Steve Sichtman beweegt zich al meer dan twintig jaar op het snijvlak van technologie, mens & organisatie. Van de eerste stappen met geautomatiseerde matching tot HR Tech, en nu AI-gedreven skill- en talentontwikkeling en dat in verschillende rollen als ondernemer, manager en toezichthouder. Onder andere in de Raad van Advies van Hogeschool van Amsterdam werkten Melek Usta en Steve samen aan het vraagstuk van digitalisering en recent vond deze samenwerking een vervolg in zijn toetreden tot de Raad van Commissarissen van Rabobank Amsterdam. We spreken Steve over wat AI vraagt van leiderschap: hoe je ruimte voor ontwikkeling creëert, zonder de grip te verliezen op veiligheid, reputatie en governance.
“Ik ben rond 2000 begonnen met matching van complexe profielen”
Steve’s eerste ervaring met AI-achtige toepassingen ontstond niet vanuit ‘AI-hype’, maar vanuit een concreet probleem: hoe match je ingewikkelde profielen op ingewikkelde opdrachten?
“In die tijd werkte ik bij Boer & Croon en hadden we het vraagstuk: hoe krijgen we geautomatiseerde matching voor elkaar? Complexe consultancyprofielen, complexe executive management profielen, en complexe klantvragen. Dat waren de eerste stappen richting machine learning: hoe train je een model met veel variabelen aan beide kanten, naar een uitkomst die de match is.”
Die lijn zette zich door. Steve bouwde een HR Tech-bedrijf en werkte aan matching in allerlei contexten: van niche expertise bij hightech omgevingen tot doelgroepen zonder traditioneel cv, en mensen met afstand tot de arbeidsmarkt.
Nu, bij Studytube, is hij weer terug bij skills en matching. En schijnt hij als commissaris bij Rabobank Amsterdam onder andere zijn licht op AI-vraagstukken.
AI als nieuwe interface: van klikken naar converseren
AI ontwikkelt zich razendsnel. Wat zijn volgens Steve de meest bepalende doorbraken voor de manier waarop organisaties worden geleid? Zijn antwoord begint ‘simpel’: de manier waarop we met computers omgaan.
“De eerste fase was command line: groene letters op zwart, commando erin, actie eruit. Daarna kreeg je UI: menustructuur en klikken. Toen apps en swipen. En nu kan je converseren.”
Die verschuiving is fundamenteel, juist omdat de drempel verdwijnt. “Je hoeft geen developer meer te zijn”, zegt Steve. “Je moet wel logisch denken, maar je kunt door te praten tot een resultaat komen.”
Tegelijk is er een tweede beweging: rekenkracht. “De computer is sterker geworden. Hij legt relaties in taal en geeft een antwoord dat voelt alsof de computer jou begrijpt.” En nu gaan we naar een fase waarin systemen niet alleen taal teruggeven, maar ook handelen. “Kijken, interpreteren en doen, zoals bij een zelfrijdende auto.”
Voor leiderschap betekent dit: wie neemt vandaag regie, voordat systemen dat doen?
Mensen doen op eigen initiatief van alles met AI, op jouw data, zonder dat je het controleert.
Leiderschap is ruimte geven én begrenzen
Steve schetst leiderschap rondom AI als het organiseren van twee werelden:
“Aan de ene kant wil je bottom-up initiatieven stimuleren. De volgende beste oplossing ontstaat niet uit een strak programma, maar via trial and error. Kleine iteraties, testen. Start fast, fail fast.”
Aan de andere kant moet je het “borgen in de echte wereld”: privacy, security, reputatie en ethiek.
Die spanning zie je in veel organisaties, juist omdat AI inmiddels al lang niet meer alleen iets is van IT. Mensen gebruiken het al, met of zonder beleid. “Het wordt breder gebruikt dan je denkt”, waarschuwt Steve. “En daar zit een groot gevaar: mensen doen op eigen initiatief van alles met AI, op jouw data, zonder dat je het controleert.”
“Organiseer het niet alleen vanuit management”
Hoe stimuleer je dan dat mensen experimenteren én dat goede ideeën ook echt worden gebruikt? Steve gelooft in laagdrempelige interne ‘show & tell’-momenten, maar niet als managementproject.
“Wat je vroeger een hackathon noemde, dát soort sessies zou je moeten stimuleren.” Bij Studytube ontstaan die initiatieven vaak vanuit de organisatie zelf. “Niet door management of leiderschap. Collega’s organiseren het: wie doet leuke dingen met AI, wie wil iets tonen?”
Dat werkt om twee redenen:
- Het maakt AI concreet en bereikbaar. “Onbekend maakt onbemind. Door te laten zien wat collega’s doen —zakelijk of privé— verlaag je de drempel.”
- Het normaliseert leren. “Het hoeft niet goed of fout. Juist mooi om te laten zien: dit probeerde ik, dat lukte niet. Toen ik mijn vraag anders stelde, lukte het wel.”
Leiders kunnen wel helpen, zegt Steve, bijvoorbeeld door champions te identificeren en ruimte te geven. En daarnaast: formeel leren aanbieden. “AI-learning aanbieden aan mensen, dat zou je in dit tijdperk gewoon moeten doen.”
AI in de financiële sector: revenue, cost en risk
Vanuit zijn rol als commissaris bij Rabobank Amsterdam ziet Steve hoe professioneel financiële instellingen met technologie omgaan, met één nuance: hij wil zich niet neerzetten als sector-expert. “Ik zie vooral het tipje van de sluier.” Toch biedt hij een helder raamwerk dat ook buiten finance werkt: de “three wise men” in business: revenue, cost en risk.
1) Revenue
“Klanten hebben de Netflix-verwachting: instant geholpen worden.” Denk aan direct een rekening openen, direct een virtual card in je wallet, direct betalen. Maar dat heeft ook een competitiedimensie: “Je hebt te maken met Apple Pay, Google Pay, neobanks. Dus welke dienstverlening moet je eromheen bouwen om te kunnen concurreren?”
2) Cost
“Banken zijn tegenwoordig grote ICT-huizen.” AI helpt bij code-efficiëntie en schaalbaarheid: “Meer code creëren met minder capaciteit.” En daarnaast bij proces-efficiëntie: slimmer, sneller, minder handwerk.
3) Risk
AI is cruciaal bij witwasbestrijding, compliance en fraudedetectie. Maar er is ook een wapenwedloop: “Je krijgt ook meer AI-gestuurde fraude op je af.”
Voor leiders die nog niet weten waar te beginnen, is dit een praktische start: leg AI langs je revenue, cost en risk en kijk waar de grootste waarde én de grootste nieuwe risico’s ontstaan.
AI is gulzig. Alle data die AI kan krijgen, zal AI pakken. Als je data niet beschermt, ligt jouw data in no time overal.
“Begin met de vraag: wat verandert er níet?”
In de AI-paniek vergeten organisaties soms het fundament. Steve deelt een gedachte die hem is bijgebleven uit gesprekken met een hoogleraar en AI-ondernemer: stel eerst de vraag wat verandert er niet?
“De klant blijft behoeften houden. Wat moeten we dus blijven leveren?” Vanuit dat vertrekpunt kun je pas scherp maken: hoe kan AI die behoefte beter invullen?
Daarna komt de tweede vraag: wat verandert er wel? “Dan moet je in scenario’s denken. Wat maakt AI mogelijk dat eerst onmogelijk was?”
Samen vormen die twee vragen een richting; strategisch blijven denken vanuit klant, kern en toekomstscenario’s.
De grootste risico’s: data en onbedoelde open deuren
Als het gaat om risico’s voor bestuurders en commissarissen is Steve direct: “AI is gulzig. Alle data die AI kan krijgen, zal AI pakken.” Als je data niet beschermt, “ligt jouw data in no time overal”.
Een tweede risico is dat steeds meer mensen zonder technische achtergrond technische dingen kunnen bouwen. “Maar weten ze welke API’s ze openzetten? Welke data ze weggeven?” De toegankelijkheid van AI is een zegen én een governance-uitdaging.
Zijn advies:
- Faciliteer AI in een beschermde omgeving. “Als je dat nog niet hebt gedaan: doe dat gisteren.”
- Zorg voor een betaald, afgeschermd AI-landschap dat niet ‘mee leert’ op publieke databronnen.
- Bied kaders voor geavanceerd gebruik: IT-beleid met safeguards, met name rond koppelingen, data en integraties.
Toezicht en bestuur: tech-kennis aan tafel is nog geen vanzelfsprekendheid
Is er al genoeg bewustzijn in raden van commissarissen en toezicht om AI serieus te adresseren? Steve ziet dat bewustzijn wel groeien, maar nog onvoldoende terug in de samenstelling van veel raden.
“Zeggen en doen is nog altijd een verschil. In sommige sectoren is het strak geregeld, maar er zijn er ook genoeg waar dat helemaal het geval niet is. In algemene zin zijn we te laat. We waren lang bezig met diversiteit in de raad —terecht— maar dit is misschien nog wel prangender: heb ik de juiste tech-kennis aan boord om ons te spiegelen op kansen en risico’s?”
Toekomstig leiderschap: kritisch denken als kernvaardigheid
Welke skills worden belangrijker in het AI-tijdperk? Steve noemt als eerste: kritisch denken.
“Je kunt tech deels ‘kopen’ door de juiste techies en adviseurs om je heen te organiseren. Maar uiteindelijk gaat het om toepassing: raak ik de doelgroep die ik wil raken?”
Leiders moeten twee sporen tegelijk versterken:
- Tech-organisatie: voldoende kennis, mensen en structuur om AI verstandig toe te passen.
- Sociaal denken: scherp houden wat niet verandert zoals, klantbehoeften, waarden, en de menselijke maat.
En daar hoort een cultuur bij: openstaan, snel schakelen, veilig experimenteren. “Snel proberen, snel falen, maar wel in een geconserveerde omgeving. AI biedt kansen en heeft keerzijden, daar moet je antwoorden op formuleren.”
Tot slot: Blijf denken vanuit de klant
Als Steve één advies mag geven aan leiders, is het dit: organiseer jezelf vanuit de klant of doelgroep.
“Met de huidige middelen moet je opnieuw de vraag stellen: hoe kan het beter, sneller, goedkoper, aantrekkelijker?”
Zijn uitnodiging aan leiders: verdiep je, organiseer het slim, en blijf sturen op wat voor je klant waardevol is.