Waarderend Onderzoeken
“Een organisatie is een systeem van mensen, geen machine.” (David Cooperrider)

Appreciative Inquiry (AI) heeft een wetenschappelijke oorsprong en een zeer solide theoretische basis. AI is minder ‘soft’ dan op het eerste oog kan lijken. De toepassingsmogelijkheden zijn legio wanneer het gaat om organisatieverandering. SecondNature is er van overtuigd dat AI op korte termijn breed toegepast gaat worden door organisaties in Nederland, zoals dat in met name de Verenigde Staten al gebeurd. Daar AI goed past in ons gedachtegoed hebben we de afgelopen jaren in diverse opdrachten elementen van AI in een aanpak meegenomen.

Hoe het was, de klassieke aanpak
Een voorbeeld: u heeft als manager van Bedrijf A een cultuurprobleem: er heerst een gebrek aan betrokkenheid en initiatief in de organisatie. Het is uw verantwoordelijkheid dit probleem aan te pakken en u weet wat u te doen staat: u gaat op zoek naar de oorzaken van het probleem. Wat is er aan de hand? Welke redenen zijn er voor de onbetrokkenheid? Wat veroorzaakt het ontbreken van initiatief?

U richt zich op voorbeelden van het probleemgedrag en verkrijgt zo (tot in detail) inzicht in de factoren en omstandigheden die het probleemgedrag veroorzaken. In dit geval een gebrek aan initiatief en betrokkenheid. Daarna maakt u op basis van deze kennis een plan van aanpak en vervolgens wordt het geïmplementeerd.

Bovenstaande methode kennen we allemaal uit onze cursussen en managementliteratuur. Het beschrijft hoe we het geleerd hebben. We noemen het de defectgerichte of probleemanalytische werkwijze. Het werkt vaak niet….en zal steeds minder goed werken. De reden hiervan ligt frappant voor de hand:
Deze klassieke defectgerichte aanpak gaat er expliciet vanuit dat een organisatie hetzelfde is als een machine. Een probleem in de organisatie is vergelijkbaar met een defect aan de machine en dient ‘gerepareerd’ te worden. Zo’n aanpak werkt bij machines, maar niet bij organisaties. Simpelweg omdat organisaties geen machines zijn, maar een menselijk systeem vormen. Bij de defectgerichte aanpak gaan we op zoek naar problemen en….. we vinden ze! Altijd.

In het proces van probleemonderzoek en analyse creëren we er bovendien vaak ongewild nieuwe problemen bij. Denk alleen al aan de weerstand die de aanpak van de problemen kan losmaken en de zondebokken die benoemd worden. De defectgerichte aanpak resulteert dikwijls in korte termijn of deeloplossingen. Bovendien gaan de oplossingen vaak ten koste van andere belangrijke zaken, waardoor nieuwe problemen ontstaan en het oorspronkelijke probleem alleen maar groter wordt.

Appreciative Inquiry (Waarderend Onderzoeken), een andere manier van benaderen

AI richt zich niet op problemen, maar juist op datgene wat goed gaat in een organisatie en benadrukt de oplossingen die er reeds bestaan.

“Met Appreciative Inquiry gaan we niet voorbij aan de problemen, maar benaderen we ze simpelweg van een andere kant.” (Tom White, CEO GTE)

AI doet men vanuit 5 overtuigingen of principes:

1. Het principe van het constructionisme: we construeren datgene waar we ons op richten. Het stellen van de eerste vraag en de manier waarop, bepaalt in belangrijke mate wat we construeren en de wijze waarop we dat doen.

2. Het principe van de simultaniteit: onderzoek en verandering zijn geen gescheiden stappen. Reeds bij het stellen van de vraag begint de verandering. Interventie en onderzoek zijn met elkaar verbonden, simultaan.

3. Het principe van de poëzie: het verhaal van een organisatie kan op verschillende wijze gelezen worden en ook door iedereen verschillend beïnvloed worden. Alle medewerkers schrijven mee aan het boek van de organisatie.

4. Het principe van anticipatie: het meest krachtige middel om veranderingen te generen bevindt zich in onze fantasie: het beeld gaat altijd vooraf aan de verandering in de toekomst.

5. Het principe van de positiviteit: hoe positiever de benadering, hoe positiever de uitkomst.

Volgens het schema van David L. Cooperrider, grondlegger van A.I.:

Essentieel bij Appreciative Inquiry is het stellen van de juiste vraag, of benoemen van het juiste onderwerp. Daar waar we bij de defectgericht aanpak vaak een negatief geladen vraag als uitgangspunt nemen, doen we dat bij AI nadrukkelijk niet.

Casevoorbeeld:
Het probleem waar men zich al jaren, zonder veel succes, mee bezig hield bij Avon in Mexico was de volgende: Hoe bestrijden we ‘sexual herassment’ in de organisatie? Bij verder doorvragen van Cooperrider naar wat de organisatie wérkelijk wilde, kwam men op: ‘high quality cross gender relationships’. Dit werd benoemd als ‘topic’ of onderwerp waarop het AI project zich zou richten.

Door Cooperrider worden 4 fasen in het zogenaamde ‘4D-model’ omschreven. Bij Avon werden deze als volgt ingevuld:

Definition:
In een aantal workshops werd een kerngroep bekend gemaakt met AI. Veranderdoelen en onderwerpen werden bepaald. Een projectopzet werd uitgewerkt.

Discovery:
Tijdens een tweedaagse training werden 100 Avon-medewerkers getraind om AI interviews af te nemen. Tijdens de training werd het definitieve protocol vastgesteld voor de interviews. Vervolgens werden er 300 interviews afgenomen in de organisatie gericht op het ontdekken van voorbeelden van effectieve samenwerking tussen mannen en vrouwen.

Dream:
De meest aansprekende voorbeelden werden opgenomen en beschreven in een rapportage. Op basis van dit rapport vond er een bijeenkomst plaats, gericht op de toekomst, waarin de 100 interviewers consensus bereikten over de belangrijkste voorwaarden waaronder effectieve samenwerking tussen mannen en vrouwen kon plaatsvinden. Bovendien werd er geformuleerd hoe de organisatie hier in de toekomst gebruik van kon maken.

Destination:
Het tweede rapport vormde een gemeenschappelijke visie op de toekomst en beschreef verschillende acties, projecten en initiatieven. De organisatie bleef verder gebruik maken van AI, ook zonder begeleiding van consultants.
De resultaten bij Avon waren verbluffend. Er trad binnen korte tijd een vrouw toe tot het executive committee, de organisatie opereerde zichtbaar effectiever en won de jaarlijkse prijs voor de beste werkgever voor vrouwen en de winst is enorm gegroeid.

Aanpak
Er is niet één juiste en uniforme manier van aanpak. Het is wellicht ook onjuist AI te beschrijven als ‘methode’ of te zien als ‘gereedschap’. AI betreft veel meer een houding; het kijken naar zaken op een bepaalde wijze. Door het ontbreken van een standaard werkwijze leent AI zich uitstekend voor nieuwe ontwikkelingen en toepassingen en wordt orthodoxie voorkomen. Wel kan in grove lijnen omschreven worden hoe een AI-project er meestal uitziet:

Fase 1: ‘Initiate’
• Bekend maken van de beslissers met de theorie en praktijk van AI
• Opzetten van een projectstructuur, kerngroepen en sponsorgroepen benoemen
• Beide groepen trainen in AI
• Bepalen van het thema of onderwerp (‘topic’)
• Ontwikkelen van een projectstrategie

Fase 2: ‘Inquire’
• Afnemen van generieke interviews
• Ontwikkelen van een interview protocol, pilot en aanpassing
• Afnemen van zoveel mogelijk interviews (liefst iedereen)

Fase 3: ‘Imagine’
• Bekend maken van de data, verkregen uit de interviews en het benoemen van de thema’s
• Ontwikkelen van provocatieve proposities
• Valideren van de provocatieve proposities door zoveel mogelijk medewerkers

Fase 4: ‘Innovate’
• Zoveel mogelijk deelnemers betrekken bij gesprekken over welke acties, relaties en aanpassingen de implementatie van de provocatieve proposities ondersteunen
• Implementatie en bewaking van de veranderingen met behulp van een op AI gefundeerd bewakingsproces

Toepassingen en ervaring
In Nederland zijn er nog relatief weinig organisaties die ervaring opgedaan hebben met AI. In het buitenland is dit anders en zijn er indrukwekkende resultaten geboekt bij onder andere:
British Airways, GTE Telecommunications, Gemeente Chicago, Avon Mexico, John Deere, BP Amoco, NASA, FCI Automotive, Mc. Donald’s, Syntegra, US Navy, North American Steel, Tendercare, Myrada …

Peter ter Haak, Associate Partner MennoMolendijk