AI levert geen vrije tijd op, maar meer werk

AI-tools worden sneller, slimmer en autonomer. Agents voeren steeds meer taken zelfstandig uit. En toch werkt iedereen harder dan ooit. Dat is de paradox die tech-commentator swyx beschrijft in zijn nieuwsbrief Latent Space: teams die volop met AI werken, zijn niet minder maar méér bezig. Econoom Tyler Cowen betoogt dat je juist nu harder moet werken dan ooit, ongeacht of je denkt dat AI je waarde vergroot of verkleint. Wat is hier aan de hand, en wat betekent het voor organisaties die hopen dat AI lucht in de agenda brengt?

De paradox van productiviteit

Het idee achter AI-adoptie is voor de meeste organisaties hetzelfde: we automatiseren het voorwerk, zodat mensen zich kunnen richten op werk dat er meer toe doet. Snellere transcripties, automatische samenvattingen, slimmere zoekresultaten. De belofte is tijd terugwinnen.

Maar in de praktijk gebeurt iets anders. Aaron Levie, CEO van Box, merkt op dat niemand in Silicon Valley minder werkt door AI. Teams voelen zich drukker dan ooit. Notion-oprichter Simon Last vertelt dat hij voor het eerst in jaren weer slapeloze nachten heeft, niet vanwege een technisch probleem maar vanwege de coördinatie die AI-agents vragen. En Tyler Cowen legt uit waarom dat economisch logisch is: als AI je waarde dreigt te verlagen, verdien je nu relatief meer dan straks. En als AI je waarde verhoogt, moet je nu investeren in de vaardigheden om mee te komen. In beide scenario's is stilzitten het slechtste wat je kunt doen.

Waarom meer output niet minder werk betekent

Wie denkt dat productiviteitswinst automatisch vertaalt naar minder werkdruk, vergeet hoe organisaties werken. Wanneer een team ineens twee keer zoveel output kan leveren, ontstaat geen rustpauze. Er ontstaat een nieuw verwachtingsniveau. De concurrent automatiseert ook. Klanten verwachten snellere leveringen. De lat verschuift mee. Dat patroon beschreven we eerder: tijdwinst door AI wordt direct omgezet in extra werkdruk als er geen bewuste keuze wordt gemaakt.

Dat mechanisme is niet nieuw. Na de introductie van spreadsheets verdwenen er geen financiële analisten. Er kwamen meer analyses. E-mail maakte communicatie sneller, maar niemand ging minder communiceren. AI versterkt dit patroon, omdat het de snelheid verhoogt waarmee nieuw werk gegenereerd kan worden. Elke AI-gegenereerde eerste versie is ook een eerste versie die beoordeeld, bijgestuurd en geïntegreerd moet worden.

swyx gebruikt de metafoor van het kalkoenprobleem: op basis van alle beschikbare data concludeert de kalkoen dat het leven fantastisch is, tot Thanksgiving. Kenniswerkers die nu steeds productiever zijn met AI, zien misschien niet dat hun eigen rol verschuift. De vraag is of die verschuiving geleidelijk gaat of abrupt.

Wat dit betekent voor jouw organisatie

Voor de organisaties die wij spreken, is dit een relevante les. De businesscase voor AI gaat vaak over tijdsbesparing: "dit proces kost nu veertig uur, met AI wordt het tien." Dat klopt waarschijnlijk. Maar de vraag die daarna komt, wordt zelden gesteld: wat doen je mensen met die dertig uur die vrijkomen?

Als het antwoord is "meer van hetzelfde, maar sneller", dan heb je productiviteitswinst geboekt maar niets structureel veranderd. De echte waarde ontstaat wanneer die vrijgekomen tijd wordt ingezet voor werk dat voorheen niet haalbaar was: diepere analyses, betere klantrelaties, nieuwe proposities. Dat vraagt om coördinatie en regie, niet alleen om tooling.

De verschuiving van uitvoerend werk naar regiewerk is een van de duidelijkste patronen die we zien bij organisaties die serieus met AI aan de slag gaan. De bedrijven die het meeste uit die verschuiving halen, zijn niet de bedrijven die het hardst snijden in hun teams. Het zijn de bedrijven die investeren in meer ambitie en de vrijgekomen capaciteit inzetten voor werk dat voorheen buiten bereik lag.

Harder werken of slimmer kiezen

Cowens advies om harder te werken is vanuit individueel perspectief logisch. Maar voor organisaties is het niet het hele verhaal. De organisaties die het meeste uit AI halen, werken niet per se harder. Ze maken scherpere keuzes over waar ze AI inzetten en welk werk ze bewust bij mensen houden. Ze investeren in het vermogen om AI-output te beoordelen en bij te sturen, in plaats van blind te vertrouwen op meer output.

De paradox lost zichzelf niet op. AI maakt meer mogelijk, en dus wordt er meer verwacht. Dat is geen reden om AI te vermijden, maar wel om vooraf na te denken over de vraag die organisaties te weinig stellen: als alles sneller kan, wat willen we dan eigenlijk anders doen?

Benieuwd hoe je die vraag concreet maakt voor jouw organisatie? Plan een kennismaking in, we denken graag mee.