16 mei 2026 · Joos Luteijn · 8 minuten leestijd
Agentic AI is de nieuwe collega. Je oude collega’s zijn niet weg, ze zitten verstopt achter agents. Wat dat doet met samenwerking, en wat overblijft als dat niet meer vanzelfsprekend is.
Tools als Microsoft Copilot of Cowork worden steeds meer voor teams gebouwd. Tegelijk heb je door AI in de praktijk steeds minder collega’s nodig om je werk te doen. Of beter gezegd: je collega’s zijn niet weg, ze zitten verstopt achter agents.
Dat verandert iets aan de samenwerking in organisaties. Tegelijkertijd weten we ook al twintig jaar dat adoptie van nieuwe technologie het sterkst wordt gedreven door wat mensen elkaar zien doen: voordoen, samen doen, zelf doen. Maar dit werkt alleen als de collega zichtbaar is, én zijn werk dat ook is. De ontwikkeling van agentic AI lijkt op gespannen voet te leven met AI-adoptie.
Maar er is iets onderweg veranderd. Tot 2023 was nieuwe technologie een tool die mensen oppakten of niet. Sinds 2024 wordt AI in de werkomgeving zelf een collega. Microsoft Teams, Outlook, Cowork, Claude Code, Salesforce, Asana: in al deze omgevingen schuiven agents tussen de onderlinge samenwerking van mensen in, op precies de plek waar voorheen een collega zat.
Een copywriter zit in een agentic schrijfomgeving aan een campagne voor een nieuwe productlancering. De AI agent kent eerdere campagnes, herhaalt de huisstijl, suggereert drie varianten op de kop, voert in stilte een A/B-test uit op de subkop, en stuurt het concept door naar een review-agent die spelling, toon en merkconsistentie afvinkt. De copywriter scrollt naar beneden, accepteert twee suggesties, wijzigt er een. Een halve dag werk in vijftig minuten.
Maar de editor, die er anders rond drie uur op binnenkwam met een vraag over de tone-of-voice, is vandaag niet langsgekomen. En die komt morgen waarschijnlijk ook niet. De copywriter weet alleen niet dat de titel net iets te enthousiast is voor deze doelgroep. De AI agent kan die inschatting ook niet maken, want hij is getraind op succesvolle campagnes in het algemeen, niet op de specifieke smaak van deze klant.
Stack Overflow ondervroeg in 2025 ruim 49.000 ontwikkelaars in 177 landen over hun AI-gebruik. De meeste cijfers gaan omhoog: meer adoptie, hogere productiviteit, sterkere afhankelijkheid. Eén cijfer valt eruit. Slechts 17 procent zegt dat agents de samenwerking binnen het team hebben verbeterd. Verreweg het laagste cijfer in het hele onderzoek.
Een meerderheid werkt sneller, zonder dat samenwerking er beter van wordt. Code reviews verschuiven van mens naar agent. Pair programming wordt eenzaam programmeren met een tool die altijd “ja” zegt. De Socratische dialoog tussen junior en senior over waarom kies je voor deze data-structuur, ooit het opleidingskanaal van een hele discipline, valt stil in teams waar de senior verdwijnt achter Claude Code en de junior achter Cursor.
Wat verdwijnt er als een marketeer een complete lancering alleen doet, met een desktop-agent als Cowork ernaast?
In een team-cultuur zonder zo’n agent zou ze eerst aan een analist marktonderzoek vragen, een copywriter briefen, een designer inschakelen op het concept, en de productmanager om akkoord vragen. Vier collega’s, vier perspectieven, één campagne. Twee weken werk. Met Cowork is het een week, voor één persoon. De agent doet desk research, schrijft eerste copy, genereert beeld-concepten, plant publicaties, monitort resultaat. De marketeer levert kaders, smaak en eindbeoordeling.
Wat ontbreekt is wat de analist had opgemerkt over de timing rond een evenement bij een concurrent. Wat de copywriter had aangevoeld over de toon voor déze klantgroep. Wat de designer had gezien als visuele overlap met een ander merk. Wat de productmanager had gevraagd over een lopend retentieprobleem dat deze campagne raakt. De campagne is technisch competent. Hij is alleen niet meer in dialoog tot stand gekomen.
Drie functies, hetzelfde patroon. Je collega’s zijn niet weg, ze zitten verstopt achter agents. Collegiaal, functioneel contact verandert of verdwijnt.
Eind januari 2026 publiceerde Maria Black, CEO van ADP, op het World Economic Forum een artikel met een ongemakkelijke kop: AI is becoming your new colleague. But let’s not forget the human ones. De onderbouwing komt uit eigen onderzoek bij ruim 30.000 Amerikaanse werknemers.
Wat ze vonden: mensen die AI dagelijks of bijna dagelijks gebruiken, scoren het hoogste op engagement, motivatie en betrokkenheid bij hun werk. Top performers, vroege adopters, mensen die plezier hebben in wat ze doen.
Dezelfde respondenten rapporteren ook zwakkere verbindingen met collega’s en lagere waargenomen productiviteit.
Dat is geen tegenstrijdigheid die wij erin lezen. Dat is één survey, dezelfde mensen, twee bewegingen die parallel lopen. Het meest betrokken zijn ze geweest in hun werk. En het minst verbonden met de mensen om hen heen. Black formuleert de vraag die het hele artikel samenvat: How do we use AI without losing us?
Twee verklaringen geeft Black:
Eén: de uitwisselingen die voorheen op de werkvloer plaatsvonden, gaan nu naar agents. Wat collega’s elkaar vroeger vroegen, vraagt iedereen nu aan de agent.
Twee: de eenvoudige taken die voorheen een gevoel van afronding gaven, gaan ook naar agents. Wat overblijft is moeilijker te meten werk. Mensen werken dus harder, voelen zich minder productief en zien minder van wat anderen doen.
Dat is wat agentic AI doet met de samenwerking op de werkvloer. De agent wordt in toenemende mate de gespreksgenoot. De collega is alleen de bevestiger van een outcome die de agent al heeft gemaakt.
Als je collega’s in toenemende mate verstopt zitten achter agents, is wellicht de neiging om de menselijke interactie over te slaan. Wat mij betreft de grootste fout die je als organisatie kan maken. Wat gaat essentieel worden in de samenwerking tussen collega’s? Drie dingen.
Wie agentic werkt, werkt vaker alleen. Wat anderen niet zien, kunnen ze niet bewonderen, kritiseren of overnemen. Sociale invloed werkt op wat mensen zien. Wat verborgen is, draagt niet bij aan de adoptie van anderen. In een team waar iedereen z’n eigen agent heeft, weet niemand wat de ander met die agent doet. De spontane verspreiding van goede praktijken stopt.
De Socratische dialoog tussen senior en junior was nooit officieel deel van iemands functie. Hij ontstond uit naast en met elkaar werken. Verdwijnt de samenwerking, dan verdwijnt ook deze overdracht. En de impliciete kennis (waarom kies je voor deze structuur, waarom werkt deze toon bij deze klant, waarom ging die deal vorig jaar mis) zit in mensen, niet in agents.
Ik noem dit zelf de AI-geletterdheid-delta: het verschil in vaardigheid en begrip binnen één team. Niet het absolute niveau, het verschil. Wordt de delta te groot, dan kan peer-leren niet plaatsvinden. De voorlopers vinden geen sparring meer. Ze delen hun werk niet, of werken alleen samen met gelijkgestemden. De rest raakt het overzicht kwijt, ervaart het werk van de voorlopers als bedreigend of onbegrijpelijk, en haakt af. En agentic AI versterkt dit: wie er goed mee overweg kan, vermenigvuldigt zijn productiviteit. Wie het niet aandurft, blijft op handarbeid hangen. De spreiding binnen een team neemt door agentic AI toe, niet af.
Drie dingen om actief op te bouwen: zichtbaarheid, dialoog, gedeelde geletterdheid. Voorheen vanzelfsprekend. Nu organisatorisch werk.
Wat kun je morgen anders doen? Drie knoppen, allemaal te draaien zonder grote ingreep.
Bedrijven hebben vaak top-down beleid over AI-gebruik. Wat ontbreekt is hoe een team zelf met AI omgaat. Welke output delen we, welke houden we voor onszelf, wanneer vragen we elkaar wat de agent heeft gemaakt? Dat zijn geen compliance-vragen, dat is werkpraktijk.
Concreet: organiseer eenmalig per team een sessie van een uur waarin je vier vragen beantwoordt. Wat doen wij wel met AI? Wat doen wij niet met AI? Wat van ons AI-werk delen wij actief met elkaar? Hoe geven we elkaar feedback op AI-output? Schrijf de antwoorden kort op, niet als beleid maar als afspraak. Herhaal elke zes maanden.
Wat verdwijnt door agentic werken is niet de samenwerking als formele structuur. Het is het informele moment waarop mensen elkaars werk zien. Dat moment moet je nu bewust ontwerpen, want het komt niet meer vanzelf.
Concreet: één vast moment per week of per twee weken waarop collega’s elkaars werk bespreken zonder agent. Een halfuur, in een kleine groep. Geen presentatie, geen demo, gewoon: wat heb je deze week gemaakt, waar twijfel je over, wat zou ik anders doen. Klein, herhalend, en zonder de gespreksgenoot die de agent geworden is.
De grootste fout die ik vaak zie: managers schatten de adoptie van hun team in op basis van wat zij zelf horen aan koffiemachines en in stand-ups. Dat zegt iets over de voorlopers en de luidsten. Niet over de meerderheid en zeker niet over de stille uitvallers.
Concreet: meet op teamniveau anoniem wat medewerkers daadwerkelijk gebruiken, hoe ze sociale invloed ervaren (verwachten mijn collega’s dat ik AI gebruik?, zie ik mijn leidinggevende AI gebruiken?), en hoe groot de spreiding in zelf-ingeschatte geletterdheid is. Eén meting per zes tot twaalf maanden is genoeg om beweging te zien.
Je collega’s zijn niet weg, ze zitten verstopt achter agents. Wie er nog wel zichtbaar zit en wat zij van elkaar verwachten, bepaalt of jouw AI-investering breed wordt opgepakt of bij een paar voorlopers blijft hangen.
De AI Team Scan brengt op medewerkerniveau in kaart hoe AI wordt gebruikt, ervaren en gewenst. Inclusief sociale invloed, gewoonte, randvoorwaarden en zelf-ingeschatte geletterdheid. Doorlooptijd 2 tot 4 weken. De uitkomst is een dashboard dat zichtbaar maakt waar het team staat en welke 3 tot 5 interventies het meeste verschil maken.
Sociale invloed is de mate waarin iemand voelt dat belangrijke anderen (zoals collega’s, leidinggevenden of klanten) verwachten dat hij of zij de technologie gebruikt. In de gestandaardiseerde meting bestaat het uit vier items op een vijfpuntsschaal, bijvoorbeeld mensen die mijn mening waarderen vinden dat ik AI zou moeten gebruiken. Het meet verwachting, niet enthousiasme. Dat onderscheid is belangrijk: verwachting werkt sterker dan opwinding, ook bij mensen die zelf niet enthousiast zijn over AI.
Een vaste drempel is er niet, maar onze ervaring is: zodra binnen één team meer dan de helft van de mensen een ander begrip heeft van wat AI gebruiken voor X betekent, valt peer-leren stil. Goed signaal: kunnen mensen elkaars AI-output begrijpen en kritisch bespreken? Slecht signaal: collega’s lopen om elkaars AI-werk heen omdat ze niet weten hoe ze het moeten beoordelen.
Ja, met aanpassingen. In kleine teams is sociale invloed sterker omdat iedereen elkaar ziet, maar tegelijk kwetsbaarder omdat één persoon de toon zet. Voorbeeldgedrag van de leidinggevende is dan nog dominanter. Formele meting is voor teams kleiner dan 20 minder bruikbaar, kwalitatief (gesprekken, observaties) werkt beter. Voor opschaling naar meerdere teams wordt formele meting wel zinvol.
Voor een eerste indruk wel: stel in een teamoverleg drie vragen anoniem (Mentimeter werkt). Hoe vaak gebruik jij AI op het werk? Zie je je collega’s het gebruiken? Zie je je leidinggevende het gebruiken? De spreiding op die drie antwoorden geeft binnen tien minuten een indicatie van zowel de geletterdheid-delta als de sociale invloed. Voor onderbouwing richting directie of OR is een formele meting nodig.
Joos Luteijn werkt al 20+ jaar in IT, digitale en CX-transformaties. Hij heeft teams tot 45 professionals geleid en bouwt nu vanuit Transforming the Dots aan de mensen-kant van AI-adoptie via onderzoek, advies en begeleiding.