- 1/7/2025

AI: van C- naar A+ performers

3 min

AI: van C- naar A+ performers

Een klantenservicebedrijf voerde een AI-experiment uit in zijn callcenters. Resultaat? Een aanzienlijke productiviteitswinst van gemiddeld 15%. Klanten en medewerkers rapporteerden ook een hogere tevredenheid en managers zagen minder escalaties. Maar achter dit gemiddelde schuilt nog een ander verhaal: kan AI helpen om de skills- en ervaringskloof te dichten?

Erik Brynjolfsson van MIT onderzoekt de economische impact van nieuwe digitale technologieën, zoals AI. Samen met Danielle Li en Lindsey Raymond publiceerde hij onlangs de paper 'Generative AI at work'. Die biedt verschillende inzichten in hoe deze nieuwe tools de werkplek kunnen beïnvloeden.

Set-up

De onderzoekers bundelden hun krachten met een Fortune 500-bedrijf dat gespecialiseerd is in bedrijfsprocessoftware voor Amerikaanse kmo’s. Het AI-systeem dat ze bestudeerden, werd ontworpen om gesprekspatronen te identificeren die een efficiënte oplossing van oproepen voorspellen. Het systeem bouwt voort op GPT-3 en is verfijnd op basis van een grote dataset van gesprekken tussen klanten en callcentermedewerkers met verschillende resultaten. In totaal observeerden de onderzoekers de gesprekstekst en resultaten van 3 miljoen chats door meer dan 5.000 medewerkers.

De resultaten? Medewerkers die AI gebruiken, werken sneller met de tools (post-AI) dan voordien (pre-AI). Ze behalen meer oplossingen per uur, voeren meer chats en hebben een kortere verwerkingstijd per aanvraag. Ook de kwaliteit van hun werk lijkt te verbeteren: hun hogere oplossingsgraad gaat gepaard met een hogere Net Promoter Score.

De skillskloof dichten

Vervolgens bekeken de onderzoekers mogelijke heterogeniteit als reactie op de introductie van de AI-tool.

Ze maten de skills van een medewerker met behulp van een index op basis van drie KPI’s: de afhandelingssnelheid van oproepen, de graad van probleemoplossing en de klanttevredenheid. Alle medewerkers werden op elke dimensie gerangschikt. De onderzoekers maakten vervolgens het gemiddelde van alle drie de rangschikkingen om een prestatie-index te verkrijgen.

De grafieken hieronder tonen hoe degenen in het laagste kwintiel (Q1) het meeste voordeel haalden uit de introductie van de tool. Over alle dimensies heen vertoonden de laagste kwintielen de grootste winsten. Meer nog: degenen in de hoogste twee kwintielen vertoonden dalingen in de oplossingsgraad en NPS-score.

De ervaringskloof dichten?

Interessante vaststelling: medewerkers die AI-ondersteuning kregen, zetten hun AI-versterkte prestaties gedurende de hele proefperiode voort. Het bewijs suggereert dat deze verbeterde prestaties ook na die periode stabiel zouden blijven. De auteurs concluderen dat deze productiviteitswinsten deels het duurzaam leren van werknemers weerspiegelen, in plaats van louter afhankelijk te zijn van AI-suggesties.

Dit leereffect zou echter weleens sterk taakspecifiek kunnen zijn.

Een andere recente academische studie onderzocht de impact van AI-assistentie op het schrijven van essays. MIT-onderzoekers gebruikten elektro-encefalografie (EEG) om de cognitieve belasting tijdens het schrijven van essays te beoordelen. Ze analyseerden essays met NLP en gaven punten met de hulp van menselijke docenten en een AI-jurylid. Gebruikers van grote taalmodellen (LLM's) vertoonden de zwakste connectiviteit en de cognitieve activiteit nam af ten opzichte van het gebruik van externe tools. Nog in de LLM-groep herinnerde 83% van de gebruikers zich na hun werk geen enkele zin meer.

De auteurs noemen dit fenomeen terecht “cognitieve schuld” - het resultaat van het inruilen van begrip voor snelheid van uitvoering. Kan dit een eerste stap zijn om onze opvatting over de rol van de kenniswerker in het AI-tijdperk te wijzigen?