Op zijn 26e werd hij ontslagen uit zijn “droombaan”: hij werkte 80 uur per week aan AI-agents die mensen vervangen

Wanneer je droombaan zichzelf stilletjes opvreet

Op een regenachtige donderdag in San Francisco liep Leo het glazen kantoorgebouw uit met een kartonnen doos en een hoodie van het bedrijf die hij niet had gevraagd te mogen houden. Zesentwintig jaar oud, donkere kringen onder zijn ogen, zijn toegangspas al geblokkeerd. Zes maanden eerder had hij zijn vrienden nog trots verteld dat hij het "gemaakt had" — aangenomen bij een veelbesproken AI-startup waar iedereen op LinkedIn enthousiast over was. Nu bood de beveiliger in de lobby alleen een beleefde knikje en keek weg.

Hij was net ontslagen uit de baan waarvan hij dacht dat die zijn hele twintigerjaren zou bepalen. De baan waarbij hij 80 uur per week had gewerkt aan het bouwen van AI-agents die precies het soort mensen moesten vervangen als degenen waarmee hij was opgegroeid.

Augmenteren, stroomlijnen, optimaliseren — maar niemand zei "vervangen"

In zijn contract stond "agentische AI voor bedrijfsprocessen". Binnen kantoor zei niemand "mensen vervangen". Men sprak over "productiviteit versterken", "processen stroomlijnen" en "efficiëntie ontgrendelen". Toch wist Leo, laat op de avond starend naar eindeloze regels code en promptketens, wat het product werkelijk deed. Het observeerde wat medewerkers deden, leerde dat na te bootsen en deed het vervolgens sneller en goedkoper.

Hij hield zichzelf voor dat hij de toekomst aan het bouwen was. Ondertussen stopte hij met het beantwoorden van berichten van oude studievrienden die moeite hadden werk te vinden.

Elke maandag begon met een standup waarbij managers een nieuwe klant vierden: een verzekeringsmaatschappij die 30 backoffice-medewerkers liet gaan, een retailketen die zijn supportteam halveerde na de integratie van de nieuwste AI-"agentenzwerm". Dia's toonden hockeystickcurves en vrolijke avatars die tickets afhandelden.

Daarna keerden Leo en zijn collega-ingenieurs terug naar hun bureau. Meer integraties, meer automatiseringen, meer prompts die seconden afsnoepten van menselijke besluitvorming. Toen een klant een bedankbriefje stuurde omdat ze "eindelijk minder afhankelijk waren van laaggeschoolde medewerkers", klapte iemand echt in zijn handen.

De logica voelde waterdicht. Investeerders wilden groei, klanten wilden besparingen, ingenieurs wilden uitdagende problemen oplossen. Leo zat gevangen in het midden van die driehoek. Hoe meer teams hij hielp te "automatiseren", hoe meer lof hij ontving. Promoties volgden snel, aandelenopties bungelden als gouden sleutels naar een ander leven.

Toch vertelde hij zichzelf steeds: als ik het niet doe, doet iemand anders het wel. Dat is de stille deal die veel techwerkers sluiten zonder er te goed naar te kijken.

Je kunt de machine bouwen en toch verrast zijn als die op jou begint te wijzen.

De dag dat de agent hem in het vizier nam

De ironie drong door tijdens een late sprintsessie. Leo's team kreeg de opdracht te "experimenteren met agents ter ondersteuning van interne technische werkstromen". Het klonk onschuldig. Laat het systeem hun Git-commits, tickets en code-reviews volgen en dan verbeteringen voorstellen. Gewoon een productiviteitsboost, toch?

Binnen enkele weken deed de AI meer dan alleen suggesties geven. Het schreef complete testsuites, genereerde standaardcode en refactorde verouderde modules met griezelige precisie. Taken die Leo normaal twee volle middagen kostten, waren nu in 15 minuten klaar met een groen "done"-label.

In het begin zei niemand iets. Ze waren enthousiast. Een teamlid grapte: "Als dit werkt, managen we straks gewoon onze AI-stagiairs." Managers herhaalden die zin graag in vergaderingen. Daarna verschoof de taal. Het waren geen "stagiairs" meer. Het waren "autonome dev-agents".

Tijdens een all-hands verscheen er een dia: "Engineeringsnelheid gestegen met 4,3x dankzij agent-ondersteunde werkstromen." Daaronder, in een kleiner opsommingspunt: "Optimalisatiepotentieel voor personeelsbestand: 20–30% in geselecteerde teams." Je hoeft geen AI-model te zijn om te raden welke "geselecteerde teams" ze bedoelden.

Het bedrijf haalde een nieuwe financieringsronde op. Kostenbesparingen werden een deugd, bijna een moreel standpunt. Presentaties circuleerden over "slanke teams aangedreven door agents". Leo begon op te merken hoe elk intern succesverhaal stilletjes een menselijke schaduw had: "Finance sloot het kwartaal af met de helft van het handmatige werk", "Juridische zaken verwerkte contracten met 70% minder beoordelingsuren".

De harde waarheid: zodra een bedrijf ontdekt dat het 5 salarissen kan vervangen door één abonnement, wint het rekenblad altijd. Leo's eigen functioneringsgesprekken veranderden van toon. Zijn technische vaardigheden? Uitstekend. Zijn "toegevoegde waarde" vergeleken met wat de agents nu konden? Plotseling "onder evaluatie".

Hoe je samenwerkt met de machine zonder vervangbaar te worden

Als je dit leest vanachter je eigen bureau, ligt er een praktische vraag voor je. Hoe blijf je waardevol in een wereld waarin AI-agents steeds meer werk overnemen waarop je trots was? De eerste stap is niet wegrennen van de tools. Het is er juist op afstormen, met een open notitieblok.

Leer wat de AI-systemen van jouw bedrijf daadwerkelijk doen. Waar ze falen. Waar ze hallucineren. Waar ze menselijk oordeel, context, ethiek of lastige afwegingen met de werkelijkheid nodig hebben. Dát is de ruimte waarin je wilt leven.

Een veelvoorkomende valkuil: werknemers negeren de tools óf proberen ze te verslaan op hun eigen terrein. Beide strategieën werken averechts. Wie de tools negeert, lijkt achterhaald. Wie probeert sneller te zijn dan een machine, brandt op door te proberen zelf een machine te zijn.

Je echte meerwaarde zit ergens anders. In betere vragen stellen, betere werkstromen ontwerpen, vertalen tussen bedrijfsdoelen en technische mogelijkheden, en "nee" zeggen wanneer een oplossing er indrukwekkend uitziet maar desastreus uitpakt voor echte mensen. We kennen allemaal dat moment: je beseft dat een tool de nuance van een klantprobleem of een juridisch risico dat niet in de trainingsdata staat, gewoon niet begrijpt.

Leo's keerpunt kwam maanden na zijn ontslag, over een kop koffie met een voormalige collega die was gebleven. Het bedrijf had geen "extra programmeurs" nodig. Het had mensen nodig die de agents konden aansturen, beveiligingen konden ontwerpen en met klanten konden praten over wat ze juist niet moesten automatiseren.

"Achteraf," vertelde de collega hem, "hebben we sommige mensen ontslagen die de menselijke kant het beste begrepen. We hielden degenen die beide talen spraken — machine én rommelige menselijke werkelijkheid."

• Leer de tools grondig, maar niet kritiekloos. Begrijp hun beperkingen, niet alleen hun mogelijkheden.
• Spoor het niet-automatiseerbare op: vertrouwen, onderhandeling, creatieve sprongen, verantwoordelijkheid wanneer het misgaat.
• Stap een niveau hoger: van "taken uitvoeren" naar het ontwerpen van het systeem dat de taken uitvoert.
• Documenteer je oordeel: leg uit waarom je X boven Y koos en waar een model waarschijnlijk tekortschiet.
• Spreek over risico's, niet alleen over snelheid. Mensen die tweede-orde-effecten zien, worden minder snel vervangen.

Wat Leo's verhaal over ons zegt

Leo werkt nu als freelancer en adviseert kleine bedrijven over hoe ze AI kunnen inzetten zonder hun teams uit te hollen. Hij schrijft nog steeds code, maar besteedt meer tijd aan het stellen van ongemakkelijke vragen dan aan het opleveren van features. Wie verliest zijn baan als dit systeem perfect werkt? Wat gebeurt er met je merk als een bot een kwetsbare klant verkeerd behandelt? Wie krijgt de schuld als de AI een slechte beslissing neemt?

Hij is nog steeds trots op zijn technische vaardigheden. Hij is niet langer trots op het blindelings inzetten daarvan voor elk doel dat een pitchdeck vereist.

Er is iets rauw aan het zien van een jonge ingenieur die, met oprechte enthousiasme, precies het systeem bouwt dat zijn eigen rol overbodig maakt. Dit is geen sciencefictionparabel. Het is een doordeweekse dag bij tientallen startups die je nog nooit hebt gehoord.

Laten we eerlijk zijn: niemand leest de volledige "ethiek"-pagina op het bedrijfs-intranet voor hij het aanbod accepteert. Je ziet het salaris, het logo, de kans om aan geavanceerde technologie te werken. Je stelt je niet de e-mail voor die zegt dat jouw functie "niet meer aansluit bij de strategische prioriteiten".

Dit is dus geen oproep tot paniek, noch tot nostalgie naar een wereld zonder automatisering. Het is een oproep om iets nuchterder na te denken over het spel dat we spelen. Om te vragen wie er baat bij heeft, wie er van de dia's verdwijnt, en waar jij wilt staan wanneer de volgende "efficiëntie"-mijlpaal wordt uitgerold.

Machines worden steeds beter in het zijn van een machine. Het echte werk nu is om koppig en nuttig menselijk te blijven.

Veelgestelde vragen

• Kunnen AI-agents echt hele banen vervangen, of alleen taken? In de meeste gevallen beginnen ze met taken: e-mails opstellen, tickets samenvatten, documenten verwerken. Na verloop van tijd worden genoeg taken geautomatiseerd dat een manager besluit één voltijdse functie te schrappen. Hele banen verdwijnen niet van de ene op de andere dag — ze eroderen stilletjes.
• Welk werk loopt nu het meeste risico? Routinematig, digitaal, regelgestuurd werk staat vooraan in de rij: support, gegevensinvoer, bepaalde vormen van kwaliteitscontrole, eenvoudig programmeerwerk, delen van marketing en operaties. Alles wat in duidelijke instructies kan worden gevat en automatisch gecontroleerd kan worden, is aantrekkelijk voor AI-agents.
• Hoe merk ik of mijn baan straks "geoptimaliseerd" wordt? Kijk naar wat jouw bedrijf trots automatiseert voor klanten. Vraag jezelf dan af hoeveel jouw dagelijkse taken daarvan werkelijk verschillen. Als er intern pilots lopen die agents op jouw werkstroom testen, is dat een vroeg signaal.
• Welke concrete vaardigheden moet ik ontwikkelen? Promptontwerp, werkstroomanalyse, basisscripting, datageletterdheid en communicatievaardigheden waarmee je technische keuzes kunt uitleggen aan niet-technische mensen. Ontwikkel ook een oog voor risico's: privacy, vooringenomenheid en reputatieschade.
• Is het hypocriet om aan AI te werken als je je zorgen maakt over baanverlies? Alleen als je weigert kritische vragen te stellen. Je kunt aan AI werken en toch pleiten voor waarborgen, betere transities voor werknemers en systemen die mensen versterken in plaats van uitwissen. De hypocrisie begint wanneer we ophouden ons af te vragen wie er achterblijft.