De AI-kennisval: Bezint eer ge begint met massale ontslagen
In eerdere blogs over AI-agents als de kantoorrobots van de 21e eeuw en AI in de cockpit – wie heeft de controle? waarschuwde ik voor de risico’s van te snelle automatisering zonder menselijke grip. Nu, in november 2025, zien we dat gevaar werkelijkheid worden. De recente golf ontslagen in de techsector wordt vaak verkocht als AI-gedreven efficiëntie, maar creëert een sluimerende catastrofe: verlies van kennis die organisaties nog niet kunnen missen.
De AWS-storing van 20 oktober is een scherp voorbeeld. Een lege DNS-record legde de US-EAST-1-regio ruim 15 uur plat. AI-systemen wisten het probleem niet te isoleren, terwijl ervaren engineers dat waarschijnlijk in korte tijd hadden opgelost. De kosten liepen op tot tientallen miljoenen euro’s – schattingen variëren van 34 miljoen dollar per uur tot een totaal van 581 miljoen. Het incident toont hoe kwetsbaar bedrijfsstructuren worden als expertise té snel verdwijnt. Wie te hard en te snel op AI leunt, snijdt zichzelf in de vingers. Ik heb dat helaas te vaak meegemaakt: zuinigheid versus zekerheid.
De schaal van de ontslaggolf
Dit jaar hebben ruim zeshonderd techbedrijven wereldwijd honderduizenden banen geschrapt. Oktober spande de kroon met 153.074 ontslagen in de totale economie – een stijging van 175 procent ten opzichte van vorig jaar – waarvan 33.281 specifiek in tech. In november gaat de trend door: IBM kondigde duizenden ontslagen aan en SAS verliet China met 400 job cuts.
Veel organisaties gebruiken AI-adoptie als rechtvaardiging. De focus ligt op OPEX-verlaging, terwijl het grotere gevaar wordt genegeerd: de groeiende CAPEX-kosten van AI-infrastructuur én de vernietiging van onvervangbaar menselijk kapitaal. AI versnelt processen, maar mist nog de volwassenheid om complexe situaties zelfstandig te overzien. Ontslagen domein-experts komen niet vanzelf terug.
Zoals ik eerder schreef in De Digitale Trias Politica draait het om balans: zowel soevereiniteit, autonomie als accountability vragen om menselijke controle. Zonder die controle ontstaat een blinde vlek waar AI niet voor kan compenseren. Het is immers geen menselijke intelligentie met gevoel, instinct en ‘onderbuik-gevoel’. AI zonder menselijke inbreng vraagt een (geprogrammeerde) precisie en flexibiliteit die het nog lang niet levert.
Lessen uit de fabrieksautomatisering
Mijn ervaring met de automatisering van fabrieken laat precies zien wat er nu ook misgaat. In Komen de robots eindelijk thuis? beschreef ik hoe we handmatig bestuurde machines vervingen door computergestuurde systemen. Dat gebeurde nooit in één klap. We begonnen klein, testten, bouwden kennis op en schaalden zorgvuldig op. Machine-programmeren en kwaliteitsbeheersing rond robotlijnen werden nieuwe vakgebieden. Automatisering vraagt nieuwe expertise en doorlooptijd.
Een oude fabrieksstructuur met 1.000 praktisch geschoolde medewerkers veranderde in een mix van 100 hooggeschoolde technici, programmeurs en machineleiders, aangevuld met een (resterend) klein deel handmatige productie voor uitzonderingen, storingen of onvolkomenheden. Ook het ontwerpen van een volledig geautomatiseerde fabriek en de daarin te produceren onderdelen bleek vak een zware technische opgave. We moesten nieuwe deskundigheid opbouwen in het product- en productie- ontwerpproces of die inhuren via gespecialiseerde bureaus.
Automatiseren verandert je bedrijf
Automatisering dwong product- en productie-aanpassingen af. Onderdelen moesten maakbaarder worden voor robots: minder variaties en eenvoudiger assemblages. Dat leverde betere kwaliteit, hogere efficiency en kortere doorlooptijden op, maar vroeg veel ervaringstijd. Het maakte geïntegreerde MRP/ERP systemen steeds noodzakelijker. Het leidde ook tot een verschuiving van OPEX naar CAPEX, met hogere investeringen maar wel de mogelijkheid sneller naar meerdere ploegen op te schalen. De flexibiliteit en productiviteit ging omhoog maar de technische kwetsbaarheid ook.
Eén les stond steeds centraal: automatisering werkt alleen als je eerst de expertise ontwikkelt voor jouw product, jouw proces en jouw klanten. Dat patroon herhaalt zich nu met AI als kantoorrobot. Diensten moeten eenvoudiger en consistenter worden zodat AI ze kan leveren, net zoals onderdelen maakbaarder werden voor robots. Dat vergt mensen die AI kunnen ontwerpen, integreren, testen en verfijnen. Die vaardigheid bestaat nog nauwelijks in de markt en is dus nauwelijks zijn te huren of te kopen. Begin klein, bouw kennis op en schaal pas op wanneer het werkt. Iedereen di met AI start, glijdt al snel van de hype-curve af en ontdekt dat het niet zo makkelijk is als men dacht.
De hybride weg vooruit
Bezint eer ge begint. Een duurzame AI-transitie vraagt om een hybride aanpak waarin mens en machine samenwerken. De eerste stap is investeren in vaardigheden die AI werkbaar maken, bijvoorbeeld expertise in orchestration tools als Kubernetes of kennis van ethische AI-kaders onder de EU AI Act, die organisaties dwingt tot risk-assessments en kennisbehoud.
Organisaties die AI willen integreren
doen er goed aan pilotprojecten te starten zonder meteen kenniswerkers te lossen. Word eerst productiever dan nodig en schaal die ‘over-productiviteit’ later terug. Minder werven is ook vaak verstandiger dan massaal schrappen. Externe bureaus kunnen helpen bij het ontwerp van AI-gedreven diensten, net zoals ingenieursbureaus dat vroeger deden voor geautomatiseerde productielijnen. Ik zie steeds meer bedrijven die deze deskundigheid al bij anderen opbouwden, ook in mijn eigen beroepspraktijk. Vaak ook kon ik zeer ervaren, jong gepensioneerden met een beperkte inzet op jaarbasis aan ons binden. Fantastisch als het opeens een keer spaak loopt: verzilvering van de vergrijzing
Zorg daarnaast dat bestaande kennis niet wegvloeit, zeker niet abrupt. Omscholingsprogramma’s maken teams AI-ready en helpen diensten aanpassen aan wat AI efficiënt kan leveren. Medewerkers kunnen vaak meer dan organisaties denken. AI is een nieuw productiviteitsinstrument waar mensen graag mee willen leren werken. Het is geen vervanger van menselijk inzicht. Bedrijven die hybride omarmen – zoals Google met interne AI-academies – zien zo 20 tot 30 procent productiviteitswinst zonder massale ontslagen. Zonder die aanpak riskeren organisaties niet alleen meer AWS-achtige storingen, maar ook een structurele verzwakking van hun innovatiekracht.
Conclusie: van disruptie naar duurzame balans
De ontslaggolf van 2025 is een wake-up call. AI biedt enorme potentie, maar te snelle vervanging van mensen leidt tot een kennisval en vergroot het risico op grote storingen. De lessen uit fabrieksautomatisering zijn vandaag relevanter dan ooit: bouw stap voor stap, ontwikkel expertise, pas processen aan en creëer hybride teams.
Kennis komt te voet en gaat te paard. Dat vraagt om zorgvuldigheid en strategisch geduld.
Wat zijn jullie ervaringen intussen met AI-transities in jullie organisatie? Deel ze in de comments. Misschien ligt daar de inspiratie voor de volgende blog in deze serie.
Door: Hans Timmerman (foto)
