Print-versie
Print deze pagina (of bewaar als PDF), knip de kaarten uit en je hebt je eigen set voor een teamsessie. De facilitator-notes staan achteraan. Tip: print op iets steviger papier (160 g of meer).
Facilitator-notes
Waar het gesprek heen kan per kaart. Niet voorlezen, maar gebruiken om door te vragen.
Eerlijk over AI
01. De tweede zin is de val: wie instemt erkent dat hij het zelf ook doet. Het gesprek gaat niet over of het mag, maar over de dubbele maat. Vraag door: wat is het verschil tussen wat jij doet en wat je die collega verwijt? Zit het in de mate van bewerken, in de pretentie, of houden we onszelf gewoon een uitzondering toe?
02. Geschikt om mensen letterlijk naar een kant van de kamer te laten lopen. Voorstanders: transparantie en vertrouwen. Tegenstanders: een verplicht stempel maakt AI verdacht, terwijl niemand meldt dat hij Google of een rekenmachine gebruikte. De crux is of melden vertrouwen schept of juist een schuldlabel plakt op normaal gereedschap.
03. Prikkelt het thema vertrouwen vanaf de andere kant: stiekem gebruik is zo wijdverbreid dat ontkenning ongeloofwaardig wordt. Legt bloot dat onuitgesproken normen een cultuur van kleine leugentjes maken. Vraag: als 'niemand zegt het maar iedereen doet het' de norm is, wie durft dan nog eerlijk te zijn over de grens van zijn eigen kunnen?
04. Verschuift van interne collegialiteit naar de buitenwereld, waar geld en verwachtingen meespelen. Zwijgen is juridisch vaak prima, maar voelt het eerlijk als de klant denkt maatwerk te kopen? Onderscheid: betaalt iemand voor jouw uren, jouw oordeel, of voor een werkend resultaat? Daar hangt het antwoord aan.
05. De ijkcasus. Dwingt onderscheid tussen 'met AI' (waar precies?) en de kern: een stage gaat om leren, niet om output. Gaat het je om het AI-gebruik, om de ontkenning (de echte vertrouwensbreuk), of om wat de stagiair hier niet leert? Het ongemak: je gebruikt zelf waarschijnlijk ook AI, dus waar haal je het recht vandaan om streng te zijn?
06. Voegt machtsverhouding toe aan de transparantievraag. Dezelfde gedraging die bij een stagiair 'fout' heet, blijft bij een baas vaak onbesproken. Legt bloot dat onze eerlijkheidsnormen meebewegen met hierarchie. Vraag: geldt 'eerlijk over AI' alleen omhoog en zijwaarts, of ook als het je iets kan kosten?
07. De kern: respecteer je de autonomie van de klant over iets wat hij niet kan controleren, of je eigen oordeel over kwaliteit? 'Hij ziet het verschil toch niet' is precies het argument dat vertrouwen sloopt. Onderscheid: verbiedt hij een gereedschap, of koopt hij de zekerheid van mensenhanden? En als je zijn nee omzeilt zonder dat hij het merkt, voor wie doe je dat dan eigenlijk?
08. Vraagt naar een echt moment in plaats van een principe, en houdt het strak op het thema: niet wat je niet WILT maken (dat is mens-8), maar waar je de schijn van eigen werk hebt opgehouden terwijl het schuurde. Let op het verschil tussen 'iedereen doet dit' en oprecht ongemak achteraf. De plek waar iemand het toch deed verraadt waar zijn eerlijkheidsgrens in de praktijk ligt, niet in theorie.
09. Draait het thema om: niet 'wanneer stoorde het zwijgen van een ander', maar 'waar ligt mijn eigen grens tussen normaal gereedschap en misleiding'. Dwingt mensen twee concrete gevallen naast elkaar te leggen, waardoor het criterium zichtbaar wordt in plaats van het oordeel. Vraag door wat het verschil maakt: gaat het om wat de ander verwacht, om wat hij ervoor betaalt, of om hoe persoonlijk het is.
Werk & productiviteit
10. Tijdwinst verdampt vaak in meer output in plaats van meer ruimte. Wie het eens is, voelt de tredmolen; wie het oneens is, heeft die ruimte teruggepakt of doet bewust minder. Trek het naar de kern: van wie is de bespaarde tijd eigenlijk, van jou of van de organisatie? En wie het oneens is: hoe lukt het je om die ruimte vast te houden?
11. De toevoeging 'ook als de ontvanger het merkt' haalt de open deur eruit. Voor een standaard bevestiging boeit het niemand; bij een collega of klant kan een gladde, onpersoonlijke mail de relatie net beschadigen. De spanning: koop je efficiency met een beetje vertrouwen of warmte, en wanneer is die prijs het waard? Laat het team een geval noemen waarin het wel en waarin het niet kon.
12. Benoemt schijnproductiviteit: langere mails, uitgebreidere verslagen, meer documenten omdat het kan. De spanning: voelt het team dit ook, of vindt men dat de output echt beter is geworden? Vraag door naar iets concreets dat nu bestaat puur omdat AI het makkelijk maakte, en of iemand het zou missen als het weg was.
13. Prikkelt omdat de tool juist als handig wordt verkocht. Spanning tussen aanwezigheid en gemak: als de AI toch alles vastlegt, waarom nog scherp luisteren? Een minderheid vindt dat juist bevrijdend: meer ruimte om mee te denken. Trek het naar de vraag wat een vergadering oplevert behalve een verslag.
14. Raakt de onuitgesproken norm dat 'druk en zichtbaar bezig' gelijkstaat aan waardevol. Wie het eens is, voelt de prestatiedruk toenemen nu het makkelijke werk weg is; wie het oneens is, ziet juist ruimte voor denken, overleg en herstel. De crux: als AI de vulling weghaalt, durven we dan een dag zonder zichtbare output nog goed te noemen, of jaagt het ons naar meer? Vraag wat een 'goede werkdag' eigenlijk is geworden.
15. Dwingt een keuze tussen output belonen en het ongemak serieus nemen. Onder de oppervlakte: bestaat er een onuitgesproken norm over hoeveel inspanning werk hoort te kosten? En wat doet dit met de eerlijkheid van beoordelingen en werkdruk? Geen schoon antwoord: je kunt niet tegelijk de snelheid vieren en de twijfel wegwuiven.
16. Dwingt te kiezen tussen het eerlijke, genuanceerde antwoord en het verwachte succesverhaal. Onder de druk om AI als winst te presenteren verdwijnt vaak de waarheid dat het soms trager is. De crux: durft het team de kosten van AI hardop te benoemen, of houdt iedereen het rooskleurige verhaal in stand?
17. Verschuift van onschuldige gewoonte naar de ongemakkelijke vraag of er stilletjes een vaardigheid is weggelekt. De winst zit in de eerlijkheid: durft iemand toe te geven dat hij het zonder AI niet meer dunnetjes overdoet? Vraag door of dat erg is. Soms niet (je doet het toch nooit meer zelf), soms wel (het is je vak of je controlevermogen). Laat het verschil benoemen.
18. Maakt de abstracte tijdwinst eindelijk concreet en persoonlijk, zonder de stelling van werk-1 te herhalen. De antwoorden verraden de echte cultuur: ging het naar meer output, naar de organisatie, of durfde iemand het voor zichzelf te houden (eerder weg, een wandeling, denkruimte)? Let op wie zich verontschuldigt voor 'tijd voor jezelf'. Daar zit de onuitgesproken norm. Vraag door of iemand die keuze bewust maakte of dat de tijd gewoon volliep.
Leren & vakmanschap
19. Ongemakkelijke zelfonthulling. Onderscheid gezond uitbesteden van een sluipende afhankelijkheid. De crux: leunen op AI wordt pas riskant op het moment dat je een fout niet meer zelf herkent. Vraag wanneer iemand voor het laatst echt controleerde of het antwoord klopte.
20. Bewust dubbel: een serieuze minderheid vindt dit het romantiseren van inefficientie. Laat het gesprek gaan over wanneer worstelen blijft hangen en wanneer het puur tijdverlies is. Geldt dit voor alles, of alleen voor wat je nog moet leren?
21. Nu echt dubbel: de ene kant vindt dat kwaliteit doorslaggevend is en de rest sentiment, de andere kant houdt vol dat er taken zijn (een beoordeling, een ontslag, een eindverantwoordelijkheid) waar de menselijke hand het punt zelf is, los van kwaliteit. Dwing mensen een concrete taak te noemen en te zeggen voor wie het 'moet': de klant, de organisatie, of hun eigen vak in de vingers houden. De crux: verdedig je een principe, of een gewoonte die toevallig nog niet is ingehaald?
22. Splijtend: de ene kant vindt alleen het resultaat tellen, de andere vindt het pad (begrip, eigenaarschap, controleerbaarheid) wel degelijk relevant. Trek het uit elkaar: maakt het je niet uit bij een eindproduct, maar wel bij iemand die nog moet groeien, of bij werk dat jij mede moet kunnen uitleggen en verantwoorden?
23. Als de output goed is, wat is het probleem dan precies? Dwingt tot de vraag of je verantwoordelijk bent voor zijn ontwikkeling of alleen voor het resultaat. Wat gebeurt er als de AI er straks even niet is, of als hij doorgroeit naar werk waar hij die basis wel nodig heeft?
24. Het leer-versus-leveren-conflict, nu acuut. Bestaat er een tussenweg (AI doet het, jij leert ervan na), of is dat een illusie omdat je onder druk toch alleen kopieert? Wie draagt de kosten van jouw leren: jij, het team, de klant?
25. Verschuift weg van 'mag iemand AI weigeren' (dat is koers-6) naar wat het team verleert als de overdracht van mens naar mens stopt. De crux: de vakman wordt niet ingehaald op kwaliteit, maar op zijn functie als bron van kennis. Vraag door: zat in dat vragen-aan-de-vakman ook iets anders dan het antwoord (context, oordeel, waarom-niet-zo)? En als die rol verdwijnt, waar leren juniors dan het vak echt, en niet alleen de truc?
26. Maakt persoonlijk en concreet welke expertise mensen blijvend van waarde achten en welke ze als achterhaald zien. Onthult vaak een generatiekloof en legt bloot wat iemand als de kern van zijn vak beschouwt versus wat toevallig bij vroeger hoorde.
27. Haalt een concreet verhaal naar boven over leren via frustratie en doorzetten. De reflectie: neemt AI alleen de frustratie weg, of ook het leren dat eraan vastzit? Test of mensen het verschil voelen tussen iets oplossen en iets snappen.
Klopt het wel?
28. De val: natuurlijk weegt jouw oordeel zwaarder als het over een mens gaat. Maar juist bij aannemen en beoordelen zit het menselijke oordeel aantoonbaar vol vooroordeel, en een minder bevooroordeeld systeem zou dat soms moeten kunnen overrulen. De ene kant zegt: het laatste woord over een mens hoort bij een mens, punt. De andere kant zegt: vasthouden aan je gevoel terwijl je weet dat het gekleurd is, is oneerlijk tegenover de kandidaat. Vraag door: voor wie is jouw onderbuik er eigenlijk, voor de ander of voor je eigen comfort?
29. De val is denken dat je natuurlijk altijd zelf verantwoordelijk bent. Maar de organisatie pusht AI en geeft niemand tijd om alles na te lopen, en dat schept de situatie. De ene kant zegt: jouw naam staat eronder, dus jij draagt het, een smoes blijft een smoes. De andere kant zegt: verantwoordelijkheid is gedeeld, je kunt niet eerst de omstandigheid creeren en dan alleen de medewerker afrekenen. Vraag door: waar houdt de schuld van de organisatie op en begint die van jou?
30. De rationele versie van 'niet meer checken', en daar zit de splijting. De ene kant rekent het koud door: bij een lage foutkans en een fout die goedkoop te herstellen is, is alles natrekken verspilde tijd, dat is geen slordigheid maar verstandig prioriteren. De andere kant zegt: je weet vooraf niet welke taak de dure uitzondering is, en zodra 'meestal goed' beleid wordt, verslapt de aandacht juist op de keren dat het telt. De crux: durf je controle echt op risico te baseren, of is 'het kost te veel' een nette naam voor gemakzucht? Vraag door: bij welke taak van jou zou die rekensom omslaan?
31. Bijna iedereen voelt dit stiekem, en juist daarom is hardop oneens zijn ongemakkelijk. De ene kant zegt: een gemiste AI-fout is een controlefout, geen domheid, en dat weegt lichter dan zelf de mist in gaan. De andere kant zegt: voor de klant of de patient maakt de herkomst niets uit, de fout staat in jouw werk met jouw naam erop, en 'de AI deed het' is precies de smoes die we niet moeten accepteren. De crux: trekt de uitkomst zich iets aan van wie hem veroorzaakte? Vraag door: zou je dit verschil ook hardop maken tegen degene die de schade opliep?
32. Geen schoon antwoord. De ene kant: 95 procent in tien minuten is precies waar AI voor is, die dag besteed je beter aan ander werk, en niemand mist die laatste procenten. De andere kant: jouw naam staat eronder, en die 3 procent is misschien net het cijfer waar een beslissing op rust. De crux: 'goed genoeg' is geen vast getal maar een keuze die je maakt, en zelden hardop. Vraag door: weet je eigenlijk waar bij dit rapport de fout zou zitten, en zou je het anders doen als het jouw geld of jouw klant was die op die 95 procent vertrouwt?
33. De aanname dat jouw gevoel eerlijker is, is precies wat hier wankelt: jouw klik met die kandidaat zit waarschijnlijk vol onbewuste voorkeur. De andere kant is even sterk: een systeem dat je niet kunt navragen mag niet het laatste woord hebben over iemands baan, en jij draagt straks de verantwoordelijkheid, niet de tool. De crux: vertrouw je een meetbaar minder bevooroordeeld oordeel dat je niet kunt navertellen, of je eigen oordeel dat je wel kunt navertellen maar dat aantoonbaar gekleurd is? Vraag door: wat zou je tegen de afgewezen kandidaat zeggen, en wat als de tool er later naast bleek te zitten?
34. De val is denken dat kwaliteit altijd voorgaat. De ene kant: jouw lat is jouw lat, niet de norm, en het team op tijd laten leveren is ook kwaliteit. De andere kant: als jij paraaf geeft op werk dat onder jouw eigen grens zit, schuift de norm stilletjes naar beneden en draag jij dat mee. De crux: een controle is niet ja of nee, maar waar je de lat legt, en die plek bepaal je vaak op gevoel onder tijdsdruk. Vraag door: leg je de lat lager omdat het echt goed genoeg is, of omdat je de confrontatie en het tijdverlies wilt vermijden? Zou je het laten passeren als jouw naam er ook onder zou staan?
35. Verschuift van het principe ('je moet controleren') naar de praktijk: waar trek jij de grens als de tijd dringt, en wanneer schoof die grens. Bijna iedereen legt de lat weleens lager dan hij zou verdedigen, en de winst zit in het hardop benoemen daarvan zonder oordeel. Let als begeleider op het verschil tussen 'het was echt goed genoeg' en het ongemak van iemand die toegeeft dat hij gokte en geluk had. Vraag door: wat maakte dat je die keer minder controleerde, tijdsdruk, vertrouwen in de tool, of dat niemand het toch zou checken? En legde je de lat erna echt hoger, of zei je dat alleen?
36. Dwingt mensen een concreet moment te kiezen waarop ze de machine boven de mens lieten gaan, in plaats van in het algemeen te zeggen dat de mens natuurlijk het laatste woord heeft. De spannende gevallen zijn die waar het terecht was: waar de AI gelijk had en de mens ernaast zat. Let op of mensen alleen verhalen vertellen waarin de AI fout zat, want dan ontwijken ze het echte ongemak. Vraag door: durf je toe te geven dat een AI weleens een beter oordeel had dan jij, en zo ja, wat doet dat met het vertrouwen in je eigen oordeel?
Onze koers
37. Echt dubbel: de ene helft herkent de FOMO en branchedruk, de andere vindt dit cynisch en ziet wel degelijk een plan. De crux is of 'koers' bij dit team een keuze is of een reflex. Vraag door: noem een AI-stap die we het afgelopen jaar zetten. Deden we dat omdat het ons werk beter maakte, of omdat we niet durfden stil te staan? En wie zou het merken als we een jaar lang niets nieuws met AI deden?
38. Verschuift van 'mijn tijd' (dat pakt werk-1 al) naar 'wiens winst'. Echt splijtend: sommigen vinden dit logisch (zo werkt loondienst nu eenmaal), anderen voelen dat ze harder produceren zonder dat er iets tegenover staat. De crux: als de opbrengst eenrichtingsverkeer is, waarom zou je dan je beste AI-trucs delen? Vraag door: wat zou een eerlijk aandeel in de winst voor jou concreet zijn, tijd, geld, rust, of zeggenschap?
39. Legt de kloof tussen enthousiastelingen en de rest bloot. Een koploper zal dit oneerlijk vinden, een achterblijver herkenbaar. Het gesprek gaat over of voorlopers het team meetrekken of juist een tweedeling creeren, en wie verantwoordelijk is om de groep bij elkaar te houden.
40. De omgekeerde FOMO: schaamte over achterblijven. Sommigen voelen die druk sterk, anderen helemaal niet. Het gesprek moet de sociale norm rond AI-gebruik blootleggen: is er stiekem een wedloop ontstaan waarin niet-gebruiken verdacht is geworden, en klopt dat beeld eigenlijk wel?
41. Anders dan koers-6 en vertrouwen-7: hier ligt de pijn niet bij melden of bij AVG, maar bij eigenbelang. Braaf zijn kost jou je beoordeling. Geen schoon antwoord: je kunt niet tegelijk de regels respecteren en niet de dupe zijn. De crux: is het echte probleem de collega, of een beleid dat de regelvolger straft en de overtreder beloont? Vraag door: zou jij overstappen op zijn aanpak, hem aangeven, of bij de leiding neerleggen dat de regel niet werkt?
42. Dwingt een echte koers-keuze op teamniveau, niet weer 'spreek ik die ene collega aan'. Snelheid van de voorhoede tegenover de groep bij elkaar houden: dezelfde tweedeling als koers-3, maar nu moet je er geld op zetten. Geen schoon antwoord: investeer je in de top dan groeit de kloof, investeer je in de basis dan rem je de koplopers. Vraag door: voor wie is dit budget er eigenlijk, en wie beslist dat nu in de praktijk?
43. Dwingt mensen voorbij de buzzwords naar een concreet beeld. Het gesprek onthult of er uberhaupt een gedeeld doel is, of dat iedereen iets anders voor ogen heeft. De verschillen in antwoorden zijn waardevoller dan de overeenkomsten: daar zit de verborgen onenigheid over de koers.
44. Maakt zichtbaar dat 'de koers' vaak helemaal niet bewust gekozen is. Het gesprek moet blootleggen of er een stuurman is of dat het team meedrijft op externe druk en toeval. Het ontbreken van een duidelijk antwoord is hier het belangrijkste inzicht.
45. Verschuift van persoonlijke naar collectieve afhankelijkheid. Het gesprek moet blootleggen hoeveel van het werk al stilzwijgend op een externe dienst rust, en of er een plan B is. Vaak blijkt dat niemand het overzicht heeft, en dat is precies het risico.
Mens & betekenis
46. Splijt de groep tussen 'het gaat om wat het met mij doet' en 'het gaat om de intentie erachter'. Vraag door: verandert je oordeel als je achteraf hoort dat het AI was? En zo ja, waarom? Dat legt bloot of we de inhoud waarderen, de menselijke moeite, of vooral de illusie van menselijkheid.
47. Nu kiest de zaal echt een kant. De ene helft zegt: het resultaat is van mij, ik heb het aangestuurd en goedgekeurd, klaar. De andere helft voelt dat trots iets met eigen worsteling te maken heeft die hier ontbreekt. Vraag door waar de grens ligt: ben je net zo trots op een door AI geschreven mail als op een idee dat je zelf bedacht? En als trots verdwijnt zodra AI het zware werk doet, wat zegt dat over waar je je eigenwaarde uit haalt?
48. Peilt baanzekerheid zonder het woord angst te gebruiken. Sommigen zeggen het laconiek ('alles verandert toch'), anderen voelen echte dreiging. Vraag door naar het verschil tussen 'mijn taken veranderen' en 'mij hebben ze niet meer nodig'. Laat mensen benoemen wat ze zouden missen, niet alleen wat ze vrezen te verliezen.
49. Raakt erkenning en aandacht op een herkenbaar moment. Sommigen vinden dat de inhoud telt, anderen voelen zich gekrenkt door een AI-bedankje. De crux: waarderen we de woorden, of de tijd en moeite die iemand erin stak? Als AI de moeite wegneemt, verdwijnt dan ook het gebaar? Vraag of iemand ooit een AI-bericht herkende en wat dat deed.
50. Efficientie botst met plezier en betekenis. Mensen voelen zich vaak schuldig om te zeggen 'maar dit vind ik nou juist leuk'. De crux: mag plezier in werk een geldig argument zijn tegen automatiseren, of moet alles wat sneller kan ook sneller? En wie bepaalt eigenlijk wat 'belangrijker' werk is?
51. Vakmanschap dat wordt ingehaald, en de pijn daarachter. De crux is niet 'wie is beter', maar: hoe ga je om met iemand wiens identiteit aan een vaardigheid hangt die nu minder telt? Gaat dit om eerlijk zijn, beschermen, of wegkijken? En wat zou jij willen dat ze tegen jou deden?
52. De aanname dat goed werk wel met AI zal zijn. De crux: het ongemak dat menselijke kwaliteit nu standaard verdacht is, en wat dat doet met trots. Gaat het je om de eer, of om iets diepers over gezien worden? Doorvragen: wat betekent 'met AI' eigenlijk, en waarom voelt het als een diskwalificatie?
53. Niet vragen wat AI niet kan, maar of je je grens durft te betalen. Door de prijs erbij te zetten (langzamer, duurder, uit de pas lopen) wordt het verschil zichtbaar tussen een echte waarde en een vrijblijvend principe. Let op wie schuift zodra het wat kost. Vraag door: is dit iets wat je vak voor jou de moeite waard maakt, of een gewoonte die je niet durft los te laten? En wat zou je tegen een baas zeggen die dat stukje wil wegautomatiseren?
54. Confronteert het cliche 'AI neemt het saaie werk, jij houdt het leuke' met de werkelijkheid. Vaak zit betekenis juist in de afwisseling, en geeft saai werk rust en houvast. De crux: is een werkdag van alleen maar 'hoogwaardig denkwerk' wel houdbaar of menselijk? Wat als het saaie deel je ademruimte was?
Spelregels
Kies een kant van de kamer
Bij een stelling: links is oneens, rechts is eens, het midden bestaat niet. Iedereen loopt fysiek naar een kant en moet kiezen. Vraag daarna eerst iemand uit de kleinste groep waarom hij daar staat. Overlopen mag, dat is juist het doel.
Eerst stil schrijven, dan delen
Bij dilemma's: laat iedereen eerst twee minuten voor zichzelf opschrijven wat hij zou doen, voordat er iemand praat. Zo committeert iedereen aan een eigen antwoord en plooien mensen zich minder naar de eerste die spreekt of naar de leidinggevende.
Speel advocaat van de duivel
Als de groep het verdacht snel eens is, wijs dan een of twee mensen aan die het tegendeel moeten verdedigen, of ze het menen of niet. Spreek vooraf af dat het een rol is, geen echte mening. Zo maak je de minderheidsstem hoorbaar.
De begeleider houdt zich op de vlakte
Leid je de sessie en zit je zelf in het team of ben je de baas? Zeg vooraf dat je je eigen mening voor je houdt tot het einde. Bij AI-gesprekken bewegen meningen mee met hierarchie. Jouw taak is doorvragen, niet gelijk krijgen.
Vraag altijd door naar het concrete voorbeeld
Een gesprek over AI verzandt snel in algemeenheden. Houd een vaste vervolgvraag bij de hand: wanneer gebeurde dat voor het laatst bij jou? Het echte inzicht zit in de concrete misser of het concrete moment, niet in het standpunt.
Sluit af met een vangst, niet met een conclusie
Een goed gesprek hoeft niet in een afspraak te eindigen. Sluit af met een rondje: wat neem je mee, of wat blijft bij je hangen? Een zin per persoon, geen discussie meer. Dwing geen consensus af waar die er niet is.
AI-gesprekskaarten · AI met Max · aimetmax.nl/kaarten