Het einde van bullshit jobs

Disclaimer: Dit is een automatische vertaling van een artikel dat origineel in het engels is geschreven. 

De discussie rond AI en werk draait vooral om de grote (macro)economische gevolgen. Krijgen we een sterke stijging van de werkloosheid? Of zien we vooral nieuwe rollen ontstaan? Vorige week zette The Economist "Prepare for an AI jobs apocalypse" op de cover. De Tijd had zijn eigen variant: "Hoeveel laat AI straks over van uw job?".

Het gesprek is heet, maar ik waag me liever niet aan voorspellingen over zo'n complex grootschalig systeem. En ik heb evenmin een onderbouwde mening over welke nieuwe belasting het economisch weefsel moet herstellen dat dit alles achterlaat.

Dit is een persoonlijker stuk. Wat zien we veranderen op microniveau? Hoe verandert de aard van werk op dit moment? Wat mogen we redelijkerwijs verwachten in de nabije toekomst?

Laat ons de cliché overslaan en bij bullshit beginnen.

Graeber, over bullshit

David Graeber's Bullshit Jobs: A Theory (Simon & Schuster, 2018) groeide uit een kort essay dat hij in 2013 publiceerde in STRIKE! magazine, "On the Phenomenon of Bullshit Jobs". Zijn definitie is scherp.

"a form of paid employment that is so completely pointless, unnecessary, or pernicious that even the employee cannot justify its existence even though, as part of the conditions of employment, the employee feels obliged to pretend that this is not the case"

Het gaat dus niet om werk dat onaangenaam of zwaar is. Het gaat om werk dat geen echte bestaansreden heeft. Daarvan onderscheidt zich een tweede fenomeen: bullshit als bijproduct van een verder zinvolle job. Generatieve AI blinkt uit in het produceren van goed ogende bullshit. Lange, gepolijste documenten die indrukwekkend ogen en niets bevatten. Slide decks die enkel een tijdsblok moeten vullen. Status updates die drie keer worden herschreven voor ze de deur uit gaan. Dat is de bullshitlaag rond echt werk, en als AI die laag van je week haalt, ben je zonder twijfel een winnaar. Weinig mensen kozen hun vak omdat ze die laag zo graag deden.

Maar terug naar Graeber's eigenlijke interesse: zou AI een instrument kunnen zijn om de volledig-bullshit jobs uit te roeien? Hij verdeelde ze in vijf types:

• Flunkies: bestaan om iemand anders zich belangrijk te laten voelen. De portier, de liftbediende (na de introductie van de liftknoppen), de persoonlijke assistent voor een executive die er geen nodig heeft.
• Goons: bestaan enkel omdat de concurrent ook goons heeft. Telemarketeers, het meer agressieve segment van het bedrijfsrecht,...
• Duct tapers: bestaan omdat er stroomopwaarts iets stuk is en niemand het repareert. De persoon die copy-paste doet tussen twee systemen die met elkaar zouden moeten praten, maar dat niet doen.
• Box tickers: produceren de schijn dat er iets nuttigs gebeurt. Compliance theater. Rapporten die niemand leest. Vergaderingen waarvan het doel is te kunnen zeggen dat er een vergadering heeft plaatsgevonden. Een groot deel van wat infrastructuurprojecten in Europa en de Verenigde Staten afremt, valt onder deze categorie.
• Taskmasters: middle management. Mensen wiens rol erin bestaat taken te verdelen onder anderen die, als je hen met rust laat, het meestal zelf wel uitzoeken.

Welke van deze jobs worden het meest geraakt door AI?

Duct tapers gaan eerst; als een systeem met een ander kan praten, is de menselijke copy-paste laag ertussen het simpelste om te schrappen. Box tickers krimpen omdat het schrijven van een rapport dat niemand leest nu gratis is, en die rapporten zichzelf bijgevolg niet langer rechtvaardigen. Goons overleven grotendeels, omdat ze bestaan om symmetrische wapenwedloop-redenen. Als iedereen de wapenwedloop automatiseert, gaat die gewoon door in duurdere vorm.

De dood van de middle manager

De erosie van de taskmaster-rol is misschien wel de interessantste. Het is doorgaans de meest voorkomende en wellicht meest gerespecteerde rol die onder de bullshit-paraplu valt. De meeste mensen worden mid-career gepromoveerd naar zo'n rol, en eindigen op de een of andere manier in een veel minder interessante job, ook al ligt het loon hoger. Veel van de beste mensen die ik ken missen de tijd waarin ze nog iets aan het maken waren. Weggepromoveerd uit het werk waar ze goed in waren, vullen ze hun dagen met taken doorrouten naar anderen, met vergaderingen over vergaderingen, en met dezelfde status update herschrijven voor drie verschillende doelgroepen.

Als agentic AI doet wat het op dit moment lijkt te gaan doen, dunt deze laag uit. Niet omdat middle managers bij bosjes ontslagen worden, maar omdat de mensen in die rollen weer kunnen uitvoeren. De senior expert die vroeger toezicht hield op vijf mensen die het werk deden, kan nu het werk zelf doen, met AI die het mechanische deel op hoog volume afhandelt. De coördinatielaag die bestond om die vijf mensen te beheren, wordt kleiner. De persoon bovenaan stopt met een director van anderen te zijn, en wordt tien keer productiever zelf.

Het tweede-orde-effect is waarschijnlijk het gevolg waar bijna iedereen blij van wordt: minder vergaderingen.

Als de coördinatielaag krimpt, krimpen de vergaderingen mee. Death by meeting, de meest betrouwbare vernietiger van een verder goede werkweek, krijgt eindelijk een tegengif. Als zelfs maar de helft van die belofte uitkomt, zou dat al een hoop mensen gelukkig maken.

Ik nuanceer hier bewust. Veel organisaties zullen op AI reageren door net méér middle managers aan te werven, niet minder, omdat het box-ticking instinct sterk zit. Maar de optie ligt nu op tafel op een manier waarop ze er vroeger niet lag.

Wat het Crunch-team voelt

Hier stop ik met speculeren en kijk ik naar wat voor mijn neus ligt. Bij Crunch deden we een snelle informele bevraging bij mensen wiens werk een technische component heeft: programmeren, modelleren, datawerk. Ongeveer 44% zegt dat hun job interessanter is geworden sinds de komst van generatieve AI. 33% zegt geen verschil. 22% vindt het iets minder boeiend geworden. De tendens is positief, maar niet unaniem, en de mensen in die 22% hebben geen ongelijk in wat ze voelen.

Wat de twee groepen onderscheidt, voor zover ik kan zien, is welk deel van het werk ze het liefst deden. Software engineering en kwantitatief werk werden vroeger gedomineerd door het schrijven van code. De dag leunt nu veel meer naar design. Wat is de juiste vraag om te stellen, wat is de eigenlijke user story, hoe passen deze systemen in elkaar, hoe gaat dit gedeployed en in leven gehouden worden. De regel-per-regel productie van code is een veel kleiner deel van de week dan twee jaar geleden. Hou je van design, dan is je job beter geworden. Hou je van het typen, minder.

Het risico van de Chinese kamer

Er is een donkerder versie van dit verhaal, die het benoemen waard is. John Searle stelde in 1980 het Chinese-kamer-gedachte-experiment voor ("Minds, Brains, and Programs", Behavioral and Brain Sciences). Een persoon zit in een kamer met een regelboek voor het vertalen van Engels naar Chinees. Engelse tekst komt binnen via een gleuf, de persoon volgt de regels stap voor stap, Chinese tekst gaat eruit. De persoon spreekt geen van beide talen; de kamer als geheel lijkt dat wel te doen. Searle's oorspronkelijke doelwit was machinebegrip, maar het experiment leest vandaag scherper als een waarschuwing voor de mens binnenin.

Het langlopende filosofische dispuut tussen Searle en Daniel Dennett gaat over de vraag of het systeem in zijn geheel iets begrijpt. Beide kanten zijn de moeite van het lezen waard. De nuttigere observatie, voor de vraag die mij hier bezighoudt, is degene waarover beide kampen het eens zijn. De persoon in de kamer, de mens die papier schuift volgens het regelboek, begrijpt niets. Dat punt staat niet ter discussie. Wat je ook denkt over het systeem, de operator krijgt er niets uit.

Een veelgehoord verweer voor zwaar AI-gebruik is dat dit gewoon de volgende stap is op de abstractieladder. We gingen van machinecode naar assembly, van assembly naar C, van C naar Python, van Python naar natuurlijke taal; de kamer is gewoon de volgende sprong. Ik koop het niet. De vorige sprongen behielden een keten van begrip. Een ervaren Python-developer kan, als hij erop wordt aangesproken, redeneren over wat eronder gebeurt. De huidige sprong knipt die keten door. De eenvoudiger verklaring is luiheid, geen klimbeweging. Hoe competenter we de black box maken, hoe minder iemand de moeite neemt om erin te kijken.

Het risico van de komende jaren is niet dat AI onze jobs afneemt. Het risico is dat we zelf de persoon in de kamer worden. Onze dag wordt het doorrouten van instructies naar agents die het eigenlijke begrijpen doen, terwijl wij het regelboek vasthouden en papier door de gleuf schuiven. Het begrip is uit ons verhuisd en in het systeem gaan zitten. Wij zijn het tandwiel dat de boodschap doorgeeft.

Dat is de faalmodus die het waard is in de gaten te houden. De 44% in onze bevraging zit niet in de kamer; zij hebben de design-ladder beklommen, niet ervan naar beneden geschoven. De 22% voelt misschien de eerste hints van de kamer, en dat verdient aandacht.

Tot nog toe zie ik vooral mensen die in hun job blijven en hun werk interessanter vinden, niet minder. Dat is de betere van de twee beschikbare uitkomsten, en het is niet die waar de meeste krantenkoppen voor waarschuwen. De meesten van ons klimmen de ladder op, niet de kamer in. Laat ons dat zo houden.