"If You're Very Clever, No One Knows You've Used It": The Social Dynamics of Developing Generative AI Literacy in the Workplace

Op basis van interviews met 19 kenniswerkers onthult dit artikel dat, hoewel sociale dynamieken op de werkplek het leren van generatieve kunstmatige intelligentie ondersteunen, de perceptie dat het verbergen van AI-gebruik deskundigheid bevestigt, leidt tot verminderde kennisdeling en transparantie, wat oproept tot meer open dialoog en collaboratief leren om AI-geletterdheid te bevorderen.

De kern

Het Grote Geheel: De "Geheime Saus" op het Kantoor

Stel je voor dat er een nieuw, magisch keukenapparaat in elk kantoor is verschenen. Het kan e-mails schrijven, code repareren en rapporten opstellen in seconden. Dit is Generatieve AI (GenAI).

De onderzoekers wilden weten: hoe leren werknemers op kantoor dit apparaat daadwerkelijk gebruiken? Gaan ze naar een cursus? Vragen ze hun baas? Of komen ze er zelf op uit?

Ze interviewden 19 verschillende kenniswerkers (zoals advocaten, programmeurs, marketeers en onderzoekers) om dit uit te vinden. Wat ze ontdekten, lijkt een beetje op een spelletje "Geheime Agent" gemengd met een "Kookcursus".

De Twee Hoofdvakken die Werknemers Waarde Hechten

De studie vond dat werknemers proberen om twee zeer verschillende vaardigheden tegelijkertijd onder de knie te krijgen:

1. De "Verkenner"-vaardigheid (Weten wat het apparaat kan)
Werknemers willen weten wat de AI allemaal coole dingen kan doen. Ze willen nieuwe manieren vinden om het te gebruiken om hun werk makkelijker te maken.

• Hoe leren ze dit: Ze leren voornamelijk door met elkaar te praten. Het is als een potluck waar iedereen een nieuw recept meebrengt. Iemand zegt: "Hé, ik heb AI gebruikt om een gedicht te schrijven," en een ander zegt: "Oh, ik heb het gebruikt om een spreadsheet te repareren!"
• Het resultaat: Dit delen helpt iedereen slimmer te worden over wat de tool allemaal kan.

2. De "Onzichtbare Tovenaar"-vaardigheid (Verbergen dat je het apparaat hebt gebruikt)
Dit is het verrassende deel. Werknemers hechten ook waarde aan het vermogen om de AI zo goed te gebruiken dat niemand kan zien dat je het hebt gebruikt.

• Waarom doen ze dit?
  • Angst voor Oordeel: Sommige mensen maken zich zorgen dat hun baas of collega's denken: "Oh, jij hebt het werk niet zelf gedaan; je hebt gewoon de robot gevraagd." Ze voelen zich schaamte of vrezen gezien te worden als lui.
  • Expertise Bewijzen: Anderen doen het om te pronken met hoe slim ze zijn. Als je AI gebruikt maar de output zo perfect bewerkt dat het 100% menselijk lijkt, krijg je krediet voor het zijn van een "genie". Zoals een deelnemer het verwoordde: "Als je erg slim bent, weet niemand dat je het hebt gebruikt."
• De Analogie: Stel je een chef-kok voor die een high-tech sous-chef-robot gebruikt om groenten te snijden. Als de chef de robot verbergt en het gerecht serveert alsof hij het met de hand heeft gesneden, krijgt hij een staande ovatie voor zijn messkills. Als hij toegeeft dat hij de robot heeft gebruikt, zeggen mensen misschien: "Nou, dat was niet echt jouw koken."

Het Probleem: De "Stille Keuken"

Hier zit de addertjes onder het gras. Als iedereen probeert de "Onzichtbare Tovenaar" te zijn, gebeurt er iets slechts met het leerproces.

• Het Paradox: Om te leren hoe je de tool het beste gebruikt, moet je je fouten en trucs delen met anderen (zoals de "Verkenner"-vaardigheid). Maar om slim te lijken en oordeel te vermijden, verberg je het feit dat je de tool überhaupt hebt gebruikt (de "Onzichtbare Tovenaar"-vaardigheid).
• Het Resultaat: De keuken wordt stil. Niemand geeft toe dat ze het apparaat gebruiken. Niemand deelt zijn "geheime recepten" omdat ze bang zijn voor oordeel of omdat ze hun "genie"-status willen behouden.
• Het Gevolg: Hoewel iedereen de tool gebruikt, weet het bedrijf niet hoe het wordt gebruikt, welke fouten worden gemaakt, of hoe nieuwe werknemers kunnen worden onderwezen. Het creëert een cultuur van geheimhouding in plaats van teamwork.

De "Werkslod" versus het "Meesterwerk"

Het artikel merkt ook op dat mensen de AI soms verbergen omdat de ruwe output eigenlijk slecht is.

• De "Werkslod": Als je gewoon kopieert en plakt wat de AI zegt, klinkt het vaak robotachtig, gebruikt het rare woorden (zoals "diepen" of "tapijt") en mist het echte menselijk inzicht. Dit is als een diepvriesmaaltijd serveren en het een gastronomisch gerecht noemen.
• De Oplossing: Bekwame werknemers "critiseren" de AI. Ze repareren de rare woorden en voegen hun eigen menselijke touch toe. Ze verbergen de AI niet alleen om cool te lijken, maar om ervoor te zorgen dat het eindproduct echt goed is. Door dit proces echter te verbergen, missen ze de kans om anderen te leren hoe ze het hebben gerepareerd.

Wat de Auteurs Voorstellen

De onderzoekers zeggen niet "stop met het gebruik van AI". In plaats daarvan suggereren ze een paar veranderingen om het kantoor een betere plek te maken om te leren:

1. Stop met de Schaamte: Managers moeten een veilige ruimte creëren waar het toegeven dat je AI hebt gebruikt geen misdaad is. Het is oké om te zeggen: "Ik heb de robot gebruikt om dit op te stellen, en dit is hoe ik het heb verbeterd."
2. Vier de "Hoe", Niet Alleen het "Wat": Kijk niet alleen naar het eindrapport, maar praat over het proces. Deel de "prompts" (de instructies gegeven aan de AI) en de gemaakte bewerkingen.
3. Maak Delen Belonend: Net zoals mensen "likes" krijgen op sociale media, kunnen bedrijven mensen belonen voor het delen van hun AI-tips en -trucs, waardoor het cool is om transparant te zijn in plaats van cool om geheimzinnig te zijn.

Samenvatting

Het artikel betoogt dat terwijl werknemers op kantoor erg goed worden in het gebruik van AI, ze ook erg goed worden in het verbergen ervan. Ze doen dit om slim te lijken en oordeel te vermijden. Maar deze geheimhouding verhindert het hele team om samen te leren. Om dit op te lossen, moeten werkplekken stoppen met het behandelen van AI-gebruik als een geheim en beginnen met het behandelen ervan als een gedeelde vaardigheid waar iedereen openlijk van kan leren.

Technische samenvatting

1. Probleemstelling

Hoewel Generatieve AI (GenAI) kenniswerk snel transformeert, ontbreekt er in bestaand onderzoek naar AI-geletterdheid empirisch inzicht in hoe kenniswerkers competenties ontwikkelen binnen de complexe sociale dynamiek van de werkplek. Huidige kaders richten zich vaak op technische vaardigheden of formeel onderwijs, en negeren de ongestructureerde, informele leerprocessen die professionals gebruiken.

Belangrijke gaten die zijn geïdentificeerd, zijn onder meer:

• Het "Verstoppen"-fenomeen: Werknemers verbergen GenAI-gebruik vaak vanwege sociale stigmatisering of angst voor oordelen, maar de impact van dit gedrag op organisatorisch leren en transparantie is slecht begrepen.
• Definitie van Competentie: Het is onduidelijk welke specifieke competenties (technisch versus socio-technisch) werknemers in de praktijk het meest waarderen.
• Leerstrategieën: Er is beperkt inzicht in hoe werknemers de spanning navigeren tussen het leren van collega's en het handhaven van een professionele identiteit die het verdoezelen van AI-ondersteuning kan vereisen.

2. Methodologie

De studie hanteerde een kwalitatieve aanpak om de overtuigingen, strategieën en sociale dynamiek van GenAI-adoptie te onderzoeken.

• Deelnemers: 19 kenniswerkers uit diverse sectoren (IT, Recht, Creatieve Industrie, Academie, HR, Financiën, enz.).
• Werving: Deelnemers werden gerekruteerd via Prolific, gescreend op specifieke criteria:
  • Werkzaam in sectoren die GenAI snel adopteren.
  • Gebruik GenAI minstens wekelijks voor werkgerelateerde doeleinden.
  • Hebben >1 jaar ervaring in hun huidige rol.
  • Werken in omgevingen zonder expliciete verboden op GenAI (of met onzekere beleidslijnen).
• Dataverzameling: Semigestructureerde interviews (50–60 minuten) online uitgevoerd via Microsoft Teams tussen december 2024 en januari 2025.
• Analyse:
  • Positionering: Het onderzoeksteam nam een kritisch realistisch standpunt in, waarbij werd erkend dat interpretaties subjectieve ervaringen en sociale contexten weerspiegelen in plaats van objectieve realiteit.
  • Thematische Analyse: Een template-aanpak werd gebruikt, waarbij de initiële codering werd gescaffold met twee bestaande AI-geletterdheidskaders (Pinski & Benlian; Annapureddy et al.) en het COM-B-model (Capability, Opportunity, Motivation) om leergedrag te analyseren.
  • Strenge Toetsing: Meerdere auteurs beoordeelden codes en thema's om reflexiviteit en kritische reflectie te waarborgen.

3. Belangrijkste Bijdragen

Het artikel levert drie primaire bijdragen aan het veld van Human-Computer Interaction (HCI) en AI-geletterdheid:

1. Empirische Verankering: Biedt een gedetailleerd verslag van hoe GenAI-geletterdheid wordt beoefend en onderhandeld door 19 diverse kenniswerkers, en gaat verder dan theoretische kaders naar real-world toepassing.
2. Herformulering van "AI Verstoppen": Daagt het heersende beeld uit dat het verbergen van AI-gebruik uitsluitend geworteld is in schaamte. De studie vindt dat het succesvol wissen van aanwijzingen van GenAI-gebruik vaak wordt gezien als een positieve bevestiging van domeinexpertise. Dit gedrag creëert echter een paradox: het signaleert competentie aan collega's, maar reduceert tegelijkertijd kansen voor kennisdeling en transparantie.
3. Kaderuitbreiding: Breidt bestaande AI-geletterdheidskaders uit door de kritieke rol van socio-technische competenties te benadrukken. Het betoogt dat menselijke stakeholders niet alleen bronnen zijn voor leren, maar ook bronnen van sociale invloed die gebruikspatronen vormen, wat nieuwe ontwerprichtlijnen vereist voor open dialoog en openbaarmaking.

4. Belangrijkste Resultaten

De studie identificeerde twee kerncompetenties en twee overeenkomstige leerstrategieën, waarbij een centrale spanning tussen individuele identiteit en collectief leren wordt blootgelegd.

A. Kerncompetenties

1. Technologische Competentie (Bewustzijn van Gebruiksscenario's):
   • Werknemers waarderen het vermogen om nieuwe toepassingen van GenAI te identificeren om een concurrentievoordeel te behalen.
   • Dit bewustzijn wordt vaak gedreven door de angst voor banenverlies of de wens om voorop te lopen in industriële trends.
2. Socio-technische Competentie (Verwijderen van Aanwijzingen):
   • Werknemers ontwikkelen het vermogen om "verraders" te detecteren en te verwijderen (bijvoorbeeld specifieke formuleringen zoals "duiken", overmatige opmerkingen in code, gebrek aan context) die GenAI-gebruik aangeven.
   • Motivaties voor Verwijdering:
     • Kritiek/Kwaliteitscontrole: Het verwijderen van generieke of kwalitatief slechte output om ervoor te zorgen dat het werk voldoet aan professionele standaarden.
     • Validatie van Expert-identiteit: Het succesvol maskeren van AI-gebruik signaleert dat de werknemer diepe domeinkennis bezit, waardoor ze zich onderscheiden van hen die blind op AI vertrouwen.
     • Verhulling/Stigma: Het vermijden van negatief oordeel van oudere generaties of conservatief management.

B. Leerstrategieën

1. Leren van Anderen:
   • Informele kennisdeling (collega's, LinkedIn, sociale media) is vitaal voor het ontdekken van nieuwe gebruiksscenario's en het aanpakken van kenniskloven.
   • Dit is echter vaak strategisch; werknemers kunnen kennis delen om AI-gebruik te normaliseren of om validatie te zoeken, maar ze kunnen specifieke details achterhouden om een concurrentievoordeel te behouden.
2. Leren door Doen:
   • Competentie is grotendeels impliciet en ontwikkelt zich via trial-and-error.
   • Werknemers moeten leren de contextspecifieke geschiktheid te evalueren, modelbeperkingen (hallucinaties) te begrijpen en metacognitieve vaardigheden te ontwikkelen om prompts effectief te formuleren.

C. De Centrale Spanning

De studie onthult een paradox: Hoewel leren van anderen essentieel is voor het ontwikkelen van technisch bewustzijn, onderdrukt de drang om je expertise te valideren door "verwijderen van aanwijzingen" actief de transparantie.

• Werknemers die GenAI-gebruik succesvol verbergen, worden geprezen als experts.
• Dit gedrag creëert "organisatorische stiltes" waar GenAI-gebruik wijdverbreid is maar niet erkend, wat het delen van best practices, foutdetectie en collectieve zingeving verhindert.
• Openbaarmaking wordt vaak vermeden vanwege de waargenomen onverschilligheid van collega's ("gewoon de klus klaren") of angst voor sociale stigmatisering.

5. Betekenis en Implicaties

De bevindingen hebben aanzienlijke implicaties voor HCI-ontwerp, organisatorisch management en AI-geletterdheidskaders.

• Voor Organisaties:

  • Cultuur van Openheid: Leiders moeten psychologische veiligheid bevorderen om de angst voor oordelen rondom AI-gebruik te verminderen. Passieve toelating van AI is onvoldoende; actieve dialoog is vereist om "organisatorische stiltes" te doorbreken.
  • Incentiveren van Delen: Organisaties moeten het delen van GenAI-workflows, prompts en geleerde lessen belonen, en deze behandelen als waardevolle intellectuele activa in plaats van geheimen.
  • Duidelijk Beleid: Duidelijke beleidslijnen over openbaarmaking zijn nodig om onzekerheid te verminderen en verantwoord gebruik aan te moedigen.

• Voor Ontwerpers (HCI):

  • Ondersteuning van Openbaarmaking: Ontwerp tools die het makkelijker maken om "door gebruikers gegenereerde kennis" (bijvoorbeeld prompts, workflows) te delen zonder de gebruiker bloot te stellen aan stigma.
  • Waarderingsystemen: Implementeer mechanismen vergelijkbaar met open-source "kudos" of "hugs" om het delen van GenAI-artefacten positief te versterken.
  • Focus op Metacognitie: Ga verder dan eenvoudig prompt-delen om gebruikers te helpen de strategieën achter succesvolle interacties te begrijpen, waardoor dieper leren wordt bevorderd.

• Voor AI-geletterdheidskaders:

  • Geletterdheidsmodellen moeten evolueren om socio-technische competenties op te nemen, waarbij wordt erkend dat de sociale context (reputatie, identiteit, oordeel van collega's) even kritisch is als technische vaardigheid bij het bepalen hoe AI wordt geadopteerd en gebruikt.
  • De definitie van "geletterdheid" moet rekening houden met de spanning tussen individueel identiteitswerk en collectief leren.

Concluderend betoogt het artikel dat ware GenAI-geletterdheid op de werkplek niet kan worden bereikt door technische training alleen. Het vereist het aanpakken van de sociale dynamiek die werknemers ertoe drijft hun toolgebruik te verbergen, waardoor de transparantie en het collaboratieve leren worden ondermijnd die noodzakelijk zijn voor duurzame aanpassing aan snelle technologische verandering.