Een beroep dat niemand meer kent
Tot het einde van de negentiende eeuw liep er elke avond iemand door je straat om de gaslantaarns aan te steken. De lantaarnopsteker. Hij kende zijn route, wist welke lampen onderhoud nodig hadden, voelde aan wanneer het donker genoeg was om te beginnen. Het was vakmanschap, op zijn manier.
Het was ook niet de eerste versie van dat vakmanschap. Straatverlichting ging van kaarsen naar olie, van olie naar gas. Elke keer paste het beroep zich aan. Elke keer bleef de kern hetzelfde: straten moesten verlicht worden.
Toen kwam elektriciteit. Dat was geen volgende stap meer. Dat was een volledige vervanging.
Gaslicht was warmer, menselijker, betrouwbaarder. Althans, in de ogen van wie het kende. De lantaarnopstekers zagen hun bestaan bedreigd door iets wat ze niet begrepen en waar ze geen vraag naar hadden. Ze deden hun werk al jaren goed. Waarom zou dat nu ineens niet meer volstaan?
De lantaarnopstekers die weigerden mee te gaan, verdwenen. Geleidelijk. De lantaarnopstekers die leerden werken met elektriciteit werden elektriciens, straatverlichting-technici, netbeheerders. Ze gingen erop vooruit. Het gereedschap was veranderd, het doel niet. De verlichting werd nog steeds aangestoken, alleen niet met een lucifer.
Wat ik zie op LinkedIn
Ik zie de laatste maanden opvallend veel posts van mensen uit gelijkaardige vakgebieden die zich uitspreken tegen AI. Zonder nuance, zoals we naar modern Amerikaans model wel vaker merken bij gelijk welk onderwerp.
AI maakt fouten. AI kan niet schrijven zoals een mens. AI begrijpt geen nuance. AI mist het gevoel voor taal dat een vakman heeft. De pijnlijkste fouten van AI worden dan naar boven gehaald.
Ik begrijp het. Je hebt jaren geïnvesteerd in een vaardigheid, je hebt er klanten mee opgebouwd. En dan komt er een tool die in dertig seconden iets produceert waar jij drie uur over deed. De kwaliteit is niet hetzelfde, dat klopt. Maar het verschil in prijs en snelheid is zo groot dat de afweging voor veel klanten verschuift. Dat is beangstigend.
Sommige bezwaren zijn ook terecht. Als iedereen dezelfde AI-tools gebruikt voor content, analyses en aanbevelingen, gaat alles op alles lijken. De output wordt vlakker. De eigenheid verdwijnt. Dat is geen ongegronde angst, dat is een reëel risico dat ik zelf ook zie. Wie AI inzet zonder eigen perspectief, levert middelmatige kopieën van middelmatige kopieën.
En het gaat snel. Drie jaar geleden lachten we nog met AI-gegenereerde video's van Will Smith die spaghetti at. Onherkenbaar, absurd, onbruikbaar. Vandaag genereer je video die je niet meer van echt kan onderscheiden. Het is die snelheid van verbetering die het angstaanjagend maakt. Als je ziet wat je met AI-tools vandaag kan ten opzichte van twee jaar geleden, dan vraag je je terecht af waar het naartoe gaat binnen twee jaar.
Maar dat is een argument voor beter gebruik van AI. Niet voor weigering.
Van pivot tables naar Python
Ik gebruik AI elke dag. Als werkinstrument.
Vroeger zat ik de hele tijd in Excel spreadsheets te maken. Pivot tables, hulpkolommen, formules op formules om data met elkaar te verbinden en er iets bruikbaars uit te halen. Inzichten proberen halen uit data die er was maar niet meteen toonde wat we nodig hadden.
Dat werkte, tot op zekere hoogte. Maar je loopt altijd een beetje vast met wat Excel aankan.
Toen ik begon te werken met eerst ChatGPT en later Claude, verschoof die limiet. Ik kon dezelfde verbindingen leggen in Python scripts. Sneller, interactiever, fundamenteel flexibeler. Werk dat dagen kostte in Excel, stond in een middag.
Een concreet voorbeeld. Ik werk voor een klant die boerderij-accommodaties beheert in meerdere Europese landen. Om te begrijpen waar hun gasten vandaan komen en hoe ver ze rijden, moest ik postcodes vertalen naar coördinaten en die projecteren op een kaart. Als we dit wilden zien moesten we een tool inschakelen die veel geld kostte, zonder de mogelijkheid om het per locatie of product te kunnen bekijken. Ofwel zelf een developer inschakelen.
Met AI als copiloot heb ik dat script zelf gebouwd. Vandaag is het uitgegroeid tot een volledig dashboard dat boekingsdata, marketingdata, herhalingsgedrag en geografische spreiding combineert, gebouwd op offline data met marketingdata getrokken uit BigQuery, volledig draaiend op Python.
Deze website en alles wat erop staat is op dezelfde manier tot stand gekomen. De artikelen heb ik geschreven, AI hielp me structureren, vertalen, maar ook sparren over de inhoud van artikels. De technische migratie naar een sneller platform had ik alleen niet in die tijdsspanne gekund.
De basis
In het academiejaar 2025-2026 was ik aan een opleiding Toegepaste AI aan de Howest begonnen. Statistiek, Python, de fundamenten. Na enkele maanden heb ik die moeten stopzetten door de geboorte van mijn tweede zoon.
Voor de opleiding zelf heb ik de handdoek (tijdelijk?) in de ring gegooid, maar de basis die ik er opdeed maakte het verschil. Ik was al sterk met data, maar door de heropfrissing van statistiek begrijp ik beter hoe data zich gedraagt, hoe je resultaten moet interpreteren en welke valkuilen er zijn. Door de basis van programmeren te leren snap ik hoe een script is opgebouwd en wanneer een resultaat niet klopt.
Het is belangrijk om dat te herkennen, want het gebeurt af en toe. AI geeft mij fout advies.
Ik herken die fouten omdat ik de bedrijven waarvoor ik werk goed ken. Ik ken hun geschiedenis, hun seizoenspatronen, hun klanten. Dat is context die geen AI-model heeft.
Het model kan sneller rekenen. Ik zie de fouten door wat ik weet over de bedrijven waar het over gaat.
Dat is eigenlijk de kern van dit hele verhaal. AI verlaagt de drempel om iets uit te voeren. Tegelijk verhoogt het het belang van oordeel. De tool maakt je sneller. Ze maakt je niet slimmer. Dat deel moet nog altijd van jou komen. Ik schreef eerder over waarom rapportages zo eenvoudig blijven. Hetzelfde principe geldt hier: meten zonder begrijpen levert zelden inzicht op.
Waar ik naartoe wil
Ik heb de ambitie om mijn consultancy uit te bouwen naar een model waarbij AI-agents een deel van het uitvoerend werk overnemen. Routinecontroles op campagneprestaties. Wijzigingen in businessdata opsporen. Voorstellen voor mailings opstellen. Er zijn ontelbare KPI's om in de gaten te houden, en AI kan patronen sneller opsporen dan ik.
Ik heb al een Slack-kanaal met een AI-agent die mij rapporten stuurt. Maar die is vandaag nog niet goed genoeg om commercieel in te zetten. Dat kan snel veranderen natuurlijk.
Er zijn een paar redenen waarom ik AI verkies boven mensen aanwerven. Ik heb moeite met delegeren. Ik heb moeite met vertrouwen dat iemand anders het werk uitvoert op de manier waarop ik het zelf zou doen.
Net als mensen kan AI fouten maken. Maar AI heeft er geen moeite mee om telkens op fouten gewezen te worden.
Indien ik personeel zou inzetten voor taken waar ik nu AI voor gebruik, zou dat hemel en aarde verschil maken in kosten.
Bij een AI-agent kan ik elke output nalezen, elk proces bijsturen, elk resultaat controleren en op de lange termijn een proces verbeteren. Het is het eerste gereedschap dat mij laat delegeren zonder los te laten.
Drie groepen
Er zijn natuurlijk ook risico's. AI gaat bijdragen aan de brainrot, de cognitieve luiheid, die al veroorzaakt wordt door sociale media. Als je nooit hoeft na te denken, worden je hersenen een luie spier. Als je voor alles te rade gaat bij AI zonder de output kritisch te benaderen, ben jij dan de robot of je LLM?
Het blijft naar mijn mening je eigen verantwoordelijkheid om kritisch te blijven.
De lantaarnopsteker die elektricien werd, moest nog steeds begrijpen hoe stroom werkt. Hij drukte niet blind op een knop. Zijn job werd 'makkelijker', maar de echt toegevoegde waarde zat in zijn expertise.
Er zijn niet twee groepen. Er zijn er drie. De weigeraars, die achterblijven. De blinde volgers, die sneller fouten maken. En de mensen die het gereedschap gebruiken én begrijpen wat het doet.
De weigeraars hebben we al besproken. De blinde volgers zijn moeilijker te herkennen, en daardoor gevaarlijker.
- De copywriter die ChatGPT gebruikt om teksten te genereren zonder te begrijpen waarom bepaalde zinnen werken en andere niet, levert geen beter werk.
- De SEO-specialist die AI laat schrijven zonder te snappen wat de zoekintentie achter een zoekopdracht is, maakt dezelfde fouten. Alleen sneller.
- De analist die AI laat rekenen zonder het resultaat te kunnen interpreteren, heeft een snellere rekenmachine en geen beter inzicht.
- De rector die ChatGPT zonder nazicht gebruikt om een speech te geven en foute quotes gebruikt, riskeert reputatieschade.
- De kok die een foto neemt van zijn stukje vlees in de oven en vraagt aan ChatGPT hoe lang die nog moet, zal zijn maaltijd waarschijnlijk verpesten.
- De CEO die het advies van Claude hoger inschat dan de expertise van werknemers die het bedrijf door en door kennen, riskeert zijn werkvolk te verliezen.
Om tot de derde groep te behoren is het eigenlijk vrij simpel: gebruik AI, maar accepteer nooit de output zonder te begrijpen wat erin staat en het zelf te bewerken waar nodig.
Uiteindelijk zal de toekomst de meeste mensen richting die derde groep duwen.
Als je een bureau of een consultant inhuurt, is dat de vraag die je moet stellen: niet of ze AI gebruiken; niet of ze AI weigeren; wel of ze begrijpen wat ze doen. Ik schreef eerder over hoe je controleert of je bureau je de juiste cijfers toont. Dezelfde eerlijkheid die je verwacht over cijfers, mag je ook verwachten over hoe het werk gedaan wordt.
AI is dan ook zo 'trendy' op dit moment dat sommige bedrijven het niet kunnen laten om het 20 keer te vermelden en erop te kapitaliseren.
Ja, ik herken de ironie van die laatste zin in dit artikel.
Het stemmetje
Ik lees elke dag De Tijd. Het verwondert mij soms hoeveel verder bepaalde bedrijven staan met AI dan ik. Een stemmetje in mijn hoofd zegt dan dat ik niet goed bezig ben, dat ik sneller moet gaan.
Wie mijn eerder artikel over imposter syndrome heeft gelezen, herkent dat stemmetje. Maar je hoeft dat artikel niet gelezen te hebben om de stress te herkennen die gepaard gaat met de komst en evolutie van AI.
Die stress put uit. De emotionele reactie daarop is angst, boosheid en wantrouwen.
Maar diezelfde stress houdt je ook scherp. Ze duwt je om morgen iets te proberen wat je vandaag nog niet kan.
In China is AI-gebruik mainstream. Het wordt actief aangemoedigd door de overheid en op schaal geïmplementeerd door bedrijven. In Europa zijn we bezig met discussies over privacy, regulering en de afhankelijkheid van Amerikaanse modellen. Terecht, want op dit moment hebben we geen volwaardige Europese evenknie voor ChatGPT of Claude. Mistral uit Frankrijk komt het dichtst in de buurt, maar de dominantie is Amerikaans. En terwijl wij discussiëren, wordt de achterstand groter.
Als ik nu niet blijf bijleren, word ik ingehaald door iemand die dat wel heeft gedaan. En dankzij taalmodellen kan ik straks misschien gaan concurreren voor lokale marketing met iemand aan de andere kant van de wereld.
Ik begrijp dat AI angstaanjagend kan zijn. Dat je vak bedreigd voelt door iets dat je niet helemaal begrijpt of vertrouwt. Dat gevoel is menselijk en het is terecht.
Maar de straat moet nog steeds verlicht worden.