KEYNOTE SPREKER · DAGVOORZITTER ADVIES & IMPLEMENTATIE

Je ziet op TikTok een filmpje van een geweldig restaurant. Een paar seconden later bekijk je de menukaart, lees je beoordelingen en reserveer je een tafel. Zonder TikTok te verlaten. Sinds eind oktober kan dat bij geselecteerde restaurants in Amerikaanse steden dankzij de nieuwe functie Must Eat.

TikTok is niet de enige. Uber voegt hotelboekingen toe, X ontwikkelt betaaldiensten en zelfs via WhatsApp kun je in Nederland inmiddels eten bestellen bij Thuisbezorgd.nl. Allemaal bewegen ze richting hetzelfde idee: de super-app, één app waarin je vrijwel alles regelt.

In China is dat al jaren werkelijkheid. Via WeChat, met ruim 1,4 miljard maandelijkse gebruikers, kun je chatten, betalen, winkelen, reizen boeken en zelfs overheidsdiensten gebruiken. Grab doet iets vergelijkbaars in Zuidoost-Azië. Het gemak is fantastisch. Waarom hebben we zoiets eigenlijk niet in Nederland? Misschien lopen we helemaal niet achter, maar zijn we juist te ver ontwikkeld voor een traditionele super-app.

In Azië ontstonden super-apps onder heel andere omstandigheden. Miljoenen mensen gingen rechtstreeks van contant geld naar mobiel betalen, zonder ooit uitgebreid gebruik te hebben gemaakt van internetbankieren of creditcards. Eén app loste daar in één keer verschillende problemen op.

In Nederland hebben we al uitstekende oplossingen. We betalen met onze bankapp, gebruiken Tikkie, boeken hotels via Booking.com en reizen met onze OV-apps. Een super-app moet hier niet één slecht werkend systeem vervangen, maar concurreren met een hele verzameling diensten die prima functioneren.

Daar komt Europese regelgeving bij. De AVG en de Digital Markets Act beperken hoe grote platforms persoonsgegevens mogen combineren. Dat maakt het lastiger om één bedrijf tegelijk onze gesprekken, aankopen, locatie en financiële gegevens te laten beheren.

Dat is misschien maar goed ook. Want het gemak van een super-app heeft een prijs. Wie bepaalt welk restaurant jij te zien krijgt wanneer hetzelfde platform ook verdient aan de reservering? Wat gebeurt er met je gegevens? Hoe afhankelijk worden ondernemers van één algoritme?

In Zuid-Korea zagen we in 2022 hoe kwetsbaar die afhankelijkheid is. Door een brand in een datacenter vielen niet alleen chatdiensten van Kakao uit, maar ontstonden ook problemen bij betalingen, vervoer en andere diensten. Eén storing raakte een groot deel van het dagelijks leven.

Toch denk ik dat we ook in Europa iets krijgen wat op een super-app lijkt. Alleen vermoedelijk in een heel andere vorm. Met Wero bouwen Europese banken aan een gezamenlijk betaalsysteem dat iDEAL gaat vervangen. Europa ontwikkelt een digitale identiteitswallet. Tegelijk worden AI-assistenten steeds beter in het combineren van bestaande diensten.

Misschien hoef je straks helemaal geen super-app te downloaden. Je vraagt je AI-assistent gewoon om een restaurant te zoeken, een tafel te reserveren en de betaling te regelen. De diensten blijven bestaan, maar jij hoeft niet meer tussen allerlei apps te schakelen.

Daar zit voor mij de interessantste ontwikkeling. Al moeten we oppassen dat we niet simpelweg de macht van één super-app inruilen voor de macht van één AI-assistent. Mijn voorkeur? Het gemak van een super-app, zonder dat één bedrijf mijn complete digitale leven beheert. Misschien is dat wel een veel betere Europese uitvinding dan een kopie van WeChat.

De afgelopen tijd is me iets opgevallen bij veel klanten; van advocatenkantoren tot marketingbureaus. Overal merk ik dat het aantal jonge professionals steeds kleiner wordt. Ik hoor het niet alleen van leidinggevenden, ik zie het ook met eigen ogen wanneer ik bij deze organisaties kom. De werkzaamheden zijn er nog steeds, maar steeds meer taken die vroeger door juniors werden gedaan, worden nu uitgevoerd door AI. Dat is begrijpelijk als je kijkt naar efficiëntie. Maar ik vraag me steeds vaker af: als we de leerlingen laten verdwijnen, waar komen dan de meesters van morgen vandaan?

Het doet me denken aan Pablo Picasso. Voordat hij de schilderkunst op zijn kop zette, leerde hij eerst precies te tekenen. Zijn vroege werk toont duidelijk hoe goed hij de klassieke technieken beheerste. Pas daarna durfde hij te experimenteren met vormen, perspectieven en abstractie. Hij kon de regels doorbreken, omdat hij ze eerst had geleerd. Precies dat principe dreigen we met de komst van AI uit het oog te verliezen.

De onderste trede verdwijnt

De cijfers ondersteunen trouwens wat ik in de praktijk zie. Uit onderzoek van Stanford blijkt dat de werkgelegenheid van jonge medewerkers in beroepen waar AI sterk wordt gebruikt, steeds meer achteruitgaat. Een studie van Harvard onder miljoenen werknemers toont een vergelijkbaar beeld: bedrijven die AI invoeren, nemen minder juniors aan, terwijl de werkgelegenheid van seniormedewerkers toeneemt.

Ook in Nederland is dit zichtbaar. Volgens Indeed daalde het aantal juniorvacatures in twee jaar met 24%, terwijl het aantal seniorvacatures juist met 11% steeg. Vooral in sectoren zoals juridische dienstverlening, administratie en marketing is de terugloop groot.

Of AI hier volledig verantwoordelijk voor is, is nog altijd te bespreken. De afkoelende arbeidsmarkt, hogere kosten en veranderende eisen van werkgevers spelen ook een rol. Maar zelfs als AI slechts een deel van de verklaring is, blijft er een fundamenteel probleem over.

Het monnikenwerk was de opleiding

Denk aan een jonge advocaat die honderden pagina’s dossiers doorneemt. Of een beginnende consultant die dagenlang spreadsheets maakt. Werk dat AI nu razendsnel kan doen. Het leek misschien saai en inefficiënt, maar er gebeurde toch iets belangrijks. Die jonge professionals leerden patronen herkennen, fouten vinden en begrijpen waarom ervaren collega’s bepaalde keuzes maakten.

Het monnikenwerk was niet alleen productie. Het was ook opleiding. Door zelf onderzoek te doen, fouten te maken en feedback te krijgen, ontwikkelden juniors het oordeelsvermogen dat hen later tot goede senioren maakte. Nu dreigen we precies dat leerproces uit te schakelen.

Dat levert in mijn optiek een vreemde paradox op. We verwachten namelijk steeds meer van jonge professionals, terwijl we tegelijkertijd de werkzaamheden schrappen waarmee ze die vaardigheden kunnen ontwikkelen. We willen mensen die kritisch kunnen denken, complexe beslissingen nemen en verantwoordelijkheid dragen. Maar hoe leren ze dat als AI al het voorbereidende denkwerk doet?

Wie leert de volgende generatie denken?

IBM kiest opvallend genoeg een andere weg. Het bedrijf kondigde dit jaar aan de instroom van jonge medewerkers in de Verenigde Staten te verdrievoudigen. Niet omdat AI hun werk niet kan doen, maar omdat het bedrijf beseft dat het de experts van morgen zelf moet opleiden. De juniorfuncties worden opnieuw ingericht, met meer aandacht voor klantcontact, oordeelsvorming en het beoordelen van AI-uitkomsten.

Ik denk dat daar een belangrijke les in ligt voor leiders. Laat jonge medewerkers eerst zelf een analyse maken voordat ze AI raadplegen. Bespreek niet alleen het eindresultaat, maar ook de aannames, fouten en afwegingen die ertoe hebben geleid. Geef ervaren collega’s expliciet de verantwoordelijkheid om hun kennis te delen. Niet alles wat vandaag efficiënter kan, moet je ook volledig automatiseren.

Mijn advies is daarom om bij iedere AI-implementatie niet alleen te vragen hoeveel tijd en geld je bespaart, maar ook welke vaardigheden je medewerkers daardoor niet meer ontwikkelen. Want een organisatie die haar juniors wegautomatiseert, bespaart misschien op de salarissen van vandaag, maar creëert mogelijk het talenttekort van morgen. Picasso werd tenslotte ook geen meester door het tekenen over te slaan…..