De 35-Minuten Regel — Wat je in 2026 met AI moet automatiseren en hoe je dat bepaalt
Er is een getal dat de meeste productiviteitsframeworks negeren. Vijfendertig minuten.
Toby Ord, filosoof aan Oxford en auteur van The Precipice, heeft een framework dat hij de "boredom threshold" noemt — het punt waarop een mens die werkt aan een repetitieve of oppervlakkige taak zijn concentratie verliest en fouten begint te maken. Zijn observatie is dat de meeste cognitieve werkzaamheden, wanneer ze continu worden uitgevoerd na vijfendertig minuten, in kwaliteit afnemen. De fouten zijn niet dramatisch. Ze zijn subtiel — een spreadsheetformule die net niet klopt, een e-mail die net niet de juiste toon heeft, een data-invoer die net niet goed is uitgelijnd. Het werk wordt afgeleverd. De kwaliteit is lager dan zou moeten.
Het onderzoek van AIMultiple vertaalt dit naar een praktische beslisregel: elke taak die langer dan vijfendertig minuten duurt en een herhaalbaar patroon volgt, moet worden geëvalueerd voor AI-automatisering of -delegering. De vijfendertigminutendrempel is geen productiviteits-hack. Het is een cognitieve limiet. Wanneer je een mens de opdracht geeft om werk te doen dat een AI-agent in vijfendertig minuten kan doen, betaal je een menselijk loon voor verslechterde aandacht.
Dit verandert de automatiseringsbeslissing van "wat kunnen we automatiseren?" naar "wat moeten we eigenlijk helemaal niet meer aan mensen vragen?" En die vraag, eerlijk beantwoord, is het productiviteitsvoordeel dat de meeste organisaties niet benutten.
Het Error Propagation-probleem — Waarom de Vijfendertigminutenregel Ertoe Doet
Het Galileo-onderzoek naar error propagation cascades beschrijft waarom de vijfendertigminutendrempel niet alleen over efficiëntie gaat — het gaat over foutenkwaliteit.
Wanneer een mens een fout maakt op een taak die al vijfendertig minuten loopt, blijft die fout niet op dat moment. Hij plant zich voort in elke volgende stap. Een verkeerde celverwijzing in een spreadsheetmodel op minuut dertig besmet de analyse op minuut vijftig. Een incorrect gecodeerde data-invoer aan het begin van een datamigratie besmet de database aan het einde. De mens is vermoeid, maakt kleine fouten, en elke fout stapelt zich op in het systeem dat ze bouwen.
AI-agents hebben geen boredom threshold. Ze degraderen niet na vijfendertig minuten. Ze maken niet meer fouten op de honderdste iteratie dan op de eerste. Wanneer een taak onder de vijfendertigminutendrempel valt en een herhaalbaar patroon volgt, is het kwaliteitsargument voor AI boven menselijke uitvoering niet marginaal — het is structureel.
De error propagation cascade is het meest schadelijk in taken waar de output direct in een ander systeem terechtkomt. Een verkeerde CRM-update voert foute data in de sales pipeline. Een financieel model met een verkeerde aanname voert foute data in de begroting. Een klantemail met de verkeerde toon creëert een relatieprobleem dat managementtijd kost om op te lossen. De kosten van de fout zijn niet de tijd om het te repareren. Het is de downstream-besmetting.
Het productiviteitsvoordeel zit dus niet in het automatiseren van de taak. Het zit in het voorkomen van de foutencascade voordat deze begint.
AI-Native Task Decomposition — Werk Onder de Drempel Breekken
De praktische toepassing van de vijfendertigminutenregel vereist een discipline die de meeste organisaties nog niet hebben ontwikkeld: AI-native task decomposition.
Traditionele task decomposition — uit projectmanagementmethodologieën — breekt werk op in logische eenheden voor menselijke uitvoering. De eenheid van werk is afgestemd op menselijke aandachtsboog, menselijke planning en menselijke vermoeidheidspatronen.
AI-native task decomposition breekt werk op in eenheden die zijn afgestemd op AI-agents. De vraag is niet "hoe moet een mens dit uitvoeren?" maar "hoe moet een AI-agent dit uitvoeren?" Het antwoord vereist gelijktijdig nadenken over drie dingen: wat de AI-agent betrouwbaar kan doen, wat de mens moet reviewen voordat het zich verder verspreidt, en wat de kosten van een fout op elke stap zouden zijn.
Het decomposition framework heeft drie vragen die voor elke taak gesteld moeten worden voordat deze aan een mens of een AI wordt toegewezen:
Valt deze taak onder de vijfendertigminutendrempel? Als ja, is het een kandidaat voor AI-uitvoering. Als het voor een mens langer dan vijfendertig minuten duurt, zal de kwaliteit afnemen. De AI-agent niet. Een taak van vijfendertig minuten voor een mens kost een AI-agent misschien dertig seconden. Dat is een voordeel, geen beperking.
Is het error propagation-risico acceptabel? Als de taakoutput in een downstream-systeem terechtkomt — een CRM, een financieel model, een database — zijn de kosten van een fout niet de tijd om de taak te herstellen. Het is de downstream-besmetting. Taken met een hoog propagation-risico vereisen menselijke review gates. Taken met een laag propagation-risico kunnen autonoom draaien.
Kan de output worden geverifieerd voordat er kostbare actie wordt ondernomen? Een AI-agent die een rapport genereert moet de conclusies steekproefsgewijs controleren voordat het rapport naar een klant gaat. Een AI-agent die een vergadering plant kan zonder review uitvoeren. Een AI-agent die een e-mail naar een klant stuurt zou waarschijnlijk door een mens gelezen moeten worden voordat deze verstuurd wordt. De verificatievereiste is een functie van de kosten van een incorrecte output.
Het Drie-Vragen Scoping Framework
Vraag één: Is deze taak herhaalbaar en duurt deze minder dan vijfendertig minuten voor een mens? Als het antwoord nee is — als het twee uur duurt, of als het elke keer echt nieuw is — is het geen AI-automatiseringskandidaat. Het is een menselijke taak. Wijs het toe aan de mens en probeer het niet te automatiseren. De vijfendertigminutenregel zegt niet "automatiseer alles." Het zegt "automatiseer de dingen waar mensen slecht in zijn vanwege hun cognitie."
Vraag twee: Wat zijn de kosten van een fout op elke stap? De vijfendertigminutenregel is geen reden om menselijk oordeel uit complexe taken te verwijderen. Het is een reden om eerlijk te zijn over wat menselijk oordeel toevoegt en wat het kost. Als de kosten van een fout laag zijn, kan de AI autonoom draaien. Als de kosten van een fout hoog zijn, moet de mens reviewen voordat de output zich verspreidt.
Vraag drie: Vereist de output menselijk oordeel om waardevol te zijn? Sommige outputs zijn waardevol als pure data — een lijst van gekwalificeerde leads, een geplande vergadering, een ingevuld CRM-record. Sommige outputs vereisen dat een mens de context leest, oordeel toepast en beslist of er actie nodig is: een gevoelige respons op een klacht, een strategische aanbeveling. De AI kan deze opstellen. De mens moet beslissen.
De Organisatorische Verschuiving — Van Taaktoewijzing Naar Systeemdesign
De vijfendertigminutenregel verandert het productiviteitsgesprek van "hoe maken we mensen efficiënter?" naar "hoe ontwerpen we systemen waarin AI en mensen elk doen waar ze het beste in zijn?"
Dit is een systeemdesignvraag, geen taakmanagementvraag. Het vereist nadenken over werk als een stroom in plaats van als een verzameling taken. De vijfendertigminutenregel toegepast op individuele taken is een nuttige heuristiek. Toegepast op een workflow — een reeks taken verbonden door datastromen — wordt het een systeemarchitectuurvraag.
De workflow waar de vijfendertigminutenregel het meeste voordeel creëert is degene waar de meeste taken onder de drempel liggen, de meeste outputs in andere stappen terechtkomen, en de error propagation-kosten op elke stap begrepen zijn. De AI-agents handelen de taken onder de drempel met hoge frequentie af. De mensen handelen de oordeelscalls, de exception processing en de finale goedkeuring af op alles wat zich buiten het systeem verspreidt.
De Eerlijke Calibratie — Wanneer de Regel Niet Van Toepassing Is
De vijfendertigminutenregel is een beslisframework, geen natuurwet.
Complex creatief werk — strategie, design, narratief, onderhandeling — valt in geen betekenisvolle zin onder de vijfendertigminutendrempel. Het is niet repetitief. Het heeft geen correct antwoord dat geverifieerd kan worden. De vijfendertigminutenregel is niet van toepassing op werk waarbij de waarde in het oordeel van de mens ligt.
Relatie-afhankelijk werk valt in een andere categorie. Een performancereview, een moeilijk klantgesprek, een gevoelige onderhandeling — dit zijn taken die een mens moet bezitten, niet omdat ze technisch complex zijn, maar omdat de relatiecontext het vereist.
Nieuw probleemoplossend werk is geen drempeltaak. Een probleem dat nooit eerder is gezien, dat origineel redeneren vereist — dit is niet te automatiseren op taakniveau, en de AI-agent die het probeert zal zelfverzekerde fouten produceren die schadelijker zijn dan stilte.
De Productiviteitsvraag Die Het Waard Is Om Te Stellen
De vijfendertigminutenregel is uiteindelijk een vraag over wat je betaalt wanneer je werk toewijst aan een mens.
Je betaalt voor aandacht. Menselijke aandacht is eindig, neemt af na vijfendertig minuten continue concentratie op repetitieve taken, en kost hetzelfde of het vers of vermoeid is. Wanneer je een taak van vijfendertig minuten toewijst aan een mens, betaal je voor verse aandacht en krijg je afgenomen aandacht na de drempel.
Het productiviteitsvoordeel zit niet in het sneller maken van mensen. Het zit in het stoppen van de toewijzing van dure menselijke aandacht aan taken die het degraderen. De vraag die het waard is om bij elke vergadering waar werk wordt toegewezen te stellen: is dit een taak van vijfendertig minuten die we aan een AI-agent zouden moeten geven, of is dit een oordeeltaak die menselijke aandacht vereist?
De organisaties die dit goed doen zijn niet degenen met de meeste AI-tools. Het zijn degenen die het meest eerlijk zijn over het verschil.