De routine aan de machine geven

Een computer is niet vooral nuttig wanneer iemand er zijn vertrouwde werk sneller mee doet, maar wanneer hij het herhaalbare deel niet langer met de hand doet.

Berekeningen, sorteren, bestanden hernoemen, formaten controleren, tabellen verwerken, dubbelingen zoeken en gegevens overzetten zijn vaak te automatiseren. Een eenmalige taak rechtvaardigt niet altijd het bouwen van een hulpmiddel. Maar een regelmatige handmatige handeling verandert langzaam in een duur ritueel.

Vroeger betekende automatisering vooral een exacte reeks opdrachten. Zo’n machine begrijpt geen bedoeling: ze voert de instructie uit, inclusief het deel waarin iemand per ongeluk opdracht gaf de nodige gegevens te wissen.

Generatieve AI werkt anders. Ze volgt niet alleen de opdracht, maar reconstrueert ook de waarschijnlijke bedoeling uit de formulering en de context. Dat maakt haar flexibeler en tegelijk gevaarlijker: het systeem kan overtuigend de verkeerde taak uitvoeren, en de fout ziet eruit als een goed geschreven resultaat.

Hier is de formule bijzonder bruikbaar: AI is geen oplosser, maar een versterker. Ze vergroot de snelheid en de schaal van het werk, maar versterkt naast een goede methode ook een slechte vraagstelling, een verborgen aanname en een slordige controle.

Voor gewone automatisering heb je een testset nodig, controle op eenheden en formaten, een reservekopie, vergelijking met een handmatige berekening, afhandeling van uitzonderingen en de mogelijkheid een handeling ongedaan te maken.

Bij delegeren aan een generatief systeem komen daar nog bij: context, acceptatiecriteria, toegestane bronnen, voorbeelden van een juist resultaat, een verbod op het verzinnen van ontbrekende gegevens en een punt waarop een mens het eindresultaat moet controleren en goedkeuren.

Basaal programmeren blijft nuttig, ook al schrijft de machine de syntaxis steeds vaker zelf. De waarde verschuift naar iets anders: de taak ontleden, gegevens en interfaces vaststellen, de geleverde code lezen, tests bedenken en opmerken dat het programma het naastgelegen probleem oplost.

Onderzoek naar beroepsmatig werk laat een grillige grens van het kunnen van AI zien: binnen die grens werken mensen sneller en beter, daarbuiten kan een suggestie van het systeem het resultaat verslechteren, omdat ze overtuigender oogt dan de eigen fout. De grens verschuift daarbij voortdurend.

Een slecht proces dat door een computer wordt versneld, wordt een snel slecht proces. Soms zo snel dat de fout zich verspreidt voordat iemand zijn koffie op heeft. Automatiseren loont niet alleen voor de handeling, maar ook voor de controle erop.

Handmatig werk is niet gevaarlijk door zijn traagheid, maar doordat de fout onopgemerkt blijft. Wie elke maand een rapport samenstelt door uit vier bestanden te kopiëren, maakt niet altijd een fout — ongeveer eens in de tien keer. Niemand zoekt naar die fout, want de negen vorige rapporten klopten en de procedure geldt als betrouwbaar. Een script maakt op dezelfde plek de fout ofwel elke keer, ofwel nooit, en de allereerste run laat dat zien. Een reproduceerbare fout is goedkoper dan een toevallige.

Daarom begin je met automatiseren verstandiger bij het saaiste, niet bij het ingewikkeldste. Het saaie doet een mens zonder te kijken, en juist daar controleert niemand zijn handelingen jarenlang na.