Zo veranderen AI-agents onze manier van werken
Het gesprek over AI en werk neigt naar twee richtingen: de utopische richting — AI doet alle saaie taken en mensen doen het creatieve werk — of de dystopische richting — AI vervangt menselijke werknemers en economische ontwrichting volgt.
Beide frames zijn onjuist. Niet omdat de uitkomsten die ze beschrijven onmogelijk zijn, maar omdat ze een toekomstige staat beschrijven in plaats van de transitie die daadwerkelijk plaatsvindt. En die transitie is interessanter en heeft verstrekkender gevolgen dan elk van beide eindtoestanden.
De verschuiving die nu plaatsvindt draait niet om AI die menselijke werknemers vervangt of AI die menselijke werknemers assisteert. Het gaat om de grens tussen wat AI doet en wat mensen doen die in een specifieke richting verschuift — naar AI die execution uitvoert en mensen die judgment leveren — en die verschuiving gaat sneller dan de meeste organisaties kunnen bijhouden.
Dit gaat over wat daadwerkelijk verandert in hoe werk wordt uitgevoerd, niet over hoe de toekomst van werk eruit zou kunnen zien.
De grens verschuift
Elke technologie die werk veranderde, heeft een grens verlegd. De introductie van spreadsheets verlegde de grens tussen wiskundige berekening en strategische analyse — accountants besteedden minder tijd aan rekenen en meer tijd aan interpreteren. E-mail verlegde de grens tussen geschreven communicatie en strategische communicatie — professionals besteedden minder tijd aan het schrijven van brieven en meer tijd aan het bepalen wat te zeggen.
AI agents verleggen hetzelfde type grens. De verschuiving gaat van taken die menselijke uitvoering vereisen naar taken die AI autonoom kan uitvoeren. Niet alleen taken die menselijke input of menselijk oordeel vereisen — taken die menselijk handelen vereisen.
Dit onderscheid is belangrijk omdat het bepaalt welk werk mensen in de toekomst doen. Het is niet de inspirerende framing — mensen doen creatief werk terwijl AI repetitief werk doet. Het is de nauwkeurigere framing — mensen doen werk dat oordeelsvermogen vereist terwijl AI werk doet dat uitvoering vereist.
Het werk dat mensen blijven doen is werk dat oordeelsvermogen vereist: beslissen welk doel na te streven, evalueren of het resultaat correct is, aanpassen wanneer omstandigheden veranderen op manieren die de AI niet had voorzien. Het werk dat AI steeds meer zal doen is werk dat uitvoering vereist: een gedefinieerd doel nastreven, een proces volgen, coördineren tussen systemen.
Dit is niet het einde van menselijk werk. Het is een herverdeling van wat menselijk werk betekent.
De organisatorische consequentie: werkontwerp is nu een AI-strategiebeslissing
De traditionele aanpak van werkontwerp: breek een baan op in taken, wijs taken toe aan mensen op basis van hun vaardigheden, meet prestaties op taakvoltooiing.
De AI-agent aanpak: breek een baan op in taken die oordeelsvermogen vereisen en taken die uitvoering vereisen. Wijs uitvoeringstaken toe aan AI agents. Wijs oordeelstaken toe aan mensen. Meet prestaties op uitkomsten in plaats van taakvoltooiing.
Dit verandert hoe werk wordt ontworpen. Werk wordt niet langer ontworpen rond menselijke capaciteiten en beperkingen. Het wordt ontworpen rond de verdeling tussen AI execution en menselijk oordeel. De beslissing over hoe werk te verdelen tussen AI en mensen is nu een ontwerpbeslissing met strategische implicaties.
De organisaties die zich het snelst aanpassen zijn degene die dit als een organisatieontwerpprobleem behandelen, niet als een technologieadoptieprobleem. Ze hebben mensen wiens taak het is om te evalueren welke workflows AI-uitgevoerd moeten worden en welke menselijk beoordeeld moeten blijven. Ze meten de kwaliteit van die verdelingsbeslissing, niet alleen de prestaties van de AI-tools die ze hebben ingezet.
De individuele consequentie: oordeelsvermogen is de vaardigheid
Als AI execution afhandelt, is oordeelsvermogen de vaardigheid die ertoe doet — het vermogen om te beslissen welk doel na te streven, welke aanpak te volgen, welke afwegingen te accepteren.
Dit klinkt abstract tot je het in de praktijk ziet. Ik heb professionals gezien wiens baan voornamelijk uitvoering was — rapporten opstellen, gegevensinvoer beheren, follow-ups coördineren — ontdekken dat AI sneller en consistenter kan uitvoeren dan zij. Hun waarde in die rollen daalt naar nul. Hun waarde zit in het oordeelswerk dat ze naast het uitvoeringswerk deden — en als ze dat oordeel niet hebben ontwikkeld, zitten ze in een moeilijke positie.
De professionals die gedijen in deze transitie zijn degene die altijd oordeelswerk deden naast uitvoeringswerk. Ze hadden meningen over strategie, namen beslissingen over aanpak, evalueerden of outputs correct waren. Ze gebruikten AI om de uitvoeringslast te verwijderen en meer tijd vrij te maken voor oordeel. Ze zijn productiever, waardevoller en strategischer.
De professionals die moeite hebben zijn degene die voornamelijk uitvoerders waren. Ze hadden geen oordeelslaag omdat hun rol dat niet vereiste. Toen AI de uitvoering overnam, had hun rol minder waarde.
De les: oordeelsvermogen is de vaardigheid die samengesteld renteert. Uitvoeringsvaardigheden zijn aanleerbaar door AI. Oordeelsvaardigheden zijn wat mensen meebrengen dat AI niet kan repliceren.
Wat dit betekent voor hoe organisaties over AI moeten denken
De organisaties die zich het snelst aanpassen aan deze verschuiving delen drie kenmerken die de organisaties die moeite hebben niet hebben.
Ten eerste zijn ze expliciet over wat ze proberen te bereiken. Ze nemen AI niet aan omdat concurrenten AI aannemen. Ze evalueren specifieke workflows, meten specifieke kosten en baten, en nemen beslissingen op basis van de economie van hun specifieke situatie.
Ten tweede ontwerpen ze werk rond de AI/mens-verdeling in plaats van AI toe te voegen aan bestaande werkontwerpen. Het typische faalpatroon is een bestaand proces nemen, AI-tools toevoegen op specifieke punten, en meten of de AI-tools sneller zijn. De productievere aanpak is het proces opnieuw ontwerpen rond wat AI goed doet en wat mensen goed doen.
Ten derde ontwikkelen ze de oordeelscapaciteiten van hun medewerkers, niet alleen hun uitvoeringscapaciteiten. De organisaties die AI behandelen als een vervanging voor uitvoerende werknemers zitten in een race naar de bodem — ze trainen hun mensen om te concurreren met AI op AI's voorwaarden. De organisaties die de oordeelscapaciteiten van hun medewerkers ontwikkelen, bouwen het enige duurzame voordeel in een AI-verrijkte economie.
Het werk dat mensen doen is fundamenteel oordeelswerk: beslissen wat er toe doet, wat na te streven, welke afwegingen te accepteren, welke uitkomsten te optimaliseren. AI agents voeren uit. Mensen beslissen. De organisaties die zich rond dat onderscheid organiseren — in plaats van te proberen AI te gebruiken om menselijke uitvoering goedkoper te maken — zijn degene die iets duurzaams bouwen.
De verschuiving van tools naar agents draait niet om het beter worden van de tools. Het gaat over de aard van menselijk werk die verandert. Hoe eerder organisaties dat begrijpen, hoe beter ze gepositioneerd zijn om de transitie te managen.