Onlangs werd ik door een onderzoeker geïnterviewd over een interessante vraag: wat betekent AI voor de toekomst van consultancy? Ik werk als zelfstandig merkstrateeg en ben dus zo’n consultant. Lang verhaal kort: heb ik straks nog brood op de plank? Of nemen “Our Friends Electric” mijn werk over?
Bij het lezen van deze vraag glimlach je misschien meewarig. Claude, ChatGPT en NotebookLM doen in een paar tellen hetzelfde waar een toonaangevend adviesbureau een ton voor vraagt, toch? De bekende investeerder Marc Andreessen gaf onlangs aan dat voor elk onderwerp AI hem nu betere antwoorden geeft dan de befaamde experts die hij kan bellen. Ook Travis Kalanick, de oprichter van Uber, ziet donkere wolken aan de horizon voor consultants.
Dus deze vraag lijkt verdraaid veel op de vraag of de fax nog toekomst heeft. Of hoe lang de zeppelin nog concurreert met de Airbus A380.
Consultants staan onder druk.
Het ronkt dan ook al een tijdje in de consultancywereld. Een oud-topman van McKinsey stelt dat AI de toegang tot analyse en advies heeft gedemocratiseerd. Beide zijn nu voor iedereen beschikbaar, net zoals het internet eerder de toegang tot informatie vrijspeelde. Ofwel, het hek om The Big Four zakt in door AI. Bekende adviesbureaus snijden dan ook in hun personeelsbestand. Voorbeelden komen van Accenture, McKinsey, KPMG of PwC.
Het lijkt erop dat jongeren hier extra mee te maken krijgen. Vorig jaar waarschuwde Dario Amodei van Anthropic dat de helft van de jonge witteboordenbanen op losse schroeven kan komen te staan. Hij vreesde een werkloosheid van 20%.
Harvard Business Review ziet hier al tekenen van bij de consultants. Werk dat door juniors werd gedaan, zoals onderzoek, modelleren, benchmarks en slides maken, wordt met AI geautomatiseerd. Daarmee komt het klassieke piramidemodel onder druk te staan: minder juniors onderaan, meer nadruk op ervaren mensen die het probleem benoemen, de output beoordelen en klanten meenemen in de besluitvorming.
Dit effect is uiteraard vooral zichtbaar bij beroepen die bovengemiddeld aan AI worden blootgesteld. Gerenommeerd onderzoeker Erik Brynjolfsson en collega’s ontdekten vorig jaar dat de werkgelegenheid van jongere werknemers daar 16% lager ligt dan in minder blootgestelde velden.
Volgens The Economist is dit effect dan ook extra te zien onder computerspecialisten. De werkgelegenheid onder afgestudeerde programmeurs zakte in de VS in drie jaar van 70% naar 55%. Vacatures op het studentenplatform Handshake liggen 50% onder hun piek van 2022.
Dit alles is terug te zien bij de aanmeldingen van nieuwe studenten, zo staat in hetzelfde artikel. De instroom in computerwetenschappen daalde 11% in 2025, bij opleidingen gericht op programmeren was dit zelfs 26%.
Toch is er meer aan de hand.
Maar zoals vaker: dat wat logisch lijkt, hoeft niet altijd 100% waar te zijn.
Zo lijken er bedrijven te zijn die AI onterecht als boosdoener neerzetten. Ze wijten ontslagrondes aan de opkomst van kunstmatige intelligentie, terwijl er meer speelt.
Er zijn naweeën van COVID, waardoor bijvoorbeeld Big Tech met een overschot aan personeel worstelt, denkt diezelfde Marc Andreessen. OpenAI’s Sam Altman waarschuwt dan ook voor “AI-washing“: AI de schuld geven van problemen die compleet andere oorzaken hebben.
Onderzoek van MIT Sloan nuanceert daarbij het idee dat AI menselijke arbeid massaal vervangt. AI is meestal een aanvulling, bijvoorbeeld omdat volledige automatisering niet zo aantrekkelijk is. AI verandert de taakverdeling, maar niet de complete functie.
Twee economen bij Google trekken de stelling in twijfel dat met name jonge werknemers door AI worden verdrongen. Ze ontdekten dat het aantal vacatures in “AI-gevoelige beroepen” net zo sterk is gedaald voor oudere werknemers. En, hoe opvallend, dat deze trend al bestond vóór de lancering van ChatGPT, eind 2022. Ze zien het rentebeleid van de Fed als een logischere oorzaak.
En volgens het adviesbureau Challenger, Gray & Christmas waren van de 1,1 miljoen ontslagen die in 2025 in de VS vielen, ongeveer 55.000 direct toe te schrijven aan AI. Dat is 5%. Dit artikel stelt dat duizenden CEO’s terugkoppelen dat AI op organisatieniveau bij hen geen meetbare impact heeft gehad (wat doet denken aan Solow’s productiviteitsparadox uit de jaren ’80: “Je ziet het computertijdperk overal, behalve in de statistieken over productiviteit”).
Op macroniveau is het beeld daarmee voorlopig gemengd: er zijn tekenen van substitutie, maar ook van aanvulling en nieuw werk. Bijvoorbeeld omdat AI nieuwe functies oplevert of bestaande functies ondersteunt en daardoor effectiever maakt. Daardoor is de grote klap nog niet duidelijk zichtbaar in arbeidsmarktdata, zo blijkt uit analyses van Yale Budget Lab, Brookings en Goldman Sachs.
De bedreiging én het verdienmodel.
Daarbij is AI niet alleen een bedreiging voor consultancy, het biedt ook kansen. BCG haalde in 2024 zo’n 20% van de omzet uit AI-advies (twee jaar daarvoor was dit nog nul). Accenture heeft inmiddels 85.000 AI-professionals aan boord.
Want slechts een kleine groep van hun potentiële klanten heeft AI echt verweven in de organisatie. Deze koplopers behalen vijf keer meer omzetgroei en drie keer meer kostenreductie dan de achterblijvers. Bij volgers blijkt het opschalen van pilots naar structurele impact lastig. Vooral het topmanagement heeft moeite om snel genoeg te veranderen. Daardoor creëert AI ook weer een nieuwe vraag naar consultancy, waardoor het inkomen van de adviesbureaus juist stijgt.
Ofwel, door AI snijden adviesbureaus in hun personeelsbestand, maar ze verdienen tegelijkertijd fiks geld aan de technologie die hen zou kunnen vervangen. De impact doet dus denken aan Dr. Jekyll en Mr. Hyde.
De rafelige rand van AI.
Onderzoekers gaven in 2023 758 consultants van BCG 18 taken voor een fictieve klant. De helft kreeg GPT-4, de andere helft niet. Met AI rondden de consultants 12% meer taken af en deden ze er 25% korter over. Het democratische effect van AI was hierbij goed zichtbaar: de zwakste adviseurs maakten de grootste sprong.
Maar er kwam een fenomeen naar boven waar je zelf vast tegenaan bent gelopen: de grens tussen wat AI wel en niet goed kan. Deze is niet recht, maar gekarteld en grillig. AI kan enerzijds complexe analyse uitstekend uitvoeren, maar struikelt ineens over een simpele rekensom.
Een experiment in de publieke sector bevestigt dat AI geen uniforme productiviteitsmachine is. Bij documententaken verbeterde AI de kwaliteit met 17% en ging het werk 34% sneller. Maar bij datataken daalde de kwaliteit juist met 12% en was er geen tijdwinst.
Op taken die buiten de comfortzone van ChatGPT lagen, scoorden de consultants van het bovenstaande experiment dan ook 19% slechter met AI. Ze vertrouwden te makkelijk op adviezen die weliswaar plausibel klonken, maar nergens op sloegen.
AI maakt experts dommer.
Deze conclusie staat niet op zich. Allerlei onderzoeken bevestigen dat slimme computers hun gebruikers juist “dommer” kunnen maken.
Microsoft en Carnegie Mellon University deden samen een studie onder 319 medewerkers met witte boorden. Daaruit bleek dat hoe meer iemand AI vertrouwde, hoe minder kritisch de uitkomst werd bekeken.
Ook de SBS Swiss Business School ontdekte bij een onderzoek onder 666 deelnemers een negatieve correlatie tussen AI-gebruik en kritisch nadenken. Dit effect was het sterkst onder jongeren.
Het MIT Media Lab ging een stap verder en deed onder 72 deelnemers EEG-metingen bij gebruik van AI. Studenten die essays schreven met ChatGPT vertoonden de zwakste neurale connectiviteit. 78% kon achteraf geen passage uit de eigen tekst citeren.
De onderzoekers noemen dit “cognitive debt”. Ze waarschuwen dat AI denkspieren laat verslappen, omdat ze minder worden geoefend (zie mijn recente artikel over “Fatbike AI”: AI verleidt tot mentale luiheid). Dit beeld is ook te zien bij recruiters: wie goede AI ter beschikking heeft, wordt makkelijk lui en slechter in z’n eigen oordeel.
Wie stelt de juiste vraag, wie cureert het antwoord?
Tot zover de cijfers, nu mijn persoonlijke visie. Interessant vind ik dat de bovenstaande onderzoeken uitgaan van mensen die verstand van zaken hebben: ze weten waarover ze het hebben, maar gaan door AI minder nadenken.
De consultancy versus AI-vraag draait echter om een andere groep: mensen die niet genoeg verstand van zaken hebben over een bepaald onderwerp en daarom hulp van deskundigen vragen.
Mijn vraag is of AI dit gebrek aan expertise echt opvangt. Immers, ook in het tijdperk van AI lijkt te gelden dat slechte input resulteert in slechte output (zie hier mijn betoog in dit kader). Een AI-antwoord is meestal niet beter dan de kwaliteit van de vraag die je stelt. Dat zie ik ook terug in deze en deze onderzoeken, die keken naar de kwaliteit van prompts en de kwaliteit van het resultaat.
Stel, je wilt je merk succesvol maken. Dan is het de vraag of je met de prompt “Hoe maak ik mijn merk succesvol?” het juiste advies krijgt. Bijvoorbeeld omdat deze vraag uit allerlei onderliggende vragen bestaat (bijvoorbeeld: waar zitten de uitdagingen van jouw merk precies?).
Net zoals een vraag als “Hoe kan ik gebruikmaken van influencer-marketing?” waarschijnlijk voorbijgaat aan de vraag of een influencer jouw merkprobleem wel kan oplossen. Wie geen vakmatig kader heeft, kan de output waarschijnlijk niet goed beoordelen.
Ook de nieuwste modellen hallucineren nog flink.
Zelf liep ik hier recentelijk tegenaan. Ik vroeg vorige maand aan Claude Opus 4.7 (een model waar ik flink van onder de indruk was) om te helpen bij deze vraag: “Hoe lang duurt het gemiddeld om een merk te bouwen? Hoe verschilt dit tussen B2C en B2B? En welke fasering is hierin te zien?” Binnen enkele tellen kwam Claude met een overtuigende analyse, compleet met de wetenschappelijke bronnen waarnaar ik had gevraagd. Mijn werk leek klaar.
Maar hoe meer ik naar de onderbouwing ging kijken, hoe meer ik de behoefte kreeg om aanvullende vragen te stellen. En hoe meer Claude toegaf dingen te hebben verzonnen of veel te snel conclusies te hebben getrokken. Uiteindelijk bleef er weinig van de analyse overeind. Ofwel, zelfs een van de meest geavanceerde modellen op dat moment hallucineerde er nog vrolijk op los. Maar het presenteerde de resultaten vol zelfverzekerdheid.
Nu is dat in dit geval best te begrijpen: de vraag over de tijdsduur van merkbouwen is een lastige, want er is moeilijk een overkoepelend antwoord op te geven. Er spelen allerlei factoren, met doorkruisende verbanden, waarbij de ene situatie meestal niet direct met de andere te vergelijken is. De vraag zit dus aan de oncomfortabele kant van de kartelrand. Maar een marketeer met weinig ervaring kan zomaar z’n budget verdelen op basis van zo’n onjuist advies.
Het hallucineren door AI is niet alleen anekdotisch van aard. Dit komt ook terug in een rapport van Stanford van dit jaar: het “hallucinatiegehalte” bij 26 topmodellen loopt uiteen van 22% tot maar liefst 94% (!), afhankelijk van de taak en meetmethode. Nature schrijft dat tienduizenden publicaties uit 2025 mogelijk ongeldige, door AI verzonnen referenties bevatten.
Forrester verwacht dan ook dat zakelijke klanten bij aankoopadvies van AI eerder terugvallen op menselijke experts. Ze voelen een toenemende behoefte om analyses van AI tegen het licht te houden (hier schreef ik daar eerder over).
Het verschil tussen terugkerend en eenmalig werk.
Dan is er ook de vraag om welke consultancy het gaat. Mark Ritson voorspelt dat strategische mediaplanning binnen vijf jaar grotendeels geautomatiseerd is. Daar kan ik me een boel bij voorstellen. Dus adviseurs kunnen het op dat vlak lastig krijgen.
Maar ik denk dat ook hier een onderscheid belangrijk is. Dingen die een organisatie routinematig doet, zoals mediaplanning, kunnen makkelijker door AI worden overgenomen dan zaken die niet zo vaak plaatsvinden.
Want bij terugkerend werk kan de organisatie voortborduren op dingen die in het verleden zijn gedaan. De AI kan met historische data worden gevoed en bij elke iteratie kan de organisatie leren: welke AI-output deugt en welke niet? Er is een feedbackloop, die stapsgewijs wordt geoptimaliseerd.
Veel ander strategisch werk is daarentegen eenmalig. Ik doe bijvoorbeeld veel merkpositioneringen. En een organisatie die z’n positionering vaker dan eens per vijf jaar onder de loep neemt, heeft waarschijnlijk een probleem. Dus op dit gebied hebben mijn meeste klanten weinig routine, weinig data uit het verleden en weinig mogelijkheden om met een feedbackloop te leren.
Dat is precies het domein waar een te groot vertrouwen op AI gevaarlijk kan zijn. In zo’n geval is er mijns inziens veel baat bij een deskundige van buiten, die al vaak met zo’n bijltje heeft gehakt en de valkuilen herkent.
Verder wordt AI getraind met expliciete kennis: alles wat is opgeschreven. Maar een goede strategie neemt ook impliciete kennis mee: de dynamiek op de werkvloer, de onuitgesproken frustratie van een klant tijdens een bakje koffie of iets dat onderhuids borrelt in de cultuur van een bedrijf. AI kan die informatie niet verzamelen, omdat die simpelweg niet in de trainingsdata staat.
AI leidt je vaak naar hetzelfde, vlakke midden.
Toch kunnen ook aan het gebruik van AI voor routinematige werkzaamheden nadelen zitten. Als een taak bij jouw bedrijf routinematig is, is dat waarschijnlijk bij andere organisaties ook zo. Dus bestaat hier waarschijnlijk ook een gestandaardiseerde AI-oplossing voor.
Het gevaar is daarmee dat ieder bedrijf dezelfde instrumenten gebruikt en dus met dezelfde oplossingen komt. AI trekt iedereen naar hetzelfde veilige, vlakke midden. Voormalig Dentsu-topman Mark Byrne heeft het dan ook over een “machine of averages“.
Terwijl merkstrategie vaak draait om zaken net anders te doen dan de rest. Zodat je opvalt en uniciteit creëert of slimmer met schaarse middelen omgaat. Een oplossing die gemeengoed wordt, biedt meestal geen strategisch voordeel meer.
Consultancy is meer dan het advies.
En dan is er nog iets belangrijks voor de vraag of AI consultants overbodig maakt. Advies gaat meestal niet alleen om advies. Dat wil zeggen, het gaat niet alleen om het zo snel mogelijk geven van het juiste antwoord. Belangrijk is ook het meenemen van een organisatie in de zoektocht.
Stel, ik kom binnen bij een klant. Die beschrijft een complex probleem, waarvan de uitkomst flinke consequenties heeft. Als ik binnen vijf minuten na binnenkomst het antwoord op tafel leg, is de kans dat dit wordt overgenomen klein. Niet zozeer omdat het fout is, maar omdat de klant er niet in is meegenomen. Die heeft er geen beleving bij en kan de juistheid van het advies lastig inschatten. Het bekende “Not-invented-here“-probleem.
Goede consultancy draait voor een belangrijk deel ook om de regie van een proces: de vragen stellen, hypotheses op tafel leggen, tegenwerpingen uitlokken en mensen zelf de oplossing laten zien. Dus stel dat een AI inderdaad in een paar tellen hetzelfde advies geeft als een traject van zes weken: hoe groot is de kans dat een organisatie dit antwoord breed omarmt? Zeker met de rafelige rand in het achterhoofd.
Plus: bedrijven huren consultants ook in voor rugdekking. De verdediging “Maar het advies kwam van gerenommeerde experts” voelt net wat lekkerder dan “Grok zei dat ik dit moest doen”.
Ook is er de implementatie van een advies. Een strategie zonder uitvoering is een PDF. Uitvoering vereist mensen motiveren, beslissingen nemen onder onzekerheid, conflicten managen, prioriteiten kiezen en doorzetten. Dingen waar AI niet per se in uitblinkt. Plus: AI heeft geen gevoel voor de machtsverhoudingen in een organisatie.
Dat is dan ook de reden dat veel adviesbureaus, zoals Deloitte, EY en Accenture, zich steeds meer focussen op uitvoering. Naar verluidt groeien zij anderhalf keer zo snel als “denkers” zoals McKinsey, BCG en Bain.
Kortom: de koning leeft, leve de koning.
Uiteraard kan dit over een paar jaar een legendarisch lachwekkend artikel blijken te zijn, vergelijkbaar met de uitspraak dat er wereldwijd een markt is voor vijf computers. AI lijkt zich steeds sneller te ontwikkelen, dus de kans dat AI consultants ondanks al deze argumenten toch wegblaast, blijft aanwezig.
Toch bekruipt mij steeds vaker het gevoel dat er een asymptoot is: de haas rent naar de boom en halveert telkens de afstand tussen hem en de boom. Maar daardoor bereikt hij de boom nooit.
AI komt weliswaar steeds dichter bij menselijke experts. Maar het kan best nog een tijd duren voordat die lijn echt wordt doorkruist. Dit doet me denken aan de zelfrijdende auto, waarover ik in mijn boek schrijf. “Veel mensen dachten dat het invullen van de laatste 10% moeilijker zou zijn dan de eerste 90% (…) Maar niet dat het tienduizend keer moeilijker zou zijn.”
Ofwel, ook al is er een nieuwe koning opgestaan, dit betekent niet dat de oude koning is overleden. Daarom blijf ik voorlopig nog even mijn best doen. Wil je sparren over je merkstrategie, laat het me weten.
