Posts on Westra on AI

Verdringt AI jonge werknemers? De Nederlandse cijfers zijn interessant én dubbelzinnig

Mon, 06 Jul 2026 09:00:00 +0200

Sinds ChatGPT eind 2022 verscheen, woedt er een debat over wat AI met onze banen doet. Aan de ene kant van het debat zijn er mensen als Anthropic-topman Dario Amodei, die voorspelde dat AI binnen vijf jaar de helft van alle witteboorden-instapbanen zou kunnen wegvagen. Aan de andere kant de sceptici, die wijzen op een werkloosheidscijfer dat gewoon laag blijft.

Vorig jaar kwam er data in dit debat. De Stanford-econoom Erik Brynjolfsson liet zien dat in de VS jonge starters in AI-gevoelige beroepen de eerste klappen opvangen: hun werkgelegenheid daalt, terwijl die van oudere collega’s doorgroeit. Hij noemde ze de kanaries in de kolenmijn. Begin dit jaar vonden Rabobank-economen Jesse Groenewegen, Niek van Limbergen en Nic Vrieselaar een vergelijkbaar patroon voor Nederland — en kregen prompt stevige methodologische kritiek van de arbeidseconomen Salomons en Van den Berge. Kennelijk is het niet zo eenvoudig.

Wie heeft er gelijk? Dat wilde ik zelf kunnen nagaan. Dus heb ik de analyse opnieuw opgebouwd, van de grond af, met uitsluitend openbare data. Geen afgeschermde microdata, iedereen kan elke stap controleren. Daarbij wijk ik op een paar punten af van de Rabobank analyse, vooral om te corrigeren voor demografische effecten en de effecten van de COVID periode. De volledige details staan in het bijbehorende uitgebreide artikel.

De analyse

In het kort: de International Labour Organisation (ILO) heeft per beroep een score uitgerekend voor hoe goed generatieve AI de taken van dat beroep kan overnemen. Dat noemen ze ‘AI-vatbare’ beroepen. De beroepen met de hoogste scores vallen in twaalf Nederlandse beroepsgroepen — denk aan boekhouders, secretaresses, softwareontwikkelaars en marketeers. Vervolgens volg ik per leeftijdsgroep, in de openbare CBS-cijfers, welk aandeel van de werkenden zo’n AI-gevoelig beroep heeft.

Dit is wat er dan uitkomt:

Twee dingen springen eruit. Ten eerste: bij jongeren (15–25, de rode lijn) is er echt iets aan de hand. Het aandeel dat in een AI-gevoelig beroep werkt is sinds eind 2022 met zo’n 16% gedaald, terwijl elke andere leeftijdsgroep vlak blijft of doorstijgt. Precies het kanarie-patroon. Maar ten tweede: kijk naar wat er vóór die daling gebeurde. In 2021 schoot diezelfde rode lijn met bijna 40% omhoog: dat waren de jaren van gratis geld en een oververhitte tech-arbeidsmarkt. Ook na de hele daling staan jongeren nog altijd boven het niveau van voor corona.

Ok, dus we weten nu dat het percentage van de jongeren in een AI-gevoelig beroep aan het dalen is. Is dit AI die starters verdringt, of een tech-hausse die leegloopt nu de rente weer ’normaal’ is? De data ondersteunt beide conclusies. We kunnen nog op een andere manier naar de data kijken: binnen dezelfde groep jongeren de AI-gevoelige beroepen vergelijken met alle andere beroepen.

We zien het zelfde patroon. Jongeren in niet-vatbare beroepen (de blauwe lijn) kenden geen hausse en geen terugval: een rustige, gestaag stijgende lijn. De hele boog zit uitsluitend in de AI-gevoelige beroepen. Ook hier kunnen we geen onderscheid maken tussen de twee mogelijke verklaringen — AI of tech-hausse — omdat we bij beide verklaringen precies hetzelfde plaatje verwachten. De AI-gevoelige beroepen zíjn de rentegevoelige tech- en kantoorberoepen.

Mijn conclusie, voor nu: er is een reële, opvallend specifieke omslag bij jonge starters in AI-gevoelige beroepen, die niet door demografie, COVID of de brede conjunctuur te verklaren is, en die precies past bij wat Brynjolfsson in de VS vond. Of AI de oorzaak is gaan de komende kwartalen leren. Zakt de rode lijn door de blauwe heen, dan werkt het verhaal “gewoon normalisatie na een hausse” niet meer. Blijft ze erboven hangen, dan werken er per saldo nog steeds méér jongeren in deze beroepen dan voor corona.

Het mooie van openbare data: je hoeft mij niet te geloven. De volledige analyse, met interactieve grafieken waarin je zelf per beroep kunt opzoeken hoe AI-gevoelig het is, staat in het uitgebreide artikel. En wie het écht zelf wil nadoen: één Python-script downloadt de bronnen en reproduceert elke tabel en grafiek, ook deze twee. Zodra het CBS een nieuw kwartaal publiceert, kan iedereen zien welke kant de kanarie op vliegt.

Ideeën voor een goede toekomst

Wed, 24 Jun 2026 09:00:00 +0200

In een eerder stuk hield ik bewust een slag om de arm. We weten niet hoe ver de automatisering van kenniswerk door AI gaat, en hoe snel. Laat ik die voorzichtigheid nu even loslaten: stel dat het lukt. Stel dat machines binnen afzienbare tijd een groot deel van het betaalde denkwerk overnemen. Wat dan?

De eerste reactie is meestal angst en ongerustheid, over geld, maar vooral over de vraag waar mensen dan nog voor zijn. We hebben werk, inkomen en identiteit zo strak aan elkaar geknoopt dat we ons een waardig leven zonder betaalde baan nauwelijks kunnen voorstellen. Juist daar moeten we beginnen.

Werk is een bundel

Een betaalde baan levert meer dan loon. Ze geeft ritme aan je dag, een plek tussen anderen, en het gevoel dat je ergens aan bijdraagt. Loon, structuur, contact en status zijn nu aan elkaar verbonden in één pakket, gekoppeld aan de arbeidsmarkt.

Automatisering knipt vooral de eerste draad door: de markt heeft jouw arbeid niet meer nodig om geld te verdienen. Maar voor de mens veranderd er weinig: die heeft nog steeds geld nodig om van te leven, een dagritme, verbondenheid, en het besef dat ze ertoe doen.

Geen tekort aan waardevol werk

We vrezen een wereld zonder werk, terwijl er overal werk ligt dat niet gedaan wordt. Ouderen die meer aandacht verdienen dan er handen voor zijn. Kinderen die baat hebben bij kleinere klassen. Buurten die onderhoud nodig hebben, natuur die hersteld moet worden, kennis en cultuur die overdracht vragen. De lijst is lang en de behoeften zijn echt.

Er is dus geen tekort aan waardevol werk. Er is een tekort aan betaald werk, een wezenlijk verschil.

De voor de hand liggende tegenwerping is: als dat werk zo waardevol is, waarom betaalt de markt er dan niet voor? Het antwoord is dat de waarde ervan zich slecht laat verzilveren. De waarde ontstaat verspreid, ze ontstaat pas op lange termijn, of komt terecht bij mensen die niet kunnen betalen: een kind, een zieke, een ecosysteem, een volgende generatie. Het gaat om publieke waarde, en die organiseren we niet via de markt maar via gedeelde keuzes. Onderwijs, zorg en cultuur bestaan omdat we samen hebben besloten dat ze de moeite waard zijn, ook al leveren ze geen winst op. Het is werk dat zich slecht laat automatiseren, want het draait om aanwezigheid, menselijke interacties en relaties. Het is werk dat mensen voor mensen doen.

Zorg en onderlinge afhankelijkheid als ordenend principe

We kunnen dus anders over werk na gaan denken. Zolang we “werk” gelijkstellen aan “betaalde baan”, ziet een toekomst met minder banen er leeg uit. Zodra we kijken naar “werk” als “bijdrage aan de maatschappij in bredere zin”, gaat er een wereld aan mogelijkheden open. Een groep Britse onderzoekers heeft dit idee uitgewerkt onder de noemer van zorg als ordenend principe, op elke schaal: van het huishouden tot de gemeenschap, de economie en de natuur. De kern is dat we op duizenden manieren van elkaar afhankelijk zijn, of we dat nu prettig vinden of niet. Niemand redt het alleen, niet als kind, niet als zieke, niet als oudere, eigenlijk op geen enkel moment in ons leven. Een samenleving die dat erkent, zet zorg centraal in alles wat ze doet.

Waar is de economie eigenlijk voor?

De econoom Kate Raworth heeft hier een model voor, dat ze de donut noemt. In haar model gaat het er niet om de economie zo groot mogelijk te maken, maar om de behoeften van iedereen te vervullen binnen de grenzen van de planeet. Een sociale ondergrens waar niemand doorheen zakt, en een ecologisch plafond dat we niet doorbreken. Daartussen ligt de ruimte waarin een samenleving kan floreren.

Het aantrekkelijke van dat beeld is dat het groei van zijn voetstuk haalt zonder welvaart overboord te gooien. Groei wordt een middel dat soms nodig is en soms niet, in plaats van een doel op zich. De maatstaf verschuift van hoeveel we produceren naar de vraag of mensen en leefomgeving er werkelijk beter van worden. Van “hoe houden we de productie op gang" naar “waar is die productie eigenlijk voor”. Amsterdam was in 2020 de eerste stad die dit model omarmde als kompas voor beleid.

Een uitkering of een baangarantie

Tot zover de kompasrichting. Maar een richting is niks zonder uitvoeringsopties. Als we het inkomen losweken van betaalde arbeid, komen er twee praktische vragen op tafel. Hoe komen mensen aan een inkomen? En hoe wordt al dat waardevolle, maar onbetaalde werk gefinancierd en serieus genomen? Hier lopen de antwoorden uiteen.

Een vaakgehoord antwoord is het onvoorwaardelijke basisinkomen: de overheid geeft iedereen een vast bedrag, los van werk. Het is eenvoudig, het geeft mensen vrijheid, en het laat de staat buiten de vraag wat waardevol werk is.

Een ander antwoord is een baangarantie, het sterkst uitgewerkt door de econoom Pavlina Tcherneva. De overheid biedt iedereen die wil werken een baan tegen een fatsoenlijk vast loon, juist in het werk dat de markt laat liggen: zorg, gemeenschap, natuurherstel. Wie geen plek vindt in de private sector, kan hier terecht. Zo’n baangarantie werkt ook als automatische stabilisator. In slechte tijden, als bedrijven mensen laten gaan, groeit het programma. In goede tijden, als de private sector aantrekt, krimpt het vanzelf weer.

Ik neig naar de baangarantie, om twee redenen. De eerste is dat een basisinkomen mensen vooral tot consument maakt. Het geld houdt de economie op gang, maar het werk dat we juist gedaan willen hebben, ontstaat er niet door. De zorg, de aandacht, het herstel: dat moet nog steeds door iemand gedaan worden. Een baangarantie regelt het inkomen én het werk in één beweging, en geeft mensen wat een uitkering niet geeft: een plek in de maatschappij en een mogelijkheid om daaraan bij te dragen. De tweede reden is politieke houdbaarheid. Een kale geldtransfer is kwetsbaar. Hij is makkelijk weg te bezuinigen, negatief te framen als gratis geld, of stilletjes te laten uithollen. Werk waar mensen en buurten zichtbaar baat bij hebben, is veel lastiger af te schaffen.

En de kosten dan? Die vormen een minder harde grens dan vaak wordt gedacht. De stroming achter de baangarantie, de moderne monetaire theorie (MMT), wijst erop dat een staat die zijn eigen munt uitgeeft niet zomaar door zijn geld heen kan raken zoals een huishouden dat kan. De enige echte beperking is wat er aan mensen, materiaal en milieu beschikbaar is. Het verschuift de vraag van “kunnen we het ons veroorloven” naar “hebben we de mensen en middelen om dit te doen?”.

De baangarantie heeft ook zijn zwakke plekken: werk dat verdwijnt zodra de economie aantrekt, past bijvoorbeeld slecht bij zorg en natuurherstel, die juist continuïteit vragen.

Wat is van waarde?

En wie bepaalt er eigenlijk wat als waardevol werk telt? Bij een baangarantie ligt dat antwoord deels bij de staat, en dat is een reëel risico. Wie de lijst bepaalt, bepaalt veel. Maar misschien is dat geen weeffout die we moeten wegwerken. Misschien is het de kern van de zaak. In een wereld waarin machines het meeste betaalde werk kunnen doen, is de vraag wat menselijke inzet waard is een politieke en morele vraag, en die hoort thuis bij ons allemaal, niet bij een algoritme, een markt of een ministerie alleen.

Naast het verstevigen van het vangnet moeten we samen uitvinden welk werk we de moeite waard vinden om te behouden, te verdedigen en te laten groeien. Dat gesprek voeren we nu nauwelijks. We zouden er beter aan doen het te beginnen voordat de techniek de keuze voor ons maakt.

Links:

Kate Raworth, “Doughnut Economics: Seven Ways to Think Like a 21st-Century Economist” (2017)
Pavlina R. Tcherneva, “The Case for a Job Guarantee” (2020)
The Care Collective, “The Care Manifesto: The Politics of Interdependence” (2020).

Het plan is om bijna al het denkwerk te automatiseren. Waar blijft de voorbereiding?

Mon, 22 Jun 2026 09:00:00 +0200

Stel je een zeventienjarige voor die nu een opleiding kiest. Ze twijfelt tussen rechten, iets met administratie, of een opleiding tot vormgever. Ze doet wat we haar al jaren adviseren: kies een richting en investeer flink in een opleiding, zowel in geld als in tijd. De volwassenen om haar heen gaan er stilzwijgend van uit dat tegen de tijd dat ze is uitgeleerd er een startersbaan op haar wacht, en een loopbaan.

Maar dat is een aanname die er steeds onzekerder begint uit te zien. De bedrijven die de krachtigste AI-systemen ter wereld bouwen hebben namelijk opgeschreven wat hun doel is. En dat doel is niet “AI als handige assistent”, hoewel ze dat bij media-optredens vaak wel zo brengen. Het doel is om het werk zelf over te nemen.

OpenAI omschrijft haar missie als het bouwen van Artifical General Intelligence (AGI): “highly autonomous systems that outperform humans at most economically valuable work”. Dus autonome systemen die mensen overtreffen bij het meeste economisch waardevolle werk. Het is de zin waarmee één van de invloedrijkste bedrijven van dit moment zichzelf definieert. Het is belangrijk om dit even tot je door te laten dringen. Het overtreffen van mensenwerk is de expliciete opdracht die deze bedrijven zichzelf hebben gegeven, en waarvoor honderden miljarden worden opgehaald om het te realiseren.

De enorme omvang van de investeringen in AI zijn een argument op zichzelf. De bedragen die nu in datacenters, chips en energie gaan zitten, zijn zo groot dat ze moeilijk te rechtvaardigen zijn met het verhaal “we maken een handige assistent”. Ze zijn pas te begrijpen als je aanneemt dat het werkelijke doel niet is om hier en daar een taak te versnellen, maar om grote delen van het kenniswerk over te nemen van mensen. Het bedrijfsmodel van deze bedrijven is er op gebouwd dat dit lukt.

GDPval – kanarie in de kolenmijn

Een tegenargument dat je vaak hoort is: techbedrijven overdrijven nou eenmaal graag. Dat klopt inderdaad. Hoe kunnen we beoordelen wat de echte situatie is?

OpenAI heeft een test ontwikkeld, GDPval, die de prestaties van AI test op echt beroepswerk. Denk aan het opstellen van juridisch advies, het maken van een financieel model, een verpleegkundig zorgplan, een offerte. De test bestaat uit echte opdrachten uit 44 beroepen die worden gemaakt door zowel een AI model als een mens, en die vervolgens worden beoordeeld door ervaren vakmensen die niet weten of ze naar het werk van de mens of het model kijken. Als het werk van de AI als beter of even goed als dat van de mens wordt beoordeeld is dat een punt voor de AI, anders is het een punt voor de mens.

Toen de studie werd gedaan in 2024 ging de score van het beste model in ongeveer een jaar van zo’n 12 procent naar bijna 50 procent, waarbij een score van 50 procent dus betekent dat bij de helft van de taken de AI even goed of beter werk levert als de mens. Eind 2025 zat een nieuwer model al rond de zeventig procent gelijk of beter. Het gaat hier om kenniswerk, niet om fysiek werk, en “gelijkspel” telt in het voordeel van AI. Maar de richting is duidelijk, en de snelheid is dat ook.

Oftewel: voor een groeiend deel van afgebakende kennistaken levert een AI model nu al werk af dat een ervaren vakspecialist niet meer van mensenwerk kan onderscheiden. Daarmee verdwijnen er nog geen hele banen. Maar banen zijn opgebouwd uit taken, en de instaprollen waarin jongeren juist het vak leren, bestaan vaak uit precies dat soort taken.

Zien we al een golf van massa-ontslagen door AI? Nee, nog niet. Maar dat is ook niet wat je verwacht: de arbeidsmarkt reageert wel vaker uitermate traag op een nieuwe technologie, omdat de invoering van nieuwe systemen jaren kost. Het heeft bijvoorbeeld decennia geduurd voordat de computer echt zijn intrede deed op de werkvloer. Dus er is geen reden voor paniek, maar wél reden om heel goed op te letten en alvast voorbereidende maatregelen te nemen.

Het lastige is: we zijn slecht in het ons voorstellen van een wereld die wezenlijk anders is dan de huidige. We trekken onbewust de huidige arbeidsmarkt door naar de toekomst, maar dan met een AI-sausje eroverheen. De mogelijkheid dat de structuur van de arbeidsmarkt zelf verandert, dat de relatie tussen werk en inkomen anders komt te liggen, valt buiten ons beeld. En wat we ons niet kunnen voorstellen, kunnen we ook niet voorbereiden. We moeten dus ons voorstellingsvermogen oprekken.

Twee toekomsten, allebei haalbaar

Het sombere beeld is makkelijk te schetsen. Een arbeidsmarkt waar de onderste sporten van de ladder zijn weggehaald, waar jongeren geen plek vinden om een vak te leren, waar de winst van automatisering neerslaat bij een kleine groep en de kosten bij iedereen daarbuiten. Een samenleving die rijker is dan ooit en tegelijk groepen mensen overbodig verklaart. Dat is de uitkomst die je krijgt als je de huidige prikkels hun werk laat doen en verder niets doet.

Maar er is een andere uitkomst, en die is net zo haalbaar. Als machines een groot deel van het noodzakelijke werk overnemen, komt er iets vrij wat van oudsher schaars was: tijd en menselijke aandacht. Tijd voor zorg, voor onderwijs, voor elkaar. Voor het herstellen van natuur, voor werk dat nu blijft liggen omdat het niet rendabel is. Een samenleving die welvaart minder strak aan loonarbeid koppelt, en mensen de ruimte geeft om waardevol te zijn op manieren die de markt slecht beloont.

Drie maatregelen

Omdat niemand weet hoe AI zich gaat ontwikkelen en hoe snel, is het verstandig om te beginnen met maatregelen die de moeite waard zijn, hoe de toekomst er ook uit ziet. Hieronder benoem ik er drie.

De eerste: een goed vangnet. We hebben al regelingen, zoals de WW, die werken als een automatische stabilisator zodra mensen hun werk verliezen, ongeacht de oorzaak. Een econoom als Martha Gimbel verwoordt het als volgt: word niet te creatief met je oplossingen voor een door AI veranderende arbeidsmarkt. Versterk het stelsel dat er al is, want het is flexibel, het werkt vanzelf, en het heeft zich bij eerdere technologische omslagen bewezen. Of de schok nu groot wordt of klein, een steviger vangnet is geen verspilde investering.

De tweede: meten is weten. We kunnen niet reageren op verdringing die we niet zien aankomen, dus we hebben een systeem nodig dat verschuivingen op de arbeidsmarkt zichtbaar maakt voordat ze een crisis worden. Investeer daarom in betrouwbare, gedetailleerde, en tijdige informatievoorziening.

De derde: Begin nú met nadenken over en het voorbereiden van een alternatieve fiscale en sociale architectuur, zodat we niet in paniek hoeven te improviseren als de verandering opeens snel gaat. Hier is genoeg input voor, waarover meer in een volgende post.

Geen van deze stappen vraagt dat je gelooft dat al het werk volgend jaar verdwijnt. Maar het zijn nuttige eerste stappen als je de mogelijkheid van een door AI ernstig verstoorde arbeidsmarkt serieus genoeg neemt om je voor te bereiden.

Links:

OpenAI Charter (missie-definitie AGI)
OpenAI, “Measuring the performance of our models on real-world tasks” (GDPval, sept. 2025)
Martha Gimbel, “Don’t get fancy with your labor market fixes for AI” (The Argument, dec. 2025)
Axios, “Economists, investors pitch Washington on AI-driven job loss safety net” (maart 2026).

AI en de vijf stadia van rouw

Sun, 07 Jun 2026 09:00:00 +0200

Met AI hebben we iets wat we als uniek menselijk zagen, onze intelligentie, in een machine gerealiseerd. En nu staan we ernaar te kijken. Wat we zien verrast en ontregelt ons: misschien is intelligentie niet precies wat we dachten dat het was, en is het misschien niet alleen van ons.

Die ontregeling, dat is ons eerder overkomen: Copernicus liet zien dat de mens niet het centrum van het heelal is, en Darwin liet zien dat de mens een dier is tussen de andere dieren. Sigmund Freud beschreef zulke verschuivingen als ‘krenkingen’ van de menselijke eigenliefde. Het zijn pijnlijke decentreringen, waarbij de mens afscheid moet nemen van diep gekoesterde overtuigingen. En bij die pijn hoort rouw.

In 1969 schreef de Zwitserse psychiater Elizabeth Kübler-Ross over rouw. Zij identificeerde de ons welbekende vijf stadia: ontkenning, boosheid, onderhandelen, depressie, en acceptatie. Misschien kunnen we dit frame ook toepassen op hoe mensen op AI reageren? In een essay uit 2024 schrijft techniekfilosoof Benjamin Bratton precies hierover. Niet als stadia die elkaar opvolgen, maar als typologie. Bijvoorbeeld zo:

Ontkenning — “het is maar autocomplete, gewoon statistiek, niet echt intelligent en zeker niet echt creatief.”

Woede — “AI is een existentiële bedreiging, het bedreigt werk en menselijke waardigheid en moet worden tegengehouden, eventueel met geweld.”

Onderhandelen — “met de juiste regels, ethische commissies en ‘alignment’ kunnen we AI in toom houden.”

Depressie — “het is misschien al te laat om de mensheid van AI te redden, dit loopt slecht met ons af.”

Aanvaarding — “dit zat er altijd aan te komen, het is een volgende stap in een lang evolutionair proces.”

Allemaal begrijpelijke, menselijke reacties. We hebben ze allemaal de afgelopen tijd in het nieuws langs zien komen. Elk bevat een kern van waarheid, en tegelijk een versimpeling. Kunnen we hier iets mee? Kan dit frame ons helpen om naar de toekomst te kijken? Voorbij de stadia van rouw te komen?

In zijn artikel nodigt Bratton ons uit om op zoek te gaan naar andere manieren van nadenken over de aard van artificiële intelligentie, manieren die noch optimistisch of pessimistisch zijn, noch utopisch of dystopisch. Zodat we met open ogen in de spiegel kunnen kijken die AI ons voorhoudt, en iets kunnen leren over onszelf en onze plek in de wereld.

Digitale Makers

Tue, 05 May 2026 09:00:00 +0200

In het artikel ‘Meer AI, minder instroom is een gevaarlijke combinatie’ beschrijven Anita Bosman en Klaas Brongers een riskante trend: jongeren kiezen vanwege AI niet meer voor ICT. Terwijl software in rap tempo in alle hoeken van de maatschappij doordringt, en het tekort aan ICT’ers structureel is.

Hun suggestie om ICT-onderwijs aantrekkelijker te maken is terecht. Maar het is makkelijk om de plank mis te slaan. Een flinke dosis AI in het curriculum stoppen en uitleggen dat ICT écht belangrijk blijft voor de maatschappij, gaat het niet redden. Want de onderliggende angst wordt daarmee niet geadresseerd: dat AI programmeurs overbodig maakt. Zolang dat beeld overeind blijft bij leerlingen, ouders en decanen, verandert er weinig.

Wat we nodig hebben is een nieuw verhaal. Niet “leer programmeren ondanks AI”, maar “bouw de toekomst mét AI als gereedschap.”

Binnen Firda werken we aan dat verhaal. We noemen het de Digitale Maker: een creatieve puzzelaar die met een brede set gereedschap (code, neurale netwerken, taalmodellen, en eigen creativiteit) samen met AI oplossingen bouwt in allerlei sectoren. Van een robot die appels plukt tot een zorgapp die patienten helpt. Iemand die diepgaande kennis heeft van ICT, en dat combineert met ervaring en belangstelling voor andere vakgebieden: zorg, agritech, logistiek, robotica.

AI vervangt de programmeur niet. AI maakt de programmeur krachtiger en veelzijdiger. Maar dat verhaal moet je wel vertellen, en het moet kloppen met wat jongeren in de opleiding tegenkomen.

Pleidooi voor rommelige onvolmaaktheid

Mon, 06 Apr 2026 09:00:00 +0200

Pieter verwerkte adreswijzigingen voor een grote verzekeringsmaatschappij. Voorspelbaar en eenvoudig werk. Nuttig en belangrijk, voor hemzelf én voor zijn werkgever. Tot klanten hun adreswijziging zelf konden doorgeven. Toen was er voor Pieter geen passende arbeid meer.

Nu heeft Pieter een ‘zekere afstand tot de arbeidsmarkt’. Maar is Pieter afgedreven van de arbeidsmarkt, of is de arbeidsmarkt afgedreven van Pieter? We behandelen efficiëntie alsof het een natuurwet is. Alsof het vanzelfsprekend is dat werk verdwijnt zodra een machine het goedkoper kan. Maar dat is een keuze. En elke keuze heeft winnaars en verliezers.

Pieters werk werd niet overbodig. Adreswijzigingen moeten nog steeds verwerkt worden, alleen doet nu een systeem dat. Zijn werk werd weggeoptimaliseerd. De vraag is niet alleen kan technologie dit werk overnemen, maar ook: moeten we dat willen? En als we dat willen, wat bieden we Pieter dan?

Met de komst van AI versnelt dit patroon zich. Niet alleen administratief werk verdwijnt, maar ook wat we tot voor kort ‘kenniswerk’ noemden. Wat overblijft is vooral supervisie: overzicht houden, bijsturen, beoordelen. Senior-level werk.

De arbeidsmarkt wordt daardoor niet kleiner, maar smaller. De brede basis van uitvoerend werk krimpt. Wat overblijft is een top van kenniswerkers en een groeiende onderkant van onzeker, slecht betaald werk. Het werkloosheidscijfer vertelt dat verhaal niet. Het gaat ook om de kwaliteit van werk. Om waardigheid.

Er was niets mis met het werk van Pieter. Het was voorspelbaar en overzichtelijk. Hij kon het goed, en het gaf hem een plek in een organisatie, in de maatschappij. Dat is een basisbehoefte.

We zijn het vermogen kwijtgeraakt om dat soort werk te waarderen. Werk dat niet ‘slim’ is, niet ‘innovatief’, niet ‘disruptief’. In een cultuur die geobsedeerd is door optimalisatie, is er steeds minder ruimte voor. Maar betaald werk is meer dan een economisch instrument. Het is hoe mensen deelnemen aan de samenleving. Als die pijler wegvalt, valt er meer weg dan inkomen alleen.

Daarom een pleidooi voor rommelige onvolmaaktheid. Voor een arbeidsmarkt die bewust ruimte laat voor mensen. Die niet alles optimaliseert. Die accepteert dat menselijke arbeid soms minder efficiënt is, en dat oké vindt.

Rommelige onvolmaaktheid betekent: werk dat plek voor Pieter behoudt, ook al kan een systeem het sneller. Een samenleving die zorgwerk waardeert. Zorg voor mensen, voor de gemeenschap, voor de natuur. Niet altijd de goedkoopste keuze, niet altijd de snelste. Maar misschien wel de meest menselijke.

Misschien is het tijd dat de arbeidsmarkt weer naar de mensen toekomt. Rommelig en onvolmaakt. Maar met plek voor iedereen.

Anthropic vs. de Amerikaanse overheid

Sat, 28 Feb 2026 09:00:00 +0200

Voor iedereen die geïnteresseerd is in de ethiek van AI is het de moeite waard om te volgen wat zich nu in Amerika afspeelt.

Het Department of Defence (door Trump van de veelzeggende extra titel ‘Department of War’ voorzien) eist dat Anthropic (maker van Claude) alle gebruiksbeperkingen op hun AI-modellen opheft. Concreet gaat het om twee waarborgen die Anthropic in het contract had bedongen: het verbod op massa-surveillance van Amerikaanse burgers, en het verbod op volledig autonome dodelijke wapens die zonder mens-in-de-loop een doelwit uitkiezen en doden.

Anthropic weigert dit, en dat heeft ze de toorn van de Amerikaanse regering op de hals gehaald. Trump heeft alle overheidsdiensten opgedragen te stoppen met AI modellen van Anthropic. Minister van Defensie Hegseth heeft Anthropic bestempeld als ‘supply chain risk’, een aanduiding die normaal gereserveerd is voor buitenlandse vijanden en nog nooit op een Amerikaans bedrijf is toegepast. Tegelijkertijd dreigt de regering met de ‘Defense Production Act’, een wet die alleen geldt als een product essentieel is voor de nationale veiligheid. Anthropic is dus tegelijk een veiligheidsrisico én onmisbaar. Een wonderlijke tegenstelling die laat zien dat dit vooral een machtsstrijd is.

Ondertussen is OpenAI (maker van ChatGPT) in het gat gesprongen, en heeft een deal met het Pentagon gesloten. Ze zeggen dezelfde rode lijnen te hanteren, maar laten de beoordeling daarvan aan het Department of Defence over. Wel zo gemakkelijk.

Anthropic is geen heilige: ze werken samen met surveillance-bedrijf Palantir en waren het eerste AI-bedrijf dat actief was op de defensie-computernetwerken van de overheid. Maar deze confrontatie laat wel zien dat er grote verschillen bestaan tussen AI-aanbieders als het aankomt op het stellen van ethische grenzen.

We gebruiken inmiddels zo’n beetje allemaal AI. Deze episode laat zien hoe hoog de inzet is: de ethische grenzen aan AI staan onder grote druk, en een gunstige uitkomst is allerminst zeker. Dit is een sterk argument voor digitale soevereiniteit: eigen Europese en Nederlandse AI modellen, op onze eigen voorwaarden, onderbouwd door onze eigen ethiek. Hup GPT-NL!

Links:

Software 1.0, 2.0, 3.0

Sat, 07 Feb 2026 09:00:00 +0200

Het vak van software developer gaat niet verdwijnen, maar wordt rijker dan ooit.

Als programmeur bedenk je iets, een website, spel of algoritme, en de computer voert het uit. Dat is de kern van het vak: je vertaalt een menselijke intentie naar een werkend computersysteem. Dat verandert niet. Maar de gereedschapskist is de afgelopen paar jaar geëxplodeerd.

Andrej Karpathy (voormalig AI-directeur van Tesla, medeoprichter van OpenAI en uitvinder van de term ‘vibe coding’) heeft daar een helder denkkader voor. Hij onderscheidt drie soorten software:

1.0 — Klassieke code. Regels die de computer exact vertellen wat hij moet doen. Denk aan je tekstverwerker, je bankapp, of de software die een raket naar de maan stuurt. Tot nu toe geschreven door mensen, maar dat gebeurt steeds vaker door AI of samen met AI.

2.0 — Neurale netwerken. Systemen die niet geprogrammeerd worden met regels, maar getraind met enorme hoeveelheden voorbeelden. De zelfrijdende auto herkent een voetganger niet omdat iemand regels heeft geschreven over hoe een voetganger eruitziet, maar omdat het systeem miljoenen voorbeelden heeft gezien.

3.0 — Taalmodellen zoals Claude, ChatGPT en Gemini. Het zijn complexe systemen die zelf vol zitten met neurale netwerken. Het bijzondere is dat je ze kunt sturen met gewone taal: je ‘programmeert’ ze met een prompt.

Om de enorme variëteit van de wereld aan te kunnen moet je soms naar software 1.0 grijpen, soms 2.0, en soms 3.0. Of een combinatie daarvan, bijvoorbeeld bij AI Agents.

Vanaf nu werken we steeds vaker samen met AI agents die het grootste deel van de code schrijven. De developer houdt de regie: specificeert het gewenste resultaat, verifieert de code. Zonder concessies aan kwaliteit. Karpathy noemt dit ‘Agentic Engineering’: agentic omdat je als developer meestal niet meer zelf de code schrijft maar daar agents voor inzet, engineering omdat het een echt vakgebied is en blijft, met zijn eigen diepgang en expertise.

Maar wat betekent dit voor het vak? Moet elke developer straks alle drie de vormen van software beheersen, of ontstaan er nieuwe specialisaties? Hoe verandert de verhouding tussen ontwerpen, bouwen en testen? Bij Firda en NHL Stenden zijn we volop met deze vragen bezig. Want als het vak verandert, moet het onderwijs meebewegen.

Links:

Presentatie Karpathy

AI in het Coalitieakkoord

Sun, 01 Feb 2026 09:00:00 +0200

In het nieuwe Coalitieakkoord is er veel aandacht voor AI. Terecht denk ik, want AI gaat een grote impact op ons leven hebben. Dit is wat mij betreft de sleutelzin: “We bouwen aan een digitaal weerbare samenleving aan de hand van een ecosysteemaanpak, waarin we samen met het onderwijs, het bedrijfsleven en de overheid een stap vooruit zetten zodat iedereen volop de kansen van kunstmatige intelligentie kan benutten.”

Goed idee! Maar hoe doe je dat? Hoe zorg je ervoor dat ‘iedereen de kansen kan benutten’? Hoe zorg je ervoor dat de inzet van AI de mensenlijke autonomie versterkt? Dat AI bijdraagt aan een goed leven? Hoe weten we wie profiteert, en wie de risico’s draagt?

Een belangrijk ingrediënt hierbij is AI geletterdheid, het vermogen om AI te begrijpen, te gebruiken en kritisch te beoordelen. Sinds vorig jaar is het onder de EU AI Act voor organisaties een verplichting om hieraan te werken. Hoe geven we dat vorm in het onderwijs?

Eén van de beste resources die ik ben tegengekomen op dit gebied is het UNESCO AI Competence Framework. Er is er eentje voor leerlingen en eentje voor docenten. Het is gedegen en onderbouwd materiaal. Voor studenten zijn dit de competentie-dimensies:

Een mens-gerichte houding
Ethiek van AI
AI technieken en toepassingen
Ontwerpen van AI systemen.

Elke dimensie krijgt drie niveaus: begrijpen, toepassen, creëren. Zo kan elk aspect meerdere keren terugkomen in een curriculum, waardoor kennis beklijft en verdiept.

Als je bezig bent met dit onderwerp is dit framework echt een aanrader. Wat mij vooral aantrekt is het feit dat ethiek en een mens-gerichte houding de basis vormen voor alles. En dat besef gaan we de komende tijd heel hard nodig hebben om ons staande te houden in de AI-storm.

Relevante links:

Mijn software-bouwtijd intuitie werkt niet meer

Sat, 17 Jan 2026 09:00:00 +0200

In mijn carriere heb ik vaak te maken gehad met een vrij ongrijpbaar element van software development: het inschatten van de tijd die nodig is om bepaalde functionaliteit te maken. Het is een soort ‘dark art’ waarin intuitie, ervaring en ongefundeerd optimisme samenkomen om een wilde slag te slaan naar ‘hoe lang het gaat duren om dit te bouwen’. Onder programmeurs is het een rijk veld van humor, vaak met een kern van waarheid. Zo is er de ‘pi-regel’: maak een schatting van de tijd die je denkt nodig te hebben, en vermenigvuldig die met pi (ongeveer 3).

Waarom vertel ik dit? Afgelopen week had ik een ervaring waaruit bleek hoezeer het vak van software development aan het veranderen is. Ik wilde een demo-applicatie maken voor een Agent Constitution Framework waaraan ik werk binnen NHL Stenden. Denk aan: html/css/js frontend met 10 tabs, python backend, ollama taalmodel, sqlite database. Had ik dit werk in mijn vorig leven als ontwikkelaar moeten inschatten, dan had ik 2-3 weken geschat.

Maandag om 8:00 begon ik met schrijven van de specificatie. Om 8:20 was dat klaar. Daarna vroeg ik Claude Opus 4.5 om de code te maken. Om 8:30 was de code klaar. En het werkte in één keer. Prima user interface, mooie code, werkelijk niks op aan te merken. Dat is dus ongeveer 200x sneller dan wat ik een paar jaar terug zou hebben ingeschat. Met behoorlijk wat verbazing heb ik naar mijn scherm gekeken.

Natuurlijk bestaat het vak van programmeur niet alleen uit code schrijven. Consensus vinden over wat gebouwd moet worden is minstens zo belangrijk. En natuurlijk gaat het hier om een kleine, nieuwe applicatie, die alleen lokaal op mijn computer hoeft te draaien. Alle gedoe rond devOps, hosting, en security ontbreken hier. Maar toch. Het vak veranderd razendsnel.

Exponentiële groei - eerst bedriegelijk langzaam, dan verontrustend snel

Fri, 07 Nov 2025 09:00:00 +0200

Exponentiële groei: bedrieglijk langzaam in het begin, en dan alarmerend snel. Je legt op het eerste vakje van een schaakbord 1 rijskorrel, op het tweede vakje 2 korrels, dan 4, dan 8, enzovoort. Hoeveel rijst heb je in totaal nodig voor de 64 vakjes? Neem even een moment om het je voor te stellen. Wat zegt je gevoel? Dan het antwoord: je hebt 370 miljard ton rijst nodig, oftewel ongeveer 670 maal de huidige wereldproductie.

Halverwege het schaakbord staat de teller ‘nog maar’ op 43 ton. Futurist Ray Kurzweil heeft het dan ook over ‘de tweede helft van het schaakbord’ als term om aan te geven wanneer de snelheid van exponentiele groei echt voelbaar wordt in technologische ontwikkeling. Op dat punt zijn we nu aangeland met generatieve AI. Het betekent dat onze intuitie ons in de steek laat. Dat ontwikkelingen zo snel gaan dat een mening over AI een houdbaarheid heeft van hooguit 6 maanden. Dat ons collectieve voorstellingsvermogen volstrekt ontoereikend is om te zien wat er gaat komen, zodat we op dit moment louter reactief reageren.

Voor mij is 2025 het jaar geweest waarin de AI-versnelling echt voelbaar werd. Taalmodellen als Claude, Gemini en ChatGPT werden steeds krachtiger, en AI agents kwamen op. Software-ontwikkelaars zagen hun dagelijks werk compleet veranderen, zelfstandigen in de creatieve sector zoals vertalers, fotografen en ontwerpers raken opdrachten kwijt.

Wat staat ons dan te doen? Hoe zorgen we ervoor dat deze revolutie goed is voor mens, maatschappij en natuur? Dat de kosten en baten rechtvaardig worden verdeeld? Er staat te veel op het spel om dit gelaten over ons heen te laten komen. Het vraagt om reflectie in het onderwijs, in bedrijven, in de brede samenleving.