Veel mensen praten over AI alsof het een strategisch experiment is. In werkelijkheid verandert het iets fundamentelers: de kostenstructuur van kenniswerk.

Taken die gisteren nog drie uur vroegen van een specialist, worden vandaag in minuten voorbereid door een model. En die verschuiving gaat sneller dan de meeste organisaties verwachten.

Dat verschil stapelt zich op. Niet als innovatieproject, maar als structureel kostenvoordeel.

De kern is eenvoudig. Kosten in kennisorganisaties worden grotendeels bepaald door tijd. Tijd van specialisten. Tijd van analisten. Tijd van juristen, marketeers, developers.

Maar zodra de duur van taken structureel verschuift van uren naar minuten, verschuift automatisch de onderliggende kostenbasis.

Dat is geen innovatievraag. Dat is een rekensom.

Van technische ontwikkeling naar economische impact

Er wordt veel geschreven over AI. Over taalmodellen, reasoning en AI-agents. Nuttige begrippen voor wie de techniek wil begrijpen. Maar voor wie wil snappen wat AI betekent voor zijn of haar organisatie, is er een veel eenvoudigere manier om ernaar te kijken. Niet kijken naar hoe het werkt, maar naar wat het doet.

AI is technologie die taken van ons over kan nemen. Eerst kleine, nu steeds grotere. Dat is het. Geen hype. Werk dat voorheen door mensen werd gedaan, verschuift naar AI. En dat werk wordt steeds complexer. En de omvang van dat werk groeit in een tempo dat de meeste mensen onderschatten.

Zichtbare innovatie

De eerste plek waar het tempo van de ontwikkeling zichtbaar werd, is softwareontwikkeling. Dat is niet toevallig.

• Code is digitaal, gestandaardiseerd en goed meetbaar.
• Er zijn voldoende voorbeelden beschikbaar waarop AI kan trainen.

De randvoorwaarden lagen er al. Code is gestructureerd, digitaal en in grote hoeveelheden beschikbaar. Precies de omstandigheden waarin AI snel leert.

Twee jaar geleden kopieerden ontwikkelaars stukjes code van ChatGPT naar hun editor. Vandaag werken ze met AI-agents die zelfstandig complete functies bouwen, bugs opsporen, code reviewen en hele applicaties opleveren. De ontwikkelaar geeft het doel aan, AI voert uit.

Een paar praktijkvoorbeelden:

Een racegame in een dag: GPT-5.3 Codex maakte in één keer een complete racegame, met acht banen en extra’s die je tijdens het spel kunt gebruiken.

Historische ontdekkingen: In de transcripten van de Apollo 11-missie ontdekte Gemini patronen en details die decennialang onopgemerkt bleven. In de communicatie tussen de astronauten en Houston ontdekten ze subtiele grapjes die onderling werden gemaakt.

Alle problemen opgelost: Claude Opus 4.6 kan zelfstandig werken aan hele grote softwareprojecten. Bij een bedrijf met vijftig mensen loste het in één dag dertien problemen op, verspreid over meerdere delen van de software, en het wist ook wanneer er even een mens moest meekijken.

Dit zijn geen toekomstscenario’s. Dit is nu.

Waar dit nu de kostenbasis raakt

Software liep voorop omdat de kennis volledig digitaal beschikbaar was. Maar dezelfde combinatie ontstaat nu in andere kennisintensieve domeinen: krachtige modellen gecombineerd met gestructureerde, toegankelijke informatie.

Daar verschuift niet alleen productiviteit. Daar verschuift de economische logica.

Kennisproducten: Uitgeverijen die juridische, fiscale of medische kennis beheren, leveren traditioneel informatie waarmee professionals zelf conclusies trekken. AI kan regelgeving interpreteren, combineren met een specifieke casus en direct een onderbouwd advies leveren. De waarde verschuift van informatie naar directe beantwoording. Daarmee verandert ook de prijslogica.

Sales: Een salesmanager die na een klantgesprek een voorstel opstelt, besteedt daar vaak uren aan. AI analyseert de volledige gespreksopname, combineert dit met CRM-data en interne referenties en genereert een volledig voorstel inclusief onderbouwing. De rol verschuift van schrijven naar controleren. Drie uur werk wordt vijftien minuten review.

Finance: Financiële analyses die voorheen uren kostten, worden in minuten gegenereerd. Modellen combineren spreadsheets, marktdata en interne prognoses en leveren conclusies met afwijkingen en risico-inschattingen. Dat verandert niet alleen snelheid, maar ook schaal.

Marketing: Campagnes worden voorbereid met analyse van klantfeedback, contentvarianten, A/B-testopzetten en volledige landingspagina’s. Wat eerder meerdere specialisten betrok, wordt nu voorbereid door één systeem en gecontroleerd door een team.

HR en juridisch: Contractanalyse, compliance-checks en beleidsdocumenten verschuiven van schrijfwerk naar controlewerk. De output blijft menselijk, maar de productie verschuift.

De taken worden groter. En dat tempo versnelt.

Wat vandaag nog uren kost, verschuift in korte tijd naar minuten. En daarna naar volledig geautomatiseerde uitvoering.

Onderzoeksorganisatie METR meet structureel hoe lang de taken zijn die AI zelfstandig kan uitvoeren. Ze zetten dat af tegen de tijd die een menselijke expert nodig heeft voor dezelfde taak.

In 2021 kon AI met GPT-3.5 taken aan van seconden tot een minuut. In 2023, met GPT-4, ging het om taken van enkele minuten. Begin 2026 zitten we op taken van uren: complete functionaliteiten of uitgebreide rapporten.

De duur en complexiteit van taken die AI zelfstandig aankan, verdubbelen ongeveer elke zeven maanden. Dat betekent dat AI in korte tijd steeds grotere taken zelfstandig uitvoert.

Organisaties die nu nog denken in minuten, lopen straks achter op partijen die al op uren en volledige processen sturen.

Bij taken van seconden was de financiële impact beperkt. Bij taken van minuten ontstond productiviteitswinst. Bij taken van uren verschuift werk fundamenteel. Wat voorheen meerdere FTE’s vroeg, wordt herverdeeld.

Organisaties die AI blijven zien als hulpmiddel, onderschatten hoe snel taken verschuiven van minuten naar uren.

Wat fundamenteel verandert

De verschuiving van seconden naar uren is geen technisch detail. Het betekent dat AI niet langer een tool is, maar een uitvoerende laag in de organisatie.

• Bij taken van seconden was AI een handigheidje.
• Bij taken van minuten een productiviteitstool.
• Bij taken van uren wordt AI een digitale collega die zelfstandig werk oplevert.

Als de trend van METR doorzet, voeren AI-agents over twee tot drie jaar taken uit die nu dagen of weken kosten. Projecten. Onderzoeken. Implementaties.

Dit betekent niet dat mensen verdwijnen. Het betekent dat rollen verschuiven. Van uitvoeren naar sturen. Van schrijven naar controleren. Van zoeken naar beslissen.

En dat heeft directe gevolgen voor kostenstructuur, capaciteit en concurrentiepositie.

Van begrip naar beweging

Je hoeft niet precies te weten hoe een taalmodel werkt om AI effectief in te zetten. Wat je wél moet begrijpen, is dat de duur van taken structureel verandert.

En wie de taakduur verandert, verandert de kostenbasis.

De vraag is daarom niet of AI groter wordt. De vraag is hoe snel jouw organisatie de nieuwe economische realiteit verwerkt in haar processen, functies en besluitvorming.

Plan een gesprek en ontdek waar AI vandaag al uren werk kan terugbrengen tot minuten.

Over de auteur

Jeroen van Steijn is Team Lead Data & AI bij Delta-N en helpt organisaties om data en AI strategisch én verantwoord in te zetten. Hij verbindt techniek met businessdoelstellingen en zorgt dat innovaties niet alleen slim zijn, maar ook veilig en beheersbaar zijn.

De vraag is niet of AI groter wordt. De vraag is of jouw organisatie meegroeit. Plan een gesprek en verken waar AI vandaag al uren werk kan terugbrengen tot minuten.