AI maakt organisaties niet automatisch platter, slimmer of menselijker. Het duwt werk en waarde naar twee uiteinden en zet juist het professionele midden onder druk.

De beslissende managementvraag is daarom niet hoeveel werk AI kan overnemen, maar welk midden uit het organisatieontwerp mag verdwijnen en welke functies ervan doelbewust moeten worden herzien, herbouwd.

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

De reflex is begrijpelijk. Zodra AI sneller kan schrijven, analyseren, plannen, controleren en coördineren, richten organisaties zich op de directe opbrengst: kortere doorlooptijden, lagere kosten en meer output. Maar wie uitsluitend naar efficiency kijkt, ziet slechts één helft van de transformatie. AI verandert niet alleen hoe taken worden uitgevoerd. Zij verandert ook waar kennis, beslismacht, leerervaring en verantwoordelijkheid zich in de organisatie bevinden.

Precies daar begint het AI-Barbell Framework. Het model beschrijft hoe werk onder invloed van AI niet gelijkmatig verschuift, maar zich steeds sterker concentreert rond twee uiteinden: schaalbare AI-gedreven uitvoering aan de ene kant en menselijk werk met hoge context-, relatie-, oordeels- en verantwoordelijkheidswaarde aan de andere. Het routinematige kenniswerk daartussen verliest relatief volume, marge, autonomie of ontwikkelwaarde.

KERNDEFINITIE

De AI-Barbell is een arbeidsmarkt- en organisatiemodel waarin AI waarde en werk concentreert aan twee uiteinden: schaalbare AI-gedreven uitvoering en werk met hoge menselijke context-, relatie-, oordeels- en verantwoordelijkheidswaarde. Het routinematige kenniswerk in de compressiezone verliest relatief volume, marge, autonomie of ontwikkelwaarde. (Scheepers, 2026)

Niet de baan, maar de taakarchitectuur verandert eerst

Veel discussies over AI beginnen nog altijd bij de vraag welke beroepen verdwijnen. Dat is meestal te grof. Functies bestaan uit bundels van taken, beslissingen, contacten en verantwoordelijkheden. AI raakt die onderdelen ongelijk. Een functie kan formeel blijven bestaan terwijl de analyse, voorbereiding of coördinatie die haar ooit status en ontwikkelwaarde gaf grotendeels wordt geautomatiseerd.

Daarom gaat taaktransformatie vooraf aan functieverandering. Bovendien kan waarde sneller verschuiven dan werkgelegenheid. Medewerkers houden hun baan, maar verliezen discretionaire ruimte, zicht op het gehele proces of toegang tot leerzame opdrachten. Een adviesrol blijft bijvoorbeeld bestaan, terwijl het systeem al bepaalt welke informatie relevant is, welke opties plausibel zijn en welk voorstel als standaard verschijnt. De mens zet dan nog een handtekening, maar het feitelijke zwaartepunt is al verplaatst.

De halter heeft daarbij twee gezichten. Op de arbeidsmarkt staan hoogwaardige AI-, data-, ontwerp- en governancerollen tegenover fysiek, essentieel en relationeel werk dat lastig volledig te digitaliseren is. Administratief en routinematig kenniswerk komt ertussenin onder druk. Binnen organisaties ziet dezelfde beweging er anders uit: software, modellen en agenten vormen de schaalbare uitvoeringspool; menselijk oordeel, context en eindverantwoordelijkheid vormen de impactpool; analyse, planning, controle, rapportage en vertaling vormen de compressiezone.

Pool A omvat digitaliseerbaar, herhaalbaar en controleerbaar werk. Mensen ontwerpen de grenzen, bewaken kwaliteit en herstellen fouten, maar hoeven niet iedere stap meer zelf uit te voeren. Pool H bevat werk waarvan de waarde mede ontstaat uit menselijke positie: richting kiezen onder onzekerheid, belangen afwegen, vertrouwen dragen, betekenis geven en aanspreekbaar zijn op gevolgen.

De grootste bestuurlijke vergissing is om zone R als louter overhead te beschouwen. Het midden bevat weliswaar veel routinematig kenniswerk, maar vervult ook minder zichtbare functies. Hier leren starters patronen herkennen. Hier vertalen professionals strategie naar uitvoering. Hier worden afwijkingen opgemerkt, twijfel besproken en uitzonderingen geëscaleerd. Het midden is productie én ontwikkelinfrastructuur.

Waarom het midden dunner wordt.

Zeven mechanismen versterken elkaar. AI neemt cognitieve standaardtaken over; digitale uitvoering levert schaalrendement; reproduceerbare expertise wordt een commodity; coördinerende lagen worden overgeslagen; AI-vaardige professionals vergroten hun bereik; uitzonderingen worden minder frequent maar zwaarder; en bestuurders bepalen waar de vrijgespeelde tijd en productiviteit terechtkomen.

Dat laatste mechanisme is cruciaal. De AI-Barbell is geen natuurwet. Dezelfde technologie kan leiden tot ontslag, hogere output, betere kwaliteit, een kortere werkweek, nieuwe dienstverlening of meer tijd voor leren. De uiteindelijke vorm van de halter wordt dus mede door de organisatie zelf geproduceerd. Technologie bepaalt wat mogelijk is; leiderschap en governance bepalen wat werkelijk gebeurt.

BESTUURLIJKE VERSCHUIVING

Niet: hoeveel werk kan AI overnemen?

Wel: welke verdeling van schaal, oordeel, leren en verantwoordelijkheid maakt de organisatie vandaag productiever én morgen kundig en corrigeerbaar?

Productiviteit kan samengaan met Human Hollowing

Het centrale risico van een verkeerd ontworpen AI-Barbell is Human Hollowing: de geleidelijke erosie van menselijk oordeel, vaardigheden, handelingsvermogen, betekenis, waardigheid en inzetbaarheid wanneer AI ontwikkelwerk vervangt of mensen reduceert tot monitors van geautomatiseerde systemen.

Dit risico is verraderlijk omdat de operationele cijfers aanvankelijk kunnen verbeteren. Output stijgt, doorlooptijden dalen en fouten lijken af te nemen. Tegelijk oefenen medewerkers minder zelfstandig, wordt afwijking van AI ongebruikelijk en begrijpen steeds minder mensen het proces van begin tot eind. De besparing is onmiddellijk zichtbaar; de human-capital debt wordt pas zichtbaar bij een uitzonderlijke casus, modeldrift, systeemuitval of opvolgingsprobleem.

Voor starters verdwijnt de oefenruimte. Voor mediors verliest de klassieke coördinatierol waarde. Voor senioren concentreert aansprakelijkheid zich, terwijl de aanvoer van nieuwe expertise smaller wordt. Leidinggevenden krijgen meer dashboards, maar lopen het risico verder van de praktijk af te komen. Zo kan een organisatie tegelijk efficiënter en kwetsbaarder worden.

De Barbell Index: zichtbaar maken, niet afvinken

Het framework maakt polarisatie bespreekbaar met drie aandelen: A voor schaalbare AI-uitvoering, R voor het routinematige midden en H voor menselijk impactwerk. De Barbell Index kan conceptueel worden uitgedrukt als BI = (A + H) − R. Een aanvullende balansindicator, Δ = A − H, laat zien welke pool domineert.

Deze maten zijn geen kwaliteitskeurmerk. Een hoge Barbell Index kan passen bij een intelligent ontwerp, maar ook bij een uitgeholde organisatie. Daarom moet de index altijd worden aangevuld met vragen over leerruimte, beslisrechten, foutdetectie, opvolgingsdekking, menselijke overrides en herstelvermogen. Meet bovendien niet alleen FTE. Kijk ook naar tijd, economische marge, autonomie, beslismacht, leerwaarde en maatschappelijke waarde.

Van diagnose naar ontwerp: HCAF

De AI-Barbell en het Human Capital Allocation Framework zijn nadrukkelijk niet hetzelfde. De AI-Barbell is het diagnosemodel: het laat zien wat er met werk en waarde gebeurt. HCAF is het strategische organisatie- en allocatiemodel dat vervolgens bepaalt wie of wat uitvoert, beslist, leert en verantwoordelijkheid draagt.

Per taak, proces of besluit moet daarom niet alleen worden gevraagd wat AI technisch kan doen. Minstens zo belangrijk zijn de gevolgzwaarte, contextvariatie, relationele waarde, leerwaarde en noodzaak van menselijke aanspreekbaarheid. Soms is automatisering logisch. Soms is AI-ondersteuning wenselijk. Soms moet de mens het proces leiden, ook wanneer AI technisch verder zou kunnen gaan. En soms kan een agent het proces leiden, maar alleen binnen duidelijke grenzen, met logging, escalatie en een bevoegde menselijke eigenaar.

De logische keten is daarmee helder. De AI-Barbell toont waar polarisatie ontstaat. Human Hollowing maakt zichtbaar welke menselijke vermogens dreigen te eroderen. HCAF herontwerpt de allocatie. Human Capital Governance borgt rechten, rollen, toezicht en vernieuwing.

Zonder tegenspraak is menselijke controle een papieren constructie

Governance wordt vaak vertaald in procedures: een human-in-the-loop, een overrideknop en een escalatieroute. Maar formele bevoegdheid is niet hetzelfde als feitelijke tegenmacht. Wanneer medewerkers reputatie-, management-, algoritmische of loopbaanschade verwachten, zullen zij AI-uitvoer niet snel bevragen.

Daarom is Algorithmic Psychological Safety Climate (APSC; Scheepers D.D., 2026) een noodzakelijke klimaatvoorwaarde. Het gaat om de gedeelde overtuiging dat medewerkers AI kunnen bevragen, eigen gebruik en onzekerheid kunnen melden, fouten kunnen rapporteren en geautomatiseerde besluiten kunnen betwisten zonder negatieve gevolgen. Zonder APSC blijven meldkanalen ongebruikt en wordt de mens in de lus vooral een legitimatie voor het systeem.

Een volwassen governancebasis omvat daarnaast een end-to-end eigenaar, heldere grenzen voor advies en besluit, inzicht en beroep voor betrokkenen, logging van model en menselijke interventie, een werkende menselijke fallback en een geteste AI Recovery Time Objective: binnen welke tijd kan een proces na AI-uitval of beperking verantwoord herstellen?

Drie mogelijke organisaties

1. Productive Hollowing

De organisatie maximaliseert automatisering en stelt leren en tegenmacht uit. De output is hoog en het midden dun. Op korte termijn oogt dit succesvol; op langere termijn ontstaan deskilling, afhankelijkheid, een zwakke instroom en stilte rond fouten.

2. Managed Polarization

De organisatie scheidt schaal en menselijk oordeel bewust. Safeguards, leerlussen en uitzonderingsmanagement zijn ingericht. Het model is bestuurbaar, maar vraagt blijvende aandacht voor mobiliteit, werkdruk en de verdeling van kansen.

3. Regenerative Barbell

De productiviteitsruimte wordt niet alleen als besparing geboekt, maar financiert ook kwaliteit, innovatie, leren en inclusie. AI vergroot de capaciteit van de organisatie én haar vermogen om nieuw vakmanschap, professioneel oordeel en menselijke agency te ontwikkelen.

Wat bestuurders nu moeten besluiten

De essentie van het framework is niet dat elk midden behouden moet blijven. Veel bureaucratie, overdracht en dubbel werk mag juist verdwijnen. Maar voordat een proces wordt weggeautomatiseerd, moeten leiders vaststellen welke verborgen functies ermee verdwijnen en hoe die elders worden herbouwd.

• Maak de halter zichtbaar. Classificeer kritieke taken en besluiten in A, R en H en bespreek welke beweging wenselijk is.
• Ontwerp vóór aanschaf. Bepaal eerst het werk-, leer- en besluitmodel; kies daarna technologie en leverancier.
• Bescherm entry-level werk als infrastructuur. Reserveer oefencases, feedback en progressieve verantwoordelijkheid.
• Verdeel productiviteitswinst vooraf. Leg vast welk deel naar kosten, output, kwaliteit, innovatie, werktijd, inclusie en leren gaat.
• Voorkom beslismonopolies. Organiseer second opinions, rotatie en onafhankelijke challenge bij beslissingen met grote gevolgen.
• Meet human-capital renewal. Volg vaardigheidsgroei, zelfstandige foutdetectie, interne mobiliteit, opvolgingsdekking en APSC.
• Oefen uitval. Test periodiek of mensen het proces zonder het dominante AI-systeem kunnen begrijpen, voortzetten en herstellen.
• Herijk bij iedere belangrijke release. Behandel taakallocatie als een levende governancebeslissing, niet als een eenmalige implementatiekeuze.

BOARD METRIC

Rapporteer naast AI-ROI ten minste de Barbell Index en balansindicator, beschermde leertijd, menselijke overrides en foutdetectie, escalatiekwaliteit, opvolgingsdekking, AI-RTO en APSC-signalen.

Het echte ontwerpcriterium

AI kan het midden van organisaties bevrijden van bureaucratie. Zij kan ook precies die laag uithollen waarin professioneel oordeel ontstaat, context wordt overgedragen en fouten worden gecorrigeerd. Het verschil zit niet in het model, maar in het organisatieontwerp eromheen.

De linkerpool van de AI-Barbell kan ongekende schaal leveren. De rechterpool kan menselijk oordeel meer invloed geven. Maar wanneer het midden zonder analyse verdwijnt, verliezen beide uiteinden hun verbinding: systemen missen context en mensen verliezen de route naar expertise.

De toekomstbestendige organisatie is daarom niet de organisatie met het dunste midden.

Het is de organisatie die precies weet welk midden kan verdwijnen, welke functies ervan moeten worden herbouwd en hoe schaal en menselijk oordeel elkaar blijven corrigeren.

Willem E.A.J. Scheepers 

Over het framework

Het AI-Barbell Framework (Scheepers, 2026) is een conceptueel en operationaliseerbaar diagnose-, meet- en handelingskader. Het is geen gevalideerde causale wet en voorspelt niet dat alle middenfuncties verdwijnen. Sectorale, psychometrische en longitudinale validatie maken deel uit van de ontwikkelagenda. De volledige whitepaper bevat onder meer de Barbell Scan, een classificatierubric, de Human Hollowing Audit en een voorbeeld van een HCAF allocation map.

SSRN: 'The AI-Barbell Model: Measuring the Polarization of Knowledge Work in the Age of Artificial Intelligence'.

English synopsis

The AI-Barbell Framework (Scheepers, 2026) explains how artificial intelligence polarizes work and organizational value. At one end, AI enables scalable, standardized and increasingly autonomous execution. At the other, human work concentrates around context, judgment, relationships, ethics and accountability. Routine knowledge work in between—the compression zone—gradually loses volume, autonomy, economic value or developmental significance.

This shift is not an inevitable technological outcome but a consequence of organizational choices. When efficiency dominates, organizations risk Human Hollowing: the erosion of human judgment, skills, agency, meaning and learning capacity. The framework therefore connects diagnosis to redesign. The Human Capital Allocation Framework (HCAF) determines how tasks, decisions, learning and responsibility should be distributed between humans and AI. Algorithmic Psychological Safety Climate (APSC) and Human Capital Governance ensure that employees can challenge AI and that organizations remain knowledgeable, correctable and resilient.

The future-ready organization is not the one with the thinnest middle, but the one that knows which parts can disappear—and which vital functions must be deliberately rebuilt.

Bronnen en verdere lezing

Scheepers, W. E.A.J. (2026). The AI-Barbell Framework: Hoe AI werk, waarde en organisaties polariseert. DAMIES Future Intelligence, versie 1.0.

Scheepers, W. E.A.J. (2026). Human Hollowing: De verborgen prijs van AI-productiviteit in organisaties. ManagementPro.

Scheepers, D. D. (2026). Beyond Psychological Safety: Algorithmic Psychological Safety Climate in AI-Enabled Organizations. SSRN working paper.

International Labour Organization (2025). Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140.

OECD. Onderzoek naar AI, werk, baankwaliteit en algorithmic management.

World Economic Forum & PwC (2026). Artificial Intelligence and the Future of Entry-Level Work.

Microsoft (2026). Work Trend Index: Agents, Human Agency and the Opportunity for Every Organization.