De organisatie van morgen

Tot nu toe ging dit boek vooral over jou als individu. Over hoe AI jouw werk verandert, hoe jij je ertoe kunt verhouden, welke strategieen werken en welke niet. Maar je werkt niet in een vacuum. Je werkt in een organisatie, of je runt er een. En hoe die organisatie met AI omgaat, bepaalt voor een groot deel of jij de vruchten ervan kunt plukken of niet.

In 2025 gebruikt 78 procent van alle organisaties AI in minstens een bedrijfsfunctie. De wereldwijde uitgaven aan AI bereiken 644 miljard dollar, een stijging van 76 procent ten opzichte van het jaar daarvoor. Iedereen doet iets met AI. Maar lang niet iedereen doet het goed. En het verschil tussen de organisaties die het goed doen en de organisaties die het niet goed doen, is niet het verschil in technologie. Het is het verschil in denken.

De meest voorkomende AI-strategie in het bedrijfsleven kan worden samengevat in twee woorden: kosten besparen. Minder mensen, minder tijd, minder geld. Dezelfde output, maar goedkoper. Het is een begrijpelijke reflex, vooral in een economisch klimaat waarin bedrijven onder druk staan om efficienter te opereren. Als een AI-chatbot het werk kan doen van honderden klantenservicemedewerkers, als een code-assistent het werk versnelt van tientallen programmeurs, als een AI-vertaler het volume aankan van een heel vertalingsbureau, dan is de rekensom snel gemaakt.

Maar het is een strategie die bijna altijd teleurstelt, en de reden is verhelderend.

Onderzoek van de American Economic Association uit 2025 maakte een onderscheid dat cruciaal is: tussen AI die augmenteert, die menselijke capaciteiten versterkt, en AI die vervangt, die menselijk werk overneemt. De bevinding was ontnuchterend voor iedereen die op de kostenbesparingsstrategie had ingezet. Augmenterende AI-innovaties leidden tot een toename van de totale factorproductiviteit, de maat voor hoe efficiënt een economie haar middelen inzet. Vervangende AI-innovaties deden dat niet. Ze verlaagden alleen de kosten.

Met andere woorden: organisaties die AI gebruikten om hun mensen beter te maken, werden als geheel productiever. Organisaties die AI gebruikten om hun mensen te vervangen, werden alleen goedkoper. En goedkoper zijn is niet hetzelfde als beter zijn. Het is het verschil tussen een bedrijf dat groeit en een bedrijf dat krimpt.

Jensen Huang, de CEO van NVIDIA, formuleerde het scherper dan wie dan ook: "AI gaat je baan niet afpakken. Iemand die AI gebruikt, gaat je baan afpakken." Het was een zin die op LinkedIn viral ging, op powerpointslides belandde en in boardrooms werd geciteerd. Maar achter de pakkende formulering school een diepere waarheid: de bedreiging komt niet van de technologie. De bedreiging komt van mensen en organisaties die de technologie beter inzetten dan jij.

In april 2025 stuurde Shopify-CEO Tobi Lutke een intern memo dat publiek werd en door de techwereld gonsde. De kern was eenvoudig maar radicaal: teams moesten voortaan aantonen waarom AI een taak niet kon uitvoeren voordat ze extra personeel mochten aanvragen. Het was niet een beleid om geen mensen meer aan te nemen. Het was een beleid om bewust na te denken over de afweging tussen mens en machine. Eerst kijken of AI het kan. Pas als het antwoord nee is, ga je werven.

Het klinkt misschien intimiderend voor werknemers, maar het bevat een verborgen logica die voor hen werkt: het dwingt organisaties om serieus na te denken over wat machines wel en niet kunnen. En daarmee ook over wat mensen uniek waardevol maakt. De organisaties die deze afweging het best maken, zijn niet de organisaties die het meest snijden. Het zijn de organisaties die het scherpst denken over waar menselijke bijdrage het verschil maakt.

In februari 2026 ging Jack Dorsey een stap verder. Dorsey, oprichter van Twitter en CEO van Block (voorheen Square), kondigde aan dat het bedrijf zou halveren: van ruim 10.000 naar iets onder de 6.000 medewerkers. Meer dan 4.000 mensen verloren hun baan. Niet omdat Block in de problemen zat. Integendeel: het bedrijf draaide het beste kwartaal uit zijn geschiedenis. De brutowinst steeg 24 procent naar 2,87 miljard dollar. De operationele winst groeide van 13 miljoen naar 485 miljoen dollar in twaalf maanden. Het aandeel steeg ruim 23 procent na de aankondiging.

Wat de aankondiging zo bijzonder maakte, was de eerlijkheid ervan. Dorsey schreef in zijn bericht aan het personeel dat de AI-tools die het bedrijf zelf had gebouwd, gecombineerd met kleinere en plattere teams, een fundamenteel nieuwe manier van werken mogelijk maakten. Hij had twee opties: geleidelijk krimpen over maanden of jaren, of eerlijk zijn over waar het bedrijf stond en nu handelen. Hij koos het laatste. Block had intern een open-source AI-agent genaamd Goose gebouwd, aangedreven door Anthropic's Model Context Protocol. Het bedrijf rapporteerde dat engineering teams er acht tot tien uur per week mee bespaarden. Voor onderhoudscode was naar schatting negentig procent AI-gegenereerd, met ingenieurs die de laatste tien procent voor kwaliteitscontrole afhandelden. Niet-technische teams gebruikten Goose om SQL-queries te schrijven, supporttickets af te handelen en voorraad te beheren, zonder te hoeven wachten op een engineer.

Block was waarschijnlijk het eerste grote beursgenoteerde bedrijf dat expliciet herstructureerde op basis van meetbare AI-productiviteitswinst. Niet als vaag toekomstverhaal, maar onderbouwd met kwartaalcijfers die bewezen dat hetzelfde bedrijf met de helft van de mensen dezelfde omzet kon draaien. De omzet per medewerker verdubbelde van ruwweg 2,2 miljoen naar 4,2 miljoen dollar. Elke CEO met een AI-roadmap en een organisatie die groter was dan nodig, keek mee.

Het onthulde de spanning die door dit hele hoofdstuk loopt. Het onderzoek van de American Economic Association zegt: augmenteer, vervang niet. Shopify zegt: bewijs eerst dat AI het niet kan. En dan komt Block, dat zegt: we hebben bewezen dat AI het wel kan, en we handelen ernaar. De vraag die blijft hangen is of Block een uitzondering is of een voorbode. De 4.000 mensen die hun baan verloren, hadden dat bovengemiddelde ontslagpakket. Maar ze hadden liever hun baan gehad.

Maar die afweging heeft ondertussen al reele consequenties, en die zijn het scherpst zichtbaar bij de mensen die onderaan de ladder staan: de starters.

De game-industrie was de eerste die het voelde. Vanaf 2023 werden concept artists en 2D-ontwerpers als eersten geraakt. Studios begonnen AI-gegenereerde beelden te gebruiken voor storyboards, karakterontwerpen en achtergronden. Activision Blizzard keurde intern het gebruik van Midjourney en Stable Diffusion goed voor conceptwerk. Tegen 2025 meldde negentig procent van de game-executives dat hun bedrijf generatieve AI had geimplementeerd. De industrie verloor naar schatting 45.000 banen tussen 2022 en medio 2025, met massaontslagen bij Embracer Group, Unity, EA, Epic Games en Ubisoft. Het waren niet alleen de concept artists. Het waren ook de QA-testers, de junior designers, de mensen die het handwerk aan het leren waren.

Toen kwamen de softwareontwikkelaars. In januari 2025 kondigde Salesforce-CEO Marc Benioff aan dat het bedrijf dat jaar geen nieuwe software-engineers zou aannemen, omdat AI-tools de productiviteit met meer dan dertig procent hadden verhoogd. Het was San Francisco's grootste private werkgever die de deur dichttrok voor starters. Onderzoek wees uit dat de beschikbare instapposities voor ontwikkelaars met 67 procent waren gedaald sinds 2022. Een enquete van LeadDev onder engineeringleiders vond dat 54 procent van plan was minder juniors aan te nemen vanwege AI-copilots.

Vervolgens de kantoorwereld. De Britse afdelingen van de Big Four accountantskantoren sneden in 2024 fors in hun graduate-programma's: KPMG met 29 procent, Deloitte met achttien procent, EY met elf procent. Onderzoekers van Harvard analyseerden de arbeidsmarktdata van 62 miljoen Amerikaanse werknemers en vonden dat bedrijven die generatieve AI adopteerden, binnen anderhalf jaar acht tot tien procent minder juniors aannamen, terwijl het aantal senioren nauwelijks veranderde. De daling kwam niet door ontslagen maar door het simpelweg niet meer vullen van vacatures.

En hier schuilt een paradox die weinigen hardop benoemen maar die ingrijpende consequenties kan hebben. Juniors worden seniors door jarenlang problemen op te lossen, fouten te maken, en ervaring op te bouwen. Als AI dat werk overneemt, als de leerplaatsen verdwijnen, wie worden dan de seniors van morgen? Matt Garman, de CEO van Amazon Web Services, noemde het idee dat je juniors kon overslaan "een van de domste dingen die ik ooit heb gehoord." Want een organisatie die stopt met het opleiden van beginners, stopt uiteindelijk met het kweken van experts. Het is een probleem dat nu nog onzichtbaar is, maar dat over vijf tot tien jaar kan exploderen in een tekort aan ervaren professionals die nodig zijn om AI te beoordelen, bij te sturen, en verantwoord in te zetten.

Toch zijn er organisaties die beginnen met antwoorden. Sommige advocatenkantoren laten juniors niet langer zelf contracten doorspitten, dat doet AI, maar laten hen AI-gegenereerde contractanalyses reviewen en memo's schrijven over waar de AI het fout had. De fouten vinden ís de leerschool. Het vereist precies dezelfde diepgaande kennis die het oude routinewerk opbouwde, maar het bouwt die kennis sneller op omdat je direct werkt aan de grens van wat AI wel en niet kan.

Andere bedrijven experimenteren met wat je "supervised autonomy" zou kunnen noemen: juniors krijgen AI-geassisteerde projecten met duidelijke checkpoints. Ze gebruiken AI om een eerste versie te produceren, en verdedigen die versie vervolgens bij een senior. De verdediging is het leermoment. Niet het maken van het werk, maar het beoordelen ervan, het verdedigen van keuzes, het herkennen van zwakheden. Het is een model dat de strengheid van het oude leertraject behoudt maar de route verandert.

Universiteiten en hogescholen zullen een cruciale rol spelen. De studenten die nu afstuderen, moeten niet worden opgeleid voor het werk dat AI zal doen. Ze moeten worden opgeleid voor het werk van evalueren, aansturen en beoordelen van wat AI doet. Dat vereist niet minder vakkennis, maar een ander soort vakkennis: de vaardigheid om te herkennen wanneer een AI-gegenereerd antwoord subtiel maar gevaarlijk onjuist is.

De eerlijke erkenning is dat niemand dit volledig heeft opgelost. Maar de organisaties die er nu over nadenken, die experimenteren met nieuwe leermodellen, die hun junior-trajecten herontwerpen in plaats van ze te schrappen, zullen over vijf jaar de organisaties zijn met de beste mensen. Want de talentpijplijn die je vandaag verwaarloost, is het tekort dat je morgen niet kunt oplossen.

McKinsey identificeerde in 2025 een duidelijk patroon in de organisaties die rapporteerden dat hun AI-strategie succesvol was. Ze hadden vier dingen gemeen. Ze realiseerden directe, meetbare tijdsbesparingen, niet beloften voor de toekomst maar winst binnen weken. Ze integreerden AI in tools die medewerkers al gebruikten, niet een apart systeem waar je naartoe moest navigeren. Ze stelden heldere meetpunten op en evalueerden die binnen dertig dagen. En ze hadden een duidelijk mandaat van het management, gekoppeld aan concrete bedrijfsdoelen, niet het vage "we moeten iets met AI" maar het specifieke "we gebruiken AI om dit probleem op te lossen."

Negentig procent van de organisaties met een goed gedefinieerde AI-strategie rapporteerde succes. Bij organisaties zonder duidelijke strategie was dat percentage vele malen lager.

Het eenmansmiljardenbedrijf

Er is een verhaal dat de laatste jaren steeds vaker opduikt in techkringen, en hoewel het nu nog meer een gedachte-experiment is dan werkelijkheid, verdient het vermelding omdat het illustreert hoe radicaal AI de structuur van organisaties kan veranderen.

Het idee van het "eenmansmiljardenbedrijf": een bedrijf dat door een enkele persoon wordt gerund, met AI-agents die alle functies vervullen die normaal tientallen of honderden medewerkers zouden vereisen. Marketing, sales, klantenservice, productontwikkeling, financien, juridische zaken: allemaal verzorgd door AI, aangestuurd door een mens.

Sam Altman noemde het als een mogelijkheid. Investeerders als Vinod Khosla spraken erover op conferenties. En hoewel het nog niet is gebeurd, zijn de contouren al zichtbaar. Er zijn al eenpersoonszaken die met AI miljoenen omzetten. Softwareontwikkelaars die met AI-hulpmiddelen als Claude Code producten bouwen en onderhouden die voorheen een team van tien hadden vereist. Marketeers die met AI-tools campagnes draaien die voorheen een heel bureau zou hebben gekost.

Het is een visie die zowel opwindend als verontrustend is. Opwindend omdat het de mogelijkheden van individuen vergroot op een manier die ongekend is. Verontrustend omdat het de vraag opwerpt wat er gebeurt met alle mensen die voorheen die functies vervulden. Als een mens met AI het werk kan doen van honderd mensen, wat doen die honderd mensen dan?

Het eerlijke antwoord is dat niemand het weet. Maar het is een vraag die nu al wordt gesteld, en het zou oneerlijk zijn om te doen alsof het antwoord vanzelfsprekend geruststellend is.

Het MKB-vraagstuk

Een blinde vlek in vrijwel alle discussies over AI en organisaties is het midden- en kleinbedrijf. De voorbeelden in presentaties en artikelen gaan bijna altijd over grote bedrijven: Klarna, Shopify, Google, Microsoft. Maar de meerderheid van de werkende bevolking in Nederland en in Europa werkt niet bij grote bedrijven. Ze werken bij het MKB, bij bedrijven met tien, vijftig, honderd medewerkers. Bij de bakker om de hoek, bij het accountantskantoor in het dorp, bij het ingenieursbureau in de stad, bij de webshop die vanuit een schuur wordt gerund.

Voor het MKB is de uitdaging anders dan voor multinationals. De middelen zijn beperkter. Er is geen team van AI-experts dat een strategie kan implementeren. Er is geen Chief AI Officer. Er is geen budget voor dure consultants die komen vertellen hoe AI moet worden geintegreerd. De eigenaar is vaak tegelijkertijd de manager, de verkoper, de administrateur en nu ook de persoon die moet uitzoeken hoe AI past.

Maar er is ook een voordeel dat grote bedrijven niet hebben: wendbaarheid. Er hoeft geen heel verandertraject door tien managementlagen. Er hoeft geen goedkeuring van een commissie. Er hoeft geen pilot, geen evaluatie, geen rapportage. Als de eigenaar besluit dat AI wordt gebruikt voor klantenservice, offertes of data-analyse, dan kan dat morgen beginnen.

De sleutel voor het MKB is niet een grote strategische transformatie. Het is beginnen met een concreet probleem, en het is makkelijker dan de meeste ondernemers denken. Hier is een pragmatisch stappenplan.

De eerste stap is het identificeren van één pijnpunt. Niet "transformeer je bedrijf met AI." Eén ding. De accountant die drie uur besteedt aan een BTW-aangifte. De winkelier die elke dag dezelfde tien klantvragen beantwoordt. De consultant die drie offertes per week schrijft. Het installatiebedrijf dat uren kwijt is aan werkroosters. Kies het pijnpunt dat je het meeste tijd of frustratie kost.

De tweede stap is het goedkoopste pad proberen. Een abonnement van twintig euro per maand op ChatGPT of Claude, niet een consultant van honderdduizend euro. Laat de AI een voorbeeld zien van het werk dat je wilt verbeteren. Een offerte die je eerder hebt geschreven. Een klantbericht dat je hebt beantwoord. Een rapport dat je hebt opgesteld. Als de AI tachtig procent kan doen van wat je nodig hebt, heb je je eerste use case gevonden.

De derde stap is het stellen van simpele regels. Stop geen vertrouwelijke klantgegevens in een publiek AI-model zonder de voorwaarden te checken. Review altijd de output voordat het naar een klant gaat. Label intern welk werk AI-geassisteerd is, zodat je leert welke taken baat hebben en welke niet.

De vierde stap is meten en delen. Houd bij hoeveel tijd je bespaart per week. Als het twee uur per week is, en dat is realistisch bij dagelijks gebruik, is dat honderd uur per jaar. Deel wat je leert met je team. De meest effectieve AI-adoptie in het MKB gebeurt niet top-down maar bottom-up: één persoon ontdekt iets dat werkt, vertelt het aan een collega, en het verspreidt zich als een lopend vuurtje.

De KVK biedt inmiddels AI-tools en gidsen aan voor ondernemers. Brancheorganisaties van de bouw tot de horeca ontwikkelen sectorspecifieke richtlijnen. MKB-Nederland pleit voor toegankelijke AI-regelgeving die kleine bedrijven niet buitensluit. De infrastructuur is er. De eerste stap is aan jou.

De tools zijn er. ChatGPT, Claude, Gemini, Mistral, ze zijn allemaal beschikbaar voor een fractie van wat een extra medewerker kost. En ze zijn er vierentwintig uur per dag, zeven dagen per week.

De cultuurvraag

Technologie implementeren is het makkelijke deel. Het moeilijke deel, het deel waar de meeste organisaties op stuklopen, is niet technisch maar menselijk. Hoe creeer je een cultuur waarin mensen AI willen gebruiken?

Want dat is lang niet vanzelfsprekend. Veel medewerkers zijn terughoudend, en hun terughoudendheid is niet irrationeel. Ze zijn bang dat als ze laten zien dat AI hun werk kan doen, ze zichzelf overbodig maken. Ze zijn bezorgd dat hun ervaring, hun jarenlang opgebouwde expertise, minder waard wordt. Ze voelen zich ongemakkelijk met een technologie die ze niet volledig begrijpen en die hun manager wel lijkt te begrijpen.

De organisaties die dit goed aanpakken, doen drie dingen die zo simpel klinken dat ze bijna cliches zijn, maar die in de praktijk zeldzaam blijken.

Ze maken expliciet dat AI een versterker is, geen vervanger. En ze doen dit niet alleen in een all-hands meeting of in een memo van het management. Ze doen het in daden: ze investeren in training, ze belonen AI-gebruik, ze delen succesverhalen, en ze nemen geen mensen weg als AI hun werk versnelt. Ze gebruiken de vrijgekomen capaciteit om meer te doen, niet om minder mensen te betalen.

Ze geven mensen de ruimte om te experimenteren zonder dat alles perfect hoeft te zijn. AI-adoptie vereist trial and error. Het vereist dat je dingen probeert die niet werken, dat je fouten maakt, dat je leert van die fouten. Als mensen bang zijn om fouten te maken, als elke mislukking wordt afgestraft of wordt gezien als incompetentie, zullen ze niet experimenteren. En zonder experimenten is er geen leerproces.

Ze erkennen de emotionele dimensie. De zorgen, de onzekerheid, de identiteitsvragen die we in het vorige deel van dit boek uitgebreid hebben besproken. Ze negeren die niet. Ze praten erover. Ze maken er ruimte voor. Want onbesproken angst wordt onbesproken weerstand, en onbesproken weerstand wordt stille sabotage.

AI in het onderwijs

Er is een sector waar de impact van AI misschien wel het meest fundamenteel is en waar de worsteling het meest zichtbaar, en dat is het onderwijs.

Vanaf het moment dat ChatGPT werd gelanceerd, stonden scholen en universiteiten voor een dilemma dat ze niet hadden zien aankomen. Studenten gebruikten AI om werkstukken te schrijven, tentamenvragen te beantwoorden, scripties te produceren. Sommige onderwijsinstellingen verboden het gebruik van AI. Andere omarmden het. De meeste zaten er ergens tussenin, onzeker over wat het juiste antwoord was.

Het dilemma is dieper dan fraude alleen. Als een student een werkstuk indient dat door AI is geschreven, is dat bedrog. Maar als een student AI gebruikt om beter te leren, om complexe concepten uit te laten leggen, om zichzelf te testen, om feedback te krijgen op zijn werk, is dat juist bijzonder waardevol. Het verschil zit niet in de technologie maar in hoe die wordt gebruikt.

De werkelijke uitdaging voor het onderwijs is een andere: als AI kan wat we studenten leren, wat moeten we ze dan leren? Als een machine een samenvatting kan schrijven, een analyse kan maken, een berekening kan uitvoeren, wat is dan nog de waarde van een examen dat precies die vaardigheden toetst? Het dwingt het onderwijs om na te denken over wat het eigenlijk probeert bij te brengen. Is het de vaardigheid om een tekst te schrijven, of is het de vaardigheid om te denken? Is het de vaardigheid om feiten te kennen, of is het de vaardigheid om feiten te beoordelen?

Het zijn vragen die het onderwijs al lang had moeten stellen, maar die door de komst van AI plotseling urgent zijn geworden.

De scholen die het verst zijn, geven een glimp van hoe het antwoord eruitziet. Ze gebruiken het "flipped classroom" model: AI verzorgt de kennisoverdracht, uitleg, oefeningen, toetsing, en de docent besteedt de kostbare lestijd aan wat AI niet kan: discussie, debat, samenwerking, het begeleiden van kritisch denken. De docent wordt niet minder belangrijk. De docent wordt belangrijker, maar op een andere manier.

De competentieverschuiving die dit vereist is fundamenteel. Het toetsen verschuift van "kent het antwoord" naar "kan antwoorden evalueren." Van "kan een essay schrijven" naar "kan kritisch denken over een onderwerp en een eigen perspectief articuleren." Van "kan een berekening maken" naar "kan beoordelen of een berekening klopt en wat de uitkomst betekent." Het is een verschuiving die het onderwijs al decennia had willen maken maar nooit moest. Nu moet het.

In Nederland groeit het debat. De Onderwijsraad zoekt naar richtlijnen. De CITO onderzoekt hoe toetsvormen moeten veranderen. De spanning tussen scholen die AI volledig verbieden en scholen die het integreren, leidt tot een lappendeken aan beleid dat leerlingen verward achterlaat. De meest pragmatische aanbeveling, die steeds meer weerklank vindt, is simpel: leer leerlingen hoe ze AI goed en verantwoord gebruiken. Doe niet alsof het niet bestaat. Want buiten het klaslokaal gebruiken ze het al.

Nederland en de toekomst van werk

In december 2025 presenteerde Peter Wennink, die eerder dat jaar was afgetreden als CEO van ASML, het meest waardevolle technologiebedrijf van Europa, een rapport dat door velen werd beschreven als de belangrijkste economische wake-up call in de recente Nederlandse geschiedenis. Het "Rapport Wennink," opgesteld in opdracht van het kabinet-Schoof en gepresenteerd in Nieuwspoort aan premier Dick Schoof en minister van Economische Zaken Vincent Karremans, was een analyse die de kern raakte van waar dit boek over gaat.

De kerndiagnose was alarmerend. De productiviteitsgroei in Nederland was sinds 2000 gedaald tot gemiddeld 0,6 procent per jaar. Zonder ingrijpen zou de overheid in 2035 meer dan honderd miljard euro per jaar meer uitgeven dan er binnenkwam. Nederland had alles in huis om te floreren in het AI-tijdperk, maar dreigde achter te vallen door gebrek aan investering, te weinig technisch opgeleide mensen, en een overheid die te langzaam bewoog.

Wennink's oplossing was even concreet als ambitieus: 151 tot 187 miljard euro aan productiviteitsversterkende investeringen tegen 2035, waarvan zeventig procent privaat. Een Nationale Investeringsbank met tien miljard euro werkkapitaal. Een Nationaal Agentschap voor Doorbraakinnovatie met twee miljard euro per jaar. Alleen al het digitaliserings- en AI-deel van de investeringsagenda bedroeg 49,3 miljard euro, inclusief een "AI Gigafactory" in Rotterdam.

Maar het onderdeel dat voor individuele werknemers het meest relevant was, ging over reskilling. Wennink waarschuwde dat het niet ging om kleine aanpassingen binnen dezelfde functie, maar om fundamentele overstappen tussen sectoren. Van kantoor naar zorg. Van administratie naar energietechnologie. "We moeten beseffen dat we niet van het ene bureau naar het andere gaan, maar misschien wel van een bureau naar de zorg of de energiesector," zei hij. Hij stelde voor dat ontslagvergoedingen meer nadruk zouden moeten leggen op omscholing in plaats van alleen het opvangen van baanverlies. De recente ontslagrondes bij Heineken, ASML zelf, en ABN Amro waren volgens hem slechts een voorbode van wat komen ging.

Het meest veelzeggende getal uit het rapport betrof Europa's positie in de mondiale technologiewedloop. Europa beschikt over slechts vijf procent van de wereldwijde rekencapaciteit, tegenover 74 procent in de Verenigde Staten. Slechts vier van de vijftig grootste techbedrijven ter wereld zijn Europees. "Wie technologisch niet meetelt, zit niet aan tafel," vatte Wennink het samen. "En wie niet aan tafel zit, staat op het menu."

De balans tussen snel en verantwoord

Er is een spanning die elke organisatie voelt, en die niet zal verdwijnen: de druk om snel te bewegen versus de noodzaak om verantwoord te handelen.

De Europese Unie probeert die balans te codificeren met de AI Act, de eerste uitgebreide AI-regulering ter wereld. In februari 2025 traden de verboden op onaanvaardbare AI-praktijken in werking: AI-systemen die mensen manipuleren, die sociale scoring toepassen, die biometrische surveillance op afstand gebruiken. In augustus 2025 werden de verplichtingen voor aanbieders van grote taalmodellen van kracht. De volledige wet wordt in augustus 2026 van toepassing.

De boetes zijn niet mis: tot 35 miljoen euro of 7 procent van de wereldwijde jaaromzet voor verboden praktijken. Finland was in januari 2026 het eerste EU-land met een volledig operationele handhavingsstructuur.

Maar Europa's urgentie rond AI-regulering kwam niet uit het niets. Nederland had al een pijnlijke les geleerd. De Toeslagenaffaire, waarbij ongeveer 26.000 gezinnen onterecht werden beschuldigd van fraude door een risicoscoringsalgoritme van de Belastingdienst, was een van de meest schrijnende voorbeelden ter wereld van algoritmische discriminatie. Het systeem gebruikte nationaliteit als risicofactor. Gezinnen raakten financieel geruineerd, kinderen werden uit huis geplaatst, en in januari 2021 viel het kabinet erover. Het was geen AI in de zin van ChatGPT, maar het illustreerde precies het probleem dat ook bij modernere systemen speelt: als trainingsdata vooroordelen bevat, reproduceert het systeem die vooroordelen. En als niemand het systeem begrijpt, merkt niemand het op tot het te laat is. Nederland reageerde met een nationaal Algoritmeregister. De les was pijnlijk maar waardevol: algoritmen die levens raken, moeten controleerbaar zijn.

Op internationaal niveau probeerde de wereld ook de veiligheidsrisico's te adresseren. De AI-veiligheidstop van Bletchley Park in november 2023, gevolgd door toppen in Seoul en Parijs, leidde tot de Bletchley Declaration: 28 landen die AI-veiligheidsrisico's erkenden en opriepen tot samenwerking. Het Verenigd Koninkrijk richtte het eerste nationale AI Safety Institute op. Het was het begin van een poging om voor AI te doen wat de klimaattoppen voor het milieu probeerden.

Maar regulering is slechts een deel van het verhaal. Er zijn vragen die geen wet kan beantwoorden. De milieukosten van AI, bijvoorbeeld. De datacenters die nodig zijn om grote taalmodellen te trainen en te draaien verbruiken enorme hoeveelheden energie en water. Tegen 2027 zou het energieverbruik van AI-datacenters volgens het Internationaal Energieagentschap kunnen verdubbelen. Tech bedrijven als Google en Microsoft zagen hun duurzaamheidsdoelen in gevaar komen door de explosieve groei van AI.

Het is een ongemakkelijke waarheid: dezelfde technologie die belooft de wereld efficienter te maken, verbruikt zelf steeds meer van de bronnen die de wereld schaars aan het worden zijn. Microsoft kondigde aan om kernenergie in te schakelen voor zijn datacenters. Amazon investeerde in nucleaire startups. En er waren zelfs serieuze plannen om datacenters in de ruimte te plaatsen, waar de koeling gratis was en de zonne-energie onbeperkt, een idee dat een paar jaar eerder als sciencefiction zou zijn afgedaan maar dat nu door investeerders serieus werd genomen.

Het is een spanning die niet wordt opgelost door betere algoritmen alleen. Het vereist bewuste keuzes over wanneer AI de moeite waard is en wanneer niet, over wanneer de voordelen opwegen tegen de kosten, niet alleen de financiele kosten maar ook de ecologische.

Er is ook de vraag van copyright en intellectueel eigendom. De modellen zijn getraind op enorme hoeveelheden tekst, beelden en muziek die door mensen zijn gemaakt. De New York Times diende eind 2023 een rechtszaak in tegen OpenAI en Microsoft, de eerste grote nieuwsorganisatie die dit deed. De krant stelde dat miljoenen artikelen zonder toestemming waren gebruikt voor training. OpenAI beriep zich op fair use. De uitkomst van deze zaak kan fundamenteel bepalen hoe AI-bedrijven omgaan met auteursrechtelijk beschermd materiaal. Andere uitgevers kozen voor licentiedeals, een pragmatischere maar voor veel creatieve professionals onbevredigende oplossing.

En dan is er de vraag van het vertrouwen. Naarmate AI-gegenereerde teksten, beelden en video's het internet overspoelen, een fenomeen dat de bijnaam "AI slop" kreeg, groeit de onzekerheid over wat echt is en wat niet. Google verving zoekresultaten door AI-gegenereerde samenvattingen, maar de lancering van AI Overviews in mei 2024 was een publieke vernedering: het systeem suggereerde onder andere om lijm aan pizzasaus toe te voegen, gebaseerd op een oud grapcommentaar op Reddit. Als zelfs het bedrijf dat het internet organiseert moeite had met de betrouwbaarheid van AI-gegenereerde informatie, wat betekende dat dan voor iedereen die erop vertrouwde? Perplexity verving de lijst met links volledig door AI-gegenereerde antwoorden. Het riep een fundamentele vraag op: als niemand meer doorklikt naar de bron, wie maakt dan nog de inhoud waar de AI van leert?

Terwijl het publieke debat over AI zich richt op chatbots en gegenereerde content, is misschien wel de grootste impact van AI onzichtbaar. De meeste AI in de wereld zit niet in een tekstvak dat je kunt aanspreken. Het zit verweven in systemen die je dagelijks gebruikt zonder erbij na te denken: de aanbevelingen op Netflix, de fraude-detectie op je creditcard, de routeplanning van je pakketbezorger, de spamfilter van je e-mail. In de gezondheidszorg ontdekken AI-systemen tumoren die radiologen missen. In de landbouw analyseren drones gewassen op ziektes. In de logistiek optimaliseren algoritmen de routes van duizenden vrachtwagens tegelijk. Geen van deze toepassingen genereert krantenkoppen, maar samen zijn ze waarschijnlijk verantwoordelijk voor een groter deel van de economische impact van AI dan alle chatbots bij elkaar.

Voor organisaties zijn al deze vragen niet abstract. Ze zijn operationeel. Elke organisatie die AI inzet moet antwoorden formuleren op vragen over privacy, over verantwoordelijkheid, over de impact op medewerkers, over de ecologische voetafdruk, over de betrouwbaarheid van de output. "Eerst doen, dan nadenken" is geen houdbare strategie. Maar "eerst nadenken, dan niets doen" is het ook niet.

De organisaties die de balans het best vinden, zijn degenen die verantwoordelijkheid inbouwen in hun AI-gebruik vanaf het begin. Niet als een rem maar als een kader waarbinnen ze vrij kunnen opereren. Niet als een bureaucratisch obstakel maar als een set principes die helpt om de juiste beslissingen te nemen als het moeilijk wordt.

De organisatie van morgen ziet er niet radicaal anders uit dan die van vandaag. Maar ze is fundamenteel verschoven. Het is een organisatie waarin AI verweven is in de werkstroom, niet als een apart project maar als een vanzelfsprekend onderdeel van hoe werk wordt gedaan. Waarin medewerkers worden beoordeeld niet op hoeveel ze produceren maar op de kwaliteit van hun oordeel en de waarde van hun bijdrage. Waarin de investering in menselijk talent wordt gezien als de cruciale schakel die bepaalt hoe effectief AI kan zijn.

De organisaties die dat het eerst bereiken, hebben een voorsprong die moeilijk in te halen is. Niet omdat ze betere technologie hebben. De technologie is voor iedereen beschikbaar. Maar omdat ze de menselijke capaciteiten hebben opgebouwd om die technologie effectief in te zetten. En die capaciteiten bouwen zich op over tijd, door ervaring, door een cultuur die leren en experimenteren aanmoedigt.

De kloof tussen de voorlopers en de achterblijvers groeit. Elke maand dat een organisatie wacht met serieus investeren in AI-capaciteiten, wordt het gat groter. Niet onoverbrugbaar. Maar groter.