*An English-language synopsis 'From AI-Barbell to Autosapiens: why AI strategy needs Human Capital Governance', is provided at the end of this entry.

Terwijl veel organisaties, en hun medewerkers en leidinggevenden, nog experimenteren met een chatbot, kondigt Ethan Mollick de ondergang aan van de chatbot. De ontwikkelingen rondom AI-Agents vorderen in rap tempo. Zo zet OpenAI, logisch natuurlijk, inmiddels 'zwermen van samenwerkende AI-agenten' in.

De brede implicaties hiervan op de organisatiestructuur zijn je ongetwijfeld duidelijk.

(hoog) Tijd voor een synopsis én een rode draad van mijn recente bijdragen. Deze bijdragen passen binnen de Damies Future Intelligence lijn.

Ze vormen samen geen losse reeks AI-observaties, maar een doorlopende verkenning van één centrale verschuiving: AI verandert van hulpmiddel naar organiserend principe.

Waar de eerste AI-golf vooral draaide om chatbots, copilots en productiviteitswinst, laten de thema’s AI-Barbell Framework, Human Capital Allocation Framework, Human Hollowing, AI-RTO, Human Capital Governance en Autosapiens zien dat de echte impact dieper ligt. AI automatiseert niet alleen taken. AI begint werkstromen te beïnvloeden, besluitvorming voor te bereiden, processen te coördineren en organisatiestructuren opnieuw te ordenen.

Daarmee ontstaat een nieuwe managementvraag. Niet langer alleen: wat kan AI sneller, goedkoper of slimmer doen? Maar vooral: waar moet menselijk oordeel, leervermogen, verantwoordelijkheid en betekenisgeving bewust behouden blijven?

1. De AI-Barbell: organisaties splitsen in twee polen

Het AI-Barbell Framework (Scheepers 2026) beschrijft hoe AI werk niet simpelweg laat verdwijnen, maar anders verdeelt. Aan de ene kant ontstaat een pool van sterk geautomatiseerde, schaalbare uitvoering. Processen worden sneller, data-intensiever en minder afhankelijk van menselijke tussenkomst.

Aan de andere kant groeit juist de behoefte aan hoogwaardig menselijk oordeel: strategie, ethiek, governance, uitzonderingsmanagement, relationeel leiderschap en besluitvorming onder onzekerheid.

Het kwetsbare gebied ligt daartussen. Het midden van de organisatie, waar professionals leren analyseren, afstemmen, prioriteren, interpreteren en verantwoordelijkheid opbouwen, kan dunner worden. Precies daar ontstaat het risico dat organisaties wel efficiënter worden, maar ook minder lerend.

2. Human Hollowing: de verborgen prijs van AI-productiviteit

Human Hollowing benoemt dat risico. De grootste bedreiging is niet dat AI alle mensen vervangt. De subtielere bedreiging is dat mensen steeds minder betrokken zijn bij de processen waarin vakmanschap, contextbegrip en professioneel oordeel ontstaan.

Wanneer AI analyseert, samenvat, prioriteert, adviseert en opvolging voorbereidt, kan de mens verschuiven naar de rol van controleur of escalatiepunt. De medewerker komt dan pas weer in beeld wanneer het systeem vastloopt.

Dat lijkt efficiënt, maar het holt het werk van binnenuit uit. Minder oefenen. Minder twijfel. Minder frictie. Minder overdracht van ervaring. Minder zicht op waarom een besluit goed, twijfelachtig of gevaarlijk is.

Human Hollowing is daarmee geen technologisch probleem, maar een organisatiekundig probleem.

3. HCAF: menselijk kapitaal opnieuw alloceren

Het Human Capital Allocation Framework (Scheepers 2026) is het antwoord op deze uitholling. HCAF gaat verder dan klassieke strategische personeelsplanning. Het stelt niet alleen de vraag hoeveel mensen een organisatie nodig heeft, maar vooral waar menselijk kapitaal bewust geplaatst moet worden.

De kernvraag wordt:

Welke menselijke capaciteiten moeten we waar in het systeem behouden, versterken of opnieuw positioneren?

Dat gaat over oordeel, morele sensitiviteit, relationele intelligentie, leervermogen, domeinkennis, eigenaarschap en het vermogen om uitzonderingen te herkennen. In een AI-gedreven organisatie is menselijk kapitaal geen restpost nadat automatisering heeft plaatsgevonden. Het wordt een ontwerpvariabele.

4. AI-RTO: herstelvermogen als vergeten AI-vraag

AI-RTO, Artificial Intelligence Recovery Time Objective, voegt daar een cruciale laag aan toe. Organisaties denken vaak na over implementatie, efficiency en schaalbaarheid, maar onvoldoende over herstelvermogen.

Wat gebeurt er als een AI-systeem uitvalt, verkeerde prioriteiten stelt, onjuiste adviezen geeft, processen verstoort of afhankelijkheden creëert die niemand meer begrijpt?

AI-RTO stelt de vraag hoe snel een organisatie kan terugvallen op menselijke kennis, alternatieve processen en verantwoord herstel. Daarmee wordt AI niet alleen een innovatievraagstuk, maar ook een continuïteits- en risicovraagstuk.

Een organisatie die haar menselijke kennis te ver heeft uitgehold, kan misschien snel opschalen met AI, maar langzaam herstellen zonder AI.

5. Human Capital Governance: sturen op menselijkheid als strategische capaciteit

Human Capital Governance brengt deze thema’s bij elkaar. Als AI werk herverdeelt, processen beïnvloedt en menselijke leerpaden verandert, dan volstaat traditionele HR-sturing niet meer.

Organisaties hebben governance nodig op de vraag hoe menselijk kapitaal wordt beschermd, ontwikkeld en ingezet in een omgeving waarin AI steeds meer werk voorbereidt of uitvoert.

Dat vraagt om andere indicatoren dan bezetting, productiviteit en kosten. Denk aan leervermogen, afhankelijkheidsrisico, kritieke kennisposities, menselijke controlemomenten, escalatiekwaliteit, besluitvaardigheid en professionele ontwikkeling.

Human Capital Governance maakt zichtbaar of een organisatie door AI alleen efficiënter wordt, of ook bestuurbaar, weerbaar en menselijk relevant blijft.

6. Autosapiens: AI als procesactor

Autosapiens markeert de volgende fase. De chatbot gaf antwoord. De AI-agent voert taken uit. Autosapiens nestelt zich in processen.

Daarmee wordt AI geen los instrument meer naast het werk, maar een actor ín het werk. AI-systemen kunnen analyseren, signaleren, coördineren, prioriteren en soms vervolgstappen initiëren. Ze veranderen niet alleen wat mensen doen, maar ook waar mensen nog nodig zijn.

Autosapiens maakt de eerdere DFI-thema’s urgent. Want zodra AI processen organiseert, wordt menselijke aanwezigheid geen vanzelfsprekendheid meer. Het wordt een bewuste ontwerpkeuze.

7. Impact op organisatiestructuur

De impact op organisatiestructuur is groot. Organisaties zullen minder vanzelfsprekend hiërarchisch rond functies en afdelingen worden ingericht, en meer rond werkstromen, besluitrechten, datastromen en mens-AI-interactie.

De middenlaag verandert. Niet per se omdat deze verdwijnt, maar omdat coördinatie, analyse en voortgangsbewaking deels door AI kunnen worden uitgevoerd. Daardoor verschuift de waarde van management naar richting geven, grenzen stellen, uitzonderingen beoordelen, vertrouwen organiseren en betekenis geven.

Stafrollen veranderen eveneens. HR, finance, compliance, communicatie, juridische zaken en IT worden minder alleen ondersteunend en meer bewakers van de kwaliteit van mens-AI-systemen.

De organisatie van de toekomst wordt daardoor niet simpelweg platter. Zij wordt gevoeliger. Wie niet bewust ontwerpt waar menselijk oordeel nodig blijft, bouwt een snelle maar broze organisatie.

8. Betekenis voor medewerkers

Voor medewerkers betekent dit dat werk verandert van taakuitvoering naar taakregie, van kennis toepassen naar kennis beoordelen, en van informatie verwerken naar betekenis geven.

Dat vraagt nieuwe vaardigheden: AI-geletterdheid, kritisch denken, promptvaardigheid, systeembegrip, ethisch oordeel, domeinexpertise en het vermogen om met onzekerheid te werken.

Maar het vraagt ook bescherming. Niet iedere medewerker wordt vanzelf strategisch adviseur omdat AI standaardwerk overneemt. Zonder bewuste leerpaden ontstaat juist een kloof tussen een kleine groep die AI bestuurt en een grotere groep die vooral door AI wordt aangestuurd.

Daar ligt de sociale opdracht. De toekomst van werk vraagt niet alleen om AI-implementatie, maar om menselijke ontwikkelarchitectuur.

9. De volgende stap voor Damies Future Intelligence

De volgende stap binnen Damies Future Intelligence is om deze thema’s te verbinden tot een praktisch managementmodel voor organisaties die AI niet alleen willen gebruiken, maar verantwoord willen inbedden.

Dat vraagt om een DFI AI Reality Check of AI Ready Check waarin organisaties kunnen onderzoeken:

1. Waar AI werk overneemt, ondersteunt of organiseert.

2. Waar Human Hollowing dreigt.

3. Welke functies, rollen of leerpaden onder druk komen te staan.

4. Waar AI-RTO nodig is om herstelvermogen te borgen.

5. Hoe Human Capital Governance kan worden ingericht.

6. Welke menselijke capaciteiten bewust behouden en versterkt moeten worden.

7. Hoe Autosapiens veilig, uitlegbaar en mensgericht in processen kunnen landen.

De kern van Damies Future Intelligence wordt daarmee niet: AI maakt organisaties efficiënter. 

De kern wordt: AI maakt organisaties krachtiger wanneer zij tegelijk menselijker, leerbaarder en bestuurbaar blijven.

Of scherper geformuleerd: De toekomstbestendige organisatie automatiseert niet de mens uit het systeem, maar ontwerpt opnieuw waar de mens ertoe doet.

Willem E.A.J. Scheepers, AI Implementer

Info over de AI Ready Check vind je op de LI pagina DAMIES Future Intelligence. Of mail: willem@willemscheepers.eu  GET READY FOR THE FUTURE

Mijn Yamala.ai Profile; daarin kun je met mijn AI-Twin praten.

Voor je AI-Agent heb ik dit profiel beschikbaar: Rent-a-Human.ai 

From AI-Barbell to Autosapiens: why AI strategy needs Human Capital Governance.

The recent Damies Future Intelligence contributions on ManagementPro.nl form a coherent line of thought. They are not separate reflections on AI, productivity or technology adoption, but together describe a deeper shift: AI is moving from being a tool to becoming an organising force.

The real impact of AI is therefore not limited to faster writing, better summaries or more efficient workflows. AI is beginning to reshape how work is distributed, how decisions are prepared, how processes are coordinated and where human judgement remains essential.

This is why AI should no longer be treated only as a technological or efficiency issue. It is increasingly a human capital, governance and organisational design challenge.

The AI-Barbell Framework (Scheepers 2026) shows how work may split into two poles. On one side, highly automated, scalable execution. On the other, high-value human judgement, strategy, ethics, leadership and exception management. The vulnerable zone lies in the middle, where professionals traditionally develop experience, context awareness and judgement.

This is where Human Hollowing becomes a serious risk. The danger is not simply that AI replaces people. The more subtle risk is that humans are gradually removed from the very processes through which professional expertise is built. If AI analyses, prioritises, summarises and prepares decisions, people may only re-enter the process when something goes wrong. That may appear efficient, but it can weaken organisational learning, ownership and resilience.

The Human Capital Allocation Framework (Scheepers 2026) responds to this by asking a different question. Not only: which tasks can AI perform? But: where must human capability remain deliberately present? Human judgement, ethical awareness, relational intelligence, domain knowledge, learning capacity and responsibility become strategic design variables.

AI-RTO, Artificial Intelligence Recovery Time Objective, adds another essential layer. Organisations often focus on AI implementation, productivity and scalability, but pay less attention to recovery. What happens when an AI system fails, gives poor advice, creates dependency or disrupts critical workflows? How quickly can the organisation fall back on human knowledge, alternative processes and responsible decision-making?

This makes AI-RTO not just a technical continuity concept, but a human capital question. An organisation that has hollowed out too much expertise may scale quickly with AI, but recover slowly without it.

Human Capital Governance brings these themes together. If AI changes work allocation, learning paths, decision-making and professional development, then traditional HR metrics are no longer enough. Organisations need governance on how human capital is protected, developed and positioned in AI-enabled systems.

The concept of Autosapiens marks the next phase. The chatbot answered questions. The copilot supported tasks. The AI agent executed workflows. Autosapiens enters the process itself. AI becomes not just a tool next to work, but an actor within work.

That changes the central management question. Not: how do we implement AI? But: how do we design organisations in which AI increases capability without hollowing out human expertise, responsibility and meaning?

For employees, this means the future of work will not simply be about using AI tools. It will require AI literacy, critical thinking, system awareness, ethical judgement and the ability to work with uncertainty. But it also requires protection. Not every employee automatically becomes more strategic when AI takes over routine work. Without deliberate learning pathways, AI may widen the gap between those who steer AI and those who are steered by it.

The next step for Damies Future Intelligence is therefore to translate these insights into a practical organisational lens: an AI Reality Check or AI Ready Check. This should help organisations assess where AI supports, replaces or organises work; where Human Hollowing may occur; where AI-RTO is needed; how Human Capital Governance can be shaped; and where human capability must be consciously preserved and strengthened.

The core message is clear: AI does not merely change tools, AI changes the organisation.

And future-ready organisations will not automate the human out of the system. They will deliberately redesign where human judgement, learning and responsibility matter most.