Jesco Trainingen
nl en
Doe de teamscan
Menu
kennisbank

AI, gedrag en werk.

Artikelen over hoe mensen met AI werken, en daaronder wat onderzoek er tot nu toe over zegt. Altijd met bronnen, elke week een nieuw artikel.

nieuwste 21 oktober 2026 · psychologie van AI · 3 min lezen

Waarom je team AI te veel of te weinig vertrouwt

De een neemt elk AI-antwoord klakkeloos over, de ander haakt af na één fout. Wat onderzoek zegt over vertrouwen in AI, en hoe je team tot het juiste vertrouwen per taak komt.

  1. Na één AI-fout haken mensen sneller af dan na dezelfde fout van een collega. Dat heet algoritme-aversie.
  2. Tegelijk nemen we verzorgde AI-antwoorden makkelijk klakkeloos over. Dat heet automation bias.
  3. Het doel is niet meer of minder vertrouwen, maar het juiste vertrouwen per taak. Drie vragen helpen daarbij.
Lees artikel →
onderzoek

Wat we weten over AI op de werkvloer.

Wat onderzoek zegt over wat AI oplevert, waarom mensen het wel of niet vertrouwen, en wat ervoor zorgt dat ze het blijven gebruiken. Bij elke bewering staat de bron.

laatst bijgewerkt: oktober 2026

01

Wat AI oplevert, en waar het misgaat

  • In een experiment met schrijftaken uit de praktijk waren deelnemers met ChatGPT ongeveer 40 procent sneller klaar, en werd hun werk ongeveer 18 procent beter beoordeeld.[1]
  • Bij klantenservicemedewerkers steeg het aantal opgeloste vragen per uur met gemiddeld 15 procent. Minder ervaren medewerkers profiteerden het meest.[2]
  • Consultants die AI inzetten voor taken waar AI goed in is, deden meer taken, sneller en beter. Bij een taak die daarbuiten viel, kwamen ze juist vaker tot een verkeerde oplossing dan collega’s zonder AI.[3]

voor je team AI levert het meeste op als mensen weten bij welke taken het helpt en bij welke niet. Dat is geen technische kennis maar oordeelsvermogen, en dat kun je trainen.

02

Vertrouwen: te veel of te weinig

  • Mensen haken sneller af op een algoritme nadat ze het een fout hebben zien maken, ook als het gemiddeld beter presteert dan een mens. Dat heet algoritme-aversie.[4]
  • In andere situaties gebeurt het omgekeerde: mensen volgen een advies juist eerder op als ze denken dat het van een algoritme komt.[5]
  • Wie met geautomatiseerde systemen werkt, gaat minder goed controleren naarmate het systeem betrouwbaarder lijkt. Dat heet automation bias.[6]

voor je team Het doel is niet meer of minder vertrouwen, maar het juiste vertrouwen per taak. Daarvoor moet je snappen hoe een taalmodel tot een antwoord komt.

03

Wanneer mensen een tool echt gaan gebruiken

  • Of mensen een nieuwe technologie gebruiken, hangt sterk af van twee dingen: vinden ze het nuttig, en vinden ze het makkelijk.[7]
  • Later onderzoek voegt daar sociale invloed en steun vanuit de organisatie aan toe: wat collega’s en leidinggevenden doen en verwachten, telt mee.[8]

voor je team Eén enthousiaste collega is niet genoeg. Gebruik ontstaat als het nut zichtbaar wordt in eigen werk, en als het team er samen afspraken over maakt.

04

Technostress

  • Nieuwe technologie kan stress geven, bijvoorbeeld door het gevoel sneller te moeten werken, altijd bereikbaar te zijn of het nooit bij te kunnen houden. Die technostress hangt samen met meer rolstress en een lagere productiviteit.[9]

voor je team Weerstand tegen AI is vaak geen onwil maar onzekerheid. Daar helpt geen extra uitleg over de tool, wel een goed gesprek en duidelijke afspraken.

05

Leren in een groep

  • Teams leren beter als mensen zich veilig voelen om vragen te stellen, fouten te maken en twijfels te uiten. Dat heet psychologische veiligheid.[10]

voor je team Daarom werkt de training met groepsgesprekken en eigen voorbeelden, en niet alleen met uitleg.

06

Eigen cijfers

Vanaf de eerste AI-trainingen meet ik bij deelnemers vooraf en vier weken na de training hoe vaak ze AI gebruiken en hoe zeker ze zich daarbij voelen. Zodra er genoeg data is, komen de resultaten hier.

Bronnen

  1. [1] Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. doi.org/10.1126/science.adh2586
  2. [2] Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. doi.org/10.1093/qje/qjae044
  3. [3] Dell'Acqua, F., McFowland, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. Harvard Business School Working Paper 24-013. doi.org/10.2139/ssrn.4573321
  4. [4] Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114–126. doi.org/10.1037/xge0000033
  5. [5] Logg, J. M., Minson, J. A., & Moore, D. A. (2019). Algorithm appreciation: People prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90–103. doi.org/10.1016/j.obhdp.2018.12.005
  6. [6] Parasuraman, R., & Manzey, D. H. (2010). Complacency and bias in human use of automation: An attentional integration. Human Factors, 52(3), 381–410. doi.org/10.1177/0018720810376055
  7. [7] Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. doi.org/10.2307/249008
  8. [8] Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. doi.org/10.2307/30036540
  9. [9] Tarafdar, M., Tu, Q., Ragu-Nathan, B. S., & Ragu-Nathan, T. S. (2007). The impact of technostress on role stress and productivity. Journal of Management Information Systems, 24(1), 301–328. doi.org/10.2753/MIS0742-1222240109
  10. [10] Edmondson, A. (1999). Psychological safety and learning behavior in work teams. Administrative Science Quarterly, 44(2), 350–383. doi.org/10.2307/2666999

nog niet gedaan? de teamscan duurt een minuut.

Start de teamscan