Decennialang was het wervingsmantra voor kleine bedrijven eenvoudig: zoek mensen die het werk kunnen doen. Als u een marketingmanager nodig had, zocht u iemand die teksten kon schrijven en afbeeldingen kon ontwerpen. Als u een junior accountant nodig had, zocht u iemand die spreadsheets kon reconciliëren. We wierven op uitvoering. Maar nu AI voor het mkb verschuift van een speculatieve trend naar een fundamenteel instrument, wordt dat model gevaarlijk verouderd.
Ik heb de afgelopen twee jaar duizenden bedrijven AI zien integreren. Er is een patroon ontstaan dat ik de 'AI-kloof' noem. Dit is de ruimte tussen wat een AI-tool produceert (het 'goed genoeg' concept van 80%) en het voltooide, hoogwaardige resultaat dat daadwerkelijk het verschil maakt voor een bedrijf. De meeste eigenaren denken dat ze deze kloof kunnen overbruggen door simpelweg meer software te kopen. Ze hebben ongelijk. U overbrugt de kloof door te veranderen wie u aanneemt. Uw volgende topwerknemer zou geen 'Maker' moeten zijn die vanaf nul opbouwt; ze moeten een 'Redacteur' zijn die cureert, verfijnt en regisseert.
De dood van de uitvoeringsarbitrage
💡 Wilt u dat Penny uw bedrijf analyseert? Ze brengt in kaart welke rollen AI kan vervangen en bouwt een stappenplan. Start uw gratis proefperiode →
Historisch gezien handelden bedrijven in wat ik 'Uitvoeringsarbitrage' noem. U nam iemand aan omdat diegene beschikte over een specifieke technische vaardigheid die u zelf niet de tijd of het vermogen had om te leren. Zij waren de 'doeners'. In dit model zat de waarde in de output: het voltooide artikel, de kloppende balans, de gecodeerde landingspagina.
AI heeft de waarde van pure uitvoering gedecimeerd. Wanneer een LLM in zes seconden een blogpost van 1.000 woorden kan schrijven of een tool 90% van uw bankreconciliatie kan automatiseren, is de handeling van het 'doen' niet langer een premium vaardigheid. Het is een commodity geworden. Als u nog steeds werknemers aanneemt op basis van het vermogen van een kandidaat om handmatige taken uit te voeren, betaalt u te veel voor een dienst waarvan de kosten snel het nulpunt naderen.
Deze verschuiving is wat ik de 'Architecturale Pivot' noem. We bewegen ons van een wereld waarin mensen de bouwstenen zijn naar een wereld waarin mensen de architecten zijn. De bouwstenen (de uitvoering) zijn nu overvloedig en bijna gratis. De architectuur (de strategie, de curatie, het 'waarom') is waar de schaarste — en dus de waarde — zich nu bevindt.
Introductie van het 'Cureringsplafond'
In mijn werk in verschillende sectoren heb ik een fenomeen opgemerkt dat ik het 'Cureringsplafond' heb genoemd. Omdat AI ons in staat stelt om 10x meer volume te produceren, is de bottleneck voor een bedrijf niet langer de productiecapaciteit. Het is het vermogen om dat volume te filteren, te verfijnen en de kwaliteit ervan te waarborgen.
Een bedrijf dat AI gebruikt om wekelijks 50 generieke LinkedIn-berichten te versturen, zal uiteindelijk tegen het cureringsplafond aanlopen. Hun publiek zal afhaken omdat de inhoud ziel, nuance en strategische afstemming mist. De grens van hun succes is niet de snelheid van de AI; het is het gebrek aan menselijk redactioneel toezicht.
Wanneer u werft voor de AI-kloof, zoekt u iemand die door dit plafond kan breken. Zij 'gebruiken' AI niet alleen; ze houden er toezicht op. Ze begrijpen dat AI een briljante, onvermoeibare, maar af en toe hallucinerende stagiair is. Zij bieden het toezicht van de 'volwassene in de kamer' dat generieke AI-output transformeert in een bedrijfseigen asset.
Het EDIT-raamwerk: Het nieuwe wervingsmodel
Als we niet werven voor het 'doen', waar werven we dan wel voor? Ik raad het mkb aan om het EDIT-raamwerk te hanteren bij het evalueren van nieuw talent in een wereld waarin AI centraal staat.
1. Extract (Extraheren - De Prompters)
Kan de kandidaat het best mogelijke startpunt uit een AI halen? Dit gaat niet alleen over 'prompt engineering' (een term die over drie jaar waarschijnlijk verouderd is). Het gaat over Contextuele Intelligentie. Kunnen zij de AI voorzien van de diepgaande zakelijke context, de klantprofielgegevens en de strategische randvoorwaarden die nodig zijn om een kwalitatief hoogwaardig eerste concept te krijgen?
2. Direct (Dirigeren - De Orkestratoren)
Een 'Redacteur' weet hoe hij tools aan elkaar moet koppelen. Ze gebruiken niet alleen ChatGPT; ze kijken naar hoe ze het kunnen integreren met hun kosten voor HR-software om de onboarding te stroomlijnen, of hoe ze het kunnen gebruiken om data uit hun CRM te analyseren. Ze sturen de werkstroom over meerdere systemen aan.
3. Inspect (Inspecteren - De Critici)
Dit is de meest cruciale vaardigheid. Kan de persoon zien wanneer de AI ernaast zit? Kunnen ze identificeren wanneer een tekst 'robotachtig' klinkt of wanneer een dataset verkeerd is geïnterpreteerd? In een wereld van door AI gegenereerde ruis is 'Smaak' een commerciële slotgracht. Smaak kun je niet aanleren, maar je kunt er wel op selecteren bij de werving.
4. Transform (Transformeren - De Waarde-toevoegers)
Een Redacteur neemt de 80% output van de AI en voegt de 'laatste mijl' aan waarde toe. Dit is de menselijke maat — de persoonlijke anekdote, het contra-intuïtieve inzicht, de specifieke regionale nuance die een AI onmogelijk kan weten. Dit is waar de ROI zit.
Patronen over sectoren heen: Van de gezondheidszorg naar de retail
We zien dezelfde verschuiving in elke sector die ik volg. In de gezondheidszorg kan AI inmiddels röntgenfoto's met ongelooflijke nauwkeurigheid analyseren. De rol van de radioloog verschuift van 'het vinden van de breuk' (uitvoering) naar 'het interpreteren van de klinische betekenis voor de patiënt' (curatie).
In de retail kan AI voorraadniveaus beheren en tekorten voorspellen. De rol van de winkelmanager verschuift van 'dozen tellen' naar 'het cureren van de klantervaring' op basis van wat de data suggereert. Zelfs in de financiële sector is de overgang scherp. U heeft geen boekhouder nodig om handmatig bonnetjes in te voeren; u heeft een strategisch denker nodig die door AI gedreven inzichten kan gebruiken om de cashflow te beheren. Dit is de reden waarom veel van de bedrijven waar ik mee werk afstappen van traditionele rollen en kijken naar hoe Penny zich verhoudt tot een externe CFO voor advies op een hoger niveau.
De 'Agency Tax' en de nieuwe economie van arbeid
Mkb-bedrijven hebben lang wat ik noem de 'Agency Tax' betaald. Dit is de premie die u betaalt aan externe leveranciers voor uitvoerend werk dat hun junior personeel waarschijnlijk al met AI doet. Als u een bureau £2,000 per maand betaalt voor 'contentcreatie' en zij gebruiken AI om 90% van het werk te doen, betaalt u voor hun efficiëntie, niet voor hun expertise.
Door intern een 'Redacteur' aan te nemen, wint u die marge terug. Eén bekwame Redacteur die AI gebruikt, kan vaak de output van een traditioneel uitvoeringsteam van drie personen vervangen. De kostenbesparingen zijn niet slechts marginaal; ze zijn transformatief. Dit vereist echter een verschuiving in hoe u kijkt naar professionele diensten en training. U traint mensen niet alleen in 'hoe ze een tool moeten gebruiken'; u traint ze in hoe ze hun oordeelsvermogen moeten uitoefenen in een geautomatiseerde omgeving.
Hoe herkent u een Redacteur tijdens een sollicitatiegesprek?
Als u wilt werven voor de AI-kloof, stop dan met het vragen aan kandidaten om vanaf nul een 'testopdracht uit te voeren'. Probeer in plaats daarvan deze drie technieken:
- De Kritiektest: Geef ze een door AI gegenereerd werkstuk (een blogpost, een projectplan of een budget) en vraag hen om het volledig te fileren. Vertel ze niet dat het door AI is gegenereerd. De 'Makers' zullen vaak proberen het wat aan te passen; de 'Redacteurs' zullen onmiddellijk het gebrek aan diepgang identificeren en u precies vertellen hoe ze het zouden transformeren.
- De Tool-chain-uitdaging: Vraag hen: "Als je [Taak X] in de helft van de tijd zou moeten voltooien met alleen AI-tools, welke drie zou je dan aan elkaar koppelen en waarom?" U zoekt naar orkestratievaardigheden, niet alleen naar bekendheid met tools.
- De Prompt-naar-product-doorloop: Laat hen een project zien dat ze met behulp van AI hebben voltooid. Kijk niet naar het eindresultaat, maar naar het iteratieve proces. Hoe hebben ze met de AI 'gecommuniceerd'? Hoe hebben ze de AI gecorrigeerd toen deze van de koers afweek?
De mens in het middelpunt van de machine
Ik hoor ondernemers vaak 'De Automatiseringsangst-paradox' uiten: ze zijn doodsbang dat AI hun team zal vervangen, maar tegelijkertijd gefrustreerd over hoe traag hun team AI omarmt.
De oplossing is niet om uw mensen te vervangen; het is om hun functieomschrijvingen te vervangen.
Wanneer u stopt met uw team te vragen om makers te zijn en hen de kracht geeft om redacteuren te worden, gebeuren er twee dingen. Ten eerste neemt hun werktevredenheid vaak toe omdat ze niet langer vastzitten in het 'saaie werk' van pure uitvoering. Ten tweede wordt uw bedrijf aanzienlijk slanker.
We betreden een tijdperk waarin de 'solopreneur' of het 'micro-team' grotere bedrijven kan beconcurreren. Maar dat kunnen ze alleen als ze de AI-kloof overbruggen met menselijk oordeelsvermogen. De tools zijn er. De capaciteit is er. Ga nu de persoon aannemen die weet hoe hij de teugels in handen moet houden.