De Dag dat AI Beter Werd dan Ik

Het was een dinsdagavond in oktober, halfelf. Drie uur aan een bug gezeten. Het soort bug dat zich verstopt achter vier lagen abstractie, dat zich gedraagt als een schaduw: verdwijnt zodra je er direct naar kijkt.

De codebase doorzocht. Stack Overflow geconsulteerd. GitHub issues gelezen van mensen die misschien hetzelfde probleem hadden gehad. Niets.

Op een gegeven moment, uit frustratie meer dan uit verwachting, beschreef ik het probleem in detail aan Claude. De volledige foutmelding, de architectuur, wat ik al had geprobeerd.

Claude antwoordde in twaalf seconden.

Het antwoord was correct. Niet "misschien probeer dit", maar correct. De exacte oorzaak, uitgelegd waarom die oorzaak het gedrag veroorzaakte dat ik zag, drie mogelijke oplossingen in volgorde van impact. De eerste werkte direct.

Wat volgde was niet bewondering. Het was rationalisatie.

De eerste reactie: ontkenning

De gedachten kwamen snel achter elkaar.

Het was een simpele bug. (Het was dat niet.)

Ik was moe, dat is alles. (Misschien. Maar Claude had geen slaap nodig.)

Het had puur geluk. (Geluk werkt niet zo consequent als dit bleek te werken.)

Ik bedacht waarom het antwoord eigenlijk niet zo indrukwekkend was. Ik kende de context beter. Ik had de bedrijfslogica in mijn hoofd. Claude had alleen die specifieke snippet gezien.

Technisch gezien klopte dat allemaal.

Maar het klopte niet als verklaring. Want de bug was gevonden. De code werkte. En als ik drie uur had gezwoegd en een AI het in twaalf seconden had opgelost, dan was de vraag niet "had ik meer context?", maar "maakt dat uit?"

Die avond deed ik de laptop dicht zonder verder te coderen. Er was iets verschoven. Niet in de technologie, want die had zich al een tijdje op dit punt bewogen. In mij.

Het zelfbeeld dat op het spel stond

Om te begrijpen waarom dat voelde zoals het voelde, moet er iets worden uitgelegd over hoe het zelfbeeld in elkaar zat.

De identiteit was gebouwd rondom probleemoplossen. Niet als coder specifiek, maar als iemand die complexe dingen uit elkaar haalt en weer in elkaar zet. Het was bevredigend om een bug te jagen die anderen hadden opgegeven. Zinvol om de verbinding te maken die niemand anders had gezien.

Dat gevoel van bevrediging was niet alleen ijdelheid. Het was ook legitimering. Het beantwoordde de vraag "waarom doe jij ertoe?" met iets concreets.

En nu: kon een AI het sneller, grondiger, en zonder de frustratie.

Dit is niet hetzelfde als je baan verliezen. Dat is een andere crisis, meer materieel, meer onmiddellijk. Dit was subtieler: de ontdekking dat de vaardigheid die je diep associeerde met je waarde als denker, repliceerbaar bleek. Niet perfect, niet in alle gevallen. Maar goed genoeg om de vraag te stellen: wat doe ik hier eigenlijk?

Ik probeerde het die week uit te leggen aan mijn vriendin, terwijl we kookten. De gedachte was nog niet helemaal gevormd, moest hardop worden uitgesproken om te begrijpen.

Ze luisterde en zei: "Maar je bent toch meer dan je code?"

Ze bedoelde het goed. Maar het antwoord maakte me ongemakkelijk, want het veronderstelde dat ik die grens al helder had. Dat ik al wist wat het "meer" was. Dat wist ik niet.

Het moment dat het echt begon te bijten

In de weken daarna begon er iets wat niet gepland was: testen.

Niet formeel, niet met spreadsheets. Maar bewust, met een angst die nauwelijks werd toegegeven. Claude taken geven die ik zelf goed kon, en kijken wat eruit kwam.

Code reviews: Claude zag dingen die ik miste. Niet altijd, maar genoeg.

Technische concepten uitleggen: de uitleg was helderder dan de mijne. Gestructureerder. Beter afgestemd op het niveau van de ontvanger.

Documentatie schrijven: sneller, consistenter, minder vage zinnen.

Prestatieproblemen analyseren: het identificeerde de knelpunten in een volgorde die ik niet had bedacht, maar die achteraf logisch was.

Een collega, Thomas, had vergelijkbare dingen meegemaakt. Jaren aan expertise in data-analyse: datasets schoonmaken, anomalieën vinden, visualisaties bouwen.

"Ik merkte het bij een analyse die ik normaal een dag voor zou reserveren," vertelde hij. "Ik gaf de dataset aan het model en vroeg wat het zag. Binnen vijf minuten had het drie patronen gevonden die ik waarschijnlijk ook had gevonden, en één die ik niet had gevonden. En dat ene was het meest interessante."

Hij zei het rustig, maar er zat iets in zijn stem. De rust van iemand die een rouwproces al verder is.

"Hoe ben je daarmee omgegaan?" vroeg ik.

"Ik heb een week lang heel slecht geslapen. En daarna heb ik mezelf afgevraagd waarom ik dacht dat mijn waarde in de analyse zat, en niet in de vraag die de analyse stelt."

Wat "beter" eigenlijk betekent

"Beter" is niet één ding.

Als iemand sneller loopt, is hij beter? In die meting: ja. Maar als de vraag is wie de betere hardloper is over een leven vol trainen, wordt het antwoord minder eenvoudig.

AI is beter in een heleboel taken die ooit dienden als bewijs van intellectuele kwaliteit. Het is sneller. Het is consistenter. Het vergeet niet. Het raakt niet gefrustreerd om halfelf.

Maar het heeft geen idee waarom de bug überhaupt opgelost moet worden.

Het weet niet dat de architectuurbeslissing die eraan ten grondslag ligt drie jaar geleden het resultaat was van een conflict in het team over state management, en dat die beslissing nog steeds doorwerkt. Het weet niet dat de klant die dit probleem rapporteerde eigenlijk voor een dieper probleem staat dat al maanden wordt omzeild. Het weet niet dat de echte oplossing misschien niet de bug is, maar het gesprek dat nog niet is gevoerd.

Context is niet alleen informatie. Context is gedeelde geschiedenis, gedeelde intentie, gedeelde verantwoordelijkheid.

Maar hier is de eerlijke complicatie: hoe vaak werd die context werkelijk gebruikt? Hoe vaak was de focus op de bug, en niet op de vraag erachter? Hoe vaak zat ik drie uur te zwoegen aan een probleem terwijl de echte bijdrage die ik kon leveren in de vergadering van de volgende ochtend lag, niet in de code van de avond ervoor?

Als AI dwingt om die vraag eerlijk te stellen, is het misschien een oncomfortabel maar nuttig inzicht.

De identiteitscrisis die niemand bespreekt

Er is een gesprek dat breed wordt gevoerd over AI en werk. Dat gaat over banen, over economische impact, over welke sectoren het eerst worden geraakt. Dat gesprek is belangrijk. Maar er is een ander gesprek dat nauwelijks plaatsvindt.

Het gesprek over wat er met je identiteit gebeurt als de vaardigheden waarmee je jezelf definieert, automatiseerbaar blijken.

Veel kenniswerkers zijn opgegroeid met het idee dat intellectueel werk intrinsiek menselijk is. Lichaamskracht kon worden uitbesteed aan machines; repetitief werk kon worden geautomatiseerd; maar nadenken, analyseren, creëren was ons domein. De veiligheidszone van de kenniswerker.

Die zone bestaat in die vorm niet meer.

En dat is niet alleen een praktisch probleem. Het raakt aan de vraag: wie ben ik als de dingen die ik doe, die ik goed kan, die ik trots op ben, ook door iets anders gedaan kunnen worden?

Er is iets wat je "vakmanstrots" zou kunnen noemen. Een gevoel van eigenwaarde dat direct gekoppeld is aan het beheersen van een ambacht. Dat geldt niet alleen voor timmermannen. Het geldt voor programmeurs, analisten, schrijvers, ontwerpers. Betekenis wordt gehaald uit het feit dat je iets goed doet wat anderen niet goed kunnen.

Als die exclusiviteit verdwijnt, verdwijnt een deel van die betekenis.

En dat moet worden erkend, in plaats van weggerationaliseerd met geruststellingen over "nieuwe kansen" en "andere banen". Die kansen komen misschien. Maar de rouw om wat verdwijnt is legitiem, en heeft ruimte nodig.

Een vriendin, Sanne, is tekstschrijver. Jarenlang opgebouwd als freelancer, goede klanten, een reputatie voor copy die converteert.

"Ik weet dat ik nog steeds beter ben dan het gemiddelde AI-resultaat," zei ze. "Maar mijn klanten weten dat niet meer. Of ze weten het wel, maar ze rekenen het anders door. Ze willen dat ik een AI-concept in twintig minuten verbeter in plaats van dat ik in drie uur iets van niets bouw. En eerlijk gezegd: dat is ook vaardig werk. Maar het voelt als achteruitgang."

Ze had moeite dit te zeggen. Niet omdat ze het niet wist, maar omdat het uitspreken het echter maakte.

"Misschien is dat ook gewoon hoe het gaat," zei ze uiteindelijk. "Maar ik mis het. Ik mis de lege pagina."

De doorbraak die niet verwacht werd

Een paar weken later was er een tweede moment.

Een "analytisch stuk" voor intern gebruik: een overzicht van hoe bepaalde architectuurbeslissingen in het systeem op termijn zouden uitpakken. AI gebruikt om data te verwerken, patronen te vinden, hypotheses te genereren.

Op een gegeven moment produceerde Claude een analyse die technisch correct was, maar die een verkeerde conclusie trok. Niet omdat de redenering fout was. De redenering was strak. Maar de conclusie miste iets: een beslissing die zes maanden geleden was genomen in een boardroom, die de context volledig veranderde. Iets wat niet in de data stond. Iets wat ik wist omdat ik erbij was.

Ik corrigeerde de conclusie. En terwijl ik dat deed, was er een besef.

Dit was waarom ik ertoe deed.

Niet de analyse zelf. Niet de patronen vinden, niet de redeneerstructuur opzetten, niet de eerste versie schrijven. AI deed dat snel en goed. Maar het oordeel (het weten wanneer een technisch correcte conclusie toch fout is) was van mij.

Dat oordeel was niet random. Het was opgebouwd. Door jaren in vergaderingen te zitten. Door relaties te onderhouden. Door te onthouden wat er was gezegd en hoe, en te begrijpen wat daartussen zat. Door fouten te maken en te leren wat het kostte.

AI heeft geen verleden. Het heeft trainingsdata. Dat is niet hetzelfde.

En plotseling werd de vraag anders gesteld.

Niet: "Wat kan ik dat AI niet kan?"

Maar: "Wat kan ik bijdragen dat alleen ik kan bijdragen, in deze context, met deze geschiedenis, op dit moment?"

Hoe het werk is herstructureerd

Dit is geen theoretische verschuiving gebleven. Het heeft de dagelijkse indeling veranderd.

Vroeger begon ik veel taken zelf. Vanuit de overtuiging dat het doordenken van een probleem van het begin af aan essentieel was voor begrip. Als ik de code niet zelf schreef, begreep ik de architectuur niet echt. Als ik de analyse niet zelf uitvoerde, zag ik de patronen niet.

Er zit waarheid in dat idee. Maar het was te ver doorgevoerd. Veel tijd ging naar uitvoering die niets leerde, die alleen weghoudt van de vragen die er echt toe doen.

Nu werkt AI als eerste stap op bijna alles wat uitvoering is. Code opstellen, drafts schrijven, data organiseren, literatuur samenvatten, opties in kaart brengen. Dat gaat sneller en levert een solide basis op.

De energie die dat vrijmaakt, gaat ergens anders naartoe.

Naar de vragen die gesteld worden voordat er begonnen wordt. Naar het nadenken over waarom iets gebouwd wordt, niet alleen wat. Naar feedback op het werk van anderen, beter geworden omdat er meer tijd voor is. Naar gesprekken waarin beslissingen worden doordacht die complex zijn precies omdat er menselijke belangen, onzekerheden en tegenstrijdige intuities in zitten.

Naar de momenten waarop je zegt: "Dit is technisch correct, maar het voelt verkeerd. Laten we begrijpen waarom."

Dit is niet minder werk. Het is ander werk. En eerlijk gezegd: het is interessanter werk. Het werk dat altijd al het meest interessant was, maar waarvoor nooit genoeg tijd was omdat uitvoering te veel ruimte nam.

De nieuwe vaardigheden die ertoe doen

Welke vaardigheden zijn in waarde gestegen door de opkomst van AI? Niet welke zijn er moeilijker mee. Welke zijn er waardevoller mee geworden.

De eerste is smaak. Het vermogen om te oordelen wat goed is (in code, in tekst, in ontwerp, in beslissingen) wordt waardevoller als er meer output is die beoordeeld moet worden. AI produceert veel. Het oordeel over wat het goede deel is, wat bewaard en versterkt moet worden, dat is een menselijke vaardigheid die niet is geautomatiseerd.

De tweede is context. Het begrijpen van waarom iets relevant is in een specifieke situatie, voor specifieke mensen, op dit specifieke moment. Niet in het algemeen. AI is goed in het algemene; het specifieke vereist iemand die de situatie werkelijk kent.

De derde is empathie, niet als vaag begrip, maar als concreet vermogen: begrijpen wat een ander persoon werkelijk nodig heeft, niet wat die vraagt. Het verschil tussen de vraag en de behoefte. Dit is moeilijk te automatiseren omdat het vereist dat je jezelf verplaatst in een ander bewustzijn.

De vierde is vertrouwen. In een wereld vol AI-gegenereerde output wordt de bron steeds relevanter. Als mensen weten wie jij bent, wat je track record is, wat je waarden zijn, dan is jouw oordeel iets waard op een manier die een model niet kan bieden. Vertrouwen wordt opgebouwd door relaties over tijd, door consistent te zijn, door fouten te maken en te herstellen.

En de vijfde is de goede vraag stellen. AI is goed in het beantwoorden van vragen. Maar de kwaliteit van het antwoord wordt volledig bepaald door de kwaliteit van de vraag. De goede vraag stellen vereist begrip van de situatie, van wat er eigenlijk wordt geprobeerd te bereiken, van wat nog niet geweten wordt maar geweten zou moeten worden. Dat is een vaardigheid die je ontwikkelt door goed te kijken, goed te luisteren, en bereid te zijn het niet te weten.

Het gesprek dat blijft

In de maanden na die dinsdagavond is dit gesprek veel gevoerd. Niet altijd openlijk, soms zijdelings. Maar het gesprek was er.

Lars, een vriend die architect is (niet softwarearchitect, gebouwen), keek hoe AI-tools bouwtekeningen begonnen te genereren en renovatieplannen analyseerden. Hij was er nuchterder over dan verwacht.

"Het probleem met gebouwen," zei hij, "is dat ze altijd ergens staan. Ze staan in een buurt. Ze hebben buren. Ze hebben een geschiedenis. Ze hebben mensen die erin leven op manieren die niet in de briefing staan. Dat weet alleen iemand die er geweest is."

Hij stopte even. "Misschien is dat de les. Ga erheen. Kijk. Luister. Dat is wat AI niet kan."

Het lijkt eenvoudig ("wees aanwezig"), maar het is een serieuze heroriëntatie voor mensen wier werk zich grotendeels in abstractie afspeelde. Het is een uitnodiging om de vaardigheid van aanwezig zijn serieus te nemen. Om te investeren in fysieke, sociale, contextuele kennis die niet wordt samengevat in een document of een dataset.

De dingen die je weet omdat je er was.

Nora, een vriendin die psycholoog is, was mild amused door dit relaas. "Jullie techneuten hebben altijd gedacht dat kennis informatie was," zei ze. "Therapeuten weten al lang dat kennis ook aanwezig zijn is. Dat het lichaam kennis heeft. Dat de relatie kennis is. Dat is niet automatiseerbaar, niet omdat het magisch is, maar omdat het fundamenteel lichamelijk en sociaal is."

Ze had gelijk.

Het moment van loslaten

Een paar maanden na het begin werkte ik aan een project waarbij AI volledig was geïntegreerd in de workflow. Het ging snel. Het was goed. En in plaats van het ongemak dat er eerder was, het naijveren, het vergelijken, was er iets anders.

Het gevoel nuttiger te zijn dan in tijden.

Niet omdat er meer werd gedaan. Maar omdat eindelijk de dingen werden gedaan die er het meest toe deden. De oordelen. De vragen. De verbindingen tussen context en conclusie. De beslissingen waarbij de technisch juiste keuze botste met de menselijk verstandige keuze.

De poging om te wedijveren met AI op de dingen waar AI beter in is, was gestopt.

En door dat los te laten was er ruimte vrijgekomen.

Dit klinkt als een happy ending. Maar het is niet af. Er zijn nog steeds momenten waarop ik AI iets zie doen en een steek voel. Momenten waarop ik me afvraag of ik genoeg bijdraag. Momenten waarop de vraag "wat doe ik hier eigenlijk?" terugkomt, net iets scherper dan ik wil.

Dat is normaal. Identiteit is niet iets wat je één keer herziet en dan klaar is. Het is een doorlopend gesprek.

Maar de toon van dat gesprek is veranderd.

Wat dit alles eigenlijk betekent

Terugkijkend op die dinsdagavond in oktober zie ik nu wat er eigenlijk gebeurde.

Een definitie van waarde werd herzien.

Dat is een van de meest oncomfortabele dingen die een mens kan doen. Zelfbegrip bouw je op over tientallen jaren, van school via studie naar werk. Je investeert niet alleen energie in vaardigheden, je investeert identiteit. Je wordt de vaardige persoon. De analyticus. De bouwer. De schrijver. En als die vaardigheden worden uitgedaagd, wordt de identiteit uitgedaagd.

Maar er is ook iets anders wat er die avond gebeurde, iets wat pas later duidelijk werd.

AI dwong tot een onderscheid dat lang werd vermeden.

Het onderscheid tussen wat ik doe en wie ik ben.

Die twee dingen waren zo lang verward dat ze hetzelfde aanvoelden. Waarde was vaardigheid. Identiteit was functie. En dat is een kwetsbaar idee, niet alleen in de context van AI. Het betekent dat als je vaardigheid verandert, jij verandert. Dat als je functie verdwijnt, jij verdwijnt.

Dat klopt niet. Maar het is een idee dat veel mensen aanhangen, en dat pas zichtbaar wordt als er iets buiten is dat het in twijfel trekt.

Voor mij was dat iets een AI.

En op een vreemde manier ben ik er dankbaar voor. Niet romantisch dankbaar, niet het soort dankbaarheid dat je ziet in motiverende teksten op LinkedIn. Maar eerlijk dankbaar, de dankbaarheid voor een spiegel die iets laat zien wat was vermeden.

De ervaringen die mij hebben gevormd. De gesprekken die ik voer. De mensen voor wie ik kies. De vragen die ik stel. De fouten die ik heb gemaakt en waarvan ik heb geleerd. De waarden die bepalen wat ik doe als het moeilijk is en niemand kijkt.

Dat is niet automatiseerbaar. Niet omdat het magisch is, maar omdat het gebonden is aan wie ik ben en hoe ik door de tijd ben gegaan.

Het geschenk van de crisis

Er is een laatste ding, en het is het moeilijkste om te zeggen.

Dit was een goede crisis.

Niet comfortabel. Niet makkelijk. Niet iets wat opgezocht werd. Maar goed, in de zin dat het iets heeft losgemaakt wat vastgebonden zat.

Er was te veel geïnvesteerd in uitvoering. In het kunnen. In de beheersing van technieken en tools en processen. En daarmee minder in oordeel, in aandacht, in de vragen die moeilijker zijn om te beantwoorden maar die er meer toe doen.

AI heeft mij niet vervangen. Maar het heeft gedwongen om te worden wie ik eigenlijk al wilde zijn: iemand die nadenkt over het waarom, niet alleen over het hoe.

Die avond in oktober, halfelf, leeg koffiekopje, drie monitoren. Ik dacht dat ik iets verloor.

Ik weet nu dat ik iets vond.

Niet zekerheid. Niet een simpel antwoord. Maar een eerlijkere manier van kijken naar wat ik doe en waarom ik het doe. Een manier die minder afhankelijk is van de vraag of ik de beste ben in iets, en meer van de vraag of ik werkelijk aanwezig ben.

En aanwezig zijn is het enige wat AI niet van mij kan overnemen.

De dag dat AI beter werd dan ik was niet de dag dat ik minder werd.

Het was de dag dat ik begon te begrijpen wat het betekent om mens te zijn in een wereld die langzaam leert te denken.

---

Als je dit herkent (het gevoel, de twijfel, de langzame verschuiving) dan ben ik oprecht benieuwd naar jouw verhaal. Niet naar je mening over AI in het algemeen, maar naar het moment. Het specifieke moment. Stuur het me.