In traditionele organisaties was specialisatie logisch:
- Een Python developer schreef Python code
- Een Java developer schreef Java code
- Een invoice processor verwerkte facturen
- Een recruiter screende CV's
Elk van deze rollen vereiste diepgaande kennis van één specifiek domein. Maar agents veranderen deze dynamiek fundamenteel:
IT: van language-specialist naar architecture-generalist
Je hebt straks geen developers meer nodig die gespecialiseerd zijn in Python, Java, of JavaScript. Je hebt engineers nodig die begrijpen hoe je agents inzet die al deze talen beheersen.
De waarde zit niet meer in het schrijven van code, maar in:
- Het ontwerpen van architectuur
- Het orkestreren van agents
- Het valideren van outputs
- Het integreren van systemen
Finance: van transaction processor naar strategic advisor
Agents kunnen nu:
- Invoice processing automatiseren
- Purchase orders matchen
- Reconciliation uitvoeren
- Anomalieën detecteren
Finance professionals worden niet ontslagen. Maar hun rol verschuift naar:
- Vendor management en negotiation
- Dynamic pricing modelling
- Scenario planning en forecasting
- Strategic business partnering
De nieuwe workforce ziet er niet overal hetzelfde uit. Afhankelijk van het type werk ontstaan twee patronen:
De zandloper: voor knowledge work
In knowledge-intensive organisaties zie je een hourglass-vorm ontstaan:
- Junior level (breed): AI-savvy generalisten die agents kunnen aansturen
- Mid level (smal): veel kleiner, want agents doen het specialized midlevel werk
- Senior level (breed): strategy, innovation, relationship management
Waarom werkt dit? Entry-level medewerkers zijn digital natives, comfortabel met AI, en kunnen snel leren hoe ze agents orkestreren. Senior professionals focussen op wat agents écht niet kunnen: strategic thinking, stakeholder management, creative problem solving.
De diamant: voor frontline werk
Bij operationele, frontline werk ontstaat een diamond-vorm:
- Entry level (smaller): minder need voor hands-on executors
- Mid level (breed): orchestrators die agents managen en processen superviseren
- Senior level (smaller): strategic oversight
Dit patroon zie je in:
- Customer service (agents handelen tier-1 support af)
- Manufacturing (agents monitoren en optimaliseren)
- Logistics (agents plannen routes en voorraden)
Als specialist-skills commoditized worden door agents, welke skills worden dan waardevol?
1. Agent orchestration
De ability om:
- Meerdere agents te coördineren in complexe workflows
- Te bepalen welke agent welke taak doet
- Outputs te valideren en fouten te spotten
- Agents te 'trainen' door betere prompts en constraints
Dit is geen technische skill — het is een combinatie van domeinkennis, proces-begrip en judgment.
2. Cross-domain fluency
Generalisten moeten breed genoeg zijn om:
- Met verschillende stakeholders te communiceren
- Business en tech te bridgen
- Multiple disciplines te begrijpen (niet om ze uit te voeren, maar om agents te sturen)
3. Human-only capabilities
Wat agents écht niet kunnen:
- Empathy en emotional intelligence
- Strategic thinking en long-term vision
- Creative problem solving buiten bestaande patronen
- Relationship building en trust creation
- Ethical judgment in grijze zones
Deze skills worden de differentiator.
De manier waarop bedrijven talent aantrekken moet fundamenteel veranderen:
Wat niet meer werkt
- Job descriptions met lange lijsten van tool-specific skills
- Emphasis op jaren ervaring in één platform of taal
- Hiring op basis van credentials in plaats van capability
Wat wél werkt
- Assessment van leervermogen en adaptability
- Tests voor cross-domain thinking
- Evaluatie van AI-fluency: hoe comfortabel zijn ze met agents?
- Focus op orchestration skills: kunnen ze complexe workflows managen?
De 'all-around athlete'
Bedrijven zoeken steeds vaker naar:
- T-shaped professionals: breed in meerdere domeinen, diep in één
- Growth mindset: willen en kunnen nieuwe skills oppikken
- AI-native mindset: zien agents als tools, niet als threats
Als agents intermediate steps doen, moet je medewerkers anders incentiveren:
Oud model: reward per output
- Aantal lines of code geschreven
- Aantal facturen verwerkt
- Aantal tickets opgelost
Dit werkt niet meer als agents die outputs leveren.
Nieuw model: reward per outcome
- Business impact geleverd
- Problems solved (niet tasks completed)
- Quality van orchestratie en oversight
- Contributions aan continuous improvement
Iteratie vs. snelheid
Een belangrijk mindset shift: als een taak die vroeger 5 dagen kostte met 2 iteraties nu 15 iteraties kost maar 2 dagen — dan ben je vooruit. Maar traditionele metrics waarderen dat niet.
Bedrijven moeten leren om velocity te meten, niet alleen efficiency.
Wat ik zie in de markt: bedrijven die nog steeds recruiteren op narrow specialization lopen talent mis. De beste kandidaten — vooral jongere generaties — zoeken rollen waar ze kunnen groeien, leren, en impact maken over multiple domeinen.
De organisaties die winnen:
- Herschrijven job descriptions met focus op orchestration, niet execution
- Investeren in upskilling programs voor agent fluency
- Redesignen incentive structures rond outcomes, niet outputs
- Creëren culturen die adaptability en continuous learning waarderen
- Accepteren dat iteratieve processes (met agents) beter kunnen zijn dan linear processes (zonder)
Mijn advies: De workforce transformation door AI gaat niet over ontslag. Het gaat over fundamenteel andere rollen, skills en incentives. Bedrijven die dit te laat doorhebben, verliezen hun beste mensen aan concurrenten die wél klaar zijn voor de generalist economy.
De vraag is niet óf deze shift komt. De vraag is of jouw organisatie er klaar voor is.