Twee Vleugels
Over de noodzaak te investeren in mensen tijdens AI-disruptie — en de gouden kans die dit biedt
AI-disruptie dwingt organisaties tot een keuze die ze niet kunnen uitstellen. Niet de keuze óf ze met AI aan de slag gaan — die vraag is inmiddels beantwoord door de realiteit. Maar de keuze hoe ze dat doen, en vanuit welke redenering ze daarbij investeren in hun mensen.
Want dat investeren is noodzakelijk. Niet als optie, niet als nice-to-have, niet als HR-agenda. Als strategische voorwaarde om relevant te blijven in een wereld die razendsnel verandert. De organisaties die dat begrijpen, hebben een keuze te maken. De organisaties die dat niet begrijpen, maken die keuze ook — alleen zonder het te weten.
Er zijn twee fundamenteel verschillende redenen om nu in mensen te investeren. De meeste organisaties zien er maar één.
De eerste is de efficiëntiereden. Begrijpelijk, urgent, zichtbaar. De tweede is de kansreden. Minder zichtbaar — maar groter, en uiteindelijk bepalend voor wie deze disruptie omzet in duurzaam voordeel.
Dit is het verhaal van beide. En van waarom je de tweede nodig hebt om de eerste goed te laten werken.
De efficiëntiereden — en de angst die haar gevangen houdt
De dominante conversatie rond AI draait op dit moment bijna volledig om efficiëntie en optimalisatie. Kostenreductie. Automatisering van repetitief werk. Meer doen met minder. Sneller itereren. De economische logica klopt: wie zijn mensen traint in het effectief samenwerken met AI, haalt aantoonbaar betere output uit dezelfde investering. Elke iteratie korter. Elke foutmarge kleiner. Elk proces strakker. Dat is reëel, dat is urgent, en organisaties die dit negeren lopen achterstand op.
Maar de efficiëntiereden heeft een schaduwkant die weinig wordt uitgesproken. Want de redenering die haar draagt — AI als kostenoptimalisatie, meer doen met minder mensen — is gebouwd op een onderliggende premisse. Die premisse heet het fixed-pie denken: de gedachte dat de economische taart een vaste omvang heeft, en dat wat AI wint ten koste gaat van de mens. En uit dat fixed-pie denken volgt onvermijdelijk een zero-sum logica: elke winst voor de machine is een verlies voor de mens.
Die premisse roept angst op. En die angst werkt als een rem op precies de reden die haar veroorzaakte.
Denk aan de medewerker die gevraagd wordt zijn eigen werk te automatiseren. De consultant die leert hoe AI zijn analyses overneemt. De developer die ontdekt dat AI zijn juniorwerk razendsnel kan repliceren. De logische vraag die opkomt: waarom zou ik meewerken aan mijn eigen overbodigmaking? Dat is geen irrationele reactie. Het is een volkomen begrijpelijke respons op een redenering die mensen als kostenpost behandelt in een optimalisatievraagstuk.
De angst remt op twee manieren af. Ten eerste vertraagt ze de adoptie van AI zelf — mensen werken minder hard mee aan iets wat ze als existentiële bedreiging ervaren. Ten tweede, en dat is het grotere probleem, vernauwt ze het blikveld. Wie vanuit angst naar AI kijkt, ziet alleen het zichtbare effect: de taken die verdwijnen, de functies die worden geautomatiseerd, de kosten die dalen. En wie alleen dat ziet, mist de tweede vleugel volledig. De angst die de efficiëntiereden oproept, sluit de ogen voor de kansreden.
Het paradoxale is dit: de angst voor AI doet precies wat AI-sceptici vrezen. Organisaties die vanuit dat angstframe opereren, snijden in hun eigen aanpassingsvermogen. Ze optimaliseren voor een wereld die niet meer bestaat.
En hier ligt al een eerste hint naar wat ik later verder uitwerk: wie zijn ogen open houdt voor de kansreden, werkt niet alleen beter op de kansdimensie — hij werkt ook beter op de efficiëntiedimensie. Want de angst verdwijnt als het perspectief verandert. Maar dat vergt eerst een andere kijk op de premisse zelf.
Wat de taart ons vertelt — en wat ze verbergt
De fixed-pie redenering verdient een eigen uitwerking. Want ze is diep verankerd, ogenschijnlijk logisch, en ze klopt voor een deel.
De gedachte is eenvoudig: de economie heeft een bepaalde hoeveelheid werk te verdelen. Als AI een deel van dat werk overneemt, blijft er minder over voor mensen. De taart is vast. AI krijgt een groter stuk. Mensen krijgen een kleiner stuk. Dat is de zero-sum logica die eruit volgt: elk voordeel voor de machine is een nadeel voor de mens, want de totale omvang verandert niet.
Op de korte termijn, in specifieke sectoren en functies, klopt dit beeld. Er zijn taken die verdwijnen. Er zijn functies die krimpen. Er zijn mensen die hun rol zien veranderen of verdwijnen. Dat is reëel en het verdient serieuze aandacht — niet als bijzaak maar als echte menselijke en sociale opgave.
Maar de fixed-pie redenering maakt één cruciale fout: ze behandelt de omvang van de economie als gegeven. Alsof de totale vraag naar producten, diensten en waardecreatie een constante is, en het enige wat verandert de verdeling is. De zero-sum logica is dan sluitend — maar alleen als de premisse klopt. En historisch klopt die premisse niet.
De taart groeit. Altijd. En hij groeit op manieren die vooraf niet voorzienbaar waren.
De historische lijn — wat er ontstond dat niemand voorzag
Elke grote technologische verschuiving volgde hetzelfde patroon. De angst was telkens vergelijkbaar. De uitkomst was telkens anders dan gevreesd.
Het mechanische weefgetouw — eind achttiende eeuw. De Luddisten in Engeland vernielden weefmachines omdat ze de werkgelegenheid zagen verdwijnen. En ze hadden gelijk dat bepaalde taken verdwenen. Maar de machine verdrievoudigde de productie van textiel, maakte kleding goedkoper en toegankelijker voor een veel bredere bevolkingslaag, en creëerde een compleet nieuwe industrie rondom het ontwerpen, onderhouden en verbeteren van de machines zelf. De textielnijverheid groeide. Wat niemand had voorzien: de vraag naar kleding was niet vast. Ze explodeerde zodra de prijs daalde.
De stoommachine en de industriële revolutie — negentiende eeuw. De angst: machines verdringen menselijke arbeid. De uitkomst: de stoommachine creëerde industrieën die daarvoor niet bestonden. Spoorwegen. Massaproductie. Steden die konden groeien doordat voedsel en goederen verplaatst konden worden. En daarmee: geheel nieuwe beroepen — machinist, ingenieur, fabrieksmanager, stedenbouwkundige — die niemand had kunnen benoemen voor de verschuiving plaatsvond. Wat niemand had voorzien: mobiliteit van goederen en mensen creëert vraag die er zonder die mobiliteit nooit was geweest.
Elektrificatie — begin twintigste eeuw. Elektriciteit verdrong de gaslantaarnopsteker, de ijssnijder, de man die 's winters ijs oogstte voor koelhuizen. Maar het creëerde de elektriciteitsingenieur, de apparatenindustrie, de radiomonteur — en uiteindelijk de filmindustrie, de elektronische communicatie, de gehele consumentenelektronica. Wat niemand in 1880 had voorzien: dat goedkope energie niet alleen bestaand werk efficiënter maakt, maar categorieën van waardecreatie mogelijk maakt die daarzonder ondenkbaar zijn.
De computer en het internet — twintigste eeuw. De angst: automatisering vervangt kantoorwerk. En ja — boekhoudmachines verdrongen boekhoudsters, tekstverwerkers verdrongen typisten. Maar de computer creëerde softwareontwikkelaar, UX-designer, data-analist, SEO-specialist, social media manager, cloud architect — beroepen zonder naam in 1980. Het internet voegde daar een complete economische laag aan toe. Wat niemand had voorzien: dat verbinding zelf een markt wordt.
Frédéric Bastiat, de negentiende-eeuwse Franse econoom, formuleerde het mechanisme achter dit patroon scherper dan wie ook:
"Entre un mauvais et un bon Économiste, voici toute la différence : l'un s'en tient à l'effet visible ; l'autre tient compte et de l'effet qu'on voit et de ceux qu'il faut prévoir."
Het verschil tussen een slechte en een goede econoom is dit: de slechte houdt zich aan het zichtbare effect. De goede houdt rekening met zowel wat je ziet als met wat je moet voorzien.
De fixed-pie angst focust op het zichtbare: de taken die verdwijnen, de functies die worden geautomatiseerd, de kosten die dalen. Dat zijn reële effecten. Maar de kansen — de nieuwe industrieën, de rollen die we nu nog niet kunnen benoemen, de waardecreatie die pas mogelijk wordt als executie goedkoop wordt — die zijn het effect dat je moet voorzien. En historisch zijn die minstens even groot. Waarschijnlijk groter.
De kansreden — outcome boven output
Hier ligt de tweede, diepere reden om in mensen te investeren. Niet de efficiëntiereden. De kansreden.
AI is uitzonderlijk goed in optimaliseren binnen het kader dat je het geeft. Geef het de juiste instructies, de juiste context, de juiste parameters — en het werkt binnen dat kader met een snelheid en consistentie die elk mens overtreft. Maar het kader zelf — wat de juiste vraag is, welk spel we eigenlijk spelen, waartoe de uitkomst dient — dat is menselijk. Niet te automatiseren.
Er is hier ook een onderscheid in hoe de twee redenen naar resultaten kijken. De efficiëntiereden stuurt primair op output: een vastgesteld resultaat, zo snel en goedkoop mogelijk geleverd. Dat is een helder en meetbaar doel. Maar het is ook een gesloten doel — het veronderstelt dat je al weet wat het resultaat moet zijn. De kansreden stuurt op outcome: een gewenste uitkomst die ruimte laat voor iets anders dan je al had. Outcome-denken is per definitie opener. Het vraagt om oordeel over wat écht waardevol is, niet alleen over hoe efficiënt je het bekende produceert.
En wie op outcome stuurt, staat automatisch meer open voor het onvoorziene — voor de kans die er niet was in de oorspronkelijke probleemstelling. Een mens met goed ontwikkeld oordeel, contextuele intuïtie en de capaciteit om patronen te zien buiten het bestaande kader, is niet alleen een efficiëntere gebruiker van AI. Die mens is het sensing mechanism voor wat morgen mogelijk is. Voor de kansen die nog buiten het zichtbare veld liggen. Voor de vragen die nog niemand stelt.
En hier sluit de cirkel naar de angst die ik eerder beschreef. De medewerker die alleen de efficiëntieredenering hoort, ziet zichzelf als kostenpost in een optimalisatievraagstuk. De medewerker die ook de kansredenering hoort, ziet zichzelf als het sensing mechanism voor wat zijn organisatie nog niet kan zien — als de mens die het kader vernieuwt, de outcome definieert, de onzichtbare kans voorziet. Dat is een fundamenteel ander perspectief. En het verandert alles aan hoe iemand zich verhoudt tot AI. De angst verdwijnt niet volledig, maar ze krijgt een tegengewicht dat haar omzet in beweging. Beide vleugels versterken elkaar.
Twee vleugels
Een vogel vliegt niet op één vleugel. Hij kan rennen — snel, efficiënt, over de grond. Maar vliegen vraagt twee.
De efficiëntievleugel is de eerste: mensen investeren om AI beter in te zetten, processen te optimaliseren, kosten te reduceren en uitkomsten te versnellen. Noodzakelijk. Wie dit negeert, verliest competitief terrein. Maar één vleugel geeft geen vlucht.
De kansvleugel is de tweede: mensen investeren om het kader te vernieuwen, de onzichtbare kansen te voorzien, de outcomes te definiëren die AI alleen niet kan identificeren. Dat is wat een organisatie niet alleen laat overleven maar laat stijgen.
Wie alleen de efficiëntieredenering volgt, investeert wél in mensen — maar vanuit een krimpdynamiek. De vraag wordt: hoeveel heb ik minimaal nodig om dit systeem te laten draaien? Dat is de verkeerde vraag. Wie beide drijfveren erkent, vraagt: wat heb ik in mensen nodig om niet alleen lean te draaien, maar ook de volgende curve te zien? Fundamenteel andere logica. Fundamenteel andere besluiten. En — zoals de aerodynamica laat zien — wie het volledige beeld ziet, adopteert AI sneller en dieper, want de existentiële angst is omgezet in strategisch perspectief.
De kloof leidt tot keuzes
De komst van AI heeft een kloof gecreëerd tussen wat er technologisch mogelijk is en wat organisaties er daadwerkelijk mee doen. Die kloof is zichtbaar, meetbaar en groeit. Ze dwingt tot keuzes — en die keuzes zijn niet neutraal.
De eerste keuze is de meest fundamentele: AI omarmen of niet. In theorie lijkt dit eenvoudig. In de praktijk is het dat minder — want omarmen vraagt bereidheid tot verandering, investering zonder volledig zicht op de uitkomst, en het loslaten van werkwijzen die lang hebben gefunctioneerd. Niet elke organisatie maakt die stap. Maar wie hem niet maakt, kiest ook — alleen voor stilstand.
De tweede keuze, voor wie AI wél omarmt, is: vanuit welke redenering? Alleen de efficiëntievleugel, of beide? En precies op dat punt tekenen zich drie soorten organisaties af.
De achterblijver maakt de eerste keuze niet. Ziet AI als ruis of bedreiging. Wacht af. Optimaliseert de wereld van gisteren en merkt de achterstand pas als ze onhaalbaar is geworden. Voor de mensen in deze organisaties wordt de vraag naar bijscholing op termijn irrelevant — als de organisatie zelf niet meegaat, wordt omscholing de meest urgente vraag, want de functies die zij bekleden verliezen toekomstperspectief.
De efficiëntie-gedreven organisatie maakt de eerste keuze wél, maar de tweede maar half. Omarmt AI vanuit de kostenlogica. Automatiseert, snijdt, stroomlijnt. Dat levert reële winst op. Maar naarmate AI meer werk overneemt, wordt het aantal mensen dat nodig is kleiner. Deze organisaties hebben een structurele tendens naar minder mensen — en daarmee naar een groeiende behoefte aan omscholing voor wie de overstap moet maken naar de rollen die overblijven of ontstaan.
De organisatie met twee vleugels maakt beide keuzes volledig. Investeert in mensen voor efficiëntie én voor kans. Begrijpt dat menselijk oordeel en het vermogen om het onzichtbare te voorzien het schaarse goed zijn in een wereld vol AI-executie. Hier is de investeringslogica anders: mensen zijn niet de kostenpost die geoptimaliseerd wordt, maar het fundament dat de volgende groeicurve mede bepaalt.
De keuze leidt tot bijscholen en omscholen
De keuze die organisaties maken — bewust of niet — bepaalt wat er van hun mensen gevraagd wordt. En wat er van hun mensen gevraagd wordt, bepaalt welke vorm van investering noodzakelijk is.
Bijscholen is het verdiepen van bestaande capaciteiten om ze te verbinden met AI. De marketeer die leert hoe AI zijn analysevermogen vertienvoudigt. De developer die leert hoe hij niet meer alleen code schrijft maar systemen orkestreert. De manager die leert hoe hij oordeel inzet precies daar waar AI structureel blind is — bij het definiëren van de outcome, het vernieuwen van het kader, het voorzien van het onzichtbare. Dit gaat niet over tooltraining. Het gaat over een andere manier van denken over het eigen werk, en over wat daarin menselijk waardevol is en blijft.
Omscholen is het opbouwen van nieuwe capaciteiten voor rollen die fundamenteel zijn veranderd of die nog helemaal niet bestaan. De UX-designer bestond niet in 1985. De data-analist had in 1995 geen naam. De AI-orkestratie-specialist, de outcome-architect, de menselijke kwaliteitslaag boven geautomatiseerde systemen — een deel van de functies die over vijf jaar vanzelfsprekend zijn, zijn vandaag nog naamloos. De organisaties die nu investeren in omscholingspaden voor hun mensen — niet als afvloeiing maar als investering in toekomstig vermogen — zijn degenen die die rollen als eerste kunnen invullen.
De verleiding is om dit uit te stellen. De wereld verandert snel, het is onduidelijk welke capaciteiten straks precies gevraagd worden, en investeren in iets onzichtbaars voelt ongemakkelijk. Maar dat is opnieuw de fixed-pie redenering — de angst voor het onzichtbare die het zien van het onzichtbare verhindert. Wie nú investeert in bijscholen en omscholen, koopt optionaliteit: het vermogen om te bewegen als de wereld verandert. Dat is niet lichtzinnig. Dat is rationeel.
En het is — zoals de historische lijn laat zien — precies wat de organisaties en mensen deden die telkens opnieuw profiteerden van de verschuiving in plaats van er door te worden meegesleurd.
De twee vleugels zijn niet optioneel. Eén vleugel geeft geen vlucht. En stilstaan is geen strategie.
De vraag is niet óf je in mensen investeert. De vraag is of je het doet vanuit het volledige beeld — of alleen vanuit de helft die zichtbaar is.
Bronnen en inspiratie: Frédéric Bastiat, 'Ce qu'on voit et ce qu'on ne voit pas' (1850) · Peter Senge, 'The Fifth Discipline' (1990) · Mijn eerdere blogs: 'De Mens als Orkestrator' (13 maart 2026), 'De Kloof' (15 maart 2026) en 'Het Vermogen-Systeem-Product Model' (16 maart 2026)
Co-creatie: Dit stuk is georkestreerd samen met Claude (Anthropic), versie Sonnet 4.6, en visualisaties zijn gemaakt met NotebookLM. De gedachten, posities en interpretaties zijn van mij. Claude heeft geholpen bij het structureren, het aanscherpen van argumenten en het schrijven van de tekst — als bewust voorbeeld van de orkestratie die ik hier beschrijf.