Kennswerkers in het AI-agent-tijdperk

De baan van de kennswerker is altijd al geweest: informatie verzamelen, analyseren, output produceren.

Gedurende het grootste deel van de geschiedenis vereiste dat proces een mens voor alle drie de stappen. De kennswerker — consultant, analist, onderzoeker, adviseur — besteedde zijn hele carrière aan het verbeteren van elke stap.

AI-agents hebben deze vergelijking fundamenteel veranderd.

McKinsey-data toont aan dat 50-70% van de tijd van kennswerkers nu wordt besteed aan taken die AI kan automatiseren — tegenover 20% in 2023. Deloitte rapporteert dat kennswerkers die AI-agents gebruiken nu minder tijd besteden aan eerste concepten en meer tijd aan verfijning en oordeelsvorming. De "AI-supervisor" emergeert als een echte baancategorie.

De structurele verschuiving: AI-agents verwerken nu stap één en drie van de kennswerk-waardeketen — informatie verzamelen en output produceren. De rol van de mens verschuift naar de middelste stap — analyse, oordeel, en bepalen wat ertoe doet.

Dit is het meta-framework dat elke functie-specifieke AI-agent-transformatie verbindt. En dit begrijpen is hoe kennswerkers floreren in plaats van overbodig te worden.

Wat "Kennswerk" eigenlijk betekent in 2026

Kennswerk is de verwerking van informatie om bruikbare output te creëren. De baan van de kennswerker bestaat uit drie duidelijke stappen:

Stap 1 — Verzamelen: Vinden, ophalen en verzamelen van informatie uit interne en externe bronnen. Onderzoeksrapporten, winstcijfers, marktgegevens, concurrentie-intelligentie, klantfeedback, regelgevende documenten.

Stap 2 — Analyseren: Redeneren over de verzamelde informatie, patronen identificeren, conclusies trekken, oordelen vormen, aanbevelingen ontwikkelen. Het werk dat expertise, context en denkwerk vereist.

Stap 3 — Communiceren: De analyse synthetiseren tot een opleverbaar product — een rapport, presentatie, notitie of set aanbevelingen — dat de bevindingen overbrengt en een beslissing stimuleert.

AI-agents zijn nu bekwaam in stap één en drie op een niveau dat menselijke prestaties evenaart of overtreft voor routinematig kennswerk. Het comparatieve voordeel van de mens is vrijwel volledig verschoven naar stap twee.

De Kennswerk-Waardeketen — Wat AI Afhandelt en Wat Niet

Wat AI-agents Goed Afhandelen

Informatieophaling en onderzoek: AI-agents doorzoeken interne en externe databases, halen financiële data uit SEC-filings en winstverslagen, compileren concurrentie-intelligentie en synthetiseren bevindingen tot gestructureerde samenvattingen — sneller en grondiger dan menselijke onderzoekers.

Eerste-conceptproductie: AI-agents genereren eerste concepten van rapporten, presentaties, notities en analyses. Het eerste concept is niet het eindproduct — het is het startpunt voor menselijke verfijning.

Patroonherkenning op schaal: AI-agents analyseren datasets, identificeren statistische patronen, brengen anomalieën aan het licht en genereren grafieken en visualisaties.

Rapportopmaak en presentatievoorbereiding: AI-agents formatteren documenten naar publicatiestandaarden en produceren directieklare presentaties op basis van onderzoeksbevindingen.

** Vergader samenvatting en actiepunten-extractie:** AI-agents transcriberen, vatten samen en extraheren actiepunten uit vergaderingen en gesprekken.

Wat AI-agents Slecht Afhandelen

Strategisch oordeel: AI-agents kunnen informatie synthetiseren, maar ze kunnen geen strategisch oordeel vormen over wat ertoe doet, wat prioriteit moet krijgen en wat aan te raden.

Relatiemanagement: Relaties opbouwen en onderhouden vereist menselijke aanwezigheid, vertrouwen en emotionele intelligentie die AI niet kan repliceren.

Creatief probleemoplossen: AI-agents passen bekende frameworks toe op bekende probleemtypen. Echt nieuwe situaties vereisen menselijke creativiteit en redenering.

Ethische redenering: Wanneer waarden conflicteren, wanneer afwegingen concurrerende stakeholderbelangen betreffen, vereist ethische redenering menselijk oordeel.

Contextueel begrip: AI-agents kunnen informatie over een bedrijf verwerken, maar ze kunnen de cultuur, geschiedenis en ongeschreven regels van het bedrijf niet begrijpen.

Het Onvervangbare Domein van de Mens

Bepalen wat de moeite waard is: Voordat informatieverzameling begint, bepaalt de mens welke vragen de moeite waard zijn om te beantwoorden en wat ertoe doet.

De kwaliteit van AI-output beoordelen: Alleen een mens met domeinexpertise kan betrouwbaar evalueren of door AI gegenereerde analyse accuraat, volledig en contextueel gepast is.

Uitkomsten ownership: Wanneer een aanbeveling verkeerd is, kan alleen een mens die uitkomst dragen. AI-agents zijn niet accountable. Professionals wel.

Rol per Rol — Hoe AI-agents Kennisberoepen Veranderen

Consultants

AI-agents verwerken dataverzameling, concurrentieonderzoek, marktverdeling en eerste-conceptrapportproductie. De consultant die voorheen 60% van zijn tijd aan dataverzameling besteedde, besteedt die tijd nu aan klantstrategie en oordeelsvorming.

De transformatie: een strategieconsultant gebruikt AI-agents om concurrentie-intelligentie te compileren en een eerste-conceptanalyse te genereren. De consultant bekijkt de output, past strategisch oordeel toe en levert een aanbeveling die zowel de data als de context van de klant weerspiegelt.

Marktonderzoeksanalisten

AI-agents runnen data pipelines, genereren initiële visualisaties, schrijven samenvattende bevindingen en compileren concurrentielandschapsrapporten. De analist die voorheen 70% van zijn tijd aan data-wrangling besteedde, richt zich nu op interpretatie en bruikbare aanbevelingen.

Financieel Analisten

AI-agents halen winstcijfers op, bouwen financiële modellen, genereren variantieanalyses en markeren anomalieën. De analist die voorheen 50% van zijn tijd aan dataverzameling besteedde, richt zich nu op investeringstheses en narratief.

HR en People Operations

AI-agents screenen cv's, plannen interviews, genereren functieomschrijvingen en produceren compliance-rapporten. De HRBP die voorheen 40% van zijn tijd aan administratieve verwerking besteedde, richt zich nu op cultuur, relaties en organisatieontwikkeling.

Strategisch Adviseurs

AI-agents compileren onderzoek, produceren scenarioanalyses en formatteren klantoplossingen. De adviseur die voorheen 50% van zijn tijd aan onderzoekscompilatie besteedde, richt zich nu op klantspecifiek strategisch oordeel.

De Opkomende "AI-Supervisor"-Rol

De "AI-supervisor" is geen functietitel. Het is een functie die elke kennswerker steeds meer moet uitvoeren.

Wat de AI-supervisor doet:

Stuurt aan: Bepaalt de scope, context en doelstellingen voor AI-agentwerk. Bepaalt welke vraag gesteld wordt, welke bronnen geraadpleegd worden, welk formaat geproduceerd wordt.

Beoordeelt: Evalueert door AI gegenereerde output op accuraatheid, volledigheid en relevantie. Vangt op wanneer de AI zelfverzekerd ongelijk heeft.

Corrigeert: Geeft feedback die toekomstige AI-agentprestaties verbetert. Leer de AI-agent de voorkeuren en standaarden die ertoe doen.

Coördineert: Stuurt meerdere AI-agents aan die aan verschillende aspecten van een complex project werken.

De nieuwe professionele vaardigheid: "agent literacy"

Agent literacy — het vermogen om AI-agents effectief instructies te geven, hun output kritisch te evalueren en meerdere agents te orchestreren — vervangt traditionele toolvaardigheid als de bepalende professionele vaardigheid.

De Vaardigheidsverschuiving — Wat Kennswerkers Nodig Hebben in 2026

Prompt engineering is basisniveau. Basis prompt engineering is nu een basis beroepsvereiste, zoals e-mailetiquette was in 2005.

Agent orchestration is de premium skill. Het opzetten van multi-step workflows waarbij gespecialiseerde AI-agents coördineren is de vaardigheid die premium oplevert.

Kritische evaluatie van AI-output is de meest waardevolle vaardigheid. De professional die kan identificeren wanneer een AI-agent zelfverzekerd ongelijk heeft, is waardevoller dan degene die correcte outputs uit AI kan genereren.

Domeinexpertise telt meer, niet minder. Domeinexpertise is wat je in staat stelt om AI-output te evalueren en fouten te ontdekken. Diepe expertise plus AI-agentvaardigheden equals dramatische productiviteitsmultiplier.

Strategische communicatie blijft menselijk. AI-gegenereerde analyse vertalen naar beslissingen vereist begrip van hoe beslissingen daadwerkelijk tot stand komen in organisaties.

De Cijfers

50-70% van de tijd van kennswerkers aan AI-automatiseerbare taken (McKinsey) — tegenover 20% in 2023.

25-40% tijdbesparing op informatieverzameling en synthese (McKinsey) — professionals die AI-agents gebruiken winnen deze tijd terug voor oordeelswerk.

60% van de kennswerkers die AI-agents gebruiken besteedt minder tijd aan eerste concepten (Deloitte) — meer tijd aan verfijning en oordeel.

De Beperkingen

Kan clientcontext niet diep genoeg begrijpen om strategisch advies te geven. AI-agents kunnen informatie compileren. Ze kunnen cultuur, geschiedenis en concurrentiedynamiek niet begrijpen.

Kan organisatiepolitiek of stakeholderrelaties niet navigeren. AI-agents kunnen politieke situaties niet lezen of stakeholderbelangen begrijpen.

Kan niet accountable zijn voor beslissingen. Wanneer een aanbeveling verkeerd is, draagt de professional die deze produceerde met behulp van AI de uitkomst.

Hallucinatie en zelfverzekerdheid. AI-agents produceren zelfverzekerde output die mogelijk onjuist is. Menselijke review is niet optioneel — het is het mechanisme dat fouten opvangt voordat ze schade veroorzaken.

Hoe Floreren als Kennswerker in het AI-Agent-Tijdperk

Begin met het gebruiken van AI-agents voor je daadwerkelijke werk — niet als experiment. De kennswerkers die winnen in 2026 hebben AI-agents geïntegreerd in dagelijkse praktijk, niet als zijexperiment maar als kerntool.

Ontwikkel de gewoonte om AI-output kritisch te beoordelen. Elke door AI gegenereerde output is een concept dat menselijke review vereist. Lees als kritisch reviewer, niet als accepterende lezer.

Bouw agent orchestration-vaardigheden op. Leer hoe je multi-step AI-agent workflows opzet. Het orchestreren van meerdere agents is de vaardigheid die premium oplevert.

Verdubbel op mens-only skills. Relatieopbouw, strategisch oordeel, creatief probleemoplossen, ethische redenering — deze worden waardevoller naarmate AI meer kennswerk afhandelt.

Bouw je persoonlijke AI-stack. De kennswerkers die winnen in 2026 hebben persoonlijke AI-stacks gebouwd die geconfigureerd zijn voor hun specifieke workflow, getraind op hun voorkeuren en standaarden.

De Conclusie

De baan van de kennswerker is altijd al geweest: informatie verzamelen, analyseren, output produceren. AI-agents verwerken nu stap één en drie — informatie verzamelen en output produceren — op een niveau dat menselijke prestaties evenaart voor routinematig werk.

McKinsey: 50-70% van de tijd van kennswerkers wordt besteed aan taken die AI kan automatiseren. Deloitte: professionals die AI gebruiken besteden minder tijd aan eerste concepten, meer aan verfijning en oordeel.

De rol verschuift van "producent" naar "AI-supervisor, validator en strategisch besluitvormer." AI verwerkt verzamelen en communiceren. Mensen verwerken analyseren en oordelen.

De vaardigheden die meer tellen: agent orchestration, kritische evaluatie van AI-output, domeinexpertise (nu deels gedefinieerd als je vermogen om AI-fouten te ontdekken), en strategische communicatie.

De vaardigheden die onvervangbaar blijven: strategisch oordeel, relatiemanagement, creatief probleemoplossen, ethische redenering en contextueel begrip.

De kennswerkers die floreren in 2026 begrijpen dat AI-agents geen vervangingen zijn voor hun expertise — ze zijn versterkers ervan. De professional die weet hoe hij AI-agents moet aansturen, evalueren en ermee moet samenwerken, zal de professional die tegen ze concurreert overtreffen.

Book een gratis 15-min gesprek: https://calendly.com/agentcorps