Anthropic richt met Blackstone, Hellman & Friedman en Goldman Sachs een aparte onderneming op die AI-engineers letterlijk bij middelgrote organisaties op de stoep zet om Claude in te bouwen in hun core operations. OpenAI sluit een joint venture met TPG en achttien andere investeerders, met als expliciet mandaat: niet licenties verkopen, maar engineers embedden binnen klantorganisaties. Stripe heeft een aantal vacatures openstaan waarin het succescriterium niet "training gegeven" of "adoptie gemeten" is, maar "het aantal workflows dat je permanent hebt getransformeerd". EY UK & Ireland lanceerde Forward Deployed Engineer-rollen om AI-systemen vanuit pilots tot in productie te brengen.
Daarmee verschuift het werk van de toekomst van gebruik van AI naar iets bouwen met AI wat jouw werk makkelijker, efficiënter en beter maakt. Wat vervolgens weer kan leiden tot meer en/of betere output per werknemer.
In drie jaar van prompt engineer naar custom AI oplossingen
Even terug naar 2023. Anthropic zelf had toen een vacature voor "Prompt Engineer" met een salaris dat tot 375.000 dollar opliep. McKinsey rapporteerde dat 7 procent van de bedrijven die AI adopteerden al prompt engineers hadden aangenomen. De toon was: dit is de nieuwe vaardigheid die je moest leren. Wie wist hoe je tegen een model moest praten, was de toekomst. Mijn Linkedin en mogelijk ook die van jou stond vol met magische formules voor de ideale prompt.
Drie jaar later is dat verhaal stilletjes verdampt, al zie ik de Linkedin-posts nog regelmatig. Modellen zijn ondertussen aanzienlijk slimmer geworden en als jouw vraag onduidelijk is, stellen ze wedervragen om jou beter te begrijpen. Het aantal vacatures met "prompt engineer" als titel is enorm gedaald. Microsofts onderzoek onder 31.000 werknemers in 31 landen plaatste de rol als op één na laatste in de lijst van functies die bedrijven nog overwegen toe te voegen. Andrej Karpathy ruilde de term in voor "context engineering", omdat het zwaartepunt verschoof. Hij is overigens ook de persoon die "vibe coding" niet meer representatief vind voor hoe goed LLM's tegenwoordig code kunnen schrijven en daarom pleit voor "agentic engineering", waar ik mij ook in kan vinden maar nog beperkt door de massa geadopteerd is.
Als het gaat over prompt engineering hebben we in Nederland aardig meegedaan met deze ontwikkeling. Veel organisaties hebben drie jaar lang opleidingen aangeboden, trainingsdagen ingericht, frameworks geschreven en inspiratiesessies gegeven met de impliciete belofte dat het beter leren bedienen van AI de hobbel was die we moesten nemen. Goed werk, vaak. Maar grotendeels werk dat zich op het praten over en gebruiken van AI richtte. Niet op het bouwen ermee, terwijl juist daar de echte winst ligt.
Toch zien we een verschuiving. Zowel in de aankondiging van deze bedrijven, maar ook in de gesprekken die wij voeren. Twee jaar terug zag men vooral een risico in vibe coding, ondertussen daalt het aantal criticasters en organiseren (wij voor) steeds meer bedrijven vibe code hackathons om interne adoptie op dit gebied te verhogen en zo interne tools te bouwen die waarde toevoegen in het dagelijks werk.
80 procent van de waarde komt uit herontwerpen van werk
PwC's CEO Survey 2026 maakt het heel inzichtelijk. Van de 4.454 ondervraagde CEO's wereldwijd zegt 56 procent geen significant financieel voordeel uit AI te halen. Slechts 12 procent rapporteert zowel kostenbesparingen als omzetgroei. En de bedrijven die het wel goed doen, hebben volgens PwC één ding gemeen: 80 procent van de waarde komt uit het herontwerpen van werk, niet uit de technologie zelf.
Dat cijfer wijst op iets groters dan adoptie. Het klassieke softwaremodel 'leverancier verkoopt licentie, klant gebruikt tool, waarde ontstaat' werkt voor een hele klasse AI-toepassingen prima. Kort door de bocht: GitHub Copilot maakt ontwikkelaars meetbaar sneller zonder dat hun workflow verandert. Microsoft 365 Copilot vat vergaderingen samen. Daar is de tool gewoon een betere versie van wat er al was, en het oude licentiemodel werkt zoals het altijd heeft gewerkt.
Maar dat is niet waar PwC's 80% over gaat. Dat cijfer gaat over de bedrijven die wezenlijk andere resultaten boeken, andere kostenstructuren, andere doorlooptijden, andere productmogelijkheden. Voor die waarde werkt het oude model niet. Want die waarde ontstaat niet door beter gebruik van een tool, maar door werk anders in te richten en daar custom tools voor te ontwikkelen.
En dat herontwerp werkt niet op afstand. Niet vanuit een IT-afdeling die de inhoud van jouw dagelijkse werk niet kent. Niet vanuit een PowerPoint met aanbevelingen die op zes weken afstand worden opgesteld en daarna over de schutting gegooid, zodat je die zelf kan uitvoeren. Niet vanuit een trainingsbureau dat vaardigheid wil bijbrengen, terwijl het hier om herstructurering van het werk zelf gaat. Wat het wel vraagt: iemand die naast de mensen gaat zitten die het werk feitelijk doen, en daarop bouwt wat ze tegenkomen om zo gezamenlijk het werk echt anders in te richten. Wat is het werk dat je als mens nog echt zelf moet doen en waar kan de computer in combinatie met AI werk van je overnemen.
De Nederlandse cijfers laten zien hoe diep deze gap zit. 67 procent van de Nederlandse bedrijven gebruikt AI in een of andere vorm, maar slechts 8 procent heeft het organisatiebreed geïntegreerd. EY's eigen onderzoek in het Verenigd Koninkrijk: 78 procent van de bedrijven zegt dat AI grotendeels of volledig is geïmplementeerd, en tegelijk zegt 49 procent dat hun aanpak níet voldoet voor wat er nu nodig is. Vertaal dat naar de Nederlandse mid-market en je krijgt een bekend beeld: bedrijven denken dat ze AI hebben ingezet en weten tegelijkertijd dat het niet werkt zoals ze hoopten.
Het Microsoft Work Trend Index 2026
Gepubliceerd op 5 mei, ondersteunt PwC's bevinding vanuit een totaal andere hoek. Op basis van een onderzoek onder 20.000 werknemers in tien landen, Nederland inbegrepen, concludeert Microsoft dat organisatorische factoren als cultuur, manager support en talent practices ruim tweemaal zo zwaar wegen voor AI-impact als individueel gedrag. Microsoft's eigen formulering ("AI absorption rather than just AI adoption") raakt het onderscheid waar het hier om draait: het verschil tussen een tool die wordt gebruikt en werk dat wordt heringericht. Hun eigen conclusie: "The real question isn't whether people have the right skills. It's whether the organization is built to unlock them." En misschien nog veelzeggender: in datzelfde rapport benoemt Microsoft, op basis van LinkedIn's 2026 Labor Market Report, de "forward-deployed engineer" als een van de 1,3 miljoen nieuwe AI-banen die de afgelopen twee jaar zijn ontstaan. Een rol die drie jaar geleden niet bestond, en die deze week tegelijk door Anthropic, OpenAI, Stripe, EY én Microsoft als de bepalende rol wordt gepositioneerd.
Drie fases van werken met AI
Als ik de afgelopen drie jaar in één lijn moet samenvatten: AI-werk is geëvolueerd van praten met AI, via bouwen met AI, naar embedded bouwen met de eindgebruikers.
Fase één was 2023. Het werk zat in de prompt. Modellen waren relatief basic en wie wist hoe je een goede chain-of-thought-instructie schreef, kreeg aanzienlijk betere output. Dat was tijdelijk waardevol, vandaar de salarissen en de hype, maar het was geen vakgebied. Het was een 'hack' voor onvolwassen modellen.
Fase twee was in 2024 en 2025. Het werk verschoof naar het bouwen van iets specifieks: een eigen agent, een custom tool, een interne automatisering, een kleine applicatie die in jouw workflow ingrijpt. No code tools, zoals Make en N8N zorgde voor een reeks aan automatiseringsmogelijkheden, maar ook tools als Claude Code, Cursor en Codex veranderden de productiekosten van software gigantisch. Wat vroeger maanden en tienduizenden euro's kostte aan interne tooling, kon ineens in dagen worden gebouwd. Het accent verschoof van gebruiken naar bouwen. Dit is de fase waarin veel Nederlandse organisaties nu pas komen.
Fase drie werd afgelopen maanden en vooral deze week ingeluid. Het werk verschuift van iemand die bouwt naar iemand die mest de eindgebruiker bouwt. Niet aan de overkant van de tafel met een PowerPoint, niet op afstand met een trainingscurriculum, maar fysiek of digitaal embedded in het werk van degene voor wie de oplossing bedoeld is. De Stripe-vacature beschrijft het bijna woordelijk: niet doceren, maar samen bouwen op de feitelijke deliverables van een marketeer, op de feitelijke workflow van een specifieke functie. Anthropic's nieuwe BV beschrijft het iets formeler: een engagement begint met een klein team dat samen met de klant uitzoekt waar Claude de meeste impact kan hebben. Niet "wat zou theoretisch kunnen", maar "Waar verdwijnt jullie tijd echt?". Iets waar wij bedrijven op zeer vergelijkbare wijze mee helpen in een AI Discovery traject.
In alle drie de gevallen, Stripe, Anthropic, EY, staat het bouwen van custom oplossingen op de specifieke werkelijkheid van een specifieke functie centraal. Niet generieke tooling. Niet algemene trainingen. Custom werk, op maat, op de plek waar de waarde wordt gemaakt.
Wat dit voor de Nederlandse markt betekent
Voor wie zelf met AI werkt; marketeers, analisten, juristen, communicatieprofessionals, alle functies die de afgelopen jaren in trainingen zijn gestoken is de boodschap misschien wat taai. Beter leren prompten is niet de beloofde carrièrestrategie. Het is een hygiënevereiste, zoals "kunnen typen". De volgende laag waarde zit in het bouwen: (kleine) custom tools, eigen agents, automatiseringen die specifieke onderdelen van je werk overnemen.
Voor directies van middelgrote Nederlandse bedrijven verschuift de vraag naar hoe zorgen we dat er daadwerkelijk gebouwd wordt op onze specifieke workflows, en wie doet dat? Dat kan via een consultancy; dat kan via een interne afdeling; dat kan via de AI labs en hun delivery-partners die zelf het werk inkruipen. Als de persoon die het werk nu uitvoert er maar op een manier bij betrokken is. Hij/Zij weet immers de huidige werkzaamheden en kan dus bijdragen als het gaat om het in kaart brengen van het proces, leren waar AI kan bijdragen en zorgen voor de uiteindelijke adoptie van de oplossing.
Hoe wij hierin staan
Dit is precies waar wij ons bij Think again op richten. We bouwen met bedrijven; concrete custom oplossingen waar een organisatie zelf de capaciteit, kennis of tijd niet voor heeft. Dit doen we embedded, samen met de mensen die er straks dagelijks mee werken, omdat de meest bruikbare oplossingen ontstaan op de plek waar het werk gebeurt. En we leiden mensen op om zelf te gaan bouwen, onder andere via vibe code hackathons waar teams in een dag de basis leren om hun eigen interne tools te maken. Welke vorm het beste werkt, hangt af van de organisatie, het probleem en de mensen die het straks moeten dragen.
Bouwen, niet praten
De prompt engineer was nooit de baan van de toekomst. Strategieën, frameworks, adoptiemodellen, inspiratiesessies: het zijn allemaal nuttige ingrediënten, maar ze leveren geen waarde op zichzelf. De waarde komt op het moment dat iemand iets bouwt dat in jouw werk past. Dat is wat deze week op vier plekken tegelijk werd bevestigd, en wat wij ook al langer geloven: de plek waar AI er werkelijk toe doet, is daar waar mensen ophouden met over AI praten en beginnen met bouwen.
De vraag voor jou, voor je organisatie, voor je team is daarmee redelijk concreet: wie is de bouwer? En wat zijn jullie vandaag aan het bouwen? En wat hoef je daarmee straks niet meer handmatig te doen?
