The Five Thousand Minutes Problem.
De korte versie: een pleidooi voor AI-etiquette. Als iets twee minuten kostte om te genereren en dertig minuten om te lezen, heeft de afzender de tijd van de lezer uitgegeven, niet die van zichzelf — en de terugslag treft iedereen die serieus werk met AI maakt. Twee normen om mee te beginnen: besteed de tijd die je van je lezer verwacht, en laat zien hoe je AI hebt gebruikt. En als je werk beoordeelt dat met AI is gebouwd: verbeter de fabriek, niet de auto.
01Anekdotische aanleiding
Ik sta tegenwoordig veel op podia en in panels.
Mensen vragen vaak hoe ik me daar zo op mijn gemak ben gaan voelen, en nemen aan dat ik van de spotlight houd. Ik ben geen extravert. Het komt neer op oefening.
De vonk kwam uit een boek: Confessions of a Public Speaker van Scott Berkun. Eén idee daaruit is me bijgebleven. Als honderd mensen een uur naar je luisteren, zijn dat honderd uur van hun leven. Maak dezelfde som voor tien minuten voor vijfhonderd mensen en je vraagt ze om vijfduizend minuten. Dan moet je wel vertrouwen hebben in jezelf, in wat je kunt en in wat je komt brengen. Als je het niet de moeite waard vindt om je serieus voor te bereiden om die vijfduizend minuten te verdienen, doe het dan niet.
Dat betekent niet vijfduizend minuten voorbereiding voor elke talk. Het is een waardevergelijking: als mensen tijd besteden aan wat jij ze geeft, hoor jij er zelf ook tijd in te steken. Precies die balans is zoek in veel AI-gegenereerde content, en daar komt de meeste frustratie vandaan.
Het gaat alleen niet alleen om tijd. Het gaat ook om intentie. Een schilder kan een doek bedekken met één zwart vierkant, of een muzikant kan een heel eenvoudig liedje schrijven, en dat werk kan meer artistieke waarde hebben dan een prachtig schilderij waar tien keer zo lang aan is gewerkt. De waarde zit in de persoon en de intentie erachter. Van alles wat ze hadden kunnen maken, kozen ze dit ene ding en namen ze er een risico mee. Die keuze maakt het echt.
Voor AI geldt hetzelfde. De waarde is niet dat een model iets heeft gemaakt. De waarde is dat jij, van alles waar je je tijd aan had kunnen besteden en alles wat je had kunnen zeggen, met AI hebt gewerkt en ervoor hebt gekozen dit specifieke ding af te leveren. De lezer moet die keuze kunnen zien.
02Conceptuele wending
Twee soorten AI.
AI heeft ons in twee groepen verdeeld, en die scheidslijn loopt zowel door de mensen die content maken als door de mensen die het lezen.
Aan de ene kant staan de early adopters die echte systemen hebben gebouwd. Ze hebben frameworks, vangrails, zorgvuldig gekozen context, datagovernance en testen. Hun output is gevormd door echt denkwerk, echte berekeningen en een bewust strategisch kader. Ze stemmen een boodschap af op het publiek omdat het systeem eronder daarvoor is ontworpen.
Aan de andere kant staat al het andere. Onze organisaties, onze media en zelfs onze muziek lopen vol met content zonder veel inhoud. Het verspilt tijd en irriteert lezers. En het richt schade aan buiten zichzelf, omdat het een probleem wordt voor iedereen die hoogwaardige strategie, analyse, muziek, video en kunst maakt met hulp van AI. Als het meeste wat binnenkomt ruis is, wordt het signaal meteen mee genegeerd.
Wat ik waardeer, en wat niet.
Wat ik het meest waardeer in mijn collega’s is hun verbinding met klanten en de markt, en hoe scherp ze op allebei zijn. AI en informatiesystemen vangen dat nog slecht. Een opname van een meeting is niet de meeting. De sfeer in de kamer, de aarzeling voor een antwoord en wat een klant bíjna zei: dat zit allemaal in de mensen die erbij waren.
Ik waardeer ook de mensen die patronen zien, verbanden leggen, het rekenwerk en de liftstudies doen en daar strategie uit vormen. Dat werk verandert. Steeds vaker wil ik de mensen belonen die op architectuurniveau de juiste bruggen bouwen, tussen systemen, datasets, trends en marktgebeurtenissen. Ik waardeer iemand die AI goed heeft ingericht veel meer dan iemand die een mooi framework op een slide heeft getekend. Een strateeg die AI de juiste vangrails en context geeft, op het juiste moment de juiste thema’s kiest en anderen helpt om met die inzichten in beweging te komen, kan strategie maken en laten landen in een tempo dat we nooit eerder hebben gezien.
Wat ik niet waardeer is iets anders. Dat is de persoon met weinig inhoud, weinig context en weinig tijd bij klanten, die AI gebruikt om zijn eigen vragen en zorgen te beantwoorden, een document genereert en dat naar mij stuurt als iets waar ik nu op moet reageren.
De faux pas.
Er is een reëel risico dat mensen besluiten dat AI-gegenereerd werk hun tijd niet waard is, en eerlijk is eerlijk: die reactie heeft grond. De meesten van ons hebben weleens iets ontvangen waar de afzender twee of drie minuten over deed en waar wij dertig minuten mee bezig zijn.
Erger is het gevoel om de tuin geleid te worden: iets ontvangen dat nooit echt bedoeld was, maar gepresenteerd wordt alsof het dat wel is. Denk aan levensadvies over het opvoeden van je kinderen, gezonder leven of balans vinden, gemaakt na tien seconden prompten en aangeboden als leesstuk van vijf minuten. Er zijn de verzonnen ‘echt gebeurde’ virale video’s. En in onze eigen wereld is er de persoon die het huiswerk niet deed, de klantmeeting niet had en geen klantinzicht verzamelde, maar met AI iets groots bouwt rond een moment dat in werkelijkheid heel klein was.
Dat is slecht gebruik van AI. Het is storend, en het is een schending van de etiquette.
De spiraal.
De terugslag brengt een eigen risico mee. Mensen gaan in alles wat ze lezen op zoek naar sporen van AI, en sommigen weigeren het nog te lezen. Dat is een catch-22, en het zet een negatieve spiraal in gang.
Het straft ook precies de verkeerde groep: de mensen die met AI dingen doen die ze nooit eerder konden. Ze verbinden strategie op nieuwe manieren, doen analyses waar ze nooit tijd voor hadden en brengen diepe of niche-inzichten aan tafel. Als we al het werk met AI over één kam scheren, verliezen we het beste ervan.
03Raamwerk
Twee regels om mee te beginnen.
Ik stel twee eenvoudige normen voor.
- Besteed de tijd die je van je lezer verwacht. Als iemand dertig minuten kwijt is aan een document, hoort het jou minstens zoveel echte moeite te hebben gekost om het te maken: via het systeem dat je bouwde, de context die je verzamelde of het oordeel dat je toepaste.
- Laat zien hoe je AI hebt gebruikt. Vertel kort hoe je het hebt ingericht en hoe het je hielp om tot je inzicht of conclusie te komen: welke data je gebruikte, hoe die is vrijgegeven en beheerd, en hoe je de output hebt getest. Daarmee weet de lezer dat dit geen doorgestuurd antwoord op een prompt is, maar het resultaat van een bewuste opzet — en dat het serieus genomen verdient te worden.
De kant van de lezer: bespreek de fabriek, niet de auto.
Etiquette werkt in twee richtingen. Werken met AI-gegenereerde documenten, structuren en strategieën vraagt om een ander soort samenwerking. Het doel is niet langer om losse zinnen of vakjes aan te passen. Het doel is om samen het systeem te verbeteren dat ze heeft gemaakt.
Neem de kwaliteitscontrole van een strategiedeck. Een agent gebruiken voor de review betekent niet dat ik het zelf niet meer lees. Het betekent dat ik veel nauwkeuriger kan zijn dan ik ooit alleen zou kunnen in de tijd die ik heb. Ik kan elke berekening en elk getal controleren, hoe groot het deck ook is. Dat komt niet uit één slimme prompt. Het komt uit een set scripts die op de achtergrond de cijfers door alle slides heen naspeuren. Ik heb een manier gebouwd om een deck door acht verschillende lenzen en stakeholderperspectieven te bekijken, onder meer lay-out en opmaak, bruikbaarheid, de cijfers, zakelijke taal en strategische drift. Het zijn basale checks, maar ze tillen de ondergrens enorm op.
Dus als ik met een strateeg om tafel zit, gaat het gesprek over hoe we die agent gebruiken en wat de input en output ons vertellen over het verbeteren van het deck. Waar we het over losse slides wel of niet eens zijn, kan daarna nog steeds.
De beste manier waarop ik het kan beschrijven: we bespreken niet langer een afgewerkte auto. We bespreken de fabriek. Je bouwt een betere auto door een betere fabriek te bouwen, niet door één auto tegelijk om te bouwen. Het kost vooraf meer moeite, en het voelt minder direct dan gewoon de aanpassing doen. Maar het gesprek verschuift van de uitkomst naar het proces dat die uitkomst steeds opnieuw kan maken.
Dat heb ik geleerd van muziek componeren en studio’s inrichten. Als een geluid niet klopt, plak je niet die ene opname. Je repareert het signaalpad bij de bron. Los het op in de productielijn, niet in de postproductie.
04Uitnodiging tot groei
Een beginpunt.
Deze twee regels zijn geen afgerond reglement. Ze zijn een eerste versie van een etiquette die we samen moeten schrijven, als makers en als lezers, terwijl de tools en onze vaardigheid ermee steeds beter worden.
Mijn vraag is eenvoudig: respecteer de minuten die je van anderen vraagt, wees open over hoe je werk is gemaakt, en help bij een review de fabriek te verbeteren. Als we dat goed doen, krijgen de mensen die echt nieuw werk met AI doen de aandacht die ze verdienen, en wordt de rest er beter van.
Where the numbers came from.
In de geest van regel twee: het argument en de tekst zijn van mij. Een AI-model hielp bij de redactie, een coding agent zette het op deze pagina, en de vier illustraties zijn gegenereerd met een lokaal Flux-model en daarna door mij gekozen.
Honderd mensen die een uur luisteren, zijn honderd uur van hun tijd.
Scott Berkun, Confessions of a Public Speaker (O’Reilly, 2009). De passage, zoals vastgelegd in de boeknotities van Derek Sivers: “When 100 people are listening to you for an hour, that’s 100 hours of people’s time devoted to what you have to say.” De versie met tien minuten maal vijfhonderd is mijn eigen rekensom op hetzelfde idee.
‘Twee of drie minuten om te maken, dertig om door te werken’ is een observatie uit mijn eigen inbox, geen gemeten gemiddelde.
If any claim here is mis-cited or out of date, mail me at rt.nl/contact and I'll fix or retract.