Elke keer als ik LinkedIn open, voelt het alsof ik naar een fitnessreclame kijk. Iedereen heeft een sixpack en is er blijkbaar zonder moeite gekomen. De een bouwt een AI-agent voor het ontbijt. De ander heeft een heel team geautomatiseerd in een weekend. Weer iemand anders plaatst zijn veertiende "dit heb ik geleerd" post deze maand, stuk voor stuk gelikter dan de vorige.
En ik blijf steeds hetzelfde denken: wanneer zijn deze mensen het echte werk aan het doen?
Want dit weet ik uit ervaring: het echte werk ziet er niet zo uit. Het is niet clean, het is niet snel, en het meeste zal nooit een goede LinkedIn post opleveren. Maar hoe vaker ik de highlight reel voorbij zie komen, hoe meer ik het gevoel krijg dat iemand moet zeggen hoe het er echt aan toe gaat.
Dus laat me het proberen.
Hoe het er echt uitziet
Ik zit al meer dan tien jaar in enterprise tech en leid nu samen met mijn compagnon een AI-consultancy. Je zou denken dat ik dit dan wel op orde heb. Niet dus.
Ik heb hele avonden besteed aan het koppelen van AI-tools, terwijl ik handleidingen volgde die een setup van vijftien minuten beloofden. Stap vier werkt niet op jouw machine. Stap zeven vereist iets waar niemand het over had. Stap tien gaat ervan uit dat je al iets weet wat de handleiding nooit heeft uitgelegd. Uiteindelijk krijg je het werkend, maar "vijftien minuten" is drie uur geworden en je weet niet eens zeker of je het goed hebt gedaan.
Ik heb dingen gebouwd waar ik oprecht enthousiast over was. Workflows die een probleem oplosten waarvan ik overtuigd was dat ik het had. En vervolgens gebruikte ik ze niet. Niet omdat ze niet werkten, maar omdat ik er pas achter kwam dat het echte probleem anders was dan wat ik had aangenomen. Dat is een les die geen tutorial je kan leren, die komt alleen van het doen.
Ik heb meegemaakt dat AI output genereerde die zelfverzekerd klonk, goed gestructureerd, goed gearticuleerd, en toch gewoon fout was. Niet een beetje fout. Feitelijk, gevaarlijk fout. Het soort fout dat onder mijn naam de wereld in was gegaan als ik niet de tijd had genomen om het te checken. Het klopt wel, maar het deugde niet.
Niets hiervan zie je terug in iemands LinkedIn post. Maar dit is hoe het echte werk eruitziet. Proberen, falen, bijstellen, en langzaam beter worden. Geen doorbraak per dag, maar een lange reeks kleine frustraties die na verloop van tijd leidentot iets echts.
Het gat tussen het signaal en de werkelijkheid
Als wij met leiders praten over AI, valt ons iets op. Bijna iedereen heeft er een mening over. Heel weinig hebben er echte ervaring mee.
Sommigen zijn openlijk sceptisch. Iemand in mijn directe omgeving weigert AI-tools te gebruiken, omdat ze gelooft dat het je dom maakt, dat je stopt met zelf nadenken, dat je afhankelijk wordt van iets wat je niet begrijpt. En eerlijk gezegd is dat geen gekke positie. Maar er is een verschil tussen gezonde scepsis en stilstaan, en in een landschap dat zo snel beweegt, heeft stilstaan zijn eigen gevolgen.
Een veel grotere groep is oprecht geïnteresseerd maar nog niet begonnen. Ze stellen goede vragen, volgen de ontwikkelingen, snappen waarom het ertoe doet. Maar er is altijd een reorganisatie, een kwartaalreview, iets urgenters. AI blijft op het "ik zou er echt iets mee moeten" lijstje staan, en dat lijstje wordt alleen maar langer. Elke maand die voorbijgaat wordt het gat tussen intentie en actie een stukje groter.
En dan is er de groep die me het meeste zorgen baart. Mensen die met volledig vertrouwen over AI praten, maar nooit daadwerkelijk iets mee hebben gebouwd. Ze kennen elk framework, refereren aan elke trend en klinken ongelofelijk goed in elke vergaderruimte. Maar ze hebben nog nooit een terminal geopend. Nooit iets kapot zien gaan en moeten uitzoeken waarom. Ik ben jarenlang omringd geweest door deze mensen en het gat tussen wat ze uitstralen en wat ze daadwerkelijk kunnen wordt steeds moeilijker vol te houden.
De mensen die hier echt goed in zijn? Die zijn meestal het meest eerlijk over wat ze niet weten. Die eerlijkheid is precies de reden dat ze voorlopen, ook al zijn de meesten van hen ervan overtuigd dat ze achterlopen.
De mindset waar niemand het over heeft
Als organisaties bij ons komen met hun AI-ambities, begint het eerste gesprek bijna altijd hetzelfde. Ze hebben gezien wat er mogelijk is, ze hebben grote ideeën, ze willen een heel proces automatiseren of een agent bouwen die alles afhandelt.
En dan gaan we samen naar de werkelijkheid kijken. Er is geen gestructureerde data. De systemen praten niet met elkaar. Het proces dat ze willen automatiseren heeft twaalf uitzonderingen die niemand ooit heeft gedocumenteerd. Dat betekent niet dat je niet moet beginnen, maar het betekent wel dat beginnen er heel anders uitziet dan wat iemand erover post.
De mensen die wij echt goed zien worden in AI delen iets dat niets te maken heeft met technische vaardigheid of budget. Ze waren bereid om er een tijdje slecht in te zijn. Ze probeerden dingen die niet werkten en vroegen "wat deed ik fout" in plaats van te concluderen "deze tool werkt niet." Ze behandelden AI als een vaardigheid om te ontwikkelen, niet als een knop om op te drukken. En ze checkten de output voordat ze hem vertrouwden, elke keer weer.
Die bereidheid om met ongemak te zitten, om een beginner te zijn terwijl iedereen om je heen expertise verwacht, om het ruige werk te doen van controleren en bijstellen en opnieuw proberen: dat is het echte verschil. Niet de tool. Niet het model. Niet het prompt-template dat iemand deelde in een blog post.
En hier begint het vermenigvuldigen en versnellen. Zodra je door dat initiële ongemak heen duwt en iets hebt dat werkt, iets dat je zelf hebt gebouwd, iets dat je eerder niet kon, wil je meer. Je wordt nieuwsgierig naar wat er nog meer mogelijk is. Je probeert moeilijkere dingen. Je intuïtie voor wat werkt en wat niet wordt scherper. Elke iteratie bouwt voort op de vorige en op een gegeven moment besef je dat je een grens bent gepasseerd die je niet eens kunt aanwijzen. Je weet niet meer wanneer het moeilijk zijn voorbij was. Het was er gewoon ineens niet meer.
Maar dat vliegwiel begint alleen te draaien als je het werk doet. Stapjes vooruit, stapje terug...
En hier is het deel dat echte urgentie zou moeten creëren. Ik merk het elke week in mijn eigen werk: de tools worden beter in het werken met mij, niet alleen andersom. Ze onthouden wat ik heb gebouwd, hoe ik denk, wat ik eerder heb geprobeerd. Elke sessie pakt op waar de vorige stopte. Het is als een taal leren door in het land te wonen. De eerste maanden zijn pijnlijk, alles gaat langzaam, je klinkt als een kind dat koffie probeert te bestellen. Maar op een gegeven moment stop je met vertalen in je hoofd en begin je erin te denken. En als dat eenmaal gebeurt, kan iemand die net Duolingo heeft gedownload je niet meer inhalen door een week harder te studeren. Je hebt niet alleen de woorden geleerd. Je hebt een intuïtie opgebouwd die alleen komt van onderdompeling, van fouten maken in echte gesprekken, van de opgestapelde ervaring van duizenden kleine interacties die hebben gevormd hoe je denkt.
Dat is wat er nu met AI gebeurt. En het venster om die skills op te bouwen staat open, maar het blijft niet eeuwig open staan.
Wat me echt zorgen baart
Het zijn niet de managers die dit nog niet hebben uitgezocht. Het zijn de mensen onder hen.
Als je een team leidt en je hebt geen echte skills ontwikkeld met deze tools, dan krimpt je vermogen om dat team te begeleiden met elke maand die voorbijgaat. Niet omdat je slecht bent in je werk, maar omdat het werk verandert in een richting waar je je nog niet mee hebt beziggehouden.
Je teamleden gaan dit zelf uitzoeken. Ze gaan experimenteren, ze gaan vaardigheden opbouwen en op een gegeven moment gaan ze zich afvragen waarom ze nog oude processen volgen terwijl ze allang weten dat er een betere manier bestaat. Het gat tussen wat een leider begrijpt en wat diens team kan, wordt een van de meest bepalende dynamieken in organisaties de komende jaren.
En hier gaat het gesprek over AI en leiderschap volgens mij meestal mis. Het wordt geframed als een technische achterstand. Maar dat is het niet. Het is een identiteitsprobleem.
Jarenlang betekende leider zijn dat je de persoon in de kamer was met de beste antwoorden. Dat werkte toen antwoorden schaars waren. Maar AI heeft antwoorden overvloedig gemaakt. En als antwoorden overal zijn, staat de leider die zijn geloofwaardigheid nog steeds bouwt op het hebben ervan op grond die onder zijn of haar voeten verdwijnt.
De leiders die ik op dit moment het meest respecteer zijn degenen die gestopt zijn met expertise performen en begonnen zijn met nieuwsgierigheid laten zien. Ze stellen betere vragen dan hun teams, niet omdat ze meer weten, maar omdat ze geaccepteerd hebben dat weten niet meer de kern van hun baan is. De management taak voor vandaag is de ruimte creëren waarin je mensen kunnen experimenteren, falen en vaardigheden opbouwen, sneller dan de markt het van ze vraagt.
Degenen die die verandering niet kunnen maken zijn geen slechte leiders. Maar ze leren hun teams, zonder het te beseffen, dat zelfverzekerd overkomen belangrijker is dan goed worden. En die les stapelt zich net zo snel op als het vaardigheidsgat zelf.
De eerlijke versie
Ik schreef dit omdat ik denk dat het eerlijke gesprek nuttiger is dan weer een perfect gepolijste post over iemands AI-ochtendroutine.
Als je nog niet begonnen bent, begin. Je gaat ongetwijfeld dingen bouwen die je uiteindelijk niet gebruikt. Je gaat output vertrouwen die je niet had moeten vertrouwen. Je gaat drie uur besteden aan iets waarvan een tutorial zei dat het vijftien minuten zou duren. En dat is precies hoe het hoort te gaan.
Als je je AI skillset hebt gefaked in plaats van je echt eigen gemaakt, dan weet je het al. Hoe langer je wacht, hoe moeilijker de correctie wordt.
En als je er al middenin zit, handen vuil, fouten makend, al doende uitzoekend: ga door. Als je slechte uitkomsten als output krijgt is dat geen teken dat je het verkeerd doet. Het is een teken dat je het aan het proberen bent...en het gaat je 100% lukken als je vol blijft houden.
Want de echte flex is niet posten over AI. Het is je mond houden en er iets mee bouwen.
In de geest van eerlijkheid: dit artikel is geschreven met Claude Opus 4.6, een voice-to-text tool met het Parakeet V3 model omdat ik beter denk als ik praat dan als ik typ, en een persoonlijk contextsysteem dat ik bewust heb opgebouwd en bijgeschaafd over maanden van werken met deze tools. Het heeft meerdere rondes van terugduwen, herschrijven en hervormen doorlopen voordat het van mij voelde. Het was geen magie. Het was oefening.