AI en functies: wat blijft er over van je functietitel?
AI maakt expertise en vaardigheden die vroeger sterk aan specifieke functies waren gekoppeld steeds toegankelijker. Daardoor verschuift de vraag van wat je functie is naar welke problemen je kunt oplossen en hoe we menselijk potentieel beter kunnen benutten.
Key Takeaways
In elk team waarmee ik heb gewerkt — van design en engineering tot operations en content — hoor ik dezelfde vraag: ‘Hoe integreer ik AI in mijn workflow?’
Ontwerpers onderzoeken hoe ze AI in Figma kunnen inzetten. Engineers experimenteren met AI-ondersteunde codegeneratie. Contentschrijvers testen AI-tools voor conceptontwikkeling. Operationele teams automatiseren bestaande processen met AI-oplossingen.
Logisch, maar misschien kijken we nog te veel naar wat AI binnen onze huidige functie kan verbeteren. De interessantere vraag is wat er mogelijk wordt zodra we buiten die grenzen kijken.
Daar gaat dit artikel over.
Het volgende komt aan bod:
Je bent meer dan je functietitel
We leven midden in een ingrijpende transformatie
Ik ben een ontwerper die een prototype met vibe coding heeft gebouwd
Domeinexpertise is niet het nieuwe concurrentievoordeel
Welke problemen kun jij oplossen?
Je bent meer dan je functietitel
Een professionele identiteit was lange tijd gebaseerd op twee belangrijke concurrentievoordelen:
- Het concurrentievoordeel van tools: gespecialiseerde software en platforms die honderden uren kostten om te beheersen en waarvoor de meeste mensen niet de tijd of motivatie hadden.
- Het concurrentievoordeel van kennis: kaders, principes en domeinkennis die jaren van studie, praktijkervaring en patroonherkenning vergden.
Samen vormden deze voordelen de basis voor specialisatie — en daarmee voor de functietitel.
Ops-professionals begrepen proceskaders, verandermanagement en organisatiedynamiek. Productmanagers werkten met marktanalyse, prioriteringsmodellen en stakeholdermanagement. Copywriters beheersten vertelstructuren, overtuigingspsychologie en de kunst om complexe ideeën eenvoudig over te brengen.
Maar uiteindelijk zat het echte verschil niet in wie de tools het beste beheerste. De beste professionals gebruikten die tools vooral om beter te denken.
AI verandert de grenzen van functies
Nu AI beide concurrentievoordelen tegelijk verkleint, wordt de impact van AI op functies steeds duidelijker.
Het concurrentievoordeel van tools neemt af. Als steeds meer mensen functionele code kunnen genereren, professionele visuals kunnen maken, overtuigende teksten kunnen schrijven of workflows kunnen automatiseren, is alleen toolbeheersing niet langer onderscheidend. Maar ook kennis wordt toegankelijker.
Met AI kun je steeds makkelijker domeinexpertise inzetten zonder die eerst volledig zelf op te bouwen. Een ontwerper die code genereert, kan bijvoorbeeld ook advies krijgen over softwarearchitectuur, best practices en prestatieoptimalisatie. Een engineer die een interface ontwerpt, kan ondersteuning krijgen bij interactiepatronen, toegankelijkheid en informatiehiërarchie.
Gstack laat zien hoe ver dat kan gaan. Dit open-source systeem verandert de werkomgeving van één ontwikkelaar in een virtueel engineeringteam. Verschillende AI-agents nemen rollen op zich, zoals productstrateeg, softwarearchitect, kwaliteitsengineer en deployment engineer. Samen leveren ze tijdens verschillende stappen van een sprint gespecialiseerde ondersteuning.
Expertise die vroeger vrijwel uitsluitend bij specialisten lag, komt zo voor veel meer mensen binnen handbereik. Iemand zonder ervaring met releaseprocessen kan ondersteuning krijgen van een AI-agent in de rol van deployment engineer. En iemand die nooit een ontwerpaudit heeft uitgevoerd, kan een een AI-assistent inzetten voor ondersteuning bij die taak.
Hoe AI functies verandert: van ontwerper naar prototypebouwer
Bij Salesforce beheert ons ontwerpsysteemteam een bibliotheek met meer dan 1700 pictogrammen. Toch hadden interne ontwerpers en ontwikkelaars moeite om het juiste pictogram te vinden. Daardoor werden soms nieuwe pictogrammen toegevoegd met Salesforce-specifieke namen, terwijl er al een vergelijkbaar pictogram bestond. Zo ontstonden steeds meer duplicaten. Zelfs metadata met synoniemen losten dat probleem niet op.
Het opschonen van die duplicaten kostte veel tijd en gebeurde grotendeels handmatig, waardoor fouten makkelijk konden ontstaan. We hadden dus een betere oplossing nodig.
Proof of concept
Rond juli 2025, begon ik met het vibe coderen van een proof of concept waarin een visiemodel, SigLIP2, werd gebruikt waarmee we konden zoeken op basis van natuurlijke taal en visuele overeenkomsten binnen de pictogrambibliotheek.
Gebruikers konden bijvoorbeeld ‘pijl omhoog naar rechts’ typen of een afbeelding uploaden. Het model gaf vervolgens de best passende pictogrammen terug, inclusief betrouwbaarheidsscores. Zo hoefden gebruikers niet langer de exacte naam van een pictogram te kennen.
Vroeger zou dit project waarschijnlijk nooit bij mij terecht zijn gekomen. Eerst moest er een voorstel komen, daarna draagvlak bij engineering. Vervolgens zou een productmanager het project moeten afbakenen en prioriteren ten opzichte van andere roadmap-items. Pas daarna kon er ruimte in een sprint worden vrijgemaakt.
Als ontwerper zou ik vooral een ticket hebben ingediend en gehoopt dat het hoog genoeg op de prioriteitenlijst terechtkwam.
In plaats daarvan kon ik beginnen met een lokaal prototype. Hoewel het nog ruw en beperkt was, werkte het goed genoeg om te laten zien dat het idee potentieel had.
In de maanden daarna werden AI-modellen steeds beter. Daardoor kon ik de architectuur verbeteren en prestaties optimaliseren op een niveau dat kort daarvoor nog buiten mijn bereik lag.
Ik werd geen engineer. Ik werd een probleemoplosser met directe toegang tot steeds betere domeinkennis, precies wanneer ik die nodig had.
Hoe AI mij buiten mijn functie liet bouwen
Vandaag gebruikt het interne team de app, inclusief een Figma-plug-in en een beheerdashboard voor de pictogramdatabase. Vanuit engineering had ik alleen advies nodig over prestatieoptimalisatie en hulp bij het opzetten van een veilige hostingomgeving.
Stap voor stap werkte ik aan de architectuur, modelintegratie, gebruikersinterface en implementatiepipeline. Daarbij maakte ik fouten en draaide ik keuzes later terug. Maar juist daardoor bleef de feedbacklus tussen bouwen en leren bij mij. Ik hoefde niet te wachten tot een specialist beschikbaar was.
Ik hoefde geen engineer te worden. Ik moest het probleem helder definiëren, doorzetten en AI inzetten om toegang te krijgen tot tools en kennis die voorheen bij andere functies hoorden.
Domeinexpertise is niet langer het enige concurrentievoordeel
Je denkt misschien dat domeinexpertise nog steeds belangrijk is en dat AI een specialist niet zomaar kan vervangen. Dat klopt ook.
Maar stel je twee lijnen op een grafiek voor. De ene laat zien hoeveel domeinexpertise mensen nodig hebben om een taak uit te voeren. De andere hoe goed AI diezelfde taak aankan. Die lijnen bewegen steeds verder naar elkaar toe — niet overal tegelijk, maar taak voor taak en domein voor domein.
Toen ik mijn tool begon te bouwen, was AI-gegenereerde code vooral goed genoeg voor prototypes. Acht maanden later kon AI al veel complexere en productieklare code genereren.
De grens tussen menselijke domeinexpertise en wat AI kan, verschuift dus snel.
Welke problemen kun jij oplossen?
De vraag is niet alleen hoe AI binnen je bestaande functie past. Interessanter is welke problemen je nu kunt oplossen die eerder buiten je rol lagen.
AI wordt steeds beter in het verbinden van verschillende domeinen, het combineren van informatie en het aansturen van complexe workflows.
De mensen die succesvol zijn, kijken niet alleen verder dan de grenzen van hun eigen functie. Ze treden op als orkestreerders die meerdere AI-agents en menselijke medewerkers sturen naar uitkomsten die geen enkel persoon of systeem alleen kan bereiken. En dat patroon zet zich steeds verder voort.
Dat roept een grotere vraag op. Lange tijd hebben we menselijke waarde vooral gekoppeld aan wat iemand kan maken, weet of uitvoert. Maar als AI steeds meer van dat werk overneemt, waar komt dan ruimte voor vrij?
Misschien hebben we onszelf te lang binnen de grenzen van specialisaties bekeken. Niet omdat mensen niet méér konden, maar omdat functies daar vaak niet om vroegen.
Ik heb geen pasklaar antwoord op wat er komt. Maar misschien begint het bij het loslaten van de functietitel als grens. Niet wat je binnen één functie kunt produceren bepaalt je waarde, maar welke problemen je kunt herkennen, verbinden en oplossen.
Wat is jouw superkracht in het agentische AI-tijdperk?
We willen jouw perspectief op de veranderingen die het agentische tijdperk vormgeven. Hoe verandert jouw werk? Hoe ontwikkelt jouw functie zich? Welke tools en ervaringen kunnen jouw superkrachten versterken? Doe mee aan ons onderzoeksprogramma om de toekomst van ondernemerschap vorm te geven.
