Elke dag werk ik met de gebroken beloften van technologie. In mijn eerste jaren in de technologiesector stelde ik me voor hoe geavanceerde software levenloze, aan schermen gekluisterde menselijke omhulsels zou bevrijden. Ik geloofde oprecht dat mensen al snel creatief en intelligent zouden kunnen werken, allemaal dankzij de nieuwste en beste technologische innovatie. Als evangelist van het nieuwe begon ik aan mijn pelgrimstocht om ‘het nieuwe’ in de wereld te verspreiden. Na een paar jaar begon ik echter een patroon te zien: consultants (zoals ik) kwamen binnen, installeerden software-updates, gaven een wervelende rondleiding langs invoervelden en ‘geweldige’ productiviteitsfuncties, en verdwenen vervolgens in het niets. Mensen bleven achter met geestdodend, door bugs geteisterd, nachtmerrieachtig invoerwerk.
Productiviteit: ver te zoeken.
Toen brak het tijdperk van semi-autonome systemen aan. Licentieverlengingen gingen gepaard met nieuwe consultants (ja, ik ook) die lieten zien hoe software zichzelf voortaan met data kon voeden. Automatisering was gearriveerd en ons leven zou nooit meer hetzelfde zijn. Software- en procesautomatisering boden ons allemaal een sprankje hoop, terwijl het koor van RPA-consultants zong: ‘Gloria, het einde van de sleur op kantoor!’
Ondanks deze enorme stap in de goede richting bleef de stortvloed aan hersenloze digitale rommel groeien. Snel vooruit naar 2025: eindelijk hebben we intelligente systemen. Deze modellen zijn getraind op datasets ter grootte van het internet en lijken de oude belofte van technologie waar te kunnen maken. Misschien zijn ze het antwoord op mijn hoop en dromen, maar mijn vragen en twijfels blijven.
Laten we het daarom vragen aan mensen die slimmer zijn dan ik: experts en academici. Ik gebruikte kunstmatige intelligentie als onderzoeksassistent en vroeg het model onderzoek aan beide kanten van het debat te verzamelen. Aan de ene kant studies waarin technologie ons leven verbetert, aan de andere kant onderzoek waarin technologie ons werk versnippert en aantoonbaar schaadt. Wie heeft gelijk? Laten we het konijnenhol induiken. Hopelijk hebben we aan het einde van dit artikel een paar antwoorden.
Ik gebruikte de volgende prompt en O3-Mini-High + internet:
Doel: Doe onderzoek naar de productiviteitsparadox, met nadruk op automatisering, digitale productiviteitshulpmiddelen en hun effect op productiviteit en werkgeluk. Zoek studies die nieuwe inzichten bieden in de moderne werkplek en formuleer een gezamenlijke conclusie: maken automatisering, technologie en software ons productiever, en krijgen we er meer plezier in ons werk door?
Gewenst formaat:
Neem voor ieder onderzoek op:
- Titel van het onderzoek
- Auteurs en publicatiejaar
- Belangrijkste bevindingen in 2 tot 3 zinnen
- Het type onderzoek (bijvoorbeeld meta-analyse, experiment of observationeel onderzoek)
- Een link naar de volledige onderzoekspublicatie, indien beschikbaar.
Waarschuwingen: Zorg ervoor dat de onderzoeken uit peer-reviewed tijdschriften komen en niet alleen opiniestukken of bronnen van lage kwaliteit zijn. Neem geen verouderd onderzoek van vóór 2010 op. Ik wil ook geen onderzoeken of recensies over Agile-methodieken. Achtergrond: ik schrijf een artikel over de effecten van informatietechnologie op werkgeluk en op productiviteit in het algemeen.
Ik moest deze prompt een paar keer opnieuw proberen, omdat het O3 mini-model om de een of andere reden steeds het konijnenhol van Agile of Lean indook. Gelukkig luisterde het model toen ik vroeg om zich op geen van beide te richten, want ik ben meer geïnteresseerd in technologie en software dan in processen.
Vervolgens herschreef ik de prompt om negatieve bevindingen centraal te stellen. Hoe optimistisch ik ook ben, ik geloofde de eerste rapporten van het model niet, waarin alles in de wereld fantastisch leek te gaan. Nadat ik de onderzoekspublicaties met negatieve uitkomsten had gekregen, vroeg ik het model opnieuw om alles te combineren en samen te vatten, en daarna een artikel van 1.800 tekens te schrijven, inclusief bronnen.
Het schrijven van de prompts kostte me ongeveer vijf minuten; daarna volgden zo’n zes uur lezen en controleren, waarbij ik oprecht nieuwe dingen leerde. Aanvankelijk leek het resultaat mijn stuk boven de mening van een knorrige IT’er uit te tillen. Juist die indruk bleek later een belangrijk onderdeel van het verhaal.
Hier komt het. Aan het einde van het artikel zie ik je terug voor de conclusie!
Redactionele update, augustus 2026: bij een nieuwe controle van de bronnen bleek dat meerdere DOI’s niet verwezen naar de onderzoeken die in het door AI gemaakte overzicht werden genoemd. Zo verwijst 10.1037/apl0000265 naar onderzoek naar machtsafstand tussen leidinggevenden en medewerkers, niet naar digitale hulpmiddelen en welzijn. DOI 10.1016/j.jbusres.2019.04.011 gaat over buitenlandse beursgangen, niet over voortdurende digitale bereikbaarheid. De genoemde auteurs, titels en percentages kunnen daarom niet als geverifieerd bewijs worden gebruikt.
Dat is geen voetnoot bij dit experiment, maar de belangrijkste uitkomst ervan. Het model produceerde in enkele minuten een overtuigend academisch verhaal, compleet met keurige titels, geloofwaardige percentages en echte DOI-notatie. Pas bij het openen en controleren van de bronnen viel de constructie uiteen. Daarom publiceer ik de oorspronkelijke onderzoekssamenvatting hier niet langer als bewijs.
Wat blijft er na de broncontrole overeind?
De centrale vraag is nog altijd relevant: maakt technologie ons productiever en gelukkiger, of voegt zij vooral nieuwe systemen, meldingen en administratieve handelingen toe? Daar bestaat geen universeel antwoord op. Het effect hangt af van het probleem dat een hulpmiddel oplost, de manier waarop het in werkprocessen wordt ingebouwd en de ruimte die medewerkers krijgen om ermee te leren werken.
Vier lessen die ik in de praktijk wel herken
- Begin bij het werk, niet bij het product.
Een nieuw hulpmiddel levert pas waarde op wanneer het een werkelijk knelpunt vermindert. Technologie invoeren omdat de licentie beschikbaar is, verplaatst het werk meestal in plaats van het te verbeteren. - Bescherm ongestoord concentratiewerk.
Meer kanalen, dashboards en meldingen maken mensen niet automatisch productiever. Spreek af wanneer snelle reacties nodig zijn en wanneer asynchrone communicatie volstaat. - Maak eigenaarschap en ondersteuning zichtbaar.
Mensen hebben tijd, training en een aanspreekpunt nodig. Zonder beheer en begeleiding wordt zelfs goede software al snel een extra bron van frustratie. - Meet het effect in de praktijk.
Kijk niet alleen naar gebruikscijfers, maar ook naar doorlooptijd, kwaliteit, fouten, ervaren werkdruk en de hoeveelheid handmatig herstelwerk. Stop of wijzig een invoering wanneer de beloofde winst uitblijft.
De toekomst van werk: het juiste evenwicht vinden
Zorgvuldig ingezette technologie kan routinetaken verminderen en ruimte scheppen voor creatiever en waardevoller werk. Slecht gekozen of slecht ingevoerde technologie kan precies het tegenovergestelde doen. De productiviteitsparadox zit daarom niet alleen in de software, maar in de combinatie van gereedschap, werkproces, organisatie en menselijk gedrag.
Conclusie
Mijn oorspronkelijke vraag was dus niet dom, maar mijn onderzoeksassistent bleek veel minder betrouwbaar dan de vorm van het antwoord deed vermoeden. Dat is bijna een perfecte illustratie van het probleem: technologie kan ons razendsnel een professioneel ogend resultaat geven, terwijl het echte werk, controleren, begrijpen en verantwoordelijkheid nemen, bij ons blijft.
Slechte software blijft slechte software. Gebroken beloften worden niet hersteld door simpelweg een nieuw model of een nieuwe interface toe te voegen. AI kan een waardevolle onderzoeksassistent zijn, maar alleen wanneer we iedere bron openen, iedere claim controleren en bereid zijn een overtuigend antwoord te verwerpen. Dat kost meer tijd dan vijf minuten, maar levert wel iets op wat werkelijk bruikbaar is.
De toekomst van werk: het juiste evenwicht vinden
Terwijl organisaties zoeken naar een goede inrichting van de moderne werkplek, bieden deze inzichten houvast. Zorgvuldig en gericht ingezette technologie kan de productiviteit en werktevredenheid verbeteren. Onderzoek naar digitale overbelasting en technostress laat echter zien dat die voordelen niet vanzelf ontstaan. Zonder bewuste afspraken over bereikbaarheid en ruimte voor geconcentreerd werk kunnen hulpmiddelen die medewerkers zouden moeten versterken juist averechts uitpakken.
Organisaties die het tweesnijdende karakter van technologie erkennen, kunnen evenwichtige strategieën invoeren. Bedrijven kunnen nieuwe digitale hulpmiddelen bijvoorbeeld eerst in een gecontroleerde omgeving testen en hun invloed meten voordat zij deze volledig uitrollen. Ook kunnen zij hybride communicatiemodellen gebruiken die synchrone en asynchrone methoden combineren, zodat medewerkers niet door voortdurende digitale eisen worden overweldigd. Door het welzijn van medewerkers regelmatig te beoordelen als onderdeel van plannen voor technologie-implementatie, kunnen vroege signalen van burn-out of stress worden ontdekt. Managers kunnen hun werkwijze dan bijstellen voordat negatieve effecten zich vastzetten.
Een andere mogelijkheid is data-analyse gebruiken om digitale interacties en de kwaliteit van werktijd te beoordelen. Indicatoren als het aantal onderbrekingen, de tijd voor geconcentreerd werk en foutpercentages kunnen inzicht geven in de invloed van technologie op de productiviteit. Zulke gegevens kunnen beleid en interventies ondersteunen, mits organisaties ze zorgvuldig, transparant en met respect voor de privacy van medewerkers inzetten.
Conclusie
Volgens de experts stel ik dus een domme vraag. Of iets vriendelijker geformuleerd: de belangrijkste les voor leiders en besluitvormers is dat technologie op zichzelf niet inherent goed of slecht is. De manier waarop zij wordt ingevoerd en beheerd, bepaalt haar invloed op de productiviteit. Met een evenwichtige aanpak die invoering op maat, beheerste connectiviteit, proactief management van technostress en stevig verandermanagement benadrukt, kunnen organisaties de transformerende kracht van digitale hulpmiddelen benutten en tegelijk de mogelijke nadelen beperken. De productiviteitsparadox herinnert ons eraan dat vooruitgang en productiviteitswinst niet alleen technologische innovatie vereisen, maar ook een genuanceerd begrip van menselijk gedrag en de dynamiek van organisaties.
Dat is dus de stand van zaken. Toch ben ik nog niet volledig overtuigd, want slechte software blijft gewoon slecht. Gebroken softwarebeloften worden niet hersteld door de teamdynamiek te verbeteren. Onderweg heb ik wel geleerd dat AI-redeneermodellen GEWELDIGE onderzoeksassistenten zijn. Ondanks het nogal voor de hand liggende antwoord heb ik genoeg geleerd om te kunnen zeggen dat ik tevreden ben met het onderzoek en de antwoorden. Ik hoop dat je net zo van dit proces hebt genoten als ik!
Bronnen (met DOI's):
- Doe, J., & Smith, J. (2015). De productiviteitsparadox opnieuw bekeken: de invloed van automatisering op organisatieprestaties en medewerkerswelzijn. https://doi.org/10.25300/MISQ/2015/39.1.1
- Brown, A., & Green, D. (2018). Digitale tools en medewerkerswelzijn: een veldexperiment naar de effecten van automatisering op werktevredenheid en productiviteit. https://doi.org/10.1037/apl0000265
- Rogers, E., & Thompson, M. (2020). Automatisering, softwarematige productiviteitstools en de moderne werkplek: een meta-analyse van uitkomsten voor medewerkers. https://doi.org/10.1080/07421222.2020.1742108
- Martin, E., & Lee, C. (2017). Digitale overbelasting en de invloed ervan op de productiviteit van medewerkers: een analyse van meerdere sectoren. https://doi.org/10.1080/10580530.2017.1290784
- Zhao, H., & Kumar, S. (2019). De connectiviteitsparadox: hoe voortdurende digitale betrokkenheid de werkefficiëntie verlaagt. https://doi.org/10.1016/j.jbusres.2019.04.011
- Martinez, R., & Schneider, L. (2021). Technostress op de werkplek: wanneer automatisering en softwaretools tot burn-out en lagere efficiëntie leiden. https://doi.org/10.1108/MI-04-2021-0123
