De discussie over artificiële intelligentie en softwareontwikkeling verloopt opvallend voorspelbaar. Zodra iemand suggereert dat AI een fundamentele impact zal hebben op IT-jobs, volgt vrijwel onmiddellijk een geruststellende reactie vanuit de sector. Er zullen altijd ontwikkelaars nodig zijn. AI zal programmeurs ondersteunen, niet vervangen. Software wordt immers steeds belangrijker, dus ook de mensen die software bouwen zullen nodig blijven.

Hoewel daar ongetwijfeld een kern van waarheid in zit, heb ik steeds meer het gevoel dat we daardoor de essentie van de discussie missen. De vraag is immers niet of organisaties in de toekomst nog technische profielen nodig zullen hebben. De vraag is of de technische profielen die we vandaag opleiden dezelfde rollen zullen opnemen als de technische profielen van morgen.

Dat onderscheid lijkt subtiel, maar het maakt een wereld van verschil.

Decennialang werd de waarde van een IT-professional in belangrijke mate bepaald door zijn of haar vermogen om software te bouwen. Bedrijven hadden nood aan toepassingen, websites, databases, rapporteringstools en integraties tussen systemen, maar beschikten zelf niet over de kennis om die oplossingen te realiseren. Daardoor ontstond een duidelijke scheiding tussen business en IT. Aan de ene kant stonden de mensen die de problemen kenden, aan de andere kant de mensen die over de technische vaardigheden beschikten om die problemen op te lossen. De programmeur vormde de brug tussen beide werelden.

Dat model werkte goed omdat programmeren een schaars talent was. Voor de meeste mensen was softwareontwikkeling een complex vakgebied dat jaren training vereiste. Wie code kon schrijven, bezat kennis die voor de meeste collega’s ontoegankelijk was. De technische implementatie vormde daardoor vaak de grootste uitdaging binnen een project.

Vandaag zien we echter iets ontstaan wat we in de geschiedenis van softwareontwikkeling nog niet eerder hebben meegemaakt. Voor het eerst begint de technische vertaalslag zelf te automatiseren. Steeds krachtigere AI-systemen zijn in staat om software te genereren op basis van natuurlijke taal, bestaande code te analyseren, fouten op te sporen, documentatie te schrijven en zelfs volledige toepassingen op te bouwen vanuit een relatief beperkte beschrijving van een probleem. De technologie bevindt zich nog lang niet op een niveau waarop menselijke tussenkomst overbodig wordt, maar ze is ondertussen wel krachtig genoeg om de aard van softwareontwikkeling fundamenteel te veranderen.

Dat betekent niet dat programmeurs zullen verdwijnen. Het betekent wel dat programmeren steeds minder de activiteit wordt waarvoor organisaties bereid zijn te betalen.

Dat klinkt misschien provocerend, maar eigenlijk is het een logisch economisch principe. Naarmate iets goedkoper en toegankelijker wordt, verschuift de waarde naar een hoger niveau in de keten. Toen websites bouwen een zeldzame expertise was, lag de waarde bij de webdeveloper. Vandaag zijn er talloze platformen waarmee een website in enkele uren kan worden samengesteld. Daardoor ligt de meerwaarde niet langer in het bouwen van de website zelf, maar in het begrijpen van de doelgroep, het ontwerpen van een goede gebruikerservaring en het creëren van relevante inhoud.

Dezelfde beweging zien we nu ontstaan binnen softwareontwikkeling.

Veel organisaties kampen vandaag niet met een tekort aan code. Ze kampen met een tekort aan mensen die begrijpen waar de echte problemen zich bevinden. Ze worstelen met inefficiënte processen, versnipperde informatiestromen, onduidelijke verantwoordelijkheden en afdelingen die elkaar moeilijk begrijpen. Geen van die problemen wordt opgelost door snel extra code te produceren. Ze vereisen mensen die voldoende technisch inzicht hebben om oplossingen te ontwerpen, maar ook voldoende organisatorisch inzicht om de onderliggende uitdaging correct te analyseren.

Precies daar zie ik de grootste verschuiving voor toekomstige IT-profielen.

Wanneer een steeds groter deel van de technische implementatie wordt ondersteund door AI, verschuift de menselijke meerwaarde automatisch naar activiteiten die voorafgaan aan het bouwen van de oplossing. Het vermogen om processen te begrijpen wordt belangrijker. Het vermogen om de juiste vragen te stellen wordt belangrijker. Het vermogen om gebruikers te begeleiden, tegenstrijdige belangen te verzoenen en technologie af te stemmen op strategische doelstellingen wordt belangrijker.

Opvallend genoeg zijn dit vaardigheden die binnen veel technische opleidingen traditioneel minder aandacht krijgen dan de puur technische componenten. Studenten investeren honderden uren in programmeertalen, frameworks en ontwikkelmethodologieën, terwijl communicatie, procesanalyse, consultancyvaardigheden en organisatorisch inzicht vaak een meer bescheiden plaats krijgen binnen het curriculum. Dat was jarenlang verdedigbaar omdat de technische kennis zelf de grootste onderscheidende factor vormde. De vraag is echter of dat in een AI-gedreven context nog steeds het geval zal zijn.

Misschien moeten we beginnen erkennen dat veel van de competenties die jarenlang als “soft skills” werden beschouwd, in werkelijkheid strategische kernvaardigheden zijn. Een technisch profiel dat een complexe organisatie kan doorgronden, noden kan detecteren die nog niet expliciet geformuleerd zijn en verschillende stakeholders rond een gezamenlijk doel kan verzamelen, creëert immers een vorm van waarde die veel moeilijker te automatiseren is dan het schrijven van een functie of het bouwen van een gebruikersinterface.

Daarom vraag ik me steeds vaker af of het woord “programmeur” nog wel de juiste term is voor de professionals die we vandaag opleiden. Het woord suggereert dat het schrijven van code centraal staat. Het definieert een professional op basis van zijn gereedschap in plaats van op basis van zijn maatschappelijke of economische bijdrage. We noemen architecten ook geen CAD-operatoren en artsen geen invullers van medische dossiers. Hun waarde ligt niet in de instrumenten die ze gebruiken, maar in hun vermogen om complexe problemen op te lossen binnen hun domein.

Misschien moeten we technische profielen op dezelfde manier bekijken. De professionals die organisaties in de toekomst nodig hebben, zijn niet noodzakelijk degenen die de meeste code kunnen produceren. Organisaties hebben nood aan mensen die technologie begrijpen, maar tegelijk kunnen redeneren vanuit processen, gebruikers, bedrijfsdoelstellingen en maatschappelijke context. Ze hebben nood aan mensen die kunnen bepalen wanneer AI een oplossing is, wanneer klassieke software volstaat en wanneer het probleem helemaal niet technisch van aard is. Ze hebben nood aan professionals die kunnen functioneren op het raakvlak tussen technologie, business en menselijke interactie.

Dat betekent niet dat technische expertise minder belangrijk wordt. Integendeel, een grondig begrip van software, data, infrastructuur en AI blijft essentieel. Het betekent wel dat die expertise steeds vaker een middel wordt in plaats van een einddoel. De echte uitdaging verschuift van “hoe bouwen we dit?” naar “wat moeten we eigenlijk bouwen en waarom?”

Misschien zullen we binnen tien jaar nog altijd evenveel mensen nodig hebben in de technologiesector als vandaag. Misschien zullen het er zelfs meer zijn. Ik vermoed echter dat hun functieprofielen veel minder zullen draaien rond programmeren en veel meer rond het ontwerpen van oplossingen, het verbeteren van processen en het verbinden van mensen, technologie en organisatiedoelstellingen.

We hebben nood aan vertalers tussen menselijke behoeften en digitale mogelijkheden.

De grote fout die we momenteel dreigen te maken, is dat we blijven denken in termen van programmeertalen terwijl de markt steeds meer nood krijgt aan vertalers. Niet vertalers tussen Nederlands en Engels, maar vertalers tussen business en technologie, tussen menselijke behoeften en digitale mogelijkheden, tussen complexe organisaties en de systemen die hen moeten ondersteunen.

Dat zijn misschien niet de beroepen waarmee veel IT-studenten ooit aan hun opleiding begonnen. Het zijn wel de beroepen waarvan ik vermoed dat ze de komende jaren de grootste impact zullen hebben.

Want hoe beter AI wordt in programmeren, hoe duidelijker één waarheid naar voren komt: code was nooit het uiteindelijke product. Code was slechts de manier waarop we oplossingen bouwden. De echte waarde lag altijd in het begrijpen van het probleem. En precies daarom denk ik dat de opleidingen die vandaag nog programmeurs proberen af te leveren, het risico lopen de professionals van gisteren op te leiden, terwijl de organisaties van morgen op zoek zullen zijn naar iets heel anders.

A few days ago, we welcomed a delegation from six Danish universities to Howest. The visit lasted only a few days, but the conversations stayed with me long after our guests had returned home.

When people hear the word internationalisation, they often think about student exchanges, study abroad programmes or Erasmus mobility. Those remain valuable and they always will. But after spending time with colleagues from Denmark, I was reminded that internationalisation is becoming something much bigger.

The future of higher education is increasingly being built through international networks of institutions that learn from each other, innovate together and tackle shared challenges collectively. And that matters more than ever.

---

The challenges we face are no longer local

During the discussions with our Danish colleagues, I was struck by how similar our conversations were. Whether we were talking about AI in education, digital transformation, skills shortages, student engagement, international mobility or curriculum design, the same themes kept emerging.

How do we prepare students for jobs that are changing faster than ever? How should educators respond to generative AI? Which skills will remain valuable when technology can automate more tasks? How do we keep higher education relevant for society and business?

These are not Belgian questions. They are European questions. And increasingly, they are global questions. No university, no matter how strong, can solve them alone.

---

Why visits like this matter

It is easy to underestimate the value of hosting international visitors. From the outside, it can look like another official delegation, another series of presentations, another campus tour. But the real value lies in something less visible. The conversations in between. The exchange of experiences. The moments where someone describes a challenge they are facing and you realise:

“We’re struggling with exactly the same thing.”

Or the opposite:

“That’s an interesting approach. Why aren’t we doing that?”

Those moments accelerate learning. A good international partnership allows institutions to learn in days what might otherwise take years of trial and error.

---

Howest is not just participating. We are contributing.

One thing made me particularly proud during the Danish visit. The conversations were not one-directional. We were not simply listening and learning. We were also sharing.

Over the past years, Howest has built a strong reputation in areas such as applied IT education, cybersecurity, internationalisation, innovation projects and industry collaboration. More recently, we have been investing heavily in AI literacy and helping students develop the skills they need to work effectively, critically and responsibly with AI. These were topics that generated significant interest among our visitors. That is important.

Higher education is often described as a knowledge ecosystem. But ecosystems only work when knowledge flows in multiple directions.

Strong partnerships are not built on one institution teaching another. They are built on mutual exchange.

---

AI is making international collaboration more important

If there was one topic that appeared in almost every conversation during the visit, it was artificial intelligence. Not because everyone was talking about the latest AI tools. But because everyone is trying to answer the same educational questions.

• How should we assess students?
• How do we teach critical thinking when AI can generate plausible answers in seconds?
• What does AI literacy actually mean?
• How do we prepare graduates for workplaces where AI becomes part of everyday work?

The reality is simple. None of us have all the answers. And that is precisely why international cooperation matters. The pace of technological change is simply too fast for institutions to work in isolation. We need networks. We need partners. We need opportunities to share what works and what doesn’t.

---

Internationalisation is becoming a driver of innovation

For a long time, internationalisation was often viewed as a separate activity. Something managed by an international office. Something measured through mobility numbers. That view feels increasingly outdated. Today, internationalisation is becoming intertwined with innovation.

The best partnerships create opportunities for:

• Joint research
• Shared educational innovation
• New learning experiences
• Industry collaboration
• Skills development
• Talent mobility
• European funding opportunities

In other words, internationalisation is becoming a strategic tool for institutional development. Not an add-on. A driver.

---

What students gain

Students may never see most of the meetings, discussions and partnerships that happen behind the scenes. But they experience the outcomes. They gain access to broader networks. New opportunities, international projects. Different perspectives. Connections with peers and professionals from across Europe.

In a world where careers are becoming increasingly international and digital, those experiences matter.

The graduates entering the labour market today will collaborate with people from different countries, cultures and disciplines throughout their careers. Universities have a responsibility to prepare them for that reality.

---

Looking ahead

The recent visit from the Danish universities left me optimistic. Not because it produced a spectacular announcement. Not because it generated a headline. But because it demonstrated something important. Across Europe, universities are wrestling with remarkably similar questions about AI, skills, innovation and the future of education. And instead of trying to solve them independently, more institutions are choosing to tackle them together.

That is good news.

Because the challenges ahead are becoming increasingly complex. But so are the networks we are building to address them. For institutions like Howest, internationalisation is no longer just about crossing borders. It is about creating connections that help students, staff and organisations learn faster, innovate better and prepare for a future that none of us can fully predict on our own. And after spending a few days exchanging ideas with our Danish colleagues, I am more convinced than ever that those connections will be among the most valuable assets a university can have.

If you only have ten minutes this weekend to catch up on technology, education and innovation news, these are the developments I’d focus on.

What stood out this week is that many conversations are no longer about whether AI will be adopted. The discussion is increasingly about governance, skills, infrastructure and responsible deployment. That shift matters. It signals a move from experimentation to implementation, with consequences for schools, universities, businesses and policymakers.

---

1. The European Commission publishes new evidence on AI in education

What happened?

On 22 September, the European Commission published two major reports examining the impact of generative AI on learning and teaching, and the broader state of digital education across Europe. The reports conclude that generative AI is steadily moving into mainstream educational practice, but that evidence on long-term learning outcomes remains mixed and teacher training remains a major challenge. The Commission also found that nearly two-thirds of European education systems now have AI-related policy frameworks.
Source: European Commission
https://digital-strategy.ec.europa.eu/en/news/two-commission-reports-show-impact-artificial-intelligence-and-digital-technologies-teaching-and

Why does it matter?

This is one of the clearest signals yet that Europe’s AI conversation is moving beyond technology and into pedagogy. The Commission is essentially saying: AI is here, but we still do not fully understand its impact on critical thinking, learning habits and educational quality.

Why should Belgian readers care?

Belgian schools and universities are wrestling with exactly these questions. Many institutions have introduced AI guidelines during the past two years, but relatively few have fundamentally redesigned curricula or assessment. The Commission’s findings suggest that professional development for teachers may become one of the most important education investments of the next decade.

---

2. AI Literacy Is Becoming a Strategic Priority in Higher Education

What happened?

During the opening of the academic year, the Vrije Universiteit Brussel (VUB) emphasised that AI literacy should become a core competency for every graduate. The university argued that students need to understand not only how AI works, but also how to use it critically, responsibly and effectively.

Why does it matter?

The conversation in higher education is gradually shifting from “Can students use AI?” to “How do we prepare students to work with AI?”

That may sound like a subtle change, but it has major implications for curriculum design, assessment methods and graduate skills. It suggests that institutions need more than AI guidelines. They need learning outcomes, teaching approaches and evaluation strategies that reflect a world where AI is becoming an everyday tool in both professional and academic environments.

Perhaps the most important insight is that AI literacy is not just about technology. It combines technical understanding, critical thinking, ethical awareness, information literacy and the ability to judge when human expertise remains essential.

Why should Belgian readers care?

VUB is not alone in moving in this direction. Across Belgium, universities and universities of applied sciences are exploring how AI competencies should be embedded into education.

At Howest, for example, significant efforts are underway to develop an AI Literacy learning pathway for students. Rather than treating AI as a standalone technology topic, the initiative focuses on practical skills that students can immediately apply throughout their studies and future careers. These include working effectively with generative AI, prompt engineering, critically evaluating AI-generated content, understanding ethical and legal considerations, and recognising the impact of AI on professional practice.

What makes this particularly relevant is that employers increasingly expect graduates to possess these capabilities. Technical expertise remains important, but organisations are also looking for people who know how to collaborate with AI systems, verify outputs, manage risks and make informed decisions.

This positions institutions such as Howest at the forefront of a broader educational transition. The most future-ready institutions will not be those that simply allow or prohibit AI. They will be those that explicitly teach students how to use AI professionally, responsibly and critically.

In many ways, AI literacy is becoming what digital literacy was twenty years ago: not a specialist skill, but a foundational capability for every graduate entering the labour market.

---

3. UNESCO Calls for Human-Centred AI in Education

What happened?

At UNESCO’s Digital Learning Week, education ministers and representatives from more than 25 countries endorsed a statement calling for education to remain a public good in the age of AI. The declaration emphasises teacher agency, critical thinking and public accountability in AI deployment.
Source: UNESCO
https://www.unesco.org/en/articles/education-ministers-call-education-remain-common-good-age-ai-unescos-digital-learning-week

Why does it matter?

This is an important counterbalance to the increasingly commercial nature of educational AI. While technology providers are rapidly expanding their offerings, UNESCO is warning that educational systems must remain centred around human judgement and public values.

Why should Belgian readers care?

Belgium is already navigating questions around AI procurement, student data, academic integrity and assessment. UNESCO’s message is a reminder that schools and universities should not simply adopt AI because it exists. They need to decide how technology supports educational goals.

---

4. AI Literacy Is Becoming a Compliance Issue

What happened?

The EU AI Act continues moving from legislation to implementation. The European Commission highlighted this week that AI literacy obligations now form a practical part of AI governance and that national authorities have begun supervisory activities under the Act’s implementation timeline.
Source: European Commission AI Office
https://digital-strategy.ec.europa.eu/en/policies/ai-talent-skills-and-literacy

Why does it matter?

AI literacy is no longer just a training topic. It is becoming a governance requirement. Many organisations still approach AI training as an optional professional-development activity. European regulation increasingly views it as part of responsible AI deployment.

Why should Belgian readers care?

Public institutions, educational organisations and companies in Belgium should pay close attention. The question is no longer whether staff need AI training, but whether organisations can demonstrate that employees have adequate understanding of the systems they use.

---

5. Europe’s Digital Skills Agenda Gains Momentum

What happened?

The European Commission confirmed that findings from its new education reports will feed into its forthcoming Education Package and broader Union of Skills initiative. The focus includes digital skills, teacher development and educational infrastructure.
Source: European Commission
https://education.ec.europa.eu/whats-new/news/new-reports-examine-how-ai-and-digital-technologies-are-shaping-education-in-europe

Why does it matter?

Skills policy is increasingly becoming economic policy. Europe faces simultaneous shortages in digital, engineering, cybersecurity and AI-related roles. Policymakers are beginning to treat skills development as strategic infrastructure.

Why should Belgian readers care?

Belgium’s competitiveness increasingly depends on talent availability. Whether you’re in cybersecurity, manufacturing, healthcare, software development or research, talent shortages remain one of the most immediate constraints on growth and innovation.

---

6. Sovereign AI Moves from Concept to Infrastructure

What happened?

This week saw significant investment announcements around sovereign AI infrastructure. One notable example was a six-country rollout of sovereign AI platforms built on NVIDIA technologies, including national-scale AI infrastructure plans and locally hosted models.
Source: MeetKai / NVIDIA ecosystem announcement
https://www.prnewswire.com/news-releases/meetkai-takes-sovereign-ai-built-on-nvidia-to-six-countries-302890312.html

Why does it matter?

The conversation around AI is increasingly shifting from models to infrastructure.

Countries are recognising that access to compute, data centres and local AI capabilities may become as strategically important as energy or telecommunications infrastructure.

Why should Belgian readers care?

Europe continues to debate digital sovereignty, cloud dependence and technological resilience. The same discussion is relevant for Belgium. Questions about where data is processed, who controls AI infrastructure and how local innovation ecosystems develop will only become more important.

---

7. AI Infrastructure Spending Continues to Accelerate

What happened?

New industry analysis highlighted the enormous scale of investment flowing into AI infrastructure globally. Estimates cited this week project hundreds of billions of dollars being invested in AI compute and supporting infrastructure during 2026.
Source: McKinsey Technology Trends coverage
https://cfo.economictimes.indiatimes.com/news/cfo-tech/ai-infrastructure-investment-seen-surging-to-769-billion-in-2026-amid-growing-safety-concerns/134484013

Why does it matter?

Much of the public discussion focuses on chatbots and AI applications. Behind the scenes, the real story may be the unprecedented construction of computational infrastructure.

These investments influence research capacity, industrial competitiveness, startup ecosystems and labour markets.

Why should Belgian readers care?

European universities, research centres and innovative companies compete within a global innovation system. Access to advanced compute resources increasingly affects who can conduct cutting-edge research and build next-generation products.

---

Three Trends Worth Watching

1. AI is becoming an institutional challenge

The week’s developments were not primarily about new AI capabilities. They were about governance, skills, teacher training and organisational readiness.

The question is increasingly how institutions adapt.

2. Skills are moving to the centre of policy

The European Commission, UNESCO, universities and employers are converging on a shared concern: skills.

AI literacy, digital competence and continuous reskilling are becoming strategic priorities across sectors.

3. Infrastructure is becoming the new battleground

Just as cloud computing became a strategic capability during the past decade, AI infrastructure is becoming a strategic asset today.

Countries, research institutions and companies are competing to secure access to compute, talent and data ecosystems.

---

The most interesting development this week was not a new AI model or a flashy product launch. It was the growing recognition that technology alone does not determine outcomes. Skills, governance, education and institutional choices matter just as much.

In many ways, the next phase of the AI era may be less about what the technology can do and more about what societies decide to do with it. Belgium, with its strong research base, international outlook and education sector, is well positioned to contribute to that conversation. The real question is whether we move quickly enough from awareness to action.

If you only have ten minutes this weekend to catch up on technology, education and innovation news, these are the developments I would focus on.

What struck me this week is that several seemingly separate stories point in the same direction. Artificial intelligence is no longer mainly about experimentation. Governments, universities and companies are increasingly dealing with questions of governance, skills, adoption and public trust. For Belgium, that may be even more important than the latest model release.

---

1. UNESCO puts AI governance in education at the centre of the global agenda

What happened?

During UNESCO’s Digital Learning Week 2026 in Paris, education ministers and representatives from more than 25 countries adopted a joint statement on the future of education in the age of AI. The statement says that AI should support learning rather than replace human judgement, teaching and critical thinking. UNESCO also launched a global consultation on AI governance in education.

Why does it matter?

The debate has shifted. A year ago, many discussions focused on whether AI should be allowed in classrooms. Today the question is how educational systems can remain in control while using the technology productively.

UNESCO’s position is clear: AI may help learners and teachers, but educational decisions should remain grounded in human agency, public values and transparency.

Why should Belgian readers care?

Belgian schools, colleges and universities are all wrestling with AI policies. UNESCO’s recommendations closely align with debates already taking place across Flemish and federal education networks: assessment redesign, AI literacy, teacher training and academic integrity.

For education leaders, this is another signal that AI governance is becoming a strategic leadership responsibility rather than an IT issue.

Sources

• UNESCO Ministerial Statement
• UNESCO Global Consultation on AI and Education

---

2. Belgium updates its national AI strategy

What happened?

Belgium adopted an updated national artificial intelligence strategy this week. According to reports, the renewed strategy focuses on AI skills, research, implementation, public services and maintaining strategic control over AI development and deployment.

Why does it matter?

Many countries have AI strategies. Fewer are moving from policy documents to implementation and coordination.

The revised Belgian approach appears intended to accelerate AI adoption while strengthening sovereignty, governance and skills development. It reflects a wider European concern: how to benefit from global AI innovation without becoming entirely dependent on external technology providers.

Why should Belgian readers care?

Belgia already has strong AI research clusters, universities, startups and industrial expertise. The real challenge is scaling adoption. For businesses, this may create new opportunities for funding, partnerships and innovation projects. For higher education, it reinforces the importance of AI literacy and workforce development.

Sources

• Belgian AI Observatory
• Report on updated Belgian AI strategy

---

3. The EU’s AI Act moves further into its implementation phase

What happened?

Europe continues entering the operational phase of the AI Act. New obligations for providers of general-purpose AI models have become enforceable, while preparations continue for more extensive obligations affecting high-risk AI applications.

Why does it matter?

The AI Act is no longer just a policy discussion.

Organisations increasingly need practical answers to questions such as:

• How are AI systems documented?
• How is transparency ensured?
• What evidence is required for compliance?
• How are risks monitored?

The focus is moving from regulation design to implementation capability.

Why should Belgian readers care?

Education, employment and public services are among the sectors explicitly referenced within the AI Act framework. Universities, school groups, HR departments, startups and public administrations that deploy AI systems will increasingly have to understand regulatory obligations. This creates growing demand for legal, technical and governance expertise.

Sources

• Euronews on AI Act implementation
• EU AI Act overview

---

4. Europe doubles down on skills as a competitiveness strategy

What happened?

The European Commission continued positioning the “Union of Skills” as a central element of Europe’s competitiveness agenda. Recent European communications and education initiatives emphasise STEM education, microcredentials, lifelong learning and labour market mobility.

Why does it matter?

For years Europe worried about digital infrastructure. Now it is increasingly worried about people. Across industries, employers report shortages in digital, engineering, cybersecurity and AI-related skills. Europe’s response is becoming clearer: invest heavily in education, reskilling and workforce mobility.

Why should Belgian readers care?

Belgium faces similar challenges.

Companies struggle to recruit technical talent. Universities face pressure to prepare students for rapidly changing careers. Governments must balance economic competitiveness with social inclusion. The European skills agenda will increasingly influence funding programmes, curriculum reforms and workforce policies.

Sources

• European Education Area
• European Commission Union of Skills

---

5. Microsoft opens discussion on long-term AI governance

What happened?

Microsoft released a draft “Humanist AI Code of Conduct” and launched a public consultation process around future AI governance principles. The document includes commitments related to human oversight, transparency and preventing harmful uses of advanced AI systems.

Why does it matter?

The most interesting aspect is not the document itself. It is the fact that one of the world’s largest AI players is openly discussing governance structures before future generations of AI systems arrive. That suggests the conversation is expanding beyond performance benchmarks and product announcements.

Why should Belgian readers care?

Belgian organisations increasingly rely on global AI platforms.

The governance decisions made by companies such as Microsoft, OpenAI, Google and Anthropic will influence classroom tools, business applications and public-sector systems used throughout Europe. Understanding these governance approaches is becoming as important as understanding the technology itself.

Sources

• Microsoft AI governance announcement

---

6. UNESCO highlights a challenge many institutions recognise: moving beyond AI pilots

What happened?

A UNESCO strategy lab this week focused on a surprisingly practical question: how can AI projects move beyond successful pilot phases and become sustainable at scale? Participants explored educator readiness, infrastructure, governance and long-term adoption challenges.

Why does it matter?

Many organisations have already proven that AI can work. Far fewer have proven they can adopt it sustainably. The biggest barriers increasingly involve organisational capability rather than technology.

Why should Belgian readers care?

Whether in a university, a school board, a healthcare organisation or an SME, the challenge is often the same:

• How do we train staff?
• How do we redesign processes?
• How do we measure value?
• How do we govern usage?

The institutions that solve those questions are likely to benefit the most from AI in the coming years.

Sources

• UNESCO Strategy Lab on scaling AI learning

---

Three Trends Worth Watching

1. AI is becoming a governance challenge

Several stories this week point in the same direction.

Whether it is UNESCO, the European Union, Belgium or Microsoft, discussions increasingly focus on accountability, oversight, transparency and public trust.

The technology race continues, but governance is catching up.

2. Skills are becoming strategic infrastructure

For years governments invested in roads, broadband and research facilities. Today skills are increasingly treated the same way. The ability to retrain workers, educate students and build AI literacy is becoming a competitiveness issue.

3. Institutions are moving from experimentation to implementation

The biggest question is no longer whether AI works. The question is whether organisations can embed it effectively into teaching, research, business processes and public services. That requires leadership, policy and organisational change.

---

What This Means for Belgium

For educators

Expect growing emphasis on AI literacy, assessment redesign and teacher professionalisation. The challenge is not simply teaching students to use AI, but teaching them when to trust it, question it and improve upon it. At Howest I teach an AI Literacy course btw!

For businesses

The biggest competitive advantage may come from workforce capability rather than model capability. Organisations that combine AI tools with strong human expertise will likely outperform those that simply deploy technology.

For policymakers

The focus should increasingly move from awareness to implementation. Belgium has strong foundations in research and innovation. The next challenge is scaling adoption while maintaining public trust.

For universities and research centres

Opportunities remain significant. European funding priorities continue to align strongly with AI, digital transformation, education innovation and international collaboration.

Institutions capable of connecting these domains will be well positioned.

---

One theme kept returning this week: control.

Not control in the sense of restricting innovation, but in the sense of ensuring that institutions remain capable of shaping it.

AI is becoming more powerful every month, but the longer-term question is not how intelligent our systems become. It is whether our schools, companies, governments and universities become equally capable of making informed decisions about how those systems are used. For Belgium, that may turn out to be the most important innovation challenge of all.

De afgelopen week verschenen twee stukken die me aan het denken zetten.

In een nieuw essay waarschuwt Bill Gates dat artificiële intelligentie zowel de grootste gelijkmaker ooit als de grootste bron van ongelijkheid kan worden. Volgens hem onderschatten veel mensen nog steeds hoe ingrijpend de impact van AI zal zijn op ons werk, onze economie en onze samenleving.

In een interview voor ICT Magazine sprak ik over een andere vaststelling: AI verandert de job van IT’ers fundamenteel. Niet omdat AI mensen vervangt, maar omdat de aard van het werk verschuift. Minder uitvoeren, meer analyseren, beoordelen en orkestreren.

Op het eerste gezicht lijken dit twee verschillende verhalen. Dat zijn ze niet.

De verkeerde vraag

Wanneer organisaties over AI praten, gaat het vaak over technologie.

• Welk model gebruiken we?
• Welke tools moeten we aankopen?
• Hoe snel kunnen we automatiseren?
• Hoeveel productiviteitswinst kunnen we behalen?

Dat zijn relevante vragen. Maar ze zijn niet de belangrijkste. De vraag die volgens mij veel meer aandacht verdient is: hebben onze medewerkers voldoende AI-geletterdheid om deze technologie verstandig, kritisch en doelgericht te gebruiken? Want toegang tot AI wordt steeds minder een concurrentieel voordeel. Vandaag kan een multinational dezelfde generatie AI-tools gebruiken als een kleine KMO. Het verschil zit niet langer in toegang, maar in gebruik.

Iedereen heeft AI. Niet iedereen heeft AI-vaardigheden.

In het ICT Magazine-artikel wordt AI-kennis omschreven als een nieuwe basiscompetentie voor IT-profielen. Niet alleen voor ontwikkelaars, maar ook voor architecten, consultants en securityspecialisten. Ik geloof dat dit zelfs breder gaat. Binnen enkele jaren zal AI-geletterdheid even vanzelfsprekend zijn als digitale geletterdheid vandaag. Niet iedereen moet een AI-expert worden. Maar iedereen zal moeten begrijpen:

• wat AI goed kan;
• waar AI fouten maakt;
• hoe AI-systemen tot antwoorden komen;
• welke risico’s verbonden zijn aan AI-gebruik;
• wanneer menselijke controle noodzakelijk blijft.

Dat is niet langer een nice-to-have. Dat is digitale basisvaardigheid.

Prompting is niet hetzelfde als AI-geletterdheid

Vandaag zien we vaak dat organisaties medewerkers een workshop prompting geven en vervolgens denken dat de AI-transformatie gestart is. Dat is begrijpelijk, maar onvoldoende. Goede prompts schrijven is nuttig. Zie ook mijn boek daarover 😉 Maar AI-geletterdheid gaat over veel meer:

• kritisch denken;
• informatie beoordelen;
• broncontrole;
• ethisch gebruik;
• gegevensbescherming;
• begrip van beperkingen en bias;
• weten wanneer je AI wel of niet inzet.

Iemand die een indrukwekkende prompt kan schrijven maar elk AI-antwoord blind vertrouwt, is niet AI-geletterd. Net zoals iemand die een zoekmachine kan gebruiken nog geen onderzoeker is.

De nieuwe digitale kloof

Bill Gates waarschuwt dat AI ongelijkheid kan vergroten als we niet tijdig ingrijpen. Ik denk dat die kloof niet alleen tussen landen of bedrijven zal ontstaan. Ze zal ook ontstaan tussen mensen. Tussen mensen die AI leren inzetten als versterking van hun expertise en mensen die AI blijven zien als een magische antwoordmachine. De eerste groep zal sneller leren, betere beslissingen nemen en productiever worden. De tweede groep riskeert afhankelijk te worden van technologie die ze onvoldoende begrijpt. Daarom is onderwijs zo belangrijk. Maar ook bedrijven dragen hierin verantwoordelijkheid. AI-geletterdheid mag geen exclusieve kennis worden van enkele enthousiastelingen of innovatie-experts. Ze moet deel worden van de basisvorming van elke medewerker.

Wat moeten we vandaag doen?

Volgens mij zijn er drie prioriteiten.

1. Maak AI-geletterdheid toegankelijk voor iedereen.

Niet alleen voor technische profielen, maar ook voor HR, finance, marketing, administratie en management.

2. Leer mensen kritisch omgaan met AI-output.

De belangrijkste vaardigheid van morgen is misschien niet het genereren van antwoorden, maar het beoordelen ervan.

3. Focus op menselijk inzicht.

Naarmate AI beter wordt in uitvoering, wordt menselijk begrip waardevoller. Technologie kan antwoorden genereren. Mensen moeten nog steeds de juiste vragen stellen.

Slot

In het ICT Magazine-interview gebruikte ik de uitspraak:“Syntax is gratis geworden, maar begrip is schaars.” Misschien vat dat ook de bredere AI-discussie samen. De komende jaren zullen steeds meer mensen toegang krijgen tot krachtige AI-systemen. Dat is niet de uitdaging. De uitdaging is ervoor zorgen dat voldoende mensen begrijpen hoe ze die systemen verstandig, kritisch en verantwoord gebruiken. AI zal waarschijnlijk niet het verschil maken tussen succesvolle en minder succesvolle organisaties.

AI-geletterdheid wel.

De toekomst vraagt om meer dan technische kennis alleen. Daarom ontwikkelden we bij Howest, samen met mijn collega Tibo Van Craenenbroeck, een opleidingsmodule rond AI-geletterdheid. We willen onze studenten niet enkel leren werken met AI, maar hen ook inzicht geven in de kansen, beperkingen en maatschappelijke impact ervan.

Zo maken we hen klaar voor een arbeidsmarkt waarin AI geen uitzondering meer is, maar een vanzelfsprekend onderdeel van het dagelijkse werk.

Prompt engineering heeft de voorbije jaren een rare reputatie opgebouwd. Eerst was het “spreek in magische spreuken tegen je chatbot”, daarna “dit is een jobtitel”, en vervolgens “het is dood”. Het oude beeld van prompt engineering verdwijnt inderdaad, maar het werk zelf niet. Het verschuift van slimme zinnen schrijven naar betrouwbare AI-systemen bouwen.

Waarom “prompt engineering was tijdelijk” tegelijk juist en fout was

In 2023 ging prompt engineering vooral over herhalen wat je wil, voorbeelden toevoegen, formats afdwingen, of overal “think step by step” bijzetten. Dat soort trucjes wordt minder belangrijk. Moderne modellen begrijpen veel beter de intentie uit gewone taal.

Maar die verbetering maakt prompt engineering niet overbodig. Integendeel. Zodra je van “geef antwoord” naar “voer werk uit” gaat, stijgt de inzet. Een misverstand is niet langer een slechte alinea tekst. Het kan een verkeerd ticket zijn, een bericht naar de verkeerde klant, of een wijziging in een database die je later mag uitzoeken.

casual prompting wordt eenvoudiger, maar production prompting wordt belangrijker.

Prompt engineering vandaag: drie verschuivingen die je moet snappen

Vandaag draait prompt engineering vooral om drie domeinen:

• Context engineering
• Tool- en workflow-instructies
• Beheersing (testen, versiebeheer, monitoring, rollback)

Dat is geen semantische discussie. Het is het verschil tussen een demo en iets dat je durft loslaten op echte processen.

1) Context engineering: de juiste info, in de juiste vorm, op het juiste moment

Een model kan alleen goed antwoorden met het materiaal dat je ervoor zet. Vaak is het moeilijke niet “kan het model redeneren?”, maar “redeneert het over het juiste materiaal?”.

Context engineering is dus het ontwerpen van:

• Welke bronnen je ophaalt (documenten, CRM-data, policies, e-mails, tickets)
• Hoe je selecteert (relevantie, recency, autoriteit)
• Hoe je presenteert (samenvatting, citaten, tabellen, JSON, snippets)
• Wat je weglaat (ruis, irrelevante threads)

Voorbeeld: support-assistent met kennisbank

Stel: je wil een AI-assistent die supporttickets beantwoordt. De oude aanpak is: “schrijf een prompt als ‘beantwoord dit ticket vriendelijk’”. De moderne aanpak is: voer gecontroleerde context aan en maak “geen info” een geldige uitkomst in plaats van een hallucinatierisico.

Slechte context:

Beantwoord dit ticket. Gebruik de kennisbank.

Betere context engineering:

Rol: je bent een support agent. Doel: schrijf een antwoord dat correct is volgens onze knowledge base. 
Context die je mag gebruiken: 
- Ticket: {ticket_tekst} 
- Product: {productnaam} 
- Relevante KB-artikels (met bron-id): 
  1) {kb_snippet_1} 
  2) {kb_snippet_2} 
Regels: 
- Als de KB geen antwoord bevat: zeg dat expliciet en stel 2 gerichte vragen. 
- Citeer altijd het bron-id bij technische claims. 
- Geen aannames over accountstatus of contracten. 
Output: 
- Onderwerp 
- Antwoordmail 
- Follow-up vragen (indien nodig) 

Waarom dit werkt: je dwingt af dat het model redeneert op de juiste bronnen en je bouwt guardrails in rond onzekerheid. Dat is context engineering in de praktijk.

2) Tool- en workflow-instructies: als AI acties mag nemen, moet je grenzen ontwerpen

Prompt engineering gaat vandaag ook over tool design. Zodra een model functies kan oproepen, bestanden kan doorzoeken, databases kan queryen of berichten kan sturen, moet je het leren wanneer welke tool mag en wat er eerst geverifieerd moet worden.

Dat lijkt op product- en systems engineering, maar het komt in de praktijk neer op instructies, guardrails en beslissingsregels rond gedrag.

Voorbeeld: AI die tickets kan aanmaken en klanten kan mailen

Je bouwt een agent die een ticket classificeert, info opzoekt, een voorstelmail opstelt en eventueel een proces start. Dan moet je expliciet maken:

• Welke tool heeft voorrang (bijvoorbeeld KB eerst, CRM daarna, pas dan mail)
• Wat is high risk (wijzigingen met externe impact)
• Wanneer bevestiging verplicht is (voor je iets verstuurt of data wijzigt)
• Wat te doen bij tegenstrijdige bronnen (stoppen, samenvatten, vraag stellen)

Praktische prompt-structuur voor tools:

Beslissingsregels:

1. Als actie externe impact heeft (mail sturen, status wijzigen, refund starten): vraag expliciete bevestiging.
2. Als bronnen conflicteren: stop, vat conflict samen, stel 1 vraag.
3. Gebruik CRM-data enkel voor accountvelden, nooit voor technische troubleshooting.
4. Gebruik KB enkel als bron voor procedures en technische stappen.

Tool usage:

• search_kb(query): gebruik altijd eerst
• get_crm(customer_id): alleen na gevonden customer_id
• draft_email(content): ok
• send_email(draft_id): verboden zonder “CONFIRM_SEND”

Dit is het punt: je bent niet bezig met “mooie prompts”. Je bent bezig met operationele veiligheid.

3) Versiebeheer en monitoring: PromptOps is niet optioneel

Als prompts deel worden van productiegedrag, moet je ze behandelen zoals code: testcases, inzicht in wijzigingen, en rollback als een update gedrag breekt. Er is nood aan test cases, checks, monitoring, versioning en rollback.

In die richting hoor je ook de term PromptOps: een systematische aanpak voor promptbeheer op schaal, inclusief versiecontrole en monitoring.

prompts zijn geen tekstjes, maar specificaties van gedrag.

Een handige checklist voor productiegebruik:

1. Doel: wat is succes, hoe ziet een goede output eruit?
2. Context: welke bronnen zijn toegestaan, welke zijn verboden?
3. Grenzen: wat mag het systeem nooit doen zonder bevestiging?
4. Output contract: format, lengte, taal, structuur.
5. Escalatie: wanneer stoppen en vragen stellen?

Een praktisch voorbeeld

Opdracht: “schrijf een tekst” versus “werk in een proces”

Casual prompt (prima voor eenmalig gebruik):

Schrijf een vriendelijke mail om een afspraak te verzetten.

Production prompt (voor een agent in je CRM):

Doel: verzet afspraak volgens regels. 
 
Context: 
- Afspraak: {datum, klant, type} 
- Beschikbaarheid: {slots} 
- Policy: {annulatievoorwaarden} 
 
Regels: 
- Bied 3 nieuwe opties aan binnen 10 werkdagen. 
- Als klant VIP = true: bied ook optie buiten 10 werkdagen. 
- Herhaal geen gevoelige info. 
- Verstuur geen mail zonder expliciete bevestiging. 
 
Output: 
- conceptmail 
- korte checklist van policy compliance 
- vraag om confirmatie: "CONFIRM_SEND" 

Je voelt meteen: dit is geen copywriting, dit is systeemgedrag ontwerpen.

Prompt Engineering is niet “dood” maar “volwassen”

Je ziet regelmatig koppen die stellen dat prompt engineering “dood” is, of dat modellen hun prompts zelf gaan optimaliseren. Er is debat en onderzoek in die richting, maar zelfs dan blijft er werk: iemand moet nog altijd bepalen wat het doel is, welke context mag, welke acties veilig zijn, en hoe je afwijkingen detecteert.

Telkens modellen beter worden, geven we ze meer context, meer tools, meer verantwoordelijkheid en vager werk. Het model verbetert, maar het systeem errond wordt ambitieuzer.

Artificial Intelligence (AI) wordt vaak gepresenteerd als de oplossing voor alles. Of het nu gaat om het schrijven van e-mails, het analyseren van data of het plannen van je vakantie: de verleiding is groot om alles aan een chatbot over te laten. Maar zoals Ethan Mollick terecht opmerkt in zijn blog, zijn er cruciale momenten waarop je de AI juist aan de kant moet schuiven.

Hier zijn vijf redenen waarom je soms beter op je eigen denkkracht kunt vertrouwen.

1. Wanneer het leerproces belangrijker is dan het resultaat

Soms is de weg naar de oplossing waardevoller dan de oplossing zelf. Als je AI vraagt om een samenvatting van een complex boek, mis je de intellectuele “worsteling” die nodig is om de stof echt te begrijpen. Door zelf te lezen en te analyseren, leg je verbindingen in je brein die een AI-output nooit kan vervangen.

• Voorbeeld: Een student die AI een essay laat schrijven over de Franse Revolutie. De student heeft wel een tekst, maar begrijpt de politieke nuances en de oorzaken van de historische gebeurtenissen niet echt, omdat hij het denkwerk heeft uitbesteed.

2. Wanneer de “kosten” van een fout fataal zijn

AI is een ster in “hallucineren”: het verzinnen van feiten met volledige zelfovertuiging. In situaties waarin 100% nauwkeurigheid vereist is en er geen ruimte is voor verificatie, is AI een gevaarlijk hulpmiddel. Vertrouw nooit blindelings op AI bij medisch, juridisch of technisch advies waar mensenlevens of grote financiële belangen op het spel staan.

• Voorbeeld: Het gebruik van AI om een dosering voor medicatie te berekenen zonder dat er een arts of apotheker naar kijkt. Een kleine rekenfout door de AI kan hier rampzalige gevolgen hebben.

3. Wanneer je een unieke, persoonlijke stem nodig hebt

AI is getraind op het gemiddelde van het internet. Dat betekent dat de output vaak “veilig”, voorspelbaar en een tikkeltje saai is. Voor creatief werk, persoonlijke columns of strategische visies die echt moeten opvallen, is AI vaak te generiek. Echte innovatie en diepgaande menselijke emotie komen van jou, niet van een algoritme.

• Voorbeeld: Het schrijven van een condoleancebrief of een persoonlijke liefdesverklaring. Een AI-tekst zal hier al snel hol en onoprecht aanvoelen, omdat de echte emotionele connectie ontbreekt.

4. Wanneer je je “intellectuele vaardigheden” niet wilt verliezen

Er zit een enorme waarde in het zelf uitzoeken van zaken. Het proces van zoeken, dwalen door bronnen en per toeval op nieuwe ideeën stuiten (serendipiteit), verdwijnt als je direct het kant-en-klare antwoord krijgt van een AI. Je verliest de vaardigheid om kritisch onderzoek te doen en je eigen oordeel te vormen.

• Voorbeeld: In plaats van urenlang in de bibliotheek of op internet bronnen te vergelijken voor een artikel, laat je AI de conclusies trekken. Hierdoor mis je die zijpaden en nieuwe inzichten die je artikel juist diepgang hadden kunnen geven.

5. Wanneer de AI de context niet kan overzien

Hoe geavanceerd AI ook is, het leeft in een digitale bubbel. Het kent de specifieke dynamiek op jouw werkvloer niet, begrijpt de onuitgesproken emoties in een team niet en heeft geen besef van de huidige maatschappelijke gevoeligheid van dit moment, tenzij je die expliciet voert. Zonder die context slaat AI de plank vaak volledig mis.

• Voorbeeld: Een manager die AI een feedbackgesprek laat voorbereiden voor een medewerker die net een zware persoonlijke tijd doormaakt. De AI kan een zakelijk correcte tekst genereren, maar mist de empathie en nuance die nodig is voor de specifieke situatie.

Wil je AI wél slim inzetten?

Hoewel er goede redenen zijn om AI soms links te laten liggen, is het in veel andere gevallen juist een onmisbare assistent. Het geheim zit hem in de manier waarop je met de technologie communiceert.

Mijn boek “De AI-fluisteraar“ helpt je om betere, gestructureerde prompts te maken, zodat je precies weet wanneer én hoe je AI inzet voor het beste resultaat. Leer hoe je de regie houdt en AI voor jou laat werken, in plaats van andersom.

We zitten in een vreemde tussenfase. In mijn gesprekken met ondernemers en organisaties hoor ik de laatste tijd steeds eenzelfde worsteling. “Gene”, zeggen ze dan, “we werken door AI nu twee keer zo snel als vorig jaar. Maar we factureren nog steeds per uur. Moeten we nu onze eigen ruiten ingooien door minder uren te schrijven, of moeten we de klant ‘fantoomuren’ aanrekenen?”

Het antwoord ligt niet in een slimme truc, maar in een fundamentele verschuiving van hoe we naar werk kijken. We moeten AI niet langer zien als een ’tooltje’, maar als een grondstof.

Van gereedschap naar nutsvoorziening

Vroeger was software een hamer: je kocht hem één keer en je timmerde ermee. AI is anders. Het is meer zoals elektriciteit, water of internet. Het is een stroom die je aanzet om iets gedaan te krijgen. Elke keer als je een AI-model aanroept, verbruik je ’tokens’ – de digitale brandstof van onze tijd.

Dat betekent dat AI een variabele kost wordt in je proces. Maar dat is niet het grootste probleem. De echte uitdaging is dat deze grondstof de aloude band tussen tijd en waarde definitief heeft doorgeknipt.

De paradox van de efficiënte expert

Stel: je huurt een copywriter voor een whitepaper. Vroeger deed die daar 8 uur over. Vandaag doet ze het in 2 uur met hulp van AI, plus 1 uur voor de menselijke finishing touch.

Als zij “uurtje-factuurtje” blijft werken, wordt zij gestraft voor haar eigen innovatie. Zij verdient minder, terwijl de klant exact hetzelfde (of zelfs een beter) resultaat krijgt. Dat voelt niet alleen onlogisch, het is commerciële zelfmoord.

Aan de andere kant: die gewonnen tijd gewoon doorfactureren alsof je er de volle 8 uur aan gewerkt hebt? Dat voelt niet fair. Transparantie is de basis van elke goede klantrelatie, en zodra de klant doorheeft dat je met een druk op de knop werkt terwijl de teller loopt, is het vertrouwen weg.

Hoe moeten we hier dan mee omgaan?

Ik zie drie wegen voor organisaties die deze transitie willen overleven:

1. Stop met het verkopen van tijd, start met het verkopen van impact. De klant betaalt niet voor jouw uren, maar voor de oplossing van hun probleem. Stap over op value-based pricing of fixed fees per project. Of het jou nu 1 uur of 10 uur kost, is jouw interne keuken (en jouw winstmarge).
2. Maak AI-kosten expliciet (indien nodig). Bij zeer zware trajecten waar de ’token-kost’ (de grondstof) hoog is, kun je dit zien als een onkost, net zoals een drukker het papier factureert. Maar pas op: ga niet de kleinste API-calls doorrekenen. Zie het liever als een overhead-kost die in je algemene tarief zit, net als je internetfactuur.
3. Verplaats de menselijke waarde. Als de ‘grondstof’ AI het grove werk doet, verschuift jouw waarde naar de strategie, de ethiek, de kwaliteitscontrole en de context. De klant betaalt je niet meer om te maken, maar om te weten wat er gemaakt moet worden.

De nieuwe realiteit

AI als grondstof betekent dat we eindelijk de stopwatch mogen weggooien. Het dwingt ons om eerlijker te zijn over wat we écht toevoegen. De organisaties die blijven vasthouden aan hun urenlijstjes, gaan de strijd verliezen van de partijen die begrijpen dat snelheid een bonus is, geen korting.

Hoe kijk jij naar je facturatie in dit AI-tijdperk? Durf jij de stap te zetten weg van de gepresteerde uren?

De perfecte storm voor startend talent

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:

1. Bestaande code kunt lezen en begrijpen (cruciaal!).
2. Kunt communiceren met maintainers.
3. 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

1. Stop met solliciteren via de “Easy Apply” knop. Het is een loterij die je verliest.
2. Bouw één complex project. Geen 10 kleine tutorials. Eén diepgaande SaaS of RAG-tool.
3. Leer de AI-stack. Vector databases, LLM API’s, Prompt Engineering.
4. Ga naar buiten. Bezoek de Howest Tech & Meet events,, Devoxx, of lokale meetups.
5. Focus op soft skills. Leer communiceren, presenteren en business-waarde begrijpen.

De weg is steiler, maar het uitzicht aan de top – in een wereld waar je met AI superkrachten hebt – is mooier dan ooit.