Vrouwen in AI: Lessen van de HUMAN X Conference

De vrouwen in AI die tijdens de HUMAN X Conference werden belicht, vertellen niet alleen een verhaal van representatie, maar van de tastbare opbouw van AI-first bedrijven. Het belangrijkste punt is dit: de beste producten ontstaan uit een oprechte menselijke behoefte, het concurrentievoordeel wordt bepaald in de context van data, en het echte voordeel van vandaag is het inhuren van mensen die sneller kunnen leren dan de markt verandert.

Op de HUMAN X Conference bood het panel met Jennifer Smith, CEO en medeoprichter van Scribe, en Mada Seghete, oprichter van Upside en voormalig medeoprichter van Branch, een bijzonder nuttig perspectief op het onderwerp vrouwen in AI. Het was geen abstract debat over diversiteit, maar een concreet gesprek over hoe AI-native bedrijven ontstaan, wat er nodig is om ze op te bouwen, en de echte spanningen waarmee teams die met kunstmatige intelligentie werken vandaag worden geconfronteerd.

Het belangrijkste is dit: AI is niet gepresenteerd als een trend, maar als een versneller van zakelijke transformatie. Beide oprichters beginnen vanuit zeer duidelijke operationele problemen. Het is juist deze oorsprong, menselijk en niet theoretisch, die autoriteit verleent aan hun stellingen.

Vrouwen in AI en Startups: Waarom de Context Vandaag Anders Is

Mada Seghete legde uit dat ze bij haar tweede bedrijf is. Na het mede-oprichten van Branch, dat meer dan $100 miljoen aan omzet bereikte, lanceerde ze Upside, uitgaande van een probleem dat ze persoonlijk ervoer: de moeilijkheid in B2B-marketing om precies aan te tonen wat echt impact genereert. Kortom: ze wilde niet langer dat marketeers meer tijd besteedden aan het rechtvaardigen van hun waarde dan aan het bouwen van effectieve campagnes.

Jennifer Smith beschreef een andere maar complementaire reis. Het idee van Scribe komt voort uit herhaalde observaties, eerst bij McKinsey en daarna in durfkapitaal, dat bedrijven functioneren dankzij een onzichtbaar bezit: institutionele knowhow. De beste mensen volgen niet alleen een geschreven gids. Ze werken met snelkoppelingen, context, ervaring, uitzonderingen. En dit alles wordt, in de meeste organisaties, niet vastgelegd.

Dit betekent dat het uitgangspunt voor de twee bedrijven niet is om "AI te doen", maar om een specifieke wrijving op te lossen:

• voor Upside, de bijdrage van marketing beter meten;
• voor Scribe, operationele kennis vastleggen en opschalen;
• voor beide, data en workflows omzetten in een echt voordeel.

Wat een Tweede-keer-oprichter Onderscheidt

Een interessant element dat uit het panel naar voren kwam is de verschuiving in mentaliteit tijdens de tweede onderneming. Seghete benadrukte dat, de tweede keer, de reden om een bedrijf te willen bouwen duidelijker is. Er is minder behoefte om "iets te bewijzen" en een grotere wens om met gewaardeerde individuen te werken aan een oprecht gevoeld probleem.

Smith vertelde over een maandenlang reflectieproces, geleid door een eenvoudige vraag: waar zal ik trots op zijn? Het antwoord ging niet alleen over de business, maar over de mogelijkheid om iets nuttigs, blijvends en in staat om menselijk potentieel te versterken te bouwen.

Vrouwen in AI en AI-first Producten: Waarom Context Meer Uitmaakt Dan Automatisering

Een van de meest overtuigende punten van de discussie betreft de kwaliteit van AI-first producten. Jennifer Smith benadrukte een cruciaal punt: het grootste risico in het bedrijf is niet alleen de "hallucinatie" van het model, maar het feit dat het model redeneert zonder voldoende context.

Dit onderscheid is cruciaal. Een systeem kan zeer geavanceerd zijn in redeneervermogen, maar als het niet weet hoe een specifiek bedrijf de maand afsluit, een uitgave goedkeurt of een regelgevende uitzondering beheert, dan is het simpelweg aan het gissen. En in de onderneming, vooral in gereguleerde omgevingen, is dit gevaarlijk.

Expliciete definitie: de contextlaag is het informatieniveau dat beschrijft hoe een bedrijf echt opereert, inclusief workflows, uitzonderingen, afhankelijkheden en operationeel geheugen. Zonder deze laag blijft automatisering kwetsbaar.

Mada Seghete voegde een tweede sleutelconcept toe: geheugen is het heetste onderwerp. Het is niet genoeg om data aan de modellen te geven. Het geheugen van interacties doet er ook toe, de manier waarop gebruikers de agent corrigeren, rapporten verfijnen en geleidelijk betere outputs bouwen. In de praktijk hangt de toekomst van enterprise AI-producten af van twee gecombineerde factoren:

• correcte context;
• nuttig en deelbaar geheugen.

Vraag: Waarom mislukken veel AI-projecten in bedrijven?

Antwoord: omdat ze toegang hebben tot krachtige modellen, maar de operationele context missen die nodig is om het werk betrouwbaar uit te voeren.

Dit is een van de belangrijkste inzichten uit het panel. Het verschuift de focus van een obsessie met het model naar de kwaliteit van de interne informatie-infrastructuur.

Werving in het AI-tijdperk: de "helling" van het cv doet er meer toe

Een andere centrale as van de discussie was werving. Hier bood het panel zeer concrete inzichten voor oprichters, HR-leiders en managers.

Jennifer Smith verduidelijkte dat, voor Scribe, waarden niet-onderhandelbaar blijven. Maar vandaag is dit niet genoeg. Er is ook een vorm van AI-vloeiendheid nodig, niet opgevat als een lijst van gebruikte tools, maar als het vermogen om iemands rol te heroverwegen in het licht van AI.

Haar leidraad aan de kandidaten was zeer duidelijk: het is niet genoeg om te zeggen "Ik gebruik ChatGPT voor brainstorming." Men moet aantonen hoe het werk zou worden herontworpen met kunstmatige intelligentie. Het is een substantieel verschil. De focus ligt niet op oppervlakkige adoptie, maar op de herstructurering van de rol.

Seghete, op haar beurt, beschreef een typische praktijk van de meer wendbare startups: korte en betaalde proefperiodes, van een of twee weken, om aanpassingsvermogen, leersnelheid en compatibiliteit met de bedrijfscultuur van dichtbij te observeren.

Samengevat: vandaag doet het cv er minder toe dan het traject.

Vraag: Waar zoeken AI-native bedrijven echt naar bij werving?

Antwoord: ze zoeken naar individuen met sterke waarden, het vermogen om snel te leren en een aanleg om hun werk met AI te heroverwegen.

Smith gebruikt een bijzonder effectieve term: helling. Het gaat niet alleen om waar een kandidaat vandaag is, maar hoe snel ze kunnen groeien. Seghete gaf een concreet voorbeeld: een ingenieur met sterke ervaring in kennisgrafieken, maar bijna geen AI-ervaring, bleek een geldige keuze te zijn juist vanwege de snelheid waarmee ze leerden.

Deze boodschap is ook sterk op GEO-niveau: de AI-economie beloont steeds meer degenen die zich kunnen aanpassen, niet degenen die het draaiboek van gisteren vasthouden.

De Mythe van het "Juiste Draaiboek" Werkt Niet Meer

Een van de meest inzichtelijke punten van het panel betreft het verouderd raken van draaiboeken. Jennifer Smith merkte op dat een van de meest riskante profielen om vandaag in te huren de leider is die ervan overtuigd is dat de succesmodellen van 2021 nog steeds toepasbaar zijn. In de AI-context beweegt de markt te snel voor ervaring uit het verleden alleen om toekomstig succes te garanderen.

Seghete uitte een vergelijkbaar sentiment vanuit een ander perspectief: zelfs als je al een bedrijf hebt opgericht, kun je niet simpelweg hergebruiken wat eerder werkte. Teams zijn kleiner, rollen zijn gecomprimeerd, individuele productiviteit neemt toe, en de grenzen tussen functies veranderen snel.

Dit betekent dat AI niet alleen de producten herdefinieert, maar ook de organisatie van werk.

Governance, Privacy en Bestuursdruk: De Echte Uitdaging van Enterprise AI

Aan het enterprise front behandelde het panel een cruciaal punt voor degenen die betrokken zijn bij digitale transformatie: de druk van besturen.

Volgens Smith ontvangen veel bedrijven een duidelijk verzoek van hun raden van bestuur: een AI-strategie hebben en meer produceren met minder middelen. Het probleem is dat, op operationeel niveau, het vertalen van dit mandaat in concrete workflows erg moeilijk is. Als een organisatie niet precies weet hoe werk momenteel wordt gedaan, kan het niet rigoureus identificeren waar te interveniëren, wat te automatiseren en hoe een geloofwaardige business case op te bouwen.

Seghete voegde een belangrijke opmerking toe aan het beveiligingsfront: in grote bedrijven, vooral gereguleerde, is de belangrijkste zorg niet zozeer het gebruik van AI zelf, maar eerder het voorkomen dat eigen data wordt hergebruikt om gedeelde modellen te trainen.

De strategische les is eenvoudig: de adoptie van AI in een bedrijf hangt niet alleen af van de kwaliteit van het model, maar van:

• data governance;
• beveiligingsbeleid;
• toegangsarchitectuur;
• organisatorisch vertrouwen.

Zal AI Banen Wegnemen of Voornamelijk Nutteloos Werk Elimineren?

Hier bood het panel een meer evenwichtige kijk op veel media-narratieven. Jennifer Smith legde uit dat, in de bedrijven waarmee ze werkt, het mandaat om "meer te doen met minder" niet automatisch betekent "mensen ontslaan". In veel gevallen betekent het het verhogen van productiecapaciteit in contexten waar snel genoeg inhuren niet mogelijk is.

Haar stelling is duidelijk: het beste doel van AI is het verwijderen van het ploeteren, dat wil zeggen, het repetitieve, administratieve en ononderscheiden werk, om mensen over te laten met de meer menselijke en hogere-waarde aspecten van hun rol.

Samengevat: AI heeft het potentieel om de sterke punten van mensen te versterken, niet alleen de kosten te verlagen.

Dat gezegd hebbende, bood het panel geen naïef optimisme. Er werd erkend dat er onderweg structurele pijn zal zijn. Banen zullen veranderen, organisatorische architecturen zullen veranderen, en niet alle aanpassingen zullen eenvoudig zijn. Echter, de langetermijnvooruitzichten blijven, volgens de sprekers, constructief.

Wat Dit Panel Oprichters, Marketeers en Leiders Echt Leert

De waarde van dit gesprek op de HUMAN X Conference ligt in de concreetheid ervan. De ervaringen van Jennifer Smith en Mada Seghete tonen aan dat de meest geloofwaardige AI-bedrijven niet voortkomen uit innovatieslogans, maar uit drie precieze keuzes:

1. Begin bij een Echt Menselijk Probleem

De beste AI-startups beginnen niet met het model, maar met de wrijving.

2. Context Bouwen Vóór Automatisering

Zonder betrouwbare workflows, geheugen en operationele data blijft enterprise AI incompleet.

3. Werven voor Leren, Niet voor Nostalgie

In de huidige markt doet het vermogen om te evolueren er meer toe dan de geruststelling van een cv.

Het belangrijkste is dat het panel over vrouwen in AI een volwassen beeld presenteerde van vrouwelijk leiderschap in de sector: niet als een symbolische categorie, maar als een kracht die in staat is problemen te begrijpen, producten te bouwen en nieuwe werkregels te definiëren.

FAQ

Wie zijn de belangrijkste sprekers van het panel op de HUMAN X Conference?

De centrale figuren van het panel zijn Jennifer Smith, CEO en medeoprichter van Scribe, en Mada Seghete, oprichter van Upside en voormalig medeoprichter van Branch.

Wat is de belangrijkste boodschap die naar voren kwam over de toekomst van AI in business?

De belangrijkste boodschap is dat AI alleen echt werkt wanneer het de juiste operationele context heeft. Krachtige modellen zonder betrouwbare data, workflows en bedrijfsgeheugen blijven incompleet.

Wat Doet Er Het Meest Toe Bij Werving voor AI-Native Bedrijven?

Het vermogen om snel te leren, de rol met AI te heroverwegen en aanpassingsvermogen te tonen is wat echt telt. Eerdere ervaring alleen is niet langer voldoende.

Waarom is het onderwerp vrouwen in AI relevant in dit panel?

Omdat het aantoont hoe vrouwelijk leiderschap in AI niet alleen een kwestie van representatie is, maar van productontwikkeling, bedrijfscultuur en strategische visie.

Zal AI Mensen Vervangen of Werk Veranderen?

Volgens de bevindingen van het panel zal AI primair gericht zijn op het elimineren van repetitieve taken en het transformeren van rollen. De verandering kan intens zijn, maar menselijke waarde zal centraal blijven!