Algorithmic isomorphism and the barrier cascade: Evaluating human and organizational obstacles to artificial- intelligence adoption in workforce systems

In de moderne werkomgeving wordt de komst van kunstmatige intelligentie vaak behandeld als een eenvoudige upgrade, zoals het vervangen van een oude computer door een snellere. Toch voelt deze transitie voor veel organisaties minder als een soepele upgrade en meer als een struikelpartij. Het kernprobleem is niet dat de technologie niet werkt, maar dat de menselijke en organisatorische systemen eromheen niet weten hoe ze deze moeten gebruiken. Deze spanning bevindt zich op het snijvlak van managementwetenschap en psychologie, velden die bestuderen hoe mensen samenwerken en hoe leiders hen begeleiden. Wanneer een bedrijf probeert nieuwe AI-tools te adopteren, krijgt het te maken met een complex web van obstakels: werknemers kunnen stress ervaren of wantrouwig zijn tegenover de nieuwe systemen, managers kunnen de vaardigheden missen om de data te interpreteren, en de cultuur van het bedrijf kan weerstand bieden tegen verandering. Jarenlang hebben onderzoekers deze problemen één voor één opgesomd, waarbij ze deze als afzonderlijke kwesties behandelden die individueel opgelost moesten worden. Maar een nieuwe studie suggereert dat deze obstakels niet geïsoleerd zijn; ze zijn diep met elkaar verbonden en vormen een kettingreactie waarbij sommige problemen feitelijk de andere veroorzaken.

Een team van onderzoekers van de Istanbul Medipol University zette zich in om deze verborgen architectuur in kaart te brengen. Ze begonnen met het onderzoeken van de afgelopen vijfentwintig jaar aan open-access onderzoek naar hoe organisaties digitale en kunstmatige intelligentie-tools adopteren. Ze verzamelden 336 wetenschappelijke artikelen gepubliceerd tussen 2000 en 2025, een periode waarin het internet volwassen werd, big data opkwam en de recente explosie van generatieve AI plaatsvond. Door de trefwoorden en thema's in deze artikelen te analyseren, identificeerden zij vijf chronische barrières die gedurende al deze technologische tijdperken hebben voortgedurende. Deze barrières zijn: een mismatch tussen de technologie en het beschikbare talent om deze te gebruiken; een structurele en culturele inertie die organisaties in oude gewoonten houdt; psychologische en ethische weerstand vanuit werknemers; een tekort aan analytisch besluitvormingsvermogen; en een gebrek aan strategisch leiderschap en visie.

In plaats van deze vijf barrières te behandelen als een platte lijst van ongerelateerde klachten, wilden de onderzoekers begrijpen hoe zij elkaar beïnvloeden. Hiervoor stelden ze een panel van vijf experts samen, elk met een doctoraat en ten minste vijftien jaar ervaring in velden variërend van computertechniek tot gezondheidsmanagement en economie. Deze experts werden gevraagd te beoordelen in welke mate elke barrière de andere beïnvloedt. Ze overwoog bijvoorbeeld of een gebrek aan leiderschapsvisie een mismatch in vaardigheden veroorzaakt, of dat de stress van werknemers leidt tot een gebrek aan analytische instrumenten. Met een methode die ontworpen is om deze deskundige oordelen om te zetten in een heldere kaart van oorzaak en gevolg, berekende het team welke barrières de drijvers waren en welke de resultaten.

De bevindingen onthulden een duidelijke hiërarchie, of een cascade, van problemen. Helemaal bovenaan deze keten staat het gat in leiderschap en visie. De experts beoordeelden dit als de primaire drijfveer, de worteloorzaak die het hele systeem in beweging zet. Wanneer leiders er niet in slagen een duidelijke visie of de nodige strategische richting te bieden, autoriseren zij onbedoeld een vorm van adoptie die er op papier goed uitziet, maar geen inhoud heeft. De tweede grote drijfveer is structurele en culturele inertie. Dit is de weerstand die ingebouwd zit in de bestaande gewoonten en fysieke structuren van de organisatie, wat de kloof in stand houdt tussen wat het bedrijf zegt te doen en wat het daadwerkelijk in staat is te doen.

De andere drie barrières bleken de gevolgen, of de symptomen, van deze twee worteloorzaken te zijn. De mismatch tussen technologie en talent, het gebrek aan analytische besluitvorming en de psychologische stress of het ethische wantrouwen van werknemers zijn geen onafhankelijke problemen. In plaats daarvan zijn het de voorspelbare uitkomsten van een systeem waar het leiderschap heeft gefaald om de transformatie te leiden en waar de organisatiestructuur zich niet heeft aangepast. De studie vond dat de psychologische en ethische barrières, zoals angst bij werknemers of wantrouwen tegenover algoritmisch management, de meest ernstige symptomen zijn en aan het einde van de keten staan. De mismatch tussen technologie en talent bevindt zich dichter bij het midden en fungeert als een transitiepunt tussen de oorzaken en de effecten.

Deze ontdekking daagt de gebruikelijke manier uit waarop organisaties proberen AI-adoptie aan te pakken. Typisch gezien, wanneer een bedrijf ziet dat werknemers weerstand bieden tegen nieuwe tools of worstelen met data, reageert het door meer training aan te bieden, betere software te kopen of te proberen de stress te verminderen. De onderzoekers stellen dat deze inspanningen vaak verspild zijn omdat ze de symptomen behandelen in plaats van de ziekte. Als de visie van het leiderschap ontbreekt en de organisatiestructuur rigide is, zal het verbeteren van de vaardigheden of de tools slechts een tijdelijke verbetering bieden. De onderliggende oorzaken zullen uiteindelijk dezelfde problemen opnieuw genereren. De studie suggereert dat de meest effectieve weg voorwaarts is om eerst de generatieve en structurele lagen aan te pakken: leiders moeten een duidelijke visie definiëren, en de organisatie moet haar inertie doorbreken om die visie te ondersteunen. Pas dan zullen de downstream-problemen van vaardigheidstekorten, analytische tekortkomingen en de weerstand van werknemers beginnen te verdwijnen.

De onderzoekers verkenden ook een fenomeen dat zij "algoritmische isomorfie" noemen. Dit beschrijft een situatie waarin organisaties intense druk voelen om te verschijnen alsof ze kunstmatige intelligentie gebruiken, niet omdat ze erin zijn geslaagd, maar omdat het de verwachte standaard is. Omdat AI-tools gemakkelijk te signaleren zijn — via dashboards, badges of licentieaantallen — maar de werkelijke capaciteit om ze te gebruiken moeilijk te verifiëren is, kunnen bedrijven gemakkelijk een kloof creëren tussen hun publieke imago en hun werkelijke vermogen. Dit stelt hen in staat een staat van "adoptie zonder capaciteit" in stand te houden, waarbij ze eruitzien also much als ze transformeren terwijl hun personeel onvoorbereid blijft. De studie suggereert dat deze kloof breder en persistenter is in het AI-tijdperk dan bij eerdere managementtrends, omdat de signalen goedkoopkoop te simuleren zijn en de werkelijke vaardigheden moeilijker te auditeren zijn.

Uiteindelijk biedt het werk een nuchtere maar heldere routekaart voor de toekomst van werk. Het geeft aan dat de luidruchtigste en meest zichtbare barrières, zoals stress bij werknemers of een gebrek aan dataskills, eigenlijk de minst efficiënte plekken zijn om op te interveniëren. De echte hefboomwerking ligt stroomopwaarts, bij de mensen die de leiding hebben en de structuren die zij onderhouden. Door de focus te verleggen van het oplossen van de symptomen naar het transformeren van het leiderschap en de organisatiecultuur, kunnen bedrijven bewegen van een passieve staat van het consumeren van technologie naar een actieve staat van het engineeren van hun talent. Deze aanpak belooft geen magische oplossing, maar biedt een manier om te begrijpen waarom zoveel transformaties mislukken en hoe men een systeem kan bouwen waarin technologie en mensen echt samen kunnen werken.