De ICT-sector heeft een positie die weinig andere sectoren hebben: het werk dat hier gedaan wordt, bestaat voor een groot deel uit taken die met tekst, code en gestructureerde data te maken hebben. Dat is precies het soort werk waar taalmodellen en AI-assistenten het meest op geoefend zijn. Waar in andere sectoren AI eerst bij de randen van het werk binnenkomt, zit in de ICT een deel van de kernactiviteit al dicht bij wat deze systemen goed kunnen.
De uren in een ICT-organisatie zitten grofweg in een aantal blokken: softwareontwikkeling en onderhoud, functioneel en technisch beheer, servicedesk en ticketafhandeling, testen en kwaliteitscontrole, documentatie, en projectmatig werk zoals planning en rapportage. Elk van die blokken heeft een eigen verhouding tussen taken die goed te automatiseren zijn en taken die daar vooralsnog niet voor in aanmerking komen.
Binnen softwareontwikkeling is code genereren, herstructureren en documenteren een taak waar AI al een substantieel deel van het werk zelfstandig doet. Standaardfuncties, boilerplate-code, het omzetten van specificaties naar eerste versies van scripts: dit is werk waar een ontwikkelaar steeds vaker een voorstel van AI beoordeelt in plaats van iets vanaf nul schrijft. Bij de servicedesk geldt iets vergelijkbaars voor de eerste triage van tickets: herkennen van het type probleem, koppelen aan bekende oplossingen, en doorzetten naar de juiste vervolgstap.
Ook testwerk verschuift. Het genereren van testcases op basis van specificaties, en het signaleren van afwijkingen in testresultaten, is taakwerk dat zich goed laat overnemen zodra de invoer gestructureerd genoeg is. Documentatie van systemen, API's en releases is een derde gebied waar AI het eerste concept vaak al levert.
De tweede categorie, deels automatisch met menselijk toezicht, is in de ICT breder dan in veel andere sectoren, precies omdat de gevolgen van een fout in code of infrastructuur zich snel en soms onomkeerbaar voordoen. Een AI-voorstel voor een codewijziging wordt beoordeeld door een ontwikkelaar; een geautomatiseerd advies over een netwerkconfiguratie wordt gecontroleerd voordat het wordt doorgevoerd. Dit patroon van goedkeuren of afkeuren met reden komt terug bij deployments, bij beveiligingsscans en bij het beoordelen van architectuurkeuzes.
De manier waarop financiële systemen wijzigingen moeten kunnen verantwoorden, laat goed zien hoe die combinatie van automatisering en toezicht in de praktijk werkt: wie wil weten of een auditlogboek van financiële wijzigingen door AI bijgehouden kan worden, ziet dat vastlegging vaak automatisch kan, terwijl de beoordeling van de wijziging zelf een mens nodig heeft. Dat principe geldt evengoed voor infrastructuurwijzigingen binnen een ICT-omgeving.
Architectuurbeslissingen, het vertalen van vage klantwensen naar een werkbaar ontwerp, en het managen van de relatie met opdrachtgevers zijn taken die in de derde categorie blijven. Dit werk vraagt om het combineren van technische kennis met organisatorisch inzicht en om verantwoordelijkheid nemen voor een keuze die niet uit data alleen volgt. Ook complexe probleemdiagnose, waarbij een storing meerdere systemen raakt en er geen vergelijkbaar incident in de geschiedenis staat, blijft voorlopig mensenwerk.
Of een taak in de ICT daadwerkelijk wordt overgenomen, hangt niet alleen af van wat technisch kan. Het hangt af van hoe gestructureerd de eigen systemen zijn, hoeveel historische data beschikbaar is om op te trainen of te toetsen, en hoe de organisatie omgaat met het toezicht dat nodig is bij de tweede categorie. Een ICT-afdeling met goed gedocumenteerde code en heldere ticketcategorieën kan sneller stappen zetten dan een afdeling waar kennis vooral in hoofden van medewerkers zit.
Deze afhankelijkheid van de eigen situatie is niet uniek voor de ICT. Wie kijkt naar welk werk in de financiële dienstverlening als eerste voor AI in aanmerking komt, ziet een vergelijkbaar patroon: gestructureerde, regelgebonden taken verschuiven eerder dan taken die persoonlijk oordeel vragen. Zelfs in sectoren die inhoudelijk ver van de ICT afstaan, zoals blijkt uit de analyse van wat AI kan overnemen in de bouw, speelt dezelfde vraag: hoe gestructureerd is het werk, en hoeveel toezicht is nodig voordat een uitkomst bruikbaar is.
Deze indeling in drie categorieën zegt iets over werk in het algemeen, niet over de specifieke taken binnen uw eigen organisatie. Een ICT-bedrijf dat vooral maatwerk levert aan complexe klanten heeft een andere verdeling dan een bedrijf dat overwegend beheertaken uitvoert voor een vaste set aan systemen. Dat verschil bepaalt hoeveel van de uren nu al in de eerste of tweede categorie vallen.
Wat een werkgever vervolgens met die uitkomst doet, valt buiten wat wij als werkscan beschrijven. Voor besluiten die personeel raken, gelden eigen wettelijke vereisten; die worden hier niet behandeld en dit is geen onderbouwing daarvoor.
Om te zien hoe deze indeling voor uw eigen bedrijf uitpakt, is er de gratis quickscan: twaalf vragen, zonder account, met als uitkomst een indicatie welk deel van de uren in dat profiel vandaag door AI over te nemen is. De volledige werkscan, die het werk taak voor taak uiteenlegt en op acht assen beoordeelt, is nog in aanbouw. De quickscan geeft nu al een eerste richting, zonder daarbij verder te gaan dan die richting.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.