Atlassian’s Teamwork Lab is geen denktank die whitepapers produceert, horen we van Molly Sands, die deze afdeling binnen het bedrijf leidt. Het is eerder een actieve onderzoeks- en experimentatiemotor die als doel heeft te veranderen hoe echte teams werken. Het meet de resultaten en koppelt die inzichten direct terug naar de producten van Atlassian. Tijdens Atlassian Team ’26 Europe in Amsterdam hadden we de kans om met Sands in gesprek te gaan over hoe dit er in de praktijk uitziet.
Teamwork Lab is de interne onderzoeks- en innovatiegroep van Atlassian. Onder leiding van Molly Sands brengt het gepromoveerde gedragswetenschappers, data scientists, onderzoekers, designers en change-experts samen. Hun gezamenlijke missie is volgens haar om te doorgronden hoe werk evolueert. Maar dat niet alleen: ze willen met die inzichten ook daadwerkelijk iets waardevols doen.
De groep hanteert drie verschillende onderzoeksmethoden. Ten eerste grootschalige, wereldwijde surveys onder kenniswerkers. Ten tweede de analyse van gedragspatronen op het Atlassian-platform zelf. Ten slotte de gecontroleerde experimenten binnen echte Atlassian-teams om te toetsen of nieuwe manieren van werken daadwerkelijk betere resultaten opleveren.
Deep work staat onder druk
Een van de meest pregnante knelpunten in de hedendaagse werkcultuur is de teloorgang van ‘deep work’, aldus Sands. Voor software engineers, architecten en andere kenniswerkers is aanhoudende, geconcentreerde focus cruciaal, maar tegelijkertijd steeds zeldzamer. Moderne werkagenda’s, volgestopt met terugkerende meetings en constante onderbrekingen, maken het vrijwel onmogelijk om deep work te waarborgen.
De aanpak van Teamwork Lab is om teams te vragen hun bestaande agenda’s volledig leeg te vegen. Elke terugkerende meeting wordt geschrapt, waarna het team de kalender vanaf nul weer opbouwt. Wat is op dit moment echt van belang? Hoeveel synchrone afstemming is strikt noodzakelijk? En waar plan je ononderbroken focusblokken in?
Sands benadrukt dat Teamwork Lab handvatten biedt en geen rigide voorschriften. Onderzoek naar communicatiepatronen binnen teams wijst uit dat ‘bursty’ teams over het algemeen beter presteren. Dat zijn teams die communiceren in geconcentreerde, asynchrone golven in plaats van een constante stroom van heen-en-weer-berichten. Het lab adviseert dan ook om maximaal de helft van een werkweek vooraf vol te plannen met meetings. Daarbij gelden vanzelfsprekend andere richtlijnen voor managers dan voor individual contributors.
Draagvlak creëren is niet moeilijk
Op de vraag of managers zich verzetten tegen dergelijke experimenten, is Sands stellig. Buy-in is eigenlijk heel eenvoudig te krijgen, simpelweg omdat iedereen de pijn al voelt. Het kaderen als ‘experiment’ helpt hierbij aanzienlijk. Deelnemers krijgen immers niet te horen dat het om een permanente verandering gaat. Het idee is dat ze expliciet toestemming krijgen om binnen een afgebakend tijdsbestek iets radicaal anders uit te proberen. Dat verlaagt de drempel en creëert psychologische veiligheid om te experimenteren. Het lab meet de resultaten aan de hand van data, maar deelnemers doen zelf al waardevolle inzichten op door simpelweg een andere manier van werken te ervaren.
Onderzoek vloeit direct terug naar het Atlassian-platform
De bevindingen van Teamwork Lab blijven niet beperkt tot papier of onderzoeksrapporten, onderstreept Sands. Ze vormen de inhoudelijke basis voor de architectuur van Atlassian’s productsuite. Ze hebben grote invloed op de manier waarop het platform teams verbindt met doelen, taken en context. Dit vormt tevens het fundament van de Teamwork Graph: de visie dat betekenisvol werk volledige zichtbaarheid vereist over de gehele keten, van strategie tot executie.
Atlassian heeft inmiddels ook AI-functionaliteiten ontwikkeld die teams helpen valideren of hun doelstellingen daadwerkelijk goed geformuleerd zijn. De content en templates binnen Atlassian’s collecties weerspiegelen denkprocessen en frameworks die Teamwork Lab door middel van onderzoek en experimenten heeft gevalideerd.
Productiviteit en AI-ROI meten blijft complex
Een van de meest uitdagende taken binnen Teamwork Lab draait om kwantificering en meting. Uit eigen onderzoek blijkt dat slechts 6% van de executives aangeeft de ROI van hun AI-implementaties duidelijk te kunnen aantonen. Dat betekent overigens niet dat de waarde ontbreekt, maar dat de meeste organisaties simpelweg niet weten hoe ze die moeten meten.
Sands stelt dat zelfgerapporteerde metrics waardevoller zijn dan vaak wordt aangenomen. Mensen kunnen je niet betrouwbaar vertellen of ze afgelopen dinsdag productiever waren dan de dinsdag ervoor, maar ze kunnen wel met grote nauwkeurigheid inschatten hoe hun team ervoor staat. Presteert het team op hoog niveau? Boeken we vooruitgang op onze doelstellingen? En blijft de kwaliteit overeind onder hoge druk?
Daarnaast waarschuwt Sands voor een systemisch risico bij AI-gedreven productiviteit. Als de inzet van AI voor software development engineers 50% sneller maakt in codering, maar omliggende processen vertraagt, kan het nettorendement nul of zelfs negatief zijn. Metingen moeten dus betrekking hebben op het gehele ecosysteem, niet uitsluitend op het geoptimaliseerde deelproces.
AI maakt functies omvangrijker, niet eenvoudiger
Het onderzoek van Teamwork Lab naar de transformatie van functies legt een ogenschijnlijk contra-intuïtieve dynamiek bloot. De rol van kenniswerkers krimpt niet naarmate AI meer taken overneemt; rollen worden juist breder. Dat is ook logisch, want professionals kunnen werk zelfstandig over meer fases heen tillen. Ze kunnen gespecialiseerde taken oppakken waar ze voorheen de specifieke vaardigheden voor misten, en verliezen minder tijd aan het wachten op dependencies.
Deze verruiming van de scope vergroot de noodzaak tot samenwerking alleen maar. Uit onderzoek van Atlassian blijkt dat intensieve AI-gebruikers juist vaker cross-functioneel samenwerken in plaats van minder. Designers zoeken vaker afstemming met engineers en product managers, en trekken zich niet terug in een geïsoleerde rol als individuele bouwer.
Het ‘luiheids’-vooroordeel
Teamwork Lab verzamelt ook data over sociale perceptie op de werkvloer. In een onderzoek onder 1.000 online kenniswerkers kregen deelnemers identieke stukken werk voorgelegd. Bij de ene versie stond vermeld dat de maker AI had gebruikt, bij de andere niet. De inhoud was exact gelijk.
De uitkomsten waren veelzeggend. Deelnemers bestempelden de persoon met AI-ondersteuning tien keer vaker als ‘lui’ en waren 24% minder geneigd diegene aan te bevelen voor een prestigieus project.
Organisatiecultuur bleek deze bias echter volledig te neutraliseren. Wanneer respondenten werkten in een cultuur waarin AI-gebruik werd gestimuleerd en actief werd voorgeleefd door het leiderschap, verdween de negatieve perceptie compleet. Dit inzicht heeft directe implicaties voor AI-adoptiestrategieën. Organisaties hebben zichtbaar leiderschap en expliciete steun voor AI nodig om adoptie sociaal veilig te maken.
Lees ook: Atlassian Strategy Collection moet strategie en executie op een lijn krijgen