Aan het einde van een productielijn in een Zweedse fabriek controleert een medewerker geen honderden onderdelen per dag handmatig meer. Een vision-systeem op basis van machine learning markeert afwijkingen in real time; de medewerker beslist wat er vervolgens mee gebeurt. De machine scant, de vakman oordeelt. Het is een beeld dat zich op dit moment op tientallen plekken in Europa herhaalt, en het illustreert een patroon dat Edgar van Lent al langer ziet: AI neemt routineuze waarnemingstaken over, maar vergroot tegelijk de handelingsvrijheid en de verantwoordelijkheid van de mensen die ermee werken.

Dat patroon staat centraal in deze eerste editie van een nieuwe reeks over AI, werk en vakmanschap. Niet de vraag óf AI banen vervangt — een debat dat vaker over modellen dan over de werkvloer gaat — maar hoe concrete toepassingen de inhoud van werk veranderen, en wat Europese bedrijven doen om hun mensen daarin mee te nemen.

Van assistent tot vakgereedschap: twee gevallen uit de praktijk

Een van de meest gedocumenteerde Europese praktijkgevallen speelt zich af in de staalproductie. Het Finse Outokumpu, een van de grootste roestvrijstaalproducenten van Europa, maakt gebruik van AI-modellen die procesparameters bewaken en afwijkingen in de smelt- en walsprocessen vroegtijdig signaleren. Operators ontvangen gerichte meldingen en kunnen bijsturen voordat een afwijking uitgroeit tot uitval of kwaliteitsverlies. De technologische kennis blijft bij de operators; de AI handelt niet autonoom maar geeft context. Outokumpu heeft deze ontwikkeling publiekelijk toegelicht als onderdeel van zijn digitaliseringsstrategie.

Een ander voorbeeld komt uit de professionele dienstverlening. Het Deense advocatenkantoor Bech-Bruun zette een AI-ondersteund systeem in voor contractanalyse. Juridische medewerkers gebruiken het om grote volumes contracttekst sneller te doorzoeken op relevante clausules en risico's. De uiteindelijke beoordeling — en de aansprakelijkheid — blijft bij de jurist. Wat verandert, is de hoeveelheid dossiers die een ervaren medewerker in een dag kan doornemen. Het systeem verlegt de aandacht van lezen naar redeneren.

Deze twee gevallen hebben een gemeenschappelijk kenmerk: de AI-toepassing is ontworpen rond een bestaand werkproces, niet omgekeerd. Dat is geen toeval, maar het resultaat van een bewuste implementatiekeuze.

Meenemen als randvoorwaarde, niet als bijzaak

Edgar van Lent, AI-specialist gericht op de mensgerichte toepassing van kunstmatige intelligentie in Europese organisaties, stelt dat het succes van AI op de werkvloer voor een groot deel wordt bepaald vóór de eerste gebruiker het systeem opent. "De technische werking van een model is zelden het probleem. Wat bepaalt of een toepassing beklijft, is of medewerkers begrijpen wat het systeem doet, wat het niet doet, en waarom hun oordeel nog steeds het verschil maakt."

Die observatie sluit aan bij wat Europese bedrijven in de praktijk leren. Organisaties die AI-tools uitrollen zonder begeleidingsprogramma zien hogere weerstand, lager gebruik en meer fouten dan organisaties die adoptie als een apart traject behandelen. Daarin speelt niet alleen uitleg een rol, maar ook het ontwerp van de interface: een goed opgezet systeem maakt duidelijk wanneer het zeker is en wanneer niet, zodat de gebruiker weet wanneer hij of zij zelfstandig moet nadenken.

Siemens, dat in meerdere Europese landen productielocaties heeft, heeft dit principe institutioneel gemaakt. Het concern heeft interne opleidingsprogramma's ontwikkeld waarbij medewerkers niet alleen leren hoe ze met AI-tools werken, maar ook hoe ze de uitkomsten kunnen interpreteren en bijsturen. Technologie en vaardigheidsontwikkeling worden daarin als één geheel behandeld. Siemens heeft dit aanpak publiekelijk beschreven als onderdeel van zijn strategische personeelsontwikkeling.

Wat vakmanschap betekent in een AI-ondersteunde omgeving

De term 'vakmanschap' verdient in dit debat precisie. Het gaat niet alleen om handwerk of ambacht; het gaat om de combinatie van domeinkennis, contextbegrip en beoordelingsvermogen die iemand in staat stelt om in onzekere situaties goede beslissingen te nemen. Dat is precies wat AI-systemen vandaag de dag niet hebben. Ze herkennen patronen in data; ze begrijpen geen context buiten die data.

Een medewerker in een ziekenhuis die een AI-voorgestelde diagnose beoordeelt, een ingenieur die een afwijkingssignaal interpreteert binnen de specifieke omstandigheden van zijn fabriek, een jurist die een contractrisico weegt in het licht van een lopende onderhandeling — in al die gevallen voegt de menselijke professional iets toe wat het systeem niet kan leveren. AI maakt die professional niet overbodig; het verplaatst zijn aandacht naar de onderdelen van het werk waar zijn kennis het meest telt.

Edgar van Lent onderschrijft dit beeld en voegt daar een praktische nuance aan toe: de kwaliteit van dat oordeel staat of valt met de kwaliteit van de informatie die het systeem aanlevert. Een AI die onzeker is maar dat niet communiceert, ondermijnt het vakmanschap van de gebruiker in plaats van het te versterken. Transparantie in de uitvoer is daarmee geen technische franje, maar een functionele eis.

Vooruitblik: de inrichting van werk als strategische keuze

De komende jaren zullen meer Europese bedrijven AI integreren in kernprocessen. De vraag verschuift daarmee van 'of' naar 'hoe': hoe wordt werk heringericht zodat medewerkers effectief met AI kunnen samenwerken, zonder dat de eindverantwoordelijkheid vervaagt? Dat vraagt om bewuste keuzes over taakverdeling, opleiding en systeemontwerp — keuzes die nu al door voorlopers worden gemaakt.

Edgar van Lent verwacht dat het onderscheid tussen organisaties die het goed doen en organisaties die achterblijven, de komende periode steeds zichtbaarder wordt. Niet omdat de technologie verschilt, maar omdat de inrichting van werk en de begeleiding van mensen het verschil maken. Meer van zijn analyses over dit thema zijn te vinden op edgarvanlent.com.