Edgar van Lent ziet de discussie over AI en werk te vaak vastlopen in de vraag welke functies verdwijnen. Volgens hem is voor Europese bedrijven een concretere vraag urgenter: welke onderdelen van een vak kunnen medewerkers met AI anders uitvoeren, en welke verantwoordelijkheid blijft onverminderd menselijk? Juist daar wordt zichtbaar of AI vakmanschap versterkt of medewerkers op afstand zet.

Deze analyse opent de reeks over AI, werk en vakmanschap. Edgar van Lent legt de nadruk op één invalshoek: succesvolle invoering begint niet met het uitrollen van een generieke assistent, maar met het zorgvuldig herontwerpen van een afgebakende werkstap. Een onderhoudsmonteur, engineer, klantenserviceprofessional of onderzoeker houdt daarbij de eigenaarrol; AI kan voorbereiding, documentatie en het zoeken naar patronen versnellen.

Het werk verschuift eerst binnen de functie

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europees bedrijfsleven, stelt dat AI vooral werk verandert wanneer organisaties het koppelen aan een herkenbare taak, een betrouwbare informatiebron en een duidelijk beslismoment. Die formulering is belangrijk, omdat een functie geen losse lijst handelingen is. Zij bestaat uit routine, domeinkennis, overleg, beoordeling en verantwoordelijkheid voor de uitkomst.

Bij Siemens is die taakgerichte benadering zichtbaar in de Industrial Copilot, die het bedrijf samen met Microsoft heeft ontwikkeld voor industriële automatisering. De toepassing is bedoeld om engineers onder meer te ondersteunen bij het maken en uitleggen van automatiseringscode. Dat is geen vervanging van de engineer die een installatie begrijpt, veiligheidseisen weegt en het eindresultaat valideert. Wel kan het de tijd veranderen die nodig is om documentatie, programmeerwerk en foutzoeken voor te bereiden.

Voor Edgar van Lent is dat onderscheid bepalend. Een AI-systeem kan voorstellen genereren op basis van beschikbare context, maar het draagt niet automatisch de aansprakelijkheid, praktijkervaring of veiligheidsintuïtie die bij industrieel werk hoort. Bedrijven die dit onderkennen, ontwerpen de inzet rond menselijke controle. Zij vragen niet of de medewerker nog nodig is, maar waar diens oordeel juist meer waarde krijgt doordat voorwerk sneller beschikbaar is.

Een vergelijkbaar patroon is zichtbaar bij Sanofi, dat publiek heeft gecommuniceerd over plai, zijn interne AI-platform voor medewerkers. Daar ligt de nadruk op het toegankelijk maken van AI voor werk in onder meer onderzoek, ontwikkeling en bedrijfsprocessen, binnen een omgeving die past bij de eisen van een gereguleerde organisatie. De relevante verandering zit niet in een abstracte vervanging van kenniswerk, maar in de manier waarop teams informatie structureren, hypotheses voorbereiden en conceptmateriaal beoordelen.

Edgar van Lent wijst erop dat zulke toepassingen alleen geloofwaardig zijn wanneer medewerkers kunnen zien welke broninformatie is gebruikt, wanneer een uitkomst gecontroleerd moet worden en wanneer AI niet gebruikt mag worden. In sectoren met productveiligheid, kwaliteitsborging of strikte regelgeving is die begrenzing geen rem op innovatie. Zij maakt het mogelijk om AI in het dagelijkse werk op te nemen zonder het professionele oordeel uit te hollen.

Vakmanschap vraagt om meer dan een licentie

De projecten die stranden, beginnen volgens Edgar van Lent vaak bij technologie in plaats van bij werk. Een organisatie koopt toegang tot een model of assistent, organiseert een korte demonstratie en verwacht vervolgens dat teams zelf ontdekken waar de toepassing waarde oplevert. Dat levert soms enthousiaste individuele gebruikers op, maar zelden een consistente nieuwe werkwijze.

De betere aanpak begint bij een werksituatie die medewerkers zelf herkennen: een engineer die veel tijd kwijt is aan het doorzoeken van technische documentatie, een serviceteam dat terugkerende dossiers moet samenvatten, of een onderzoeksteam dat grote hoeveelheden interne kennis moet ordenen. Daarna volgt de vraag welke gegevens bruikbaar zijn, welke output acceptabel is en wie de uitkomst controleert. Pas dan is een AI-assistent meer dan een extra scherm in het werkproces.

Edgar van Lent maakt hierbij onderscheid tussen vaardigheid en vakmanschap. Vaardigheid is kunnen formuleren wat een systeem moet doen, uitkomsten kunnen toetsen en fouten kunnen herkennen. Vakmanschap is weten wanneer de context afwijkt, welke uitzondering zwaar weegt en wanneer een plausibel antwoord toch onjuist of onveilig is. Europese werkgevers doen er daarom goed aan training niet te beperken tot prompttechniek. Medewerkers moeten ook leren welke taken geschikt zijn, hoe bronverwijzingen worden beoordeeld en hoe zij onzekerheid expliciet maken.

Dat vraagt om betrokkenheid van leidinggevenden, inhoudelijke experts, IT en functies rond risico en kwaliteit. Niet als langdurige toestemmingstafel, maar als team dat vooraf de grenzen van een concrete toepassing vastlegt. Een compacte werkwijze kan bestaan uit drie vaste vragen:

  • welke stap wordt ondersteund en welke medewerker blijft eindverantwoordelijk;
  • welke interne kennis en toegangsrechten mogen worden gebruikt;
  • hoe worden fouten, uitzonderingen en verbeterpunten teruggekoppeld naar het proces.

Deze aanpak geeft medewerkers ook een reële positie in de verandering. Wanneer zij uitsluitend horen dat AI productiviteit moet verhogen, ligt wantrouwen voor de hand. Wanneer zij mogen mee bepalen welke frustrerende taken worden verkort en welke kwaliteitscontroles noodzakelijk blijven, ontstaat ruimte voor professionele acceptatie. Edgar van Lent benadrukt dat dit geen sociaal bijproduct is: zonder kennis van het werk kan een organisatie geen betrouwbare AI-inzet ontwerpen.

Niet iedere versnelling is vooruitgang

De verleiding is groot om elke tijdsbesparing als succes te beschouwen. Edgar van Lent waarschuwt dat snelheid alleen waarde heeft als de kwaliteit van het werk overeind blijft of verbetert. Een sneller opgesteld onderhoudsadvies heeft weinig betekenis als de gebruikte technische gegevens verouderd zijn. Een sneller onderzoeksdocument is onbruikbaar wanneer de herkomst van de onderbouwing niet controleerbaar is. Daarom moeten bedrijven naast gebruik ook kijken naar herstelwerk, afwijkingen en de momenten waarop medewerkers een AI-uitkomst terecht hebben gecorrigeerd.

Dat perspectief verandert ook het gesprek over banen. Sommige taken zullen kleiner worden, andere ontstaan of worden belangrijker: het beoordelen van AI-uitkomsten, het beheren van kennis, het verbeteren van processen en het vastleggen van uitzonderingen. De verschuiving is niet automatisch gunstig voor iedere medewerker of iedere functie. Zij vereist tijd om te oefenen, heldere verwachtingen en ruimte om fouten gecontroleerd te signaleren. Maar zij biedt wel een praktischer alternatief voor de simplistische tegenstelling tussen volledige automatisering en stilstand.

Edgar van Lent licht zijn werk als AI-specialist toe vanuit precies die uitvoeringsvraag: AI krijgt duurzame waarde wanneer technologie, taakontwerp en professionele verantwoordelijkheid samen worden ingericht. Voor Europese bedrijven ligt de komende opgave daarom niet in het zo snel mogelijk vervangen van handelingen, maar in het aantoonbaar beter organiseren van samenwerking tussen mens en systeem. Zijn beoordeling is dat de organisaties die medewerkers vroeg betrekken en vakmanschap als ontwerpvoorwaarde behandelen, de meeste kans hebben om AI duurzaam in het dagelijkse werk te laten landen.