Menswaardige AI

Waar gaat dit boek over?

Menswaardige AI is een bestuurlijke gids voor leiders die AI serieus willen inzetten zonder de menselijke maat te verliezen. Patrick Petersen en Rik Vera weigeren de gebruikelijke tweedeling van AI-boeken, aan de ene kant utopische beloften over productiviteit, aan de andere kant apocalyptische waarschuwingen over baanverlies en dystopie. In plaats daarvan behandelen ze AI als wat het in werkelijkheid is: een krachtig hulpmiddel dat de kwaliteit van beslissingen versterkt zolang mensen die beslissingen nemen, en die de kwaliteit ondermijnt zodra beslissingen ongemerkt naar systemen weglekken.

De centrale stelling: de echte AI-uitdaging is geen technologisch vraagstuk, maar een leiderschapsvraag. Wie de kaders niet zelf zet, krijgt ze aangereikt door leveranciers, wetgevers of concurrenten. Het boek geeft leiders twee praktische denkkaders om die kaders wél zelf te vormen: het 5C AI-leiderschapsmodel voor de bestuurlijke houding, en de Menskompas-methode voor de praktische inrichting.

De doelgroep is expliciet breed: bestuurders, directeuren, managers, beleidsmakers, HR-professionals en innovatiemanagers. Niet omdat het boek voor iedereen hetzelfde te bieden heeft, maar omdat de auteurs stellen dat AI-beleid een gezamenlijke verantwoordelijkheid is die stukloopt zodra één laag het delegeert.

Over de auteurs

Patrick Petersen is een Nederlandse AI- en marketingspecialist met meer dan twintig gepubliceerde boeken over digital, AI-marketing en business automation. Als oprichter van AtMost adviseert hij organisaties over de commerciële en organisatorische toepassing van AI. Hij doceert aan Nyenrode Business University, Beeckestijn Business School en EURib, en werd door Meltwater uitgeroepen tot de nummer één content marketer van Nederland. Petersen brengt in dit boek de praktijk van tien jaar AI-adoptie in Nederlandse organisaties in.

Rik Vera is een Belgische futuroloog, businessfilosoof en keynote speaker met ruim 1500 keynotes in 62 landen. Hij is bekend van Managers the Day After Tomorrow en The Guide to the Ecosystem Economy, en spreekt en schrijft over ecosysteem-economieën, klantgerichtheid, digitale innovatie en leiderschap in exponentiële tijden. Vera brengt een breder internationaal referentiekader en de talent om technologische trends in beeldende metaforen te vangen.

Die combinatie, een Nederlandse martech-praktijkman en een Belgische futuroloog, verklaart de tweeledigheid van het boek: enerzijds direct toepasbaar (wat je maandag in je MT kunt uittekenen), anderzijds strategisch-cultureel (waar het over vijf jaar over gaat). Dat werkt de meeste tijd; op enkele plekken botsen de registers en voelt het boek wat wisselvallig.

Waarom nu dit boek?

De AI-managementliteratuur is de afgelopen drie jaar geëxplodeerd. In 2024 verscheen Ethan Mollick's Co-Intelligence dat de individuele professional adresseert. In 2025 volgden titels als Leidinggeven met AI (Merks-Benjaminsen) en Werk hand in hand met AI (Derksen) die de teamlaag aansnijden. Wat ontbrak was een Nederlandstalig werk dat AI expliciet op het niveau van de bestuurstafel behandelt: governance, cultuur, ethische praktijk, herontwerp van werk, en de zeggenschapsvraag "wie beslist wat we aan systemen overlaten?".

Bovendien: de generatie AI-toepassingen van 2026 verschilt wezenlijk van die uit 2023. Waar ChatGPT-achtige interfaces primair op individuele productiviteit stuurden, zijn we inmiddels in het tijdperk van AI-agents: systemen die zelfstandig taken uitvoeren, beslissingen nemen, en met andere systemen interacteren. Dat verplaatst de vraag van "welke tool geven we ons personeel?" naar "welke autonomie geven we aan een systeem in ons proces?". Die vraag hoort op het bord van de bestuurder, niet van de AI-enthousiast in het team.

Het 5C AI-leiderschapsmodel uitgewerkt

Het bekendste model uit het boek is de vijf competenties die elke AI-verantwoordelijke leider zou moeten cultiveren. Petersen en Vera benadrukken herhaaldelijk dat het geen checklist is maar een set: elke C zonder de andere vier leidt tot vertekening.

1. Competence, AI-geletterdheid als bestuurlijke basisvaardigheid

Competence gaat niet over kunnen programmeren of een neuraal netwerk kunnen bouwen. Het gaat over de basisintuïtie: begrijpen hoe een taalmodel werkt, wat een agent wel en niet kan, waar hallucinaties vandaan komen, hoe biases in modellen sluipen. Zonder die intuïtie neem je beslissingen op basis van marketingmateriaal van leveranciers, en dat is geen strategie.

Concreet betekent dat: elke bestuurder besteedt jaarlijks een aantal dagen aan hands-on werken met AI-systemen. Niet één demo, maar een periode van gebruik in eigen dossiers. Petersen en Vera benoemen dit expliciet als plicht, niet optie.

2. Curiosity, nieuwsgierigheid als cultuurdrager

De reflex van veel organisaties op AI is angst: banen, controle, gezicht. Dat leidt tot restrictief beleid en verborgen gebruik (medewerkers gebruiken tools stiekem). Curiosity als cultuurwaarde draait dat om: AI wordt onderdeel van experimenteerruimte, van collegiaal leren, van een cultuur waarin "ik heb dit uitgeprobeerd" een compliment is in plaats van een risico.

Praktisch: hoe reageert jouw MT als een medewerker in een vergadering laat zien dat hij een presentatie samen met AI heeft opgebouwd? Bewondering, argwaan, of neutrale nieuwsgierigheid? Het antwoord voorspelt hoe de rest van je organisatie de komende twee jaar met AI omgaat.

3. Clarity, heldere kaders in plaats van vage instructies

Waarschijnlijk het meest bruikbare deel van het model. Veel organisaties opereren met AI-beleid dat zich beperkt tot "wees voorzichtig". Dat is geen kader, dat is een risicoverschuiving naar de individuele medewerker. Clarity vraagt om expliciete keuzes:

• Welke data mag wel/niet in externe AI-systemen?
• Welke besluiten mogen we ondersteunen met AI, welke moet altijd een mens nemen?
• Welke transparantie naar klanten of medewerkers is verplicht als AI in het proces zit?
• Wie is aanspreekbaar als een AI-beslissing fout uitpakt?
• Welke resultaten verwachten we, en wanneer trekken we een pilot terug?

Het punt: iedereen weet waar hij aan toe is, en de reflex is niet "mag dit?" maar "hoe doe ik dit binnen de kaders?". Dat versnelt adoptie en verlaagt tegelijk het risico.

4. Care, zorg voor de mens in het systeem

Care is de tegenkracht tegen technocratische AI-implementaties waarin efficiency wint en menselijke maat verliest. Petersen en Vera geven voorbeelden die je in praktijk herkent: klantenservice waar de wachttijd omlaag ging maar de eerste-oplossing-ratio insakte, HR-processen waar het kandidaatgevoel verdampte, medisch werk waar administratieve verlichting toenam maar het patient-contact korter werd.

Care vraagt van leiders om systematisch de vraag te stellen: wat gebeurt er met de mens in dit systeem? Dat is de patiënt, de klant, de medewerker die het systeem bedient, én de professional wiens werk verandert. Care is niet zacht: het is de sleutel om AI-implementaties duurzaam te maken in plaats van in te storten na verzet.

5. Courage, moed om te stoppen wat niet werkt

De vergeten C. In een organisatie die veel geïnvesteerd heeft in een AI-implementatie zit een sterke prikkel om vol te houden, ook als de resultaten tegenvallen. Courage betekent dat leiders bereid zijn om een gefaalde pilot open te benoemen en te stoppen, of om een groot programma te heroverwegen als de menselijke kosten te hoog blijken.

Ook: moed om nee te zeggen tegen leveranciers die met FOMO-argumenten pushen. En moed om, als het waarde toevoegt, wél sterke keuzes te maken waar de organisatie nog niet klaar voor voelt. Courage bindt de andere vier C's aan concrete besluiten.

De Menskompas-methode uitgewerkt

Waar het 5C-model gaat over de houding van de leider, gaat de Menskompas-methode over de manier waarop je AI-toepassingen in je organisatie inricht. Vijf stappen die je op elke AI-implementatie kunt loslaten, van chatbot tot agentische workflow.

Stap 1, Ontwerpen: welke rol krijgt AI?

Voordat je een tool selecteert of een pilot start, benoem je de rol. Vier archetypen zijn bruikbaar:

• Assistent, ondersteunt een mens in zijn werk (redactie, samenvatten, ideeën genereren)
• Adviseur, geeft aanbevelingen die een mens beoordeelt (risico-scores, prijsvoorstellen)
• Uitvoerder, doet zelfstandig werk binnen kaders (mails beantwoorden, agent-flows)
• Beslisser, neemt een beslissing die direct effect heeft (fraude-blokkade, contentmoderatie)

Hoe verder naar rechts, hoe zwaarder de governance moet zijn. Menswaardige AI stelt dat organisaties bij "assistent" mogen experimenteren, bij "adviseur" moeten reflecteren, bij "uitvoerder" moeten valideren en bij "beslisser" alleen mogen kiezen na expliciete bestuurlijke goedkeuring en periodieke audit.

Stap 2, Inrichten: welke waarborgen?

Nu de rol vastligt, richt je waarborgen in. De belangrijkste categorieën:

• Datawaarborgen, wat mag in, wat niet, hoe wordt gelogd?
• Rolwaarborgen, wie is eigenaar, wie is aanspreekbaar?
• Transparantie, weten betrokkenen dat AI in dit proces zit?
• Terugtrek-optie, kunnen we dit terugdraaien als het misgaat?
• Menselijke checks, welke stappen blijven altijd door een mens gedaan?

Het rijmpje dat de auteurs gebruiken: geen implementatie zonder afwijzingsplan. Als je niet weet hoe je dit terug kunt draaien, ben je er niet klaar voor.

Stap 3, Toepassen: gefaseerd in de praktijk

De klassieke fout is de pilot-die-nooit-eindigt: eeuwige experimenteerbudgetten zonder besluit tot opschaling of stoppen. De Menskompas-methode dwingt discrete fasen af: kleine test, evaluatie tegen indicatoren, opschaling of terugtrekking. Op vaste momenten, met vaste beslissers.

Stap 4, Evalueren: mét menselijke indicatoren

Hier ligt het scherpste punt van het boek. De meeste AI-evaluaties meten efficiency, throughput, kosten en snelheid. Menswaardige AI stelt dat je daar minstens vier menselijke indicatoren naast moet leggen:

• Vertrouwen, van klanten, medewerkers, samenleving
• Autonomie, houden de betrokken professionals hun vakmatige regie?
• Ontwikkeling, worden mensen door AI beter of vlakker?
• Gezondheid, mentale belasting, werkplezier, ziekteverzuim

Wat niet wordt gemeten, verdwijnt uit het gesprek. Wie alleen productiviteit meet, kan een AI-implementatie een succes noemen die tegelijkertijd een team uitholt.

Stap 5, Bijstellen: als vast onderdeel van de cyclus

AI-systemen veranderen, wetgeving verandert, context verandert. Bijstellen is geen incidenteel repareren, maar een ingebouwd ritme. Petersen en Vera adviseren minimaal een halfjaarlijkse review op elke ingerichte AI-toepassing, met de vraag: past dit systeem nog bij de rol die we het hebben gegeven, en bij de organisatie die we willen zijn?

Vier scenario's: hoe het boek in de praktijk werkt

Scenario 1: AI-agents in de klantenservice

Je overweegt om customer service voor eenvoudige vragen volledig over te laten aan een AI-agent. Efficiency-winst is aantrekkelijk, maar je team is nerveus.

De klassieke aanpak. Je selecteert een leverancier, koopt licenties, laat de agent live gaan voor "simpele vragen" en meet ticket-throughput. Na drie maanden juich je: 40% minder tickets bij mensen. Na zes maanden ontdek je dat de eerste-oplossings-ratio is gedaald, dat complexe vragen nu opgestapeld bij een uitgehold team liggen, en dat je NPS is gezakt.

De Menswaardige-AI-aanpak. Je begint met de rol: uitvoerder, dus zware governance. Je definieert welke vragen wél/niet naar de agent gaan, en bouwt in dat de agent altijd een mens kan bereiken. Je meet naast throughput ook vertrouwen (klant-NPS), autonomie (voelt het team dat het complex werk krijgt of dumping?), ontwikkeling (leren mensen nog nieuwe dingen?) en gezondheid (werkplezier, ziekteverzuim). Je fase-gewijs opschalen bindt uitbreiding aan die indicatoren, en je hebt een expliciete terugtrek-optie ingebouwd.

Uitkomst: minder spectaculaire efficiency-winst op korte termijn, maar duurzamer en met behoud van team.

Scenario 2: AI-ondersteuning in HR-selectie

Je HR-directeur wil een AI-tool inzetten die cv's screent op geschiktheid, om de doorlooptijd van sollicitaties te halveren.

De klassieke aanpak. Je koopt de tool, laat hem los op de sollicitaties en meet doorlooptijd. Het gaat goed, tot een sollicitant om uitleg vraagt over een afwijzing en niemand precies weet hoe die tot stand kwam.

De Menswaardige-AI-aanpak. Je begint bij de rol: hier absoluut geen "beslisser", maar hooguit "adviseur". De AI mag geen sollicitanten afwijzen, alleen ranken of markeren voor menselijke aandacht. Alle beslissingen blijven bij mensen, en de logging maakt uitlegbaar waarom een cv hoger of lager scoorde.

Care-vraag: wat betekent dit voor sollicitanten? Je maakt transparant dat AI in het proces zit. Courage-vraag: als de tool bias vertoont in bepaalde groepen, ben je bereid hem terug te trekken? Je meet niet alleen doorlooptijd, maar ook diversiteit van shortlists en sollicitantvertrouwen.

Scenario 3: AI-copilot voor kenniswerkers

Je rolt Microsoft Copilot of een vergelijkbare AI-assistent uit voor je hele kantoororganisatie. Iedereen krijgt een licentie, en je verwacht productiviteitswinst.

De klassieke aanpak. Licenties, een introductie-webinar, en verder afwachten. Na een jaar blijkt dat 20% van de gebruikers de tool intensief gebruikt, 30% incidenteel, 50% helemaal niet. Van de intensieve gebruikers heeft een deel de kwaliteit van hun eigen werk zien afnemen, en niemand kan precies zeggen waar de winst zit.

De Menswaardige-AI-aanpak. Rol: assistent, dus lichte governance maar wel gerichte inzet. Je bouwt use-case-cohorten (finance, marketing, HR) met concrete werkscenario's per groep. Je meet naast productiviteit ook de ontwikkelings-C: worden mensen scherper of vlakker? Je organiseert kwartaalgesprekken waarin teams delen wat werkt en wat afglijdt. En je durft na een jaar te concluderen dat sommige rollen weinig baat hebben en anders geïnvesteerd zou moeten worden.

Scenario 4: AI-agents die zelfstandig data-analyses draaien

Je datateam wil AI-agents inzetten die zelfstandig analyses draaien op verzoek van businessgebruikers.

De klassieke aanpak. De agents worden gebouwd, gebruikers vragen ze inderdaad om alles, en na negen maanden zijn er twee incidenten geweest waarin een agent verkeerde conclusies presenteerde die tot foute besluiten leidden.

De Menswaardige-AI-aanpak. Rol: uitvoerder tot adviseur. Agents mogen data verkennen en analyses genereren, maar elke analyse die naar een besluit gaat, wordt door een menselijke data-analist gecheckt. Transparantie ingebouwd (elke output vermeldt welke agent, welke data, welke methode). Terugtrek-optie helder (bij twee onterechte conclusies binnen een kwartaal wordt de agent gestopt).

Care-vraag: verliezen datamensen hun ambacht? De organisatie besluit dat junior analisten hun trainingsjaren houden zonder agent-ondersteuning, zodat de vakinhoud niet uitsterft in de eerste generatie post-AI.

De vergeten gesprekken: waar leiderschap zich echt afspeelt

Een van de scherpste secties van het boek gaat over wat de auteurs "de vergeten gesprekken" noemen. Officieel AI-beleid komt tot stand in nota's, adviestrajecten en beleidsdocumenten. Menswaardige AI wordt gemaakt in korte, ogenschijnlijk terloopse gesprekken, en juist die worden vaak overgeslagen.

Vier gesprekken die volgens Petersen en Vera in élke organisatie horen te worden gevoerd:

1. Het "moeten we dit automatiseren?"-gesprek. Niet "kunnen we?", maar "moeten we?". De vraag stelt zichzelf niet, en dus verdwijnt hij als iemand hem niet stelt. Dit gesprek hoort thuis in het MT als een AI-toepassing op tafel komt, en het antwoord mag "nee" zijn, ook als het kán.

2. Het "wat verliezen we als het werkt?"-gesprek. Elke geslaagde AI-implementatie kost iets. Vaak stilzwijgende kennis, informele contacten, ambachtelijke oefening voor jonge medewerkers. Als je vooraf niet benoemt wat je verliest, kun je later niet compenseren.

3. Het "wie beslist wat we aan systemen overlaten?"-gesprek. In veel organisaties gebeurt dat sluipenderwijs: een team probeert iets, het werkt, de rest volgt, en drie jaar later is een half proces aan AI overgedragen zonder dat één bestuurder daar bewust ja tegen gezegd heeft. De vraag "wie beslist?" hoort expliciet.

4. Het "hoe gaan we hierover praten met elkaar?"-gesprek. AI-gebruik ligt in veel teams onder een deksel van schaamte, angst of geheimhouding. Sommigen gebruiken het intensief en zwijgen erover uit angst voor concurrentie op de arbeidsmarkt; anderen weigeren het uit principe. Een cultuur waarin openlijk gedeeld wordt wat werkt en wat niet, ontstaat niet vanzelf. Die moet actief worden ingericht.

De zeven meest gemaakte fouten die dit boek voorkomt

1. AI-beleid delegeren aan IT of een innovatie-team waardoor het loskomt van strategie en cultuur.
2. AI-tools invoeren zonder werk te herontwerpen, met als gevolg dubbele kosten en weerstand zonder de baten.
3. Governance formuleren als lijst met verboden in plaats van als kader voor verantwoord gebruik, waardoor gebruik ondergronds gaat.
4. Alleen efficiency meten, waardoor het effect op vertrouwen, autonomie en ontwikkeling onzichtbaar blijft.
5. Pilots die eeuwig duren, zonder discrete opschaal- of stopbesluiten.
6. Bestuurders die AI-ervaring uitbesteden, waardoor ze de kaders die ze moeten zetten niet begrijpen.
7. Ethiek behandelen als eenmalige policy, in plaats van als dagelijkse gespreksdiscipline.

Elk van deze fouten kost in een middelgrote organisatie honderdduizenden euro's en jaren aan geloofwaardigheid. Het boek werkt als vaccinatie tegen alle zeven tegelijk.

Pas dit boek toe met AI: drie prompts voor jouw AI-governance

De ironie is niet ontgaan aan de auteurs: een boek over verantwoord AI-gebruik lees je logisch met AI erbij. Drie promptsjablonen die je direct kunt inzetten om de kaders uit Menswaardige AI op jouw organisatie toe te passen.

Prompt 1, 5C-scan van je organisatie

Je bent een bestuurlijk adviseur die het 5C AI-leiderschapsmodel
(Competence, Curiosity, Clarity, Care, Courage) uit Menswaardige AI
gebruikt.

Beschrijving van mijn organisatie:
[type organisatie, sector, grootte, huidige stand AI-gebruik]

Doe voor elk van de vijf C's:
1. Een korte diagnose: waar staat mijn organisatie waarschijnlijk?
2. Twee concrete signalen die ik kan checken om die diagnose te toetsen
3. Één interventie die ik binnen 90 dagen kan starten om die C te
   versterken

Sluit af met een prioritering: welke C moet ik als eerste aanpakken
en waarom, gegeven mijn context?

Prompt 2, Menskompas-doorloop voor een specifieke AI-toepassing

Ik overweeg om [beschrijf AI-toepassing] in te zetten voor
[beschrijf proces of doelgroep]. Voer met mij de Menskompas-methode
door:

1. Ontwerpen: welke rol krijgt AI hier (assistent, adviseur,
   uitvoerder, beslisser) en waarom past die?
2. Inrichten: welke waarborgen zijn hier passend (data, rol,
   transparantie, terugtrek, menselijke checks)?
3. Toepassen: welke gefaseerde aanpak past bij deze scope?
4. Evalueren: welke indicatoren meet ik, inclusief minimaal
   vertrouwen, autonomie, ontwikkeling en gezondheid?
5. Bijstellen: welke frequentie en welke vragen horen bij mijn
   halfjaarlijkse review?

Wees kritisch: benoem tenminste twee risico's die ik nu nog niet
overzie.

Prompt 3, De vier vergeten gesprekken voorbereiden

Ik ga in mijn MT de vier gesprekken uit Menswaardige AI voeren over
onze plannen met [beschrijf AI-initiatief]:

1. Moeten we dit automatiseren?
2. Wat verliezen we als het werkt?
3. Wie beslist wat we aan systemen overlaten?
4. Hoe gaan we hier met elkaar over praten?

Bereid voor elk gesprek voor:
- Drie kernvragen die ik als voorzitter kan stellen
- Twee valkuilen die typisch een MT-gesprek dit onderwerp doen
  verzanden
- Één beslissing die aan het einde van elk gesprek concreet zou
  moeten liggen

Vergelijking met andere AI-managementboeken

De AI-managementplank is inmiddels vol. Menswaardige AI is geen unicum, en het is nuttig te weten wanneer je andere titels erbij pakt.

Co-Intelligence, Ethan Mollick

Mollick's boek is het klassieke werk voor de individuele kenniswerker die met AI wil werken. Het geeft je vier principes (roep AI erbij, wees de mens in de loop, behandel AI als een collega, ga ervan uit dat de huidige AI de slechtste is die je ooit zult gebruiken) en veel praktijkvoorbeelden. Waar Mollick het individu adresseert, adresseren Petersen en Vera de organisatie. Ideale combinatie: iedereen leest Mollick, het bestuur leest Menswaardige AI.

Leidinggeven met AI, Joris Merks-Benjaminsen

Merks-Benjaminsen zoomt in op de teamlaag: hoe gebruik je AI als sparringpartner én bouw je tegelijkertijd sterkere teams? Meer praktijk-gericht op leidinggevende situaties, minder op governance-vraagstukken. Vult Menswaardige AI goed aan voor teammanagers.

Werk hand in hand met AI, Marco Derksen

Nederlandse titel met veel aandacht voor werkinrichting en teamdynamiek in AI-transities. Nuttig naast Menswaardige AI voor wie de HR-implicaties diep wil doordenken.

Doeltreffend met AI-agents, Piet Hein Bogaards

Focus op de agent-generatie van AI: hoe zet je autonoom werkende systemen effectief in? Praktischer en technischer dan Menswaardige AI. Menswaardige AI geeft de bestuurlijke kaders waarbinnen Bogaards' agent-implementaties zich horen te bewegen.

De komende golf, Mustafa Suleyman

Suleyman geeft het macro-perspectief: wat betekent AI voor samenleving, geopolitiek en veiligheid? Menswaardige AI gebruikt dat perspectief impliciet als achtergrond, maar zoomt in op wat een bestuurder morgen moet doen. Suleyman voor het waarom, Petersen en Vera voor het hoe.

Nexus, Yuval Noah Harari

Harari's Nexus behandelt AI in het bredere kader van informatienetwerken door de geschiedenis heen. Filosofisch dieper, maar minder direct toepasbaar. Nuttig voor bestuurders die vóór ze een strategie kiezen eerst een breder frame willen.

Welk boek wanneer?

Wat zoek je?	Pak dit boek
Bestuurlijke kaders, governance, cultuur	Menswaardige AI
Individueel productief worden met AI	Co-Intelligence (Mollick)
Leiding geven aan een team dat met AI werkt	Leidinggeven met AI (Merks-Benjaminsen)
HR- en werkinrichtingsvragen bij AI	Werk hand in hand met AI (Derksen)
Praktisch met AI-agents aan de slag	Doeltreffend met AI-agents (Bogaards)
Macro-context en geopolitieke lens	De komende golf (Suleyman)
Filosofisch-historisch kader	Nexus (Harari)

Sterke punten

De grootste kracht van Menswaardige AI is dat het de AI-discussie op het juiste niveau plaatst. Waar veel managementliteratuur blijft hangen in tool-tips of doemscenario's, gaat dit boek over de bestuurlijke keuzes die de meeste organisaties nu al zouden moeten maken maar in de praktijk verschuiven. Het 5C-model en de Menskompas-methode zijn geen theoretische exercities: je kunt ze in één MT-sessie uittekenen op een whiteboard en direct toepassen op een concreet vraagstuk.

De combinatie van Petersen (marketing-praktijk, tien jaar AI-boekpublicaties) en Vera (futurologie, internationaal perspectief) geeft het boek een breedte die zeldzaam is in Nederlandse managementliteratuur. Waar veel titels óf te veel jargon óf te veel oppervlakkigheid hebben, houdt Menswaardige AI het midden vast.

Bijzonder waardevol is de nadruk op wat de auteurs "menselijke indicatoren" noemen: vertrouwen, autonomie, ontwikkeling, gezondheid. Dat zijn precies de dimensies die in tech-gedreven AI-implementaties het eerst uit beeld verdwijnen, en waar drie jaar later de rekening voor komt. Een organisatie die ze structureel meet, staat op voorsprong.

Zwakke punten

Het boek is soms wat abstract. De auteurs schetsen kaders en principes, maar concrete cases met cijfers, doorlooptijden en meetbare uitkomsten zijn dunner gezaaid dan sommige lezers zullen willen. Dat is deels een keuze (het is een gids, geen case book) maar op momenten waarop je zoekt naar "hoe pakten organisatie X en Y dit precies aan?" blijft het boek in het model hangen.

Ook overlappen het 5C-model en de Menskompas-methode gedeeltelijk. Care uit 5C zit bijvoorbeeld ook in de menselijke indicatoren van Menskompas, en Clarity in 5C overlapt met de waarborgen-stap van Menskompas. Dat maakt beide modellen op zich sterk, maar samen soms verwarrend. Een editie waarin de twee scherper ten opzichte van elkaar worden gepositioneerd, zou aan kracht winnen.

Ten slotte: het boek is toegankelijk maar niet altijd rustig. Op sommige plekken slaat een consultancy-toon door met kompas-metaforen, transformatie-taal en formuleringen die net iets te "keynote" aanvoelen voor een reflectief werk. Wie daar allergisch voor is, moet er doorheen kunnen kijken.

Mijn oordeel

Menswaardige AI vult een reëel gat in de Nederlandse AI-managementliteratuur. Waar Mollick's Co-Intelligence en Merks-Benjaminsen's Leidinggeven met AI het individu en het team adresseren, kaart Petersen en Vera de bestuurlijke laag aan: welke keuzes moet je maken op MT- en directieniveau om AI verantwoord in te bedden, zonder dat je organisatie of je mensen erdoor worden uitgehold.

De grootste verdienste is dat het boek AI normaliseert als leiderschapsvraag. Dat klinkt bescheiden, maar het is precies wat veel organisaties in 2026 nog missen. Zolang AI een IT-project blijft, wordt het niet strategisch bestuurd. Zolang het een innovatie-experiment blijft, groeit het niet volwassen op. Zolang het een ethiek-symposium blijft, verandert er in de praktijk niets. Menswaardige AI plaatst het waar het hoort: op de bestuurstafel, met concrete taal, bruikbare modellen en een realistische toon.

De beperkingen zijn eerlijk te benoemen. Wie op zoek is naar diepgaande case-analyses met harde cijfers vindt hier vooral kaders. Wie een handboek voor prompt engineering of tool-selectie zoekt, moet elders zijn. En wie Co-Intelligence en de gangbare AI-managementliteratuur al kent, zal veel principes herkennen; de winst zit dan in de bestuurlijke ordening van die principes, niet in radicaal nieuwe inzichten.

Koop dit boek als…

• Je bestuurder, directeur of MT-lid bent en verantwoordelijk voor AI-beleid
• Je merkt dat AI in je organisatie sluipenderwijs groeit zonder bestuurlijke kaders
• Je HR- of governance-verantwoordelijkheid draagt en de menselijke kant wil borgen
• Je een gedeeld taalveld zoekt om met collega-bestuurders over AI te praten
• Je merkt dat AI-pilots blijven hangen zonder besluit tot opschaling of stoppen

Sla dit boek over als…

• Je een individueel handboek zoekt om zelf beter met AI te werken, pak dan Mollick
• Je een technisch werk zoekt over AI-architectuur, prompt engineering of modelselectie
• Je alleen op zoek bent naar compliance-informatie over de EU AI Act
• Je academische diepgang zoekt over AI-ethiek, pak dan Crawford's Atlas of AI
• Je aversie hebt tegen kaders, modellen en kompas-metaforen in managementboeken

Eindscore

Criterium	Score
Praktische toepasbaarheid	8/10
Leesbaarheid	8/10
Originaliteit	7/10
Geschikt voor beginners	7/10
Algeheel oordeel	7,5/10

Een aanrader voor bestuurders en managers die AI serieus nemen en beseffen dat de belangrijkste beslissingen niet in de tool-selectie zitten maar in de kaders eromheen. Twee bruikbare denkkaders, een gezonde tegenkracht tegen technocratische adoptie, en een van de weinige Nederlandstalige werken die AI-governance op de juiste laag aanpakt. Voor de investering van een leesweekend krijg je een frame dat je de rest van je AI-transitie meeneemt.

Transparantie: Deze bespreking is geschreven op basis van publiek beschikbare uitgeversinformatie (Van Duuren Media), interviews en artikelen over het boek, en de expliciet gecommuniceerde denkkaders (5C AI-leiderschapsmodel, Menskompas-methode). De uitwerking van scenario's, de "vier vergeten gesprekken"-sectie en de AI-prompts zijn onze eigen vertaling van de principes naar de praktijk. Waar we terugkoppelen op andere titels (Mollick, Merks-Benjaminsen, Suleyman, Harari) betreft dat vergelijkende analyse, geen citaat.