Rethinking AI: hoe technologie werk verschuift
MINKIK
Executive Principles
Uitgave 01 · 2026
Een publicatie over patronen, niet over technologie
Waarom organisaties telkens op dezelfde manier reageren wanneer technologie verandert.
Auteur
Manu Minne · Founder & Transformation Partner
Vier principes
Theory of Constraints · Last Mile · Product–Market Fit · Demand Expansion
Deel 1
De vraag die iedereen stelt
Voor we naar antwoorden zoeken, moeten we onderzoeken of we de juiste vraag stellen.
01 · De vraag
“Vervangt AI mijn job?”
Het is de vraag die in elke directiekamer valt. Meestal niet als eerste punt op de agenda, maar ergens tussen de lijnen door.
De vraag komt in varianten. Een CFO vraagt hoeveel mensen hij straks nog nodig heeft. Een operationeel directeur vraagt welke functies zullen verdwijnen. Een teamlead vraagt of hij zijn mensen nog iets kan beloven. Het is telkens dezelfde vraag, in een ander register.
Ze is begrijpelijk. Ze is menselijk. En ze is niet nieuw. In 1930 schreef John Maynard Keynes over wat hij technologische werkloosheid noemde: het verlies van banen doordat we sneller manieren vinden om arbeid te besparen dan we nieuwe toepassingen voor arbeid vinden. Dezelfde bezorgdheid, bijna een eeuw eerder, in andere woorden.
Fig. 01 — Dezelfde vraag, andere technologie
1811 — Mechanische weefgetouwen. “Verdwijnt het vakmanschap?”
1930 — Mechanisatie en elektrificatie. “Technologische werkloosheid.”
1961 — Industriële automatisering. “Nemen machines de fabriek over?”
1995 — Kantoorsoftware en internet. “Wat blijft er van administratie over?”
2026 — Artificiële intelligentie. “Vervangt AI mijn job?”
De herhaling bewijst niets over de uitkomst. Ze toont wel dat de vraag zelf een patroon is — en patronen zijn onderzoekbaar.
Observatie
Opvallend genoeg herhaalt de vraag zich al meer dan een eeuw in vrijwel dezelfde vorm. Misschien zegt dat meer over ons kijken dan over de technologie.
Om over na te denken
Welke variant van deze vraag hoort u het vaakst in uw eigen organisatie — en van wie?
02 · De vraag
Waarom die vraag zelden een bruikbaar antwoord oplevert
Ze vraagt naar een uitkomst. En uitkomsten van technologie zijn notoir slecht voorspelbaar.
De geschiedenis van technologievoorspellingen is een geschiedenis van vergissingen. Niet omdat de voorspellers dom waren, maar omdat ze de technologie extrapoleerden en het systeem eromheen constant hielden. Precies dat systeem beweegt mee.
Er bestaat een tweede soort vraag. Niet: wat zal er gebeuren? Maar: welk mechanisme is aan het werk? Mechanismen zijn trager, stabieler en beter observeerbaar dan uitkomsten. Wie het mechanisme kent, hoeft de uitkomst niet te voorspellen om er verstandig op te handelen.
Fig. 02 — Twee soorten vragen
Vraag naar de uitkomst — Wat zal AI met mijn functie doen?
Vereist een voorspelling
Afhankelijk van tempo en toeval
Leidt tot afwachten of paniek
Achterhaald zodra de technologie schuift
Vraag naar het mechanisme — Hoe gedraagt een menselijk systeem zich wanneer een input goedkoper wordt?
Vereist observatie, geen glazen bol
Herhaalt zich doorheen de tijd
Leidt tot ontwerpbeslissingen
Blijft geldig als de technologie verandert
Observatie
Wat er met een technologie gebeurt, laat zich moeilijk voorspellen. Hoe een organisatie reageert wanneer iets plots veel goedkoper wordt, blijkt verrassend voorspelbaar.
Om over na te denken
Hoeveel van uw huidige AI-beslissingen berusten op een voorspelling die u eigenlijk niet kunt maken?
Deel 2
Misschien kijken we naar het verkeerde probleem
De technologie is zichtbaar. Het systeem waarin ze terechtkomt is dat niet.
03 · De verschuiving
Technologie beweegt sneller dan organisaties
De vertraging tussen beschikbaarheid en waarde is geen uitvoeringsfout. Ze is een structureel kenmerk.
Het meest onderzochte voorbeeld is de elektrificatie van de fabriek. Elektromotoren waren commercieel beschikbaar vanaf de jaren 1880. De grote productiviteitswinst in de Amerikaanse industrie liet decennia op zich wachten. Economisch historicus Paul David beschreef waarom: zolang fabrieken elektromotoren gebruikten zoals ze stoommachines gebruikten — één centrale aandrijving, machines gegroepeerd rond een as — veranderde er weinig.
De winst kwam pas toen de fabriek zelf opnieuw werd ontworpen. Elke machine een eigen motor. De indeling volgde de productstroom in plaats van de mechanica. Dat vroeg nieuwe gebouwen, nieuwe functies, nieuwe manieren van plannen — en een generatie managers die daarmee was opgegroeid. Het voorbeeld bewijst niets over AI. Het illustreert een terugkerend patroon: de technologie is de goedkope stap, het herontwerp van het systeem is de dure.
Fig. 03 — Capaciteit versus absorptie
Schematische weergave, geen meetgegevens. De vorm van de curves is het punt, niet hun exacte hoogte.
Observatie
Wanneer we terugkijken, valt op dat de technologie meestal snel binnen was. Het herontwerp eromheen duurde een generatie. Daar zat ook de winst.
Om over na te denken
Welke regel in uw organisatie bestaat vandaag nog omdat technologie vroeger duur was?
04 · De verschuiving
Vier mechanismen die zich blijven herhalen
Ze komen uit verschillende disciplines. Ze beschrijven hetzelfde gedrag vanuit vier hoeken.
Wat volgt zijn geen voorspellingen en geen managementmodellen. Het zijn observaties die in uiteenlopende domeinen — productie, geneeskunde, softwarebouw, energie-economie — telkens opnieuw opduiken. Neem ze eerst op zichzelf. De vertaling naar uw eigen organisatie komt later, wanneer alle vier op tafel liggen.
Fig. 04 — De vier principes
01 · Theory of Constraints — Technologie elimineert zelden werk. Ze verplaatst de bottleneck.
02 · Last Mile Problem — Het werkt in gecontroleerde omstandigheden. De werkelijkheid bestaat uit uitzonderingen.
03 · Product–Market Fit — Technologie wint niet omdat ze indrukwekkend is, maar omdat ze een echt probleem oplost.
04 · Demand Expansion — Wordt iets goedkoper, dan groeit de vraag meestal sneller dan de besparing.
Om over na te denken
Welk van deze vier zou u vandaag het minst kunnen uitleggen aan uw directieteam?
Deel 3
De vier principes
Geschiedenis, economie en systeemdenken. Geen meningen.
Principe 01 · Constraints
Theory of Constraints
Technologie elimineert zelden werk. Ze verplaatst de bottleneck.
Technologie neemt zelden complexiteit weg. Ze verplaatst waar de complexiteit zichtbaar wordt.
Eliyahu Goldratt formuleerde het in 1984 voor productie: elk systeem heeft op elk moment één beperkende factor. Verbeteringen elders in de keten leveren niets op. Verbeter je de beperking wél, dan verschuift ze — naar de volgende schakel.
Ford, 1913. De lopende band bracht de assemblagetijd van een Model T-chassis terug van meer dan twaalf uur naar ongeveer anderhalf uur. Assemblage was daarmee geen beperking meer. Wat wél beperkend werd: de aanvoer van onderdelen, de betrouwbaarheid van leveranciers, de coördinatie tussen stappen. Fords antwoord was niet meer techniek, maar een ander organisatiemodel — verticale integratie, eigen staalproductie, eigen logistiek. Het patroon: de investering ging naar de snelste schakel, de volgende vertraging ontstond ergens anders.
Fig. 05 — De beperking verplaatst zich, ze verdwijnt niet
Vóór de lopende band
Onderdelen · Voorbereiding · Assemblage ◆ · Afwerking · Distributie
Ná de lopende band
Onderdelen ◆ · Voorbereiding · Assemblage · Afwerking · Distributie
◆ markeert de beperkende factor. De investering ging naar assemblage; de volgende investering moest naar toelevering.
Observatie
In deze voorbeelden verdween de beperking nooit. Ze verhuisde. En dat werd pas zichtbaar nadat er al geïnvesteerd was.
Om over na te denken
Welke vergadering zou morgen verdwijnen als informatie gratis beschikbaar werd?
Principe 01 · Vertaling
Wanneer schrijven goedkoop wordt, wordt beslissen duur
Softwareontwikkeling laat het patroon in versneld tempo zien.
Code schrijven is de afgelopen jaren aanzienlijk sneller geworden. Wat daardoor zwaarder weegt, ligt ernaast: het beoordelen van wat er geschreven is, het testen ervan, het bewaken van samenhang in de architectuur, en de vraag wie verantwoordelijk is wanneer het misgaat. Teams die alleen de schrijfsnelheid verhoogden, verplaatsten hun wachtrij naar de review.
Datzelfde geldt breder. Wanneer AI repetitief werk overneemt, verdwijnt dat werk uit de keten. Wat overblijft, is werk dat nooit repetitief was: oordelen, afwegen, afstemmen, verantwoorden. Precies daar zaten de bottlenecks al — ze waren alleen onzichtbaar, omdat het uitvoerende werk ervoor ze verborg.
Fig. 06 — Waar de nieuwe beperking landt
Uitvoerend werk ↓
Besluitvorming ↑
Governance & controle ↑
Datakwaliteit ↑
Ontwerp van het proces ↑
Samenwerking tussen teams ↑
Illustratieve verhoudingen. Het punt is de richting van de pijlen, niet de lengte van de balken.
Observatie
Wat overblijft nadat het uitvoerende werk versnelt, is telkens werk dat nooit uitvoerend was. Misschien lagen die knelpunten er altijd al, verborgen achter de wachttijd ervoor.
Om over na te denken
Als uw teams morgen dubbel zoveel voorstellen produceren, wie beoordeelt ze dan — en hoe snel?
Principe 02 · Last Mile
Last Mile Problem
Het werkt in het lab. De wereld bestaat uit uitzonderingen.
De laatste procenten van een probleem kosten vaak meer dan alle vorige samen.
MYCIN, ontwikkeld aan Stanford in de jaren zeventig, adviseerde over antibiotica bij bloedinfecties. In evaluaties presteerde het systeem vergelijkbaar met menselijke specialisten. Het werd nooit in de klinische praktijk gebruikt. De redenen lagen buiten het model: het paste niet in de werkstroom, de vraag naar verantwoordelijkheid bij een fout was onbeantwoord, en de infrastructuur ontbrak.
Het patroon herhaalt zich. IBM's Watson for Oncology werd met veel verwachting gelanceerd; verschillende ziekenhuisprojecten, waaronder dat met MD Anderson, werden stopgezet — telkens rond integratie, datacontext en klinische bruikbaarheid, niet rond rekenkracht. Zelfrijdende voertuigen rijden al meer dan tien jaar indrukwekkende demonstraties, en opereren commercieel nog steeds binnen zorgvuldig afgebakende gebieden. Het patroon: telkens lag de blokkade niet in het model, maar in de wereld waarin het moest landen.
Fig. 07 — De kostencurve van betrouwbaarheid
Schematisch. In domeinen met hoge inzet ligt het omslagpunt vroeger dan bestuurders doorgaans verwachten.
Observatie
Bij MYCIN, Watson en zelfrijdende voertuigen lag de blokkade telkens buiten het model. Dat patroon zien we verrassend vaak terug.
Om over na te denken
Welk betrouwbaarheidsniveau heeft uw proces werkelijk nodig voor u het durft los te laten?
Principe 02 · Vertaling
Waarom de demo overtuigt en de uitrol stroef loopt
Niet omdat de technologie tekortschiet. Omdat uw organisatie geen laboratorium is.
Een demo draait op het standaardgeval. Schone data, één type klant, één taal, één rechtsgebied, geen historiek. Uw werkelijkheid bevat het contract uit 2014 met de handgeschreven bijlage, de klant die telefonisch iets anders afsprak, de afdeling die haar eigen codering gebruikt sinds de overname.
Die uitzonderingen zijn geen rommel. Ze zijn vaak het bewijs dat uw organisatie zich aan haar markt heeft aangepast. Ze zitten alleen zelden in documentatie — ze zitten in mensen. Elke uitrol die dat niet erkent, ontdekt het alsnog, maar dan tijdens de uitrol.
Fig. 08 — Twee omgevingen, hetzelfde proces
Demo-omgeving — 1 pad
Eén type invoer. Eén gewenste uitkomst. Geen historiek, geen tegenspraak, geen aansprakelijkheid.
Uw organisatie — Talloze paden
Elke gouden cel is een afwijking die iemand ooit bewust heeft ingevoerd, en die zelden ergens beschreven staat.
Observatie
Uitzonderingen worden meestal behandeld als ruis in het project. In de praktijk blijken ze het grootste deel van het werk te zijn.
Om over na te denken
Welke uitzonderingen in uw kernproces staan nergens beschreven, en leven alleen in hoofden?
Principe 03 · Fit
Product–Market Fit
Technisch superieur is niet hetzelfde als nuttig
Technologie wint niet omdat ze indrukwekkend is. Ze wint omdat ze een probleem oplost dat pijn genoeg doet.
De Concorde was een buitengewone technische prestatie. Ze vloog bijna dertig jaar en werd in 2003 uit dienst genomen. Niet omdat ze niet werkte, maar omdat het probleem dat ze oploste — drie uur tijdwinst op de Atlantische route — voor te weinig mensen genoeg waard was tegen die kostprijs.
Google Glass, veertig jaar later, ging op een andere manier ten onder: het apparaat werkte, maar het beantwoordde geen vraag die mensen zich stelden, en riep er wel een op die ze niet wilden beantwoorden. In beide gevallen was de techniek nooit het knelpunt. Het patroon: technische kwaliteit en gebruik blijken losser gekoppeld dan we intuïtief aannemen.
Fig. 09 — Technische kwaliteit en urgentie van het probleem
Technische kwaliteit →
hoog / laag — Indrukwekkend en ongebruikt
Concorde. Google Glass. De meeste AI-pilots.
hoog / hoog — Verandert een markt
Zeldzaam. En zelden voorspeld op het moment zelf.
laag / laag — Verdwijnt geruisloos
Kost weinig. Leert ook weinig.
laag / hoog — Ruw maar onmisbaar
Wordt gebruikt ondanks de gebreken. Het sterkste signaal dat er bestaat.
Urgentie van het probleem →
Observatie
De Concorde werkte perfect en verdween. Ruwe technologie die mensen niet meer kwijt wilden, bleef. Dat roept een interessante vraag op over waar we onze aandacht leggen.
Om over na te denken
Welke van uw huidige initiatieven zou iemand echt missen als u ze morgen stopzette?
Principe 03 · Vertaling
Technologie lost problemen niet op. Ze maakt ze zichtbaar.
AI creëert zelden organisatieproblemen. Ze maakt bestaande problemen moeilijker te negeren.
Wie een model op zijn data zet, ontdekt eerst de staat van die data. Wie een proces automatiseert, ontdekt eerst dat drie afdelingen het anders uitvoeren. Wie een beslissing wil ondersteunen, ontdekt eerst dat niemand precies kan zeggen wie ze neemt.
Dat is geen mislukking van het project. Het is diagnostiek. Maar het wordt schadelijk zodra de technologie de schuld krijgt van wat ze enkel heeft blootgelegd — want dan verdwijnt het echte probleem opnieuw uit beeld, tot het volgende project. Een slecht proces automatiseren levert een sneller slecht proces op.
Fig. 10 — Wat er onder de vraag ligt
De gestelde vraag — “Kunnen we hier AI op zetten?”
Laag 1 — Het proces is nooit ontworpen. Het is gegroeid.
Laag 2 — De informatie ligt verspreid over systemen die elkaar niet kennen.
Laag 3 — Verantwoordelijkheden overlappen; niemand is eigenaar van het geheel.
Het werkelijke probleem — De samenwerking tussen twee afdelingen is nooit belegd.
Een generiek patroon, geen specifieke casus. De lagen verschillen per organisatie; de volgorde zelden.
Observatie
Wat een project blootlegt, gaat zelden over het model. Misschien is dat geen toeval.
Om over na te denken
Welk proces automatiseren we zonder ooit te hebben onderzocht waarom het bestaat?
Principe 04 · Demand
Demand Expansion
Goedkoper leidt zelden tot minder. Meestal tot meer.
De besparing per eenheid wordt vaak ingehaald door de groei van het aantal eenheden.
William Stanley Jevons beschreef het in 1865 voor steenkool: efficiëntere stoommachines verminderden het kolenverbruik niet, ze verhoogden het, omdat stoomkracht in meer toepassingen rendabel werd. Het effect is niet universeel — het hangt af van hoe gevoelig de vraag is voor prijs — maar het duikt opvallend vaak op.
Ford: de prijs van een Model T daalde tussen 1908 en het midden van de jaren twintig van enkele honderden dollars naar een fractie daarvan; het aantal verkochte wagens en het aantal mensen dat in en rond de sector werkte, groeide sterk. James Bessen documenteerde hetzelfde bij geldautomaten: het aantal bedienden per bankkantoor daalde, maar kantoren werden goedkoper om te openen, er kwamen er meer bij, en het totale aantal bankbedienden bleef decennialang groeien. Het patroon: goedkoper leidde telkens tot méér, niet tot minder. De geschiedenis lijkt hier opvallend consequent in.
Fig. 11 — Kostprijs daalt, volume stijgt sneller
Schematisch. Het effect treedt op wanneer de vraag prijsgevoelig is en er onvervulde toepassingen bestaan — niet altijd, en niet overal even sterk.
Observatie
Bij steenkool, auto’s en geldautomaten gebeurde telkens hetzelfde: goedkoper leidde tot méér, niet tot minder. De besparing was zelden het interessantste deel.
Om over na te denken
Wat zou u vandaag doen als het tien keer goedkoper was — en waarom doet u het nu niet?
Principe 04 · Vertaling
Niet minder mensen. Andere schaarste.
Goedkope uitvoering maakt goed oordeel waardevoller.
De juiste formulering is niet dat AI mensen vervangt, maar dat AI verandert waar waarde ontstaat. Wat overvloedig wordt, verliest prijs. Wat schaars blijft, wint die.
Overvloedig wordt: tekst produceren, samenvatten, eerste versies, standaardanalyses, routinematige controles. Schaars blijft: weten welke vraag de juiste is, kunnen oordelen zonder volledige informatie, verantwoordelijkheid dragen voor een beslissing, vertrouwen opbouwen bij een klant, een systeem ontwerpen dat blijft kloppen als de omstandigheden veranderen.
Fig. 12 — Verschuiving van schaarste
Wordt overvloedig
Eerste versies produceren
Informatie samenvatten
Standaardanalyses draaien
Routinecontroles uitvoeren
Documenteren en herformuleren
Wordt schaars
De juiste vraag stellen
Oordelen bij onvolledige informatie
Verantwoordelijkheid dragen
Vertrouwen opbouwen
Systemen ontwerpen die blijven kloppen
Observatie
Wanneer uitvoering overvloedig wordt, verschuift de waarde naar wat dat niet is. Welke van die dingen uw organisatie vandaag beloont, is een vraag die zelden gesteld wordt.
Om over na te denken
Welke van de rechterkolom beloont u vandaag daadwerkelijk in promoties en beoordelingen?
Deel 4
De brug naar uw organisatie
Nu de vier principes op tafel liggen, wordt zichtbaar wie de hoofdrol speelt.
13 · Synthese
Vier principes, één beweging
Ze staan niet naast elkaar. Ze volgen op elkaar, en ze sluiten zich tot een kringloop.
Een technologie maakt één activiteit goedkoper. De vraag naar die activiteit stijgt. De beperking verschuift naar de volgende schakel. Die schakel blijkt te bestaan uit uitzonderingen, context en oordeel — precies wat zich slecht laat automatiseren. Daar botst de technologie op de laatste mijl. En de organisatie die dat het beste opvangt, is niet de organisatie met de beste technologie, maar met het best ontworpen systeem eromheen.
Fig. 13 — De kringloop
01 — Een activiteit wordt goedkoper
02 — De vraag ernaar groeit sneller dan de besparing
03 — De beperking verschuift naar de volgende schakel
04 — Die schakel zit vol uitzonderingen en oordeel
05 — Het knelpunt is organisatorisch geworden
En dan begint de cyclus opnieuw — bij de volgende activiteit die goedkoper wordt.
Observatie
Vier principes uit vier verschillende vakgebieden. Ze eindigen alle vier op dezelfde plek. Misschien is dat geen toeval.
14 · Diagnose
Waar uw beperking waarschijnlijk zit
Vijf plaatsen die in de meeste organisaties eerder knellen dan de technologie.
Dit is geen checklist en geen volgorde van aanpak. Het is een kaart om op te zoeken waar in uw eigen systeem het werk stilstaat. In de praktijk knelt er zelden één; ze versterken elkaar.
Fig. 14 — Vijf organisatorische beperkingen
I — Besluitvorming
Voorstellen worden sneller geproduceerd dan ze beoordeeld kunnen worden. De doorlooptijd van een beslissing wordt de doorlooptijd van het bedrijf.
II — Datakwaliteit
Niet het volume van de data, maar de betekenis ervan. Wie definieert wat een klant is, wanneer een order afgerond is, welke bron voorrang heeft.
III — Verantwoordelijkheid
Wie draagt de gevolgen van een geautomatiseerde beslissing? Zolang dat onbeantwoord blijft, blijft elk systeem in pilotfase hangen.
IV — Ontwerp
De meeste processen zijn gegroeid, niet ontworpen. Organisaties automatiseren vaak processen die nooit bewust ontworpen zijn.
V — Samenwerking
De meeste waarde ontstaat tussen afdelingen. De meeste vertraging ook. Technologie versnelt binnen de silo en legt de naden ertussen bloot.
Om over na te denken
Als u er één moest kiezen als de werkelijke beperking van uw organisatie — welke, en zou uw directieteam hetzelfde antwoorden?
15 · Toepassing
Vier vragen die uit de vier principes volgen
Geen aanbevelingen. Vragen die u zelf moet beantwoorden.
Fig. 15 — Van principe naar bestuursvraag
Uit principe 01 — Als we deze stap tien keer sneller maken, waar loopt het werk dan vast?
Stel de vraag vóór de investering, niet erna.
Uit principe 02 — Welke uitzonderingen kent dit proces, en wie weet ervan?
Het antwoord bepaalt de werkelijke kostprijs van de uitrol.
Uit principe 03 — Welk probleem lossen we op, en wie voelt vandaag die pijn?
Als niemand het benoemt, bestaat het probleem misschien niet.
Uit principe 04 — Wat wordt er mogelijk dat vandaag te duur is om te overwegen?
Daar zit doorgaans meer waarde dan in de besparing.
Observatie
Geen van deze vier vragen gaat over AI. Ze gingen tien jaar geleden ook al ergens over.
Deel 5
AI is niet de hoofdrolspeler.
We zijn begonnen bij een vraag die iedereen stelt. Vervangt AI mijn job? Na vier principes ziet die vraag er anders uit. Ze veronderstelt dat de technologie handelt en de organisatie ondergaat. De geschiedenis suggereert het omgekeerde.
Technologie verplaatst waar het knelt. Ze faalt waar de werkelijkheid uitzonderingen bevat. Ze wint enkel waar ze een echt probleem raakt. En ze doet de vraag groeien in plaats van krimpen. Elk van die vier eindigt op dezelfde plek: bij de manier waarop een organisatie beslist, samenwerkt en verantwoordelijkheid draagt.
Uw organisatie is dat wel.
Zolang het gesprek over de technologie gaat, kijken we naar buiten. Zodra het over de organisatie gaat, kijken we naar onszelf. Misschien kijken we vandaag nog steeds op exact dezelfde manier naar AI als eerdere generaties naar elektriciteit.
MINKIK
Minkik helpt organisaties om strategie, organisatie en leiderschap beter op elkaar af te stemmen wanneer groei, technologie of verandering daarom vragen.
Uitgave
Minkik Executive Principles · Nummer 01 — Rethinking AI · 2026
Auteur
Manu Minne · Founder & Transformation Partner
Over de bronnen
De historische voorbeelden dienen als illustratie van een breder patroon, niet als bewijs op zich. Waar cijfers worden genoemd, zijn ze indicatief; de diagrammen zijn schematisch en niet op meetgegevens gebaseerd.
Wat betekent dit voor jouw organisatie?
De impact van AI wordt niet alleen bepaald door de technologie, maar ook door hoe werk, verantwoordelijkheden en samenwerking georganiseerd zijn.
Opmerkingen