De technologiesector bevindt zich in 2026 op een cruciaal kantelpunt, een moment dat later in de geschiedenisboeken wellicht zal worden aangeduid als de grote scheiding tussen het tijdperk van de ambachtelijke codeur en het tijdperk van de AI-augmented engineer. Voor de junior software engineer, de traditionele leerling, manifesteert deze transitie zich als een existentiële crisis. De vraag die op ieders lippen brandt is niet langer of er werk is, maar of de rol van junior developer zoals we die kenden, nog wel bestaansrecht heeft.
We zien een samenloop van omstandigheden: een macro-economische correctie na de pandemie-boom, de opkomst van generatieve AI die de waarde van ‘basiswerk’ erodeert, en een fundamentele verschuiving in de verwachtingen van werkgevers. Waar bedrijven voorheen bereid waren te investeren in potentieel, eisen ze nu onmiddellijke productiviteit – een eis die paradoxaal genoeg moeilijker in te lossen is voor starters, juist omdat de taken waarmee ze traditioneel die productiviteit opbouwden, nu geautomatiseerd worden.
De macro-economische Context: van groei naar efficiëntie
Om de huidige situatie van de junior developer te begrijpen, moeten we eerst de bredere economische realiteit van de techsector in 2025 ontleden. De tijd van “gratis geld” – de periode van historisch lage rentestanden die liep van 2010 tot begin 2022 – is definitief voorbij.
De einde van de tech-boom
Tijdens de gouden jaren van de tech-boom (2015-2021) was kapitaal goedkoop. Startups en scale-ups werden gewaardeerd op groei, niet op winstgevendheid. In dat klimaat was het aannemen van junior developers een logische strategie: het was een goedkope optie op toekomstig talent. Een bedrijf kon het zich veroorloven om tien junioren aan te nemen, wetende dat ze pas na negen maanden productief zouden zijn, omdat de focus lag op het maximaliseren van de headcount om groei te faciliteren.
Vandaag opereren we in een omgeving van hogere kapitaalkosten. Investeerders en aandeelhouders eisen onmiddellijke efficiëntie en winstgevendheid (of een duidelijk pad daarheen). De “time-to-value” van een werknemer is cruciaal geworden. Een senior developer die op dag één waarde levert, is in dit model economisch aantrekkelijker dan een junior die een investering van zes maanden vergt, zelfs als het salaris van de senior dubbel zo hoog ligt. Bedrijven moeten “meer doen met minder”, en in die vergelijking wordt de junior, die traditioneel gezien werd als een investering voor de lange termijn, nu vaak gezien als een kostenpost op de korte termijn.
De “Hiring Freeze” in cijfers
De data ondersteunen dit sentiment van voorzichtigheid. Waar we in de VS al massale ontslagrondes zagen bij Big Tech, begint de impact nu ook in de Benelux voelbaar te worden in de vacaturemarkt voor starters.
In België luidt technologiefederatie Agoria de noodklok. In de eerste negen maanden van 2024 verdwenen meer dan 5.000 jobs in de Belgische technologiesector, het hoogste aantal in twaalf jaar. De voorspelling in 2025 was somber, met een verwacht verlies van nog eens duizenden banen voordat mogelijk sprake is van herstel.
Dit banenverlies concentreert zich niet alleen in de pure softwaresector, maar ook in de maakindustrie (bijvoorbeeld de herstructureringen bij Audi Brussels), die traditioneel een grote afnemer is van embedded software engineers en IT-ondersteuning. Voor junioren betekent dit dat de traditionele stabiele “corporate” jobs schaarser worden.
Thoughtful Engineering
Het artikel “Junior Developers in the Age of AI” biedt een essentieel theoretisch kader om de huidige marktdynamiek te begrijpen. Het stelt dat de crisis niet louter economisch is, maar structureel technologisch. De introductie van AI in de ontwikkelcyclus verandert de aard van softwareontwikkeling zelf, en daarmee de rol van de junior.
De “Product management bottleneck”
Een van de meest inzichtelijke argumenten is dat de bottleneck in software productie verschuift. Traditioneel was het schrijven van code de traagste schakel. Product managers en designers konden features sneller bedenken dan developers ze konden bouwen. Hierdoor was er altijd een backlog, en dus altijd werk voor extra handjes (junioren).
Met de komst van AI-tools zoals GitHub Copilot, Cursor en Claude Sonnet, is de snelheid waarmee code geproduceerd wordt drastisch toegenomen. De bottleneck verschuift nu naar “upstream” (Product Management: wat moeten we bouwen?) en “downstream” (QA, Security, Compliance: is wat we gebouwd hebben veilig en wenselijk?).
Dit heeft directe gevolgen voor junioren:
Bedrijven hebben geen behoefte aan meer mensen die alleen maar code typen, want dat is niet langer het schaarse goed.
Er is behoefte aan mensen die productwaarde begrijpen en AI kunnen sturen om die waarde te realiseren. De pure “coder” verliest waarde ten opzichte van de “Product Engineer”.
De mythe van “Vibe Coding”
Er is een populaire stroming die suggereert dat in de toekomst iedereen kan coderen door simpelweg tegen een AI te praten (“vibe coding”). Stephan Schmidt en andere experts waarschuwen echter voor deze valkuil, vooral voor junioren.
“Vibe coding” werkt fantastisch voor prototypes en demo’s. Maar in een enterprise-omgeving, met legacy codebases, complexe state-management en strikte security-eisen, is het onvoldoende. Een junior die enkel vertrouwt op AI om code te genereren zonder de onderliggende principes te begrijpen, creëert technische schuld.
De realiteit is dat je een betere developer moet zijn om AI effectief te gebruiken. Je moet de output van de AI kunnen beoordelen (code review), fouten kunnen debuggen die je niet zelf hebt gemaakt, en begrijpen hoe de gegenereerde componenten in de grotere architectuur passen. Dit vereist meer fundamentele kennis, niet minder.
De junior als “AI-Native Engineer”
Ondanks de sombere vooruitzichten, identificeert het artikel ook een enorme kans. Junioren hebben één groot voordeel: ze zijn niet vastgeroest in de oude manieren van werken. Ze kunnen “AI-Native” zijn.
Waar een senior misschien aarzelt om zijn workflow aan te passen, kan een junior leren om AI te integreren als een extensie van zijn denkproces. Dit betekent:
Niet: AI vragen om een functie te schrijven en die copy-pasten.
Wel: AI gebruiken om architectuuropties te verkennen, testcases te genereren, documentatie te schrijven en complexe API’s te leren begrijpen.
De junior die deze “meta-skill” beheerst – het orkestreren van AI om productiviteit te leveren op medior-niveau – heeft de toekomst.
Wat vervangt de “Coder”?
Als de markt verandert, moet het profiel van de kandidaat mee veranderen. De vaardigheden die in 2020 garandeerden dat je werd aangenomen (bijvoorbeeld een simpele React app kunnen bouwen), zijn vandaag slechts “table stakes”.
Wat is vervangen?
De volgende taken worden door bedrijven in 2026 gezien als “grotendeels opgelost” door AI, en zijn dus geen onderscheidende factor meer voor een junior:
Boilerplate code: Het opzetten van de basisstructuur van een project, HTML-skeletten, of standaard CRUD-operaties.
Basis unit tests: Tools als CodiumAI of Copilot genereren deze sneller en vaak uitgebreider dan een mens.
Syntax kennis: Het uit het hoofd kennen van elke parameter van een functie is minder belangrijk dan weten dat de functie bestaat en hoe je hem vindt.
Wat is nieuw?
Om in 2026 aangenomen te worden, moet een junior vaardigheden demonstreren die boven op de AI liggen.
Systeemdenken & architectuur
Omdat het schrijven van individuele functies goedkoper is, worden systemen complexer. Een junior moet snappen hoe componenten met elkaar praten. Bijvoorbeeld: In plaats van alleen een API-endpoint te kunnen schrijven, moet je kunnen uitleggen hoe dat endpoint schaalt, hoe het beveiligd is (OAuth/JWT), en hoe het interacteert met de database.
AI-Engineering & RAG
Bedrijven zoeken wanhopig naar mensen die de kloof kunnen overbruggen tussen generieke LLM’s en hun specifieke bedrijfsdata. Dit is de heilige graal van 2026. Een junior die kan demonstreren hoe hij een documentendatabase (bijv. PDF’s van handleidingen) indexeert in een vector database (zoals Pinecone of Weaviate) en daar een LLM vragen over laat beantwoorden zonder te hallucineren, heeft een streepje voor op 90% van de andere kandidaten.
Debugging & code review
Paradoxaal genoeg: hoe meer code AI schrijft, hoe belangrijker debugging wordt. AI maakt subtiele fouten. Het vermogen om in een vreemde codebase te duiken, de flow te begrijpen en een complexe bug te isoleren, is een vaardigheid die AI (nog) moeilijk kan repliceren. Dit vereist een diepgaand begrip van de programmeertaal, niet alleen oppervlakkige syntax kennis.
Guerrilla tactieken voor juniors
De “voordeur” (online solliciteren via LinkedIn) zit vaak op slot door de honderden AI-generated sollicitaties die recruiters overspoelen.
Netwerken: fysieke aanwezigheid is goud
In een steeds digitaler wereld wordt fysiek contact de ultieme onderscheidende factor.
Conferenties: Aanwezigheid op evenementen is cruciaal. Hier lopen vaak senior developers rond. Het doel is niet om direct om een baan te vragen, maar om vragen te stellen, interesse te tonen en deel te worden van de gemeenschap.
Meetups: In Nederland en België zijn platforms zoals Meetup.com levendig. Ga erheen, luister naar de talks, en praat met de sprekers. De vraag “Werken jullie met juniors?” komt veel beter over met een drankje in de hand na een inhoudelijk gesprek dan via een koude e-mail.
De open source achterdeur
Een geaccepteerde Pull Request (PR) in een bekend open-sourceproject is het krachtigste bewijs van competentie. Het toont aan dat je:
Bestaande code kunt lezen en begrijpen (cruciaal!).
Kunt communiceren met maintainers.
Git-workflows beheerst. Advies: Begin klein. Fix typefouten in documentatie, verbeter een test-case, of update een dependency. Coolblue’s tech blog adviseert dit expliciet als een van de beste manieren om ervaring op te doen.
Interview voorbereiding
Interviewprocessen veranderen. Het klassieke “whiteboard interview” (draai een binaire boom om op een bord) maakt plaats voor meer realistische tests.
Take-home assignments: Vaak krijg je een opdracht mee naar huis. Gebruik AI, maar wees transparant. Voeg een “AI Disclosure” toe aan je inzending: “Ik heb Copilot gebruikt voor de CSS grid opmaak, maar de React state logic heb ik zelf geschreven om X reden.” Dit toont eerlijkheid en professioneel tool-gebruik.
Systeem design: Bereid je voor op vragen als “Hoe zou je een URL-shortener bouwen?”. Hier wordt getoetst op je begrip van databases, caching en schaalbaarheid.
Toekomstperspectief?
Is het onmogelijk om in 2026 een junior developer job te vinden? Nee. Is het moeilijker dan in 2021? Absoluut. De markt heeft een correctie ondergaan die permanent lijkt. De “Junior Coder” rol is verdwenen, vervangen door AI.
Maar in de plaats daarvan ontstaat de rol van de Junior Engineer. Dit is iemand die AI gebruikt als een hefboom om sneller te leren en complexere problemen op te lossen dan voorheen mogelijk was voor een starter. Bedrijven zoals Telenet of Colruyt blijven aannemen, maar ze zoeken naar kandidaten die blijk geven van nieuwsgierigheid, aanpassingsvermogen en een “product mindset”.
Voor de junior die bereid is om verder te kijken dan de syntax, die zich verdiept in architectuur en AI-integratie, en die de moed heeft om fysiek te netwerken, liggen er enorme kansen. De crisis is niet het einde van de junior developer, maar de geboorte van een nieuw, krachtiger type softwareprofessional.
Checklist voor de junior van 2026
Stop met solliciteren via de “Easy Apply” knop. Het is een loterij die je verliest.
Bouw één complex project. Geen 10 kleine tutorials. Eén diepgaande SaaS of RAG-tool.
Leer de AI-stack. Vector databases, LLM API’s, Prompt Engineering.
David Ogilvy, de vader van de moderne reclame, had een gouden regel voor succes die mij altijd is bijgebleven:
“It is a good idea to start the year by writing down exactly what you want to accomplish, and end the year by measuring how much you have accomplished.”
Nu we in de laatste dagen van 2025 zitten, is dit het perfecte moment om die denkbeeldige meetlat erbij te pakken. Niet om mezelf op de borst te kloppen, maar om even stil te staan bij de weg die is afgelegd. En wat een rit was het.
De meetlat langs 2025: van Brugge tot Europa
Als ik terugkijk op het afgelopen jaar, overheerst vooral een gevoel van dankbaarheid en energie. 2025 stond in het teken van kennis delen en verbinden:
Community bouwen: Samen met Patrick Van Renterghem hebben we de Howest campus in Brugge 12 keer doen bruisen. De Tech & Meets waren stuk voor stuk massaal bijgewoonde voltreffers. Bedankt aan iedereen die erbij was!
Grenzen verleggen: Ik heb het voorrecht gehad om AI-workshops (met focus op prompt engineering) te mogen geven aan de meest uiteenlopende organisaties. Niet alleen in België, maar dwars door Europa. Het enthousiasme voor AI is overal voelbaar.
De pen voor 2026: nieuwe hoofdstukken schrijven
Volgens de filosofie van Ogilvy moet je niet alleen meten, maar ook vooruit kijken. Mijn lijstje ligt klaar en de ambitie is groot. Voor 2026 leg ik de lat weer een stukje hoger (en menselijker):
🌍 Internationaliseren: Ik ga vol inzetten op het opzetten van internationale samenwerkingen en partnerships.
🤖 Deep Dive in AI: De evolutie staat niet stil. Mijn focus ligt komend jaar op het verdiepen van inzichten rondom de evolutie van Prompt Engineering naar autonome AI Agents.
💻 Vibe Coding Hackathon: Dit wordt een speciaal project. Ik wil een succesvolle ‘Vibe Coding‘ hackathon hosten waar creativiteit en code samenkomen. Stay tuned!
❤️ De belangrijkste KPI: Tussen alle technologie en ambities door, staat één doel met stip op één: Be kind to people. Want uiteindelijk is connectie de krachtigste technologie die we hebben.
Ik wens iedereen een fantastisch eindejaar en een 2026 vol inspiratie, innovatie en vriendelijkheid.
Wat staat er bovenaan jouw lijstje voor volgend jaar?
Artificial Intelligence (AI) has emerged as a transformative force in modern society, reshaping how we learn, work, play, and live. As AI innovation accelerates, global governance is struggling to keep pace, balancing the immense opportunities of technology with the urgent need to mitigate significant ethical and societal risks.
From comprehensive European legislation to deregulatory pressures in the United States, here is an overview of the pivotal developments shaping the future of AI governance, deepfakes, copyright, and the labor market.
The Diverging Paths of Global AI Regulation
The world’s two major economic blocs, the European Union (EU) and the United States (US), are adopting fundamentally different philosophies toward AI governance.
The EU AI Act is an extensive legal document intended for the entire European Union, setting rules for the responsible development and use of AI. This regulation aims to protect the safety, health, and fundamental rights of natural persons. By applying these rules, the EU seeks to ensure that the AI used by businesses and organizations is responsible and that they can confidently enjoy its benefits.
In contrast, the US approach, exemplified by the America’s AI Action Plan, signals a shift towards a philosophy of AI deregulation. This vision adopts a pro-innovation approach, prioritizing technological growth and development over precautionary oversight. This uncertain legislative environment places increasing pressure on the private sector to self-manage ethical AI risks, responsibility, and governance in the absence of clear legal mandates.
The EU’s Risk-Based Regulatory Framework
The EU AI Act employs a risk-based approach, categorizing AI systems and imposing requirements based on their potential to harm.
Prohibited AI Practices: Certain practices that pose an unacceptable risk to people and society are prohibited, with these rules applying to both providers and deployers since February 2025. Examples of banned systems include those intended to manipulate human behaviour to restrict free choice and systems that create or expand facial recognition databases through the untargeted scraping of facial images from the internet or CCTV footage.
High-Risk AI Systems: These systems may result in risks to health, safety, or fundamental rights, such as the right to privacy or the right not to be discriminated against. High-risk systems must comply with a variety of requirements starting from August 2026. These include AI systems that are safety components of existing products (like a medical device) or AI systems deployed for specific high-risk applications. High-risk application areas range from AI used in education and vocational training (e.g., systems for evaluating learning outcomes) to employment, workers’ management, and law enforcement. Providers of these systems must comply with extensive obligations, including establishing a system for risk management, setting clear data and data governance standards, ensuring human oversight, and managing accuracy, robustness, and cybersecurity.
General Purpose AI (GPAI) and Generative AI: Models capable of serving multiple purposes are subject to specific information requirements. Providers of these models must prepare technical documentation and detailed information for downstream AI system providers. If a GPAI model presents systemic risks—for example, if it was trained using at least 1025 floating point operations (FLOPs)—it faces additional obligations, such as implementing model evaluations to map out and mitigate systemic risks.
Deepfakes and the Copyright Conundrum
The rise of generative AI has created urgent legal and ethical challenges, particularly concerning synthetic media and intellectual property.
Deepfakes, media (images, videos, or audio) generated or edited using AI, leverage machine learning to create increasingly convincing synthetic content. Deepfakes raise concerns about promoting disinformation, hate speech, and interfering with elections. Governments and technology companies are actively seeking methods for detection and mitigation. The EU AI Act imposes specific transparency obligations on Generative AI and chatbots. Deployers of systems that generate audio, image, or video content must ensure that it is clear that the content is artificially generated or manipulated, perhaps by applying a watermark.
Regarding ownership, under U.S. law, AI-generated content is generally not protected by copyright, as the U.S. Copyright Office maintains that copyright protection is not granted to works created solely by non-humans. This stance complicates matters, especially when AI models are trained on large volumes of copyrighted human-made work scraped from the internet. Lawsuits, such as those filed by Getty Images against Stability AI and The New York Times against Open AI and Microsoft, are challenging the limits of fair use in AI training datasets. Globally, the EU AI Act mandates GPAI model providers to implement a policy ensuring that the model is trained without infringing the copyrights of natural persons and organizations.
AI’s Impact on Labor and the Need for Transparency
The integration of AI into the economy is having a complex and multifaceted impact on labor markets. AI automates tasks, leading to increased productivity and creating new job opportunities in fields such as data analytics and machine learning. However, AI also raises significant concerns about job displacement (technological unemployment) and skill polarization. Roles requiring lower income and education levels are categorized as high risk for automation.
To navigate this disruption and ensure the benefits of AI are shared, proactive policy measures, investment in education, and a commitment to ethical implementation are essential.
A crucial component of responsible AI adoption is Explainable AI (XAI), which addresses the issue of AI algorithms acting as “black boxes”—systems whose reasoning cannot be easily explained, even by their designers. XAI is a field of research dedicated to providing humans with intellectual oversight over AI algorithms by uncovering the reasoning behind decisions or predictions. XAI relies on principles like transparency, interpretability, and explainability to achieve this. Making AI decisions transparent is crucial for justifying decisions, tracing potential risks, building trust, and verifying outputs, especially in high-stakes fields such as law, finance, and medicine.
In essence, governing AI is like charting a course for a massive, powerful ship in uncharted waters: the EU has chosen a high-visibility, prescriptive map detailing every rock and reef (the risk-based AI Act), while the US has opted for a looser, faster approach, trusting the captains (private companies) to self-correct, emphasizing rapid speed and innovation to lead the global fleet. Regardless of the chosen path, the need for robust ethical frameworks, clarity on creation (copyright), and transparency on decision-making (XAI) remains paramount to ensure a safe journey for everyone on board.
DeepSeek is een baanbrekend open-source AI-model ontwikkeld in China dat zich profileert als een goedkoper alternatief voor de toonaangevende Amerikaanse AI-modellen zoals OpenAI’s GPT (ChatGPT), Google’s nieuwste modellen (bijv. Gemini) en Microsoft’s AI-diensten. In korte tijd is DeepSeek uitgegroeid van een relatief onbekende speler tot een serieuze uitdager van de AI-giganten, mede dankzij uitzonderlijke prestaties op hoogwaardige benchmarks en een strategische focus op openheid en lage kosten. Zo bereikte DeepSeek’s conversational AI-app begin 2025 onverwachts de nummer 1-positie in Apple’s App Store, boven OpenAI’s ChatGPT, wat direct de aandacht van de internationale tech-gemeenschap trok. [techradar.com], [venturebeat.com][nbcnews.com]
DeepSeek vs. de gevestigde AI-spelers: hoe onderscheidt het zich?
DeepSeek heeft zich in de markt gezet als antwoord op de “gesloten” AI-systemen van Silicon Valley. Waar bedrijven als OpenAI en Google hun krachtigste AI-modellen achter betaalde API’s en gesloten platforms houden, kiest DeepSeek radicaal voor openheid. Enkele kernpunten waarin DeepSeek zich onderscheidt: [techradar.com], [techradar.com]
Open-source & Vrij beschikbaar: De meest recente DeepSeek-modellen (V3.2 en de geavanceerde variant V3.2-Speciale) zijn vrij te downloaden, te gebruiken en te modificeren door iedereen, dankzij een zeer permissieve MIT-open-source licentie. Dit staat in schril contrast met bijvoorbeeld OpenAI’s GPT-4/GPT-5 of Google’s Gemini, waarvan de modelgewichten niet publiek toegankelijk zijn en die uitsluitend via beperkte diensten gebruikt kunnen worden. DeepSeek’s openstelling betekent dat zelfs individuele ontwikkelaars of startups met een beperkt budget kunnen werken met topmodellen die voorheen alleen in miljoenenlabs beschikbaar waren. [techradar.com], [venturebeat.com][techradar.com]
Lagere kosten & efficiënte architectuur: DeepSeek profileert zich expliciet als goedkoper alternatief. Dankzij technische innovaties slaagt het model erin om vergelijkbaar vermogen te bieden tegen fractie van de gebruikskosten. Zo bevat DeepSeek V3.2 weliswaar een gigantisch aantal parameters (685 miljard), maar een slimme sparse attention-techniek – DeepSeek Sparse Attention (DSA) – zorgt ervoor dat bij lange invoer niet elke parameter tegelijk wordt aangesproken, maar alleen de relevantste delen van de input verwerkt worden. Dit “skim-reading” principe bespaart tot 70% van de rekentijd en kosten bij lange documenten. Concreet: het verwerken van 1 miljoen tokens tekst kost DeepSeek nu rond $0,70 aan rekenkracht, vergeleken met ca. $2,40 voor het vorige model zonder DSA optimalisatie. [techradar.com], [venturebeat.com][venturebeat.com]
Prestaties op topniveau: Ondanks de lagere kosten en kleinere organisatie achter DeepSeek presteert het model gelijkwaardig aan of beter dan de allerbeste Amerikaanse modellen op verschillende zware benchmarks. DeepSeek-V3.2 overtrof bijvoorbeeld Google’s en OpenAI’s nieuwste opgaven in complexe wiskunde- en programmeerwedstrijden. De Speciale-variant behaalde een bijna perfecte score (99,2%) op het Harvard-MIT-wiskundetoernooi – hoger dan wat Google’s Gemini 3.0 Pro haalde – en won gouden medailles op internationale olympiades voor zowel wiskunde als informatica. Ook op praktische tests, zoals het automatisch oplossen van softwarebugs, scoort DeepSeek circa 73% oplossingsratio, vergelijkbaar met OpenAI’s (niet-publieke) GPT-5-level systeem. Deze cijfers suggereren dat DeepSeek qua raw performance inmiddels in dezelfde league speelt als GPT-4/5 en Google’s topmodellen. [techradar.com], [venturebeat.com]
Tool-gebruik en real-world taken: Een ander onderscheidend punt is DeepSeek’s vermogen om complexe taken uit te voeren met hulp van externe tools. Waar andere AI-agents vaak de draad kwijtraken zodra ze een externe tool (zoals een browser of code-editor) aanroepen, heeft DeepSeek een architectuur die het “denkraam” behoudt tijdens tool-gebruik. Dit betekent dat DeepSeek beter is in multi-step problemen oplossen – bijvoorbeeld het plannen van een meerdaagse reis met budgetbeperkingen terwijl het ter plekke code kan uitvoeren of webinformatie kan opzoeken. DeepSeek trainde deze vaardigheid via tienduizenden gesimuleerde taken, zodat het model nu naadloos kan schakelen tussen redeneren en hulpmiddelen gebruiken in één doorlopend gedachteproces. Hiermee is het beter voorbereid op realistische, complexe toepassingen dan veel bestaande chatbots. [techradar.com], [venturebeat.com]
De combinatie van openheid, kostenefficiëntie en topprestaties geeft DeepSeek een unieke positie. Waar de tech-giganten hun meest geavanceerde AI vaak als propriëtair product bewaren, “wapent DeepSeek zich met openheid” – een bewuste strategie om zich te onderscheiden en wereldwijd gebruikers aan zich te binden. [techradar.com], [techradar.com]
Impact op de AI-markt: disruptie van businessmodellen
DeepSeek’s opkomst zou weleens een disruptieve impact kunnen hebben op de gevestigde orde in de AI-markt. Enkele mogelijke gevolgen en voordelen:
Democratisering van AI-toegang: Doordat DeepSeek zijn model vrij weggeeft, ondermijnt het het verdienmodel van spelers die hoge premies vragen voor toegang tot vergelijkbare intelligentie. Bedrijven en ontwikkelaars die zich geen dure API-abonnementen konden veroorloven, kunnen nu een topmodel in-house draaien of aanpassen zonder licentiekosten. Dit zou AI-innovatie wereldwijd kunnen versnellen, omdat de drempel om geavanceerde AI in te zetten lager wordt. Voor ondernemingen is het vooruitzicht aantrekkelijk: frontier-prestaties tegen aanzienlijk lagere kosten, en de flexibiliteit om het model naar wens te deployen (on-premises, in de cloud naar keuze, etc.) zonder vendor lock-in. [venturebeat.com], [venturebeat.com][venturebeat.com]
Prijsdruk op concurrenten: Als een gratis open alternatief beschikbaar is dat qua performance mee kan komen, komen de commerciële modellen van OpenAI, Google en anderen onder forse prijsdruk te staan. Klanten zullen zich afvragen waarom betalen voor GPT-4/GPT-5 als een kosteloos alternatief 90-100% van de capaciteit biedt. Dit zou kunnen dwingen tot prijsverlagingen of nieuwe waardeproposities van de marktleiders om klanten te behouden. We zien nu al vergelijkingen waarbij men zich afvraagt welke extra waarde de dure, gesloten modellen nog bieden ten opzichte van DeepSeek’s gratis variant. [techradar.com]
Stimulerend effect op innovatie: De onverwachte prestatie van DeepSeek – gerealiseerd met relatief bescheiden middelen – heeft een wake-up call gegeven in de industrie. Het laat zien dat exorbitante budgetten en exclusieve toegang tot high-end chips niet per se noodzakelijk zijn om een topmodel te bouwen. Dit kan andere spelers inspireren om efficiëntere trainingsmethoden te zoeken. Sterker nog, concurrenten zullen hun eigen R\&D moeten versnellen: zowel OpenAI als Google (en ook startup Anthropic) investeren al in efficiëntie-innovaties en in sommige gevallen in open-source releases (denk aan Meta’s LLaMA-2 model dat eerder openlijk werd gedeeld). DeepSeek’s succes reïgniteert de AI-wedloop: niet alleen op basis van wie het slimste model heeft, maar ook wie het meest toegankelijke en betaalbare model kan bieden. [nbcnews.com], [nbcnews.com][techradar.com]
Nieuwe spelers en ecosystemen: Doordat DeepSeek de volledige modelgewichten en code op platforms als Hugging Face heeft gezet, ontstaat er een ecosysteem van onafhankelijke ontwikkelaars die verbeteringen, add-ons en gespecialiseerde versies bouwen. Dit open ecosysteem kan op termijn leiden tot snellere doorontwikkeling dan een enkel bedrijf ooit alleen zou kunnen. Vergelijkbaar met hoe open-source softwareprojecten (Linux, etc.) zich razendsnel ontwikkelen dankzij community-bijdragen, zou DeepSeek’s model als basis kunnen dienen voor talloze niche-AI’s. Dit zet de druk verder op closed-source aanbieders: ze concurreren niet langer alleen met één bedrijf, maar met een hele community die op hun product kan voortbouwen. [venturebeat.com], [venturebeat.com]
Toch zijn er ook uitdagingen. Niet elke organisatie wil zomaar overstappen op een open model uit China: vertrouwen en regulering spelen een rol (hierover meer in de volgende sectie). Maar duidelijk is dat DeepSeek een nieuw marktparadigma introduceert waarbij open-source, kostenefficiëntie en topprestaties hand in hand gaan, en dat dwingt de rest van de sector om hun strategie te herzien. [venturebeat.com]
Geopolitieke context: China’s sprint in de AI-race
DeepSeek’s opkomst is niet los te zien van de bredere geopolitieke strijd om AI-dominantie. Enkele relevante aspecten van de rol van China en de internationale context:
China’s ambitie en innovatie onder druk: Ondanks beperkingen door de VS – zoals exportcontroles op geavanceerde chips (bijv. Nvidia’s A100/H100) – laten DeepSeek en andere Chinese labs zien dat ze creatieve wegen vinden om toch vooruitgang te boeken. DeepSeek bouwde vroegere versies van zijn model bijvoorbeeld noodgedwongen op minder krachtige Nvidia H800-GPU’s (die nog wel verkrijgbaar waren), en wist dankzij slimme optimalisaties (zoals mixed precision trainen met 8-bit en 32-bit getallen) de kosten en tijd drastisch te beperken. V3, een voorganger van het huidige model, zou minder dan $6 miljoen en slechts twee maanden gekost hebben om te trainen – een fractie van het budget dat Amerikaanse techgiganten normaal spenderen. Deze “druk maakt diamant” situatie heeft Chinese onderzoekers wellicht juist aangezet tot efficiëntere AI-ontwerpprincipes dan elders. Het resultaat: China toont dat het ondanks technologische sancties kan bijblijven of zelfs voorop lopen in bepaalde AI-domeinen. [venturebeat.com], [nbcnews.com][nbcnews.com], [nbcnews.com][nbcnews.com][venturebeat.com], [venturebeat.com]
Open-source als strategische zet: Het feit dat een Chinees bedrijf ervoor kiest een frontier AI-model open-source te maken, heeft ook een strategische ondertoon. China positioneert zich hiermee als aanjager van open kennisdeling op AI-gebied, wat internationaal goodwill kan creëren bij ontwikkelaars en kleinere landen/bedrijven die geen toegang hadden tot GPT-4 of Google’s modellen. Tegelijkertijd omzeilt het de traditionele machtspyramide in AI die tot nu toe sterk in Amerikaanse handen was. Door technologie weg te geven vergroot China’s AI-gemeenschap zijn invloedssfeer: als wereldwijd producten, diensten en onderzoek gaan bouwen op DeepSeek’s basis, ontstaat er een deels door China gevoed ecosysteem. Dit zou op lange termijn de afhankelijkheid van (en dominantie van) Amerikaanse AI kunnen verminderen – een mogelijk geopolitiek voordeel voor China. Bovendien: hoe meer partijen DeepSeek gebruiken of eraan bijdragen, hoe sneller het model zelf verbetert, wat China’s voorsprong verder kan vergroten.
Westers wantrouwen en regulering: Aan de andere kant is er ook argwaan vanuit het Westen over een toonaangevend Chinees AI-platform. Regeringen vreesden dat gebruikersdata via DeepSeek in handen van Chinese autoriteiten kan belanden, gezien Chinese wetgeving en invloed. Dit leidde ertoe dat bijv. Duitsland in 2025 oordeelde dat DeepSeek’s verwerking van persoonsgegevens in strijd was met EU-regels, en drong erop aan om de app te beperken. Italië ging zelfs zo ver om in een vroeg stadium (februari 2025) de DeepSeek-app tijdelijk te verbieden. In de VS pleitten wetgevers ervoor om DeepSeek van overheidsapparaten te weren uit zorgen voor de nationale veiligheid. Deze reacties onderstrepen dat top-AI niet alleen een economische troef is, maar ook een potentieel strategisch en veiligheidskwestie in het geopolitieke krachtenveld. DeepSeek opereert dus in een complexe context: het moet niet alleen technisch excelleren, maar ook vertrouwen winnen in markten die politiek gevoelig liggen. [venturebeat.com]
Eigen technologie-ecosysteem: China werkt intussen aan het verkleinen van zijn afhankelijkheid van Westerse technologie voor het trainen en draaien van dergelijke modellen. DeepSeek hintte er in augustus 2025 op dat er binnenkort eigen Chinese AI-chips van de volgende generatie beschikbaar komen om hun modellen te ondersteunen. Ook claimde de firma dat hun systemen al compatibel zijn met Chinese hardware van bedrijven als Huawei en Cambricon. Dit past in de bredere strategie van China om een autonoom high-tech ecosysteem op te bouwen – van halfgeleiders tot AI-software – zodat het minder kwetsbaar is voor sancties of embargo’s. [venturebeat.com]
Kortom, DeepSeek is meer dan alleen een tech-verhaal: het staat symbool voor China’s inhaalrace en misschien wel voorsprong in AI. Het succes ervan zet druk op de VS en bondgenoten om niet achterop te raken. Of zoals een waarnemer het kernachtig verwoordde: “De vraag is niet langer of Chinese AI kan wedijveren met Silicon Valley. De vraag is of Amerikaanse bedrijven hun voorsprong kunnen behouden nu hun Chinese rivaal vergelijkbare technologie gratis weggeeft.”. [venturebeat.com], [venturebeat.com]
Vergelijking: DeepSeek versus grote AI-modellen
Hoe verhoudt DeepSeek zich tot enkele andere toonaangevende AI-modellen van dit moment? Onderstaande tabel zet een aantal kernpunten op een rij – prijs, prestaties, openheid en beschikbaarheid – voor DeepSeek en drie bekende “westerse” modellen/diensten.
Model / AI-systeem
Prijs en Toegang
Prestaties
Openheid
Beschikbaarheid
DeepSeek V3.2 (China)
Gratis te downloaden en te gebruiken; draait kostenefficiënt op standaard hardware (veel lagere compute-kosten dankzij DSA) [venturebeat.com].
Frontier-niveau: vergelijkbaar met GPT-4/5 en Google’s topmodellen op complexe taken (wiskunde, coderen, redeneren) [techradar.com], [venturebeat.com].
Wereldwijd beschikbaar voor download; regulatoire beperkingen op gebruik in sommige regio’s (EU/VS overheidsapparaten) vanwege Chinese oorsprong [venturebeat.com].
OpenAI GPT-4 / GPT-5 (VS)**
Betaald: toegankelijk via API of abonnement (bijv. ChatGPT Plus); hoge gebruikskosten, vooral bij grote volumes context/input.
Zeer hoog: een van de krachtigste AI’s voor algemene taken; GPT-4 excelleert in taalbegrip, redeneren en creativiteit; GPT-5 (experimenteel) belooft verdere sprong [venturebeat.com].
Gesloten bron; model alleen als dienst beschikbaar, geen inzicht in modelinternals of gewichten.
Breed beschikbaar via commerciële diensten (ChatGPT, Azure OpenAI); streng rate-limited en beleidsgecontroleerd gebruik.
Google Gemini (3.0 Pro) (VS)**
Betaald: beschikbaarheid via Google Cloud/API (beperkte preview); integratie in Google-producten (bijv. Bard) voor eindgebruikers.
Zeer hoog: concurrerend met GPT-4; uitblinkend in bepaalde taken (multimodaliteit, integratie met zoekdiensten); Gemini 3 Pro scoort top 3 in diverse benchmarktests [techradar.com], [venturebeat.com].
Gesloten bron; intern Google-model, niet vrijgegeven aan community.
Alleen voor partners/klanten via Google-platforms; consumentenversie via Google Bard (met beperkingen).
Meta LLaMA 2 (70B) (VS)**
Gratis voor onderzoek en commercieel gebruik (onder bepaalde voorwaarden); draait op eigen hardware maar vereist zware compute voor volledige 70B model.
Hoog: presteert goed op veel NLP-taken, maar iets onder GPT-4 niveau; minder sterk in complexe redenering dan DeepSeek/GPT-4 [nbcnews.com].
Open met restricties: modelgewichten publiek (via partners zoals Azure); community mag fine-tunen, maar licentie sluit gebruik door bepaalde grote techbedrijven uit.
Beschikbaar voor iedereen om te downloaden (via bijvoorbeeld Hugging Face en Azure); veel community-support, maar gebruikers moeten zelf infrastructuur voorzien.
Toelichting: Bovenstaande vergelijkt DeepSeek met prominente Amerikaanse AI-systemen. OpenAI en Google hanteren een gesloten, commerciële benadering (proprietary modellen achter een paywall), terwijl DeepSeek en Meta’s LLaMA-2 kiezen voor (deels) open release. DeepSeek onderscheidt zich echter van LLaMA-2 door zijn veel grotere schaal en prestaties (LLaMA-2 is 70B parameters en presteert nét onder GPT-4, terwijl DeepSeek ~685B parameters heeft en matcht/overtreft GPT-4/Gemini-prestaties). Bovendien is DeepSeek volledig MIT-licentie open, zonder de gebruiksrestricties die Meta hanteert. Microsoft zelf wordt hier niet met een eigen model genoemd – Microsoft werkt nauw samen met OpenAI (bv. om GPT-4 via Azure en Bing aan te bieden) en investeert in open modellen zoals LLaMA-2 – maar heeft geen afzonderlijk model als “GPT-concurrent” buiten die samenwerking. [venturebeat.com], [nbcnews.com]
Howest Tech&Meet: “DeepSeek Uncovered” – waarom dit event niet te missen is
DeepSeek heeft duidelijk implicaties die reiken van technologie tot geopolitiek. Voor IT-professionals, beleidsmakers en tech-enthousiastelingen die meer willen begrijpen van deze ontwikkeling, organiseert Howest op 9 december 2025 een speciale Tech&Meet-sessie: DeepSeek Uncovered: The Open-Source AI Challenger from the East.
Dit evenement is een unieke gelegenheid om dieper in het DeepSeek-verhaal te duiken. Verwacht inzichten van experts over hoe DeepSeek technisch in elkaar steekt en waarom het zo uitzonderlijk presteert – van de sparse-attention doorbraak tot de aanpak van tool-integratie. Ook komen de strategische implicaties aan bod: wat betekent een gratis top-AI-model voor de businessmodellen van Big Tech? Hoe past DeepSeek in de grotere rivaliteit tussen China en het Westen op digitaal vlak? De sprekers zullen bovendien ingaan op vragen van het publiek, wat dit extra relevant maakt voor beleidsmakers die worstelen met vragen rond AI-regulering en data-soevereiniteit in het licht van Chinese innovaties.
Conclusie
DeepSeek belichaamt een nieuw hoofdstuk in de AI-geschiedenis: het toont aan dat topkwaliteit AI niet langer het monopolie is van Silicon Valley of van miljardeninvesteringen. Door open-source innovatie te omarmen, heeft een Chinees team een model neergezet dat kan wedijveren met de allerbeste – en dat voor iedereen beschikbaar is. Deze zet kan de machtsverhoudingen in de AI-markt grondig veranderen, met mogelijk blijvende gevolgen voor prijzen, toegankelijkheid en innovatie.
Tegelijkertijd schuift de komst van DeepSeek de discussie van louter technologische vooruitgang naar vragen over vertrouwen, veiligheid en controle: Wie beheerst de AI van de toekomst, en onder welke voorwaarden? De wereldwijde AI-wedloop is nadrukkelijk ook een race geworden om toegang en invloed. DeepSeek heeft de lat hoger gelegd én de drempel lager gemaakt – een paradox die de komende jaren centraal zal staan in hoe we AI ontwikkelen en inzetten. [venturebeat.com]
Voor nu is één ding duidelijk: de handschoen is officieel opgenomen. Hoe Google, OpenAI/Microsoft en andere spelers reageren op deze open-source uitdaging, zal bepalen hoe de volgende fase van AI zich ontvouwt. Één mogelijke reactie zien we alvast in initiatieven zoals Meta’s gedeeltelijke openstelling van LLaMA, maar het valt te bezien of de gevestigde namen bereid zijn hun modellen verder open te gooien of in prijs te verlagen.
De publieke discussie over AI wordt vaak gedomineerd door apocalyptische scenario’s over massaal banenverlies. Hoewel de vrees voor technologische werkloosheid een begrijpelijke menselijke reactie is op disruptie, toont een diepgaande analyse van economische en strategische gegevens een cruciale nuance: de existentiële dreiging voor de professional en de organisatie komt niet van de technologie zelf, maar van de concurrent die deze technologie met meesterschap hanteert.
AI is geen eindpunt, maar een productiviteitshefboom. Degenen die weigeren deze hefboom te bedienen, zullen onvermijdelijk achterop raken bij de concurrentie die wel de efficiëntie, snelheid en innovatiekracht van augmented intelligence benut. Het vermogen om te navigeren in dit nieuwe landschap – AI-geletterdheid – is daarom de fundamentele vereiste voor economische overleving en concurrentievoorsprong.
1. De grote verschuiving: Het einde van jobverlies als hoofddreiging
De heersende perceptie dat AI jobs op grote schaal zal vervangen, is te binair en te simplistisch. Hoewel studies aanzienlijke veranderingen voorspellen, wijst de consensus van het World Economic Forum (WEF) en investeringsbanken op een verschuiving van eliminatie naar transformatie en augmentatie.
1.1 Jobstransformatie in plaats van eliminatie
Grote economische onderzoeken plaatsen de potentiële impact van AI in perspectief. Goldman Sachs schat bijvoorbeeld dat AI het equivalent van 300 miljoen voltijdse jobs zou kunnen vervangen, met name door de automatisering van ongeveer een kwart van de werkzaamheden in de VS en Europa. Tegelijkertijd benadrukt men dat deze verschuiving gepaard zal gaan met een productiviteitsboom en de creatie van nieuwe rollen. Het is de aard van de job die verandert, niet noodzakelijk de totale omvang van de werkgelegenheid.
De vroege automatiseringsgolven raakten traditioneel de productiesector, maar de huidige AI-transformatie raakt de kenniswerker. Onderzoek van de Universiteit van Pennsylvania en OpenAI toont aan dat hoogopgeleide witteboordenwerkers het meest waarschijnlijk worden beïnvloed door automatisering. De dreiging is dus niet gericht op handmatige arbeid, maar op routinematige administratieve, juridische en financiële taken, waar AI uitblinkt in data-analyse en repetitieve processen.
1.2 De augmentatie-economie en productiviteitskloof
Generatieve AI (GenAI) fungeert in de praktijk als een ‘co-piloot’, wat leidt tot een nieuwe augmentatie-economie. De technologie verbetert de prestaties van werknemers over alle bedrijfsfuncties heen, in plaats van ze te elimineren.
Onderzoek van McKinsey onderstreept de enorme economische potentie: de impact van GenAI op de productiviteit zou triljoenen dollars aan de wereldeconomie kunnen toevoegen. De meetbare effecten zijn reeds zichtbaar; recente studies tonen een productiviteitsstijging van 66% bij werknemers die GenAI-tools hebben geadopteerd.
Dit is het cruciale punt van de argumentatie: het risico ligt niet in de technologie, maar in het negeren ervan. Een bedrijf dat een productiviteitsboost van 66% realiseert door GenAI in te zetten, zal onmiddellijk een significant concurrentievoordeel verwerven ten opzichte van een concurrent die deze tools weigert te implementeren. Het bedrijf dat achterblijft, kan de efficiëntie, de innovatiesnelheid en de kosteneffectiviteit van de AI-gebruikende concurrent niet evenaren. Hierdoor wordt de noodzaak om te herstructureren, of zelfs faillissement, versneld. De technologie creëert de productiviteitskloof; de concurrent versnelt de val van de achterblijver.
De traditionele kijk op jobverlies moet plaatsmaken voor een focus op taakversterking:
Traditionele focus (angst)
Huidige realiteit (strategie)
Vervanging van volledige banen (e.g., de jurist wordt vervangen)
Versterking van taken (e.g., de jurist gebruikt AI voor contractanalyse)
Baanverlies door AI-implementatie
Productiviteitswinst door AI-augmentatie (tot 66% gemeten)
Technologie als primaire bedreiging
Concurrentie als primaire bedreiging, gedreven door AI-adoptie.
Focus op wat AI niet kan (empathie)
Focus op wat AI wél kan (data-crunching, repetitieve taken)
2. De competitieve noodzaak: AI als strategische verplichting
De overgangsfase naar een door AI gedomineerde markt biedt een kort, maar uiterst kritisch tijdvenster voor organisaties om een voorsprong te creëren. De adoptie van AI is een strategische noodzaak die nu moet worden nagestreefd.
2.1 De kortetermijn sprint en de Internet-analogie
Op dit moment bevindt de AI-adoptie zich nog in een relatief vroege fase. Organisaties die Generatieve AI implementeren in hun kernprocessen – zoals marketing, contractanalyse of klantbenadering – kunnen op de korte termijn daadwerkelijk een significante voorsprong nemen. Uit onderzoek blijkt dat 45% van de bedrijven vreest voor een competitief nadeel als hun concurrent de eerste is met het toepassen en uitrollen van AI.
Deze voorsprong is echter tijdelijk. De verwachting is dat AI over twee tot drie jaar de standaard zal zijn in vrijwel elk bedrijfsproces. Dit wordt vergeleken met de vroege dagen van het internet: een website gaf destijds een uniek voordeel, terwijl het nu een absolute basisvereiste is. Het strategische inzicht is dat de komende twee jaar cruciaal zijn. Als bedrijven wachten tot AI de standaard is, is het te laat om de noodzakelijke operationele en culturele aanpassingen door te voeren om het technologische voordeel te claimen.
2.2 De leiderschapskloof: de prijs van stilstand
Succesvolle ondernemingen benaderen AI niet als een losstaande technologische kans, maar als een kernpijler die volledig geïntegreerd is in hun algemene bedrijfsstrategie. Ondanks de brede erkenning van AI’s belang (bijna 90% van de leiders van ’s werelds grootste ondernemingen ziet AI als vitaal voor de toekomst van hun bedrijf), is de daadwerkelijke implementatie nog zeer beperkt.
Uit een McKinsey-rapport blijkt dat hoewel bijna alle bedrijven in AI investeren, slechts 1% van de leiders hun bedrijf ‘volwassen’ noemt op het gebied van AI-implementatie. Dit betekent dat de AI volledig is geïntegreerd in de workflows en substantiële bedrijfsresultaten oplevert. De grootste barrière voor succes in deze adoptie blijkt niet de technologie of de werknemer te zijn, maar het leiderschap. Het falen om de organisatie naar AI-volwassenheid te sturen, vertaalt zich direct in een gemiste kans op productiviteitswinst en maakt het bedrijf kwetsbaar voor concurrenten die wel durven doorpakken.
2.3 De langetermijn differentiator: menselijk kapitaal en data
Zodra de technologie gangbaar is, verschuift het concurrentievoordeel. Het echte verschil zal dan gemaakt worden door twee factoren: unieke data en de strategische inzet van menselijk kapitaal.
Unieke data: Generatieve AI-modellen zijn uitstekende generalisten, getraind op internetdata, maar slechte specialisten. De onderscheidende waarde van een bedrijf zal voortkomen uit de unieke, gespecialiseerde data die het bezit en hoe deze data wordt gebruikt om de generatieve AI-modellen te verfijnen.
AI-talent en opleiding: Een bedrijf kan de beste AI-modellen ter wereld kopen, maar zonder opgeleid personeel dat de modellen effectief kan aansturen, integreren en interpreteren, blijft de potentiële productiviteitswinst onbenut. De investering in AI-talent en -opleiding heeft een bewezen positieve impact op de onderneming. Dit maakt menselijk kapitaal dat AI-geletterd is de nieuwe, onvervangbare competitieve factor in de lange termijn.
3. Barrières en vertrouwen: de psychologie van AI-adoptie
Technologie adopteren is grotendeels een kwestie van verandering van management, niet van technologie. De psychologische en culturele drempels in de organisatie vormen een significante rem op de AI-adoptie.
3.1 Onbekend maakt onbemind en het gebrek aan kader
Een van de grootste vertragende factoren is de onzekerheid. Uit onderzoek blijkt dat culturele en psychologische barrières de AI-adoptie in Nederland en België op de werkvloer vertragen. Een aanzienlijk deel van de werknemers (tot 40%) is onzeker over het toegestane gebruik van GenAI op het werk, vergeleken met slechts 21% van de leidinggevenden. Dit verschil in onzekerheid correleert direct met het gebruik: leidinggevenden gebruiken AI veel vaker (60% tegen 37% van de werknemers).
Dit gebrek aan duidelijk beleid is gevaarlijk. Het creëert een risico op ‘Shadow IT’, waarbij werknemers AI-tools uit noodzaak of efficiëntieoverwegingen gebruiken, maar buiten het zicht van de IT- en complianceteams. Dit ongecontroleerde gebruik kan leiden tot ernstige privacyrisico’s en datalekken, met name wanneer gevoelige of identificeerbare persoonsgegevens worden ingevoerd in publieke generatieve AI-tools. De angst en onzekerheid zijn in feite symptomen van een falend leiderschap dat nalaat een helder en gecommuniceerd kader op te stellen.
3.2 Van angst naar empowerment
Om AI-adoptie succesvol te laten zijn, moet de perceptie van angst verschuiven naar die van empowerment. Werknemers kunnen over de streep worden getrokken door twee krachtige drijfveren: de verwachte voordelen en sociale invloed.
Verwachte voordelen: Het vooruitzicht dat AI het werk aantoonbaar efficiënter, gemakkelijker of beter maakt, is een sterke motivatie voor alle twijfelaars.
Welzijnsvoordeel: AI kan een directe oplossing bieden voor werkdruk. Door repetitieve, tijdrovende taken te automatiseren, kan AI de werklast verlagen en indirect bijdragen aan het verminderen van burn-outs. Dit transformeert AI van een ‘noodzakelijk kwaad’ in een instrument voor werknemerswelzijn en -retentie.
Socialeinvloed: Positieve verhalen en voorbeeldgedrag van leidinggevenden zijn cruciaal om medewerkers met minder ervaring of gemengde emoties te overtuigen. Het leiderschap moet het goede voorbeeld geven in het verantwoord en effectief gebruik van de tools.
Het overwinnen van deze psychologische barrières vereist de ontwikkeling van onmisbare soft skills – zoals veerkracht en het vermogen om AI als een ‘collega’ te omarmen.
4. De oplossing: AI-geletterdheid voor iedereen (AI-literacy)
AI-geletterdheid (AI-literacy) is de essentiële brug die de kloof dicht tussen technologische capaciteit en daadwerkelijke, verantwoorde adoptie in de organisatie. Het is het vermogen om AI-technologieën te begrijpen en er effectief mee te werken.
4.1 Van best practice naar wettelijke vereiste
De noodzaak van AI-geletterdheid wordt versterkt door nieuwe wetgeving. De Europese Unie heeft de AI-verordening (AI Act) aangenomen, die gefaseerd in werking treedt (met de eerste regels geldig sinds februari 2025). Organisaties die AI-systemen ontwikkelen of gebruiken, moeten ervoor zorgen dat hun werknemers AI-geletterd zijn.
Dit is met name relevant voor organisaties die gebruikmaken van hoogrisico AI-systemen, waar de wet aanvullende maatregelen vereist om te zorgen dat werknemers de risico’s kunnen vermijden en beperken. Het opleiden van personeel is daarmee niet langer een loutere productiviteitsstrategie, maar een compliance vereiste om juridische en reputatieschade te mitigeren.
4.2 Het drieledige kader voor geletterdheid
AI-geletterdheid gaat veel verder dan het kunnen openen van een chatbot. Het vereist een alomvattend begrip dat wordt beschreven in verschillende domeinen, waaronder het framework dat is opgesteld door onder meer Stanford en de OECD.
Domein van AI-geletterdheid
Focus en belang
Relatie tot concurrentievoordeel
Functionele geletterdheid
Begrip van basisprincipes: machine learning, data-analyse, neurale netwerken. Weten hoe AI leert en hoe data-analyse werkt.
Maakt efficiënt gebruik van tools en verhoogt de operationele snelheid.
Ethische geletterdheid
Navigeren door ethische, juridische en privacy-overwegingen (bijv. bias, transparantie).
Essentieel voor compliant, verantwoordelijk en risicomijdend gebruik.
Retorische geletterdheid
Het kritisch beoordelen en effectief gebruiken van AI-gegenereerde taal en output (Prompt Engineering).
Zorgt voor hoge kwaliteit van de output en maximale productiviteitswinst.
4.3 Ethische geletterdheid als wapen tegen vooroordelen
Ethische geletterdheid is de cruciale verdedigingslinie tegen onverantwoord gebruik. Veel mensen zien AI als objectieve, rationele code. Dit is een misvatting: AI is niet neutraal en kan bestaande vooroordelen, of bias, in trainingsdata overnemen en zelfs versterken. Dit is vooral verraderlijk omdat veel algoritmes werken als een ‘black box’, waarbij de exacte beslissingsbasis onzichtbaar blijft.
Een klassiek voorbeeld is wervingssoftware die onbewust vrouwelijke kandidaten lager rangschikt op basis van historische, man-georiënteerde aannamepatronen. Het is de verantwoordelijkheid van professionals in HR, finance en operations om deze bias te leren herkennen.
AI-geletterdheid rust werknemers uit met de vaardigheid om de juiste, kritische vragen te stellen: Op welke data is het model getraind? Welke variabelen beïnvloeden de uitkomst? Door menselijke toetsing en kritische reflectie te eisen, wordt de werknemer de eerste en meest effectieve controlelaag tegen onbedoelde discriminatie of onjuiste besluitvorming, waardoor juridische risico’s worden verlaagd.
5. Skills voor de toekomst: De menselijke voorsprong verzilveren
Om de concurrentievoorsprong te beveiligen, moeten professionals hun vaardigheden upgraden. Dit vereist een mix van specifieke hard skills en onvervangbare soft skills.
5.1 De nieuwe hard skill: Prompt Engineering
Generatieve AI-tools hebben een nieuwe professionele geletterdheid gecreëerd: Prompt Engineering. Dit is geen technisch trucje, maar het strategisch vermogen om effectief met AI te communiceren. Het is een snelgroeiende vaardigheid, met een voorspelde jaarlijkse groei van ongeveer 20%.
Prompt Engineering is de heropleving van retorische en analytische denkvaardigheden. Het is noodzakelijk om complexe taken op te delen in kleinere stappen, verzoeken te kwantificeren, en precieze taal te gebruiken om dubbelzinnigheid te vermijden. Succesvol prompten vereist diepgaand inzicht in de doelstelling; het gaat om het stellen van de juiste vraag.
Voor niet-ontwikkelaars zijn boeken over Prompt Engineering beschikbaar die de basisprincipes van promptstructuur en -strategie voor alledaagse werkzaamheden behandelen. Het beheersen van deze vaardigheid stelt professionals in staat om de productiviteitswinst te claimen en innovatie te stimuleren in diverse industrieën.
5.2 De stijgende waarde van menselijke intelligentie
Hoewel AI steeds meer taken kan automatiseren, blijft menselijke intelligentie essentieel voor creativiteit, empathie en strategische besluitvorming.
De menselijke component (Human-In-The-Loop, HITL) is cruciaal, vooral bij beslissingen met een hoog risico. De mens moet altijd de uiteindelijke afweging maken, waarbij rekening wordt gehouden met context, gevoel en nuance. Rollen die menselijke interactie en crisisbeslissingen vereisen, zoals psychologen, HR-managers, directeuren, leraren en eerstehulpverleners, worden het minst bedreigd door volledige vervanging.
5.3 Onmisbare soft skills voor het AI-tijdperk
In een AI-gedreven wereld stijgt de waarde van zachte, moeilijk automatiseerbare vaardigheden. Het WEF identificeert, naast de snelle groei van AI en big data-vaardigheden, een toenemende vraag naar mensgerichte vaardigheden:
Categorie
Snelst groeiende skills (2025-2030)
Waarom cruciaal in AI-tijdperk
Technologische
AI en Big Data, netwerken en cybersecurity, technologische geletterdheid
Basisvereiste om met de tools te werken en de risico’s te beheersen.
Cognitieve
Creatief denken, nieuwsgierigheid en levenslang leren
AI is een hulpmiddel voor creativiteit. De mens stelt de strategische en innovatieve vraag.
Sociaal-emotionele
Veerkracht, flexibiliteit en agiliteit, empathie, triage
De menselijke differentiator, essentieel voor teams, beleid en dienstverlening.
Creatief denken en empathie worden de premium producten van de toekomst. De concurrent die AI gebruikt om routinetaken te versnellen, heeft meer tijd en middelen om te investeren in deze menselijke differentiatoren.
6. Actieplan: Implementatie van AI-geletterdheid en strategische verankering
Om de concurrentiedreiging effectief aan te pakken, moeten organisaties en individuen een proactieve en gestructureerde aanpak volgen voor de ontwikkeling van AI-geletterdheid en governance.
6.1 Gestructureerde leertrajecten
Organisaties moeten een helder leertraject aanbieden dat werknemers door de noodzakelijke vaardigheidsniveaus leidt:
AI-bewustzijn (Foundation): Het introduceren van basisconcepten, praktijkvoorbeelden en ethische overwegingen voor iedereen, zonder technische achtergrond. Dit zorgt voor een fundamenteel begrip van de werking en de impact van AI op industrieën.
Praktische vaardigheden (Prompt Engineering): Het aanbieden van gerichte trainingen in prompt-methoden om professionals in staat te stellen effectief met Generatieve AI te communiceren.
Gespecialiseerde expertise: Specialisatietrainingen voor medewerkers die actief met hoogrisico AI-systemen werken, inclusief diepgaande kennis van de juridische en ethische aspecten.
Dit vereist continue bijscholing, aangezien AI een dynamische sector is die voortdurend nieuwe ontwikkelingen kent.
6.2 De AI-gedragscode en governance
Een belangrijke aanbeveling voor het verhogen van de adoptie en het beheersen van risico’s is het opstellen en communiceren van een helder kader of een AI-gedragscode. Dit beleid moet onder meer bepalen:
Welke AI-tools toegestaan zijn binnen de organisatie.
Wanneer menselijke toetsing (HITL) verplicht is (bijvoorbeeld bij werving, beoordeling of ontslag).
Richtlijnen voor dataminimalisatie en het terughoudend omgaan met persoonsgegevens in publieke AI-tools.
Hoe medewerkers geïnformeerd worden over AI-gebruik en hoe transparantie wordt gewaarborgd.
De noodzaak om het gebruik en de keuzes bij AI-ondersteunde processen nauwkeurig te documenteren.
Het implementeren van zo’n gedragscode vereist een multidisciplinaire aanpak, waarbij HR, Compliance, IT en management samenwerken. Cruciaal is ook het ontwikkelen van een ‘speak-up’ cultuur en psychologische veiligheid, zodat medewerkers AI durven te gebruiken en fouten durven te melden zonder angst voor sancties.
6.3 Collectieve verantwoordelijkheid en nationale strategie
De competitieve dreiging van AI is niet alleen een uitdaging voor individuele organisaties, maar ook voor de nationale economie. Het potentieel voor economische groei door AI in bijvoorbeeld Nederland kan oplopen tot 1,2% van het bbp per jaar, maar het realiseren hiervan hangt af van brede adoptie en investeringen.
Nederland staat wereldwijd op de 11e plek in de McKinsey AI Readiness Index, met verbeterpunten op het gebied van investeringsniveaus en talentontwikkeling. Voor Vlaanderen zijn geen cijfers beschikbaar. Zonder een nationaal plan om mensen om te scholen en te begeleiden bij de verwachte banenveranderingen, zoals geadviseerd door experts , loopt de samenleving het risico dat een aanzienlijk deel van de bevolking achterblijft, waardoor de collectieve concurrentiepositie kwetsbaar wordt.
Conclusies
De analyse bevestigt dat de dreiging voor de arbeidsmarkt primair voortkomt uit de productiviteitskloof die wordt gecreëerd door concurrenten die AI strategisch omarmen. De technologie zelf is een instrument voor augmentatie dat de menselijke capaciteiten versterkt en repetitieve taken vermindert, wat zelfs kan bijdragen aan het verlagen van de werkdruk en het verminderen van burn-outs.
Het existentiële risico ligt in statische prestaties in een wereld van exponentiële versnelling. Bedrijven die de korte-termijn concurrentievoorsprong mislopen, zullen hun operationele efficiëntie niet kunnen verbeteren en zullen uiteindelijk de strijd verliezen van meer geavanceerde concurrenten.
De ultieme verdedigingslinie tegen deze concurrentiedruk is universele AI-geletterdheid. Het gaat er niet om te leren coderen, maar om het ontwikkelen van functionele, ethische en retorische competenties. Door werknemers op alle niveaus te trainen in kritisch denken, prompt engineering, en de ethische implicaties van AI (zoals bias), kunnen organisaties de psychologische barrières overwinnen en AI van een bron van angst transformeren in de krachtigste hefboom voor duurzame groei en innovatie.
In de wereld van softwareontwikkeling volgen nieuwe werkmethodes elkaar snel op. Van wat ooit een solitaire activiteit was — een programmeur alleen achter zijn scherm — is coderen uitgegroeid tot een samenwerkingsgerichte discipline. Mob Programming is een “oudere” getest en gedreven techniek die terug tractie krijgt.
Maar wat houdt dat precies in? En waarom kiezen steeds meer teams voor deze manier van werken?
Wat is Mob Programming?
Mob Programming (ook wel Software Teaming of Ensemble genoemd) is een werkwijze waarbij een volledig team samenwerkt aan één taak op één computer. In plaats van dat elk teamlid afzonderlijk aan een onderdeel van het project werkt, werken ze tegelijk aan hetzelfde probleem, op hetzelfde moment, aan dezelfde code.
De term werd rond 2011 populair gemaakt door Woody Zuill, een Amerikaanse agile coach die merkte dat zijn team productiever werd wanneer ze spontaan samen rond één computer gingen zitten om moeilijke problemen op te lossen.
Hoe werkt het?
Een typische Mob Programming-sessie draait rond drie kernrollen:
De Driver Dit is de persoon die fysiek typt. De driver voert uit wat het team beslist, maar bedenkt niet zelf wat er moet gebeuren.
“The driver types, but the team drives.”
De Navigator(s) De navigatoren geven richting aan het werk: ze bedenken wat er moet gebeuren, waarom en hoe. Ze bespreken de volgende stappen en lossen problemen samen op.
Het Team De rest van het team denkt actief mee, stelt vragen, deelt kennis en bewaakt de kwaliteit. Iedereen draagt dus bij aan het denkproces.
De rol van driver wisselt regelmatig — vaak elke 10 tot 15 minuten — zodat iedereen betrokken blijft en kennis breed verspreid wordt binnen het team.
Vergelijking met eerdere technieken
🔸 Solo programming
De traditionele aanpak: één programmeur werkt alleen aan een stukje code.
Voordeel: hoge individuele focus.
Nadeel: risico op fouten en kennis die enkel bij één persoon zit.
🔸 Pair programming
Een bekende voorloper van mob programming, populair in Extreme Programming (XP). Hierbij werken twee ontwikkelaars samen aan één computer — één typt (driver), de ander denkt mee (navigator).
Voordeel: directe feedback, betere codekwaliteit.
Nadeel: beperkt tot twee personen; kennisdeling blijft tussen dat duo.
🔸 Agile teamwork
In agile teams wordt het werk opgedeeld in kleine taken die individueel worden uitgevoerd binnen een iteratief proces. Mob programming sluit perfect aan bij agile-principes, maar gaat nog een stap verder door samenwerking te maximaliseren: het hele team werkt écht als één geheel.
Waarom Mob Programming werkt
Mob programming draait niet alleen om samen code schrijven — het is een manier van samen denken. Door alle teamleden te betrekken, combineer je hun kennis, ervaring en perspectieven. Dat leidt tot:
Betere beslissingen: fouten of inefficiënte oplossingen worden sneller opgemerkt.
Snellere kennisdeling: nieuwe teamleden leren sneller bij.
Betere teamdynamiek: samenwerking en communicatie verbeteren.
Minder context-switching: in plaats van parallelle sporen te volgen, werkt iedereen aan dezelfde prioriteit.
Bovendien zorgt de constante feedback ervoor dat de kwaliteit van de code aanzienlijk stijgt, en dat beslissingen beter worden onderbouwd.
Voordelen van Mob Programming
Hogere codekwaliteit Door continue review en discussie worden fouten vroeg ontdekt.
Kennisdeling en teameigenaarschap Niemand is nog “de enige die dat stuk code begrijpt”. Het hele team voelt zich verantwoordelijk voor het eindresultaat.
Betere samenwerking en communicatie Teams leren elkaars manier van denken begrijpen, wat later tijd bespaart in andere projecten.
Versnelde onboarding Nieuwe medewerkers worden meteen actief betrokken en leren door te doen.
Meer creativiteit Verschillende perspectieven leiden tot betere en vaak verrassende oplossingen.
Mogelijke nadelen
Tijdsintensief Het kan lijken alsof één taak trager verloopt, omdat meerdere mensen tegelijk aan hetzelfde probleem werken.
Niet elke taak is geschikt Voor eenvoudige of repetitieve taken is de overhead te groot.
Hoge communicatielast Een team dat niet gewend is om samen te werken, kan snel in chaos vervallen zonder duidelijke structuur.
Vermoeidheid Mob programming vraagt constante aandacht en interactie — mentale vermoeidheid kan sneller optreden.
Wanneer kies je voor Mob Programming?
Mob programming is vooral nuttig bij:
complexe architecturale beslissingen,
kritische code of nieuwe technologie,
trainingen of kennisoverdracht,
situaties waarin samenwerking belangrijker is dan snelheid.
Voor dagelijkse, kleine features of bugfixes blijft pair programming of individueel werk vaak efficiënter.
Mob Programming en de toekomst van teamwork
Mob programming sluit naadloos aan bij de evolutie naar meer collaboratieve, multidisciplinaire teams. Met de opkomst van remote work en AI-assistenten (zoals GitHub Copilot of ChatGPT in code-editors) wordt het concept nog interessanter: teams kunnen letterlijk virtueel samen rond één scherm werken, zelfs als ze zich op verschillende continenten bevinden.
De essentie blijft echter dezelfde:
Mob programming draait niet om code — het draait om mensen die samen nadenken.
Conclusie
Mob Programming is geen magische oplossing, maar een krachtige methode die de nadruk legt op collectieve intelligentie. Door te werken als één brein met meerdere handen, combineren teams hun talenten, verminderen ze fouten en creëren ze software van hogere kwaliteit — samen.
Of je nu een agile coach, software engineer of student bent: een dagje mob programming uitproberen is vaak de beste manier om de voordelen écht te begrijpen.
De afgelopen jaren zagen we hoe artificiële intelligentie niet alleen programmeurs, maar ook kenniswerkers en creatieve professionals een nieuwe manier van werken bood. Eerst was er vibe coding – een manier van software ontwikkelen waarin je niet elke regel code meer schrijft, maar in plaats daarvan de AI laat meedenken, genereren en corrigeren.
Nu trekt Microsoft dit principe door naar de kantooromgeving met de lancering van vibe working, geïntroduceerd in Microsoft 365 Copilot met Agent Mode en Office Agent. Waar vibe coding de workflow van ontwikkelaars veranderde, belooft vibe working hetzelfde te doen voor iedereen die met documenten, spreadsheets of presentaties aan de slag gaat.
In deze blog leg ik uit wat vibe working precies inhoudt, wat het verschil is met vibe coding, welke voordelen dit oplevert en hoe je er vandaag al mee aan de slag kunt.
Wat is vibe coding?
De term vibe coding dook voor het eerst op in 2025 en werd populair dankzij onder meer AI-onderzoeker Andrej Karpathy. Het idee is simpel: je “codeert op gevoel”. Je typt geen strakke syntaxis of complexe logica, maar geeft de AI een intentie, een “vibe” – bijvoorbeeld:
“Maak een simpele mobiele app die foto’s kan bewerken en filters toepassen.”
De AI schrijft de code, test en corrigeert waar nodig. Als gebruiker werk je iteratief: je probeert, kijkt wat er gebeurt, geeft feedback en laat de AI bijsturen.
Voordelen:
Sneller prototypen en experimenteren.
Toegankelijk voor mensen met beperkte programmeerkennis.
Maakt de stap van idee naar proof-of-concept veel korter.
Nadelen:
Minder grip op de kwaliteit en veiligheid van de code.
Moeilijker te onderhouden en debuggen.
Niet geschikt voor complexe of kritieke systemen.
Vibe coding is dus krachtig, maar ook riskant. Het vraagt een bewuste balans tussen snelheid en kwaliteit.
Wat is vibe working?
Met vibe working brengt Microsoft dit principe naar de dagelijkse kantoorwerkzaamheden. Het draait rond twee nieuwe functies in Microsoft 365 Copilot:
Agent Mode – beschikbaar in Word en Excel (webversies)
Hier werkt Copilot niet langer enkel als assistent, maar als een agent die zelfstandig meerdere stappen kan uitvoeren.
Voorbeeld: “Analyseer deze dataset, maak een grafiek, vergelijk met vorige maand, en stel een korte samenvatting op.” De agent voert alle stappen achter elkaar uit en kan tussendoor controleren of de resultaten kloppen.
Office Agent – beschikbaar in de Copilot-chat
Je kan hier een hele taak “uitbesteden” aan de AI. Bijvoorbeeld: “Maak een PowerPoint over onze duurzaamheidsstrategie met max. 10 slides, gebruik onze huisstijl, en neem cijfers uit dit Word-document op.”
De agent bouwt een document of presentatie volledig op, inclusief structuur, visuals en consistentie.
Kortom: vibe working betekent dat je niet meer taak per taak uitvoert, maar je intentie omschrijft en de AI de werkstroom laat orkestreren.
Testen en itereren, vaak zonder code volledig te begrijpen
Conversatiegestuurd, met zichtbare resultaten in bekende Office-tools
Voordeel
Snelle prototypes, laagdrempelig
Efficiëntere werkprocessen, toegankelijk voor niet-technische gebruikers
Risico
Codekwaliteit, bugs, veiligheid
Onjuiste interpretaties, hallucinaties, inconsistentie in data
Rol gebruiker
Feedback geven, debuggen indien nodig
Feedback geven, inhoud reviewen en valideren
De kern is dat vibe working dichter bij de eindgebruiker staat. Waar vibe coding vooral ontwikkelaars helpt, kan vibe working iedereen in een organisatie productiever maken.
De voordelen van vibe working
Sneller werken met complex materiaal
Excel-agenten kunnen datasets analyseren, trends opsporen en visualiseren zonder dat je ingewikkelde formules moet kennen.
In Word kun je een ruwe brainstormtekst laten structureren tot een professioneel rapport.
Toegankelijkheid verhogen
Niet iedereen is een Excel-wizard of PowerPoint-pro. Met vibe working kan ook de niet-specialist krachtige documenten en analyses produceren.
Iteratief verbeteren
Omdat Agent Mode resultaten controleert en fouten kan corrigeren, krijg je meer kwaliteit in minder tijd.
Je werkt in een conversatie: “Herformuleer dit gedeelte”, “Voeg een tabel toe”, “Maak dit meer visueel aantrekkelijk.”
Schaalbaarheid binnen organisaties
Via Copilot Studio kunnen bedrijven eigen agents ontwikkelen (bijvoorbeeld voor maandelijkse financiële rapportages of HR-overzichten).
Die agents kunnen gedeeld worden binnen de organisatie en volgens standaardprocessen werken.
Consistentie en standaardisatie
Je kan agents trainen op je huisstijl, tone of voice of specifieke terminologie.
Hierdoor worden rapporten en presentaties consistenter zonder dat elke medewerker dit handmatig moet bewaken.
Hoe kan je zelf starten met vibe working?
Kies een geschikt scenario
Begin klein: een rapport dat je elke maand maakt, een dataset die je altijd handmatig analyseert, een PowerPoint die je vaak opnieuw opbouwt.
Gebruik de webversies van Word en Excel
Agent Mode is daar als eerste uitgerold. Laat de AI een eerste versie maken, bekijk de resultaten en stuur bij.
Test Office Agent in Copilot-chat
Geef de agent een duidelijke opdracht: doel, publiek, gewenste vorm. Hoe specifieker je bent, hoe beter het resultaat.
Review en corrigeer
AI is krachtig maar niet feilloos. Bekijk altijd kritisch of de inhoud klopt en of de stijl past bij je doelgroep.
Bouw je eigen agents (optioneel)
Met Copilot Studio kan je agents maken die data uit je organisatie gebruiken en taken standaardiseren. Dit vraagt wel wat voorbereiding en governance.
Mogelijke valkuilen
Hallucinaties: de AI kan feiten verzinnen of verkeerde conclusies trekken.
Te grote afhankelijkheid: medewerkers mogen niet stoppen met kritisch denken.
Privacy & compliance: agents hebben toegang tot data; zorg voor goede rechten en beveiliging.
Stijlverschillen: de output kan inconsistent zijn als de prompt niet duidelijk genoeg is.
Organisatorische weerstand: niet iedereen voelt zich comfortabel om zoveel werk “uit te besteden” aan AI.
Praktische voorbeelden
Marketing: een Office Agent maakt in één keer een campagnepresentatie, compleet met visuals en key messaging.
Finance: een Excel-agent bouwt automatisch kwartaaloverzichten, inclusief grafieken en trendanalyses.
HR: een Word-agent stelt een draft op voor een nieuwe beleidsnota, die je als HR-manager enkel hoeft te finetunen.
Onderwijs: docenten laten vibe working lesmateriaal structureren, examens samenvatten of syllabusinhoud visualiseren.
Toekomstperspectief
Vibe working is nog maar het begin. We evolueren naar een werkplek waarin meerdere AI-agents samen taken uitvoeren: van het verzamelen van informatie, over analyseren en samenvatten, tot presenteren en communiceren.
In de nabije toekomst zien we misschien:
Multi-agent teams: een Excel-agent berekent scenario’s, een Word-agent schrijft de analyse, een PowerPoint-agent presenteert de resultaten.
Proactieve agents: AI die zelf taken opstart (“Ik heb gezien dat de kwartaalcijfers binnen zijn, wil je dat ik alvast een rapport opmaak?”).
Integratie met bedrijfssoftware: agents die rechtstreeks data uit ERP- of CRM-systemen halen.
Conclusie
Met vibe working zet Microsoft een volgende stap in de integratie van AI in onze dagelijkse werkpraktijk. Waar vibe coding de manier van software bouwen veranderde, transformeert vibe working de manier waarop we documenten, analyses en presentaties maken.
De kracht ligt in de combinatie van snellere workflows, betere toegankelijkheid, en consistente resultaten. De uitdaging zit in kritische controle, goede governance en bewuste adoptie.
Wie vibe working slim inzet, krijgt er een digitale collega bij – een AI-agent die repetitieve taken overneemt, zodat jij je kan concentreren op de creatieve en strategische kant van je werk.
Japan is een land waar eeuwenoude tradities harmonieus samengaan met hypermoderne technologie. Het land heeft een unieke cultuur, een efficiënt openbaar vervoersnetwerk en een keuken die wereldberoemd is. Toch kan je eerste reis naar Japan overweldigend aanvoelen door de drukte, taalbarrière en nieuwe gewoonten. Met deze uitgebreide gids van 15 praktische tips voor Japan ben je goed voorbereid en kan je optimaal genieten van je avontuur.
1. Boek vooraf vervoer van de luchthaven naar je hotel
Na een lange intercontinentale vlucht is vermoeidheid onvermijdelijk. De laatste uitdaging die je wilt, is met zware koffers door de complexe metrostations van Tokyo of Osaka navigeren. Boek daarom vooraf een luchthavenshuttle, bus of taxi. Dit bespaart tijd, energie en frustratie. Eenmaal uitgerust in je hotel, kun je rustig ontdekken hoe het openbaar vervoer werkt.
2. Kies voor een appartement bij gezinsreizen
De gemiddelde Japanse hotelkamer is klein en minimalistisch ingericht. Voor soloreizigers of koppels is dat vaak geen probleem, maar met kinderen kan het krap worden. Een appartement via een hotelketen of platform zoals Airbnb biedt extra ruimte, een keuken en soms zelfs wasfaciliteiten. Dit maakt je verblijf comfortabeler en praktischer. In Tokio sliepen we in het ENT Terrace Akihabara en in Osaka in het Takuto hotel Shinsaibashi
3. Koppel je betaalkaart aan Apple Pay
Japan loopt technologisch voorop, maar fysieke betaalkaarten blijven populair. Toch wordt mobiel betalen steeds gebruikelijker. Als je een iPhone hebt, is het slim om je Visa- of Mastercard aan Apple Pay te koppelen. Hierdoor betaal je snel en contactloos in winkels, restaurants en zelfs sommige automaten, zonder telkens je portemonnee te moeten bovenhalen. Doe dit voor je vertrekt!
4. Gebruik Suica of Pasmo voor het openbaar vervoer
De metro- en treinsystemen in Japan zijn indrukwekkend, maar ticketautomaten kunnen even wennen zijn. Met de Suica– of Pasmo-app op je iPhone kun je saldo opladen en direct inchecken bij de poortjes. Zo hoef je geen fysiek kaartje aan te schaffen en vermijd je wachtrijen. Bovendien werkt deze methode in heel wat steden en op meerdere vervoersmiddelen, inclusief bussen. Je kan er in de meeste winkels zelfs ook mee betalen.
5. Saizeriya: ideaal voor gezinnen met kinderen
Eetgewoonten in Japan zijn anders dan in België, en kinderen kunnen soms moeite hebben met de lokale keuken. De keten Saizeriya biedt westerse gerechten zoals pasta’s, pizza’s en salades tegen lage prijzen. De sfeer is informeel en doet denken aan een Ikea-restaurant, waardoor het voor gezinnen een toegankelijke en snelle eetoptie is. In een van de filialen waar wij hebben gegeten werden we zelfs bediend door een robot!
6. Bereid je voor op beperkte Engelse kennis
Hoewel Japan internationaal georiënteerd is, spreken veel Japanners nauwelijks Engels. Vooral buiten toeristische zones kan dit voor uitdagingen zorgen. Een vertaalapp zoals Google Translate (met offline talenpakket) is onmisbaar. Daarnaast helpt het om enkele basiswoorden in het Japans te leren, zoals arigatō (dank je wel) en sumimasen (excuseer).
7. Boek activiteiten vooraf via Klook
Populaire bezienswaardigheden en dagtrips, zoals een bezoek aan de Mount Fuji of een theeceremonie, kunnen snel volgeboekt zijn. Met de Klook-app kun je eenvoudig tickets reserveren in het Engels en veilig betalen met je eigen bankkaart. Dit bespaart je tijd ter plaatse en verzekert je van toegang tot populaire activiteiten.
8. Cash is minder belangrijk in stedelijke gebieden
Veel reisgidsen raden aan om veel contant geld mee te nemen naar Japan, maar in steden als Tokyo, Kyoto en Osaka kun je op de meeste plekken betalen met Visa of Mastercard. Alleen in afgelegen dorpen of bij kleine eetkraampjes is contant geld nog handig. Hierdoor hoef je minder geld op zak te dragen en kun je veiliger reizen.
9. Koop een eSIM vóór vertrek
Altijd verbonden zijn is handig voor navigatie, vertalingen en reserveringen. Met de Airalo-app koop je vooraf een eSIM en installeer je deze thuis al. Zo heb je bij aankomst meteen internet, zonder gedoe met lokale simkaarten. Gebruik de kortingscodeGENE5255 en krijg zelfs €3,00 korting! Vergeet niet roaming op je Belgische simkaart uit te schakelen om onverwachte kosten te vermijden.
10. Respecteer de Japanse cultuur
Japan kent strikte sociale etiquette. Bedank altijd met “arigatō” en een lichte buiging, ga netjes in de rij staan en praat niet luid in het openbaar vervoer. Gooi je afval niet zomaar weg, want vuilnisbakken zijn schaars; neem het mee naar je hotel. Respect tonen wordt enorm gewaardeerd door de lokale bevolking.
11. Tokyo is groot, maar veilig
Met meer dan 14 miljoen inwoners kan Tokyo overweldigend lijken, maar het is een van de veiligste steden ter wereld. Criminaliteit is laag, en je kunt zelfs ’s avonds laat probleemloos door de stad wandelen. Toch is het verstandig om, zoals overal, waakzaam te blijven en je spullen in de gaten te houden.
12. Navigeren in de metro
De metro’s van Tokyo en Osaka zijn efficiënt, maar kunnen complex zijn. Stations hebben vaak meerdere ingangen, verdiepingen en uitgangen. Met Google Maps zie je niet alleen de juiste route, maar ook welk perron en welke uitgang je moet nemen. Dit voorkomt dat je aan de verkeerde kant van een enorm station terechtkomt.
13. Vermijd spitsuren
Tijdens de ochtendspits (07:00–09:00) en avondspits (17:00–19:00) zijn de metro’s en treinen extreem druk. Reizen buiten deze uren maakt je verplaatsingen veel aangenamer. Bovendien zie je dan meer van het dagelijkse leven zonder opgepropt te staan tussen forenzen.
14. Houd rekening met zomerse hitte en regen
In juli en augustus is het in Japan vaak warm en vochtig. Bescherm jezelf tegen de zon met een UV-werende paraplu, te koop bij bijna elke convenience store zoals 7-Eleven, Family Mart of Lawson. Deze paraplu’s zijn ook handig bij plotselinge regenbuien, die in de zomer regelmatig voorkomen.
15. Geen fooien geven
In tegenstelling tot in veel westerse landen, wordt het geven van een fooi in Japan als onbeleefd gezien. Het personeel voelt zich vaak ongemakkelijk bij extra geld. Bedank vriendelijk en betaal alleen het bedrag dat op de rekening staat.
Conclusie
Met deze uitgebreide Japan reistips ben je goed voorbereid op je eerste avontuur in het land van de rijzende zon. Van handige apps en vervoerstips tot culturele etiquette en eetadvies: deze gids helpt je om vol vertrouwen en zonder stress door Japan te reizen. Goede reis en geniet van elk moment! ✈️🇯🇵
Eind juli 2025 was het eindelijk zover: onze langverwachte reis naar Japan. Niet zomaar een vakantie, maar een bijzondere combinatie van cultuur, avontuur en sport. We reisden naar Tokyo, Osaka en Kyoto, en het hoogtepunt was ongetwijfeld het Wereldkampioenschap Ropeskipping waar onze zoon Jonas aan deelnam. Samen met zijn team behaalde hij daar enkele prachtige resultaten – een moment om trots op te zijn.
Met een goed uitgestippeld draaiboek, slimme reis-apps en een flinke dosis enthousiasme ontdekten we het land van de rijzende zon in tien intensieve, maar onvergetelijke dagen.
📍 Dag 1 – Aankomst in Tokyo & eerste kennismaking met Akihabara
Na een lange vlucht landden we in de namiddag op Narita Airport Terminal 1. Omdat je na zo’n reis niet meteen met zware koffers door drukke metrostations wilt sjouwen, hadden we vooraf vervoer via de KLOOK-app geboekt. Een kleine investering die veel stress bespaart.
Ons verblijf in Tokyo was in ENT TERRACE Akihabara, een ruime accommodatie – ideaal, want Japanse hotelkamers zijn vaak compact. ‘s Avonds trokken we de wijk Akihabara in, het walhalla voor gamers, anime- en manga-fans. We sloten af met een bezoek aan het Pokémon Center Tokyo DX, een waar paradijs voor Pokémonliefhebbers.
🗻 Dag 2 – Magische dagtocht naar Mount Fuji
Met KLOOK hadden we een dagtour naar Mount Fuji geboekt. Onze gids, herkenbaar aan een “GOGODAY”-vlag, leidde ons met een bus langs prachtige uitzichtpunten. Mount Fuji is imposant en bijna mythisch om in het echt te zien.
💡 Tip: Boek je excursies vooraf, zeker in drukke periodes. Met de KLOOK-app kan je makkelijk in het Engels boeken en betalen.
🌳 Dag 3 – Ueno Park, Ameya-Yokocho en Tokyo Skytree
We begonnen in Ueno Park met zijn serene vijvers en indrukwekkende tempels. Daarna wandelden we door Ameya-Yokocho, een kleurrijke markt vol geuren en geluiden. ‘s Middags bezochten we Senso-Ji, de oudste tempel van Tokyo, en sloten we de dag af met een bezoek aan de Tokyo Skytree.
🎌 Dag 4 – Meiji Shrine, Harajuku & Shibuya Crossing
De Meiji Shrine, omringd door 700.000 m² groen, vormde een oase van rust in het drukke Tokyo. We combineerden dit met een bezoek aan Harajuku, beroemd om zijn kleurrijke straatmode, en het iconische Shibuya Crossing, waar honderden mensen tegelijk oversteken.
🏮 Dag 5,6 en 7 – Kawasaki & het WK Ropeskipping
We verhuisden naar Kawasaki, vlakbij Tokyo, zodat Jonas zich kon voorbereiden op het WK. Overdag bezochten we de Kawasaki Daishi Heiken-ji Tempel.
De reden van onze reis: het WK Ropeskipping 2025. Jonas nam deel met zijn team en zette fantastische prestaties neer. De sfeer in de sporthal was ongelooflijk: teams van over de hele wereld, muziek, aanmoedigingen, en een gezonde dosis spanning. Toen Jonas’ team enkele mooie resultaten behaalde, wisten we: dit moment vergeet hij nooit meer!
Het was bijzonder om te zien hoe sport en cultuur hier samenkwamen. Naast de wedstrijden maakten we tijd voor sightseeing, zoals het indrukwekkende teamLab Borderless museum in Tokyo.
🚅 Dag 8 – Van Tokyo naar Osaka
Met de Shinkansen, de legendarische hogesnelheidstrein, reisden we in enkele uren naar Osaka. Alleen al die treinrit was een ervaring op zich.
🏯 Dag 9 – Osaka Castle & Dotonbori
In de ochtend bezochten we Osaka Castle, omgeven door prachtige tuinen. ‘s Middags doken we de Shinsaibashi Shopping Street in, en sloten de dag af in Dotonbori, het bruisende entertainmentdistrict vol neonlichten, straateten en arcadespellen.
🌆 Dag 10 – Umeda Sky Building & Den Den Town
We genoten van een panoramisch uitzicht over Osaka vanaf het Floating Garden Observatory en verkenden daarna Den Den Town, het Osaka-alternatief voor Akihabara.
⛩️ Dag 11 – Kyoto in één dag
Kyoto stal ons hart met zijn traditionele tempels, serene tuinen en houten huizen. Een perfecte tegenhanger voor het moderne Tokyo en het energieke Osaka. We trokken er naartoe vanuit Osaka via een dagtrip met de bus.
📲 Handige tips voor wie ook naar Japan reist
Boek luchthavenvervoer vooraf – Zo start je stressvrij (via Klook)
Gebruik de Suica of Passmo-app voor metro en trein (enkel op iPhone)
Visa of Mastercard werkt bijna overal – weinig cash nodig.
Blijf online met een eSIM van Airalo (gebruik code GENE5255 bij het afrekenen en krijg €3 korting).
Eten met kinderen?Saizeriya is een betaalbare optie met Japanse en westerse gerechten.
Leer een paar Japanse woorden zoals “arigato” en “sumimasen”.
Gebruik Google Maps – ook voor perron- en uitgangsinformatie.
Vermijd spitsuren in de metro.
Bescherm je tegen zon en regen met een UV-paraplu.
Geen fooien geven – dat is onbeleefd in Japan.
🎯 Terugblik
Onze reis naar Japan was veel meer dan sightseeing. Het was een unieke mix van cultuur, familieavontuur en sportieve hoogtepunten. Het WK Ropeskipping van Jonas gaf de reis een extra dimensie – een verhaal dat we nog vaak zullen vertellen.
Japan verraste ons met zijn combinatie van hypermoderne steden, eeuwenoude tradities en ongekende gastvrijheid!
De afgelopen week verscheen een Gallup-onderzoek in samenwerking met de Walton Family Foundation dat aantoont hoe snel AI zijn intrede doet in het lesgeven. Van de meer dan 2 000 ondervraagde Amerikaanse leerkrachten gebruikt 60 % (6 op 10) al AI-tools tijdens het schooljaar. Zij die dat wekelijks doen, besparen gemiddeld zes uur per week aan repetitieve taken zoals toetsen nakijken, werkbladen maken of administratie. Bovendien zegt 80 % (8 op 10) dat AI hen tijdwinst oplevert en 60 % ervaart een kwaliteitsverbetering in het personaliseren van lesmateriaal en feedback.
Wat betekent dit voor ons, hier in België?
Hoewel het onderzoek in de VS plaatsvond, weerspiegelt het een wereldwijde trend: leerkrachten willen méér tijd voor echte interactie en minder voor routinetaken. AI-assistenten zoals ChatGPT, Canva Magic Write of CoPilot kunnen precies dat bieden – mits we ze bewust inzetten.
Haal méér uit AI met de inzichten uit mijn boek
In mijn boek toon ik stap voor stap hoe je krachtige feedbackmodellen kunt combineren met AI. Leerkrachten die de voorbeelden uit het boek gebruiken, merken dat:
Feedback rijker en specifieker wordt omdat AI snel rubrics en voorbeeldzinnen genereert.
Leerlingen sneller aan zet zijn: AI maakt concrete verbeteracties zichtbaar, zodat leerlingen doelgericht kunnen herschrijven.
Differentiatie eenvoudiger wordt: met één goed geformuleerde prompt lever je variaties op maat van elk niveau.
De kracht van een goede prompt
AI is maar zo slim als de vraag die je stelt. Drie richtlijnen om de kwaliteit van de output te verdubbelen:
Slechte prompt
Betere prompt
“Geef feedback op deze tekst.”
“Gebruik de CIPO-methode (Context – Input – Proces – Output) om feedback te geven op onderstaande tekst. Formuleer minstens één sterkte en twee concrete verbeterpunten per onderdeel. Sluit af met een voorbeeldzin ter inspiratie voor de leerling.”
Context: vertel de AI waarom de feedback nodig is.
Inhoud: lever beoordelingscriteria of voorbeelden.
Output-vorm: vraag expliciet om een tabel, rubric of voorbeeldzinnen.
Het Gallup-onderzoek bevestigt wat velen al voelen: AI verschuift de focus van papierwerk naar pedagogie. Maar de sleutel tot échte meerwaarde ligt bij jouw expertise én jouw prompts. Gebruik de kaders en voorbeelden uit mijn boek als brandstof voor je AI-assistent – dan wordt technologie geen gadget, maar een hefboom voor beter onderwijs.
