Steigers bouwen voor beginners

​Beste hr-expert,

De zomer van 2006 lijkt al ver weg, maar ik herinner hem mij nog heel goed. Ik zat op een te warm kot in Leuven, zuchtend over een drietal herexamens om me een stap dichter bij een diploma in de Pedagogische Wetenschappen te brengen.

Vaak heb ik mij afgevraagd wat de meerwaarde zou zijn van al die pedagogen in mijn verdere leven. En nu 20 jaar later ben ik Immanuel Kant gelukkig niet meer tegengekomen, toch verscheen Lev Vygotski plots in mijn zomerlectuur.

Lev Vygotski was een Russische pedagoog, die als eerste merkte dat we het best leren in de zone van naaste ontwikkeling, wanneer je iets leert dat je net nog niet kan door de hulp van iemand die het wel kan naast jou. Dit heet scaffolding, steigers. En die hulp bouw je af eens de beginner het zelf kan.

De band tussen expert en beginner is al even oud als de mens zelf. Eerst meekijken, dan zelf proberen terwijl iemand corrigeert. Intelligente technologie schuift zich nu tussen die twee in: de expert kan meer alleen, dus doet hij het alleen. En de beginner? Die houdt toekijken over.

We worden allemaal gevraagd AI in te zetten voor efficiëntie, en het juniorwerk is vaak wat eerst wordt vervangen. Maar precies dat juniorwerk was de leerschool waar je toekomstige experts hun oordeel scherpten. Recent Anthropic-onderzoek toont hoe hard dat telt: domeinkennis, niet toolkennis, bepaalt of AI werkt. Wie expertise meebrengt, haalt dubbel zo vaak resultaat uit AI, want die persoon weet wat de verwachte resultaten moeten zijn.

En zo komen we terug bij het boek dat me vergezelde aan een Frans zwembad, The Skill Code van Matt Beane, een expert op het snijvlak tussen skills en AI. In de operatiekamer zag Beane assistenten enkel toekijken hoe de hoofdchirurg de operatierobot zelf bediende: zij leerden niets en raakten gedemotiveerd. Maar bij bomontmijners vond hij het omgekeerde: daar krijgt de leerling de joystick, met de expert veilig ernaast. Productiviteit en leren wonnen er samen. Zelfde technologie, tegengesteld resultaat. Het verschil? Iemand besliste wie de knoppen kreeg.

Mijn beste hr-expert, de oplossing is niet minder AI, wel bewuster ontwerpen. Jij bent in HR gestapt omdat je gelooft dat je mensen kan ontwikkelen, dat ze leren en zo een volgende stap kunnen zetten. En net dat staat vandaag onder druk.

Wees duidelijk over de rol die AI speelt. De startende junior doet het werk eerst zelf, AI dient daarna als spiegel: waar is het verschil, en waarom? Kan de junior het zelf, dan wordt AI de kritische collega: die maakt het werk, de junior verdedigt het bij de senior. En je expert? Die delegeert volop en checkt steekproefsgewijs. Geef de knoppen aan wie nog moet leren en breek de steiger af naarmate het lukt. Ja, dat kost een stukje efficiëntiewinst. Noem het leergeld.

Want één vraag staat in geen enkele AI-businesscase: als AI al het juniorwerk doet, wie is er straks nog expert genoeg om die AI te sturen? Je technologieleverancier gaat ze je niet stellen. Je CFO evenmin. Blijft over: jij.

Lev Vygotski werd pas 30 jaar na zijn dood bekend. Het Stalinregime vond dat hij de communistische agenda onvoldoende ondersteunde. Gelukkig zorgde Matt Beane ervoor dat mijn appreciatie sneller kwam!

Met scherpe groet,

Een HR Tech Realist die slaagde in zijn herexamens

​Kristof Stevens, Tech Relations United Consulting