De nieuwe wet van de AI-economie

Een paar weken geleden publiceerde Jack Clark in zijn nieuwsbrief Import AI de resultaten van een benchmark genaamd MirrorCode. De taak was complex: het reverse-engineeren van een bioinformatica-toolkit van ongeveer 16.000 regels code in de programmeertaal Go. Voor een menselijke expert is dit een klus van ergens tussen de twee en zeventien weken geconcentreerd werk. Claude Opus 4.6 klaarde de klus in enkele minuten.

De reflex is om hier naar te kijken en 'snelheid' te roepen. We zien een machine die sneller tikt dan een mens en concluderen dat we voortaan minder tijd kwijt zijn aan ons werk. Maar die conclusie mist het grotere patroon. De echte aardverschuiving zit niet in de tijdwinst, maar in de schaalvergroting.

Wat we hier zien is de Horizon-Shift: de fundamentele uitbreiding van de maximale omvang van wat één mens kan overzien, bouwen en beheren.

Deze verschuiving wordt ondersteund door harde data. Anthropic publiceerde onlangs een grootschalig onderzoek onder 81.000 gebruikers. De uitkomst was opvallend: hoewel 40 procent van de respondenten 'snelheid' noemde als belangrijkste voordeel, werd 'scope-uitbreiding' — het vermogen om volledig nieuwe taken op te pakken — door 48 procent als het grootste winstpunt gezien. Mensen gebruiken AI niet om eerder klaar te zijn met hun huidige werk, maar om werk te doen dat voorheen buiten hun bereik lag.

De definitie van professioneel meesterschap kantelt hierdoor. In de 'pre-AI' wereld werd je waarde bepaald door je executiekracht: hoe goed en snel kun je zelf de code schrijven, de tekst tikken of het ontwerp maken. In de nieuwe werkelijkheid wordt je waarde bepaald door je span of control. Je bent niet langer de ambachtsman die de stenen legt; je bent de architect die een leger aan digitale metselaars aanstuurt.

Dit is geen abstracte theorie, het is zichtbaar in de tools die we gebruiken. Zoals Laura Entis analyseerde voor Every, verschuift de interface van tools als Claude Code weg van de traditionele command-line — waar je één taak tegelijk uitvoert — naar omgevingen die parallel projectbeheer en visuele previews prioriteren. De professional wordt een manager van intelligente systemen. Je vraagt niet langer om een bug te fixen; je geeft een architecturaal kader en laat agents de onderling verbonden systemen autonoom doorlichten.

Je kunt hier tegenin brengen dat dit leidt tot een gevaarlijke 'management-paradox'. Als je de span of control vergroot zonder dat je zelf nog de diepe vakkennis hebt om elke regel code of elke alinea tekst te begrijpen, bouw je fragiele systemen. Een manager die niet meer weet hoe de machinekamer werkt, herkent een fatale fout pas als het hele schip al zinkt. De architect die alleen nog maar agents aanstuurt, bouwt een kaartenhuis van gehallucineerde zekerheden.

Toch is de beweging onomkeerbaar. De Anthropic-studie liet zien dat senioren (80 procent) veel meer persoonlijk voordeel ervaren van deze verschuiving dan junioren (60 procent). Dat is logisch: zij hebben de vakkennis om de output van de machine te beoordelen en de ambitie om projecten aan te pakken die voorheen een heel team vereisten.

De horizon van wat mogelijk is voor een individu is in één klap kilometers naar achteren geschoven. Wie vasthoudt aan de identiteit van de 'maker' die alleen telt hoe snel hij produceert, concurreert met een machine die nooit moe wordt. De winnaars van de AI-economie zijn degenen die begrijpen dat hun nieuwe taak niet het doen van het werk is, maar het orkestreren van de complexiteit. Je bent geen teamlid meer; je bent een team.