In 1913 reduceerde Henry Ford de productietijd van een Model T van 12 uur naar 93 minuten. Een efficiencywinst van meer dan 90% in zes jaar. AI-tools voor kenniswerk laten vergelijkbare cijfers zien: 55-81% snellere taakafronding in ongeveer vijf jaar. De curves zijn bijna identiek.
Maar daar houdt de parallel op, en wordt het pas echt interessant.
Consolidatie versus democratisering
De lopende band leidde tot enorme consolidatie in de auto-industrie. De kapitaalintensiteit van fabrieken creëerde onoverkomelijke toetredingsdrempels. Van de 253 autofabrikanten in de VS overleefden er uiteindelijk slechts een handvol.
Bij kenniswerk gebeurt het omgekeerde. De "fabrieken" van vandaag, cloudinfrastructuur en AI-modellen, zijn toegankelijk voor iedereen met een laptop en een creditcard. In plaats van consolidatie zie je explosieve groei van het aantal mensen dat zelfstandig complexe kennisarbeid kan verrichten.
Een financieel analist die voorheen een team van vijf nodig had voor een marktanalyse, doet het nu alleen. Een consultant die drie dagen aan een presentatie werkte, levert dezelfde kwaliteit in een middag. Een juridisch adviseur die handmatig contracten doorploegde, laat AI het zware werk doen en focust op de nuances.
De werkgelegenheidsexpansie
Het meest tegenintuïtieve effect van de lopende band was niet de vervanging van arbeid, maar de explosie ervan. De auto-industrie groeide van 76.000 werknemers in 1910 naar 471.000 in 1929. En voor elke persoon die een auto bouwde, ontstonden zeven banen elders: dealers, tankstations, garages, wegenbouw.
Hetzelfde patroon tekent zich af bij kenniswerk. AI vervangt niet de kenniswerker. Het vergroot het aantal mensen dat kenniswerk kan doen, en creëert nieuwe rollen eromheen. Specialisten in prompt-engineering, AI-governance, workflow-design, kwaliteitscontrole van AI-output. Banen die vijf jaar geleden niet bestonden.
Van schaarste naar overvloed
De fundamentele verschuiving is er een van schaarste naar overvloed. Expertise was schaars omdat het jarenlange training vereiste. AI comprimeert die leercurve dramatisch. Niet door experts overbodig te maken, maar door de drempel te verlagen voor wie expertise kan inzetten.
Dit geldt breed: juridisch onderzoek, data-analyse, contentcreatie, ontwerp, financiële modellering, softwareontwikkeling. In elk domein waar AI-tools de frictie verminderen, explodeert het aantal mensen dat zelfstandig waarde kan leveren.
Wat wij hiervan leren bij CID
Bij CID geloven we in dit amplificatie-effect. Ons systeem is niet gebouwd om teams te vervangen, maar om ze te versterken. Een team van vijf dat CID gebruikt, opereert met de slagkracht van een team van vijftien.
De parallel met de lopende band gaat verder dan efficiëntie. Ford's echte innovatie was niet de band zelf. Het was de standaardisatie van het proces. Iedereen volgde dezelfde stappen, in dezelfde volgorde, met dezelfde kwaliteitscontroles.
CID doet hetzelfde voor kenniswerk:
- Signalen standaardiseren: van e-mail, Slack en meetings naar gestructureerde, actiegerichte taken
- Executie standaardiseren: via inspecteerbare plannen met deterministische en agentische stappen
- Kwaliteit standaardiseren: met transparante audittrails en menselijk toezicht op elk beslismoment
Het resultaat is niet dat mensen minder doen. Het is dat mensen meer kunnen doen, met dezelfde consistentie en betrouwbaarheid als een goed georganiseerde productielijn, maar dan voor kenniswerk.
De volgende gouden eeuw
De lopende band luidde een eeuw van industriële groei in. De secundaire effecten, dingen zoals snelwegen, toeleveringsketens, een hele middenklasse, waren groter dan iemand had voorzien.
We staan aan het begin van een vergelijkbaar moment voor kenniswerk. De bedrijven en teams die het snelst leren om AI als productievermenigvuldiger in te zetten, niet als vervanging maar als versterking, zullen de winnaars zijn van dit decennium.