Binnenkort kan iedereen alles maken. Dan begint het pas.

Vier kleine statuslampjes op een modem. Dat was mijn hele dag.

Ik bouw mijn eigen internetprovider. Ergens op de site staat een blok dat een modem toont: stroom, DSL, internet, WiFi. Als de vaste lijn wegvalt, wordt één lampje oranje en verandert het label eronder. Het is een piepklein stukje interface waar niemand mij ooit voor zal bedanken. En het kostte een volledige werkdag.

De AI produceerde tientallen varianten in minuten. De animatie was te snel, toen te langzaam. De oranje kleur klopte niet. De afstand tussen de lampjes maakte er een kerstversiering van in plaats van hardware. De puls was symmetrisch, wat echte LED's nooit zijn. Elke correctie die het omzette van "technisch werkend" naar "daadwerkelijk goed" kwam van mij. Niet één ervan kwam van het model.

Dus dit is het punt dat mij 's nachts wakker houdt, en het is niet de code. Het is wat er gebeurt als iedereen in tien seconden veertig varianten van van alles kan genereren, en bijna niemand kan zeggen welke de goede is.

De crisis is echt. Doen alsof niet is geen strategie.

Laat me duidelijk zijn over het deel dat de meeste mensen overslaan. Er komt een ernstige economische disruptie aan, en die zal er niet uitzien als de vorige.

Eerdere automatiseringsgolven troffen handarbeid. Machines namen de arm over, niet het argument. Kenniswerk was de veilige haven: ga naar school, leer denken, verkoop jouw oordeelsvermogen. Die haven wordt nu uitgebaggerd. Opstellen, samenvatten, eerste analyses, standaardcode, standaardvoorstellen, instapniveau-onderzoek: dit is precies het werk dat modellen doen tegen bijna nul marginale kosten.

Daarom komt de pijn keihard terecht bij de mensen die te horen kregen dat ze alles goed hadden gedaan. Junior advocaten. Analisten. Copywriters. Developers in een eerstelijnsfunctie. De onderste sport van de kennisladder wordt afgezaagd, en dat is precies de sport waar je vroeger het vak leerde.

Dat is echt disruptief en ik weiger het mooier te maken. Maar het is niet het einde van het verhaal. Want als de kosten van executie instorten, wordt er iets anders waardevol, en dat gebeurt snel.

De beperkende factor is niet langer geld, tijd of capaciteit. De beperkende factor is of je weet hoe goed eruitziet, en of je keer op keer nee kunt blijven zeggen tegen de negenendertig varianten die bijna goed zijn. Kill your darlings.

Wat de modem me leerde over schaarste

Het interessante deel van die dag was niet de output. Het was de volgorde.

Het model gaf mij opties. Ik gaf het richting. Ik keek naar een variant en dacht: dit is dichtbij, en dichtbij is de vijand. Toen zei ik weer nee, en beschreef wat er mis was in woorden specifiek genoeg om op te handelen. "Te snel" is nutteloos. "Het oranje moet in 400 milliseconden opbouwen en dan vasthouden, omdat een echte LED thermische traagheid heeft" is een briefing.

Benoemen wat er mis is, is een vaardigheid. Het is geen technische vaardigheid. Het is de vaardigheid die je opbouwt door duizenden dingen te bekijken die door anderen zijn gemaakt en langzaam een mening te ontwikkelen over waarom sommige daarvan werken.

Bovendien deed het referentiemateriaal ertoe. Ik wist hoe een modem eruitziet op een plank bij schemering. Ik had genoeg interfaces gezien om te weten dat vier gelijk verdeelde stippen als decoratie overkomen en vier ongelijk verdeelde stippen als apparaat. Niets daarvan kwam uit een prompt. Het kwam voort uit aandacht besteden aan de wereld.

Het gevolg is dat de economie is omgeslagen op een manier waar elke ondernemer van moet opkijken. Iets moois bouwen was vroeger duur. Je had een studio nodig, een designteam, een front-end developer, een copywriter, drie feedbackrondes en zes weken. Nu kan een eenmansbedrijf werk leveren met de finish van een groot merk, mits die ene persoon smaak heeft.

Dat is het renaissance-gedeelte. Niet "AI maakt iedereen creatief." Het tegenovergestelde: AI maakt creatie goedkoop, wat betekent dat het onderscheidend vermogen volledig verschuift naar oordeelsvermogen. En oordeelsvermogen schaalt prachtig voor wie het heeft, en helemaal niet voor wie het mist.

Waarom dit een argument is vóór kunstonderwijs,
niet ertegen

Hier verlies ik de helft van de zaal. Precies nu, midden in een AI-transitie, zouden scholen en universiteiten moeten investeren in kunst en cultuur. Niet erop bezuinigen.

Elke begrotingscyclus sneuvelen dezelfde vakken als eerste. Muziek. Drama. Kunstgeschiedenis. Studiopraktijk. Ze worden afgeschilderd als luxe, en technologie wordt afgeschilderd als de serieuze investering. Die framing klopt economisch nu niet meer.

Want wat leer je eigenlijk in een fatsoenlijk kunstprogramma?

Je leert kijken

Je leert om langer dan drie seconden bij iets stil te staan en te merken waarom het niet werkt. Dit is precies de vaardigheid die een bruikbare prompt onderscheidt van een nutteloze. Wie het gebrek niet ziet, kan de oplossing niet beschrijven.

Je leert afmaken

Studiowerk is daar meedogenloos in. Er is een verschil tussen een schets en een afgewerkt stuk, en iedereen in de zaal ziet dat. Het AI-tijdperk verdrinkt in schetsen die als afgewerkt werk worden gepresenteerd. Weten waar die grens ligt, is een commercieel voordeel geworden.

Je leert kritiek incasseren

Werk gaat aan de wand. Mensen bediscussiëren het hardop, met redenen. Dan herzie je het. Die cyclus - maken, verdedigen, horen, herzien - is de meest overdraagbare gewoonte die ik ken. De meeste bedrijven hebben deze vervangen door een duimpje omhoog in Slack.

Je leert dat geschiedenis bestaat

Kunstgeschiedenis leert je dat alles ergens naar verwijst. Je bouwt voort op wat eraan voorafging omdat je weet wat eraan voorafging. Modellen zijn getraind op het hele corpus; als je niet herkent wat ze echoën, kun je het niet sturen.

Mijn argument is dus niet "voeg meer vakuren toe." Dat mist het punt volledig. Mijn argument is dat de werkmethode van de studio - goed kijken, het gebrek benoemen, de keuze verdedigen, herzien, afmaken - thuishoort in elk vak. In wiskunde. In economie. In engineering. In salestraining, wat dat betreft.

Wat dit betekent op maandagochtend

Dit is niet alleen een onderwijsdebat. Het speelt nu al in jouw bedrijf, in de kwaliteit van wat jouw team oplevert.

Ik zie het constant. Een team omarmt AI, de outputvolume verdrievoudigt, en de kwaliteit zakt stilletjes door de vloer. Niemand merkt het omdat er van alles meer is. Dat patroon is hetzelfde als wat ik beschreef in AI maakt jouw verkopers slordiger, niet scherper: de tool versterkt welke discipline er ook al was. Geen discipline, geen versterking die de moeite waard is.

De ongemakkelijke vraag is niet "gebruiken we AI genoeg." Het is "weet hier nog iemand hoe goed eruitziet, en heeft die persoon het gezag om nee te zeggen."

• Als je kijkt naar wat jouw organisatie vorige maand met AI heeft opgeleverd, kun je eerlijk zeggen dat de zwakke plekken technisch van aard zijn, en geen falend oordeelsvermogen
• Jouw team weet waar de grens ligt bij een taak: bij "het werkt" of bij "het is goed", en die grens is expliciet in plaats van aangenomen
• Werk wordt hardop bekritiseerd, met argumenten, voordat het de deur uitgaat
• Er is een geplande herzieningsronde voor werk dat ertoe doet, in plaats van de eerste acceptabele versie op te leveren
• Iemand in de kamer heeft het aanzien om negenendertig bijna-goede varianten af te wijzen zonder te horen krijgen dat hij de boel vertraagt
• Jouw volgende wervings- of trainingsbudget zet technologie en cultuur naast elkaar in plaats van ze als concurrerende begrotingsposten te behandelen
• Je weet welke vakken als eerste sneuvelen op de scholen bij jou in de buurt, en of dat toevallig de vakken zijn die oordeelsvermogen trainen

Twee of meer niet aangevinkt en je hebt geen AI-probleem. Je hebt een smaakprobleem in een AI-jasje, en meer tools toevoegen maakt het erger.

The ODB Way

De meeste AI-projecten waar ik binnenstap, falen niet op capaciteit. Ze falen omdat niemand heeft vastgelegd hoe goed eruitziet, voordat de machine werd aangezet die er meer van maakt.

Dus daar beginnen we. In FRAME kijken we naar de daadwerkelijke output, niet naar de lijst met tools. Waar breekt de kwaliteit af, en is dat een modelprobleem, een procesprobleem of een oordeelsprobleem? In MAP maken we de standaard expliciet: wat "klaar" betekent, wie beslist, en waar de herzieningsronde in de flow past. Pas dan gaan we BUILDen, want het automatiseren van een ongedefinieerde standaard industrialiseert alleen maar middelmatigheid. In PROVE blijft de cyclus open: maken, bekritiseren, herzien, opleveren. De studiomethode, verankerd in AI-processen.

Dat is ook waarom ik blijf beweren dat tooling het makkelijke deel is. Het lastigere werk is het ontwerpen van het proces eromheen, en dat is precies het punt van een slecht salesproces wint het altijd van een goede verkoper, en waarom de AI-stack achter ODB Growth bewust klein en scherp gekozen is in plaats van lang en indrukwekkend.

Het oranje lampje op dat modemblok is nu goed. Het bouwt in 400 milliseconden op, houdt vast, en het label eronder verandert in iets wat een mens daadwerkelijk zou zeggen. De AI schreef elke regel ervan. Ik nam elke beslissing die ertoe deed.

Straks kan iedereen alles maken. Dat is niet het einde van het werk. Dat is wanneer het werk eindelijk begint.