We hoefden Excel niet volledig te begrijpen om het massaal te gaan gebruiken. Met AI zal dat waarschijnlijk niet anders zijn. Alleen krijgt de software deze keer steeds meer ruimte om zelf te handelen.
Bijna iedereen die op kantoor werkt, kent Excel.
Maar hoeveel mensen kennen Excel écht goed?
Ik in ieder geval zeer beperkt.
De meesten van ons hebben het gewoon along the way geleerd. Een collega laat zien hoe een formule werkt. Je past een bestaand bestand aan. Je zoekt een functie op. Er komt een tabblad bij. Later nog één.
En meestal gaat dat prima.
Totdat zo’n spreadsheet ineens belangrijk wordt.
Er staan tientallen formules in. Verschillende mensen hebben eraan gewerkt. Er zitten koppelingen in naar andere bestanden. Misschien wat macro’s.
Niemand weet meer precies hoe het geheel werkt.
Maar iedere maand komt er wel een getal uit.
En dat getal gebruiken we.
Ik moest daar deze week aan denken toen ik me verdiepte in AI-agents.
Want met AI lijkt iets vergelijkbaars te gebeuren.
Ook AI leren de meeste mensen niet uit een handboek. We beginnen gewoon.
Eerst een vraag stellen. Dan een tekst laten schrijven. Een document samenvatten. Data analyseren. Misschien wat code maken.
En voor je het weet is AI onderdeel geworden van je dagelijks werk.
Dat hoeft helemaal geen probleem te zijn.
We gebruiken voortdurend technologie die we technisch niet volledig begrijpen. Ik hoef niet te weten hoe ABS precies werkt om veilig auto te kunnen rijden. En ik hoef de broncode van Excel niet te kennen om een goede spreadsheet te maken.
Volledig technisch begrip is dus waarschijnlijk helemaal niet de juiste lat.
De interessantere vraag is of ik voldoende begrijp wat ik de technologie laat doen.
En juist daar verandert er met AI iets.
Een spreadsheet doet in principe wat wij erin hebben gebouwd. Dat kan overigens behoorlijk misgaan. Een verkeerde formule in een financieel model, productieplanning of kwaliteitsrapport kan grote gevolgen hebben.
Excel is dus bepaald niet onschuldig.
En met macro’s, koppelingen en automatisering kan een spreadsheet zelfs al acties veroorzaken.
Maar AI-agents voegen daar iets aan toe.
Ze kunnen binnen een opdracht zelf bepalen welke tussenstappen nodig zijn.
Informatie verzamelen. Een bestand aanpassen. Code schrijven. Een ander systeem gebruiken. Misschien een bericht versturen of een proces starten.
Daarmee verschuift de vraag van:
Kan ik de uitkomst vertrouwen?
naar óók:
Welke ruimte geef ik dit systeem om zelfstandig te handelen?
Dat vind ik een wezenlijk verschil.
Je zou kunnen zeggen dat gebruikers daarom eerst beter moeten worden opgeleid.
AI literacy. Training. Procedures. Governance.
Allemaal nuttig.
Maar ik geloof niet dat we gaan wachten totdat iedereen verstand heeft van AI, softwareontwikkeling, cybersecurity, privacy en compliance.
Dat deden we bij Excel ook niet.
En misschien hoeft dat ook helemaal niet.
Mensen leren door dingen te gebruiken. We proberen iets. Het werkt. We maken fouten. Een collega laat een betere manier zien. Langzaam ontstaat ervaring.
Dat is niet onverantwoord.
Dat is voor een belangrijk deel gewoon hoe mensen leren.
Het zou zelfs vreemd zijn om van iedere gebruiker te verlangen dat hij eerst expert wordt voordat hij met AI mag werken.
Maar dat betekent niet dat alle verantwoordelijkheid dan bij de technologiebedrijven ligt.
De leverancier bouwt het systeem.
De organisatie bepaalt waarvoor het wordt ingezet.
En de gebruiker bepaalt mede hoe hij ermee omgaat.
Die verantwoordelijkheden zijn verschillend.
Een agent die iedere ochtend drie nieuwsberichten verzamelt, is iets anders dan een agent die toegang heeft tot klantgegevens, e-mail, financiële systemen of een productieomgeving.
Misschien is daarom niet de intelligentie van de AI de belangrijkste maat voor het risico.
De handelingsruimte die we hem geven is minstens zo belangrijk.
En daar zit misschien juist een kans.
Stel dat we AI-agents vanaf het begin anders ontwerpen dan veel spreadsheets uiteindelijk zijn geworden.
Met duidelijke bevoegdheden. Zichtbaarheid van wat een agent heeft gedaan. Grenzen aan welke systemen hij mag gebruiken. Menselijke tussenkomst wanneer een beslissing er echt toe doet.
Dan zou een AI-agent uiteindelijk zelfs beter beheersbaar kunnen zijn dan die spreadsheet waar al vijftien jaar mensen tabbladen aan toevoegen en waarvan niemand meer weet waarom cel H174 eigenlijk zo belangrijk is.
Dat is misschien wel de echte les van Excel.
Niet dat mensen technologie pas mogen gebruiken als ze haar volledig begrijpen.
Maar dat een handig hulpmiddel ongemerkt belangrijk kan worden.
Bij AI-agents weten we dat nu al.
Dus misschien moeten we deze keer niet wachten met nadenken over de grenzen totdat niemand meer precies weet hoe het geheel werkt.