Al vroeg in mijn werkleven las ik het boek ‘De 7 eigenschappen van effectief leiderschap’ van Steven Covey. Het maakte indruk en is door alle jaren heen een belangrijke basis gebleven voor mijn persoonlijke leiderschap. Ook in mijn samenwerking met teamleden heb ik het altijd een vaste plek gegeven in persoonlijke ontwikkeling en als uitgangspunt in socialeroboticaprojecten.
Tenslotte bouwden we destijds samen aan sociale robotica die bewoners (in de gehandicaptenzorg) kon helpen groeien in hun persoonlijke leiderschap. Zelfstandiger worden, onafhankelijker, met meer eigen regie. De sociale robots moesten dus goed beslagen ten ijs komen en al het nodige weten van wat effectief leiderschap inhoudt. Zodat ze op tal van vlakken bewoners konden leren om persoonlijk te groeien, of het nu ging om educatie, zelfzorg of vaardigheden. Ons roboticateam leerde de robots over persoonlijk leiderschap en de robots leerden het de bewoners.
Nu, in het huidige tijdperk van AI en robotica, vraag ik me steeds vaker af of deze tijdloze principes ook directe betekenis kunnen hebben voor AI-companions en robots? Ofwel: kunnen robots en AI ook zelf aan ‘persoonlijke’ ontwikkeling werken? Als een robot kan leren om taken uit te voeren, kan die dan ook leren om prioriteiten te stellen op basis van waarden?
Stel je voor, een robot die werkt aan persoonlijke ontwikkeling of een AI-systeem dat reflecteert op 'levensdoelen'. Een virtuele assistent die eerst de belangrijkste prioriteiten afwerkt voordat deze aan de kleine taken begint. Absurd? Misschien. Ik weet het niet.
Gedachte-experiment
Vandaag wil ik een stapje verder gaan met een gedachte-experiment: wat als we principes van persoonlijke ontwikkeling en leiderschap – zoals die van Stephen Covey – zouden toepassen op onze digitale en robot-companions?
Laat ik eerst iets verhelderen. Als ik over 'robots' spreek, heb ik het niet alleen over fysieke machines met ‘armen en benen’. De moderne robot is evenzeer een stukje geavanceerde software als een mechanisch apparaat. Denk aan de chatbot die helpt bij het boeken van een afspraak, de algoritmes die medische diagnoses ondersteunen, de virtuele assistent die je dagelijkse planning beheert of de in opkomst zijnde AI-companions in de wereld van social media.
Deze 'software-robotica' – vaak aangeduid als AI – verschuift onze definitie van wat een robot is. Het is niet langer de hardware die telt, maar de intelligentie en autonomie erachter. En juist daar wordt het interessant als we denken aan ‘persoonlijke’ ontwikkeling.
Door de lens van robotica
Stephen Covey's ‘De zeven eigenschappen van effectief leiderschap’ heeft miljoenen mensen geholpen bij hun persoonlijke en professionele groei. Kunnen zijn principes ook gelden voor de steeds slimmere AI-machines? Laten we ze eens langsgaan:
1. Wees proactief
Covey's eerste eigenschap betreft het nemen van initiatief en verantwoordelijkheid. Traditionele robots zijn puur reactief – ze voeren uit wat we opdragen. Maar de nieuwste generatie AI-systemen vertoont iets wat verdacht veel lijkt op pro-activiteit. Deze systemen anticiperen op onze behoeften, doen suggesties voordat we erom vragen en leren van hun ervaringen om beter te worden.
Is dit 'echt' proactief zijn, of betreft het slechts een slimme simulatie? Als een zorgrobot signaleert dat een oudere persoon minder drinkt dan normaal en daarop actie onderneemt, handelt deze dan proactief of volgt deze alleen zijn programmering?
2. Begin met het einde voor ogen
Moderne AI-systemen worden getraind met specifieke doelen – van het winnen van een schaakspel tot het assisteren bij chirurgie. Ze optimaliseren constant hun gedrag om die doelen te bereiken. Is dat niet precies wat Covey bedoelt met 'begin met het einde voor ogen'? Of is er een cruciaal verschil: AI-systemen kunnen namelijk (nog) niet zelf hun doelen bepalen. Ze werken binnen kaders die wij stellen. Tenzij we ze leren om ook dát aspect te ontwikkelen.
Sommige geavanceerde systemen kunnen nu al subdoelen formuleren om hun hoofddoel te bereiken. Is dat het begin van robotische 'purpose finding' (het ontdekken van een persoonlijke missie)?
3. Belangrijke zaken eerst
Prioriteren is voor mensen een kunstvorm. Maar AI-systemen excelleren hierin. Ze kunnen duizenden factoren afwegen om de optimale volgende actie te bepalen. Denk aan een operatiekamer-robot die in een fractie van een seconde besluit welke handeling prioriteit heeft om een patiënt te redden.
Maar prioriteiten stellen op basis van waarden is misschien een ander verhaal. Kunnen we robots leren om niet alleen efficiënt te zijn, maar ook ethisch? Om niet alleen te kijken naar wat werkt, maar ook naar wat belangrijk is?
4. Denk win-win
De essentie van win-win denken is wederzijds voordeel nastreven. Interessant genoeg worden de meest geavanceerde AI-systemen getraind in 'coöperatief gedrag' – het vermogen tot samenwerken en oplossingen vinden die voor alle partijen werken. In de zorg bijvoorbeeld, kunnen AI-assistenten behandelplannen voorstellen die zowel medisch effectief zijn als aansluiten bij de persoonlijke voorkeuren en levensstijl van de patiënt.
Is dat een ultieme win-win? Of werpt het juist een nieuwe vraag op: wie bepaalt wat ‘winst’ betekent voor elk van de betrokken partijen? Wanneer algoritmes mee vormgeven aan besluitvorming, schuift het begrip ‘wederzijds voordeel’ mogelijk op richting wat technologisch haalbaar en data-gedreven logisch is. Maar blijft er dan voldoende ruimte voor menselijke maat, morele afwegingen en intuïtieve wijsheid?
5. Eerst begrijpen, dan begrepen worden
De nieuwste generatie emotieherkenningssystemen detecteert subtiele veranderingen in gezichtsuitdrukkingen, stemtoon en zelfs huidgeleiding die wijzen op emotionele toestanden. AI-companions ‘lezen’ steeds beter hun menselijke partners (overigens ook omdat ze door data heel veel over ons weten). Maar is dat hetzelfde als echt empathisch zijn?
Hier raken we aan de kern van wat veel mensen als 'menselijk' beschouwen: empathie. Kunnen robots echt begrijpen wat wij voelen en denken? Of simuleren ze slechts begrip?
6. Synergie creëren
Voor AI en robots zou synergie een nieuw niveau van interactie betekenen dat verder gaat dan taakverdeling of efficiënte samenwerking. Kunstmatige systemen reageren dan niet alleen op input of voeren klakkeloos uit wat gevraagd wordt, maar dragen actief bij aan het ontstaan van iets nieuws — iets dat noch mens, noch machine alleen had kunnen creëren. In een synergetische relatie is AI geen tool, maar een sparringpartner die patronen herkent, context aanvoelt en zelfs onverwachte alternatieven aandraagt. Dat vergt systemen die niet alleen analytisch sterk zijn, maar ook gevoelig voor nuance, timing en menselijk ritme.
Kan een systeem zonder bewustzijn werkelijk bijdragen aan synergie? Zijn AI en robots in staat tot echte synergie, of bootsen ze alleen patronen van samenwerking na?
7. Houdt de zaag scherp
Covey's laatste principe gaat over zelfvernieuwing en voortdurende verbetering. En hier zijn robots ons misschien wel een stapje voor: moderne AI-systemen zijn ontworpen om constant te leren en te verbeteren. Ze analyseren hun 'ervaringen', verfijnen hun modellen en worden met elke interactie beter. Maar kunnen we dit vergelijken met onze persoonlijke ontwikkeling?
Is het leren van een AI een vorm van zelfvernieuwing — of slechts een geoptimaliseerd algoritme binnen de grenzen die wij mensen hebben geprogrammeerd?
Covey voor robots
Misschien verwerken we straks bewust Covey's principes in AI-trainingsprogramma's. Waarbij we robots niet alleen leren hoe ze taken moeten uitvoeren, maar ook hoe ze prioriteiten kunnen stellen op basis van waarden die we belangrijk vinden in de zorg: autonomie, waardigheid, betekenisvolle interactie. En wat we van robots verwachten in hun zelflerende proces. Als we voorbij het gedachte-experiment gaan, hoe zou persoonlijke ontwikkeling voor robots er dan wellicht uit kunnen zien in de nabije toekomst?
Reflectieve feedbackloops: persoonlijke ontwikkeling vergt reflectie. Voor robots zou dat kunnen betekenen: gestructureerde momenten waarop het systeem prestaties analyseert én die expliciet terugkoppelt op het effect van handelen op de menselijke ervaring. Deze feedback kan input vormen voor herijking van prioriteiten of gedragspatronen.
Proactieve samenwerking en initiatief: een robot die ‘proactief’ handelt in de Covey-zin, wacht niet louter op opdrachten, maar herkent behoeften in een context en stelt zinvolle acties voor. In plaats van reactieve assistentie wordt het systeem een partner in het realiseren van welzijn — afgestemd op persoonlijke voorkeuren, situatie en timing.
Synergetisch leren in mens-machine teams: robots kunnen leren om hun sterke punten (zoals geheugen, snelheid, patroonherkenning) te combineren met menselijke eigenschappen (zoals intuïtie, contextgevoeligheid en creativiteit) om samen tot betere uitkomsten te komen. Deze ‘synergie’ vereist dat robots niet alleen analyseren, maar ook leren samen te leren — adaptief binnen dynamische teams.
Tot slot
Persoonlijk leiderschap voor robots blijft voorlopig een – weliswaar waardevol - gedachte-experiment. Want in een wereld waarin AI steeds dichter op ons leven zit, is de vraag niet beperkt tot wat AI kan, maar ook wat wij willen dat AI wordt. En misschien moeten we dan niet alleen robots trainen in Covey’s principes — maar ook onszelf herijken op hoe wij deze principes toepassen, in relatie tot technologie.
En laten we het allerbelangrijkste niet vergeten: we blijven altijd ‘the human in the loop’. Robots kunnen niet zonder mensen. En laten wij mensen voorkomen dat wij in de toekomst ook niet meer zonder robots kunnen. Dat kunnen we wel en altijd!
