Van licentie naar impact: waarom juridische teams AI niet adopteren (en wat de wetenschap ons leert)

Van licentie naar impact: waarom juridische teams AI niet adopteren (en wat de wetenschap ons leert)

Nederlandse advocatenkantoren en legal teams investeren in AI-tools. Drie maanden later gebruikt 20% het actief, de rest doet door zoals altijd. Dit patroon is geen toeval. Het is gedragswetenschap. Recent onderzoek van &Samhoud onder 1000 hoogopgeleide professionals toont aan: 58% gebruikt AI nooit op het werk. Van degenen die het wel gebruiken, doet slechts 8% dit dagelijks. Nederland scoort 42% adoptie, ver onder het Europese gemiddelde van 75% volgens Microsoft's Work Trend Index. Maar hier wordt het interessant. Als je mensen vraagt waarom ze AI niet gebruiken, noemt 55% privacy als grootste obstakel. Wanneer je echter analyseert welke factoren daadwerkelijk voorspellen of mensen AI gaan gebruiken, blijkt privacy geen significante rol te spelen. Dit is de essentie van het probleem: wat mensen zeggen dat hen tegenhoudt, is niet wat hen daadwerkelijk tegenhoudt.

Wat we nu weten uit onderzoek

Onderzoek naar AI-adoptie in de wetenschap door Bianchini en Pelletier identificeert drie cruciale factoren: individueel menselijk kapitaal (skills en exploratiementaliteit), sociaal kapitaal (netwerk van ervaren gebruikers), en institutioneel kapitaal (organisatorische support). Hun analyse van duizenden wetenschappelijke publicaties toont dat vroege adopters worden gekenmerkt door een 'taste for exploration' en inbedding in netwerken rijk aan AI-ervaring. Het &Samhoud onderzoek, gebaseerd op het gevalideerde UTAUT-model van Venkatesh et al., bevestigt dit patroon voor Nederlandse professionals. Het model bereikt een R-squared van 72%, wat betekent dat deze factoren voor 72% verklaren waarom mensen wel of niet AI gebruiken. Twee drijfveren blijken significant: verwachte voordelen (performance expectancy) en sociale invloed (social influence). Dit verklaart waarom leidinggevenden wel adopteren (60%) en medewerkers niet (37%). Leidinggevenden zien sneller concrete voordelen én worden omringd door peers die het gebruiken. Medewerkers hebben geen van beide. Voor juridische teams heeft dit directe implicaties.

Onduidelijk beleid is dodelijk

36% van de respondenten in het &Samhoud onderzoek weet niet of ze AI mogen gebruiken. In deze groep gebruikt 88,5% het nooit. In de zorgsector, waar 79% AI nooit gebruikt, heeft meer dan 50% geen helderheid over het AI-beleid. McKinsey's onderzoek onder 2135 respondenten bevestigt dit patroon: organisaties zonder duidelijke AI-strategie scoren consistent lager op adoptie. Het ontbreken van helder beleid blijkt de grootste strategische barrière, nog voor gebrek aan talent of technische capaciteit. Praktijk voor juridische teams: maak binnen één week glashelder voor welke taken AI mag en voor welke niet. Niet 40 pagina's, maar drie categorieën: toegestaan (eerste versies standaardbrieven, samenvattingen niet-vertrouwelijke stukken, research algemene regelgeving), beperkt toegestaan (concepten interne adviezen, analyse contractclausules met check), niet toegestaan (definitieve processtukken, vertrouwelijke klantcommunicatie). Deel dit in 10 minuten teamoverleg. Geen workshop, geen training. Gewoon helderheid.

Verwachte voordelen zijn koning

Het UTAUT-model laat in honderden studies zien: performance expectancy is de sterkste voorspeller van adoptie. Mensen gebruiken nieuwe technologie als ze verwachten dat het hun werk beter, sneller of makkelijker maakt. Recent onderzoek naar technology adoption in 152 Duitse bedrijven bevestigt: concrete, tastbare voordelen voorspellen gebruik. Abstracte beloften niet. &Samhoud vindt hetzelfde: verwachte voordelen zijn voor alle vijf geïdentificeerde persona's een significante drijfveer. Praktijk: stop met uitleggen wat de tool kan. Laat zien wat het mensen oplevert. Fout: "Onze AI kan contracten analyseren, rechtspraak samenvatten, en due diligence ondersteunen." Goed: "Linda bespaard vorige week 4 uur op haar M&A deal. Thomas heeft zijn due diligence rapport in de helft van de tijd af. Saskia maakt inbreukbrieven nu in 15 minuten in plaats van 45." Dit is geen marketing. Dit is evidence-based change management. Mensen hebben mentale modellen over hoe dingen werken. Die verander je niet met features, maar met bewijs van resultaat.

Sociale invloed werkt, gebruik het

Bianchini's analyse van wetenschappelijke publicaties toont aan dat wetenschappers met een netwerk rijk aan AI-ervaren collega's significant vaker AI adopteren. Het is niet wat je weet, het is wie je kent die het gebruikt. Het &Samhoud onderzoek identificeert sociale invloed als cruciale factor voor 4 van de 5 persona's. Studies naar workplace referent groups vinden dat sociale invloed van leidinggevenden en collega's significant impact heeft op adoptie-intentie. Dit verklaart waarom algemene trainingen niet werken. Je hebt geen betere kennis van de tool nodig, je hebt sociale proof nodig. Praktijk: identificeer 2-3 mensen die enthousiast zijn over AI (vaak jongere advocaten of legal counsels volgens onderzoek naar early adopters). Geef ze tijd, gefactureerd, niet 'als je tijd hebt', om expert te worden. 4 uur per week. Laat hen in teamoverleg delen. Niet "zo werkt de interface", maar "ik heb dit gedaan en het scheelde me zoveel tijd op zaak X". Maak een Slack-kanaal of Teams-groep waar mensen vragen kunnen stellen. Als Pieter ziet dat drie collega's AI gebruiken voor contractreview en hij het niet doet, voelt hij het. Peer pressure is de meest onderschatte change management tool. Zorg dat senior mensen het gebruiken en erover praten. Als partners het normaal vinden, is de boodschap: dit is hoe we werken.

De eerste ervaring bepaalt de houding

Het &Samhoud onderzoek toont een krachtig patroon: na eerste kennismaking met AI stijgen positieve emoties met 19%. Mensen met positieve emoties gebruiken AI significant vaker dan mensen met negatieve of gemengde emoties. Dit sluit aan bij onderzoek naar technology anxiety en self-efficacy. Die eerste ervaring creëert een mentaal anker. Lukt het? Positieve feedback loop. Lukt het niet? Weerstand en vermijding. Praktijk: zorg dat de eerste keer dat iemand AI probeert gegarandeerd lukt en voelt als winst. Geef werkende templates. "Prompt voor samenvatten contract", "Prompt voor eerste versie NDA", "Prompt voor inbreukbrief concept". Niet "zoek het zelf uit", maar "plak hier je tekst, klik hier". De eerste use case moet voldoen aan drie criteria: iedereen herkent de taak (standaardbrieven, samenvattingen), niemand vindt de taak leuk (saai, repetitief werk), resultaat is binnen 10 minuten voelbaar (tijdwinst, kwaliteit). Start niet met complexe contractanalyse. Start met die standaard correspondentie die iedereen haat.

Verschillende mensen, verschillende drijfveren

Het &Samhoud onderzoek identificeert vijf persona's op basis van ervaring en emotie. De bedachtzame beginner (20%): geen ervaring, negatieve emoties. Vooral gedreven door verwachte voordelen en sociale invloed. Heeft bewijs nodig dat het werkt en moet anderen enthousiast zien. De nieuwsgierige nieuwkomer (18%): weinig ervaring, gemengde emoties. Ook gedreven door verwachte voordelen en sociale invloed. Nieuwsgierig maar nog niet overtuigd. De positieve pionier (26%): weinig ervaring, positieve emoties. Verwachte voordelen, sociale invloed én zelfvertrouwen tellen. Gemotiveerd, heeft vooral concrete voorbeelden nodig. De voorzichtige verkenner (12%): heeft ervaring, gemengde emoties. Verwachte voordelen en beschikbaarheid van middelen belangrijk. Wil het gebruiken, maar moet blijven zien dat het echt werkt. De enthousiaste expert (22%): ervaren, positieve emoties. Vooral verwachte voordelen en zelfvertrouwen. Al overtuigd, heeft betere tools en support nodig. Dit is niet academisch geneuzel. Dit heeft directe consequenties. Praktijk: stop met one-size-fits-all. Je bedachtzame beginners hebben andere collega's nodig die enthousiast zijn. Je enthousiaste experts hebben betere prompts en integraties nodig. Verschillende groep, verschillende aanpak. Meet wie in welke groep zit. Simpele vraag: "Heb je AI gebruikt?" en "Hoe voel je je erover?" Geeft je vier kwadranten. Elke kwadrant andere interventie.

Een 90-dagen plan

Week 1-2: communiceer in teammeeting dit mag, dit mag beperkt, dit niet. Geen discussie, geen lange uitleg. Gewoon helderheid. Week 3-4: zoek 2-3 mensen die enthousiast zijn (vaak junior advocaten of legal counsels die minder gehecht zijn aan oude methodes). Geef ze tijd en mandaat. Week 5-8: kies één use case die iedereen haat. Standaardbrieven, samenvattingen, eerste research. Laat champions het voordoen. Meet tijdwinst. Deel resultaten. Week 9-12: champions delen in teamoverleg. Slack/Teams kanaal actief. Senior mensen gebruiken het publiekelijk. Vier successen in nieuwsbrief. Maand 4-6: meer use cases. Meer mensen betrokken. Templates en prompts optimaliseren op basis van gebruik. Maand 7-9: het is nu normaal. Niet meer "we gaan AI gebruiken", maar "dit doen we met AI, dat zonder". Check in evaluatiegesprekken: "Hoe gebruik jij AI om beter te presteren?" Maand 10-12: meet adoptie per team. Waar loopt het vast? Welke drijfveren ontbreken? Bijsturen op basis van data.

Meet wat telt

Het UTAUT-model met 72% verklaarde variantie geeft je een blueprint voor wat te meten. Niet: aantal licenties, wie heeft eenmaal ingelogd, tevredenheid met de tool. Wel: wie gebruikt het wekelijks (adoptie), wat zijn verwachte voordelen die mensen noemen (performance expectancy), zien mensen collega's het gebruiken (social influence), hoe zelfverzekerd voelen mensen zich (self-efficacy), welke teams scoren hoog, welke laag (waar bijsturen). Review dit maandelijks. Niet als afrekening, maar als stuurinformatie. Team X scoort laag? Kijk naar de drijfveren. Zien ze geen voordelen? Deel meer successen. Geen sociale invloed? Koppel ze aan champion.

Waarom juridische teams specifiek worstelen

Onderzoek toont dat professional services (waaronder juridisch werk) specifieke barrières kennen. Reputatierisico: advocaten en juristen werken met vertrouwelijke informatie en hun advies heeft directe juridische consequenties. Dit verhoogt de perceived risk, wat volgens uitgebreid onderzoek naar telemedicine en healthcare technology adoption adoptie remt. Autonomie cultuur: juridische professionals zijn gewend zelf hun methodes te bepalen. IBM's Institute for Business Value toont dat organisaties met sterke autonomieculturen langzamer AI adopteren tenzij de voordelen heel tastbaar zijn. Billability druk: iets nieuws leren kost tijd. In een billable hours model voelt dat als omzetverlies. Dit is een cost-benefit calculatie die performance expectancy direct beïnvloedt. Gebrek aan digitale voorlopers: in sectoren als tech en finance zijn al jaren mensen die met AI-achtige tools werken. In juridisch werk niet. Dat betekent minder sociale invloed, omdat er simpelweg minder early adopters zijn. Dit zijn geen excuses. Dit zijn verklarende factoren die je moet adresseren. Praktijk: reputatierisico adresseer expliciet. "Ja, output wordt altijd gecontroleerd. Nee, vertrouwelijke data gaat er niet in zonder beleid. Ja, jij bent verantwoordelijk voor wat eruit komt." Autonomie: frame het niet als verplichting maar als tool. "Jij bepaalt of en hoe je het gebruikt. Hier zijn voorbeelden van collega's die er baat bij hebben." Billability: maak tijd voor leren factureerbaar. "4 uur per week voor AI-experimenten telt mee voor target." Gebrek aan voorlopers: creëer ze intern. Die champions zijn je voorlopers.

Wat we zeker weten

Na analyse van het &Samhoud onderzoek (1000 respondenten, UTAUT-model, R²=0.72) en recent internationaal onderzoek (wetenschappelijke AI-adoptiestudie, McKinsey's global survey, Harvard Business Review analyse, UTAUT-validatiestudies): onduidelijk beleid doodt adoptie (88,5% van mensen die niet weten of het mag, gebruikt het nooit), verwachte voordelen zijn de belangrijkste drijfveer (niet features, maar tastbare tijdwinst en kwaliteitsverbetering), sociale invloed werkt (mensen gebruiken wat ze anderen zien gebruiken), de eerste ervaring bepaalt de houding (na positieve eerste ervaring stijgen positieve emoties met 19%), verschillende groepen hebben verschillende aanpak nodig (one-size-fits-all faalt), privacy is een gepercipieerde, geen echte barrière (wat mensen zeggen is niet wat hen tegenhoudt). Dit is geen mening. Dit is peer-reviewed onderzoek met hoge voorspellende waarde.

De echte vraag

Technologie implementeren is makkelijk. Gedrag veranderen is moeilijk. De vraag is niet of AI juridisch werk kan ondersteunen. Dat kan het. De vraag is niet welke tool je moet kopen. De vraag is of je bereid bent evidence-based change management te doen. Dat betekent: helder beleid binnen een week, champions die tijd krijgen, verwachte voordelen tastbaar maken, sociale invloed bewust opbouwen, eerste ervaring perfect maken, meten en bijsturen, volhouden voor 9-12 maanden. Geen fancy strategie. Gewoon consistent uitvoeren wat onderzoek aantoont dat werkt. De data is er. De vraag is of je ernaar gaat handelen.