AI overbelast je middenmanager omdat het fundament ontbreekt

Stel je de manager voor bij een willekeurig adviesbureau. Ze leert ’s ochtends nieuwe prompttechnieken voordat haar team inlogt. In klantgesprekken beantwoordt ze vragen over hoe haar mensen AI inzetten. Tegen het middaguur controleert ze AI-output op fouten, coacht ze een junior die nog nooit zelf een presentatie heeft gebouwd, en probeert ze te ontcijferen wat een partner bedoelt met een “AI-verrijkt” memo. Aan het eind van de dag legt ze vast wat werkte, zodat het team het de volgende keer kan hergebruiken.

AI-adoptie is geen technologieverhaal

Dit is geen uitzondering. Dit is de norm geworden. Harvard Business Review beschreef deze manager in een onderzoek onder achttien partners, managers en junioren bij twee grote adviesbureaus (Shin en Sucher, 26 juni 2026). De conclusie van de onderzoekers is helder: AI-adoptie is geen technologieverhaal, maar een organisatieverhaal. En het breekpunt zit in het midden.

Ik schrijf al jaren hetzelfde. AI is geen oplossing. AI is een versneller. En een versneller die je op een wankel fundament bouwt, versnelt vooral de chaos. Wie AI loslaat op een organisatie zonder besturingssysteem, vergroot het probleem in plaats van het op te lossen. Dat besturingssysteem heet het Business Acceleration Framework.

De middenmanager is het breekpunt van elke AI-ambitie

De middenmanager is de plek waar AI-adoptie slaagt of faalt. Ongeveer 88 procent van de organisaties gebruikt inmiddels AI in minstens één bedrijfsfunctie, maar slechts een kwart haalt er tastbare waarde uit die verder reikt dan de eerste pilot. Daar zit het verhaal. De senior leiding leunt op de strategische belofte: meer scope, snellere levering, leanere teams. De junior boekt spectaculaire productiviteitswinst: deskresearch die dagen kostte, kost nu een halfuur. Maar die twee bewegingen, de ambitie aan de top en de efficiëntie aan de basis, komen samen op één drukpunt. De middenmanager.

De junior wordt opgetild naar werk van hogere orde. De partner verkoopt voortaan AI-verrijkt oordeel in plaats van methodiek. En de manager? Die wordt niet opgetild. Die wordt bedolven. Het toezicht, het coachen en de kwaliteitsbewaking die AI met zich meebrengt, zijn simpelweg boven op het bestaande werk gestapeld. Zonder ondersteuning, zonder structuur, zonder fundament. Dat patroon is niet nieuw: het is precies wat ik beschreef in een decennium van versnelling, alleen nu in een stroomversnelling.

Workslop is niets anders dan content zonder context

Workslop is AI-output die er professioneel uitziet, maar inhoudelijk leeg is en de taak geen millimeter vooruithelpt. De onderzoekers introduceren dit begrip, en de middenmanager besteedt haar dag aan het opvangen ervan. Fout voor fout, deck voor deck.

Wie mijn werk kent, herkent hier onmiddellijk een oude waarheid in. Content zonder context is ruis. Het is een mooi verpakte leegte. En precies die leegte moet de middenmanager nu handmatig wegfilteren. Ik leg al jaren uit waarom content zonder context geen resultaat oplevert.

If content is king, then context is god.

Zo verandert de manager in een digitale Hansje Brinker. Met de vinger in de dijk dicht ze het ene gat na het andere, terwijl het water blijft stijgen. Het is dapper. Het is ook onhoudbaar. Je lost een structureel probleem niet op met een vinger in de dijk. Je lost het op door de dijk opnieuw te bouwen.

Kennis verstopt in silo’s schaalt nooit

Kennis die bij individuen blijft hangen in plaats van eigendom te worden van de organisatie, schaalt nooit. De onderzoekers vonden dat het leren informeel was, terwijl de leverdruk meedogenloos bleef. Teams losten keer op keer hetzelfde probleem op. Effectieve prompts, werkwijzen en afspraken bleven hangen bij individuen. Het verschil tussen teams die het wél redden, zat niet in de tools. Het zat in de aanwezigheid van een centrale plek die kennis, toepassingen en spelregels bundelde, doorzoekbaar en herbruikbaar voor iedereen.

Dit is het silo-verhaal in een nieuw jasje. In EDM en de Digitale Wereld schreef ik het al: data mag niet verstopt zijn in verschillende silo’s binnen de organisatie of bij externe dienstverleners. Het silo-denken zit diep in onze genen. En juist daarom faalt AI bij zoveel organisaties. Niet omdat het model niet deugt, maar omdat de kennis nergens samenkomt. Ik waarschuwde al in 2017 dat silo’s de digitale transformatie belemmeren.

Wat die centrale plek in essentie is, beschreef ik in Digitaal Vermogen als een laag die over de bestaande systemen heen valt. De enige schaalbare en betaalbare oplossing. In het Business Acceleration Framework heet die laag het Data Source Management en het Data Management Platform: de toevoer en de brandstof. Pas als die er liggen, kan de motor draaien. Pas dan komt AI tot waarde. Zonder dat georganiseerde datalandschap blijf je gewoon op de grond staan, hoe krachtig je versneller ook is.

Wie de verkeerde dingen meet, beloont het verkeerde gedrag

AI herdefinieert wat goede prestaties zijn, maar de meetsystemen lopen achter. De bureaus uit het onderzoek belonen nog altijd declarabele uren en individuele output. Het delen van een goede prompt, het coachen van een collega, het bouwen aan de gezamenlijke kennisbank: het levert niets op in de beoordeling. Sterker nog, sommige medewerkers verzwegen liever dát ze AI gebruikten, omdat de prikkel nog steeds eigen inspanning gelijkstelt aan professionele waarde.

Onthoud: mensen doen wat je meet. Meet je het verkeerde, dan krijg je het verkeerde. In mijn boeken hamer ik niet voor niets op meetbaarheid. Pas als je meet wat werkt, weet je wat er beter kan, of waar je helemaal mee moet stoppen. Daarvoor dienen de vijf doelen van het raamwerk: brand equity, brand reputation performance, marketing efficiency, business acceleratie en business activatie. Zonder zo’n model stuur je blind, en dan geldt onverkort dat zonder visie het bij dure dashboards blijft.

Leiders en managers leven in twee werkelijkheden

Tussen bestuurders en managers gaapt een perceptiekloof, en die kloof bijt het hardst in het midden. Onderzoek van BCG laat zien dat bestuurders ongeveer twee keer zo vaak denken dat medewerkers enthousiast zijn over AI als die medewerkers zelf. De partner staat ver van de operationele werkelijkheid. De manager vult dat gat in zijn eentje: wanneer is output goed genoeg, wat moet een junior nog met de hand leren, welke norm geldt voor klantwerk? Stuk voor stuk beslissingen die nu team voor team in isolatie worden genomen.

Die kloof dicht je niet met nog een tool. Je dicht hem met zichtbaar leiderschap en met eenduidige definities. In Digitaal Vermogen noem ik dat de stuurgroep: bestuurders die zich laten bijstaan door experts en die niet ingrijpen zonder kennis van de inhoud. Een raamwerk zorgt ervoor dat iedereen dezelfde taal spreekt. Het maakt de digitale transformatie meetbaar en het digitale vermogen zichtbaar. Dat vraagt om AI-savvy leiderschap. Pas dan komen leiding en uitvoering in dezelfde werkelijkheid te staan.

Een raketmotor bouw je niet op een fiets

Onder de overbelaste middenmanager ligt een dieper probleem: de leiderschapspijplijn droogt op. Als die manager al haar tijd kwijt is aan het controleren van AI en het blussen van brandjes, wie leidt dan de volgende generatie leiders op? De junior levert sneller dan ooit een gepolijst product af. Maar het oordeel, het gevoel voor wanneer een analyse plausibel maar zwak is, dat kost nog steeds tijd om te ontwikkelen. AI versnelt de output en holt tegelijk het pad van medewerker naar leider uit.

Gartner voorspelt dat in 2026 twintig procent van de organisaties AI inzet om de structuur platter te maken en zo meer dan de helft van de huidige middenmanagementposities te schrappen. Gallup ziet de betrokkenheid van managers in twee jaar dalen van 30 naar 22 procent, de scherpste daling van alle groepen. De verleiding om in die laag te snijden is dus groot. En precies dat is de denkfout.

Een platte netwerkorganisatie is een goed idee. Ik pleit er al jaren voor. Maar plat betekent niet uitgehold. Het betekent het lager- en middenmanagement méér vertrouwen en verantwoordelijkheid geven, gedragen door een fundament dat de kennis vasthoudt en de chaos opvangt. Je versnelt niet door de motor zwaarder te maken en het onderstel weg te halen. Het liefst fietsen organisaties rustig naar de maan, terwijl de concurrent een raket bouwt en lanceert. Maar een raketmotor op een fiets schroeven is geen versnelling. Dat is een ongeluk in slow motion. Zo bouw je geen digitaal vermogen op.

Stel jezelf vandaag deze vragen

Het verschil tussen organisaties die AI laten renderen en organisaties die erin verzuipen, zit niet in de technologie. Het zit in het fundament eronder en in de mensen die het in de praktijk laten werken. Want digitale transformatie is mensenwerk. Stel jezelf daarom vandaag nog de vragen die er werkelijk toe doen. Wie in mijn organisatie betaalt de prijs voor mijn AI-ambitie? Heb ik een centrale laag waar kennis, data en spelregels samenkomen, of liggen ze versnipperd in silo’s? Beloon ik het delen van kennis, of alleen de declarabele output? Spreken mijn bestuurders en mijn managers dezelfde taal, of leven ze in twee werkelijkheden?

Wie deze vragen eerlijk beantwoordt, weet meteen waar het werk ligt. AI is geen knop die je omzet. Het is een versneller die alleen presteert op een fundament dat klopt. Geen huis op geleende grond, geen raket op een fiets.

Er is werk aan de winkel.

Veelgestelde vragen

Waarom is AI-adoptie geen technologievraagstuk?

AI-adoptie is geen technologievraagstuk maar een organisatievraagstuk, omdat de waarde van AI niet ontstaat door de technologie zelf maar door de structuur eromheen. Zonder datafundament, eenduidige definities en een besturingssysteem versnelt AI vooral de bestaande chaos. De technologie is beschikbaar voor iedereen; het onderscheid zit in de organisatie die haar draagt.

Wat is workslop?

Workslop is AI-gegenereerde output die er professioneel uitziet, maar inhoudelijk leeg is en de taak niet vooruithelpt. Het is content zonder context. Het opvangen van workslop kost middenmanagers onevenredig veel tijd, omdat zij de kwaliteit moeten bewaken zonder dat hun overige werk afneemt.

Waarom bezwijkt de middenmanager onder AI?

De middenmanager bezwijkt omdat de oversight-, coaching- en kwaliteitstaken van AI boven op het bestaande werk worden gestapeld, zonder extra ondersteuning of structuur. Junioren en partners ervaren rolverhoging; de manager ervaart alleen extra last. Daardoor wordt de laag die AI in de praktijk moet laten werken juist het zwakste punt.

Wat heeft een organisatie nodig voordat ze AI inzet?

Een organisatie heeft eerst een datafundament en een besturingssysteem nodig: een laag die over de bestaande systemen heen valt en data tot bruikbare brandstof maakt. Het Business Acceleration Framework levert dat fundament met vijf doelen, negen stappen en twaalf analyses. Pas op dat fundament levert AI meetbare bedrijfswaarde op in plaats van losse pilots.