Blog Marjolein ten Hoonte
Stel je voor: het is 1780. Je bent een ervaren spinner in een Engels dorpje. Je hebt jaren getraind om de fijnste draden te maken. En dan verschijnt de Spinning Jenny, een machine waarmee één ongeschoolde arbeider tachtig draden tegelijk spinnen. Niet vreemd dat mensen bang zijn voor de devaluatie van expertise: de machine neemt de taken over waar jij jaren voor hebt gezwoegd.
Er trad wel een vreemd fenomeen op: de machines waren er, maar mensen zagen het nog niet direct terug in rijkdom. Dat noemen we de Productiviteitsparadox. En dat zien we nu ook bij AI. Er klinken veel kritische stemmen: “Als AI zo revolutionair is, waarom werken we dan nog steeds 40 uur en groeit de economie niet harder?”
Dat komt omdat we in ”installatiefase” zitten. Nieuwe technologie heeft tijd nodig heeft om in de haarvaten van een organisatie te trekken. Bij specifieke taken (zoals coderen of schrijven) verhoogt AI de snelheid met 25% tot 40%. Maar op organisatieniveau kost het implementeren, het leren en het controleren van de AI-output momenteel nog bijna evenveel tijd als het bespaart. We investeren nu in tijd en moeite, om de oogst later binnen te halen.
De vraag naar talent stopt nooit
En we hoeven niet bang te zijn voor het “einde van werk”. De Jevons Paradox leert ons dat naarmate een hulpbron (zoals wol of denkkracht) goedkoper en efficiënter wordt, we er niet minder, maar juist méér van gaan gebruiken.
Toen stoommachines efficiënter werden, gebruikten we niet minder kolen; we bouwden simpelweg tienduizend nieuwe fabrieken en treinen. Met AI zal het ook zo gaan. We gaan niet minder werken; we gaan complexere problemen oplossen die we voorheen lieten liggen omdat ze te duur of te tijdrovend waren. Dat betekent dat we mensen nodig hebben die weten hoe ze met AI op een fundamenteel en creatief niveau kunnen omgaan.
Maar: wat doen we met de junior medewerkers?
Maar er is een gevaar. Vroeger leerde je het vak door de “simpele” klusjes te doen. Als AI die taken overneemt, verdwijnt de traditionele leerweg voor junior medewerkers in de traditionele rollen en functies, Maar de beginner blijft natuurlijk bestaan. Als we niet oppassen, creëren we een wereld met hoogproductieve machines, maar zonder een nieuwe generatie die begrijpt waarom de machine doet wat hij doet.
Conclusie: Van Uitvoerder naar Regisseur
De landarbeider van 1800 werd de fabrieksarbeider van 1900 en de kantoormedewerker van 2000. De geschiedenis leert ons dat de machine niet de mens vervangt, maar de taak. De transitie naar AI is geen abrupte vervanging van menselijke arbeid, maar een fundamentele herschikking van taken.
De geschiedenis leert ons ook dat de ‘pijn’ van de transitie vaak niet ligt in het gebrek aan werk, maar in de snelheid van de noodzakelijke herscholing. De productiviteitsexplosie komt er aan, maar die komt niet vanzelf door een druk op de knop.
Oftewel, we hebben heel veel digitale talenten nodig. Het vraagt om een nieuwe generatie ‘AI-regisseurs’ die begrijpen dat de stoommachine ons superkracht in onze spieren gaf, en dat AI ons superkracht in onze geest geeft. Dat betekent weg met het mantra ‘AI pakt onze banen af’ en investeren in bestaand en toekomstig talent.