Als AI steeds meer beginnerswerk overneemt, ontstaat er een vraag waar in veel organisaties nog nauwelijks een antwoord op is: hoe worden beginners dan ooit experts? Het werk dat we jarenlang als eenvoudig, repetitief of weinig interessant beschouwden, had namelijk nog een tweede functie. Het leverde productie op en ook vakmensen.
Mijn eerste jaren in dit vak zaten vol werk dat niemand zag of ooit zou zien. Een vierde kleurvariant die de klant waarschijnlijk toch niet zou kiezen. Een logo dat net niet klopte en dat ik opnieuw tekende totdat ik begreep waarom. Drukproeven controleren op kleur, inslag en details die voor een buitenstaander nauwelijks zichtbaar waren. Het waren uren die weinig spectaculair leken, en juist daar leerde ik kijken.
Beginnerswerk was ook opleiding
Vroeger kreeg een junior vaak de klussen waar ervaren collega’s niet op zaten te wachten. Vijf varianten van een advertentie voor een clubblad, een huisstijl doorvertalen naar tientallen documenten of bestaande middelen aanpassen voor verschillende formaten.
We noemden dat laagwaardig werk omdat het eindproduct weinig creatieve waarde leek te hebben. De waarde zat alleen niet uitsluitend in het eindproduct. Je maakte dezelfde soort keuze tientallen keren en telkens keek iemand mee. Een senior corrigeerde, stelde vragen en wees aan wat nog niet klopte.
Zo werd productie automatisch ook opleiding. De organisatie kreeg de middelen die nodig waren en de junior bouwde ondertussen ervaring op.
Oordeel ontstaat door herhaling
Een verkeerde spatiëring herkennen is iets anders dan hem zelf tien keer verkeerd hebben gezet en tien keer gecorrigeerd hebben gekregen. Hetzelfde geldt voor kleur, compositie, toon, hiërarchie of de vraag wanneer een ontwerp net uit balans raakt.
Veel professioneel oordeel ontstaat doordat je gedurende lange tijd kleine fouten maakt, ze terugziet en begrijpt waarom ze fouten zijn. Niet doordat iemand je één keer uitlegt wat goed is.
Dat leerproces is moeilijk zichtbaar te maken. Aan het einde van de dag zie je een folder, advertentie of presentatie. Je ziet niet hoeveel beter degene die eraan werkte ondertussen heeft leren kijken. Juist daardoor hebben we die waarde jarenlang nauwelijks meegerekend.
AI haalt productie en opleiding uit elkaar
AI kan veel van dat productiewerk inmiddels sneller uitvoeren. Een systeem maakt in korte tijd tientallen varianten, trekt een stijl door naar verschillende middelen of levert een eerste ontwerp dat er direct verzorgd uitziet. Dat is efficiënter, en het verandert ook wie de handelingen uitvoert waar vroeger het leerproces in zat.
Een junior kan honderd varianten bekijken zonder ze zelf honderd keer te hebben moeten maken. Daarmee ziet diegene veel voorbeelden, terwijl hij of zij niet automatisch dezelfde opeenvolging van keuzes, fouten en correcties doorloopt waar traditioneel vakmanschap uit groeide.
Dat verschil lijkt klein zolang we alleen naar output kijken. Het wordt groter zodra oordeel belangrijker wordt dan productie.
Afwerking wordt goedkoper, oordeel duurder
Juist omdat steeds meer mensen met goed gereedschap fatsoenlijk ogend werk kunnen maken, verschuift het onderscheid naar een andere plek: naar wat je weggooit en wat je laat staan.
Welke variant is werkelijk beter? Welke oplossing past bij het merk en welke alleen bij de opdracht die je AI gaf? Waar zit een detail dat op het eerste gezicht prima lijkt en later problemen veroorzaakt? Wanneer is iets overtuigend en wanneer alleen glad afgewerkt?
Dat soort vragen vragen om oordeel. En oordeel ontstaat meestal niet uit het niets. Het is het resultaat van ervaring, herhaling en feedback. Naarmate afwerking goedkoper wordt, wordt goed oordeel daardoor juist kostbaarder.
De klant betaalde vroeger ongemerkt mee
Het interessante is dat opleiden jarenlang grotendeels verstopt zat in gewoon productiewerk. Een junior deed echt werk voor een echte klant, dat werk had economische waarde en onderweg werd iemand beter in het vak.
De klant betaalde daar indirect aan mee omdat de productie toch moest gebeuren. De leertijd zat in de uren die nodig waren om die advertenties, middelen of varianten te maken.
Wanneer AI een groot deel van dat werk overneemt, verdwijnt die constructie. De productie wordt sneller en de opleiding moet ergens anders plaatsvinden. Dan moet een senior bewust naast een junior gaan zitten en vragen stellen. Waarom heb je deze variant gekozen? Waarom niet die? Wat klopt hier niet? Wat zie je over het hoofd? Probeer het nog eens.
Dat is goede opleiding, en het kost tijd zonder dat er automatisch veertig advertenties tegenover staan die toch gemaakt moesten worden.
Opleiden wordt een aparte taak
Daarmee verandert het werk van juniors, en ook dat van seniors en bureaus. Als opleiding niet langer vanzelf ontstaat tijdens productie, moet ze expliciet worden georganiseerd.
Dat vraagt om tijd voor begeleiding, ruimte om werk opnieuw te doen en situaties waarin beginners zelf beslissingen moeten blijven nemen in plaats van uitsluitend AI-uitkomsten te beoordelen. Anders bestaat het risico dat we mensen steeds eerder in de beoordeelstand zetten zonder dat ze lang genoeg in de maakstand hebben gezeten om goed te leren beoordelen.
Dat betekent niet dat juniors kunstmatig alle inefficiënte werkzaamheden van vroeger moeten blijven uitvoeren. Veel daarvan kunnen we met plezier aan AI overlaten. De vraag is welke leerervaringen daarmee verdwijnen en hoe we die doelbewust terugbrengen.
Wie betaalt voor de leerschool?
Daar zit misschien wel de lastigste organisatorische vraag. Wanneer opleiding vroeger een bijproduct van productie was en die productie nu sneller en goedkoper wordt, moet iemand expliciet gaan betalen voor het leerproces dat overblijft.
Dat kan een bureau zijn dat bewust investeert in begeleiding, een opdrachtgever die ruimte accepteert voor ontwikkeling, of een opleidingsvorm waarin oefenen weer een zelfstandige waarde krijgt. Waarschijnlijk zal het een combinatie worden.
Wat niet werkt, is ervan uitgaan dat juniors vanzelf hetzelfde niveau zullen bereiken terwijl we precies het werk weghalen waarin eerdere generaties dat niveau hebben opgebouwd.
We dachten dat AI vooral het vervelende werk van juniors zou overnemen. Mogelijk neemt het ook een deel over van het werk waarmee ze leerden geen junior meer te zijn. Daarom moeten we opnieuw nadenken over wat beginners nog hoeven te maken, en vooral over waar ze voortaan het vak leren.