De opkomst van LLM’s

De komst van Large Language Models – vaak afgekort tot LLM’s – zoals ChatGPT markeert een keerpunt in hoe wij ons werk en onze samenleving organiseren. Waar kunstmatige intelligentie jarenlang op de achtergrond meedraaide, in zoekmachines, in vertaalsoftware of in de logica van aanbevelingssystemen, staan deze taalmodellen nu volop in de schijnwerpers. Ze spreken onze taal, zijn direct toegankelijk en voelen daardoor dichterbij dan ooit. Iedereen met een mobiele telefoon of toetsenbord kan vandaag de dag in gesprek gaan met een systeem dat even gemakkelijk juridische analyses produceert als creatieve teksten, of dat code schrijft en tegelijkertijd een strategische memo opstelt.

In de eerste fase werden LLM’s vaak gezien als experimenten. Ze dienden als hulpmiddel om een eerste concepttekst te schrijven, een notulenoverzicht te maken of een alternatieve invalshoek voor een campagne te verzinnen. Maar dat stadium zijn we inmiddels voorbij. Bedrijven zetten deze technologie steeds breder in en integreren haar in de kern van hun processen. Klantenservice wordt verrijkt met modellen die in natuurlijk taalgebruik de dialoog aangaan, juristen laten zich ondersteunen door systemen die jurisprudentie analyseren, marketeers combineren creatieve ideeën met data-analyse en softwareontwikkelaars ontdekken hoe code sneller kan worden gegenereerd en fouten eerder worden opgespoord. De invloed reikt veel verder dan die van eerdere automatiseringsgolven, omdat het niet alleen gaat om repetitieve taken, maar juist ook om creatieve en cognitieve activiteiten die ooit exclusief menselijk leken.

Kracht en beperking

Hoe overweldigend ook, het is belangrijk te snappen dat LLM’s niet alles kunnen. Sterker nog de magie is niet echt. Heel letterlijk voorspelt een LLM het volgende woord zonder context en zonder begrip.  Maar het is wel heel erg handig. Hun kracht ligt in schaal, snelheid en toegankelijkheid. Ze kunnen enorme hoeveelheden informatie in seconden doorgronden, patronen herkennen en een stroom van alternatieven aandragen. Ze doen dat met een precisie en een tempo waar geen mens aan kan tippen. Een LLM weet niet wat waarheid is, laat staan welke intenties of waarden eraan verbonden zijn. Dat maakt ze krachtig als hulpmiddel, maar ontoereikend als vervanger van menselijke besluitvorming. Ook daar schuilt het gevaar dat de mens niet zorgvuldig de output van een prompt checkt. Want het lijkt vaak zo goed of waar dat je er snel in gelooft dat het ook waar is.

De nieuwe rol van de mens

Er is een de nieuwe verhouding tussen mens en machine ontstaan. Veel eerder dan verwacht. Wat betekent dat voor ons en voor onze maatschappij? Waar we vroeger vooral uitvoerders waren van ons eigen werk, worden we steeds meer regisseurs. Het is de mens die de richting bepaalt, die de juiste vragen formuleert, die de resultaten beoordeelt en verbetert, en die bovenal de verantwoordelijkheid draagt voor de uiteindelijke beslissing. In plaats van eindeloos tijd te steken in productie, ontstaat er ruimte voor interpretatie, voor strategie, voor creativiteit en voor morele afwegingen.

Dit heeft gevolgen voor hoe we productiviteit begrijpen. Waar productiviteit ooit vooral werd gemeten in output – in de hoeveelheid werk die in een bepaalde tijd werd verzet – verschuift de definitie naar waardecreatie. Dankzij LLM’s kan een marketeer in een fractie van de tijd een conceptvoorstel genereren, maar de echte meerwaarde ligt in het doordenken van de strategie achter dat voorstel. Een jurist hoeft niet langer dagen te besteden aan het doorploegen van dossiers, maar kan zich concentreren op de interpretatie en de argumentatie die uiteindelijk doorslaggevend zijn. Productiviteit krijgt daarmee een nieuwe dimensie: niet méér doen in minder tijd, maar betekenisvoller werk leveren omdat de ruimte voor reflectie en innovatie toeneemt.

Die verschuiving raakt ook onze samenleving in bredere zin. Doordat LLM’s data begrijpelijk en toegankelijk maken, wordt besluitvorming steeds meer data-gedreven. Bestuurders en managers hoeven zich minder te verlaten op intuïtie of ervaring alleen, omdat inzichten uit grote hoeveelheden informatie sneller en beter beschikbaar zijn. Kennis wordt daarmee gedemocratiseerd: waar complexe analyses ooit het domein waren van een kleine groep specialisten, kan nu vrijwel iedereen ermee werken. Dat versnelt innovatie en maakt onze samenleving wendbaarder. Tegelijkertijd brengt het nieuwe verantwoordelijkheden met zich mee. Als de kwaliteit van data twijfelachtig is of als algoritmes vooroordelen reproduceren, kan de uitkomst misleidend zijn. De vraag wie verantwoordelijk is voor fouten van een AI-systeem is daarmee niet langer academisch, maar concreet en urgent.

Ook de arbeidsmarkt zal onder invloed van LLM’s veranderen. Repetitieve cognitieve taken zullen verdwijnen of drastisch van vorm veranderen. Sommige functies komen onder druk te staan, maar er ontstaan ook nieuwe rollen. We zullen steeds meer behoefte hebben aan mensen die AI kunnen trainen, die ethische vraagstukken rondom technologie bewaken en die complexe data kunnen vertalen naar begrijpelijke en toepasbare inzichten. De kern van deze nieuwe functies ligt niet in de machine, maar in de menselijke capaciteit om context, visie en waarden toe te voegen.

Dat brengt ons bij de kern van de zaak: in een wereld die steeds meer vertrouwt op data en technologie, groeit juist de waarde van het menselijke perspectief. Het is de mens die verantwoordelijkheid draagt, die keuzes maakt, die waarden als rechtvaardigheid, empathie en vertrouwen bewaakt. Het is de mens die richting geeft, die een visie ontwikkelt en koers bepaalt. Zonder deze dimensie blijven LLM’s machtige, maar stuurloze hulpmiddelen. De samenwerking tussen mens en machine is daarom niet een verhaal van vervanging, maar van aanvulling. Machines brengen snelheid en schaal, mensen brengen betekenis en richting.

Toekomst in balans

De toekomst van werk ligt daarmee in balans. Organisaties die LLM’s uitsluitend zien als bedreiging of als concurrent, zullen de kansen missen die ze bieden. Wie de technologie daarentegen omarmt als partner, kan productiviteit verhogen, innovatie versnellen en maatschappelijke waarde toevoegen. Maar dat vraagt om realisme en ambitie tegelijk: realisme in het erkennen van de beperkingen van AI, en ambitie in het ontwikkelen van nieuwe manieren van werken waarin mens en machine elkaar versterken.

De conclusie is helder. LLM’s zullen ons werk fundamenteel veranderen. Ze zullen ons helpen sneller te werken, betere analyses te maken en nieuwe mogelijkheden te ontdekken. Maar de koers die we varen, de waarden die we bewaken en de betekenis die we aan ons werk geven, blijven onverminderd menselijk.