Barbell-strategie voor AI-onzekerheid
Laatst bijgewerkt: 20-07-2026
TL;DR: Verdeel je tijd als een halter — een deel naar tijdloze basisskills die in elk scenario waarde houden, een deel naar intensief AI-experiment — en gebruik scenarioplanning om periodiek te herbalanceren; vermijd het comfortabele midden.
AI Report vertaalde dit essay van Alberto Romero (The Algorithmic Bridge). Het kernprobleem: je kunt niet voorspellen wat AI met je werk of economie doet, en "plannen voor het gemiddelde scenario" werkt niet bij een risico met een dikke staart (Nassim Taleb's fat-tailed risico's) — de extremen wegen te zwaar om te negeren.
De halterstrategie (barbell)
Zet je inspanning aan beide uiteinden, laat het midden leeg:
- Uiteinde 1 — maximale veiligheid (tijdloos): basisprincipes die altijd waarde houden, ongeacht wat AI doet. Denk aan: helder schrijven, redeneren over meerduidige problemen, overtuigen, vakkennis, mensen aansturen, oordeelsvermogen en smaak. Deze skills waren in 1905 net zo waardevol als in 2105, omdat ze draaien op relaties tussen mensen.
- Uiteinde 2 — maximale blootstelling aan upside (tijdgebonden): intensief AI-native experimenteren — dagelijks met tools werken, complexe workflows bouwen, publiceren voor feedback, praktische intuïtie ontwikkelen voor wat modellen wel/niet kunnen. Lage inzet (tijd, instelling), hoge potentiële multiplier als een bepaalde toekomst zich voordoet.
- Het midden — vermijden: passief kennis consumeren (artikelen lezen, nieuws volgen zonder te bouwen) voelt als bijblijven maar levert vrijwel niets op. Net zo gevaarlijk: je tijdloze skills als nutteloos gaan beschouwen in het AI-tijdperk.
Scenarioplanning om te herbalanceren
De halterstrategie zegt wát je vandaag doet, niet wannéér je moet bijstellen. Daarvoor leent het artikel de RAND-scenariomethode (Koude Oorlog): bouw een paar intern consistente, structureel verschillende toekomstscenario's — geen best/worst case, maar echt andere werelden — en bepaal per scenario welke investeringen renderen.
Drie voorbeeldscenario's voor AI (2028-2030):
- A — hype waargemaakt: kenniswerk grotendeels geautomatiseerd, nieuwe functiecategorieën ontstaan, waarde verschuift naar de relationele sector. Vroege adopters staan sterk.
- B — capaciteitsplateau: AI-groei stagneert eind 2028, bubbel barst, early adopters trekken zich terug, arbeidsmarkt normaliseert deels (behalve goedkope routine-automatisering).
- C — ongelijkmatige transformatie: radicale impact in bv. recht, softwareontwikkeling, geneeskunde; nauwelijks impact in creatieve/relationele sectoren — een "singulariteit" die zich alleen in software voltrekt.
Het tijdloze halteruiteinde overleeft alle drie de scenario's. Het AI-uiteinde levert veel op in A, matig in C, kost tijd in B. Het punt van scenarioplanning is niet voorspellen — dat kán niet — maar je reactietijd verkorten zodra duidelijk wordt in welk scenario je zit. Kies 4-5 concrete indicatoren (modelcapaciteit-benchmarks, AI-budgetten van bedrijven, sentiment in je vakgebied) en controleer ze elk kwartaal, zodat je de halter kunt herbalanceren vóórdat de omstandigheden je dwingen.
Toepassing
Twee vragen om jezelf periodiek te stellen: (1) besteed ik genoeg tijd aan tijdloze basisskills, los van AI-hype? (2) experimenteer ik intensief genoeg met AI-tools om upside te pakken als een scenario zich voordoet? Zit je in het midden — een beetje lezen, een beetje proberen, geen van beide serieus — dan ben je het kwetsbaarst bij elk scenario.
Open vragen
- Welke 4-5 indicatoren zijn voor een Nederlandse B2B-marketeer het meest voorspellend om scenario A/B/C te onderscheiden?
- Hoe verhoudt deze halterstrategie zich tot Carrière in AI — is "bouw in publiek" onderdeel van het tijdgebonden uiteinde of het tijdloze uiteinde?
Verwante concepten
Bronnen
- Zo bereid je je voor op de komende 5 jaar — Erwin van Wouw, 18-07-2026