inzicht:
AI-specialisten zijn schaars. Heb je er zelf een nodig?
Bedrijven kunnen nauwelijks aan AI-specialisten komen, schrijft NU.nl: de vraag groeit sneller dan het aanbod en iedereen vist in dezelfde vijver. De echte vraag voor het mkb is of je zo iemand wel in dienst moet nemen. Over het verschil tussen generatieve en agentic AI, hoe wij AI dagelijks in ons eigen werk gebruiken, en wanneer een partner logischer is dan een vacature.
Bedrijven hebben grote moeite om werknemers met AI-ervaring te vinden, schrijft NU.nl (17 november 2026). De vraag is sterk gestegen, de arbeidsmarkt is krap en werkgevers vissen in dezelfde vijver. Volgens cijfers van statistiekbureau CBS die NU.nl aanhaalt, maakte vorig jaar een op de zes werkgevers gebruik van kunstmatige intelligentie.
Opvallender is waar de vraag zit. Arbeidsmarktonderzoeker Intelligence Group meldt in hetzelfde stuk dat in het derde kwartaal van dit jaar in ruim 15 procent van de vacatures voor marketingmedewerkers om AI-vaardigheden werd gevraagd; bij programmeurs was dat 17,3 procent, bij juristen 6,9 procent en bij financiële managers 6,6 procent. Van alle vacatures met AI-eisen valt nog 26 procent binnen IT-beroepen, tegen 40 procent in 2022. AI-kennis is dus geen nicheprofiel meer, maar iets dat overal in de organisatie opduikt. Dat maakt de vijver waar iedereen in vist alleen maar drukker.
Eerst de begrippen: generatieve en agentic AI
Wie hierover moet beslissen, hoort twee termen door elkaar. Generatieve AI maakt op verzoek inhoud: een tekst, een samenvatting, een stuk code, een antwoord op een vraag. Jij geeft een opdracht, het model levert, jij beoordeelt het resultaat en geeft de volgende opdracht. Elke stap blijft bij jou.
Agentic AI krijgt geen losse opdracht maar een doel, en mag binnen afgesproken grenzen zelf stappen zetten: informatie opzoeken, systemen gebruiken, het eigen tussenresultaat controleren en doorwerken tot het klaar is of vastloopt. Het verschil zit in wie de volgende stap kiest. Bij generatieve AI ben jij dat, elke keer opnieuw. Een agent kiest die stap zelf, binnen grenzen die vooraf vastliggen.
Voor een mkb-bedrijf betekent generatieve AI vooral sneller schrijf- en opzoekwerk: conceptteksten, samenvattingen van lange documenten, een eerste antwoord op een klantvraag. Agentic AI kan werk overnemen dat uit meerdere stappen bestaat: binnenkomende meldingen sorteren en een eerste reactie klaarzetten, gegevens tussen systemen overzetten, controles en rapportages draaien, software bouwen en testen. Juist omdat een agent zelf stappen zet, regel je grenzen en toezicht voordat je hem aanzet. En niet elke taak hoort bij AI; wanneer AI niet het antwoord is schreven we eerder.
Hoe wij AI dagelijks in ons eigen werk gebruiken
Wij adviseren hier niet over vanaf de zijlijn. Ons eigen werk draait dagelijks op AI, op verschillende plekken tegelijk, en overal op dezelfde manier begrensd: een mens beslist, een mens kijkt na.
Software bouwen, testen en nakijken. Agents schrijven, testen en reviewen code voor de systemen die we bouwen en beheren. Ze werken binnen vaste grenzen: alles wat klanten of productie raakt gaat pas door na akkoord vooraf, en een mens beoordeelt het werk voordat het live gaat.
Beheer en bewaking. Agents houden de systemen die we beheren in de gaten en melden wat afwijkt of aandacht vraagt. Ingrijpen blijft een menselijk besluit.
Een support-assistent in ons klantportaal. Die beantwoordt eerste vragen van klanten. Komt hij er niet uit, dan pakt een mens het op.
Uitgeschreven spraak. Gesproken overleg en opdrachten worden automatisch uitgeschreven, zodat ze vastliggen en direct bruikbaar zijn als tekst.
Content met bronnencontrole. Stukken zoals dit zetten we met AI op, maar elke bewering moet een bron hebben en een mens leest na en beslist over publicatie.
De rode draad: de agent doet het vele werk, de mens houdt de zeggenschap. Dat is geen rem op AI. Het is juist de reden dat we het zo breed durven in te zetten.
Ook voor beveiligingswerk, binnen strakke grenzen
Via het Cyber Verification Program van Anthropic heeft Vectel toegang tot modellen voor beveiligingswerk, waaronder Claude Mythos. Ons toegangsniveau, Defense Access, is bedoeld voor het verdedigen van systemen die je zelf bezit of beheert. Voor ons betekent dat: de systemen die wij voor klanten beheren grondiger nalopen op zwakke plekken, kwetsbaarheden beoordelen en verifiëren, verdachte software onderzoeken en verdacht gedrag sneller opmerken. Geen pentests en geen aanvallen nabootsen; alleen de verdediging versterken. Ook hier geldt: alleen met akkoord vooraf, en een mens beoordeelt elke bevinding.
Moet je zelf een AI-specialist aannemen?
Soms wel. Wordt AI je kernproduct, of bouw je er zelf software op, dan wil je die kennis in huis. Maar voor de meeste mkb-bedrijven is de rekensom anders. De specialist die je zoekt, zoekt iedereen; het NU.nl-stuk laat zien hoe druk die markt is. En wat je werkelijk nodig hebt is meestal geen functie maar een uitkomst: processen die met AI sneller en betrouwbaarder lopen, veilig ingericht en dagelijks onderhouden.
Onze conclusie: je hoeft geen AI-specialist in dienst te nemen als je IT-partner AI al dagelijks in zijn eigen werk gebruikt. Dan haal je de ervaring binnen zonder de vacature, en zie je aan de praktijk van je partner wat wel en niet werkt. Wat wel bij je eigen mensen blijft, is leren werken met AI; de vacaturecijfers hierboven laten zien dat die vaardigheid in steeds meer gewone functies gevraagd wordt. Het bouwen, beveiligen en beheren hoeft alleen niet per se in huis.
Benieuwd waar je staat? Doe de AI-readiness-scan, lees AI-readiness in vijf criteria of bekijk wat we met AI doen. Of leg ons gewoon je situatie voor.
Bron: NU.nl, Bedrijven hebben grote moeite om AI-specialisten aan te trekken, 17 november 2026 (nu.nl), met daarin cijfers van arbeidsmarktonderzoeker Intelligence Group en statistiekbureau CBS. Gecontroleerd 17 november 2026.
Lees verder over AI-implementatie
Wat is een AI-specialist nou eigenlijk?
Een vraag stellen aan een chatbot kan iedereen. Toch is er een vak ontstaan rond AI, en in ons vorige stuk schreven we dat je zo iemand meestal niet zelf in dienst hoeft te nemen. Dit stuk laat zien wat dat vak inhoudt: acht technieken, van context ontwerpen tot agents begrenzen en evalueren, met per techniek wat er misgaat als je hem overslaat.
AI Act: de transparantieplicht geldt, de rest is uitgesteld
Sinds 2 augustus 2026 moet elke chatbot zich als AI bekendmaken en moet AI-content machineleesbaar gemarkeerd zijn. De zware hoog-risico-eisen zijn juist doorgeschoven. Wat er nu echt moet.
AI Act: wat de markeringsdeadline van 2 december wel en niet dekt
Op 2 december loopt de laatste overgangstermijn van de transparantieplicht af. Wie denkt dat zijn hele AI-verhaal tot dan mag wachten, leest de verkeerde klok: het meeste geldt al sinds augustus.
Gerelateerd lezen
Wat is een AI-specialist nou eigenlijk?
Een vraag stellen aan een chatbot kan iedereen. Toch is er een vak ontstaan rond AI, en in ons vorige stuk schreven we dat je zo iemand meestal niet zelf in dienst hoeft te nemen. Dit stuk laat zien wat dat vak inhoudt: acht technieken, van context ontwerpen tot agents begrenzen en evalueren, met per techniek wat er misgaat als je hem overslaat.
Wat de regels vragen over je back-up: AVG, bewaarplicht en NIS2
De meeste bedrijven hebben een back-up. Veel minder weten wat de wet er precies van vraagt. Drie regels bepalen het: de AVG wil dat je gegevens tijdig kunt herstellen, de fiscus wil dat je administratie jaren terug te halen is, en NIS2 maakt een geteste back-up voor sommige bedrijven een plicht.
AI Act: wat de markeringsdeadline van 2 december wel en niet dekt
Op 2 december loopt de laatste overgangstermijn van de transparantieplicht af. Wie denkt dat zijn hele AI-verhaal tot dan mag wachten, leest de verkeerde klok: het meeste geldt al sinds augustus.