"AI gaat jobs vernietigen."
We horen het inmiddels zo vaak dat het bijna klinkt als een vaststaand feit. Alsof de toekomst al geschreven is en we alleen nog wachten op de uitvoering. Complete beroepsgroepen zullen verdwijnen. De discussie gaat nauwelijks nog over óf dat zal gebeuren, maar vooral over wanneer.
Daarom is het interessant om terug te kijken naar een beroep waarvan ooit met grote zekerheid werd voorspeld dat het als eerste zou verdwijnen: de radioloog.
Enkele jaren geleden, toen ChatGPT doorbrak, ging dat verhaal viraal. De redenering was eenvoudig. Computers leerden medische scans analyseren en werden daar steeds beter in. In sommige testen presteerden ze zelfs beter dan menselijke experts. Een algoritme wordt niet moe, raakt niet afgeleid en heeft geen slechte dag. Het mist geen subtiele afwijking omdat het al tien uur naar beelden heeft gekeken.
De conclusie leek dan ook vanzelfsprekend. Als een machine scans beter kan lezen dan een mens, waarom zouden we nog radiologen opleiden?
Maar toen gebeurde wat zo vaak gebeurt met voorspellingen over technologie: de werkelijkheid hield zich niet aan het script.
Vandaag zit inderdaad in bijna elke moderne scanner een vorm van AI die artsen helpt om afwijkingen sneller te detecteren. Tegelijkertijd is de vraag naar radiologen groter dan ooit. Beide vaststellingen zijn tegelijkertijd waar. AI heeft de radioloog niet vervangen. Het is een hulpmiddel geworden binnen het werk van de radioloog. Daardoor kunnen specialisten meer onderzoeken verwerken, sneller werken en zich sterker concentreren op de complexe gevallen waar hun expertise het meeste verschil maakt.
De fout zat niet in de technologie. Die werkte namelijk gewoon. De fout zat in de aanname dat de toekomst zich in een rechte lijn ontwikkelt.
Dat doen we voortdurend. We kijken naar wat vandaag gebeurt en trekken die lijn door naar morgen.
Op papier klinkt dat logisch. Alleen vergeten we alle krachten die zo'n rechte lijn doen afbuigen.
Hetzelfde zagen we al eerder. Toen spreadsheets hun intrede deden, voorspelden velen dat accountants overbodig zouden worden. Het tegenovergestelde gebeurde. Omdat berekeningen plots snel en goedkoop konden worden gemaakt, gingen bedrijven veel meer financiële vragen stellen. De behoefte aan financiële expertise groeide.
De inhoud van de job veranderde ook. De accountant besteedt minder tijd aan rekenen en meer aan analyseren en advies geven. De radioloog besteedt minder tijd aan routinecontroles en meer aan complexe diagnoses. Wat volgens de voorspellingen zou verdwijnen, blijkt in werkelijkheid vaak te worden herschikt.
Jensen Huang, CEO van Nvidia en een van de belangrijkste architecten van de huidige AI-golf, formuleerde dat tijdens Adobe Summit 2026 treffend. Volgens hem verwarren we vaak de taken van een job met het doel van een job. AI is uitstekend in het automatiseren van taken, maar veel minder goed in het overnemen van het onderliggende doel waarvoor een beroep bestaat.
De taak van een radioloog is het analyseren van een scan. Het doel van een radioloog is een patiënt helpen diagnosticeren en behandelen. Wanneer de eerste taak wordt geautomatiseerd, verdwijnt het tweede doel niet. Integendeel.
Daarin schuilt misschien een nuttiger manier om naar de impact van AI te kijken. Niet elke job bestaat uit een verzameling losse taken. Sommige beroepen zijn diep verankerd in een bredere verantwoordelijkheid, een menselijke relatie of een concreet resultaat.
De jobs die het kwetsbaarst zijn voor automatisering, zijn vaak jobs waarvan de volledige waarde samenvalt met de uitvoering van taken. De jobs die standhouden, zijn meestal gekoppeld aan een doel dat verder reikt dan die taken alleen.
Misschien is dat ook de reden waarom de vraag "Zal AI mijn job vervangen?" niet bijzonder nuttig is. Niemand kan daar vandaag met zekerheid op antwoorden. En wie dat wel beweert, overschat meestal zijn voorspellend vermogen.
Een interessantere vraag is: "Hoe verandert mijn werk wanneer deze technologie overal beschikbaar wordt?"
Die vraag vertrekt van twee aannames die historisch gezien vaak juist blijken. De eerste is dat de technologie inderdaad ingeburgerd zal raken. De tweede is dat het werk meestal niet volledig verdwijnt, maar een andere vorm krijgt. Gaandeweg verschuift de aandacht dan naar iets nuttigers: niet het verdedigen van de huidige manier van werken, maar het ontdekken van de volgende versie ervan.
Datzelfde principe geldt niet alleen voor beroepen, maar ook voor bedrijven en softwareproducten. Wanneer een nieuwe technologie verschijnt, is de relevante vraag niet welke functies ze kan kopiëren. De relevante vraag is welk doel het product helpt bereiken.
Software die in essentie bestaat uit schermen, formulieren en rapporten, en uit handelingen die gebruikers telkens opnieuw moeten uitvoeren, loopt een risico. Dat zijn digitale versies van jobs die voornamelijk uit taken bestaan. AI wordt steeds beter in precies dat soort activiteiten.
Maar software die mensen helpt een belangrijk doel te bereiken, bevindt zich in een sterkere positie. Klanten kopen immers zelden software omwille van de schermen. Ze kopen software omdat ze meer omzet willen realiseren, klanten willen behouden, kosten willen verlagen of betere beslissingen willen nemen. Dat onderliggende doel blijft bestaan, ook wanneer de technologie verandert.
Dat AI veel taken zal overnemen, staat nauwelijks ter discussie. Maar vandaag zeggen dat AI alle jobs zal vernietigen, is dezelfde denkfout als beweren dat AI helemaal geen jobs zal vernietigen. In het laatste geval steek je je kop in het zand. In het eerste geval kies je voor de intellectueel luiste oplossing: de pessimistische hopeloosheid. In beide gevallen wordt een complexe toekomst gereduceerd tot een eenvoudige rechte lijn.
De realiteit is dat niemand weet hoe dit verhaal afloopt. Ik weet het niet. Jensen Huang weet het niet. De journalist die de meest spectaculaire voorspelling breed uitsmeert over de krantenpagina, weet het evenmin.
Spectaculaire doemscenario's krijgen meer aandacht dan genuanceerde analyses. Maar aandacht krijgen en gelijk hebben zijn twee verschillende dingen.
Meer dan een eeuw geleden merkte Charles Darwin al iets op dat vandaag nog altijd relevant is. Het is niet onze taak om de toekomst te voorspellen. Onze taak is om ons eraan aan te passen.
Makkelijk is dat niet, want we voelen onzekerheid, en dat druist in tegen de menselijke natuur. Maar misschien zit er echt niets anders op dan te doen wat Rainer Maria Rilke een eeuw geleden al aanraadde: geduld hebben met alles wat nog onopgelost is, en de vragen zelf leren koesteren in plaats van te jagen op antwoorden die we nog niet kunnen vinden.