Met AI werkt iedereen sneller. Wat betekent dat voor het team?
Op de AI Summit Brainport waarschuwde Josette Gevers dat een chatbot ten koste kan gaan van het overleg waarmee collega’s hun werk afstemmen
Published on November 13, 2026

Josette Gevers - © Bart van Overbeeke
Medeoprichter van Media52 en hoogleraar Journalistiek, bouwt aan IO+, events en Laio, met focus op commerciële kansen—en blijft schrijven voor IO+.
Donderdag vroeg Josette Gevers in het Evoluon wie er op het werk al AI gebruikt. De reactie uit de zaal ontlokte haar een grap. ‘Einde van de summit. We kunnen naar huis.’ Daarna richtte de hoogleraar van de TU Eindhoven zich op de tweede helft van het thema van de dag, ‘AI at work. Use it or lose it?’ ‘Wat raken we dan precies kwijt?’ vroeg ze.
In haar keynote op de AI Summit Brainport maakte Gevers die vraag concreet met twee fictieve softwareontwikkelaars, Bob en Inge. Als Bob vastloopt, vraagt hij normaal gesproken Inga om hulp. Dit keer vraagt hij het aan AI. Als Inge ergens tegenaan loopt, doet ze hetzelfde. Beiden krijgen een zinnig antwoord en zijn sneller klaar. Pas als ze hun werk samenvoegen, ontdekken ze dat hun oplossingen niet op elkaar aansluiten.
Met het overleg dat ze oversloegen, hadden ze dat eerder kunnen ontdekken. "Zulke gesprekken zie je zelden terug in productiviteitscijfers, terwijl ze een team dubbel werk kunnen besparen." Wie collega’s geregeld om hulp vraagt, bouwt volgens Gevers bovendien het vertrouwen op dat nodig is om elkaars ideeën ter discussie te stellen.
Hoe worden beginners experts?
Gevers, hoogleraar teameffectiviteit en samenwerking op de werkvloer, ziet een vergelijkbaar risico voor mensen die net beginnen. Een junior medewerker kan binnen enkele seconden een aannemelijk antwoord krijgen van AI. Het duurt langer om te leren beoordelen of dat antwoord in deze situatie bruikbaar is. Dat leer je door met een probleem te worstelen, fouten te maken en te praten met mensen die er al eens mee te maken hebben gehad. Een gesprek met een ervaren collega over wat een klant belangrijk vindt, kan een junior ook bij een volgende opdracht helpen.
Gevers maakt zich ook zorgen over wat teams samen kunnen achterhalen. Ze gebruikte het beeld van mensen die elk een ander deel van een olifant onderzoeken. Iedereen kan beschrijven wat er voor hem of haar staat. Pas als ze hun bevindingen naast elkaar leggen, krijgen ze zicht op het hele dier. Bij ingewikkelde problemen op het werk gaat het net zo. Collega’s met verschillende functies kunnen van mening verschillen over de oplossing omdat ze elk een ander deel van het probleem zien. Het kost tijd om die verschillen te bespreken, en soms komt een team er zo achter dat het probleem anders in elkaar zit dan het aanvankelijk dacht.
Zonder die uitwisseling kunnen collega’s volgens Gevers op ‘AI-eilandjes’ belanden. Ieder heeft een overtuigend antwoord en weet nauwelijks met welke informatie de anderen werken.

Josette Gevers - © Bart van Overbeeke
Neem de chatbot mee naar het teamoverleg
Gevers verwees naar een veldexperiment bij Procter & Gamble, waar zo’n 800 professionals werkten aan bestaande vraagstukken rond productinnovatie. Ze werkten alleen of in tweetallen, met of zonder generatieve AI. Bij die opdrachten presteerden mensen die alleen met AI werkten ongeveer even goed als tweetallen die zonder AI werkten. AI hielp deelnemers ook om buiten hun eigen vakgebied te kijken. Een ingenieur kon het model bijvoorbeeld vragen een voorstel vanuit marketingperspectief te beoordelen. Gevers lichtte de resultaten aan de top van de ranglijst uit. Tweetallen die AI gebruikten, hadden volgens de schattingen de grootste kans op een idee dat tot de best beoordeelde behoorde.
Haar eerste advies aan teams is eenvoudig. "Schrijf de prompt samen. Geef iedereen de kans om te benoemen welke informatie ertoe doet, vragen te stellen en de opdracht aan te scherpen." Alleen al het gesprek over wat je wilt vragen, kan blootleggen dat collega’s van verschillende aannames uitgaan, nog voordat het model één regel heeft geschreven.
Geef AI vervolgens een rol die de groep helpt met nadenken. Laat het model optreden als concurrent, kritische beoordelaar of advocaat van de duivel. "Bespreek daarna samen het antwoord. Iedereen brengt eigen expertise mee. De een ziet een bewering die nergens op steunt. De ander merkt dat een voorstel op papier logisch klinkt en in de praktijk lastig uitvoerbaar is. Bepaal ten slotte samen wat de volgende stap wordt. Je houdt zelf de regie over de uitkomst."
Voor Bob en Inge kan dat beginnen met een gesprek over welke onderdelen van de software ze van elkaar nodig hebben. Die eisen leggen ze vervolgens vast in een gezamenlijke prompt. Zo kunnen ze met AI sneller tot een oplossing komen en die meteen samen beoordelen of die voor allebei werkt. Kortom: breng AI binnen de groep, maar blijf vooral werken als een echt team.
