Alliander (41:09) Zeker en ik denk dat we binnen R &D ontzettend veel gebruik kunnen maken van AI. Je ziet ook dat daar ook op mijn team wordt er een volle bak mee geoefend en geexperimenteerd op allerlei verschillende niveaus. Van het herschrijven van een e-mail zodat je wat vriendelijker naar je collega overkomt tot echt het voorstellen doen voor ontwerpen van opleidingen.
het uitschrijven van allerlei analyses. Ik heb deze mail gekregen, maak een analyse, hoe zou je een voorstel maken voor een nieuwe opleiding. Dus het kan ons echt wel heel veel opleveren. Maar ik blijf ervan overtuigd dat als we de basis niet op orde hebben, als je je data niet op orde hebt, als je je processen niet op orde hebt, dan blijft het in de marge vooral een creatieve aanvulling op wat we doen.
Maar gaat het niet fundamenteel ons werk beter maken en gaat het ook onze productiviteit niet fundamenteel omhoog trekken? Dus dat zou denk ik mijn...
Glenn van der Burg - presentator (42:11) daarmee niet onze structurele krab tot de arbeidsmarkt helpen. Want dat is natuurlijk gewoon uiteindelijk waar we met z'n allen last van hebben en voorlopig nog wel even zullen houden. Ja, dat hebben we van Joop geleerd.
Randy Dommerholt, Manager Learning & Development bij Alliander (42:23) Gelukkig is LND daar niet in zich geheel van te horen.
Glenn van der Burg - presentator (42:26) Nee,
nee, dat zou wat zijn. Dan slaap je echt niet meer.
Randy Dommerholt, Manager Learning & Development bij Alliander (42:28) Nee,
en mijn collega's luisteren ook niet.
Glenn van der Burg - presentator (42:30) Ja, Joop stel je voor dat we het allemaal voor elkaar krijgen. Dus het lukt ons wel om die potentie los te laten van al die investeringen die we gedaan hebben en aan het doen zijn.
En nou weet ik dat jij een wetenschapper bent en dus zult zeggen daar is geen onderzoek naar gedaan, misschien ook wel, maar wat kan het ons helpen? Dus wat is die potentie? In hoeverre kan dit ons helpen met die echt enorme uitdaging op de arbeidsmarkt dat we nou ja of we staan met z'n allen met de handen aan bed of we zijn met z'n allen straks sleuven aan het graven voor alianne of we zijn met z'n allen in het leger, maar alle drie tegelijk, dat wordt lastig.
Joop Schippers, Emeritus Hoogleraar Arbeidseconomie aan de Universiteit Utrecht (43:11) Daar denk ik dat technologie dus enorm behulpzaam bij kan zijn. Alleen we moeten dan wel kiezen. Gaan we dan de investeringen doen in het graven van sleuven of gaan we...
Vooral, hoe heet het, alle onze investeringsmiddelen voor AI, voor technologie, richten we die op de zorg of op defensie. We hebben nu afgesproken, we gaan meer geld uitgeven aan defensie, maar kiezen we er dan voor om, nou ja, ik zeg het weer, mannen en vrouwen in loopgraven te laten kruipen. Of zeggen we van nou, die hele volgende oorlog, dat wordt een drone oorlog en daar hebben we eigenlijk amper mensen meer bij nodig. Het vergt dus vooral het maken van goede en gerichte keus.
De investeringen zoals die de afgelopen 50 jaar op dit terrein gebeurd zijn, dat zijn natuurlijk toch vooral investeringen van laat duizend bloemen bloeien en daar komen hele goede dingen uit. Maar laat ik zeggen, er komen ook dingen uit zoals VHS versus Betamax, dat er heel veel geïnvesteerd wordt in een systeem wat...
technologisch superieur is, maar wat het uiteindelijk aflegt op basis van commerciële overwegingen of nou ja wat voor machtposities enzovoort. En ik denk dus dat vooral heel belangrijk is dat er de komende jaren, dat er meer coördinatie plaatsvindt. Ik dat geldt in ieder geval vanuit het perspectief van het midden klein bedrijf. Al die hele goede bedrijven, maar die hebben geen kaas gegeten van
Hoe doe ik nou gerichte investeringen om te zorgen dat ik straks met minder mensen en dan nog voor minder mensen voor die of die specifieke taak nodig heb. Dat zul je op een of andere manier moeten coördineren. Dat kan op sectorniveau. Maar eigenlijk moet er weer een landelijke investeringsstrategie komen. We hadden tot niet heel lang geleden het Nationaal Groeifonds en dat was bij...
uitstekken instrument waarmee je dit zou kunnen sturen met inderdaad het maken van keuzes zetten we ons geld in op sector A of zetten ons geld in op sector B want dat geld is natuurlijk ook maar eindig en als je dat dus doet, vergrijkt hoe heet het keuze die Kennedy in de tijd gemaakt heeft van we willen een mens op de maan zetten, dan is er dus gericht gewerkt om dat te doen en als je dat doet dan zijn al die slimme mensen die overal werken
die zijn best in staat om dat voor elkaar te krijgen. Maar dan moet je dus wel allemaal naar hetzelfde doel toe spelen.
Glenn van der Burg - presentator (45:36) Ja, en ik hoor jij dus ook zeggen, de markt gaat het niet vanzelf oplossen. Zo is het. Die keuzes. Want die markt gaat dan zorgen dat wij nog meer geld gaan uitgeven of nog langer op een platform zitten. Ja. En daar worden we dan weer allemaal niet breder welvarend door.
Ik vond het super leuk dat jullie waren. Jor, de Haio Rijers en Joop Schippers van de Universiteit Utrecht. zijn nog veel meer afleveringen die wij maken over de Future of Work. Dus ga die vooral luisteren. Dat kan natuurlijk allemaal via de bekende podcast kanalen. En bijzondere dank aan Randy Dommelholdt, manager learning en development bij Alianter. Fijn dat je er was, Randy. En dank voor alle mooie voorbeelden. En jij natuurlijk, dank je wel voor het luisteren naar deze aflevering. Dit was nummer 611. Wat? Hoeveel? Ja, 611. Dus er valt nog wat te beluisteren. Tot de volgende.
Meer luisteren? Ga naar peoplepower.radio en abonneer je op onze podcast.