De AI-revolutie

Een redeneermodel geeft niet meteen het eerste antwoord dat opkomt. Het werkt een probleem eerst uit in tussenstappen, probeert verschillende routes en controleert onderweg zijn eigen werk. Daardoor kan AI opgaven aan die lang buiten bereik lagen: in 2025 haalden AI-systemen goudniveau op de opgaven van de Internationale Wiskunde Olympiade, de wedstrijd voor de beste wiskundescholieren ter wereld. In een gesprek denkt zo'n model mee: het komt met eigen ideeën, wijst op zwakke plekken in een redenering en brengt tegenargumenten in. In organisaties rekent zo'n model een investering door in verschillende scenario's, spoort het een fout op in duizenden regels programmacode of legt het een nieuw contract naast alle eerdere afspraken.

Multimodale AI verwerkt verschillende soorten informatie tegelijk: tekst, beeld, geluid en video. Daardoor kan een assistent vragen beantwoorden over wat iemand laat zien of laat horen, zonder dat alles eerst moet worden uitgetypt. Zo komt AI los van het toetsenbord. Een monteur richt zijn telefoon op een installatie en hoort wat er mis kan zijn. Met zo'n assistent praat je zoals met een mens: je onderbreekt hem, wijst iets aan en hij reageert meteen. Bij een inspectie vergelijkt AI camerabeelden met eerdere opnames en wijst het veranderingen aan die nader onderzoek verdienen. Persoonlijke assistenten reizen mee van laptop naar telefoon en onthouden waar iemand mee bezig was. AI wordt zo een collega die meekijkt en meeluistert, waar je ook werkt.

AI geeft robots, auto's en apparaten een brein. Een robot, een zelfrijdende auto, een camera of een sensor begrijpt dan wat er om hem heen gebeurt en kan erop reageren. Dat heet fysieke AI. Een klassieke industriële robot volgt een vast programma; een robot met AI leert van voorbeelden: van video's, van mensen die een handeling voordoen en van oefenen in een gesimuleerde omgeving. Zelfrijdende taxi's vervoeren in een aantal steden al passagiers zonder chauffeur, humanoïde robots draaien in proeven mee aan de lopende band, en camera's met AI zien wanneer een machine of een wissel aandacht nodig heeft. Snelheid, kosten en veilig werken naast mensen beperken de inzet nog; juist daar gaat de ontwikkeling snel.

Een algemeen taalmodel is AI die is getraind op enorme hoeveelheden tekst en van veel onderwerpen iets weet. Een gespecialiseerd model is daarnaast afgestemd op één vakgebied: wetteksten en uitspraken, medische richtlijnen, technische handboeken of de documenten van de organisatie zelf. Met toegang tot die bronnen zoekt het de relevante passages op en laat het zien waar een antwoord vandaan komt. Specialistische AI is breder dan taal. Er zijn modellen die molecuulstructuren voorspellen, het weer van volgende week doorrekenen of afwijkingen herkennen op een scan. In organisaties werkt zo'n model naast de vakmens: AI doet het zoek-, lees- en rekenwerk, de professional weegt en beslist.

Generatieve AI maakt nieuwe inhoud op basis van een opdracht in gewone taal. Waar dat eerst tekst en losse plaatjes waren, maken de nieuwste modellen video met bijpassend geluid, stemmen in vele talen en beelden die niet van een opname te onderscheiden zijn. Een scène ontstaat zo zonder acteurs, stemacteurs, camera's, locatie of filmploeg. Een opleidingsafdeling maakt instructievideo's met gesproken uitleg in meerdere talen. Een ontwerper laat honderd varianten van een verpakking zien voordat er één wordt gedrukt. De volgende stap: films en animaties op afroep, op maat van de kijker. En wereldmodellen: AI die een interactieve omgeving simuleert waarin ook robots kunnen oefenen.

Een AI-assistent helpt bij een vraag of opdracht; daarna kiest de gebruiker de volgende stap. Een AI-agent krijgt een doel en zet zelf de stappen om het te bereiken: informatie zoeken, een systeem openen, een formulier invullen, een bericht versturen en nagaan of het gelukt is. Zo bereidt een agent een aanvraag van begin tot eind voor, in plaats van één tekst te schrijven. Agents worden snel beter in echte computertaken en nemen steeds langere reeksen werk over. Wat dat betekent voor het werk, voor toezicht en voor wat een agent zelf mag doen, is het onderwerp van de lezing Agentic AI.

In veel organisaties wordt AI nog toegevoegd aan werk dat al bestond: een assistent bij de mail, een verslag na het overleg. Een AI-first organisatie begint aan de andere kant: AI en nieuwe technologie doen het werk dat mensen niet hoeven te doen, ook het herhalende en voorspellende werk, en mensen richten zich op het werk waarin zij het verschil maken: oordelen, kiezen, met mensen werken. Bij een woningcorporatie loopt een reparatieverzoek dan van melding tot ingeplande monteur zonder tussenkomst, en houdt de huurconsulent tijd over voor de bewoner die vastloopt. In onderzoek van McKinsey hangt zo'n herinrichting van werkprocessen sterk samen met de financiële resultaten die organisaties aan AI toeschrijven.

Een AI-toepassing is snel beschikbaar; het werk eromheen verandert trager, en dat heeft vaak met gedrag te maken. Gewoonte, de zorg om overbodig te worden, het gevoel dat vakkennis minder waard wordt, geen tijd om te oefenen en twijfel over wat mag: in veel organisaties komen ze terug. Volgens KPMG gebruikt een groot deel van de medewerkers AI al, maar lang niet altijd openlijk. Waar het gebruik zichtbaar wordt, gaat het vaak sneller. Een collega die laat zien hoe hij er een middag mee wint, maakt de mogelijkheden concreet voor het hele team. Zo groeit AI van onderop, via voorlopers, van losse proef naar gewoonte.

Als AI scenario's doorrekent, afwijkingen in processen voorspelt en beslissers nieuwe verbanden laat zien, verschuift het werk van de mens. Hij voert minder zelf uit en regisseert meer: hij geeft de opdracht, beoordeelt de uitkomst en grijpt in waar het systeem de context mist. Er ontstaan nieuwe rollen, zoals de collega die het werk van AI controleert of de specialist die werkprocessen met AI ontwerpt. Mens en AI vormen samen het team: AI bereidt voor, mensen zorgen voor het oordeel, het contact en de verantwoordelijkheid. Ook instapwerk verandert: met taken als bronnen zoeken en dossiers ordenen bouwden starters vakkennis op, en juist die taken neemt AI steeds vaker over. Er ontstaan daarom nieuwe leerroutes voor wie net begint.

Medewerkers lezen de koers van een organisatie af aan het gedrag van de leiding, vaak meer dan aan de strategie op papier. Leiders die voorgaan, nemen het initiatief: ze werken zelf met AI, laten zien wat het oplevert en maken ruimte om te leren en te proberen. Zo wordt de toekomst iets wat mensen samen bouwen. Die ruimte kent grenzen: waar fouten grote gevolgen hebben, wordt eerst in een veilige omgeving geoefend. Ook het werk van de leider zelf verandert. AI laat meer scenario's en signalen zien; de afweging over richting, mensen en waarden blijft bij de leiding.

AI-geletterdheid is weten wat AI kan en wat niet, wat er mis kan gaan en hoe je er veilig mee omgaat, ook met de gegevens die je erin stopt. Een overtuigend antwoord herkennen is iets anders dan kunnen beoordelen waarop het berust. Voor een medewerker gaat dat over de betekenis van een voorspelling, voor een leider over de aannames achter een doorgerekend scenario. De Europese AI-wet verplicht organisaties die AI inzetten tot maatregelen die de AI-geletterdheid van de mensen die ermee werken ondersteunen. Steeds meer organisaties leiden hun mensen daarin zelf op, in een toekomstacademie waar die kennis met het vak meegroeit.

AI ontstaat bij grote modelontwikkelaars, gespecialiseerde bedrijven, start-ups en onderzoeksgroepen over de hele wereld, en overheden investeren in rekenkracht en gedeelde data. Een AI-ecosysteem is het netwerk van start-ups, wetenschappers, partners en overheden waarmee een organisatie kennis, data en oplossingen deelt. Ziekenhuizen trainen samen een model terwijl de patiëntgegevens in eigen huis blijven, zodat het leert van gegevens uit veel instellingen tegelijk. Vervoerders delen planningsgegevens om lege ritten te voorkomen. Het tempo van de ontwikkeling maakt dat netwerk steeds belangrijker: wat elders al is uitgeprobeerd, hoeft niemand opnieuw uit te vinden.