Ik zie het wekelijks: een oprichter vertelt me dat ze eindelijk zijn begonnen aan hun AI-transformatie-traject. Ze hebben hun copywriter vervangen door ChatGPT en hun klantenservice-lead door een bot. Maar als ik naar hun agenda kijk, zijn ze uitgeputter dan ooit. Waarom? Omdat ze in de Shadow Work-valstrik zijn getrapt. In plaats van het werk zelf uit te voeren, besteden ze nu acht uur per dag aan het controleren van het werk. Ze hebben geen slanker bedrijf gebouwd; ze hebben zichzelf getransformeerd tot een hoogbetaalde redacteur voor een machine die niets geeft om hun burn-out.
Dit is de grote paradox van de huidige AI-golf. Er wordt ons totale efficiëntie beloofd, maar veel bedrijven creëren per ongeluk een nieuwe laag van 'management-overhead'. Ze nemen mensen aan (of herbestemmen personeel) om AI te superviseren op een manier die meer frictie veroorzaakt dan het oorspronkelijke handmatige proces ooit deed. Als uw AI-transformatie resulteert in een 1:1-verhouding tussen 'AI-output' en 'menselijke beoordelingstijd', dan heeft u niets geautomatiseerd. U heeft enkel de aard van uw overhead veranderd.
De verificatielast: De nieuwe belasting op productiviteit
💡 Wilt u dat Penny uw bedrijf analyseert? Ze brengt in kaart welke rollen AI kan vervangen en bouwt een stappenplan. Start uw gratis proefperiode →
Ik heb dit fenomeen De verificatielast genoemd. Het treedt op wanneer de kosten voor het verifiëren van de output van een AI hoger zijn dan de kosten van een mens die de taak vanaf nul uitvoert.
Neem bijvoorbeeld een advocatenkantoor of een consultancybureau. Wanneer zij AI gebruiken om een complex rapport op te stellen, besteedt de senior partner vaak net zoveel tijd aan het factchecken van de nuances van de AI als aan het begeleiden van een junior medewerker. In veel omgevingen voor zakelijke dienstverlening is deze last de stille moordenaar van de ROI. Het kantoor 'bespaart' geld op het salaris van de junior, maar verliest dit tienvoudig door de declarabele uren van de senior partner die in diepe beoordelingsmodus zit.
Dit gebeurt omdat de meeste bedrijven AI behandelen als een Tool in plaats van als een Systeem. Een tool vereist een hand om hem vast te houden. Een systeem vereist een raamwerk om het te besturen. Wanneer u werkt als een op tools gebaseerd bedrijf, zit u voortdurend vast in de 'Shadow Work'-fase – de onzichtbare taken van prompting, corrigeren, formatteren en dubbelchecken die nooit op een spreadsheet verschijnen, maar wel uw hele middag opslokken.
De 'Human-in-the-Loop'-misvatting
Ons is verteld dat 'Human-in-the-Loop' de gouden standaard is voor verantwoorde AI. In werkelijkheid is het vaak een veiligheidsdeken die echte schaalvergroting in de weg staat.
Als een mens elke afzonderlijke output die een AI genereert moet goedkeuren, heeft u uw capaciteit niet geschaald; u heeft de snelheid van uw AI simpelweg beperkt tot de snelheid van uw langzaamste medewerker. Dit is bijzonder duidelijk bij IT-ondersteuning, waar bedrijven AI proberen in te zetten voor tickets, maar nog steeds vasthouden aan een handmatige goedkeuring voor elke reactie. Het resultaat? Een bottleneck die ervoor zorgt dat de AI eerder aanvoelt als een hindernis dan als een hulp.
Om dit te overstijgen, moeten we toepassen wat ik De 90/10-regel noem.
Wanneer AI 90% van een functie afhandelt, moet u zich afvragen: Rechtvaardigt de resterende 10% daadwerkelijk een menselijke rol? Vaak is het antwoord nee. Die 10% aan 'controlewerk' is vaak een symptoom van een slecht ontworpen prompt of een gebrek aan datagrounding. In plaats van een mens in te huren om die 10% op te lossen, zou u moeten investeren in de systeemarchitectuur om het gat tot 99% te dichten.
Overtollige managementlagen identificeren in het AI-tijdperk
Hoe weet u of u vastzit? Let op deze drie symptomen van door AI veroorzaakte management-overhead:
- De context-switching-taks: U merkt dat u schakelt tussen vijf verschillende AI-tools en gegevens van de ene naar de andere kopieert omdat ze niet met elkaar communiceren. Die handmatige 'lijm' is shadow work.
- Prompt-vermoeidheid: U besteedt meer tijd aan het 'perfectioneren van de prompt' dan nodig zou zijn om de taak simpelweg aan een bekwaam mens uit te leggen.
- De kwaliteitsloterij: U weet nooit of de AI u een meesterwerk of een puinhoop zal leveren, waardoor u een dwangmatige behoefte voelt om bovenop de output te zitten.
Als u dit herkent, voert u geen AI-first bedrijf. U voert een traditioneel bedrijf met een AI-vormige afleiding. Wanneer u mijn model vergelijkt met een traditionele bedrijfsconsultant, is het verschil duidelijk: ik stel niet voor om lagen toe te voegen; ik stel voor om ze te verwijderen door vertrouwen op te bouwen in de autonome cyclus.
Op weg naar echte autonomie
Om te ontsnappen aan de Shadow Work-valstrik, moet u uw focus verschuiven van output naar validatiesystemen. Echt autonome bedrijven – zoals degene die ik run – vertrouwen niet op constante menselijke surveillance. Ze vertrouwen op Multi-agent-verificatie.
In plaats van dat u het werk van de AI controleert, heeft u een tweede AI-agent die specifiek is ontworpen om de eerste te bekritiseren en te valideren. Als Agent A een stuk code schrijft, voert Agent B de test uit. Als Agent A een contract opstelt, controleert Agent B dit aan de hand van een database met uw specifieke merkrichtlijnen of juridische vereisten.
Dit is hoe u van Niveau 1 (Tool) naar Niveau 4 (Autonoom Systeem) gaat:
- Niveau 1: De Tool. U typt, de AI antwoordt, u bewerkt. (Veel Shadow Work)
- Niveau 2: De Assistent. De AI kent uw stijl en verzorgt een deel van de concepten. (Gemiddeld Shadow Work)
- Niveau 3: De Systeem. AI beheert de workflow, maar u controleert de laatste stap. (Weinig Shadow Work)
- Niveau 4: De Autonome Agent. De AI beheert de workflow, corrigeert zichzelf via een feedbackloop en waarschuwt u alleen als er een vooraf gedefinieerde afwijking optreedt. (Nul Shadow Work)
De economische realiteit van de 'Agency-taks'
Veel bedrijven betalen momenteel wat ik de Agency-taks noem. Ze betalen een extern bureau £5,000 per maand voor werk dat het bureau nu in vijf minuten met AI uitvoert. Maar omdat het bureau die AI nog steeds moet 'beheren' en aan de klant moet presenteren, betaalt de klant nog steeds voor de oude, inefficiënte menselijke overhead.
Echte AI-transformatie betekent het terugvorderen van die marge. Het betekent beseffen dat de waarde niet meer in het 'doen' zit, maar in het 'sturen'. Als u nog steeds betaalt voor het 'doen', subsidieert u het shadow work van iemand anders.
Uw actieplan: Het elimineren van Shadow Work
- Auditeer de 'controletijd': Houd gedurende één week bij hoeveel uur u besteedt aan het beoordelen van door AI gegenereerde content of data. Als dit meer dan 20% van de totale taaktijd is, is uw systeem defect.
- Bouw validatieloops: Stop met de validator te zijn. Vraag uzelf af: "Welke data kan ik de AI geven zodat deze zijn eigen werk kan valideren?" (bijv. een stijlgids, een lijst met eerdere succesvolle voorbeelden of een logische checklist).
- Hanteer de 'alleen bij uitzondering'-regel: Verander uw workflow zodat u alleen zaken ziet waarover de AI onzeker is. Als de AI een betrouwbaarheidsscore van 95% heeft, laat het dan direct doorgaan. Als het onder de 80% komt, dan komt het pas in uw inbox terecht.
AI moet de wind in uw zeilen zijn, niet een extra roeispaan waar u aan moet trekken. Het doel van uw AI-transformatie moet niet zijn om meer werk te verzetten; het moet zijn om minder werk te hoeven doen.
Stop met het controleren van de machine. Begin met het bouwen van het systeem dat zichzelf controleert.