In een eerder artikel beschreven we hoe AI organisaties dwingt om hun verdienmodel te herzien: van uren verkopen naar waarde leveren. Dat verhaal is intellectueel niet zo moeilijk. De meeste leiders knikken instemmend, vragen een PowerPoint op, plannen een offsite. En drie maanden later werkt iedereen nog precies hetzelfde als voorheen.
Dat is geen toeval. Het is een patroon dat je in elk veranderkundig leerboek terugvindt: tussen begrijpen dat iets moet en daadwerkelijk anders gaan werken zit een hardnekkig moeras. Het ADKAR-model, ontwikkeld door Jeff Hiatt en al decennia gebruikt door Prosci, beschrijft dat moeras stap voor stap. Het is geen sexy model. Het is wel een eerlijk model.
Vijf letters: Awareness, Desire, Knowledge, Ability, Reinforcement. Vijf opeenvolgende voorwaarden die elk individu moet doorlopen voordat er werkelijk iets verandert. Sla je één stap over, of mislukt er één, dan komt de hele beweging tot stilstand — niet bij de organisatie, maar bij de mens. En een organisatie is uiteindelijk niets anders dan een opeenstapeling van mensen die wel of niet meebewegen.
In de context van AI en waardesturing krijgt elke letter een eigen scherpte. Laten we ze langslopen.
Awareness: het gat tussen "AI bestaat" en "dit verandert mij"
Er bestaan twee soorten bewustzijn over AI. De eerste is oppervlakkig: "ja, AI is belangrijk, daar moeten we iets mee." Bijna iedereen heeft dat. Het is bewustzijn op de manier waarop je je bewust bent van het feit dat je sterfelijk bent — waar maar nooit echt voelbaar. De tweede is dieper: "dit verandert hoe wij geld verdienen, hoe wij ons werk organiseren, en welke vaardigheden mij over vijf jaar nog relevant maken."
Veel leiders denken dat ze in de tweede categorie zitten, maar acteren vanuit de eerste. Ze sturen mensen naar een AI-workshop en vinken het project af. Ondertussen blijft de offertestructuur ongewijzigd, blijven de KPI's draaien om declarabiliteit, en blijft de informele norm dat "echt werk" door mensen gedaan wordt en AI hooguit een hulpje is.
Awareness creëren is daarom niet een kwestie van een keynote organiseren. Het is mensen het verschil laten voelen tussen het oude en het nieuwe. Concreet: laat een team eens een opdracht doen op de oude manier en daarna met een goed ingerichte AI-workflow. Niet als demo, maar als werkelijke vergelijking. Het verschil — in tijd, in kwaliteit, in wat überhaupt mogelijk wordt — landt anders dan elke directieboodschap.
Desire: de stille saboteur
Hier strandt de helft van de transformaties. Want zelfs als mensen begrijpen dat verandering nodig is, betekent dat niet dat ze het willen.
Bij AI komen vier krachten samen die desire ondermijnen. Er is angst voor verlies van werk, vooral bij rollen waarvan iedereen voelt dat ze kwetsbaar zijn. Er is identiteitsverlies — de senior die twintig jaar lang de adviseur was die het allemaal kon, ziet een tool die in seconden doet wat hem ooit waardevol maakte. Er is statusrisico: openlijk leunen op AI voelt als toegeven dat je het zelf niet meer kunt. En er is, paradoxaal, commercieel eigenbelang: in de oude wereld kon je junior werk doorbelasten tegen senior tarief; AI knabbelt aan die marge.
Je kunt mensen niet uit deze gevoelens praten. Ze zijn legitiem, en het probleem is reëel. Wat wel werkt: ze benoemen, hardop, in plaats van eromheen te bewegen. Een eerlijke leider zegt: "Ja, sommige rollen zoals we ze nu kennen verdwijnen. En dit is hoe we daar samen mee omgaan." Een onhandige leider zegt: "Niemand hoeft zich zorgen te maken!" — en verliest meteen het vertrouwen, omdat iedereen weet dat dat niet waar is.
Desire bouw je niet met geruststellingen, maar met een geloofwaardig perspectief. Wat ga je voor mensen toevoegen in ruil voor wat er verdwijnt? Welke nieuwe rollen ontstaan? Hoe ziet succes er over twee jaar uit, voor de organisatie én voor het individu?
Knowledge: kennen is niet alleen prompten
Knowledge gaat over weten hoe je moet veranderen. Bij AI-transformaties wordt dit vaak versmald tot prompt engineering en toolgebruik. Dat is nuttig, maar het is een fractie van wat mensen werkelijk moeten leren.
Wie naar een waardemodel beweegt, moet ook leren:
- Hoe je een uitkomst definieert in plaats van een opdracht (en hoe je dat met een klant bespreekt).
- Hoe je prijst op waarde zonder in de val te trappen van vaste prijzen voor onvoorspelbaar werk.
- Hoe je AI-output beoordeelt — niet alleen "klopt het feitelijk", maar ook "past het bij deze klant, dit moment, deze risico's".
- Hoe je een nieuw soort gesprek voert met klanten die zelf ook AI gebruiken en met andere ogen naar je factuur kijken.
Dit zijn geen technische vaardigheden. Het zijn professionele vaardigheden in een nieuw jasje. En ze worden zelden expliciet onderwezen, omdat ze tot voor kort impliciet in het werk zaten.
Ability: ruimte om te oefenen
Tussen Knowledge en Ability zit het verschil tussen weten en kunnen. Iemand kan een prima cursus over outcome-based pricing volgen en de volgende dag bij een klant volledig terugvallen op uurtarieven, simpelweg omdat zijn handen die nieuwe beweging nog niet kennen.
Ability vraagt oefenruimte, en oefenruimte vraagt iets ongemakkelijks: de organisatie moet accepteren dat de eerste pogingen rommelig zullen zijn. De eerste AI-aangestuurde opdracht zal trager gaan dan de oude manier. De eerste vaste-prijsofferte zal verkeerd ingeschat worden. De eerste klantgesprekken over waarde voelen onhandig.
Wie geen ruimte voor klungelen creëert, krijgt geen bekwaamheid. Mensen vallen dan terug op wat ze al kunnen, want dat is wat hun beoordelingscyclus beloont. Concreet werkt het als er beschermde pilots zijn, met expliciete toestemming om suboptimaal te presteren, met coaching dichtbij, en met de afspraak dat geleerde lessen gedeeld worden in plaats van afgerekend.
Reinforcement: het systeem moet meebewegen
De vergeten letter, en bijna altijd de fatale. Reinforcement gaat over wat ervoor zorgt dat het nieuwe gedrag blijft. En het zit verstopt in de minst opwindende plekken van een organisatie: KPI's, beoordelingscycli, bonusstructuren, projectsjablonen, urenregistratie, klantsegmentatie.
De optelsom is simpel: zolang declarabiliteit je primaire stuurgetal is, stuur je op uren. Zolang je salesteam afgerekend wordt op het aantal opdrachten en niet op de geleverde waarde per opdracht, blijven ze opdrachten verkopen op de oude manier. Zolang in je projectdocumenten "geschatte uren" het belangrijkste veld is, blijven mensen denken in uren.
Reinforcement is geen finishing touch. Het is de fundering. Wie zijn meet- en beloningssysteem niet aanpast, ziet elke verandering binnen een jaar wegebben — niet door slechte wil, maar door zwaartekracht. Mensen volgen incentives. Altijd.
ADKAR door de triade
ADKAR is op het eerste gezicht een mensenmodel. Maar wie eerlijk kijkt, ziet dat alle drie de pijlers eraan trekken.
Tech maakt of breekt Awareness en Ability — een goed ingerichte AI-omgeving laat mensen voelen wat mogelijk is en geeft ze een veilige plek om te oefenen. Mensen zijn de plek waar Desire en Knowledge zich afspelen — geen tool of proces verandert iets als individuen niet willen of niet weten. Processen zijn de hoeders van Reinforcement — zonder herontworpen meet-, prijs- en stuurprocessen verglijdt elke gedragsverandering.
Verandermanagement zonder deze drie samen leidt voorspelbaar tot één van drie uitkomsten: tools zonder gebruikers, gemotiveerde mensen zonder middelen, of een nieuw beleid dat niemand uitvoert. Geen daarvan brengt waardesturing dichterbij.
Tot slot
De shift naar een waardebusiness is geen strategiekeuze die je in een directiekamer afrondt. Hij is een gedragsverandering die door elke laag van een organisatie heen moet zakken. ADKAR helpt om te zien waar het vastloopt, en — belangrijker — waar je moet ingrijpen voordat het vastloopt.
De organisaties die de komende jaren echt het verschil maken, zijn niet degenen met de meeste AI-licenties of de mooiste strategische plannen. Het zijn de organisaties die snappen dat een transitie net zo veel om beoordelingsgesprekken, pricingafspraken en koffiezetpraat draait als om technologie.
AI is in dat opzicht eigenlijk geen veranderverhaal over technologie. Het is een veranderverhaal over hoe mensen, ondersteund door slimme systemen en herontworpen processen, hun werk opnieuw uitvinden. Dat is precies waar de triade voor staat.
Wil je sparren over hoe ADKAR concreet werkt in jouw organisatie? Bij TriadeTech begeleiden we AI-transformaties waarin Tech, Mensen en Processen elkaar versterken — zodat de verandering niet alleen begint, maar ook landt.
