Wanneer AI werk vervangt, krimpt de markt

Er is een versie van het AI-verhaal die op een spreadsheet volmaakt logisch uit ziet. Je automatiseert het repetitieve werk. De personeelssterkte blijft gelijk of daalt. Output per persoon stijgt. Marges verbeteren. Het pitch schrijft zichzelf.

De meeste studios waar ik mee spreek bevinden zich ergens op dat pad. Sommige zijn er al voorbij. En de cijfers zien er prima uit, totdat je een tweede vraag stelt: wat gebeurt er met de mensen die dat werk deden?

Niet als een ethische voetnoot. Als een economische.

De lus die niemand tekent

Marketinguitgaven hangen af van zakelijk vertrouwen, dat afhangt van consumentenbestedingen, wat afhangt van arbeidsinkomen. Dit is geen controversieel statement. Het staat op de eerste pagina's van elk macroeconomie-leerboek.

Wat in de meeste bureaugesprekken over AI ontbreekt, is dit. als AI op grote schaal kenniswerkersfuncties elimineert, houden de mensen die deze rollen hadden op met dingen kopen. Bedrijven die deze mensen bedienen zien zwakker vraag. Die bedrijven trekken hun marketing in. Bureaus voelen dat in hun pipeline.

De feedbacklus is niet hypothetisch. Het is dezelfde die in elke vorige automatisatiegolf verschijnt, maar beweegt sneller omdat de getroffen rollen wit boordig zijn en geconcentreerd in dezelfde sectoren die bureau services kopen.

Een onderzoeksnotitie van Goldman Sachs uit 2023 schatte dat generatieve AI taken zou kunnen automatiseren die gelijk zijn aan ongeveer 300 miljoen fulltime banen wereldwijd. Dat is niet hetzelfde als 300 miljoen baanverlies, maar zelfs een fractie van dat getal, uitgesmeerd over vijf tot tien jaar, zet consumentenbestedingen om op manieren die de creatieve en media-industrie hard treffen.

Wat augmentatie in de praktijk echt betekent

Augmentatie is geen soft woord voor hetzelfde. Het beschrijft een werkelijk ander implementatiebesluit.

Wanneer we AI gebruiken bij Studio Hyra, is de vraag niet. welke taken kunnen we uit iemands takenpakket halen zodat we minder mensen nodig hebben? De vraag is: wat kan iemand nu doen wat ze daarvoor niet konden?

Een concreet voorbeeld. Onderzoek dat twee dagen deskwerk kostte, kost nu een middag. We zeggen de onderzoeker niet op. We gebruiken de extra tijd om dieper in te gaan, een tweede syntheseronde uit te voeren, of een domein in te gaan waar we eerder langs moesten gaan. Het deliverable wordt beter. De klant krijgt meer. De onderzoeker leert iets wat het volgende project beter maakt.

Dat klinkt simpel, maar het vereist een bewust besluit om die tijd niet uit marges te halen. Studios die standaard gaan extraheren zien een kortetermijnefficiëntiewinst en een middenterm plateauing in capaciteit, omdat het leren stopt als de mensen weggaan.

Er is ook een samengesteld effect. Als mensen blijven, stapelen ze context op. Ze kennen de geschiedenis van de klant, de mislukte richtingen, de stakeholder-politiek. AI houdt daar niets van vast. Het model wordt in aggregate slimmer; het studio wordt in specifieke dingen slimmer. Die twee zijn geen vervangers voor elkaar.

Het zakelijke geval voor niet naar beneden racen

Laat me rechtuit spreken over het economische argument, want het ethische wordt geneigd als sentiment af te doen.

Als je een bureau bent dat midden-markt merken bedient, zijn je klanten bedrijven met ergens tussen de 50 en 500 werknemers. Veel van hen zitten in sectoren waar AI ook arbeid vervangt: financiële diensten, logistiek, verzekering, professionele diensten. Hun eigen werkforces staan onder druk. Die druk komt uiteindelijk naar voren als verminderde discretionaire uitgaven aan branding, content en digitale ervaring.

De studios die AI als kostenbespaarinstrument positioneren optimaliseren voor een markt die stilletjes onder hen krimpt. De studios die AI als capaciteitstool positioneren bouwen argumenten op waarom het werk dat ze doen meer waard is, niet minder.

Dit is geen moreel standpunt vermomd als strategie. Het is wat de prikkelstructuur werkelijk aangeeft zodra je de tijdshorizon uitbreidt voorbij de volgende kwartaalmargecheck.

Er is een precedent in een aangrenzende industrie. Toen desktop publishing eind jaren tachtig arriveerde, sneden veel printbureaus typezetters en grafische vormgevers. Een kleinere groep gebruikte dezelfde tools om diensten aan te bieden die daarvoor te duur waren: snellere iteraties, meer formaatVariaties, lagere barrières voor drukwerk. De tweede groep groeide. De eerste groep concurreerde op prijs totdat ze niet meer konden.

Drie besluiten die zich in de tijd samengesteld voordoen

Als je een studio leidt of een designteam leidt en je uitzoekt hoe je AI inzet, zijn de besluiten die het meeste uitmaken geen toolkeuzes. Het zijn structurele.

Wie eigenaar van de AI-output is. Als AI iets conceptualiseert en niemand met domeinkennis reviseert en herschapt het, augmenteer je niemand. Je maakt onbeheerde output met snelheid. Klanten zullen het verschil uiteindelijk opmerken, ook als ze het niet kunnen benoemen.

Waar gaat de teruggewonnen tijd naartoe. Dit heeft een expliciet antwoord nodig. Als je niet duidelijk kunt zeggen wat je team doet met de uren die AI bespaart, is de standaard dat die uren verdwijnen in overheadreductie. Maak de herbelegging zichtbaar: diepere strategie, sneller prototyping, betere kwaliteitsborging, meer directe klantcontact.

Wat signaleert je prijsstelling. Studios die AI-efficiëntie rechtstreeks aan klanten doorgeven als lagere prijzen trainen de markt om het te verwachten. Studios die de prijs vasthouden en kwaliteit verbeteren, nemen een ander standpunt in over de waarde van vakmanschap. Beide zijn verdedigbare posities, maar alleen één leidt tot een groeiende praktijk.

Geen van deze besluiten worden eenmaal genomen. Ze duiken op telkens een nieuw model verschijnt, telkens een klant vraagt waarom een project kost wat het kost, telkens iemand op het team een snellere manier uitvindt om iets te doen waar ze een week aan besteedden.

De langere inzet

De macro feedbacklus is reëel en het is langzaam. Je voelt het niet in deze kwartaal opbrengsten. Je voelt het misschien twee of drie jaar niet. Maar studios zijn geen kwartaalbedrijven. De studios die standhouden zijn degene waar klanten terugkomen, waar mensen lang genoeg blijven om goed te worden, en waar het werk in kwaliteit in de loop van de tijd samengesteld optreedt.

Dat is niet compatibel met AI als vervangingsmotor voor arbeid te behandelen. Het is volkomen compatibel met AI te behandelen als het ding waarmee een klein, goed georganiseerd team aanzienlijk boven zijn gewicht kan slaan.

Wij zijn een boutique studio. We winnen niet op personeelssterkte. We winnen op de kwaliteit van denken die in een project gaat en de snelheid waarmee we van probleem naar iets wat een klant werkelijk kan gebruiken kunnen gaan. AI maakt beide haalbaar, niet door de mensen die denken te vervangen, maar door de wrijving te verwijderen die hen vertraagt.

De studios die dit uitzoeken kijken terug en vinden dat de AI-overgang het moment was dat ze stopten met concurreren op capaciteit en begonnen met concurreren op vakmanschap. De studios die standaard gaan extraheren zullen zichzelf in een race met modellen vinden die elke zes maanden goedkoper worden.

Dat is geen race waard om te winnen.