AI Strategie

Vakmensen behouden bij AI-automatisering: zo voorkom je dat ze vertrekken

Automatiseringsprojecten mislukken vaak doordat vakmensen zich gepasseerd voelen. Zo behoud je vakmensen bij AI-automatisering: betrek, erken en beloon hen.

AI WorkTalent Redactie · 30 juli 2026 · 9 min leestijd

Vakmensen behouden bij AI-automatisering is een van de grootste uitdagingen van een automatiseringsproject — vaak belangrijker dan de techniek zelf. Een project kan technisch feilloos werken en toch mislukken, niet omdat het systeem faalt, maar omdat de mensen die het werk deden zich gepasseerd voelen, hun kennis niet meer delen, of na oplevering gewoon vertrekken. Dat risico is niet gelijk verdeeld over je team. Juist je beste vakmensen lopen de grootste kans om weg te lopen: zij zien het snelst wat er met hun werk gebeurt, en hebben elders het meest te kiezen.

Vakmensen behouden bij AI-automatisering: waarom je beste mensen het eerst weglopen

Het is een tegenintuïtief risico, en precies daarom wordt het vaak over het hoofd gezien. Hoe beter iemand is in zijn werk, hoe groter de kans dat hij bij een matig aangepakt automatiseringstraject vertrekt. Dat komt door twee dingen die bij je beste mensen samenkomen. Ten eerste doorzien zij het snelst wat er verandert. Een ervaren vakman kent zijn eigen werk zo goed dat hij in de eerste projectvergadering al ziet of het systeem zijn aanpak weerspiegelt. Soms neemt het systeem zijn taken juist gewoon over, zonder dat er ooit naar zijn manier van werken is gevraagd. Een minder ervaren collega merkt dat verschil vaak niet eens op.

Ten tweede hebben zij het meest te kiezen. Wie goed is in zijn vak, heeft een netwerk, een reputatie en een arbeidsmarkt die om hem vraagt. Voelt hij zich gepasseerd, dan hoeft hij die onvrede niet te slikken. Denk aan genegeerd worden bij het ontwerp, niet gevraagd worden naar zijn kennis, of overvallen worden door een aankondiging in plaats van een gesprek. Hij kan weg, en vaak doet hij dat ook. Meestal gebeurt dat niet met veel ophef, maar met een sollicitatiegesprek dat hij er "toevallig" naast is gaan voeren. Wie het minste te verliezen heeft bij vertrek, blijft juist het makkelijkst zitten waar hij zit. Dat maakt het risico omgekeerd aan wat veel managers verwachten: niet de zwakste schakel vertrekt het eerst, maar de sterkste.

Werk overnemen versus kennis benutten

Hier zit het onderscheid dat het verschil maakt tussen een vakman die zich vervangen voelt en een vakman die zich juist waardevoller voelt. Een AI-systeem dat "het werk overneemt" wordt gepresenteerd als vervanging van een taak: het systeem doet nu wat hij deed. Een AI-systeem dat kennis benut, werkt met de voorbeelden, instructies en beslisregels van je beste medewerker, en maakt diezelfde aanpak beschikbaar voor de rest van het team. Dat gaat om zijn beslisregels, zijn uitzonderingen en zijn manier om een lastige situatie te herkennen. Technisch kan dat dezelfde onderliggende automatisering zijn. Het verschil zit in hoe je het bouwt en hoe je het vertelt.

Vraag je hem naar zijn werkwijze, neem je zijn vuistregels als basis, en vertel je dat ook expliciet aan het team? Dan wordt hij de bron van de kwaliteit, in plaats van iemand die door een systeem is ingehaald. Bijvoorbeeld met de boodschap: "dit is gebouwd op de manier waarop onze meest ervaren vakman het altijd deed, en dat is nu de standaard voor iedereen." Zeg je daar niets over, dan ervaart hij precies hetzelfde systeem als overname, ook als het technisch evenveel op zijn kennis leunt. De techniek bepaalt hier minder dan het verhaal en het proces eromheen.

Een voorbeeld uit de praktijk

Ter illustratie: een webshop in outdoorkleding wil de klantenservice deels automatiseren. Nienke werkt er al twaalf jaar. Ze is de enige die precies weet welke uitleg een boze klant kalmeert en welke een klacht juist verergert. Die kennis staat nergens opgeschreven, maar maakt wel het verschil tussen een klacht die escaleert en een klacht die wordt opgelost. Het management wil een AI-assistent die standaardvragen over retouren, levertijden en garantie afhandelt.

De eerste aankondiging is een korte mededeling in het werkoverleg: "we gaan een deel van de klantenservice automatiseren." Nienke zegt niets, maar is de dagen erna zichtbaar stiller. Haar teamleider herkent het signaal en plant een apart gesprek. Daarin blijkt haar zorg heel concreet: als een AI-systeem straks doet wat zij doet, wat is haar functie dan nog waard?

In plaats van gerust te stellen, kiest het bedrijf voor een andere aanpak. Het bedrijf vraagt Nienke om twee weken lang haar eigen reacties op klachten hardop toe te lichten — niet wat ze schrijft, maar waarom ze het zo schrijft. Die toelichting vormt de basis van het systeem: haar voorbeelden en beslisregels worden erin verwerkt, niet een generieke beleefdheidstoon. Het systeem handelt vervolgens de standaardvragen af — retourstatus, levertijd, garantietermijn — en legt elke afwijkende of emotioneel geladen klacht automatisch bij Nienke neer, met een korte samenvatting erbij. Haar rol verschuift van alle e-mails zelf beantwoorden naar de lastige gevallen behandelen en het resultaat van het systeem beoordelen bij de grensgevallen. Ze krijgt de titel kwaliteitsbewaker klantcontact, met een loonsverhoging die bij die verantwoordelijkheid hoort. Ook vraagt het bedrijf haar structureel om nieuwe soorten klachten aan het systeem toe te voegen zodra ze die tegenkomt. Een jaar later is zij nog steeds in dienst. Ze is degene die nieuwe collega's inwerkt op de moeilijke gesprekken — het werk waar het bedrijf haar eigenlijk altijd al het meest voor nodig had.

Waarom de vakman aan tafel hoort bij het bouwen

Vakmensen betrekken bij het bouwen van een AI-systeem is geen kwestie van beleefdheid of draagvlak alleen. Het is een kwaliteitseis. Zij weten waar de uitzonderingen zitten. Denk aan: welke klant een andere toon nodig heeft, welke situatie net niet in de standaardprocedure past, of welk signaal wijst op een probleem dat groter is dan het lijkt. Een AI-systeem dat die uitzonderingen mist, faalt precies daar: op het moeilijke geval waar het verschil tussen een tevreden klant en een geëscaleerde klacht het grootst is. Zie ook waarom een AI-pilot in productie vaak vastloopt — vaak juist op de uitzonderingen die niemand had voorzien omdat de mensen die ze kennen er niet bij zaten.

Er is een tweede reden die minstens zo zwaar weegt: iets waar je zelf aan hebt meegebouwd, verdedig je eerder dan iets dat je van bovenaf krijgt opgelegd. Een vakman die is gevraagd naar zijn werkwijze en die terugziet in het systeem, heeft er belang bij dat het goed werkt. Een vakman die voor een voldongen feit wordt gesteld, heeft daar geen enkele reden toe — en zal fouten in het systeem eerder laten voortbestaan dan actief melden.

De angst serieus nemen: "maak ik mezelf overbodig?"

Vraag je iemand zijn werkwijze uit te leggen zodat een systeem ervan kan leren? Dan is de vraag die in zijn hoofd meespeelt volkomen redelijk: leer ik hier mijn eigen vervanger iets aan? Die angst wegnemen met een algemene geruststelling — "AI vervangt jou niet" — werkt niet, want die uitspraak is niet te controleren en wordt terecht gewantrouwd. Wat wel werkt, is concreet zijn over wat er wél en niet verandert. Benoem welk deel van het werk het systeem overneemt en welk deel niet, en wees eerlijk als je de langere termijn niet volledig kunt garanderen.

Geef daarnaast iets aanwijsbaars terug: een nieuwe rol met inhoud, niet alleen een geruststellende zin. Dat kan een titel zijn die de nieuwe verantwoordelijkheid benoemt, een vaste plek in het beoordelen van het resultaat, of een taak als vraagbaak voor collega's. Een belofte zonder invulling voelt als uitstel van dezelfde angst; een rol met naam, inhoud en erkenning voelt als een antwoord. Het verschil tussen de twee is precies het verschil tussen loze geruststelling en een geloofwaardige toezegging.

Wat er verandert in het werk: van uitvoeren naar controleren

Voor de meeste vakmensen verschuift het werk na automatisering van zelf uitvoeren naar het resultaat van het systeem beoordelen en de moeilijke gevallen zelf doen. Dat klinkt als een opwaardering — meer verantwoordelijkheid, minder repetitief werk — en voor veel mensen is dat ook zo. Maar wees eerlijk: niet iedereen vindt dat prettiger. Sommige mensen hielden juist van het uitvoerende werk zelf: het ritme en de tastbare afronding van een taak. Zij ervaren controleren en beoordelen als minder bevredigend, ook als het "hogerop" de ladder staat. Doe daar niet luchtig over. Erken dat de verschuiving niet voor iedereen een cadeau is. Ga het gesprek aan over wat iemand in de nieuwe rol wél kan waarderen — denk aan meer variatie, meer invloed op de lastige gevallen, of minder herhaling — in plaats van te veronderstellen dat iedereen er automatisch blij mee is.

Erkenning en beloning: als hun kennis het systeem waardevol maakt

Als de kwaliteit van een AI-systeem rechtstreeks voortkomt uit de kennis van één medewerker, dan hoort de erkenning daarmee gelijke tred te houden. Dat kan op meerdere manieren, en de combinatie werkt beter dan één enkel gebaar. Expliciete naamsvermelding erkent de bijdrage zichtbaar voor het hele team, bijvoorbeeld met de zin: "dit systeem is gebouwd op de aanpak van [naam]." Een functietitel die de nieuwe verantwoordelijkheid benoemt, zoals kwaliteitsbewaker of vraagbaak, maakt de erkenning structureel in plaats van eenmalig. Een loonsverhoging of een eenmalige beloning die in verhouding staat tot de tijd of kosten die het systeem bespaart, maakt het tastbaar. En een vaste stem in wat er vervolgens wordt geautomatiseerd geeft iemand invloed op zijn eigen toekomst, in plaats van dat anderen daarover beslissen. Reken de tijdwinst die het systeem oplevert ook gewoon mee als je de kosten en baten van het project doorrekent. Het is een reëel onderdeel van de opbrengst, en een deel daarvan hoort terug te komen bij de persoon die het mogelijk maakte.

Let ook op de formele kant. Legt het systeem vast hoe medewerkers werken, of beoordeelt het hun gedrag of prestaties, en heb je een ondernemingsraad, dan heeft die instemmingsrecht op de regeling. Dat volgt uit artikel 27 lid 1 onderdeel l WOR, over voorzieningen die geschikt zijn voor waarneming van of controle op gedrag of prestaties van medewerkers. Een ondernemingsraad is pas verplicht vanaf vijftig werknemers. Is er geen OR, dan geldt dit instemmingsrecht niet — al kan een kleiner bedrijf er vrijwillig een instellen; zodra de ondernemer dat besluit schriftelijk bij de bedrijfscommissie meldt, geldt artikel 27 wél. De AVG blijft in alle gevallen onverkort gelden. En een functiewijziging met salarisgevolg, zoals de nieuwe titel en loonsverhoging in het voorbeeld hierboven, leg je niet zomaar eenzijdig op: die heeft in de regel instemming van de medewerker nodig. Staat er een schriftelijk eenzijdig wijzigingsbeding in de arbeidsovereenkomst, dan moet je een zwaarwichtig belang aantonen (artikel 7:613 BW). Staat dat er niet, dan loopt het via een redelijk voorstel dat de medewerker in redelijkheid moet aanvaarden.

Risico's bij de mens: waarom ze ontstaan en wat je eraan doet

De risico's rond je vakmensen zijn concreet te benoemen, en elk risico vraagt om een ander antwoord dan alleen "beter communiceren":

Wat er gebeurt als je dit negeert

Genegeerde vakmensen komen zelden in opstand. Wat vaker gebeurt, is stille sabotage. Iemand deelt zijn beste vuistregels niet meer, corrigeert een fout in het resultaat niet als hij hem toevallig tegenkomt, en doet in het project precies genoeg om niet lastiggevallen te worden. Ondertussen bouw je door op een systeem dat mist wat hij weet, zonder dat iemand dat merkt totdat het misgaat bij precies het uitzonderlijke geval dat hij had kunnen voorkomen.

Het slechtste scenario is niet dat hij tegenwerkt, maar dat hij vertrekt zodra het project is opgeleverd — het moment waarop het bedrijf denkt klaar te zijn. Dan ben je zowel de persoon als de kennis kwijt die het systeem eigenlijk had moeten vastleggen. Je staat dan met een AI-systeem dat niemand meer volledig doorgrondt. Dat is de dure versie van hetzelfde probleem. Niet een project dat mislukt, maar een project dat slaagt en je toch de mensen kost die je nodig had om het te laten blijven werken.

Automatiseren zonder je vakmensen te verliezen begint niet bij de techniek, maar bij de vraag wat het voor hen betekent. Betrek ze bij het bouwen, wees eerlijk over wat er verandert, en erken wat hun kennis het systeem waard maakt. Zie ook het stappenplan voor AI in het mkb voor hoe je dat naast de technische kant organiseert. Wil je dit traject samen met een specialist aanpakken die zowel de techniek als de mensenkant kent, kijk dan bij hoe je een AI-expert inhuurt. Op AI WorkTalent vind je freelancers die automatiseringsprojecten hebben begeleid zonder de vakmensen erachter te verliezen.