Kunstmatige intelligentie is niet langer uitsluitend een technologie voor analyse, tekstproductie of klantenservice. Generatieve AI, multimodale modellen en AI-agents dringen door in de dagelijkse uitvoering van werk: zij verzamelen informatie, maken voorstellen, voeren processtappen uit, communiceren met systemen en bereiden besluiten voor.
Daarmee verandert de managementvraag fundamenteel. Niet: welke taken kunnen we automatiseren? Maar: welke combinatie van mens, AI en – op termijn – robotica levert de meeste waarde op, zonder dat kennis, vakmanschap, zeggenschap en verantwoordelijkheid verdwijnen?
“AI neemt niet simpelweg werk over. AI herverdeelt taken, beslisruimte, leermogelijkheden en aansprakelijkheid.”
De organisatie die AI uitsluitend benadert als een efficiencyprogramma kan op korte termijn tijd en kosten besparen, maar tegelijk een strategisch verlies opbouwen: minder menselijke oordeelsvorming, minder ruimte om vakmanschap op te bouwen en meer afhankelijkheid van systemen die medewerkers niet werkelijk kunnen corrigeren of vervangen.
Van GPT naar een nieuw organisatiemodel
GPT‑4 markeerde een belangrijk omslagpunt: voor het eerst kregen zeer veel professionals directe toegang tot een taalmodel dat kan schrijven, samenvatten, redeneren, coderen en analyseren. Inmiddels is de ontwikkeling breder. AI verwerkt niet alleen tekst, maar ook beeld, geluid, documenten, gegevens en workflows. De volgende stap is AI die niet slechts antwoord geeft, maar in afgebakende processen ook zelfstandig handelt.
Een nuttig onderscheid:
- Voorspellende AI herkent patronen, bijvoorbeeld in fraude, onderhoud, vraag of risico.
- Generatieve AI maakt nieuwe tekst, beeld, code, analyses en concepten.
- Multimodale AI combineert tekst, beeld, geluid en andere databronnen.
- AI-copilots ondersteunen een professional tijdens het werk.
- AI-agents kunnen, binnen vooraf gestelde kaders, meerdere stappen plannen en uitvoeren.
- Fysieke AI en robotica verbinden digitale intelligentie aan handelen in de fysieke wereld.
Deze ontwikkeling maakt AI steeds minder een losse applicatie en steeds meer een laag in de organisatie: een digitale capaciteit die meewerkt in processen, klantcontact, analyse, kennismanagement en besluitvorming.
“De vraag is niet wie het slimste model heeft, maar wie bepaalt waar, door wie en onder welke voorwaarden die intelligentie wordt ingezet.”
Van automatisering van taken naar herontwerp van werk
Veel organisaties beginnen met laaghangend fruit: teksten opstellen, verslagen samenvatten, informatie zoeken, softwarecode maken of klantvragen beantwoorden. Dat is begrijpelijk, maar de grootste impact ontstaat wanneer AI in een compleet proces wordt ingebed.
Denk aan een adviseur die niet alleen een eerste concept maakt met AI, maar ook onderzoek laat verzamelen, scenario’s laat vergelijken, relevante regelgeving laat controleren en een presentatie laat voorbereiden. Of aan een klantenservice waarin een agent vragen classificeert, informatie ophaalt, een antwoord voorstelt, vervolgacties uitzet en uitzonderingen naar een medewerker doorspeelt.
Dat vraagt om meer dan een goede prompt. Organisaties moeten opnieuw bepalen:
- welke taken AI mag uitvoeren;
- welke besluiten een mens moet nemen;
- waar professionele discretie nodig blijft;
- wie de uitkomst controleert en corrigeert;
- welke kennis en vaardigheden mensen zelf moeten blijven oefenen;
- wie eindverantwoordelijk is wanneer het systeem fout zit.
Dit is de kern van het Human Capital Allocation Framework (HCAF; Scheepers, W. 2026): AI herverdeelt niet alleen werk, maar ook taken, beslissingen, discretionaire ruimte, leren en verantwoordelijkheid. De centrale vraag luidt: wie voert uit, wie beslist, wie controleert, wie leert, wie kan ingrijpen en wie blijft aanspreekbaar?
De echte businesscase: waarde én weerbaarheid
AI kan capaciteit vrijmaken, dienstverlening verbeteren en innovatie versnellen. Toch is een businesscase die uitsluitend rekent met urenbesparing onvolledig. De netto waarde van AI bestaat uit meer dimensies:
Netto waarde = capaciteit + kwaliteit + service + risicovermijding + ontwikkelvermogen – totale kosten – restrisico
De term ontwikkelvermogen is hierbij cruciaal. Wanneer AI alle voorbereidende, analyserende en routinematige werkzaamheden overneemt, kunnen jonge professionals minder gelegenheid krijgen om patronen te herkennen, fouten te maken, feedback te ontvangen en zelfstandig oordeel op te bouwen. Dat lijkt efficiënt, totdat ervaren mensen nodig zijn om een uitzonderlijke situatie, een fout of een systeemcrisis te hanteren.
De kortetermijnwinst kan zo omslaan in human-capital debt: een verborgen schuld doordat vakmanschap, herstelvermogen en interne expertise afnemen.
“Automatiseer niet alleen het werk; bescherm eerst de leerlussen die mensen in staat stellen het systeem te begrijpen, te beoordelen en zo nodig te herstellen.”
De AI-Barbell: druk op het professionele midden
AI raakt niet alle werkzaamheden op dezelfde manier. Aan de ene kant groeit de waarde van werk waarin menselijk oordeel, relaties, creativiteit, contextgevoel en eindverantwoordelijkheid centraal staan. Aan de andere kant groeit de geautomatiseerde laag: repeterende, voorspelbare en digitaal uitvoerbare workflows.
Daartussen bevindt zich het professionele midden: standaardanalyses, eerste concepten, rapportages, voorbereiding, administratieve coördinatie en routinematige kennisverwerking. Juist daar kan AI grote druk zetten op functies en ontwikkelpaden.
Dit wordt wel de AI-Barbell (Scheepers, W. 2026) genoemd. De organisatie kan productiever worden, terwijl de middenlaag dunner wordt. Het risico is dat de toegang tot de menselijke top van het vak eveneens afneemt, omdat starters en medioren minder praktijkruimte krijgen om daar naartoe te groeien.
Voor professionals verschuift waarde daarom van alleen uitvoeren naar:
- beoordelen wat AI oplevert;
- context en belangen wegen;
- processen en agents aansturen;
- kwaliteit, veiligheid en rechtmatigheid bewaken;
- met anderen betekenis geven aan complexe situaties;
- fouten, bias en ongewenste effecten bespreekbaar maken;
- verantwoordelijkheid nemen voor het uiteindelijke besluit.
AI-geletterdheid is belangrijk, maar onvoldoende. Domeinkennis, zelfstandig oordeel, tegenspraak, relationele vaardigheden en het vermogen om een systeem te corrigeren worden juist schaarser en waardevoller.
Human Hollowing: wanneer mensen aanwezig blijven, maar hun vak verdwijnt
AI hoeft niet meteen banen te laten verdwijnen om een organisatie kwetsbaarder te maken. Human Hollowing ontstaat wanneer werkgelegenheid formeel blijft bestaan, maar menselijke oordeelsvorming, professionele identiteit, autonomie, betekenis en inzetbaarheid langzaam worden uitgehold.
Dat gebeurt bijvoorbeeld wanneer medewerkers AI-uitkomsten slechts nog accorderen, terwijl zij niet meer begrijpen hoe een advies, selectie of prioritering tot stand kwam. Of wanneer zij verantwoordelijk blijven voor een besluit, maar onvoldoende tijd, informatie of bevoegdheid hebben om het systeem werkelijk tegen te spreken.
De waarschuwing is eenvoudig:
“Een mens in de loop is niet automatisch human-in-control.”
Menselijke betrokkenheid is pas betekenisvol als een medewerker toegang heeft tot relevante informatie, tijd heeft om te toetsen, bevoegd is om in te grijpen en zonder negatieve gevolgen een AI-uitkomst kan betwisten.
Governance: van toestemming naar verantwoordelijkheid
AI-governance gaat niet uitsluitend over een privacycheck, een leverancierscontract of een verbod op ongeautoriseerde tools. Het gaat over de verdeling van macht, kennis en verantwoordelijkheid in de organisatie.
Een volwassen AI-governancekader bevat ten minste:
- Een duidelijk doel
Welk probleem wordt opgelost en welke publieke, klant- of organisatiewaarde moet de toepassing opleveren? - Passende risicobeoordeling
Welke gegevens, personen, grondrechten, processen en besluiten worden geraakt? Wat gebeurt er wanneer de AI onjuist, bevooroordeeld, niet beschikbaar of manipuleerbaar is? - Expliciet eigenaarschap
Wie is eigenaar van de toepassing, de data, de kwaliteit, de menselijke toetsing en het incidentmanagement? - Controleerbaarheid
Kan worden vastgelegd welke informatie is gebruikt, welke handelingen zijn verricht en waarom een uitkomst of aanbeveling is gevolgd? - Menselijke interventie en terugvalopties
Wie mag een systeem overrulen? Is er een handmatige werkwijze wanneer AI uitvalt, wordt beperkt of aantoonbaar onjuist handelt? - Bescherming van professionele tegenspraak
Kunnen medewerkers fouten melden, vragen stellen en AI-uitkomsten betwisten zonder dat dit als weerstand tegen innovatie wordt gezien?
De Europese AI-verordening maakt deze agenda concreter. AI-geletterdheid is sinds februari 2025 een verplicht aandachtspunt voor aanbieders en organisaties die AI inzetten. Sinds augustus 2026 zijn verdere verplichtingen en handhaving relevant. De verordening hanteert een risicogebaseerde benadering: hoe groter de mogelijke impact op mensen, veiligheid en grondrechten, hoe zwaarder de eisen aan ontwerp, inzet en toezicht. Zie de Europese Commissie over de AI Act.
Psychologische veiligheid in een AI-organisatie
AI verandert ook de sociale kant van werk. Wanneer systemen aanbevelen wie wordt uitgenodigd, welke casus prioriteit krijgt, hoe productiviteit wordt beoordeeld of welke interventie passend is, moet een medewerker zich veilig voelen om te zeggen: dit klopt niet, de context ontbreekt of ik wil een menselijke beoordeling.
Dat vraagt om een Algorithmic Psychological Safety Climate (Scheepers, D. 2026): een werkomgeving waarin mensen AI-uitkomsten kunnen bevragen, onzekerheden mogen melden, fouten kunnen herstellen en een override kunnen inzetten zonder gezichtsverlies of sanctie.
Dit is geen zachte randvoorwaarde. Zonder die veiligheid wordt AI al snel een autoriteit die wordt gevolgd omdat zij snel, technisch en objectief lijkt – ook wanneer de praktijk iets anders vraagt.
Naar een Capability-Secure Organization
De meest toekomstbestendige organisaties beschermen niet alleen hun data en systemen, maar ook hun menselijke vermogen om te oordelen, te leren en te handelen. Dat zijn Capability-Secure Organizations.
Zij gebruiken AI om medewerkers sterker te maken, niet om hen te reduceren tot uitvoerders van ondoorzichtige systemen. Zij houden kritieke kennis bewust in huis, ontwerpen werk met leerruimte, onderhouden menselijke terugvalcapaciteit en toetsen regelmatig of AI de organisatie werkelijk beter maakt.
Dat vergt een andere set stuurvragen voor bestuurders, HR, IT en lijnmanagement:
- Welke menselijke capaciteiten zijn voor ons strategisch en niet uitbesteedbaar?
- Waar verschuift beslisrecht naar AI zonder dat wij dit expliciet hebben besloten?
- Welke taken moeten professionals zelf blijven beheersen?
- Welke groepen profiteren van AI en welke groepen raken hun ontwikkelroute kwijt?
- Kunnen medewerkers uitleg, correctie en beroep krijgen bij AI-ondersteunde beslissingen?
- Hoe lang kan de organisatie functioneren wanneer een cruciale AI-laag wegvalt?
Vijf stappen voor verantwoord versnellen
Organisaties hoeven niet te wachten totdat alle onzekerheid is verdwenen. Wel moeten zij sneller leren dan hun afhankelijkheid groeit.
1. Breng werk in kaart, niet alleen functies.
Inventariseer taken, beslissingen, gegevens, uitzonderingen, kwaliteitsrisico’s en leerfuncties binnen een proces.
2. Begin met afgebakende toepassingen.
Kies pilots met duidelijke waarde, een beheersbaar risico en vooraf vastgelegde grenzen voor autonomie.
3. Meet meer dan productiviteit.
Volg ook kwaliteit, klantwaarde, fouten, escalaties, inclusie, werkdruk, leereffecten en afhankelijkheid.
4. Ontwerp menselijke controle als werk, niet als formaliteit.
Geef reviewers tijd, informatie, bevoegdheid en expertise om werkelijk te toetsen en in te grijpen.
5. Schaal alleen op wanneer waarde en beheersbaarheid samen toenemen.
Stop, herontwerp of beperk een toepassing wanneer de risico’s, human-capital debt of afhankelijkheid sneller groeien dan de aantoonbare waarde.
Slot: de keuze die nu voorligt
AI is geen bestemming en ook geen neutraal hulpmiddel. Zij wordt de komende jaren een bepalende factor in hoe organisaties capaciteit organiseren, kennis ontwikkelen, besluiten nemen en mensen behandelen.
De vraag is daarom niet of een organisatie AI gebruikt. De vraag is of zij met AI een sterkere, lerende en weerbare organisatie bouwt – of een efficiënte organisatie die op termijn haar menselijke onderscheidingsvermogen verliest.
“De waarde van AI wordt niet bepaald door hoeveel werk zij verricht, maar door welke menselijke vermogens een organisatie bewust behoudt, ontwikkelt en beschermt.”
