*An English-language synopsis is provided at the end of this entry.

De aanleiding is bijna te symbolisch om te negeren. Volgens The Wall Street Journal bouwt Mark Zuckerberg een persoonlijke AI-agent om hem te helpen als CEO. Die moet sneller informatie ophalen, met andere agents communiceren en de interne coördinatie versnellen. De Financial Times zette daar direct een prikkelende kanttekening naast: de “CEO chatbot era” komt eraan, en veel bestuurders zullen daardoor verleid worden. Dat is precies de goede spanning. Want een CEO is niet alleen een bron van antwoorden of een doorgeefluik van informatie. Een CEO is er juist voor de momenten waarop informatie niet genoeg is: bij conflict, twijfel, allocatie van schaarste, reputatierisico, politieke afwegingen en morele verantwoordelijkheid. 

AI agents** zijn verraderlijk goedkoop: voor €1.000 tot €10.000 per jaar nemen ze werk over dat organisaties nu nog €60.000 tot €100.000 per FTE kost en precies daarom onderschat bijna iedereen hoe snel dit kantelt.

Laat staan als we het hebben over de beloning van de Top van de organisatie..... 

**Anders dan een bot heeft een agent een doel, plant stappen en neemt (beperkt) beslissingen.

Van informatieknooppunt naar beslisser onder onzekerheid.

Dat is de korte termijn. AI-agents nemen niet meteen de CEO-functie over, maar wel een flink deel van het voorbereidende en coördinerende werk eromheen. Denk aan briefing packs, samenvattingen van dashboards, voortgangsbewaking, opvolging van besluiten, scenariovergelijkingen, signalering van afwijkingen en het uitzetten van acties naar andere systemen of agents. De CEO wordt dan minder een menselijke inbox en meer een regisseur van uitzonderingen. Het werk verschuift van verzamelen naar kiezen. Van zenden naar wegen. Van operatie naar oordeel. 

Van CEO-experiment naar organisatiestandaard.

En precies daar wordt het interessant voor de rest van de organisatie. OpenAI en Cloudflare positioneren agentic workflows inmiddels als fundament voor hoe werk wordt gedaan. Hun boodschap is niet voorzichtig geformuleerd: miljoenen bedrijven kunnen OpenAI-modellen rechtstreeks in Cloudflare Agent Cloud inzetten; agents moeten “real work” doen; en cloud agents worden een “foundational building block” voor hoe werk plaatsvindt. Dat betekent dat de logica van Zuckerberg’s AI-assistent zich kan verspreiden naar heel gewone functies. Eerst als copiloot, daarna als uitvoerder, tenslotte als orkestrator van stukken werk die vroeger verspreid waren over meerdere medewerkers.

Functies vallen niet weg, ze worden opnieuw gesneden

Voor functies betekent dit op korte termijn vooral verdichting. Een customer service medewerker krijgt een agent die tickets classificeert, antwoorden voorstelt, CRM’s bijwerkt en uitzonderingen markeert. Een finance professional krijgt een agent die facturen matcht, afwijkingen signaleert, documentatie ophaalt en concept-rapportages maakt. Een HR-adviseur krijgt agents die vacatures analyseren, intakevragen structureren, beleidssamenvattingen maken en standaardcommunicatie afhandelen. Een softwareteam krijgt agents die testen draaien, documentatie schrijven, code-review voorbereiden en incidenten triëren. De medewerker blijft bestaan, maar de functie wordt smaller aan de linkerkant en zwaarder aan de rechterkant. Het routinematige deel wordt uitgeknepen.

Conform het principe van de Barbell dus. 

Het midden van de organisatie komt onder druk

Op langere termijn schuift niet alleen de taakinhoud, maar ook de organisatiestructuur. Middle management verliest dan een deel van zijn klassieke rol als informatieverdeler en voortgangsbewaker. Als agents rapporteren, najagen, prioriteren en escaleren, dan moet een manager iets anders toevoegen: context, conflictbemiddeling, strategische duiding, talentontwikkeling en legitimiteit. Dat is een ongemakkelijke boodschap, want veel managementwerk is historisch gegroeid rond coördinatiekosten. Zodra agents die kosten drukken, komt de vraag op tafel welke managementlaag nog echt waarde toevoegt. De organisatie wordt dan niet per se kleiner, maar wel dunner in het midden. 

De medewerker: van uitvoerder naar laatste controlepost

Voor medewerkers is dit dubbel. Enerzijds kan werk interessanter worden, omdat vervelende repetitie verdwijnt. Anderzijds wordt het werk scherper en psychologisch zwaarder. Wie vroeger een mix van routine en uitzonderingen had, krijgt steeds meer uitzonderingen. Dat vraagt meer oordeel, meer snelheid, meer aansprakelijkheid en vaak ook meer permanente bijscholing. De medewerker wordt minder uitvoerder en meer supervisor, curator en laatste menselijke controlepost. Dat klinkt chic, maar het betekent in de praktijk ook dat de foutmarge smaller wordt en de prestatiedruk kan stijgen. De medewerker wordt niet meteen vervangen, maar wel opnieuw gemodelleerd.

Daarom is de rol van de CEO juist niet weg, maar zwaarder. Niet omdat de CEO nog de slimste persoon in de kamer moet zijn, maar omdat iemand de institutionele keuze moet maken: waar zetten we agents in, welke besluiten laten we nooit autonoom lopen, welke functies herontwerpen we, wat betekent dit voor interne mobiliteit, hoe gaan we om met productiviteit die stijgt zonder dat medewerkers daar vanzelf van profiteren? De CEO van het agentic tijdperk is minder opperplanner en meer architect van grenzen. Minder spreekbuis, meer systeemontwerper. 

Voorbeelden van functies die als eerste verschuiven

• Customer service / support: intake, classificatie, standaardantwoorden, CRM-updates en escalaties worden agentwerk; de mens blijft voor emotie, uitzonderingen en herstel van vertrouwen.

• Finance operations: matching, controles, reminders, eerste analyse en rapportageconcepten worden grotendeels automatiseerbaar; de mens blijft voor interpretatie, governance en materialiteitsafwegingen. 

• HR en recruitment: sourcing, samenvatten, eerste screening, communicatie en dossieropbouw schuiven naar agents; de mens blijft voor selectiegesprekken, cultuurinschatting en gevoelige besluiten. 

• Softwareontwikkeling: documentatie, tests, codevoorstellen en bugtriage kunnen sterk versnellen; de mens blijft voor architectuur, security, integratiekeuzes en productoordeel. 

• Management en staf: statusrapportage, voorbereiding van overleggen, opvolging van acties en interne afstemming kunnen verschuiven naar agents; de mens blijft voor prioritering, conflict, koers en verantwoording.

Kader: grove financiële rekensom AI-agents versus medewerkers

Onderstaande berekening is indicatief, geen volledige businesscase. Ik reken alleen met modelkosten en grove loonkosten, dus exclusief integratie, change, security, governance en toezicht.

Scenario 1: support-agent
Aannames: 5.000 klantinteracties per maand, gemiddeld 2.000 inputtokens en 500 outputtokens per interactie. Totaal per maand: 10 miljoen inputtokens en 2,5 miljoen outputtokens. Tegen GPT-5.4 nano-prijzen van $0,20 per 1M inputtokens en $1,25 per 1M outputtokens komt dat neer op ongeveer $5,13 per maand, of nog geen $62 per jaar aan pure modelkosten.

Zelfs als je daar platform-, monitoring- en foutmarges royaal bovenop zet, blijf je vaak ver onder de jaarlijkse loonkosten van één fulltime customer service medewerker. Ter vergelijking: het mediane loon van een customer service representative in de VS lag in mei 2024 op circa $42.800 per jaar; voor computer user support specialists op $60.340. (OpenAI)

Scenario 2: software / knowledge work-agent
Aannames: 1.000 grotere agentruns per maand, elk 20.000 inputtokens en 5.000 outputtokens. Dat is 20 miljoen inputtokens en 5 miljoen outputtokens per maand. Tegen standaard GPT-5.4-prijzen van $0,75 per 1M inputtokens en $4,50 per 1M outputtokens kom je uit op ongeveer $37,50 per maand, of $450 per jaar aan modelkosten.

Een mediane software developer verdiende in mei 2024 in de VS $133.080 per jaar. Natuurlijk vervangt zo’n agent geen ontwikkelaar 1-op-1, maar het prijsverschil is zo absurd groot dat organisaties bijna vanzelf gaan experimenteren met substitutie, vooral op deeltaken. (OpenAI)

De echte vergelijking is dus niet “agent kost $450 per jaar en medewerker $133.000, dus weg ermee”. De serieuze vergelijking is deze: als een agent 10 tot 25 procent van het werk van een kenniswerker betrouwbaar overneemt, verandert de economische drempel al. Dan ontstaat druk op teamgrootte, span of control, functiemix en instroomprofielen. En dat is precies waarom deze ontwikkeling strategisch is, niet alleen technisch. OpenAI adviseert bovendien expliciet om eerst met het capabelste model een prestatiebaseline te bouwen en daarna pas voor kosten te optimaliseren. Dat betekent dat de route naar adoptie meestal loopt van kwaliteit naar schaal, en pas daarna naar prijsdruk. 

De vraag is niet of AI-agents werk overnemen, dat dat gebeurt is zeker. De vraag is welke functies eerst veranderen in een stapel agentische deelprocessen, en welke leiders dan nog in staat zijn daar een menselijk, strategisch en legitiem organisatiemodel omheen te bouwen.

Zuckerberg is daarmee niet alleen een curiositeit uit Silicon Valley. Hij is het vroege prototype van een bestuurder die zichzelf alvast opsplitst in twee delen: een digitale uitvoerder en een menselijke beslisser***. De rest van de organisatie volgt daarna vanzelf. Of struikelt erover.

Lees ook op LinkedIn 'AI rekent, de mens overtuigt.'. 

Willem E.A.J. Scheepers, AI Implementer

DAMIES FUTURE INTELLIGENCE 

***Mijn Yamala.ai Profile; daarin kun je met mijn AI-Twin (ook) een dialoog aangaan.

*Synopsis (EN)

The CEO is not disappearing, but the role is being fundamentally rewritten. As Mark Zuckerberg experiments with a personal AI twin, a deeper shift becomes visible: leadership is moving away from information processing toward decision-making under uncertainty.

AI agents are rapidly absorbing the preparatory layer of executive work, from briefing materials and dashboards to coordination and follow-up. This does not replace the CEO, but reframes the role into what can best be described as an exception manager: someone who intervenes where judgment, trade-offs and accountability cannot be automated.

What starts in the boardroom is quickly cascading through the organization. With agentic workflows emerging as infrastructure, functions across customer service, finance, HR, software development and management are being reconfigured. Routine tasks are compressed or eliminated, while the remaining work becomes sharper, more judgment-driven and often more demanding.

This shift has structural consequences. As coordination becomes cheaper through AI, parts of middle management lose their traditional rationale. Organizations do not necessarily shrink, but they become thinner in the middle, placing new emphasis on direction, context and legitimacy.

For employees, the impact is double-edged. Work becomes more meaningful as repetitive tasks disappear, but also more intense, with a growing focus on exceptions, responsibility and continuous adaptation. The human role evolves toward supervision, curation and final accountability.

The financial logic accelerates this transition. Even partial substitution, where AI agents take over 10–25% of tasks, already reshapes team structures and cost models. This is not a distant scenario, but an economic reality that organizations are beginning to explore.

The central question is therefore not whether AI agents will replace work, but which functions will fragment into agent-driven processes first, and which leaders are capable of redesigning their organizations accordingly.

Zuckerberg’s AI twin is not an outlier. It is an early prototype of a broader pattern: leadership splitting into two layers, a digital execution layer and a human decision layer.

The rest of the organization will follow. Or struggle to keep up.

▶️ Watch the accompanying English video for a concise breakdown of how AI agents are reshaping leadership, functions and organizational design.

The AI Barbell Model; Why Work Is Splitting in Two.

Bronnen: 

[1]: https://www.wsj.com/tech/ai/mark-zuckerberg-is-building-an-ai-agent-to-help-him-be-ceo-eddab2d5?utm_source=chatgpt.com "Mark Zuckerberg Is Building an AI Agent to Help Him Be CEO"
[2]: https://openai.com/index/cloudflare-openai-agent-cloud/ "Enterprises power agentic workflows in Cloudflare Agent Cloud with OpenAI | OpenAI"
[3]: https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/ "A practical guide to building agents | OpenAI"
[4]: https://www.ft.com/opinion?utm_source=chatgpt.com "Opinion"
[5]: https://openai.com/api/pricing/?utm_source=chatgpt.com "API Pricing"