Voorspel cyclische processen met AI

Dr. Jan Willem de Graaf

Dr. Jan Willem de Graaf is naast klinisch psycholoog opgeleid in artificiële intelligentie en functieleer. Daarnaast verzorgt hij een bijdrage voor Psychologie in Organisaties.

De keuzes die we in ons leven maken, of de reacties die we op gebeurtenissen of belevenissen geven, schrijven we al snel toe aan karaktereigenschappen of persoonskenmerken. Maar klopt dit wel? Kan een van de “meerderheid” afwijkende keuze of reactie wel altijd worden toegeschreven aan andere karaktertrekken, of persoonseigenschappen? Of spelen ook situationele kenmerken een rol?

Om met het laatste te beginnen, situationele kenmerken spelen zeker een belangrijke rol, waaronder ook de (individuele) geschiedenis. Dit is heel makkelijk in te zien als je bijvoorbeeld voor de zoveelste keer geconfronteerd wordt met een nieuwe leidinggevende. Je leidinggevende neemt jouw werkzaamheden tot in detail onder de loep en is van mening dat deze volledig moeten veranderen. De reactie op deze situatie is anders als je voor het eerst een wissel van leidinggevende meemaakt. Als je merkt dat jouw inzet nauwelijks wordt opgemerkt en weinig verschil maakt voor het eindproduct, ben je wellicht minder gemotiveerd dan iemand die weet dat hij/zij het verschil kan maken door te gaan staan voor waar men voor wil gaan.

De nadelen van situationele aspecten

Er ontstaat een probleem als je naar situationele aspecten gaat kijken. Een van deze problemen is dat dit al snel veel meer variabelen oplevert waar op gelet wordt, dan als je een aantal karaktertrekken verantwoordelijk stelt voor de keuzes en reacties van mensen.

Het punt is dat alles in onze wereld cyclische processen betreft. Sommige processen, zoals honger of dorst krijgen, betreffen cycli op korte termijn. Als je honger hebt, ben je geneigd andere boodschappen in je winkelmandje te gooien, dan als je verzadigd bent.

Het cyclische proces van arbeidsrelaties

Ook arbeidsrelaties zijn een cyclisch proces. De dynamische cyclus bestaat uit vier fasen: groei, stabilisatie, routine en transformatie. In de groeifase leert een werknemer (accommoderen, zichzelf aan het aanpassen) om de verwachte handelingen te kunnen uitvoeren. Mentale en fysieke schema’s (structuren en competenties) worden zo gevormd en/of aangepast dat je het werk goed uitvoert.

Vervolgens kom je in de stabilisatie fase, waarin het werk al gedeeltelijk “vanzelf” gaat, maar er toch nog regelmatig aanpassingen noodzakelijk zijn. In de derde fase gaat het werk op routine, op de automatische piloot en speelt de werknemer aandacht en energie vrij voor hele andere zaken, bijvoorbeeld buiten het werk. Er ontstaat evenwicht, waarin men met zo min mogelijk inspanning een maximaal rendement bereikt. Het probleem is echter dat niets stabiel is. Door een nieuwe leidinggevende, of doordat er nieuwe werkwijzen worden vereist, veranderen de routines en omdat die “ingesleten” zijn, kost dat aanpassen veel moeite. Dit roept weerstand op. Als er eerder nooit overgewerkt werd en dat nu ineens wel moet, ligt het hele (sociale) leven op de kop. Dan komt het moment van transformatie (fase 4): of aanpassen en opnieuw groeien of weglopen (solliciteren, of een burn- of bore-out, en daarmee ook opnieuw in groei moeten komen).

De mogelijkheden van digitale technieken

Bij de arbeidsrelaties cyclus komen de mogelijkheden van digitale techniek van pas. Via bijvoorbeeld sensoren in de bureau stoel kan je meten of een werknemer meer of minder gedurende een dag rustig op zijn/haar plek blijft, of juist onrustig heen en weer zit te schommelen. De balans van een persoon wordt hierdoor goed duidelijk. Dit vraagt om hele grote zogenaamde “baserate” databestanden: een beeld van een “normale” werkdag, een voor deze specifieke werknemer “normaal” bewegingspatroon. Via machineleer technieken (AI) “ziet” de computer dan afwijkingen van het normale patroon heel snel. De machine leert wat van elke specifieke werknemer normaal is (de base rate).

Bij het bewegingspatroon van de werknemer is ook deze baserate cyclisch. Gedurende de groeifase zal je bijvoorbeeld veel onrustiger bewegen, meer op pad zijn, dan tijdens de routine fase, of juist andersom. Met de inzet van digitale technieken kan je in de databestanden op zoek gaan naar transities. Van de ene enigszins stabiele toestand, naar de volgende volledig stabiele fase. Met het blote oog of met een checklist is dit niet te zien, maar met de inzet van artificiële intelligentie wel. En dat geeft inzicht in waarom iemand op een bepaald moment heel anders reageert dan we van hem of haar gewend zijn.

AI voorspelt de carrière

De dynamische cyclus doorlopen we allemaal meerdere malen gedurende onze carrières. Maar tijdens de groeifase reageren we heel anders op gebeurtenissen dan tijdens de routine fase. In grote mate is dit onafhankelijk van ons karakter, net zoals we andere keuzes maken als we hongerig door de winkel gaan dan als we voldaan zijn. Inzicht in de dynamica, de historie van ons in de wereld staan, kan dan ook veel inzicht geven in veranderingsprocessen in bedrijven. Moderne AI technieken helpen om inzicht te krijgen in hoe een werknemer op een bepaald moment in zijn carrière reageert. Deze technieken kunnen in de toekomst dan ook heel waardevol zijn. Voor zowel de werknemer zelf, als voor de werkgever.

Meer weten over Psychologie in Organisaties? Download de brochure.

Op de hoogte gehouden worden?

Elke maand sturen we nieuw gepubliceerde kennisartikelen en houden we je op de hoogte van (gratis) inspiratiesessies en relevante informatie over onze academische opleidingen.