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

De meeste organisaties benaderen AI nog primair als een technologie- of productiviteitsvraagstuk. Welke tool zetten we in? Welke processen kunnen sneller? Hoeveel capaciteit kan worden bespaard? Die vragen zijn begrijpelijk, maar onvoldoende. De fundamentele verandering zit niet in de technologie zelf, maar in wat zij herverdeelt: kennis, beslisruimte, leerervaringen, verantwoordelijkheid en uiteindelijk menselijke waarde.

AI dwingt organisaties daarom tot een nieuwe vraag: niet welk werk kan AI overnemen?, maar welke menselijke capabilities moeten wij behouden, ontwikkelen en bewust combineren met AI?

Dat is de kern van wat ik aanduid als Human Capital Stewardship Theory of AI-Enabled Organizations. Het is geen pleidooi tegen automatisering. Integendeel. Het is een pleidooi om AI te benaderen als een ontwerpvraagstuk voor werk, professionele ontwikkeling en organisatievermogen.

Kader — De keten van AI naar Human Capital Stewardship

Deze bijdrage bouwt voort op één samenhangende redenering:

AI transformation verandert de verdeling van taken, kennis, beslisruimte en verantwoordelijkheid. Het AI-Barbell Model maakt zichtbaar waar werk onder druk komt en waar nieuwe waarde ontstaat. Het Human Capital Allocation Framework (HCAF) helpt organisaties vervolgens bewust te bepalen wat mensen, copilots, agents en geautomatiseerde processen doen, beslissen, controleren en leren.

De uitkomst is niet neutraal. Zonder gericht ontwerp dreigen Human Hollowing en human-capital debt: verlies van oordeel, vakmanschap, agency en ontwikkelpaden. Met Human Capital Governance, Algorithmic Psychological Safety Climate (APSC) en Capability Security kan dezelfde transformatie juist leiden tot capability renewal.

Deze keten vormt de basis van deze bijdrage: AI is geen los technologieproject, maar een keuze over de verdeling, bescherming en vernieuwing van menselijke capability.

De AI-Barbell: de druk op het midden

Het AI-Barbell Model helpt om de eerste verschuiving te begrijpen. AI zet vooral routinematige kennisarbeid onder druk: samenvatten, standaardanalyses, documentproductie, eerste klantreacties, planning, rapportage en delen van beleidsvoorbereiding. Tegelijk neemt de waarde toe van twee andere typen werk.

Aan de ene kant staat sterk geautomatiseerd werk: processen die snel, schaalbaar en betrouwbaar door AI-workflows of agents worden uitgevoerd. Aan de andere kant staat werk waarin menselijk oordeel, relatie, context, creativiteit, ethiek en accountability doorslaggevend blijven.

Daarmee ontstaat het risico van een middle collapse. Niet noodzakelijk doordat functies onmiddellijk verdwijnen, maar doordat het middensegment van werk dunner wordt: de taken waarop professionals routine, vakmanschap en zelfvertrouwen opbouwen. Juist daar liggen traditioneel veel leerpaden voor starters, adviseurs en toekomstige leidinggevenden.

De arbeidsmarktvraag verschuift dus van “welke functies verdwijnen?” naar “welke capabilities worden schaars, en wie krijgt nog de kans om ze in de praktijk te ontwikkelen?”

HCAF: van banen naar allocation

Het Human Capital Allocation Framework (HCAF) biedt vervolgens het ontwerpraamwerk. HCAF kijkt niet in de eerste plaats naar banen, maar naar zes verdelingsvragen:

• Wie voert het werk uit?

• Wie neemt besluiten?

• Wie controleert uitkomsten?

• Wie leert van de praktijk?

• Wie mag interveniëren of overrulen?

• Wie blijft uiteindelijk accountable?

In een traditionele reorganisatie worden mensen en functies herverdeeld. In een AI-transformatie worden taken, beslisrechten, discretionaire ruimte en leerervaringen herverdeeld tussen mensen, copilots, agents en geautomatiseerde workflows.

Daarvoor is allocation intelligence nodig: het vermogen van een organisatie om die verdeling bewust, adaptief en verantwoord te ontwerpen. Niet elke taak die technisch automatiseerbaar is, moet ook volledig worden geautomatiseerd. En niet ieder proces dat goedkoper wordt, maakt een organisatie op langere termijn sterker.

De relevante businesscase is daarom breder dan kostenbesparing. Zij omvat capaciteit, kwaliteit, dienstverlening, risicovermijding en ontwikkelvermogen, minus kosten én het restrisico van afhankelijkheid, fouten en capabilityverlies.

Het cruciale onderscheid: automation of hollowing?

Wanneer organisaties vooral op efficiency sturen, dreigt Human Hollowing. Daarmee bedoel ik de geleidelijke uitholling van menselijk oordeel, vakmanschap, agency, professionele identiteit en betekenis, terwijl iemand formeel gewoon in dienst blijft.

Human Hollowing is verraderlijk, omdat de productiviteit aanvankelijk kan stijgen. Medewerkers leveren sneller output, maar oefenen minder met analyse, besluitvorming, formulering en het dragen van verantwoordelijkheid. De organisatie lijkt efficiënter, totdat zij geconfronteerd wordt met een uitzonderingssituatie, een fout in een AI-systeem, een ethisch conflict of een plotselinge uitval van expertise.

Dan blijkt dat niet alleen capaciteit is verdwenen, maar ook het vermogen om te beoordelen wat er gebeurt.

Dat maakt Human Hollowing tegelijk een vorm van human-capital debt: een schuld die vandaag onzichtbaar blijft, maar later wordt betaald in verminderde weerbaarheid, zwakkere instroom, afhankelijkheid van leveranciers en verlies van professionele autonomie.

Hier krijgt het Cognitive Allocation Principle betekenis. De waarde van AI wordt niet bepaald door hoeveel werk AI verricht, maar door welke cognitieve activiteiten de mens blijft uitvoeren. Probleemdefinitie, kritische toetsing, contextinterpretatie, moreel oordeel, tegenspraak en eindverantwoordelijkheid mogen niet geruisloos uit het werk verdwijnen.

Governance moet ook over mensen gaan

Technische AI governance richt zich terecht op privacy, cybersecurity, transparantie, bias, compliance en modelrisico. Maar dat is niet genoeg. Human Capital Governance voegt een andere vraag toe: welke menselijke capabilities zijn strategische assets, wie is verantwoordelijk voor hun vernieuwing en hoe signaleren we degradatie voordat prestaties instorten?

Dat vraagt om andere interventies dan een training of een gedragscode. Denk aan capability audits, behoud van judgment-rich work, toegankelijke leerpaden, participatief AI-ontwerp, expliciete interventie- en escalatierechten, human fallback en bescherming van junior ontwikkelroutes.

Hiermee verschuift de ambitie van job security naar Capability Security. Medewerkers hebben dan niet alleen de geruststelling dat hun baan voorlopig bestaat, maar ook het reële perspectief dat hun kennis, oordeel en ontwikkelbaarheid relevant blijven.

De organisatie die dit consequent organiseert, kan worden gezien als een Capability-Secure Organization. Zo’n organisatie behandelt capability niet als bijproduct van werk, maar als een strategische voorraad die voortdurend moet worden opgebouwd, onderhouden en vernieuwd.

Zonder tegenspraak is governance een papieren werkelijkheid

Zelfs de best ontworpen governance werkt niet als medewerkers het niet veilig vinden om AI-uitkomsten te betwijfelen. Daarom is Algorithmic Psychological Safety Climate (APSC) een essentiële schakel.

APSC gaat over de vraag of mensen veilig kunnen melden dat een AI-uitkomst onjuist, onbillijk, onbegrijpelijk of risicovol is. Kunnen zij een systeem overrulen? Mogen zij aangeven dat zij te afhankelijk zijn geworden van een tool? Wordt tegenspraak gezien als vertraging, of als professioneel handelen?

Binnen de bredere PRISM/APSC-lens gaat het daarmee om contestability: mandaat, data-eigenaarschap, escalatie, accountability en de ruimte om te corrigeren. AI mag menselijke tegenspraak niet reduceren tot een uitzonderingsprocedure. Juist die tegenspraak is de kwaliteitscontrole van een AI-enabled organisatie.

De volgende fase: agents, robots en resilience

Met de opkomst van AI-agents verschuift de vraag opnieuw. Een copilot ondersteunt een individuele medewerker; een agent kan werk coördineren, beslissingen voorbereiden en processen uitvoeren. Wanneer AI ook fysiek werk, dienstverlening en logistiek beïnvloedt, ontstaat Human–AI–Robotics Allocation.

Dan gaat het niet alleen om de verdeling tussen mens en software, maar tussen mens, agent, proces en embodied AI. Het concept Autosapiens helpt daarbij: waar is agency in het proces terechtgekomen, wat blijft betekenisvol menselijk en welke interventierechten houden mensen?

Daarbij hoort ook AI-RTO: AI Recovery Time Objective. Hoe lang kan een organisatie verantwoord functioneren zonder de AI-laag? Welke menselijke kennis, handmatige routes, data en fallback-processen moeten beschikbaar blijven bij storing, model-falen, leveranciersrestricties of cyberincidenten?

Een organisatie die AI diep integreert zonder deze vragen te beantwoorden, automatiseert mogelijk niet alleen werk, maar ook haar eigen kwetsbaarheid.

Van adoptie naar stewardship

De centrale opgave is dus niet om AI naast het bestaande werk te plaatsen. Het is om werk opnieuw te ontwerpen zonder de menselijke basis ervan weg te optimaliseren.

De logica is helder:

AI verandert de verdeling van werk en beslisruimte. HCAF maakt die verdeling expliciet. Zonder Human Capital Governance en APSC kan dat leiden tot Human Hollowing. Met die voorwaarden kan AI juist leiden tot Capability Security, capability renewal en een veerkrachtiger organisatie.

Voor bestuurders, HR, IT en professionals betekent dit dat AI-transformatie niet mag eindigen bij tooladoptie of efficiencywinst. De echte toets is of de organisatie na AI méér vermogen heeft om te oordelen, te leren, te corrigeren en zich aan te passen dan ervoor.

Dat is uiteindelijk de betekenis van human capital stewardship: niet mensen beschermen tegen technologie, maar menselijke capability zó organiseren dat technologie de professionele en maatschappelijke waarde ervan vergroot.

Willem E.A.J. Scheepers, AI Implementer.

From AI Adoption to Human Capital Stewardship

AI is often approached as a technology and productivity issue. But its deeper impact lies in how it redistributes tasks, knowledge, decision rights, learning opportunities and accountability across people, copilots, agents and automated workflows.

This article introduces a connected framework for navigating that shift. The AI-Barbell Model highlights pressure on routine knowledge work; the Human Capital Allocation Framework (HCAF) helps organisations decide who performs, decides, controls, learns and remains accountable. The Cognitive Allocation Principle safeguards the forms of human judgement that must not disappear.

Without deliberate design, AI can produce Human Hollowing and human-capital debt: an erosion of professional judgement, agency, learning pathways and organisational resilience. With Human Capital Governance, Algorithmic Psychological Safety and a focus on Capability Security, the same transformation can instead renew human capability.

The central argument is simple: AI is not merely a technology choice. It is a choice about how organisations allocate, protect and develop human capability.