Seeing AGI (8): De wedergeboorte van de menselijke rol
Ik was onlangs op Delight Spark in San Francisco, en één gesprek bleef nog lang na het evenement bij me hangen. Het ging over AI-organisaties.
In mijn eerste zeven Seeing AGI-artikelen heb ik geschreven over de komst van AGI, vibe working en multi-agent-systemen. Maar de vraag waar ik steeds op terugkom is simpeler: wat gebeurt er met de menselijke rol binnen het bedrijf? Voordat AI het organigram herschrijft, herschrijft het de mens.
Te veel bedrijven behandelen AI nog steeds als een software-upgrade voor dezelfde mensen in dezelfde functies. Dat is het verkeerde frame. AI versnelt niet alleen werk. AI verandert wie wat doet, wie de context bezit en hoe oordeelsvermogen zich verplaatst.
Elke technologische golf verandert de menselijke rol
Wanneer mensen een doorbraaktechnologie tegenkomen, gaan ze er meestal van uit dat hun werk precies hetzelfde blijft, alleen sneller. De geschiedenis laat zien dat dat een illusie is.
Wat er als eerste verandert, is zelden het organigram op papier. Wat er als eerste verandert, is wat mensen de hele dag doen, van wie ze afhankelijk zijn, aan wie ze rapporteren en welk soort oordeelsvermogen het systeem daadwerkelijk beloont.
Als we AI dus helder willen begrijpen, moeten we niet alleen vragen wat de modellen kunnen. We moeten vragen wat eerdere technologische golven met het werk zelf hebben gedaan.
Elektriciteit moderniseerde niet alleen de fabriek. Het veranderde de mensen erin.
De beroemde les van de elektrificatie is niet alleen dat elektriciteit krachtig was. De les is dat de eerste adoptiegolf onder de verwachtingen bleef, omdat fabrieken vasthielden aan de oude indeling. Eigenaren vervingen stoommachines door dynamo's, maar behielden dezelfde gecentraliseerde aandrijflogica, dezelfde aandrijfassen, dezelfde drijfriemen en dezelfde productiegeometrie.
De echte sprong kwam later, toen fabrieken overstapten op individuele aandrijving — afzonderlijke elektromotoren op de machine zelf. Pas op dat moment kon het gebouw zelf veranderen. Eenlaagsindelingen werden eenvoudiger. Machines hoefden niet langer rond één mechanische ruggengraat te worden geordend. Workflows konden opnieuw worden ontworpen rond snelheid, veiligheid en specialisatie.
En zodra de fabriek veranderde, veranderden de menselijke rollen mee. De oude logica van centrale machinekamers, asgedreven indelingen en onderhoud rond één energiebron begon te vervagen. In plaats daarvan kwam er een nieuwe behoefte aan elektriciens, elektrotechnisch ingenieurs, fabrieksplanners en een nieuw soort operations management. Paul David schreef dat grootschalige elektrificatie de opbouw vereiste van "een kader ervaren fabrieksarchitecten en elektrotechnisch ingenieurs". Dat is precies het punt. Een nieuwe energiebron maakte de oude arbeiders niet simpelweg sneller. Het creëerde nieuwe specialisten, nieuwe rapportagelijnen en een nieuwe operationele logica.
Computers automatiseerden niet alleen kantoren. Ze creëerden volledig nieuwe informatierollen.
Het computertijdperk deed iets vergelijkbaars. Voor de computerisering leunden grote organisaties op lagen van klerken, typistes, archiefmedewerkers, boekhouders en machinebedieners die informatie met de hand verplaatsten. Daarna kwamen dataverwerkingsafdelingen, ponskaartoperators, programmeurs, systeemanalisten en later databasebeheerders en IT-managers.
Sommige rollen krompen. Andere verschenen uit het niets. Ponskaartoperators werden in het ponskaarttijdperk een herkenbaar beroep en verdwenen geleidelijk weer toen direct computergebruik zich verspreidde. Tegelijk kwam de systeemanalist op als nieuwe brugrol — iemand die het bedrijf kon begrijpen, het systeem kon ontwerpen, diagrammen voor programmeurs kon voorbereiden en management-eisen kon vertalen naar een technische structuur. Die rol heeft alleen zin in een wereld waarin software onderdeel wordt van hoe het bedrijf denkt.
Dit veranderde ook de rapportagelijnen. Zodra informatiesystemen centraal kwamen te staan in de operatie, bouwden bedrijven MIS- en IT-organisaties, projectmanagementlagen, systeemteams en later enterprise-softwarefuncties. Autoriteit liep steeds vaker via informatiearchitectuur, niet alleen via fysieke processen.
Software bracht de moderne productorganisatie voort.
Daarna voegde het softwaretijdperk nog een laag toe. Toen de complexiteit van software explodeerde, splitste de organisatie opnieuw. Product management ontstond om het gat te vullen tussen business, gebruikers en engineering. Bij software was het niet genoeg om een product te marketen. Iemand moest beslissen wát er gebouwd werd, gebruikersscenario's vertalen en gedurende de hele cyclus dicht bij engineering blijven.
UX en interaction design groeiden volwassen toen personal computing en later het web bruikbaarheid economisch onontkoombaar maakten. QA werd een eigen functie omdat testen niet langer in het hoofd van de programmeur kon blijven. Later begonnen Agile en DevOps die lijnen weer te vervagen — testers werden eerder in de cyclus betrokken en kwaliteit werd een gedeelde verantwoordelijkheid.
De structuur PM, Designer, Developer en Tester werd dus niet door de natuur uitgereikt. Ze hoorde bij het vorige tijdperk van software engineering. Het was een rationele reactie op de grenzen van menselijke communicatie, gefragmenteerde kennis, handmatig coderen en tragere feedbackloops.
De oude lopende band is gebouwd voor een andere wereld
Zodra je die geschiedenis helder ziet, lijkt het huidige software-organigram een stuk minder permanent dan de meeste mensen denken. Het is gewoon de nieuwste laag in een lange reeks technologische reorganisaties.
In de oude softwarewereld had een project een diepe stack van gespecialiseerde functies nodig voordat het ook maar een centimeter kon bewegen. De rapportagelogica weerspiegelde meestal de workflow zelf: product produceerde requirements, design vertaalde ze, engineering bouwde ze, QA valideerde ze, en het management coördineerde de overdrachten tussen die silo's.
Denk aan wat een PM vroeger deed: weken besteden aan enorme specificatiedocumenten van 20 pagina's om over de muur te gooien. De Designer schoof daarna weken handmatig pixels om die spec te vertalen naar mockups. De Developer nam die mockups en typte maandenlang boilerplate code. Tot slot besteedde de Tester weken aan het opjagen van inconsistenties en bugs.
Die structuur was logisch toen elke stap moest worden uitgevoerd door een andere specialist met andere tools, met dure overgangen daartussen. Overdrachten waren niet alleen bureaucratie. Het was de manier waarop het systeem zichzelf beschermde tegen complexiteit.
Maar als een AI-agent kan helpen bij het genereren van code, het opstellen van UI, het maken van testcases en het comprimeren van iteratie tot minuten, begint diezelfde structuur tegen zichzelf te werken. De overdracht gaat van veiligheidsmechanisme naar pure rem.
De meeste "AI-transformaties" zitten vandaag nog steeds vast op dit punt. Bedrijven geven de PM een AI-schrijftool, de Designer een AI-designtool en de Developer een AI-codetool, maar houden dezelfde rapportagelijnen en dezelfde arbeidsverdeling aan. Het is een nieuwe energiebron aansluiten op een oude machine.
Daarom denk ik dat het eerste deel van dit verhaal er zo toe doet. AI is niet de eerste technologie die werk opnieuw ordent. Maar misschien wel de eerste die dat doet met deze snelheid, terwijl ze tegelijk zoveel kennisrollen samenbrengt in hetzelfde uitvoeringsmoment.
Wat ik binnen Genspark zie
Binnen Genspark zie ik de volgende laag van die geschiedenis al in real time geschreven worden. We zijn inmiddels een organisatie van zo'n 70 mensen. Onze structuur is meedogenloos plat.
We bemensen projecten niet met grote, multidisciplinaire afdelingen. De overgrote meerderheid van onze projecten wordt uitgevoerd door agile pods van slechts 1 tot 3 mensen. Omdat de workflow gecomprimeerd is, werken mensen heel dicht op de hele waardeketen.
Dat begint op dag één. Nieuwe medewerkers worden niet weggestopt in smalle rollen of verplicht om een maand documentatie te lezen. Ze worden meteen aan de frontlinie gezet. We zien geregeld dat mensen in hun allereerste week echte, complexe functionaliteit live brengen. Zelfs teamleden die nog nooit één regel code hadden geschreven voordat ze bij ons begonnen, lanceren features.
In het vorige tijdperk had dat roekeloos of onmogelijk geklonken. In dit tijdperk is het de basislijn. Ambitieuze mensen bloeien hier op, omdat ze niet langer vastzitten in één hokje.
Hoe de rollen werkelijk veranderen
Wanneer de workflow zo agressief gecomprimeerd wordt, verdwijnen professionele rollen niet. Ze muteren. Ze stijgen op.
De PM: van speccer naar systeemregisseur
De PM besteedt geen weken meer aan statische documenten die iemand anders moet interpreteren. Hij gebruikt AI om direct levende prototypes te genereren. Hij stuurt het systeem aan, test logica in real time en is verantwoordelijk voor het eindresultaat in plaats van alleen voor de requirements.
De Designer: van front-end-vertaler naar eindrechter
Onze recente release van Genspark Design is het perfecte voorbeeld. In het oude proces was de Designer een vooraan geplaatste vertaler. Hij moest de schermen handmatig tekenen voordat iemand anders kon bouwen. Vandaag is het pad van een abstract idee naar een compleet design naar een gelanceerd product een doorlopende lijn.
Omdat AI in seconden tientallen high-fidelity functionele prototypes kan genereren, verschuift de rol van de Designer naar het eind van de pipeline. Hij wordt de rechter. Hij zet de kwaliteitslat. Hij beschermt het smaakniveau. Hij geeft akkoord op de ervaring. Hij beslist welke van de AI-iteraties de juiste ziel voor het merk in zich draagt.
De Developer: van codetypist naar systeemarchitect
De eerste week van een developer draait niet meer om het opzetten van lokale omgevingen en het lezen van oude codebases. Het draait om opleveren. Hij typt minder boilerplate en besteedt meer tijd aan het architecteren van logica, het aansturen van agents en het oplossen van de diepe, structurele problemen die AI nog niet kan zien.
De Tester: van handmatige poortwachter naar agent infrastructure engineer
In de AI-native workflow wordt iedereen tester van zijn eigen feature. Wie de feature bouwt, genereert ook cases, controleert randgevallen, valideert de ervaring en beslist of het klaar is om te releasen. Testen zit niet langer als losse poort aan het eind van de keten. Het wordt onderdeel van het auteurschap zelf.
Dat betekent niet dat de traditionele tester verdwijnt. De rol stijgt een niveau. Het wordt een infrastructuurrol. In plaats van achteraf elk scherm handmatig te controleren, helpt deze persoon ervoor te zorgen dat het systeem stabiel, observeerbaar en betrouwbaar blijft in productie zodra features in het team worden uitgerold.
In die zin lijkt de nieuwe tester meer op een infrastructure engineer voor kwaliteit. Hij bouwt de frameworks, guardrails, monitoring, evaluatieloops en releaselogica die de hele organisatie betrouwbaarder maken. Hij helpt ook infrastructuur te creëren die agent-vriendelijker is, zodat AI effectiever kan deelnemen aan testen, debugging en continue verbetering.
In elke discipline gaat de trend dezelfde kant op: oordeelsvermogen wordt veel belangrijker dan overdracht. Eigenaarschap van context wordt waardevoller dan smalle specialisatie.
De CEO: van Chief Executive Officer naar Chief Context Officer
Zodra je ziet hoe diep AI rollen herschikt, kun je niet stoppen bij PM's, Designers, Developers en Testers. Ook de CEO wordt herschreven.
In het oude bedrijfsmodel duwde schaal de CEO weg van het werk. De organisatie werd te gespecialiseerd, te gelaagd, te traag. De taak van de CEO werd het beheren van complexiteit via andere mensen.
Die afstand was geen karaktertrek. Ze was structureel. In veel bedrijven kon de CEO het product niet meer rechtstreeks aanraken, omdat het werk versnipperd was over te veel functies, vergaderingen en overdrachten.
AI breekt dat model open. Een CEO die bereid is te leren, kan terug het werk in stappen. Hij kan productideeën verkennen, prototypes reviewen, flows testen, aannames uitdagen en met AI zelfs helpen bij de uitvoering. Niet omdat de CEO weer micromanager moet worden, maar omdat de muur tussen leiderschap en creatie dunner wordt.
De functie verandert dus. De CEO van het AI-tijdperk lijkt minder op een Chief Executive Officer en meer op een Chief Context Officer. De rol: richting geven, oordeel verhelderen, beslissingsbevoegdheid dichter naar de rand brengen en de interfaces ontwerpen waarin kleine pods met echt eigenaarschap kunnen bewegen.
In het oude model kwam macht voort uit afstand en controle. In het nieuwe model komt macht voort uit context, smaak, helderheid en het vermogen om de organisatie te helpen denken en bewegen als één systeem. En zodra de CEO verandert, kan de organisatie niet hetzelfde blijven. Een rol-rewrite wordt vanzelf een org-rewrite.
De nieuwe organisatie is niet alleen platter. Ze is structureel anders.
Ik denk niet dat de juiste beschrijving voor dit nieuwe bedrijf simpelweg "plat" is. Plat betekent alleen minder lagen. Wat we zien, is een diepere verandering. De basiseenheid van de organisatie is niet langer de functie. Het is de pod.
In de oude structuur was het bedrijf opgebouwd rond afdelingen. Product zat op één plek. Design op een andere. Engineering ergens daartussen. QA aan het eind. Het organigram weerspiegelde de overdrachtsketen.
In de nieuwe structuur lijkt het bedrijf meer op een netwerk van kleine pods met veel context. Een pod van 1 tot 3 mensen werkt dicht op het probleem, dicht op de gebruiker en dicht op de AI. Hij bezit een groter deel van de keten van idee tot release. Hij draagt meer context. Hij neemt meer beslissingen. Hij wacht minder.
In een bedrijf met duizenden mensen kan dat niet betekenen dat één CEO honderden pods rechtstreeks aanraakt. Dat schaalt niet. De schaalbare versie is een netwerk van netwerken: pods gegroepeerd in mission clusters, bijeengehouden door gedeelde context, gedeelde smaak, gedeelde helderheid en gedeeld systeemontwerp. Leiderschapslagen blijven bestaan, maar hun taak verandert. Ze zijn geen goedkeuringsbottleneck meer. Ze worden context-routers, interface-ontwerpers en force multipliers. In dat model managet de CEO niet elke pod. De CEO ontwerpt de architectuur waarin veel pods coherent kunnen bewegen, zonder de oude bureaucratie opnieuw op te bouwen. Zo ziet AI-native schaal eruit: geen plattere piramide, maar een ander systeem.
Zodra dat gebeurt, is hiërarchie niet langer het belangrijkste coördinatiemechanisme. Context wordt het belangrijkste coördinatiemechanisme. De belangrijkste vraag is niet meer "Wie rapporteert aan wie?" Het wordt: "Wie heeft echt de context, en wie heeft het oordeelsvermogen om ernaar te handelen?"
Dat verandert ook waar leiderschapslagen voor zijn. In de oude wereld bestond een groot deel van het middenmanagement om te vertalen, samen te vatten, te coördineren en informatie over functionele grenzen te bewegen. In de nieuwe wereld blijven die rollen alleen waardevol als ze zich ontwikkelen tot system builders, kwaliteitsreviewers, talent coaches en pod-overstijgende integrators. De manager als drijfriem zal gestaag aan belang verliezen.
In één zin: de AI-native organisatie is een netwerk van kleine pods met veel context-eigenaarschap, ondersteund door AI-agents, op één lijn gehouden door gedeeld oordeelsvermogen en verbonden door lichte interfaces in plaats van zware hiërarchie.
Het venster om het bedrijf te herschrijven
Als rol-rewrite leidt tot CEO-rewrite, en CEO-rewrite tot org-rewrite, dan is dit geen tooling-upgrade. Het is een company-rewrite. Stop dus met alleen naar je AI-stack staren. Kijk naar je mensen. Kijk naar je structuur.
Stel de moeilijkere vragen. Zitten je mensen nog steeds vast in smalle vertaalrollen? Bereiden je beste koppen nog steeds overdrachten voor in plaats van oordelen te vellen? Is je organigram nog steeds gebouwd voor de oude PM-Designer-Developer-Tester-keten? Liggen beslissingsrechten nog steeds te ver weg van de mensen die de echte context hebben?
AI-toegang kopen is makkelijk. Echte transformatie is moeilijker. Het betekent rollen herontwerpen, eigenaarschap naar kleine pods duwen, infrastructuur opnieuw rond agents bouwen en leiderschap zelf opnieuw definiëren.
De winnaars van dit tijdperk gebruiken niet alleen betere modellen. Ze bouwen sneller om. Ze vervangen overdrachtsketens door pod-netwerken. Ze brengen context naar de rand. Ze leggen de lat hoger voor oordeelsvermogen.
AI herschrijft niet alleen taken. AI herschrijft het bedrijf. Het venster staat nu open. Het blijft niet lang open.