Als AI taken overneemt, blijft er complexer werk over. 'Dat kun je niet 80 procent van de tijd doen, dan word je ziek'
In dit artikel:
Sander Klous, nieuw aangetreden hoogleraar AI & Audit aan de Universiteit van Amsterdam en partner bij KPMG, pleit ervoor AI niet louter te ontwikkelen omdat het kan, maar gericht in te zetten op bestaande bedrijfs- en maatschappelijke vraagstukken. In zijn inaugurele rede betoogde hij dat wetenschap en bedrijfsleven elkaar hard nodig hebben, maar elkaar slecht weten te vinden: wetenschappers zitten vaak met briljante, abstracte ideeën terwijl bedrijven behoefte hebben aan toepasbare oplossingen en toegang tot echte data.
Klous baseert zijn visie mede op ervaring bij Cern, waar hij tot 2010 als datawetenschapper werkte. De enorme datastromen daar — en de open toegang voor duizenden onderzoekers — leidden bijvoorbeeld tot de ontdekking van het Higgsdeeltje. Die les: data uit echte, operationele omgevingen zijn cruciaal om wetenschappelijke inzichten praktisch toepasbaar te maken. Daarom zouden onderzoekers actiever bedrijven moeten benaderen met de vraag “hoe kunnen we jullie helpen?”.
Hij waarschuwt ook dat AI-agenten (zelfstandige chatbots die taken uitvoeren) niet zomaar autonoom mogen worden losgelaten. Klous experimenteerde met een bijna geheel door AI gerunde webshop voor gepersonaliseerde kunst; de agenten konden taken uitvoeren, maar maakten oncontroleerbare beslissingen. Zijn conclusie: mensen blijven eindverantwoordelijk, en dat vergt dat systemen achterhaalbaar, uitlegbaar en reproduceerbaar zijn. Zonder die eigenschappen gaat controle verloren.
Tegelijk ziet Klous wél praktische winst: door AI-agenten te combineren met andere technieken en door processen precies vast te leggen, kunnen concrete, repeterende taken effectief worden geautomatiseerd. Als voorbeeld noemt hij een lopend proefproject bij het gemeentelijk ingenieursbureau van Amsterdam, waar de screening van leveranciers — een tijdrovende integriteitstoets — nu grotendeels autonoom verloopt en veel mensuren bespaart. Medewerkers die de demo zagen, willen die automatisering direct toepassen.
Een belangrijke neveneffect van automatisering is verschuiving in het soort werk: simpele taken verdwijnen, maar resterend werk wordt intensiever en veeleisender. Organisaties moeten daarom functies herontwerpen zodat mensen niet structureel overbelast raken. Klous benadrukt dat een betere koppeling tussen wetenschappelijke knowhow en bedrijfspraktijk nodig is om AI veilig en nuttig in te zetten, en dat onderzoekers vaker moeten luisteren naar concrete bedrijfsbehoeften.