AI-weerstand is geen technologieprobleem (maar een verdienmodelprobleem)
Wie de AI-discussie volgt, krijgt soms het gevoel dat weerstand vooral voortkomt uit angst, onkunde of een gebrek aan vaardigheden. Managers zouden “nog niet klaar zijn”, medewerkers “nog niet getraind”, en bestuurders “nog even willen afwachten”. Maar wie beter kijkt, ziet iets anders. De echte rem op AI-adoptie zit zelden in de technologie zelf. Die zit in het verdienmodel dat op de achtergrond kraakt.
Een recente LinkedIn-post van James O’Dowd raakte precies die zenuw. Hij signaleert een groeiende pushback tegen AI bij senior leiders, met name in consulting en professionele dienstverlening. Niet omdat AI niet werkt. Niet omdat de modellen onbetrouwbaar zijn. Maar omdat AI iets fundamenteels ondermijnt: het klassieke, lineaire businessmodel van uren, inzet en schaal via mensen.
Als waarde loskomt van uren, ontstaat ongemak.
AI versnelt werk. Soms dramatisch. Analyse die eerder dagen kostte, gebeurt in minuten. Samenvattingen, patronen, scenario’s en inzichten zijn sneller beschikbaar dan ooit. Dat klinkt als vooruitgang — en dat is het ook. Maar in sectoren die traditioneel hun waarde ontlenen aan tijdsbesteding, ontstaat een ongemakkelijke vraag: waar factureren we dan nog op?
Daar zit de echte spanning. Niet in prompts of hallucinerende modellen, maar in de overgang van “time & material” naar “value & outcome”. AI maakt zichtbaar hoe dun het onderscheid soms is tussen inspanning en impact. En dat raakt vooral senior posities die hun status, tarief en rol hebben opgebouwd rond ervaring, omvang en beheersing van mensen.
Weerstand als rationeel gedrag.
Vanuit dat perspectief is AI-weerstand niet irrationeel. Integendeel. Het is rationeel gedrag binnen een bestaand systeem van prikkels. Wie jarenlang heeft geleerd dat waarde gelijkstaat aan uren, teams en schaal, voelt intuïtief aan dat AI die logica ondermijnt.
Daarom zie je iets opmerkelijks gebeuren. Organisaties investeren wél in AI-tools, maar houden de toepassing klein, experimenteel of vrijblijvend. Proof-of-concepts blijven hangen in pilots. Governance wordt opgetuigd, maar beslissingen worden uitgesteld. Niet omdat men het niet begrijpt, maar omdat men precies begrijpt wat er op het spel staat.
De stille verschuiving in leiderschap.
AI versnelt niet alleen processen, maar ook carrièrepaden. Mid-level professionals die AI begrijpen, ermee durven werken en waarde kunnen vertalen naar besluitvorming, schuiven sneller door. Tegelijkertijd dreigt voor sommige senior profielen een stille marginalisering — niet door ontslag, maar door irrelevantie.
Dat is misschien wel de meest ongemakkelijke waarheid van AI-adoptie. De technologie is democratiserend. Expertise wordt minder schaars. Inzicht ontstaat sneller. En daarmee verschuift macht, soms zonder dat het expliciet wordt uitgesproken.
Niet minder mensen, maar andere rollen.
De ironie is dat succesvolle AI-organisaties juist méér aandacht hebben voor mensen, niet minder. Ze investeren in duiding, governance, ethiek en context. Ze snappen dat AI geen vervanger is van professioneel oordeel, maar een katalysator ervan. De waarde zit niet in het model, maar in de vragen die je stelt en de beslissingen die je durft te nemen op basis van de uitkomsten.
Dat vraagt ander leiderschap. Minder controle op output, meer focus op richting. Minder nadruk op effort, meer op effect. En vooral: de moed om bestaande verdienmodellen ter discussie te stellen.
De echte AI-vraag voor bestuurders.
De kernvraag is dus niet: “Is AI betrouwbaar genoeg?” De kernvraag is: “Durven we onze manier van waardecreatie te herzien?”
Zolang die vraag niet expliciet wordt gesteld, blijft AI een tool aan de zijlijn. Interessant, krachtig, maar ingekapseld. Pas wanneer organisaties bereid zijn om hun economische logica te herzien, ontstaat ruimte voor echte adoptie.
AI is geen technologieprobleem. Het is een spiegel. En niet iedereen vindt het prettig wat hij daarin ziet.