Presentatie
Doorheen het academiejaar worden de studenten gecoached om hun resultaten zo overzichtelijk mogelijk weer te geven in stakeholder presentaties.
METHODIEK 1: Stakeholder mapping
Aantal respondenten
11
Schatting
11
Reëel
Belangrijkste resultaten
- Leren kennen en plaatsen van verschillende stakeholders: Grote impact, weinig kennis, macro: Overheidssubsidies Grote impact, veel kennis, macro: wetgeving Grote impact, veel kennis, Meso: psychologen, academische instellingen, sociale secretariaten, HR, Gemiddelde tot weinig impact, gemiddelde kennis, micro: werknemers
METHODIEK 2: Product/dienstbehoefte
Aantal respondenten
11
Schatting
11
Reëel
Belangrijkste resultaten
- Hieronder zijn de antwoorden op de vragen in het product/dienstbehoeftemodel neergeschreven. WAARDEN? Gezonde/betere werkomgeving: focus op welzijn op vlak van individu & werkomgeving Privacy- first: gebruikers kunnen al hun data volledig laten verwijderen (transparant en effectief beleid) Structurele verbeteringen: voortdurende optimalisatie van processen en tools. Ondersteuning (tips): tips en begeleiding om werkervaring te verbeteren. Verhoging vn effectiviteit: dat organisatie probeert te behalen om werkomgeving beter te maken door werkomgeving meetbaar beter te maken. Hulp toegankelijker maken: ondersteuning voelt persoonlijk en vertrouwelijk aan. Anonimiteit creëeren: waarborgen dat gebruikers zich veilig en vrij voelen om hulp te zoeken. Openheid & eerlijkheid: communicatie met juiste tone of voice, lichaamstaal en toonhoogte (hoge/lage toon); focus op authenticiteit, autonomie van de gebruiker en “zero retention” van data >< ChatGPT). WAAROM? Er loopt nog veel onderzoek naar de inzet en effecten van AI op de werkvloer. AI wordt steeds meer gebruikt, maar het blijft onduidelijk welke taken precies kunnen worden overgenomen. Dit zorgt voor stress bij oudere werknemers, door vrees voor jobverlies → stijging van burn-outs mogelijk. AI kan op termijn disruptie veroorzaken in arbeidsstructuren en werkculturen. Niet iedereen zal AI willen gebruiken → belangrijk om gebruik vrijwillig te laten, wat kan leiden tot verdeeld gebruik binnen bedrijven. Nadruk verschuift van het “burn-outverhaal” naar welzijn in brede zin, om het stigma rond burn-out te vermijden en mensen niet te labelen. OPLOSSINGEN? Subsidies Perceptie van werknemers is belangrijk: hoe reageren ze als de tool door de werkgever wordt aangeboden? Vrijwillig karakter Adoptie stimuleren: werknemers overtuigen om Laura AI te gebruiken in plaats van ChatGPT, omdat Laura AI specifiek focust op mentaal welzijn en privacy (geen gevoelige data-exploitatie). (vanuit werknemersperspectief is Laura AI tov chatgpts concurrent, vanuit werkgever niet want het is mentaal welzijn gefocust etc) → veel sluiten chatgpt weg want gebruiken te veel persoonlijke data Laura AI fungeert als een startkit voor bedrijven, die vervolgens gepersonaliseerd kan worden (nu in integratie met Microsoft Teams). HOE? User adoption is de belangrijkste bottleneck: Is de gebruikersbasis groot genoeg? Hoeveel mensen zullen de app effectief gebruiken en blijven terugkeren? Test interesse en hergebruik via mockups (bijv. personaliseerbare kleuren). People management-functies kunnen gedeeltelijk door de tool worden overgenomen om tijd te besparen. Vraag: enkel voor medewerkers of ook voor management? Waarschijnlijk beter om voor iedereen open te stellen voor geloofwaardigheid en consistentie. Kosten en verdienmodel: Implementatie voor de hele organisatie is duur (meer tokens = hogere kosten). Werken via abonnement (subscription) of commissiemodel (bv. 15% op winst van bedrijven). Doelgroepen: Geschikt voor consultancy, grote corporates Survey uitschrijven (nog te zien of het mag) KPI? Via Laura AI zelf, via de scores voor de werkgevers: 65% vn alle werknemers OF 90% op managementniveau te zien op de app + 2x/week gebruiken = gesprek voeren → effectieve data # klanten: meer werknemers = beter