Waarom intensieve AI-gebruikers iedereen voorbij zullen streven

David Rice: De meeste werknemers doen ongeveer 1% van wat er met AI mogelijk is. Dat komt niet doordat ze lui zijn. Het komt ook niet doordat ze geen toegang hebben. Het komt doordat niemand hun laat zien wat ze zouden kunnen doen en dat ze AI vijf tot tien keer per uur zouden moeten gebruiken om alles wat ze doen te analyseren, hun dag samen te vatten en gaten in al hun redeneringen te prikken.

De gast van vandaag is Kevin Surace, de CEO van Appvance.ai. Hij spreekt wereldwijd op ongeveer 40 tot 50 bedrijfsevenementen per jaar. Wanneer hij diepgaande vragen stelt over hoe mensen AI daadwerkelijk gebruiken, gaan er één of twee handen omhoog. Alle anderen gebruiken een klein beetje Copilot om hun zinnen te verbeteren en denken: wauw, kijk naar AI.

Ondertussen gebruikt een 23-jarige bij een start-up in Silicon Valley het alsof hij een doctoraat heeft, met 28 doctoraten naast zich voor een cent per minuut. En die tien mensen zijn ongeveer gelijk aan honderd van de rest van ons. Dit is wat Kevin wil dat je begrijpt: dit is geen vaardigheidskloof. Elk jaar waarin je deze technologie niet leert, raak je een beetje verder achterop, totdat je op een dag niet langer relevant bent.

Het gebeurde met de desktopcomputer in de jaren tachtig. Het gebeurde met internet. Het gebeurde met Excel. Mensen stapten op de trein of werden buitenspel gezet. Deze golf beweegt veel sneller dan al die andere. Daarom bespreken we vandaag waarom je prompts drie alinea’s moeten zijn in plaats van vijf woorden, hoe je strategisch nadenkt over wat je wilt zeggen in plaats van woord voor woord te typen, waarom vandaag de slechtste dag ooit is als het om deze technologie gaat en wat dat betekent voor je beroep, de verschuiving op identiteitsniveau die in hele sectoren plaatsvindt, en waarom weerstand, om Star Trek te citeren, zinloos is.

Ik ben David Rice. Dit is People Managing People. En als je AI vorige week één keer hebt gebruikt terwijl iemand naast je het tien keer per uur gebruikt, dan is dit gesprek je laatste waarschuwing. Laten we beginnen.

Kevin, welkom. Hoe gaat het vandaag?

Kevin Surace: Ik ben ontzettend blij dat ik hier ben.

David Rice: Ik wil beginnen bij iets waar we het voor deze opname over hadden. Je noemde de kloof die veel mensen ervaren: de meeste werknemers gebruiken misschien 1% van wat er met AI mogelijk is. Waarom denk je dat dat gebeurt en wat zijn ongeveer de kosten van doorgaan in dat tempo?

Kevin Surace: Het is een zeer interessant fenomeen. Ik spreek wereldwijd 40 tot 50 keer per jaar op grote bedrijfsevenementen en branche-evenementen. Wat je ziet, is dat heel weinig mensen hun hand opsteken wanneer je diepgaande vragen begint te stellen over hoe ze generatieve AI gebruiken. Eén of twee procent steekt de hand op en zegt: ja, ik doe dit.

Ik schrijf agents, ik doe dit en dat, maar de meeste mensen doen helemaal niets. Ze gebruiken een klein beetje Copilot. Dat helpt ze een paar zinnen te corrigeren en dan zeggen ze: wauw, AI. Ze hebben geen idee dat je het vijf of tien keer per uur zou moeten gebruiken om alles wat je doet te analyseren, samen te vatten en er gaten in te prikken.

Als ik een presentatie schrijf, zeg ik: prik hier gaten in. Vervolgens vraag ik: hoe kan ik dit beter maken? Kun je me helpen het beter te maken? Kun je deze tekening maken? Kun je deze spreadsheet analyseren? Wat betekent deze spreadsheet en wat betekent tabblad drie?

Want met dit alles kun je elke minuut van elke dag bezig zijn. Het is alsof er iemand met een doctoraat naast je zit die 28 doctoraten heeft. En die persoon kost een cent per minuut of per uur. Waarom zou ik daar geen gebruik van maken? Elk uur, meerdere keren per uur. Ik denk dus dat mensen niet weten wat er mogelijk is. Veel mensen gebruiken alleen Copilot, een heel eenvoudig hulpmiddel dat je een beetje helpt, en benutten niet alle modellen op de manier waarop dat kan.

Ik gebruik alle verschillende modellen, afhankelijk van wat ik wil doen. Gemini is voor bepaalde dingen beter dan GPT-5.2, en die is voor sommige dingen weer beter dan Anthropic. Je gebruikt ze allemaal.

David Rice: Het is een beetje alsof je me in een volledig uitgeruste cockpit zet terwijl ik helemaal geen vliegtraining heb gevolgd. Je begrijpt wat ik bedoel?

Kevin Surace: Dat klopt. Wat interessant is, is dat ik op het podium demonstraties geef. Ik laat dingen zien die ik letterlijk voor hun bedrijf heb gedaan. Ik zeg: ik heb niet eens bedrijfseigen informatie van jullie, maar laat me zien wat ik kon doen. Dit is een volledig nieuw product waarvan ik denk dat het succesvol zou kunnen zijn, dit is de omvang van de markt, dit is de totale adresseerbare markt en dit is hoe ik dat weet.

Dan zeggen ze: wat? We zouden vijf miljard dollar hebben uitgegeven om dat uit te zoeken. Ik deed het in vijf minuten, misschien tien. Ze hebben geen idee dat ze dit met AI kunnen doen, omdat niemand het hun eerder heeft laten zien. Niemand heeft ze geleerd hoe het moet. De meeste mensen typen een prompt van vijf woorden of zo. Mijn prompts bestaan uit drie alinea’s en zijn zorgvuldig opgebouwd rond vragen als: wie is mijn publiek, wat probeer ik te doen, op wie richt ik me, wat probeer ik te zeggen, waarom probeer ik dat te zeggen en wat zijn mijn meningen hierover?

Er is veel dat ik erin moet zetten om iets waardevols terug te krijgen. Schrijf niet zomaar een alinea over X als je niet weet wat je doet. Dan gebruik je het hulpmiddel verkeerd. Mensen hebben dus training nodig.

Ze moeten zich op hun gemak voelen. Ze moeten toegang hebben tot meer modellen en hulpmiddelen dan alleen Copilot. Dan verandert het spel. En als je bij een start-up in Silicon Valley werkt, doe je al deze dingen tien keer zoveel. Dat is wat je doet.

Mensen daar luisteren hiernaar en zeggen: natuurlijk doen we dat, Kevin. Als je bij een groot bedrijf in het Midwesten werkt, zeg je: ik heb hier alleen Copilot en ik vroeg iets in Word, waarna het mijn zin corrigeerde. Dan zeggen ze: wauw, het neemt de plaats in van Grammarly of zoiets.

Er ontstaat dus een tweedeling. Dat is een groot probleem voor grote bedrijven, omdat start-ups nu werken met tien keer de snelheid van het aantal mensen dat ze hebben. Tien mensen staan gelijk aan honderd mensen, omdat ze AI, verschillende generatieve AI-modellen en generatieve AI-hulpmiddelen gebruiken voor marketing, verkoop, analyse, het opsporen van zwakke plekken en als sparringpartner. Ze gebruiken die hulpmiddelen tien keer per uur, elke persoon. Als jij het vorige week één keer hebt gebruikt, ben je klaar. Je wordt weggevaagd.

David Rice: Er wordt veel gesproken over vaardigheidskloven, maar dit voelt ook als een vertrouwenskloof. Ik denk niet dat mensen AI vermijden omdat ze het potentieel niet zien. Veel mensen weten alleen niet waar ze moeten beginnen. Denk je dat zo’n trage start zich opstapelt?

Kevin Surace: Ja. Je raakt steeds verder achterop. Daarna wordt het gênant, weet je niet meer wat je moet doen en ben je op een bepaald moment niet langer relevant. Wanneer dat gebeurt? De desktopcomputer kwam halverwege of aan het einde van de jaren tachtig in de loopbaan van veel mensen terecht. Als je zei dat je zo’n ding niet op je bureau wilde, raakte je elk jaar verder achterop. Uiteindelijk kon je niet meer deelnemen aan het werk en moest je met pensioen.

Hetzelfde gebeurde met internet en Excel. Mensen die de nieuwste, breed verspreide technologieën niet leren, gaan richting pensioen. Dat is prima als dat is wat je wilt, maar weet dat dat de richting is waarin je gaat. Als je over een of twee jaar met pensioen gaat, maakt het misschien niet uit. Maar als je 45 bent en nog twintig jaar wilt werken, heb je misschien nog maar drie jaar voordat niemand je meer voor zich wil laten werken als je deze hulpmiddelen niet beheerst.

David Rice: Een andere term die we tegenwoordig vaak horen is schaduw-AI. Het gebruik ervan is overal aanwezig, en niet zonder reden. Mensen raken gefrustreerd door veel bedrijfshulpmiddelen, die vaak afgezwakt of traag uit te rollen zijn. Hoe dichten we vanuit jouw perspectief de kloof tussen wat mensen nodig hebben en wat ze daadwerkelijk krijgen?

Kevin Surace: Ik heb tegen ondernemingen gezegd dat ze alle belangrijke modellen beschikbaar moeten maken. Niet voor iedereen in het bedrijf, maar via geprivatiseerde versies en bedrijfsaccounts. Geef toegang aan de mensen die ze binnen bepaalde afdelingen nodig hebben.

Als iemand naar je toe komt en zegt: ik moet video’s analyseren en dit zijn de redenen waarom, dan zeg je: geweldig, dat is Gemini. Je hebt nu toegang. We hebben een bedrijfsaccount. Je moet alle hulpmiddelen beschikbaar hebben.

Wat er bij veel bedrijven gebeurt, is dat iemand zegt: ik wil meer AI gebruiken. Dan antwoorden ze: we hebben je Copilot gegeven. Die heeft deze zin gecorrigeerd. De werknemer zegt: ik wil meer dan dat. Ik maak het misschien wat belachelijk, want Copilot kan meer, maar je begrijpt wat ik bedoel. Vervolgens zeggen ze dat je niets anders mag gebruiken. Dan gaan mensen thuis aan de slag of gebruiken ze hulpmiddelen stiekem, waarna ze op het werk worden geblokkeerd.

Als je succesvol wilt zijn, moet je al je werknemers echt in staat stellen om dit te doen. Je hebt geen keuze.

David Rice: De goedgekeurde hulpmiddelen voelen soms alsof ze zijn ontworpen om je af te remmen in plaats van sneller te maken. Daarom gaan mensen buiten de gebaande paden, niet uit rebellie maar uit noodzaak. De verwachting is nu dat je meer doet en het sneller doet, terwijl de hulpmiddelen niet aansluiten bij de werkelijke behoeften. Volgens mij gaat het dus niet zozeer om naleving, maar om relevantie.

Kevin Surace: Het is tegenwoordig eenvoudig om bedrijfsaccounts in te richten voor tien verschillende hulpmiddelen: sommige voor verkoop, sommige voor marketing, enkele algemene en een aantal generieke modellen. Voeg vervolgens alleen de mensen toe die ze op specifieke afdelingen nodig hebben. Laat het bedrijf weten dat er veel hulpmiddelen beschikbaar zijn en dat mensen ernaar moeten vragen.

Je gaat niet alles uitrollen naar 40.000 werknemers als slechts 200 mensen het nodig hebben. Maar als 200 mensen het nodig hebben, doe je het, omdat het hen productiever maakt. Veel feedback op mijn demonstraties is: dat was geweldig, maar ons bedrijf geeft ons daar geen toegang toe.

Ik zeg altijd vooraf dat hun bedrijf mogelijk niet alles beschikbaar stelt wat ik laat zien. Op mijn hulpmiddelenpagina staan ongeveer veertig verschillende hulpmiddelen die ik in presentaties gebruik. Ze zeggen dan: we hebben niet overal toegang toe. Dan zeg ik: ja, maar je CEO zit in de zaal. Dat moeten jullie onderling regelen.

Ik ben hier om de kracht en mogelijkheden van generatieve AI te laten zien. Daarvoor heb je toegang tot veel verschillende dingen nodig. Vraag je directieteam, je IT-afdeling en andere verantwoordelijken om wat je nodig denkt te hebben. Regel dat vervolgens. Ga niet zomaar zelf hulpmiddelen gebruiken. Schaduw-AI en schaduw-IT zijn allebei problematisch. Je kunt het niet volgen en mensen gebruiken hulpmiddelen zonder account. Als je geen betaald account hebt, is de informatie waarschijnlijk openbaar en kunnen de aanbieders die gebruiken om hun modellen te trainen. Dat is niet goed.

David Rice: Je bent behoorlijk uitgesproken over agents. Bedrijven zullen volgens jou pas echt vooruitgaan als ze beveiliging en controle hebben opgelost. Wat gaat er verloren als we te lang wachten? Houden we die volgende grote sprong tegen omdat het rommelig is?

Kevin Surace: Bedrijven doen al werk met agents op geschikte plaatsen. Wat hen tegenhoudt, is dat ze tien jaar hebben besteed aan het uitrollen van robotische procesautomatisering, RPA. RPA is een soort agent die sterk wordt gereguleerd door een reeks regels. Het is niet slecht en niet gebaseerd op AI, maar op regels. Beslissingen gaan door een beslisboom en worden volgens die regels uitgevoerd.

Dat werkt heel goed in voorspelbare situaties. Je begrijpt de beveiligingskwestie en weet hoe het systeem werkt. Veel bedrijven hebben hun werkstromen al met RPA geautomatiseerd. Agents zijn geen wondermiddel. Je zou kunnen zeggen: ik kan deze werkstroom met meer intelligentie nog iets beter automatiseren. Maar tegen welke veiligheidsrisico’s en hoe lang duurt het om de fouten eruit te halen?

RPA heeft lang nodig gehad om volwassen te worden. Het feit dat mensen RPA al hebben uitgerold, vormt juist een blokkade. Ze denken: ik heb een agent nodig om dat te doen. Maar ze hebben al een agent: een RPA-agent. Die werkt al.

Neem verzekeringen. Een proces moet misschien tussen elf verschillende systemen worden uitgevoerd. RPA doet dat vandaag al. Je start het proces, het systeem neemt de gegevens in, beweegt tussen de systemen, slaat informatie op, controleert zaken, doorloopt de regels en komt terug met de mededeling dat er een betaling kan worden uitgegeven. Ik kan daar een agent voor inzetten, maar ik bespaar geen geld.

Misschien krijg ik betere besluitvorming met minder menselijke tussenkomst, maar ik kan ook een slechte beslissing krijgen. Ik laat de besluitvorming dan aan AI over in plaats van aan regels die ik zelf heb opgesteld. Als bedrijf heb ik vandaag niet zoveel extra zaken te automatiseren waarvoor een agent nodig is, omdat ik de afgelopen tien jaar al hard heb gewerkt om RPA uit te rollen.

Dat betekent niet dat agents geen taken kunnen overnemen. Op de desktops van mensen kunnen agents interessant zijn voor unieke werkstromen die slechts door enkele mensen worden gebruikt en die een bedrijf niet heeft geautomatiseerd. Maar laat je mensen hun eigen agents schrijven? Wat is dan het beveiligingseffect? Die agents krijgen toegang tot onze belangrijkste systemen. Ik weet niet of ze dat mogen. En ik weet niet of de agent het werk doet of een kwaadwillende hacker.

David Rice: Begint het gebruik van agents misschien bovenaan de organisatie, waarna we kijken hoe het zich ontwikkelt? Heeft de directie bijvoorbeeld eerst een agent, en verder nog niemand?

Kevin Surace: Misschien, maar dat is ook precies het account waar een hacker toegang toe wil krijgen. Ik denk dat de vraag over agents ingewikkeld is. RPA is al ingezet voor de grootste doelgebieden. Het werkt, bespaart geld en verhoogt de productiviteit. Nu is er nieuwere technologie die het kan overnemen. Laat me de besparing zien.

De meeste dingen die geautomatiseerd konden worden, zijn in het afgelopen decennium al geautomatiseerd. Als de aanvullende besparing maar 2% bedraagt, ga ik daar dan moeite voor doen? Bedrijven hebben de 80% bespaard die bespaard kon worden.

Over tien jaar zullen agents overal worden ingezet en zeer goed beveiligd zijn. We werken al die problemen weg. Ze zullen RPA vervangen, of RPA-bedrijven zullen RPA opnieuw inzetten als slimme agents. Maar we hebben het hier over grote ondernemingen. Een start-up zal agents voor alles inzetten wat mogelijk is, omdat ze goedkoper zijn dan mensen en geen bestaande RPA-technologie hebben. Ze beginnen vanaf nul.

David Rice: De start-upwereld lijkt inderdaad ideaal voor experimenten. Daar leren we en ontwikkelen we die vaardigheid.

Kevin Surace: Precies.

David Rice: Je zei dat de echte superkracht niet zozeer het model is, maar de persoon die weet welk model geschikt is voor welke taak. Wat is daarvoor de benodigde vaardigheid?

Kevin Surace: Je leert door het hulpmiddel te gebruiken. Zo leer je elk nieuw hulpmiddel. Besteed er een uur of twee aan en ontdek wat daar beter werkt dan elders.

Als het om een transformermodel, een groot taalmodel of multimodale AI gaat, kun je daarmee beginnen. Als ik dit soort onderzoek doe, ga ik naar Perplexity, omdat het referenties geeft. Voor videoanalyse ga ik naar Gemini. Als ik muziek genereer of in de muzieksector werk, gebruik ik weer iets anders. Voor video gebruik ik weer een ander hulpmiddel. Het hangt ervan af wat ik probeer te doen.

Als je niet de tijd hebt genomen om abonnementen af te sluiten en al deze hulpmiddelen te leren kennen, heb je een probleem. Infographics zijn slechts iemands visie. Totdat je het hulpmiddel zelf gebruikt, weet je niet wat je ermee moet doen.

Deze technologieën kosten tijd om te begrijpen. Als je muzikant bent en gewend bent aan een digitaal audiowerkstation, dan begrijp je zaken als stemscheiding en MIDI-export sneller. Als je nooit zulke hulpmiddelen hebt gebruikt, kun je niet zomaar zeggen dat je een bepaald systeem gaat gebruiken zonder te weten wat stemscheiding of afzonderlijke instrumenten betekenen.

Je hebt ook enige achtergrondkennis nodig. Als je nog nooit een video hebt gemonteerd, maak je waarschijnlijk niet meteen een film met welk hulpmiddel dan ook. Maar als je die hulpmiddelen dagen of weken gebruikt, ontdek je hoe je een scène verlengt, ondertiteling toevoegt en verschillende onderdelen aan elkaar koppelt.

Je kunt niet zomaar binnenlopen en verwachten dat je alles beheerst. Maar na een paar dagen en vele uren oefenen kun je heel goed worden in een aantal taken. Dan word je een intensieve gebruiker.

Bedenk, afhankelijk van je loopbaan en wat je op het werk of thuis wilt bereiken, welke hulpmiddelen beschikbaar zijn en hoe je ze leert. In marketing gebruik ik allerlei AI-hulpmiddelen die speciaal daarvoor zijn bedoeld: e-maildoelgroepen, LinkedIn-doelgroepen, gepersonaliseerde e-mails en meer. Dat alles wordt door AI aangedreven.

Het is krachtig en indrukwekkend. Ik keek vanochtend naar een webinar over Zapier en een videobewerkingstool, waarin werd getoond hoe je agentische werkstromen kunt schrijven en creëren. Ik heb het nog niet gebruikt, dus ik dacht: daar heb ik nog veel te leren. Er zijn altijd nieuwe dingen te leren. Blijf nieuwsgierig.

David Rice: Een wereldwijd team opbouwen zou niet moeten betekenen dat je vijf verschillende systemen voor HR, salarisadministratie en IT moet combineren. Deel brengt alles samen, zodat je overal mensen kunt aannemen, onboarden, betalen en uitrusten zonder de gebruikelijke chaos. Of je nu werknemers in tien landen aanneemt of contractanten in verschillende tijdzones beheert, Deel regelt naleving, arbeidsvoorwaarden en salarisadministratie op één plek. Dat betekent minder versnipperde hulpmiddelen, minder hoofdpijn en meer tijd voor je mensen.

Wil je zien hoe aannemen zonder grenzen er echt uitziet? Ga naar deel.com/pmp. Dat is deel.com/pmp om een demonstratie te boeken. Nogmaals: deel.com/pmp. Deel: iedereen, overal aannemen, beheren en betalen.

En het voelt voor mij niet echt alsof het om technische tovenarij gaat. Ik heb inmiddels met behoorlijk wat hulpmiddelen geëxperimenteerd en volgens mij gaat het vooral om systeemdenken en beoordelingsvermogen: wat is de beste aanpak? Traditioneel hebben we mensen getraind om duidelijk afgebakende problemen op te lossen. De waarde verschuift nu naar de vraag welke vragen je stelt.

Kevin Surace: Absoluut. Je kunt agents schrijven die je helpen die reeks hulpmiddelen te orkestreren. Je definieert je werkstroom en maakt vervolgens een agent die die werkstroom voor je uitvoert. Je gaat van het ene hulpmiddel naar het andere, verplaatst bestanden en voegt informatie toe. Daar kun je automatisch een werkstroom van maken.

We konden dit eerder al met scripts in Windows en Mac, maar nu is het veel slimmer. Het systeem kan analyseren wat er in een video is gezegd, een video van anderhalf uur analyseren en automatisch twintig verschillende berichten voor sociale media maken zonder dat jij hoeft te monteren. Het doet dat voor je op basis van wat er is gezegd, ook in deze podcast.

David Rice: Dat doe ik voortdurend. We hadden het eerder over een geweldig voorbeeld: wat McKinsey vroeger zes maanden en miljoenen dollars kostte, kun je nu in een uur met AI doen. Het gaat echter niet alleen om de hulpmiddelen. De sleutel zit in hoe je de informatie aanlevert. Hoe zorg jij ervoor dat AI met je denkt en niet alleen vóór je?

Kevin Surace: Stap één bestaat altijd uit lange, uitgebreide en doordachte prompts waarin je een standpunt inneemt. Wie is mijn publiek? Wat vind ik van dit onderwerp? Ik kan tien minuten besteden aan het schrijven van meerdere alinea’s. Dat is mijn prompt.

Denk na over je publiek, de input die je wilt gebruiken, de bronnen, je mening en je eigen stem. Ik kan een zeer complex marktonderzoek uitvoeren, bijvoorbeeld naar voertuigen in Zuid-Amerika. Als ik daarvoor McKinsey zou inhuren, zou ik miljoenen dollars betalen. Zij zouden onderzoek doen, mensen ter plaatse inzetten, documenten en overheidsrapporten bekijken en maanden later met een rapport terugkomen.

Ik kan dat nu in ongeveer een uur doen. Je gaat heen en weer met het model en gebruikt de denkfunctie. Het onderzoek wordt voor je gedaan. Daarna werk je samen met het model om concepten, grafieken en rapporten te maken en die in een PowerPoint te plaatsen.

In een uur heb ik iets waarvoor ik vroeger vijf miljoen dollar betaalde, en mijn eigen tijd kostte me misschien een dollar. Ik heb dit daadwerkelijk gedaan. Een bedrijf had 82.000 garantieclaims en vroeg wat het kon doen om die te verminderen. Omdat alles in het Engels was getypt, kon het bedrijf ze niet eenvoudig categoriseren. Ze stonden allemaal in Excel.

Generatieve AI kon de hele spreadsheet lezen, alle Engelse tekst analyseren en terugkomen met vijf aanbevelingen voor productiewijzigingen die de volgende dag konden worden ingevoerd. Ze hadden al jaren op die gegevens gezeten en wisten niet wat ze ermee moesten doen. Ik deed het in vijf minuten.

Dit is waar mensen niet aan denken. Je kunt enorme hoeveelheden gegevens invoeren zolang je het venster van het model niet overschrijdt. Het kan veel gegevens analyseren zonder dat je alles eerst hoeft op te schonen. Bij traditionele AI moet je de gegevens grondig opschonen. Generatieve AI kan omgaan met een rommelige verzameling gegevens en er toch conclusies uit trekken.

De aanbevelingen waren indrukwekkend en volgens mij heeft het bedrijf ze ingevoerd. Waarom zou je dat niet doen? Ik heb iets vergelijkbaars gedaan met verwondingen in een fabriek. Er waren duizenden incidenten. Ik vroeg om aanbevelingen om het aantal te verminderen en kreeg binnen enkele minuten voorstellen die de incidenten met 80% konden verminderen.

Je weet nooit zeker of iets klopt totdat je het invoert, maar het zat op het juiste spoor. Mensen hadden dit niet zelf kunnen bedenken zonder enorm veel tijd en geld. Dit laat zien hoeveel er verandert. Het zijn zeer krachtige hulpmiddelen, als je weet hoe je ze moet gebruiken.

David Rice: Ik vind dit voorbeeld geweldig. Het sluit aan bij wat we aan het begin bespraken: mensen gebruiken misschien maar 10% van wat mogelijk is. Het laat ook zien dat AI snel is, maar niet magisch. De kwaliteit van de uitvoer weerspiegelt de kwaliteit van de invoer. Snelheid verwarren met inzicht is gemakkelijk. Jij beschrijft iets diepers: je creëert samen en denkt samen, in plaats van alleen te delegeren.

Kevin Surace: Het is een sparringpartner die slimmer is dan jij, maar het blijft een sparringpartner. Je wilt hem uitdagen en vragen waarom. Soms zeg ik dat het antwoord fout is en leg ik uit wat het niet heeft overwogen. De goede modellen antwoorden dan dat ik gelijk heb en dat ze daar geen rekening mee hadden gehouden.

Ik spar ermee. Ik vraag of mijn aanbevelingen en meningen geldig zijn. Gisteren analyseerde ik een artikel waarin stond dat AI geen moreel oordeel kan vellen. Ik was het daar niet mee eens. Ik vroeg het model waarom de auteur dacht dat AI geen moreel oordeel kan vellen en waarom het model zelf dacht dat het dat niet kon.

Het antwoord was dat het alles heeft geleerd wat mensen hebben gedaan en daardoor begrijpt wat mensen als moreel beschouwen. Het kan geen oordeel namens jou vellen, want jij moet met de gevolgen leven, maar het kan wel vertellen wat waarschijnlijk als moreel wordt beschouwd.

Ik vond dat een geweldige gedachtewisseling. Je kunt het model vragen zichzelf te verdedigen. Op basis van wat het heeft gelezen, kan het uitleggen hoe mensen morele kwesties waarschijnlijk zullen beoordelen. Je kunt vragen naar de morele gevolgen van actuele gebeurtenissen en verschillende perspectieven laten uitwerken.

Als ik bij een overheidsdienst werkte, zou ik de machine vragen hoe een besluit eruitziet op basis van alles wat ze heeft gelezen. Daarna zou ik erop doorvragen. Je kunt ook vragen stellen over historische oorlogen, risico’s, middelen en mogelijke gevolgen. Het is verbazingwekkend goed.

David Rice: We hadden het ook over de mogelijkheid dat slechts enkele modellen uiteindelijk de markt domineren. Zodra de nauwkeurigheid een bepaald niveau bereikt, worden de verschillen voor de meeste mensen vrijwel onzichtbaar.

Kevin Surace: Dat is nu al bijna zo. Als je niet specifiek weet dat Gemini beter is in een bepaald onderdeel, gebruik je gewoon GPT-5.2 of ChatGPT. Over een paar jaar zullen deze systemen vrijwel alle menselijke kennis omvatten. Ze worden steeds beter en liggen in tests nog maar enkele procenten uit elkaar.

Daardoor zal er steeds minder onderscheid zijn. Geen enkel model kan beter worden dan de menselijke kennis waarop het is getraind. Naarmate de concurrentie toeneemt, dalen de kosten. Misschien betaalt niemand meer iets, of kost een dienst één dollar per maand.

David Rice: Wat betekent dit voor de manier waarop bedrijven AI in 2026 en op langere termijn bouwen en inkopen?

Kevin Surace: Hopelijk bouwt niemand binnen een onderneming zijn eigen generatieve AI-modellen. Gebruik wat er al is. De kosten blijven dalen, dus onderhandel verstandig over contracten. Over tien jaar zouden de kosten misschien nog maar 5% van het huidige niveau moeten bedragen. Rekenkracht wordt goedkoper, omdat dit uiteindelijk op silicium draait. De kosten van silicium halveren nog steeds elke twaalf tot achttien maanden.

Dat maakt de technologie steeds toegankelijker, ook voor complexe taken.

David Rice: Het voelt alsof deze ontwikkeling anders is dan eerdere ontwikkelingen.

Kevin Surace: Dat zegt men bij elke technologische cyclus. Het internet was anders, de smartphone was anders en de pc op het bureau was anders. Ze waren allemaal anders. Deze ontwikkeling bouwt voort op het internet, smartphones en pc’s. Daardoor kon ze binnen korte tijd miljarden mensen bereiken.

Zonder internet zouden misschien vijf mensen aan een universiteit deze technologie kunnen gebruiken. Nu kunnen we wereldwijd met hoge snelheid communiceren. Het versturen van terabytes aan gegevens kost praktisch niets meer. We bouwen voort op eerdere golven en je wilt deze golf zeker niet missen.

De persoon naast je die dit vijf keer per uur gebruikt, is tien keer productiever dan jij, of je dat nu leuk vindt of niet. Ook in de muziekwereld vindt een grote discussie plaats over AI. Sommigen weigeren het te gebruiken, terwijl anderen er meer muziek mee kunnen maken.

Muziektechnologie heeft altijd veranderingen doorgemaakt: van potlood en papier naar notatieprogramma’s, digitale audiowerkstations en digitale samples. Nu kun je zeggen: maak dit gitaaronderdeel en laat het zo klinken. Vervolgens staat het er voor het hele nummer.

De winnaars gebruiken iedere keer de nieuwste technologie. Wie weigerde digitale audiowerkstations of samples te gebruiken, raakte achterop. De meeste filmmuziek en televisiemuziek wordt digitaal gemaakt. Dat is de richting waarin alles beweegt.

Als je een blogschrijver in marketing bent en nog één bericht per drie dagen schrijft, terwijl iemand anders met AI een volledig jaar aan berichten op één dag produceert, ben je klaar. Niemand betaalt je meer om woord voor woord te typen. Ze betalen je om strategisch te bedenken wat je wilt zeggen, het te laten schrijven, het te redigeren en te publiceren. Dat duurt vijftien minuten, geen vijftien dagen.

David Rice: Voor mij raakt het voorbeeld van de muzikant de kern. Het is niet alleen een bedrijfsinitiatief, maar een verschuiving op identiteitsniveau. Hele sectoren veranderen. Het is begrijpelijk dat daar weerstand tegen ontstaat. En omdat de technologie zo snel beweegt, wordt het steeds moeilijker om later nog bij te benen.

Kevin Surace: De snelheid is hoog omdat de technologie voortbouwt op eerdere technologieën. Iedereen heeft nu direct toegang via internet en wifi. In drie jaar tijd is de technologie ongelooflijk snel verbeterd. Ik zeg vaak: vandaag is het slechter dan het ooit zal worden.

Ik werkte aan zeven nummers: sommige waren door echte muzikanten in een studio gemaakt en sommige volledig door AI. Ik stuurde ze naar muzikanten en vroeg welke welke waren. Ze konden het niet zeggen. Ze beweerden dat AI geen ziel heeft, maar konden het verschil niet aanwijzen.

Vandaag is het slechtste niveau dat je ooit zult zien. De generatie van morgen is iets beter. Dat kan confronterend zijn, maar je bent niet verloren. Leer de hulpmiddelen gebruiken en zet je ervaring in om iets beters te maken dan iemand zonder ervaring.

Ook Hollywood zal veranderen. Verhalen worden gemaakt met digitale mensen, echte mensen, camera’s en zonder camera’s. Er zal een rol voor iedereen zijn, maar een filmproductie die nu een miljoen dollar per minuut kost, kan misschien een dollar per minuut kosten en toch succesvol zijn. Binnen enkele jaren kan de kwaliteit op Hollywoodniveau liggen.

David Rice: Kevin, bedankt dat je vandaag te gast was. Ik heb genoten van het gesprek.

Kevin Surace: Het was leuk. Het is een interessant onderwerp.

David Rice: Luisteraars, als je dat nog niet hebt gedaan, ga dan naar peoplemanagingpeople.com/subscribe. Schrijf je in voor de nieuwsbrief en ontvang updates over onze komende evenementen, podcasts en alles wat we hier doen, plus de nieuwste artikelen die we schrijven.

Tot de volgende keer: leer gewoon hoe je beter kunt worden in wat je doet.