Een IT-dienstverlener vertelde mij onlangs dat hun gebruikelijke team per opdracht was teruggebracht van een consultant met acht programmeurs naar een consultant met één programmeur. Waarbij ik dan zelf mocht invullen dat die andere zeven programmeurs waren vervangen door AI. Het FD schrijft over dienstverleners op de Zuid-As die hun personeelsbeleid heroverwegen. Waarbij jij als lezer dan zelf mag invullen dat er vooral minder jongeren worden aangenomen, omdat hun taken worden geautomatiseerd. Big Tech schrapt ondertussen duizenden banen terwijl het honderden miljarden richting AI verschuift. 

Zo ziet het er dan voor de toekomstige arbeider niet per se rooskleurig uit.

Het schaakspel is meer dan duizend jaar oud, en dertig jaar geleden werden machines er beter in dan wij. In de jaren 80 waren de meeste schaakcomputers al veel beter dan de gemiddelde lezer, en aan het begin van deze eeuw waren er nog wel een handvol specialisten die zich staande konden houden tegen computers. Maar 1997: Deep Blue versloeg Kasparov. Dat is zo concreet als we het kunnen maken.

En? Is schaak nu een bezigheid die we overlaten aan machines? 

In 1996 telde de wereld zo’n 600 grootmeesters en in 2026 zijn dat er ongeveer drie keer zoveel. Per dag worden er tussen de tien en twintig miljoen potjes op Chess.com gespeeld. De allerbeste menselijke spelers bestuderen schaakcomputers om zelf nog beter te worden. En duizenden mensen verdienen hun boterham aan het maken van content – schaakstunts, schaakanekdotes, schaakverslaggeving, etc. 

In 2016 zei de latere Nobelprijswinnaar Geoffrey Hinton dat we misschien maar moesten stoppen met het opleiden van radiologen. In vijf jaar tijd zou er immers geen vraag meer zijn naar mensen die röntgenfoto’s zouden kunnen beoordelen. In de jaren 2010 gebeurde met beeldherkenning ongeveer hetzelfde wat er in de jaren 2020 gebeurt met tekst. In 2025 haalde de New York Times die uitspraak nog eens aan, in een stuk waarin ze stelden dat de vraag naar radiologen nog altijd groot was en verder toe zou nemen tot 2055.

Radiologie en schaak zijn beide relatief vroeg getroffen door AI, en beide zijn nog springlevend. Straatlantaarnaanstekers bestaan niet meer. Liftbediendes, pompbediendes: weg. Kodak, misschien het bekendste slachtoffer van de iPhone, bestaat nog: anders, kleiner, maar het is er nog altijd. McDonald’s werkt al meer dan tien jaar op grote schaal met bestelzuilen; volgens het U.S. Bureau of Labor Statistics werkten er in januari 2026 iets meer dan 12 miljoen Amerikanen in de fastfoodindustrie, tegen iets minder dan 9 miljoen begin 2005.

En dan komen we nu  ongeveer op het punt waar een boek zou beginnen over de paradox van Jevons: dat automatisering mensen niet uit hun beroep verdringt, maar hun werk productiever maakt, waardoor de vraag uiteindelijk juist toeneemt. Niet noodzakelijk onwaar. Maar misschien wel wat globaal. 

In het Westen was de inflatie de afgelopen 20 jaar ongeveer tussen de twee en drie procent. Dat ene procentpunt daartussen kan een wereld van verschil maken als je vermogensmanager bent.  Maar wat je meemaakte als je erin stond de afgelopen 20 jaar, was dat je boodschappen twee keer zo duur werden en je huis drie keer zo duur. Tegelijkertijd werd een nieuwe televisie de helft goedkoper. Grote bewegingen bepalen uiteindelijk de richting van de geschiedenis, maar je zou maar in 2005 een televisie hebben gekocht en een huis hebben gehuurd. One size fits none. En misschien is dat met arbeid en automatisering ook wel zo.

Sport is geen geneeskunde en één enkele macro-economische theorie beschrijft misschien de grote beweging aardig. En voor ons zou het een ontsnappingsluik zijn: schaken, radiologie en [ander voorbeeld] laten allemaal hetzelfde patroon zien. Dat patroon wordt verklaard door de paradox van Jevons. Einde hoofdstuk. Next. 

Dat is prettig – als je gerustgesteld wilde worden. Maar straks koop je die spreekwoordelijke televisie en huur je dat denkbeeldige huis, terwijl je dat, metaforisch, andersom had moeten doen. Daarom gaan wij iets langer stil staan. Iets meer gevallen naast elkaar bekijken, en ons oordeel iets meer uitstellen – en wie weet halen we daar ook wat uit.

Méns, waar betalen we je eigenlijk voor?

Een boer uit de late middeleeuwen zou waarschijnlijk weinig hebben gehad aan een communicatiebureau. Het overgrote deel van de bevolking werkte in de landbouw; communicatiebureaus bestonden niet.

Een AI-ondersteunde radioloog kan inderdaad sneller en beter een beeld beoordelen, en toch zijn er meer nodig. De Mayo Clinic – uit dat artikel van de New York Times – nam in de tien jaar na Hintons voorspelling 55% meer radiologen aan. 

Hier zou je nu kunnen zeggen: Scans werden goedkoper en daarom wilden we ze vaker maken – puur Jevons. Maar dat artikel suggereert iets anders: Terwijl een computerprogramma de beelden bekijkt en markeert, gaat de radioloog dan zijn of haar aandacht verleggen naar andere taken. Formeler: Artsen die geholpen werden door automatisering hielden meer tijd over voor activiteiten met meer toegevoegde waarde. Wat leidt tot meer economische waarde per gewerkt uur. 

En wat voor taken doen radiologen dan als ze geen beelden aan het beoordelen zijn? Dan moet je – volgens het artikel – denken aan: andere dokters adviseren, praten met patiënten, rapporten schrijven en verbanden leggen met andere signalen. Bijvoorbeeld uit de rapporten, en ook, bijvoorbeeld uit die gesprekken. Korter: De arts houdt meer tijd over en gaat vervolgens andere nuttige dingen doen, zoals contact houden met collega’s en langer en aandachtiger praten met de patiënt. 

Aan het eind van de 20ste eeuw, eeuwen van productiviteitsgroei en een agrarische revolutie later, werkte misschien nog 5% van de bevolking in de landbouw. Nu aan het begin van de 21ste zijn er zelfs communicatiebureaus die zich exclusief op de agrarische sector richten. Arbeid werd overbodig gemaakt door technologie, die mensen hebben zich vervolgens gericht op iets waar eerder nog geen waarde in werd gezien – extra toegevoegde waarde – en daarna is er zelfs in de oorspronkelijke sectoren zelf nieuwe vraag ontstaan. 

In de schaakmarkt lijkt de groei vooral te zitten in de online infrastructuur (Lichess, chess.com, etc.) en contentcreatie. Levy Rozman – een creator – telde in 2026 meer dan 8 miljoen abonnees op zijn YouTube-kanaal met niets anders dan schaakcontent. Alexandra Botez, een andere schaakinfluencer, vertelde publiekelijk dat zij in 2021 al meer dan een ton verdiende aan haar content. 

Zowel bij het schaken als bij radiologie  verschuift de toegevoegde waarde weg naar het menselijke eromheen. Meer overleggen, meer luisteren, meer menselijk contact, meer grapjes – en minder tijd in het bekijken van de röntgenfoto of het bedenken van de volgende zet. Je zou hier kunnen opmerken dat dit makkelijkere taken lijken, maar bedenk dan ook dat er voor wordt betaald én dat wij als mens misschien gewoon goed zijn in die menselijker taken.  

Er zijn YouTube-kanalen voor zo’n beetje alles: natuurkundigen die zwarte gaten duidelijk uitleggen, natuurkundigen die zwarte gaten onmogelijk ingewikkeld uitleggen, interieurontwerpsters die je influencen met strak betegelde toiletjes, urenlange films met treinmachinisten aan het werk en gezichtsloze wiskundigen die je door de schoonheid van de mandelbrotverzameling heenlopen. 

En toch worden we niet allemaal influencers.

De schaakmarkt, inclusief content-creators, was misschien 3 tot 4 miljard dollar groot in 2025. Er zijn tientallen schaakinfluencers – lang niet altijd grootmeesters – met een publiek van meer dan honderdduizend kijkers. Een radioloog in een maatschap in Nederland verdient een paar ton per jaar, en in loondienst misschien twee.  Die hele markt is makkelijk honderd keer zo groot. Waar halen we, om maar ergens te beginnen, het advertentiebudget vandaan?

We gaan ook niet altijd overal meer over praten. Radiologen en artsen in het algemeen, doen veel gestructureerde patiëntgesprekken en intercollegiaal overleg, en daar zal misschien nog meer aandacht voor zijn. Tegelijkertijd hebben we straks een markt nodig die groot genoeg is om al die weggeautomatiseerde taken te vervangen. Ja, artsen kunnen langer met patiënten praten en vaker overleggen, maar uiteindelijk moet daar ook vraag naar zijn, én iemand moet bereid zijn daarvoor te betalen.

Een programmeur met een YouTube-kanaal heet een content-creator. Een programmeur die luistert naar zijn gebruikers heet zoiets als een requirement-engineer, of – als je ook nog terugpraat – businessconsultant.

Er zijn eetgelegenheden met bestelzuilen, er zijn lopende buffetten, er zijn bistro’s met bediening aan tafel en er zijn restaurants met een gérant, een kelner en een sommelier. Er zijn roddelbladen, receptiemedewerkers, TV-persoonlijkheden, gezelschapsdames en -heren, straatartiesten, maar ook relatiebeheerders en verkoopmedewerkers. Er is gewoon economische waarde in menselijke interactie, de kunst wordt om deze in de juiste mate toe te passen in de juiste markt. 

En wie betaalt de schade?

De eerste Boeing met een automatische piloot stamt al uit 1933. Moderne vliegtuigen kunnen technisch gezien zelfstandig vliegen en landen. En er is nog steeds vraag naar piloten. Waymo en Tesla zijn verwikkeld in een race naar volledig autonome auto’s. 

Magnus Carlsen heeft een kanaal waar hij plaatjes draait, biertjes drinkt, rare zetten uitprobeert en vervolgens mensen aan puinpoeier schaakt. Je accepteert dat een spits met zijn zwakke been zijn derde doelpunt van de wedstrijd maakt – in de context van een publieksport is het toegevoegde waarde. Tegelijkertijd zou je het waarschijnlijk niet accepteren dat een hartchirurg jouw bypass lefty doet – gewoon om de boel interessant te houden. 

Het lijkt er nu op dat we autonome taxi’s gaan accepteren, wellicht naast de bemande taxi zoals McDonalds en bistro’s naast elkaar bestaan, of wellicht als een enorme verplaatsing van honderden miljoenen beroepschauffeurs. Ondertussen accepteren we autonome Boeings niet of nauwelijks.  

Taxichauffeurs maken weleens een praatje, en piloten doen dat zeer zelden. Als je een noodlanding doet op de Hudson dan maken we een film over je. Als Turkish Airlines neerstort in de Haarlemmermeer dan gaat de journalistieke discussie erover of de autoritaire culturele houding bij Turkse piloten het interpreteren van de boordcomputer in de weg zat.  Deze toegevoegde waarde gaat over eindverantwoordelijkheid, menselijke eindverantwoordelijkheid. IBM schreef in 1979 al dat een computer nooit ergens verantwoordelijk voor gehouden kan worden, en daarom nooit een managementbeslissing zou mogen nemen. 

Verantwoordelijkheid is een economisch gegeven; het klassieke Mesopotamië kende al verzekeraars. Verantwoordelijkheid nemen kan een onderdeel zijn van arbeid: we betalen graag een beetje extra voor een vliegtuig met twee piloten, en ik denk dat genoeg mensen al willen bijbetalen voor een slager die simpelweg voor zijn product instaat.

Maar verantwoordelijkheid is geen simpel knopje dat je aan of uit kan zetten op arbeid. Software wordt geprogrammeerd door een programmeur, en ontworpen door een architect, maar tijdens de implementatie worden ook keuzes gemaakt. Tegelijkertijd kan software een kattenfilmpje bezorgen bij een bejaarde vrouw in Manilla of een module koppelen aan het ISS een paar honderd kilometer boven de Indische Oceaan.

Nederland is bijna tien jaar bezig met de nog altijd lopende toeslagenaffaire. Er was niet één computersysteem dat redelijk autonoom schade veroorzaakte bij tienduizenden ouders. Er was een complex van mensen, risicomodellen en computersystemen dat onder andere onterecht ouders selecteerde als ouders met een verhoogd risico op fraude. Dat heeft ertoe geleid dat ouders in jarenlange diepe ellende kwamen, kinderen uit huis werden geplaatst, kabinetten vielen, en dat de Belastingdienst miljarden moest uitgeven om de schade te herstellen. Menno Snel is afgetreden, er is geprobeerd ambtenaren strafrechtelijk te vervolgen, en we hebben gewezen naar het niet hebben van de Nederlandse nationaliteit als oneigenlijk criterium. Wat we niet hebben gedaan is één iemand met pek en veren door de straten dragen. 

We hebben in Nederland bescherming van aansprakelijkheid van werknemers bij het uitvoeren van hun vak. Door de oogharen gezien, zou je kunnen zeggen dat zij verantwoordelijk zijn voor de uitvoering van hun taak maar niet altijd direct voor de besluitvorming. Het is in de professionele dienstverlening gebruikelijk verantwoordelijkheid te nemen voor de onderbouwing van advies, maar niet voor de uitwerking. Verantwoordelijkheid is met andere woorden een onderwerp met meerdere aspecten en meerdere intensiteiten. Dat houdt dan wat mij betreft weer in dat het onderwerp op meerdere manieren terug kan komen in arbeid. 

Een curator staat er in zekere mate voor dat werken in haar collectie van een zekere kwaliteit zijn. In een andere mate doet de betere groenteboer niet veel anders. De taxichauffeur is verantwoordelijk voor het zorgvuldig uitvoeren van zijn rit, maar draagt als werknemer niet automatisch persoonlijk de schade als hij tijdens zijn werk een fout maakt.

Wie een beslissing uitvoert, hoeft hem niet te hebben genomen. En wie de beslissing heeft genomen, kan zich hebben laten adviseren. En dan nog steeds kan het zijn dat de eigenaar van de uitkomst iemand anders is. Sterker nog: het verdelen, verleggen en soms zelfs verhandelen van verantwoordelijkheid is bijna zo oud als de geschiedenis zelf. Tegelijkertijd blijft er op het menselijke niveau de vraag: wie helpt me hiermee, wie gaat hier over en wie bel ik hiervoor?

Automatisering maakt die vraag nog belangrijker. Een patser kan in een oogwenk bergen graan meerdere keren verhandelen, één analist kan miljoenen facebookposts categoriseren en één ambtenaar kan tienduizenden toeslagenverzoeken beoordelen. Maar waar ga je heen als je verhaal wil halen? Misschien is dat een tweede plek om naar menselijke waarde te zoeken: niet alleen in wat we dóén, maar ook in wie daar voor gaat staan.

Makkelijker gezegd dan gedaan…

Redelijk kunnen schaken is het teken van een goede opvoeding. Goed kunnen schaken is het teken van een verspild leven. Kasparov won zijn eerste wedstrijd tegen Deep Blue in 1996. Hij verloor pas in de rematch een jaar later. Kasparov zat trouwens niet tegenover Deep Blue. Deep Blue ‘zat’ in een onderzoekscentrum een uurtje rijden van Manhattan, waar de match plaatsvond. 

Tegenover Kasparov zat ene Joe Hoane, een softwareingenieur waarvan we weten dat hij een substantieel deel van zijn leven heeft besteed aan schaakcomputers – en verder relatief weinig. Joe verzette de houten stukken op het houten bord, volgens de instructie die hij via een terminal van Deep Blue kreeg. Vandaag de dag zou je zo iemand een ‘meat proxy’ noemen – vleesgeworden doorgeefluik. Het is een meme, een term die suggereert dat zo iemand niets interessanters doet dan simpelweg instructies doorvoeren in de echte wereld. Alsof je dan, als mens, alleen nog maar een plaatsvervanger van de handjes van een computer bent. Handjes die we nog niet gemaakt hebben, want te triviaal. 

Tegelijkertijd kan een computer een aardig gedicht schrijven, maar komt een robot nog niet in de buurt van het vervangen van de batterijen in een speelgoedbeer. Dit zou je een gevoel kunnen geven dat we die handjes straks ook nog wel even in elkaar flansen. Maar tegelijkertijd zijn er heel wat ingenieurs die nu al wakker liggen van de gedachte zo’n batterijen-inspeelgoedbeer-probleem te moeten oplossen. Het is moeilijk, wil ik maar zeggen. 

Dit soort echte-wereld-problemen zijn een klassiek voorbeeld van de valkuil ‘computers kunnen iets dat ik moeilijk vind, dus ze kunnen ze ook dingen die ik veel makkelijker vind’; een halve eeuw geleden kon een zakcomputer beter machtsverheffen dan jij, dus laten we de rechtspraak nu ook maar automatiseren, zoiets. Klassiek.

Maar natuurlijk zijn mensen goed in fysieke dingen; mensen zijn gevormd in de fysieke wereld. Net zo goed zijn computers goed in systematische redenaties, want computers zijn gemaakt om dat te doen. 

“Loodgieters zijn veilig, want computers hebben geen handen.” Ik zou willen dat we het tot zoiets simpels konden terugbrengen. Of, als je liever iets optimistischer naar de effecten van automatisering kijkt: “Kappers doen al duizenden jaren min of meer hetzelfde, maar worden dus ook nauwelijks productiever.”

Maar er is ook nog zoiets als samenspel. Joe Hoane, ons spreekwoordelijke doorgeefluik, was niet zomaar van de straat geplukt. Hij was een van de geestelijk vaders van Deep Blue. Hij heeft jaren van zijn leven eraan besteed om iets in de fysieke wereld zo vorm te geven dat het in de systematische wereld van de computer paste. Het is bijna poëzie dat hij dan op het moment suprême de handen van zijn kindje was. 

Toen we daarnet naar Deep Blue keken leek het alsof het denken was gedelegeerd naar de computer en de uitvoer was uitbesteed aan de mens. Maar als je daar nòg een keer over nadenkt, dan is dat te kort door de bocht: hoe komt die logica überhaupt in die computer? 

Ik zou hier kunnen suggereren dat een deel van de arbeid van de toekomst het vertalen tussen computer en echte wereld gaat zijn. En jij zou dan kunnen zeggen dat dat heel tijdelijk gaat zijn – wat deels waar zou kunnen zijn. Jij zou kunnen zeggen dat veel van de recente ontwikkelingen in AI juist gaan over het zelf leren van representaties: embeddings, betekenis. Technisch, maar waar.

En, zou ik dan tegenwerpen en aanvullen, al die ontwikkelingen leunen op het encoderen van waarnemingen – het in stukjes breken van waarnemingen op een manier die wij altijd nog ontwerpen – met een inductieve bias van ons. Filosofisch, en ook waar. 

En te laat in die discussie zullen we dan zeggen: dit is meer technisch-filosofisch dan we hadden ingestoken en dan pas zullen we weer terugkeren naar de meer praktische en realistische hoofdmoot: wij bouwen en gebruiken de technologie in onze wereld. 

Er is nog een andere même die je hier in kan slepen– altijd nodig na een theoretische discussie. Het is een plaatje met een man achter een bureau op de savanne. Voor hem zitten dieren op een rij: Een kraai, een aap, een pinguïn een olifant, een goudvis in een kom, een zeehond en prairiewolf. De man heeft zijn handen gevouwen en in de tekstwolk boven zijn hoofd zegt hij: “welnu, voor een eerlijk verloop van het proces krijgen jullie hetzelfde examen: klimt u allemaal in de boom daarachter u.”

Het is iedereen duidelijk dat de aap in het voordeel is. Terwijl we allemaal kunnen zien dat het de olifant bijvoorbeeld het betere lastdier zou zijn. Ondertussen is de vis zich waarschijnlijk aan het vergapen aan de savanne, en zich maar nauwelijks bewust van het water en de kom. Voor sommigen is dit misschien commentaar op het onderwijs. Er is niet zoiets als één intelligentie, denk ik er dan weer bij. Intelligentie wordt gevormd door de omgeving. En wat voor de een triviaal is, is voor de ander een kunst. 

Er zal waarschijnlijk een tijdlang brood zitten in het simpelweg doorgeven van wat de computer gedaan heeft. Het vleesgeworden doorgeefluik. Het verzetten van de houten stukken op het houten bord. Toegevoegde waarde als uitvoer aan de randen van de digitale wereld. Die randen zijn rommelig, en het zou best kunnen zijn dat het heel lang duurt voordat een robot een kantoor kan opruimen, maar het is lastig om daar een tijdlijn op te plakken. 

Maar van iets verder weg gekeken is de wereld niet alleen fysiek, ze is ook ingericht en bewoond door mensen. En zoals we net in onze denkbeeldige discussie bespraken, wordt de automatisering ook gevormd door onze interactie er mee. Wij zijn als het ware de omgeving van de intelligentie van de computer. Alleen al daarom zou er weleens langer brood kunnen zitten in mensen aan de randen van het digitale dan we nu denken.

Stack Overflow is een forum waar programmeurs problemen en oplossingen delen. ChatGPT heeft de website natuurlijk helemaal leeggedronken voor haar trainingsprogramma; na de lancering kelderde het bezoek. Programmeurs en AI lagen sowieso al een vingerbreedte uit elkaar.

Aan de andere kant zijn programmeurs juist ook weer de mensen die AI het meest gebruiken in hun werk. Anders maar toch ook weer vergelijkbaar met grootmeesters die eindspelen bestuderen met schaakcomputers. De vraag die wij ons óók moeten stellen is of ChatGPT er heel anders uit had gezien als ze ontworpen was door kappers. 

Oké, cowboy, de kudde bijeen.

De modellen die het best werken om het verleden te voorspellen, zijn vaak waardeloos zodra je ze op de toekomst loslaat. Het is hip om je voorspellingen Lindy te maken. Naar het Lindy-effect: hoe langer iets al bestaat, hoe waarschijnlijker het is dat het nog een tijd zal blijven bestaan. Ik zou dat niet te letterlijk nemen. De les die ik er breder uit trek is: hoe minder aannames je nodig hebt om iets over de toekomst te zeggen, hoe langer zo’n voorspelling waarschijnlijk bruikbaar blijft.

Er zijn genoeg dingen die wij nu kunnen en AI nauwelijks of nog helemaal niet kan. Sommige van die gebreken vallen je pas op als je er zelf intensief mee werkt. Het tellen van de r’en in strawberry, ogenschijnlijk simpele puzzeltjes over hoe je naar een wasserette moet lopen, smaak, onverwachte patronen, nieuwe ideeën. 

Maar laten we nog een keer advocaat van de duivel spelen. Technologische ontwikkelingen helpen vorderingen in andere technologische ontwikkelingen, en die versnelling versnelt op zichzelf, en er zou een punt komen dat technologie zichzelf helemaal zou kunnen vormgeven. The singularity.

Daar zijn we niet, en het is nog maar de vraag of we goed weten wanneer we daar dan wel zijn. Maar we nemen even aan dat we daar binnen afzienbare tijd komen. 

Dan nog is de economie niet strikt rationeel, het is de optelling van wat wíj waardevol vinden. Het is niet makkelijk om Hollywood strikt rationeel uit te leggen, het is niet makkelijk om uit te leggen waarom je wijn zou drinken uit een handgemaakt glas. 

Het is gevaarlijk om voorspellingen te doen. Maar je bent helemaal hier gekomen, ik heb je mee laten denken en zelfs laten terugpraten. Dus je hebt deze Lindy-voorspelling nog te goed: werk is hier al heel lang geweest. Het zal er nog wel even zijn.

Welke taken verdwijnen en welke beroepen groeien, weet ik niet. Dat is het hele punt. Maar als je toch zoekt naar plekken waar menselijke toegevoegde waarde hardnekkig kan blijken, zou ik beginnen bij drie heel oude dingen. Andere mensen. Ergens voor staan. En de werkelijkheid zelf.