Important: this text is based on the words of Matt Shumer on X. I’ve translated and slightly adapted it because I get the exact same questions from friends and family about AI. If you’re proficient in English go read it, there’s even more good stuff there.
Denk even terug aan februari 2020.
Er gingen al berichten rond over “een virus in het buitenland”, maar eerlijk: de meesten van ons keken daar niet echt van op. De beurs deed het goed, de kinderen zaten op school, je ging nog gewoon op restaurant, je gaf handen, je plande een citytrip of een skivakantie. Als iemand toen zei dat hij wc‑papier aan het hamsteren was, dacht je waarschijnlijk: die is niet goed wijs.
En dan, op een goeie drie weken tijd, veranderde alles. Kantoren dicht, telewerk, kinderen thuis, grenzen die plots wél betekenis kregen, en een leven dat op een manier hertekend werd die je een maand eerder niet geloofd zou hebben.
Ik denk dat we vandaag in een gelijkaardige fase zitten, maar dan met AI: de “dit zal wel meevallen”‑fase. Alleen gaat dit niet over een virus dat voorbijgaat. Dit gaat over een technologie die stap voor stap in bijna elk kantoorproces kruipt — en die sneller vooruitgaat dan de meeste mensen (en bedrijven) kunnen volgen.
Waarom ik dit zo scherp zeg
Ik werk al jaren in en rond AI. En ik merk dat ik aan vrienden en familie vaak de nette versie vertel: de versie die past bij een etentje. De “handige tool”-uitleg. Niet omdat ik wil overdrijven, maar omdat de volle versie snel klinkt alsof je doemdenkt.
Alleen: de kloof tussen wat mensen dénken dat AI is, en wat het intussen effectief kan, wordt te groot. En die kloof is gevaarlijk, omdat ze je in slaap wiegt net wanneer voorbereiding het meeste verschil maakt.
Dit wordt gestuurd door verrassend weinig spelers
Veel mensen denken: “AI, dat is iets wat elk bedrijf wel bouwt.” In werkelijkheid wordt de lat vooral verlegd door een kleine groep teams bij een handvol labs. Eén grote doorbraak, één trainingsronde, en plots kan iedereen weer meer — ook bedrijven die zelf niet aan die kerntechnologie gewerkt hebben.
De meeste mensen in de sector bouwen bovenop fundamenten die ze niet zelf gelegd hebben. Het verschil is alleen: wie er dichtbij zit, voelt de schokgolf vroeger.
“Wij waarschuwen niet omdat we voorspellen, maar omdat we het al meemaken”
Wat veel mensen buiten tech nog niet beseffen: voor een deel van de kennisjobs is die verschuiving al begonnen. Niet “ooit”, maar nu.
Jarenlang ging AI vooruit in stappen: soms een sprong, maar met genoeg tijd om eraan te wennen. En dan begon het tempo te versnellen. Sneller nieuwe modellen, grotere sprongen, en minder tijd tussen “dat is handig” en “dat kan dit zelfstandig afwerken”.
In de praktijk betekent dat iets heel concreets: je beschrijft wat je nodig hebt in normale mensentaal, en je krijgt een afgewerkt resultaat terug. Niet een rommelige eerste versie, maar vaak een degelijk document, een analyse, een plan, een workflow, code, een samenvatting met actiepunten — inclusief details die vroeger “ervaring” vroegen.
En dat is het echte kantelpunt: het gaat niet meer alleen over sneller typen. Het gaat over systemen die zelf beginnen te plannen, te controleren, te verbeteren en opnieuw te proberen tot het “goed genoeg” is.
Waarom dit ook jouw job raakt (ook als je niet in tech zit)
AI is eerst extreem goed geworden in software en automatisatie, omdat dat de hefboom is om alles sneller te bouwen. Als je systemen heel goed maakt in “digitale taken”, dan rol je daarna vanzelf door naar álles wat digitaal is: dossiers, rapporten, e-mails, offertes, analyses, presentaties, planning, klantcommunicatie, interne procedures.
Daarom voelde de tech sector de impact het eerst. Niet omdat programmeurs “het doelwit” waren, maar omdat die sector toevallig op de eerste rij zat.
Nu verschuift het naar de rest: legal, finance, audit, verzekeringen, farma, consultancy, overheid, sales, marketing, HR, customer service, data‑analyse. Veel sneller dan de meeste organisaties plannen.
Een simpele vuistregel:
Als het grootste deel van je werk op een scherm gebeurt — lezen, schrijven, samenvatten, analyseren, beslissen, communiceren — dan kan AI daar een stevig stuk van versnellen of overnemen.
“Maar ik heb dat eens geprobeerd en het viel tegen”
Logisch. Als je AI twee jaar geleden testte en dacht “die verzint maar wat”, dan had je gelijk. Die vroege generaties waren vaak slordig en te zelfzeker.
Maar in AI‑tijd is “twee jaar geleden” bijna prehistorie. Bovendien werken veel mensen met gratis versies of standaardinstellingen die niet het beste van het beste zijn. Dan zie je vooral een gadget, terwijl de mensen die het dagelijks inzetten voor echt werk al een heel andere realiteit meemaken.
België en Europa: trager, voorzichtiger… maar niet veilig
In Europa hebben we extra remmen én extra verantwoordelijkheden: GDPR, strengere verwachtingen rond privacy, compliance, aansprakelijkheid, sectorregels (banken, verzekeringen, zorg, overheid). Dat is goed, want roekeloze adoptie is vragen om problemen.
Maar het vertraagt vooral de invoering — het stopt de golf niet.
Europa zal dit dus op twee manieren voelen:
Grote productiviteitswinst bij wie het slim én correct aanpakt.
Schade en weerstand bij wie te snel gaat zonder afspraken rond data, kwaliteit en verantwoordelijkheid.
En net omdat België zoveel KMO’s heeft, is de impact dubbel: KMO’s die het goed aanpakken kunnen ineens “groter lijken” dan ze zijn. KMO’s die wachten, riskeren dat concurrenten plots sneller, goedkoper en consistenter leveren.
Wat je nu best doet (pragmatisch, zonder paniek)
1) Word SNEL, niet perfect
Je hoeft geen expert te worden. Je moet wél vroeg genoeg routine opbouwen zodat je niet overrompeld wordt.
Een routine die werkt: elke werkdag één uur AI gebruiken voor iets dat écht bij je job hoort.
2) Gebruik AI als collega, niet als zoekmachine
De meeste mensen doen “vraag‑antwoord”. Dan mis je de hefboom. De winst zit in: rommelige input → bruikbaar werkproduct.
“Hier is mijn dossier: vat samen en geef me drie scenario’s met voor‑ en nadelen.”
“Hier is de data: wat is de kernboodschap, wat is ruis, welke grafiek vertelt het verhaal?”
“Hier is een offerte: wat zijn de risico’s, wat ontbreekt er, welke vragen moet ik stellen?”
“Hier zijn mails + context: schrijf een antwoord dat correct, vriendelijk en juridisch veilig is.”
3) Maak het veilig: data, kwaliteit, verantwoordelijkheid
Zeker in België is dit geen detail. Spreek intern af:
wat er wel/niet in tools mag (klantdata, persoonsgegevens, bedrijfsgeheimen),
hoe output gecontroleerd wordt (review, bronchecks, rekenchecks),
wie eindverantwoordelijk blijft (AI is geen “handtekening”).
Wie AI inzet zonder deze basis, creëert niet alleen risico, maar ook wantrouwen — en dat vertraagt alles.
4) Herteken je rol: van uitvoerder naar regisseur
De mensen die vooruitgaan, zijn niet degenen die alles manueel blijven doen. Het zijn de mensen die leren:
scherp briefen,
kwaliteit beoordelen,
beslissingen nemen,
output integreren in het echte proces.
Minder “produceren”, meer “regisseren”.
5) Bouw wat ademruimte in VOOR JEZELF
Geen drama, wel gezond verstand:
maak je financiële buffer sterker als dat kan,
wees voorzichtig met vaste kosten die alleen kloppen “als alles hetzelfde blijft”,
investeer in vaardigheden die AI net versterken: domeinkennis, communicatie, vertrouwen opbouwen, verantwoordelijkheid nemen.
Tot slot
We zijn voorbij het punt waarop AI een interessant gespreksonderwerp is. Het is al bezig. Alleen niet overal tegelijk.
Net zoals in februari 2020: de meeste mensen zagen het pas toen het al in hun straat stond.
Je hoeft hier niet bang van te worden. Maar je moet wel wakker zijn. Wie vandaag begint, heeft nog voorsprong. Wie wacht tot “iedereen het doet”, komt binnen wanneer de voordelen al verdeeld zijn.