De 10x kenniswerker is dood. Maak kennis met de 100x Curator

Mijn dochter gaat opgroeien met AI in zowat elk deel van haar leven. Dat ene feit bepaalt hoe ik nu denk over kenniswerk.

Ze wordt niet gewaardeerd om wat ze weet, of om hoeveel ze kan produceren. Machines hebben dat allebei al gedekt. Ze wordt gewaardeerd om hoe ze AI aanstuurt, hoe scherp ze vragen stelt, en hoe goed ze dingen samenbrengt over vakgebieden heen. Dat betekent dat veel van de vaardigheden waar we nu nog op optimaliseren, stilletjes verouderen.

De 10x kenniswerker, degene die gewoon meer produceerde dan iedereen, is klaar. Als output goedkoop wordt, stopt meer produceren een onderscheidende factor te zijn. Het komende decennium is voor een ander type werker. Noem ze de 100x Curator: degene die de machines aanstuurt en verantwoordelijk blijft voor het oordeel.

Van produceren naar cureren

Voor het grootste deel van de kenniseconomie was dingen weten de bottleneck. Uit het hoofd leren telde. Onthouden was een echte vaardigheid. We bouwden scholen en carrières eromheen.

Die bottleneck is weg. De nieuwe bottleneck is oordeelsvermogen. Weten welke bronnen je kunt vertrouwen. Het due diligence-werk doen op wat de AI je vertelt, in plaats van het rechtstreeks in een directiepresentatie te plakken. De dure fouten van het komende decennium komen niet van mensen die niet konden produceren. Ze komen van mensen die vol vertrouwen produceerden en nooit controleerden.

We trainen nog steeds voor de oude baan. Scholen optimaliseren voor onthouden. Ze zouden verificatie, synthese en smaak moeten aanleren. De vrijgekomen capaciteit van AI is alleen iets waard als mensen die gebruiken om dieper na te denken, niet om middelmatigheid sneller te automatiseren.

De vijf vaardigheden die er echt toe doen

"Leer AI" is nutteloos advies. Welk onderdeel? Hier is een concreter antwoord: de vijf vaardigheden die het verschil maken tussen mensen die echt hefboomwerking uit AI halen en mensen die gewoon meer tekst genereren.

1. Verificatie. Controleren wat het model beweert voordat je ernaar handelt. De meest waardevolle gewoonte, en degene die de meeste mensen overslaan.
2. Synthese. Een helder antwoord halen uit meerdere bronnen, in plaats van het eerste aannemelijke antwoord te accepteren.
3. Framing. De vraag goed stellen. Een scherpe prompt verslaat een krachtig model met een vage vraag.
4. Oordeelsvermogen. Weten wanneer je de output kunt vertrouwen, wanneer je moet doorgraven, en wanneer je moet afhaken.
5. Orkestratie. Tools en stappen aan elkaar knopen tot iets dat een klus daadwerkelijk afmaakt, niet alleen een slimme demo.

Let op wat ontbreekt: "kent de meeste prompts." Prompttrucjes verouderen binnen maanden. Deze vijf stapelen zich jarenlang op. En je bouwt ze niet met een tooltutorial. Je bouwt ze door echt werk te doen met AI in de loop en de missers te evalueren.

AI-Native versus AI-Toerist

Dit is wat me wakker houdt over de komende vijf jaar. Bedrijven splitsen zich op in twee klassen, en de kloof ertussen wordt lastig te dichten.

AI-Toeristen bezoeken AI. Ze plakken een chatbot op bestaande processen, voegen een paar automatiseringen toe, noemen het transformatie, en vragen zich af waarom een concurrent zoveel sneller gaat. AI-Natives wonen er. Ze bouwen de workflow opnieuw op rond wat AI mogelijk maakt. Andere processen, andere aanwervingen, andere verwachtingen van hoe een werkdag er zelfs uitziet.

De toerist optimaliseert de oude manier met 10%. De native vraagt zich af of de oude manier eigenlijk wel zou moeten bestaan. Dit gaat niet over bedrijfsgrootte of budget. Ik heb bedrijven van 30 man gezien die door en door AI-native zijn, en grote ondernemingen die pure toerisme zijn met een grote rekening. De productiviteitskloof tussen die twee stapelt zich op, en dat is precies wat het gevaarlijk maakt.

De snelste overwinningen zijn saai

Als mensen zich AI-transformatie voorstellen, denken ze aan iets flitsends. In de praktijk zijn de meest waardevolle overwinningen saai, en ze komen bijna allemaal terug op één ding: terugvinden wat je al weet.

De omvang van de verspilling is goed gedocumenteerd. Het McKinsey Global Institute ontdekte dat kenniswerkers gemiddeld 1,8 uur per dag besteden, zo'n 9,3 uur per week, aan het zoeken en verzamelen van informatie. Dat is bijna een vijfde van de werkweek besteed aan het zoeken naar dingen die al ergens in de organisatie bestaan.

Daarbovenop komt een belasting die niemand op een winst-en-verliesrekening zet: bedrijfsamnesie. Hetzelfde probleem drie keer opgelost door drie teams die niet wisten dat de anderen het al hadden gedaan. Het voorstel dat helemaal opnieuw geschreven wordt omdat niemand het winnende voorstel van vorig jaar kon terugvinden. De nieuwe medewerker die maanden nodig heeft om te leren wat al ergens in oude e-mails van iemand staat. De expert die vertrekt en een decennium aan context meeneemt.

De meeste bedrijven denken dat ze een kennisbank hebben. Wat ze eigenlijk hebben is een parkeerplaats voor documenten, want opslag is geen terugvinden. De volwassenheidscurve loopt in vier fasen. Fase 1 is opslag: bestanden bestaan ergens, en ze vinden hangt af van wie je het vraagt. Fase 2 is trefwoordzoeken, wat alleen werkt als je de exacte term al kent. Fase 3 is retrieval: je stelt een vraag in gewone taal en krijgt de relevante passages terug, met bronnen. Fase 4 is synthese: het systeem trekt informatie uit meerdere systemen en geeft één onderbouwd antwoord, met respect voor wie wat mag zien.

De sprong die alles verandert is die van zoeken naar terugvinden. Dat is het moment waarop je archief stopt een kostenpost te zijn en een asset wordt die mensen daadwerkelijk gebruiken. De meeste organisaties zitten vast tussen fase 1 en 2 en beseffen niet dat fase 3 en 4 nu binnen bereik liggen.

Geef de uren terug

Als AI wel tijd vrijmaakt, verspillen de meeste bedrijven het dividend. Ze meten "meer gedaan per uur," en vullen het bespaarde uur meteen met meer taken. Nettoeffect op een mensenleven: nul. Je hebt de tredmolen gewoon sneller laten draaien.

Het bewijs dat AI echte tijd vrijmaakt is solide. In een onderzoek onder 5.179 klantenservicemedewerkers vonden onderzoekers Brynjolfsson, Li en Raymond een gemiddelde stijging van 14% in opgeloste issues per uur, oplopend tot zo'n 34% voor de minst ervaren medewerkers. De winst is echt. De vraag is wat je ermee doet.

Ik gaf mijn eigen bedrijf een doel dat vreemd klinkt voor een techoprichter: uren teruggeven aan het team, zonder salaris of mensen te schrappen. Want als onze AI echt werkt, is tijd wat het zou moeten opleveren. De manier om dat te beschermen is doelbewust. Vind de tijd die AI echt vrijmaakt en meet die eerlijk. Beslis bewust waar die naartoe gaat, naar dieper werk, beter nadenken, of echte rust. Verdedig het daarna, want bespaarde tijd verdampt standaard. En investeer een deel ervan terug in verificatie en oordeelsvermogen, zodat kwaliteit meestijgt met snelheid in plaats van erbij achter te blijven.

AI vervangt jouw baan niet. Het vervangt jouw bedrijf

Iedereen debatteert over of AI banen wegneemt. Ik denk dat dat de verkeerde invalshoek is.

Kijk naar Kodak. Ze gingen niet ten onder omdat digitale fotografie onstuitbaar was. Ze hebben het zelf uitgevonden. Een ingenieur genaamd Steven Sasson bouwde in 1975 het eerste prototype van een digitale camera binnen Kodak. Het management begroef het, uit angst dat het de filmtak zou kannibaliseren. Het resultaat, decennia later: een personeelsbestand dat ging van 145.000 medewerkers op zijn piek in 1988 naar ongeveer 3.500 vandaag. Hele gemeenschappen verloren pensioenen, zorgverzekering en een manier van leven, omdat de sector om hen heen verschoof en hun werkgever weigerde mee te verschuiven.

Kodak had de technologie. Wat ze misten was de moed om zichzelf te disrupten. Hier is de ongemakkelijke versie voor vandaag: jouw baan kan volkomen veilig zijn terwijl je werkgever stilletjes achterhaald raakt. De echte disruptie zit niet in rollen die geautomatiseerd worden. Het zit in verdienmodellen die ophouden zin te hebben, en de mensen die eraan vastzitten. De vraag is niet "neemt AI mijn baan over?" Het is "neemt AI mijn bedrijf over, en is het leiderschap moedig genoeg om te veranderen voordat dat gebeurt?"

Menselijk werk wordt een luxegoed

Nog een voorspelling voor het komende decennium. "Gemaakt door mensen" wordt een premiumlabel, zoals "handgemaakt" dat vandaag is.

De vraag wordt niet meer of AI jouw baan kan doen. Het wordt of iemand extra wil betalen voor de menselijke versie. In veel gevallen wel. Er komen AI-gegenereerde contracten en door mensen opgestelde contracten, AI-marketingteksten en menselijke teksten, door AI ontworpen gebouwen en door mensen ontworpen gebouwen. Sommige klanten kiezen voor AI vanwege snelheid en prijs. Anderen betalen de meerprijs voor menselijk oordeelsvermogen, smaak en verantwoordelijkheid, voor een naam die aan de beslissing hangt.

Als output een grondstof wordt, verschuift de meerwaarde naar oordeelsvermogen, vertrouwen en smaak. Dat is iets goeds om naartoe te bouwen, en het is precies waar de 100x Curator op gebouwd is.

Zet in op oordeelsvermogen

De vaardigheden die van jou een geweldige 10x producent maakten, zijn niet degene die er straks het meest toe doen. Verificatie, synthese, framing, oordeelsvermogen, orkestratie: dat is de nieuwe kern. Combineer dat met retrieval die echt werkt, tijd die doelbewust beschermd wordt, en een verdienmodel dat moedig genoeg is om te veranderen, en je staat aan de goede kant van de kloof.

Ik heb de vijf vaardigheden uitgewerkt tot een gratis gids, met hoe je elk ervan opbouwt, samen met het opslag-naar-retrieval volwassenheidsmodel. Je kunt hem hier ophalen via onze nieuwsbrief.

Als output goedkoop wordt, op welke vaardigheid wed jij dat waardevol blijft? Ik hoor het graag. Mijn DMs staan open.