Tussen algoritme en attitude: AI-adoptie in QA vraagt leiderschap, geen technologie

Waarom falen AI-projecten in organisaties? Hoe ga je om met weerstand tegen AI? Dit zijn maar twee van de vragen die managers zich stellen. Meer dan de helft van de organisaties wereldwijd investeert vandaag actief in AI. Toch ziet slechts 6% een meetbare impact op de resultaten. De uitdaging zit zelden in de technologie maar wel in het leiderschap.

Het is geen tooling-probleem

AI-adoptie in QA wordt nog te vaak geframed als een kwestie van tooling. Maar de organisaties die er echt waarde uit halen, maken een andere beweging: zij benaderen AI als een leiderschapsvraagstuk. In QA-context bepaalt niet de technologie maar de kwaliteit van besluitvorming het succes.

De cijfers bevestigen dat beeld. Uit onderzoek van McKinsey (2025) blijkt dat 88% van de organisaties AI inzet in minstens één bedrijfsfunctie, maar slechts een derde schaalt die inzet effectief op. Tegelijk toont diezelfde studie dat de houding van het management de sterkste voorspeller van succes is, meer dan toolkeuze of budget.

Dat brengt ons meteen bij de kern: gedrag. Medewerkers kijken niet naar wat managers zeggen maar naar wat ze doen. Een CTO die AI aanprijst maar zelf nooit een tool aanraakt, stuurt een duidelijk signaal. Authentiek leiderschap in AI-context betekent: zelf experimenteren, zelf falen en dat ook zichtbaar maken.

In de praktijk vertaalt zich dat naar zichtbaar gedrag: deel publiekelijk een eigen AI-experiment dat niet werkte, zo normaliseer je falen en experimenteren. Stel vragen aan de teams over hun AI-ervaringen in plaats van enkel updates te delen. Erken en beloon early adopters niet via bonussen maar via erkenning en invloed. En creëer een intern kanaal waar AI-ervaringen laagdrempelig gedeeld worden, zonder beoordelingsdynamiek.

Toch is er een veelvoorkomende valkuil: AI positioneren als een top-down beslissing die uitgevoerd moet worden. Dat activeert precies de weerstand die je wil vermijden. Wie als manager authentiek enthousiasme toont en tegelijk ruimte maakt voor twijfel, creëert een psychologisch veilige omgeving waar adoptie organisch groeit. Een cultuur van ‘mag ik dit proberen?’ presteert structureel beter dan een cultuur van ‘dit moet nu gebruikt worden’.

De status in het Belgische testlandschap

Hoe ziet die leiderschapsuitdaging er concreet uit in een Belgische context? Veel organisaties hebben AI strategisch op de agenda gezet en experimenteren met toepassingen binnen testing, denk aan testautomatisatie en generatieve testcases. Maar een brede adoptie blijft achter. QA-teams bevinden zich in een tweestrijd: enerzijds druk om sneller en efficiënter te testen, anderzijds een sterke focus op betrouwbaarheid en risicobeperking. Dat maakt ze van nature voorzichtig.

Daar komt nog een tweede spanning bovenop. Er is in veel bedrijven een duidelijke kloof tussen management en medewerkers. Waar C-level het potentieel van AI ziet, ervaren medewerkers vaak een gebrek aan duidelijke richtlijnen, opleiding en psychologische veiligheid om te experimenteren. Het resultaat: AI blijft hangen in de Proof of Concept fase in plaats van structureel ingebed te worden in het testproces. En dat terwijl de kosten van uitstel oplopen.

Shadow AI: het stille veiligheidsrisico

Die kloof heeft nog een bijkomend gevolg dat veel managers onderschatten. Het uitblijven van strategische beslissingen en duidelijke richtlijnen leidt in veel bedrijven tot onverhoopt ‘shadow AI’-gebruik. Medewerkers grijpen naar open of persoonlijke accounts voor professionele doeleinden omdat er geen goedgekeurd alternatief beschikbaar is.

De schaal is groter dan de meeste managers beseffen. Menlo Security (2025) registreerde een stijging van 68% in shadow AI-gebruik. 57% van die gebruikers voert daarbij gevoelige data in, het is dus geen hypothetisch risico. Een minderheid van de organisaties beschikt over beleid om shadow AI te detecteren of te beheren. Een kort en overzichtelijk formeel integratieplan; welke tools zijn beschikbaar, voor wie en onder welke condities, is de eerste stap.

Meer weten over shadow AI? Lees de uitgebreide blog van SQAI Suite: shadow-ai-is-a-security-risk

Hoe AI-adoptie effectief aanpakken?

De uitdagingen zijn duidelijk maar hoe pak je het dan wél aan? Om AI-implementatie binnen QA-teams te laten werken, is een mensgerichte aanpak een vereiste. Die aanpak begint bij erkenning: adoptie vereist gedragsverandering, geen toolinstallatie.

Concreet betekent dat:

• Investeer niet alleen in technologie, maar ook in gerichte ondersteuning. Creëer veilige experimenten waar teams AI kunnen verkennen zonder directe prestatiedruk.
• Stel duidelijke use cases op die aansluiten bij de dagelijkse realiteit van testers, zodat de meerwaarde tastbaar en niet abstract blijft.
• Identificeer interne ambassadeurs: testers die intrinsiek gemotiveerd zijn om met AI te werken en anderen meenemen in hun enthousiasme.
• Beantwoord veelgestelde vragen zoals ‘zal AI mijn team vervangen?’ of ‘kunnen we de output vertrouwen?’ expliciet en transparant. Positioneer AI als versterking van menselijke expertise, niet als vervanging.
• Bouw vertrouwen via kleine, zichtbare successen: een enkelvoudige use case die werkt, overtuigt meer dan een roadmap vol beloften.
• Stel een helder AI-beleid op voor uw QA-teams: welke tools zijn goedgekeurd, door wie te gebruiken en onder welke voorwaarden. Zo voorkom je shadow AI en schep je tegelijk psychologische veiligheid om te experimenteren.
• Investeer in een objectief assessment (zoals onze Brightscan) om in kaart te brengen wat de huidige status is van AI binnen je QA-teams, waar AI de grootste impact kan hebben en hoe/wanneer te integreren in je toolset.

Organisaties die hierin slagen, creëren niet alleen snellere adoptie, maar ook duurzame waarde.

Succesvolle AI-adoptie begint bij leiderschap

De technologie is er, de tools bestaan en de business case is gemaakt. Wat er ontbreekt in de meeste QA-organisaties is niet nóg een AI-platform, maar het leiderschap dat de menselijke kant van adoptie serieus neemt. Emotionele intelligentie helpt leiders om weerstand en onzekerheid te managen en ethische afwegingen te maken. Zo sturen zij AI-initiatieven doelgericht, zonder de betrouwbaarheid van QA uit het oog te verliezen.

De vraag is dus niet of uw organisatie AI zal implementeren, de vraag is of je als management klaar bent om die adoptie te dragen.

Bronnen

1. McKinsey & Company. (2025). Superagency in the workplace: Empowering people to unlock AI’s full potential at work. McKinsey.
2. Menlo Security. (2025). 2025 Report: How AI is shaping the modern workspace. Menlo Security.