De nieuwe economie – Hoe gaat de technologie de wereld veranderen en wat betekent dit voor jou?

Wat hebben zelfrijdende auto’s, on demand-dienstverlening, kunstmatige intelligentie en inkomensongelijkheid met elkaar gemeen? Het zijn signalen dat we halsoverkop afstormen op een wereld die door technologie wordt bepaald, op manieren die we doorgaans niet begrijpen.

Maar weinigen hebben zo’n vooruitziende blik voor nieuwe technologieën als Tim O’Reilly. In ‘De nieuwe economie’ onderzoekt hij de dringende vraag hoe wij de technologieën die we creëren de baas kunnen blijven, voordat zij ons de baas worden. Welke keuzes moeten nú gemaakt worden om in de toekomst een wereld te krijgen waarin we willen leven?

Tim O’Reilly is al sinds de jaren negentig adviseur, uitgever van invloedrijke technische boeken en organisator van high tech conferenties Zijn boek What’s The Future, is net in het Nederlands vertaald, als De nieuwe economie. Dat boek gaat in op de vraag hoe technologie de wereld gaat veranderen en wat dit voor ons betekent.

O’Reilly wordt o.a. gezien als degene die cruciaal is geweest voor het ontstaan van de open source software-beweging. Onderstaand een uitgebreide samenvatting van ‘De nieuwe economie’.

Meer weten?
De nieuwe economie – Hoe gaat de technologie de wereld veranderen en wat betekent dit voor jou?
Auteur: Tim O’Reilly
Uitgeverij: Karakter, 2018
https://www.managementboek.nl/boek/9789045212272/de-nieuwe-economie-tim-oreilly?affiliate=1910

Inleiding
Telefoons die adviezen geven, kunstmatige intelligenties die elke dag nieuwe artikelen schrijven of dokters adviseren, 3D printers die vervangende onderdelen maken, voor mensen wel te verstaan. Drones die pakketjes leveren, genetische modificatie waarmee binnen niet afzienbare tijd ziekten kunnen worden genezen of uitgestorven soorten weer tot leven kunnen worden gewekt en maatwerkbaby’s mee kunnen worden ‘gefabriceerd’. Bedrijfsvormen zoals Uber waarmee duizenden ZZP-ers worden ‘gecoördineerd’.
En dan hebben we het niet eens over de bijkomende angsten dat robots banen ingaan pikken, de oude middenklasse de nieuwe onderklasse wordt, er nieuwe surveillancestaten ontstaan waarbij onze nieuwe bazen nieuw ontworpen algoritmen zijn……en het gaat allemaal zo snel! Ook de vele technologische eenhoorns. Wat maakt die eenhoorns nu zo verbazingwekkend?

  1. Ze hebben een idee dat in eerste instantie niet haalbaar lijkt.
  2. Maar het lukt ze wel en veranderen delen van de maatschappij.
  3. Het resultaat is een ecosysteem van nieuwe banen en diensten, bedrijfsmodellen en sectoren en natuurlijk de disruptieve kant die dat met zich meebrengt voor menige bestaande baan of organisatie.

Ze dwingen daarbij tot nieuwe gedragingen, nieuwe vaardigheden en nieuwe waarden. Een eenvoudig voorbeeld. Velen vinden het tegenwoordig normaal om tegen hun telefoon te praten alsof die een eigen bewustzijn heeft. Maar….hoe was dat enige decennia terug?

O’Reilly stelt dat verlies van banen en ontwrichting niet onontkoombaar zijn. Er is wel een probleem. In een groot deel van de huidige economie is er echter sprake van een enorm gebrek aan verbeeldingskracht en wilskracht en te weinig besef dat je blinde vlekken hebt. Jouw referentiekader en denken over producten is niet heilig. Tegenover iedere Elon Musk staan teveel ondernemingen die techniek alleen maar gebruiken om de kosten te besparen en de koers van hun aandelen op te schroeven, waardoor degenen die zich investeringen op de financiële markt kunnen permitteren rijk worden ten koste van een almaar groeiende groep die dat nooit zal kunnen. Beleidsmakers staan erbij en kijken ernaar in de veronderstelling dat de ontwikkeling van de technologie onafwendbaar is en niet is iets is dat we zelf moeten vormgeven, bijvoorbeeld vanuit arbeidsmarktperspectief. Daarbij kan technologie juist een enabler van nieuwe banen zijn. Neem Amazon’s Jef Bezos. Daar zijn in de drie jaar van 2014 tot 2016 het aantal robots gestegen van 1400 naar 45000. In diezelfde periode kwamen er 200.000 fte’s bij. In de distributie en bezorging werken er nog eens 480.000 en in drukke tijden komen er nog eens 250.000 bij. Het personeel wordt niet vervangen maar uitgerust met technologie. Daar staat wel weer tegenover dat Amazon in essentie bezig is van een open markt en openbare markt een particuliere, gecontroleerde markt te maken.
Steve Jobs, een meester in het wijd opengooien van deuren zei eens: ‘Als je opgroeit, krijg je meestal te horen dat de wereld is zoals hij is. Je leven kan een stuk veelzijdiger worden zodra je het simpele feit ontdekt dat alles om je heen, wat jij het leven noemt, is bedacht door mensen die niet snuggerder waren dan jij. Je kunt het leven veranderen, het beïnvloeden. Zodra je dat door hebt, ben je nooit meer dezelfde.’

En daarmee komt O’Reilly bij een derde kenmerk van een echte eenhoorn. Die creëert waarde. Niet alleen financiële waarde maar aardse waarde voor de maatschappij. De algemene kernvraag blijft daarbij: Wat kunnen we dankzij de nieuwe technieken doen wat eerder onmogelijk was? Helpen ze ons bij het opbouwen van een nieuwe maatschappij waarin we willen leven?
Bedenk dat de geschiedenis ons heeft geleerd dat grote beschavingen net zo makkelijk kunnen instorten. We hebben te maken met ‘wicked problems’ die zich kenmerken door onvolledige, veranderende en tegengestelde eisen die vaak moeilijk zijn te herkennen. Met name kunstmatige intelligentie en robotica vormen de kern van een stel problemen bij vakbonden en werkgevers, beleidsmakers en academici. Computers werkten eerder voor mensen. ‘Wicked problems’ zijn nauw gerelateerd aan een idee uit de evolutiebiologie dat zegt dat er een ‘fitnesslandschap’ voor elk organisme is, waarbij je uitsterft als dat landschap verandert en je niet goed mee kunt gaan.
Nu lijkt het andersom te gaan. Het algoritme is de nieuwe ploegbaas en daar werk je voor als onderdeel van een ‘computer’.

Hoe ziet de toekomst eruit?
Hoe ziet de toekomst van bedrijven eruit als technetwerken en -markten mensen de keuze geven wanneer en hoeveel ze willen werken? Hoe ziet de toekomst van het onderwijs eruit als ‘leren-op-afroep’ er beter in slaagt vaardigheden op peil te houden dan de traditionele universiteiten? Hoe ziet de toekomst van de media en het openbare debat eruit als algoritmen gaan bepalen wat we te zien en te lezen krijgen en daarbij hun keuzes baseren op winstgevendheid voor eigenaren? Hoe ziet de toekomst van werk eruit als dat kan worden gedaan door intelligente machines of mens-intelligente machine combinaties? Wat gebeurt er met werknemers en hun gezinnen?
Bedenk dat de afgelopen decennia ondernemingen hun management en ‘superstars’ in de watten werden gelegd, terwijl gewone werknemers als kostenpost werden beschouwd. Of maakt kunstmatige intelligentie met zijn algoritmen nu het omgekeerde mogelijk?
En nu zijn de veranderingen behoorlijk radicaal. Elke baan en elke sector in de samenleving wordt ermee geconfronteerd. Geen enkele baan, bedrijf, sector, overheid of economie is er immuun voor…..en de grootste veranderingen moeten nog komen waarbij technologie maar één van de ontwrichtende krachten is naast demografie, globalisering en verstedelijking.

De toekomst in het heden zien
Naar verluidt zei Mark Twain ooit: ‘De geschiedenis herhaalt zich niet maar rijmt wel.’ Bestudeer de geschiedenis en zie de patronen. Zoek naar terugkerende patronen en vraag je af wat de volgende herhaling zou kunnen zijn. Een tweede belangrijke inzicht van O’Reilly was dat dingen niet zomaar gebeuren. Individuen en individuele beslissingen doen er wel degelijk toe. Een derde les is: ‘Breng mensen bij elkaar die al in de toekomst leven.’ Dat regelmatig doen levert basale toekomstinzichten op als je naar het heden kijkt. Enkele aandachtspunten:

  1. Hoeveelheden data
    Er zijn gigantische hoeveelheden data en processen en mensen die deze data verzamelen beheren en gebruiken om nieuwe diensten te bouwen. Cruciaal wordt wie straks de meeste data heeft
  2. Collectieve intelligentie
    Collectieve intelligentie in de vorm van internetgebruikers die de ongebruikte rekenkracht van hun eigen computer afstaan om bijvoorbeeld radiotelescoop signalen te analyseren: wie kan die grootschalige collectieve vorm het beste vorm geven of naar zijn hand zetten?
  3. Open source denken
    Het open source denken en handelen en de bijbehorende vrije software: wie geeft wat vrij en hoe doorbrekend is dat?
    Open source kenmerkt zich door een gezamenlijke architectuur waarin je gebruikers je helpen met het uitbreiden en verbeteren van het platform en bijbehorende producten, dat er lage drempels zijn voor experimenteren, dat iets weggehaald wordt als er zich een beter alternatief aandient en een ‘lock-in’ omdat anderen afhankelijk zijn van wat ze uit jouw diensten halen, niet omdat je de baas bent,
    Het is het gevecht tussen centrale en decentrale netwerken, tussen open en gesloten platforms…….of is er juist ruimte voor nieuwe hybride vormen? Bedenk ook dat simpele, decentrale netwerken wendbaarder zijn dan centrale netwerken. Een open platformstrategie wint het altijd van een applicatiestrategie.
  4. Wie zijn ‘leading’?
    Het onderliggende steeds krachtiger wordende high technetwerk: wie is daarin ‘leading’.
  5. Informatie centraal
    Informatie in plaats van materiaal. Door materiaal een digitale voetafdruk te geven, wordt het makkelijk dit net zo te behandelen als informatie waardoor 3D printing mogelijk wordt of magazijnvoorraden informatie worden.
  6. Marktplatforms
    Niet alleen Uber of Lyft maar ook Google, Facebook, Amazon, Youtube, Twitter, Snap, Apple etc. ontlenen hun kracht grotendeels aan het feit dat ze marktplatforms zijn, door algoritmes gestuurde netwerken. Dat denken in platforms en de bijbehorende relatief goedkope, en steeds goedkoper wordende communicatie, is cruciaal.
    Bedenk ook dat netwerkmarkten die digitaal worden veranderen in levende systemen: ze zijn mens nog machine, ze zijn onafhankelijk van hun makers en ontsnappen steeds meer aan de controle van hun makers.
  7. Diensten op afroep
    Met één druk op de knop iets regelen. Letterlijk voor alle mogelijke diensten en bijna direct, binnen één dag.
  8. Volledige coördinatienetwerken
    Volledige coördinatie van relatief platte netwerken door algoritmen.
  9. Met technologie toegeruste medewerkers
    Met technologie toegeruste medewerkers die daarmee nieuwe dingen kunnen, bijv. de uitbouw van zintuigelijke vaardigheden (speciale brillen bijv.) in een gemeenschappelijke 3D wereld.
  10. Software en algoritmen zijn de nieuwe organisatiestructuur
    Onderdelen (teams) daarbinnen zijn losjes met elkaar verbonden hebben een grote mate van onafhankelijkheid. Bij bedrijven zoals Apple en Amazon zijn er duizenden piepkleine implementaties en verbeteringen per dag met een doorkooptijd van enkele minuten.
    Kortom het gaat in de ogen van O’Reilly om big data, algoritmen, collectieve intelligentie en software als dienst.

De overheid als platform
Social media worden door velen nog gezien als een manier om politici hun verhaal te laten vertellen en voor burgers om daar weer tegen te schoppen. De andere kant echter is dat elke burger deelnemer in overheidsaangelegenheden is, niet alleen bij verkiezingen maar elke dag. De trend gaat worden hoe open source software gebruikt kan worden om te participeren in bijvoorbeeld beleidsontwikkeling. De overheid als platform betekent niet dat overheidsprogramma’s aan de private sector moeten worden uitbesteed. Aan burgers kun je vragen hoe ze de overheid kunnen helpen haar verantwoordelijkheid als platform beter in te vullen. Daarbij hoort ook de ontwikkeling die al enige jaren plaatsvindt. Het online beschikbaar stellen van data als overheid hoort daar ook bij waarna actoren deze vrij kunnen combineren met andere data (bijv. met Google maps).
Je kunt zelfs een ideeënmeritocratie als formule opzetten. Wanneer je bijvoorbeeld grote groepen burgers online laat discussiëren, kunnen ze via een bepaald systeem (synthetron of group decision rooms) de uitspraken van anderen ‘raten’ waarna de kernuitspraken of ideeën in een matrix worden verzameld. Er zijn ook legio andere grootschalige vormen voor een ideeënmeritocratie te bedenken.
Uiteraard kan er worden geholpen om pragmatische apps voor bijvoorbeeld vergunningen, schoolkeuzes en processen en procedures bij de overheid te versnellen. Die blijken interactief ook nog veel sneller te creëren te zijn. Daarbij behoort wel de gedachte dat het ‘people, not data’ zijn waar het ‘in the end’ om gaat. De ervaring leert dat werkwijzen die tot goede apps leiden ook uiterst relevant zijn voor het maken van goede regels.

Een wereld bestuurd door algoritmen
In de nieuwe economie is er een hoofdrol voor bepalende algoritmen die niet alleen nieuwe diensten opleveren maar de hele maatschappij veranderen. Als je wat afstand neemt, je 20ste eeuwse fabrieksbril afzet en met een 21-eeuwse blik naar menig groot bedrijf als Google, Amazon of Facebook kijkt, dan zie je dat een groot deel van het werk (het leveren van zoekresultaten, nieuws, informatie, statusupdates op sociale netwerken, relevante producten voor de verkoop en chauffeurs op afroep) door software en algoritmes wordt gedaan. Deze programma’s zijn de medewerkers en de programmeurs die de programma’s maken, zijn hun ‘managers’. Deze managers krijgen elke dag feedback over het functioneren van hun ‘medewerkers’ in de vorm van ‘realmarkt data’ en ze geven hun ‘medewerkers’ zo nodig feedback door de programma’s of het algoritme te ‘tweaken’ of te updaten. Welke taken dit digitale personeel uitvoert, hangt af van de werkprocessen binnen de digitale organisatie. Zo kunnen moderne webapplicaties miljoenen klanten tegelijk bedienen en hun functies zijn opgesplitst in wat inmiddels ‘microdiensten’ zijn gaan heten. Verzamelingen van kleine, functionele afzonderlijke bouwstenen die allemaal maar één ding goed kunnen en dat heel erg goed. Microdiensten worden gedefinieerd op grond van in- en outputs, dus hoe ze met andere diensten communiceren, Ze kunnen in verschillende talen zijn geschreven, op meerdere machines draaien en toch samenwerken.

Bij dat alles speelt ook ‘deep learning’ een rol. Bij ‘deep learning’ wordt met herkenningslagen gewerkt. Alvorens een hond te kunnen herkennen, moet je vormen kunnen herkennen en daarvoor moet je weer contouren kunnen herkennen zodat je een vorm van de achtergrond kunt onderscheiden. Uit elk van deze opeenvolgende herkenningslagen komt een gecompromitteerde wiskundige weergave voort die aan de volgende laag wordt doorgegeven. Google past ‘deep learning’ ook toe op de vertaling van de menselijke taal. De resultaten daarmee waren zoveel beter dat na een paar mensen testen de oude versie van Google Translate helemaal overboord hebben gegooid en volledig zijn overgegaan op ‘deep learning’ waarmee het redelijk in de buurt begint te komen van alledaags taakgebruik. Idem bij Googe Photo’s. De heilige graal van kunstmatige intelligentie is ‘ongecontroleerd leren’ waarbij een kunstmatige intelligentie zelfstandig leert zonder eerst zorgvuldig getraind te moeten worden. Op dit moment zijn er bij kunstmatige intelligentie nog altijd mensen betrokken maar at gaan wijzigen. Inmiddels is Deep Mind van Google bijvoorbeeld ook actief in de gezondheidszorg en helpt de Britse National Health Service effectiever te weren en de diagnose van aandoeningen te verbeteren.
Zoekmachines en social media reguleren de resultaten en advertenties die ze tonen en doen hun best ns meer te geven van hetgeen we willen zien. Wat hebben al deze vormen van regulering gemeen?

  1. Een duidelijk beeld van het resultaat.
  2. Realtime meting of dat doel wordt bereikt.
  3. Algoritmes (d.w.z. een set regels) die steeds aanpassingen doen om het resultaat te bereiken.
  4. Van tijd tot tijd een grondige evaluatie van de algoritmes zelf. Zijn die (nog) juist en functioneren ze naar verwachting?

Terzijde: vergelijk dat eens met regels van een gewoon reguleringsmodel bijvoorbeeld van de overheid dat zich vooral concentreert op de regels in plaats van de resultaten. Het is niet voor niets dat de wetgeving onbegrijpelijk ingewikkeld is geworden. De constante stroom van innovaties bijbenen kan niet goed met reguleringsprocessen uit de 20ste eeuw. Waar politiek en toezichthouders vooral op moeten gaan letten is de ‘fitnessfunctie’ die het algoritme stuurt: bieden de daaruit voortvloeiende regels voor bedrijfsvoering de medewerkers meer of juist minder mogelijkheden, of zijn ze alleen bedoeld om de bedrijfswinst te vergroten?

Fake news
In open democratieën speelt de totstandkoming en de verspreiding van informatie in de media een belangrijke rol. Tot maar een enkel decennium terug zorgden redacteuren voor de kwaliteit van de informatie. Vaak werd daarop ook een kwaliteitstoets verricht. Maar dat is compleet veranderd. Het idee bij de bevolking in de vorige eeuw dat een goed gemaakt item geen greintje waarheid kan bevatten, was bijna ondenkbaar. Besef ook dat een leugen al de halve wereld rond is voordat de waarheid zelfs maar de tijd heeft om haar schoenen aan te trekken.

Volgens Pew research krijgt 66 procent van de Amerikanen zijn nieuws via socialmediasites en 44 procent alleen via Facebook. Denk ook aan extreem gekleurde sites die door enkele Macedonische tieners in elkaar wordt geflanst en waarmee ze een aardig zakcentje weten bij te verdienen. Google en Facebook zijn overigens wel bezig veel van deze problemen op te lossen. Bedenk daarbij dat om miljarden mollen te meppen veel snelle hamers nodig zijn. Daarbij moeten we van het idee afstappen dat de mens daarin de finale beslissing kan nemen in een tijd van algoritmes en ‘deep learning’.

‘Fact checken’ met algoritmes vervangt niet het menselijke oordeel maar kan wel een heleboel problemen besparen ongeveer zoals een graafmachine een verlengstuk is van onze spieren. Omdat algoritmes streng volgens regels werken zijn ze goed in het herkennen van dingen die mensen over het hoofd zien. Het hoeft ook niet te zoeken naar de absolute waarheid maar zoeken naar gerede twijfel, net zoals de jury in een rechtbank.

Algoritmes de baas blijven, bijna onbegonnen werk
De grote vraag in de 21ste eeuw gaat worden: ‘Welke black box vertrouw je nog?’ Google maakt de precieze details van zijn algoritmen niet bekend omdat het bang is dat het misbruikt wordt door degenen die hun ranking willen verbeteren. Facebook zegt dat ‘als anderen precies weten hoe we het doen, gaan ze reverse-engineeren om ons te omzeilen’.
Tegelijkertijd geldt ook dat de noodzaak om aandacht te krijgen van zoekmachines en sociale media een belangrijke oorzaak is van de infantilisering van nieuwsmedia en de stijl van verslaglegging die zelfs bij geweldige mediabedrijven een cultuur heeft doen ontstaan van hypes, nepcontroverses en andere technieken om voldoende internetverkeer te genereren. Bedenk dat publicaties voor abonnees er zijn om de lezer te dienen, publicaties gebaseerd op advertenties zijn er om de adverteerder te dienen. Zo was Trump ‘misschien niet goed voor Amerika maar wel verrekte goed voor CBS’. Als je dat wilt veranderen, zullen consumenten bereid moeten zijn om onderzoeksjournalistiek te ondersteunen. En gebeurt niet massaal. Veel van op reclame gebaseerde algoritmen zijn uiteraard ook black boxen. Het is dus logisch dat het huidige systeem een steeds grotere berg van onjuiste informatie genereert.

Bij kunstmatige intelligentie wordt een onderscheid gemaakt naar ‘zwakke AI’ en ‘sterke AI’. Zwakke AI kan één taakje heel intelligent uitvoeren. Sterke AI is niet alleen slim om één bepaalde taak goed uit te voeren, maar om geheel zelfstandig te leren en haar intelligentie toe te passen op alle problemen die ze tegenkomt. Men is bang dat een kunstmatige intelligentie eigen doelen zal gaan stellen, en omdat ze zelfstandig en bovenmenselijk snel kan leren, zichzelf in zo’n tempo zal verbeteren dat ze mensen al gauw ver achter zich laat. Een reëel doomscenario volgens Elon Musk, Nick Bostrom en wijlen Stephen Hawking. Volgens anderen is dat scenario nog heel ver weg.

Dit laat onverlet dat AI en algoritmes ook wel eens fout kunnen lopen met financiële of andere grote crises tot gevolg. Mede ook omdat markten steeds meer machineachtige kenmerken krijgen. In die zin zijn machines eigenlijk al de macht over aan het nemen en hebben ons geen mensonvriendelijke toekomst opgedrongen…..daar hebben we zelf voor gekozen (behalve de Amish J ) met een nadruk op zaken als aandeelhouderswaarde en supersalarissen waardoor menig bedrijf meer waarde onttrekt aan de wereld dan dat het toevoegt.

De regels herschrijven
In mei 2011 verscheen in Vanity Fair een essay van de Nobelprijswinnende econoom Joseph Stiglitz, ‘Of the 1%, by the 1%, for the 1%’, waarbij in het nationale debat de 1 procent werd geïntroduceerd en hij een beangstigend beeld schetste van de gevolgen van een disfunctionerende economie die slechts een fractie van de bevolking dient omdat dan een minuscuul deel van de bevolking de macht over het leeuwendeel van de rijkdommen heeft, rijkdom bepalend is voor macht en deze kleine groep vaak actief beleid tegen weet te houden dat het leven van de bevolking in het algemeen zou verbeteren.
Stiglitz kreeg samen met Michael Spence, George Ackerlof de Nobelprijs voor hun analyse uit de jaren ’70 van het falen van de efficiëntemarkthypothese en informatie-asymmetrie. Kennis uit algoritmes is een nieuwe vorm van asymmetrische marktmacht. Op dit moment zijn, vanuit informatie-asymmetrie en algoritme-ontwikkelingen bekeken, zwaar in het voordeel van degene die veel kapitaal bezitten en staan op een punt om de regels opnieuw te gaan herschrijven. Ongelijkheid versterkt zichzelf, de markt raakt steeds meer ingericht op mensen die meer te besteden hebben. Een economie die teveel produceert van wat slechts een klein deel van de mensen zich kan veroorloven, terwijl de rest alleen met zijn neus tegen de ruiten staat.
De 1% was in 2016 een belangrijk element in de presidentiële campagne van Bernie Sanders en Donald Trump wist met zijn boodschap ‘weg met de zittende macht’ de overwinning te behalen op Hillary Clinton’s verdediging van de status quo.
In politiek opzicht heeft ook Trump weinig te bieden om de macht van de 1% die hun financiële macht in politieke macht hebben weten om te zetten, en daarmee democratische kennisprocessen kunnen belemmeren ten behoeve van aandeelhouderswaarde en verlaging arbeidskosten. Maar een en ander is wel het gevolg van de regels en bijbehorende ‘algoritmes’ die door mensen zijn ontwikkeld voor het reguleren van menselijk gedrag. Daarbij geldt tegelijkertijd dat ‘bij het verschil tussen theorie en praktijk, de praktijk altijd groter is dan de theorie’. Je kunt niet alles in theorieën, regels en richtlijnen vatten.
We gaan een zeer riskante tijd tegemoet. De wereldwijd toenemende ongelijkheid lokt politiek verzet uit dat zowel de maatschappij als de politiek verregaand kan destabiliseren. En geldt dat beleid maken dat iedereen ten goede komt, zo goed als onmogelijk is.
De financiële crisis van 2008 maakte duidelijk dat steeds meer van die rijkdom is gaan zitten in beleggingen, in financiële producten die bedoeld zijn om roofbouw te plegen op de economie en niet om waarde voor iedereen te creëren. John Maynard Keynes stelde ooit dat wanneer de kapitaalontwikkeling van een land een bijproduct wordt van de activiteiten van een casino, dit waarschijnlijk niet goed zal uitpakken.

Tegelijkertijd zijn er ook andere wendingen. Geconfronteerd met een dalende omzet en klachten van klanten heeft Walmart in 2014 zijn minimumloon verhoogd naar 10 dollar per uur, ruim boven het federale minimum van 7,25 dollar, en veel geïnverteerd on training en loopbaanontwikkeling. Dat kostte het bedrijf 2,6 miljard, leidde tot grotere klanttevredenheid, meer omzet en minder personeelsverloop maar ook tot grote ontevredenheid onder beleggers. Zou Walmart dat minimumloon naar 15 dollar verhogen, kost dat Walmart zo’n 5 miljard dollar per jaar, een vijfde van de jaarwinst, maar zou de belastingbetaler zo’n 6 miljard dollar per jaar schelen.
Denemarken kent overigens geen minimumloon omdat het een royale sociale zekerheid heeft dat laat zien dat je bij een goed ontworpen stelsel zelfs met minder regels toekunt. Overheden blijken nog steeds aan wenselijkere toekomstplannen te kunnen werken waarin machines mensen niet vervangen, maar ons helpen een nieuwe economie op te bouwen die onze positief verbaast in plaats van afgrijzen bezorgt.

Een van de fout gebleken regels van onze huidige economie is dat menselijk kapitaal als een kostenpost wordt gezien die waar mogelijk moet worden geschrapt. Die regel gaat steeds meer tegenwerken. Waarom arbeid te belasten als je ook machines kunt belasten? En stel dat je de aankoop van een belegging even vast en onverbrekelijk maakt als een huwelijk gesloten in gemeenschap van goederen? En wat kan een vermogensbelasting langs de door Piketty geschetste lijnen?
Alexis de Tocqueville liet volgens Stiglitz zien dat het algemeen belang uiteindelijk een voorwaarde is voor je eigen belang.

Supergeld: het probleem van de inkomensongelijkheid
Welke rol speelt Silicon Valley in de ontspoorde economie? Technologie is in staat menselijke arbeid te vervangen en krijgt daardoor makkelijk de schuld van dalende lonen en oplopende inkomensongelijkheid. De technologie wordt niet gebruikt om mensen meer macht over hun eigen leven te geven en om grootst dingen te bereiken, maar om de kosten te verlagen. Dat is niet omdat de technologie dat zo wil maar omdat het juridische en financiële systeem dat we hebben opgebouwd, het zo voorschrijft. Een stelsel waarvan Silicon Valley ook een ‘slaaf’ is. Een systeem waarin de staat, de markteconomie en het financieel kapitalisme spelletjes met elkaar spelen. Een van die spelletjes die sommige bedrijven spelen is dat ze niet werden betaald om goederen en diensten aan klanten te leveren maar omdat ze investeerders wisten over te halen hun geld te geven. Wie weet zouden klanten later wel komen, maar zolang de onderneming investeerders kon vinden om hun volgende ‘ronde’ te financieren, konden ze volstaan met ‘gebruikers’ in plaats van klanten.

In die wereld werden en worden speciale financiële instrumenten gecreëerd die op weddenschappen lijken waarin gecreëerd ‘verwachtingsmanagement’ een belangrijke rol speelt. Verwachtingen de als nepnieuws worden gepromoot in een markt die draait om aandacht. Dit effect is essentieel voor een goed begrip in de hypnotische aantrekkingskracht van financiering. In theorie is de intrinsieke waarde van een aandeel gebaseerd op de netto contante waarde van de verwachte toekomstige winst. In de praktijk is dat de netto contante waarde vermenigvuldigd met de verwachtingen van miljoenen potentiële kopers en verkopers.
In oververhitte markten wordt het start-ups vaak veel te gemakkelijk gemaakt om snel rijk te worden door zich snel te laten uitkopen met ‘dumb money’, zonder ooit werkelijk van plan te zijn geweest echte omzet of winst te genereren. Tegelijkertijd geldt ook dat als je toegang hebt tot het supergeld van aandelenopties (het recht om aandelenopties te kopen tegen de huidige koers maar zonder de verplichting dat te doen totdat ze in waarde zijn gestegen) en al helemaal als het ‘supergeld tot de derde macht’ is (aandelenopties voorafgaand aan de beursgang met 90% korting ten opzichte wat zelfs de durfinvesteerders betalen), je jaren achtereen verlies kunt draaien. Dat is een van de redenen waarom internetbedrijven minder hoog gewaardeerde bedrijven kunnen ontwrichten….. dus niet persé vanwege hun betere aanbod aan klanten, grotere economische efficiency of hun technologische of bedrijfsmodel.
Verder komt de bulk van al die opties nog altijd terecht bij de oprichters en het topmanagement en ligt de waarde van wat iedere laag daaronder ontvangt, doorgaans steeds een factor tien lager. Per saldo komt het erop neer dat een gigantisch en steeds groter deel van de productiviteitswinst van de afgelopen decennia terecht is gekomen bij een kleine groep managers in plaats van bij alle werknemers.

Op die manier kan overigens ook toptalent worden aangetrokken. Het bedrag dat uit het niets wordt geschapen domweg door werknemers nieuwe opties toe te kennen is verbijsterend. Voor bijv. een bedrijf zo groot as Google met een marktkapitalisatie die eind 2015 meer dan 500 miljard dollar bedroeg, en 1% aan opties uitdeelde voor 5, 2 miljard, is dat voor medewerkers een behoorlijke aanvulling maar voor Google een marginaal bedrag. Een kleiner bedrijfje dat 50 miljard waard is en een derde van het aantal medewerkers van Google heeft, kan zijn technici slechts 10% geven van wat Google geeft bij die 1%. Daar valt op deze wijze moeilijk tegenop te concurreren. Het probleem van de inkomensongelijkheid komt deels voort uit de opkomst van superbedrijven, die door hun reuzenproductiviteit een groter marktaandeel kunnen veroveren met een kleiner aantal medewerkers.

Een ander effect van beloning met aandelen is dat het bedrijven dwingt te blijven groeien en ze stimuleert naar volledige beheersing van de markt en maximale winstonttrekking. De gevolgen hiervan, bijvoorbeeld voor huizenprijzen voor mensen die hun geld in de reële, fysieke economie verdienen, zijn funest. Wanneer er niet op grote schaal nieuwe woningen worden bijgebouwd, drijven de mensen die in supergeld krijgen betaald de huizenprijzen zover op dat gewone mensen het zich niet meer kunnen veroorloven om in een grote welvarende metropool te wonen. Ook hypotheekrenteaftrek drijft die prijzen alleen maar verder op.
De reële economie met bijbehorende bedrijven krijgt hierdoor klappen. Ze worden als minder interessant gezien en kunnen moeilijker aan financiering komen. En nogmaals, in het slechtste geval worden bedrijven niet opgericht om echte klanten van dienst te zijn maar om gefinancierd te worden. En dan hebben we het niet eens over de macht van venture-capital fondsen die partnerschap met bedrijven aangaan voor een bepaalde periode (doorgaans 10 jaar) en dan kapotgaan aan het schema van hun durfinvesteerders. Het bedrijf verdwijnt naar de schroothoop omdat de durfinvesteerder zijn positie wilde sluiten en razendsnelle groei uitbleef.

Digitale platforms en de reële economie
Het belangrijk vinden van bedrijven die wortelen in de echte markt van goederen en diensten betekent niet dat terug moet worden gegaan naar de wereld van de jaren ’50 maar dat een nieuwe vorm nodig is voor bedrijven die werken dankzij en via netwerkplatforms. Een videohostingsite als YouTube vormt een goed voorbeeld van een netwerkplatform dat zowel nieuwe vormen van werk genereert als bestaande bedrijven helpt groeien en op het platform helt actief te zijn. Er bestaat rondom YouTube een bloeiende economie van kleine bedrijfjes van vele tienduizenden die met uitsluitend posten op die site in hun levensonderhoud voorzien.
Wanneer de waarde die in het casino van de financiële markten wordt gecreëerd goed wordt gebruikt, ontstaat er ook waarde voor de reële economie. Google creëert weliswaar superrijken en draagt bij aan vermogensongelijkheid maar heeft ook enorm veel waarde gecreëerd voor andere bedrijven en voor de samenleving en in die zin banen en inkomensgroei. In 2016 werd de economische bedrijvigheid die Google voor anderen had geschapen geschat op 165 miljard dollar. En dan hebben we het niet eens over een consumentensurplus door de gratis toegang tot enorme hoeveelheden ‘gratis’ informatie in ruil voor het aanklikken van advertenties. Zelfs Thomas Piketty is van mening dat een grotere productiviteit en een brede verspreiding van kennis de maatschappij welvarender maakt en tot de factoren behoort die inkomensongelijkheid vermindert.

Het wordt onder internetbedrijven gebruikelijker om regelmatig hun positieve economische invloed te meten en daarover te rapporteren. Zo heeft Kickstarter sinds de oprichting in 2009 voor in totaal 5,3 miljard aan projecten gefinancierd die 8.800 nieuwe bedrijfjes had opgeleverd met ongeveer 29000 fulltimebanen en nog eens 283.000 parttimers.
Kickstarter is er zelfs toe overgegaan zich als ‘public benefit corporation’ te laten registreren. Die status verplicht een bedrijf rekening te houden met de maatschappelijke effecten van zijn handelen en niet alleen de gevolgen voor de aandeelhouders. Terzijde: het is moeilijk te verkroppen dat een gewoon bedrijf geen rekening hoeft te houden met zijn maatschappelijke effecten ten faveure van zijn aandeelhouders.
Kleine bedrijven vormen het fundament van de economie en ze zijn goed voor bijna de helft van alle banen in de private sector. Hoe maken platforms kleine bedrijven geschikt voor de eenentwintigste eeuw? Wat zijn hun economische effecten. Beleidsmakers moeten dit meten en weten en vervolgens belastingbeleid formuleren dat bedrijven stimuleert economische waarde voor de maatschappij te creëren en niet alleen waarde voor zichzelf en aandeelhouders te onttrekken.

De waslijnparadox

‘Als je de waslijn weghaalt en een wasdroger koopt, neemt het stroomverbruik toe’

Het doet ertoe wat we meten en de waslijnparadox is een manier om met een frisse blik naar de economie te kijken waarbij dient te worden beseft dat belangrijke waardescheppers vaak over het hoofd worden gezien en als vanzelfsprekend worden beschouwd. De waslijnparadox is een goede manier om duidelijk te maken hoe belangrijk het is om in fundamenteel onderzoek te investeren en met name in ‘open science’, waarbij informatie vrijelijk wordt gedeeld en verzameld. Veel fundamenteel onderzoek dat enorme rendementen oplevert, wordt betaald door de belastingbetaler, maar wanneer de overheid aanspraak maakt op een deel van dat rendement, in de vorm van vennootschap- of vermogenswinstbelasting, is dat veel te veel begunstigden aanleiding tot geklaag of belastingontwijking.

In het boek ‘De ondernemende staat’ geeft Mariana Mazzucato een gedetailleerde beschrijving van de rol die de overheid bij de financiering van innovaties die zijn verwerkt in producten als de iPhone, vernieuwingen op het gebied van geneesmiddelen, de landbouw en de recente particuliere ruimterace. Ze beargumenteert dat start-ups die commercieel gebruik maken van door de overheid gefinancierd onderzoek royalty’s zouden moeten betalen aan een ‘Nationaal Innovatiefonds’ of een ‘Gouden Aandeel’ zouden moeten uitgeven, een vast aandeel dat niet verwaterd kan worden, juist om een deel van de gecreëerde waarde naar de belastingbetaler te laten terugvloeien. Daar tegenover staat onderzoek dat van de winst, die ontstaat wanneer bedrijven in staat zijn zich de rendementen op vernieuwende bedrijvigheid toe te eigenen (‘Schumpeteriaanse disruptiewinst’), slechts een minuscuul deel (2,2 %) van de totale technologische vooruitgang in de periode 1948-2001 volgens onderzoek van de econoom William Nordhaus ten goede kwam aan de producenten ervan. Ook kennis delen in plaats van voor je te houden kan je concurrentievermogen flink vergroten. Kennis neemt toe als die wordt gedeeld. Dat is ook te zien bij de hevige concurrentie op het gebied van de kunstmatige intelligentie. Onderzoekers van Google, Facebook, Apple, Baidu en Microsoft delen hun kennis.

We kunnen banen behouden
John Maynard Keynes schreef aan het begin van de grote depressie in de jaren ’30 van de vorige eeuw dat ondanks alle onheilspellende gebeurtenissen de wereld op het punt stond een oplossing te vinden voor ‘het economische probleem’: de strijd om het dagelijkse bestaan. Keynes dacht na over de vraag wat een mens met zijn tijd aan moet als de productiviteit zo is toegenomen dat machines al het werk doen. Hij noemde dat ‘technologische werkeloosheid’ en definieerde die term als ‘het onvermogen om in hetzelfde tempo nieuwe toepassingen voor werk te vinden als manieren om de behoefte eraan te elimineren.’
Kernvraag in positieve zin daarin is wat de mogelijkheden voor hedendaagse, nabije en verder in de toekomst liggende technologie zijn voor werk dat we ons nu nog niet kunnen voorstellen. En dat naast klimaattransities, nieuwe besmettelijke ziekten, demografische inversie (kleinere groep werkenden à groeiende klasse ouderen), voeding, drinkwaterproblemen etc.
In de toekomst komt dat werk misschien niet in de vorm van wat wij als baan zien. Voldoende werk is wat anders als voldoende banen.
Daarbij wordt het verschil tussen de financiële markten en datgene dat de economie werkelijk nodigt heeft steeds groter. Omdat bedrijven andere motivaties en beperkingen hebben dan individuen is het mogelijk dat een bedrijf geen banen kan of wil aanbieden, zelfs niet als er ‘werk genoeg is’.
Maar als je naar de economie kijkt, zie je enorme aantallen van nieuwe dienstverlenende activiteiten waarbij die markt nog verder zal groeien door on-demand technologieën om bijvoorbeeld de zorg voor ouderen of andere afnemers flexibel en betaalbaar te maken en te houden. Dat je kunt inkopen wat je nodig hebt en niet meer dan dat. Maar ook ‘mensenwerk’ zal een herwaardering kunnen krijgen. Machines kunnen (nog) niet alles.

Platforms bieden nieuwe manieren en mechanismen om mensen aan werk te koppelen. Die platforms dienen we te verbeteren zodat ze daadwerkelijk ten dienste staan van de mensen die daardoor werk vinden. Probeer niet de klok terig te draaien naar de jaren ’50 en de daarbij behorende gegarandeerde werkstructuur. Dat wordt steeds lastiger. Die filosofie geldt op meer terreinen: hoe kunnen we bijvoorbeeld ons elektriciteitsnet opnieuw ontwerpen en opbouwen zodat het gedecentraliseerd en adaptief is.?

Uiteraard werkt de markt niet altijd feilloos. De overheid dient daarin een rol te spelen. Die rol is niet alleen beperkt tot fundamenteel onderzoek of programma’s waarin een overstijgende coördinerende rol nodig is maar juist op plekken waar de markt faalt (of de burgerij), of bij misdrijven in actie komen en grootschalige veranderingsprocessen in goede banen leiden.
Daarin spelen bedrijven die bereid zijn hun eigenbelang goed te bekijken een wezenlijke rol. De vraag is niet of er genoeg werk is voor iedereen maar hoe we de opbrengsten van de productie, die door al die nieuwe technologieën mogelijk wordt, verantwoord over de maatschappij kunnen verdelen in wat Brynjofsson en McAfee ‘het tweede machinetijdperk’ noemen.

Maar ook het onderwijs speelt een belangrijke rol. Ooit moesten jonge kinderen werken maar vanaf de 19de eeuw werden ze toenemend naar school gestuurd. Eerst alleen lagere school, later een noodzakelijke middelbare school en tegenwoordig is vervolgonderwijs noodzakelijk. En dat zal opnieuw dienen te worden uitgebreid om aan de eisen van de 21e eeuw te voldoen. Als studenten die we nu opleiden 120 jaar oud worden, en 90 jaar actief zijn op de arbeidsmarkt, een opleiding krijgen waar ze slechts 10 jaar mee vooruit kunnen, hebben we een probleem. Ons huidig onderwijsmodel leidde in principe op tot een levenslang dienstverband bij een enkele werkgever. Dat is door de vooruitgang in zorg en technologie achterhaald. Het is een wereld van voortdurende bijscholing geworden die zich dient te richten op verschillende levensfasen. Onderwijsontwikkeling en welvaart blijken hand in hand te gaan. Het houdt wel in dat mensen ook in de toekomst een inkomen hebben. Een van de voorgestelde mechanismen daarvoor is het basisinkomen om basisbehoeften te kunnen bekostigen. Daarover werden de eerste gedachten in 1795 door Thomas Paine en in 1962 door Milton Friedman. Daarin speelt ook de perceptie op werk en de organisatie van de samenleving een rol. Neem Saoedi-Arabië en Noorwegen. Beide landen zijn rijk door enorme olievoorraden, maar in Saoedi-Arabië gaat het grootste gedeelte van de rijkdom naar een klein percentage van de bevolking. Men kijkt neer op het ‘gewone werk’ dat wordt gedaan door slecht betaalde gastarbeiders, terwijl een elitair groepje mensen dik wordt betaald voor luizenbaantjes of helemaal niets doet.
In Noorwegen daarentegen wordt elk soort werk gewaardeerd. Iedereen werkt, alleen werken ze daar allemaal iets minder. De royale herverdeling van de oliewinsten en een sterk sociaal vangnet dat gefinancierd wordt door de rijkdom die wordt beschouwd als gemeenschappelijk bezit, maakt Noorwegen tot een van de rijkste en gelukkigste landen ter wereld.
Volgens Buchheit is ‘burgerdividend’, de term die Thomas Paine ook gebruikt in ‘Agrarische gerechtigheid’, eigenlijk de juiste naam voor wat velen een basisinkomen noemen. Paine deed een oproep om de waarde van onbebouwd land met iedere inwoner van de nieuwe VS te delen.
Maar hoe valt zo’n basisinkomen te betalen? Dat kan volgens Rutger Bregman via een negatieve inkomstenbelasting. Zodat het geld alleen terecht komt bij mensen die het werkelijk nodig hebben.
Bedenk ook dat nieuwe technologie enorme productiviteitswinsten kan opleveren om goederen voor basisbehoeften in prijs te doen dalen. Maar waar het werkelijk om draait is hoe de koek wordt verdeeld. Veel mensen zetten vraagtekens bij een toekomst zonder banen. Beter is je te richten op wat in de toekomst waardevol wordt als bijvoorbeeld een basisinkomen gewoon wordt. Als toenemend mensen bevrijd zijn van Keynes ‘strijd om het bestaan’ wat met de ‘vrije tijd’ te doen en hoe het leven dan in te vullen?
Dan wordt ‘creatief geld’ ook belangrijker. Dat is een andere term voor de toeslag die we, na het bekostigen van de eerste levensbehoeften betalen voor de goede dingen des levens. Mensen uit alle lagen van de bevolking betalen die ‘marketingtoeslag’ om schoonheid, status, saamhorigheid, plezier en identiteit te uiten en te ervaren. Je kunt je er bijvoorbeeld een speciale cappuccino van E 5,- mee veroorloven. Het is een markt waar producten worden verkocht om wat ze betekenen en niet om wat ze doen. Design wordt dan meer dan alleen een functionele verbetering. Wil je weten hoe dat eruit kan zien? Als je in dat opzicht de toekomst wilt begrijpen, hoef je alleen te kijken naar wat de rijken nu doen. Uit gaan eten was ooit een domein voor de welgestelden. Nu gaan heel veel mensen uit eten en is het onderdeel van de ‘beleveniseconomie’. Idem reizen naar het buitenland. Tegelijkertijd is er een andere trend bij veel millennials waarneembaar die is samen te vatten in meer tijd en minder spullen. Als tegentrend en het opnieuw ervaren van de basiskunst des levens. Sobere luxe gecombineerd met spiritualiteit.

Niet in plaats van maar mét mensen
Als je door je oogharen heen kijkt, heeft de winkelbediende in de Apple Store wel iets weg van een cyborg. Een hybride van mens en machine. Apple gebruikt technologie niet om op personeel en kosten te bezuinigen, maar geeft het personeel nieuwe mogelijkheden die een geweldige gebruikerservaring opleveren. Het zijn cognitief verrijkte medewerkers die zijn verbonden met een platform dat vol zit met data, klanten onmiddellijk herkent en dienstverlening op maat biedt. De Apple Stores bewijzen ook dat technologie op zichzelf geen transformatie veroorzaakt. Die ontstaat als technologie wordt toegepast om dingen anders te doen. Er wordt niet iets nieuws uitgevonden maar nieuwe, latente mogelijkheden worden gebruikt om iets bestaands zoveel beter te doen dat het totaal verandert. Daarbij is uiteindelijk productiviteitsstijging voorkomend uit technologische innovaties wel de bron van alle welvaartsstijgingen geweest en bood mensen de mogelijkheid om hun vakmanschap innovatief te vernieuwen. Een randvoorwaarde is wel dat die kennisontwikkeling wordt gedeeld op grote schaal. Het gaat dus om kennis scheppen, delen en integreren in instrumenten zoals ook de opkomst van big data heeft laten zien. Google moest totaal nieuwe technieken ontwikkelen om het alsmaar uitdijende web te beheersen en te kunnen volgen. Deze nieuwe technieken publiceerde Google in 2003 en 2004. De nieuwe informatietechnieken bleken niet alleen voor zoekfuncties relevant te zijn, maar ook voor een hele grote groep andere problemen. Vele bedrijven namen deze technieken vervolgens over.
Het toenemend informatiegehalte dat wordt geïntegreerd in materie noopt dat sommige wiskundigen zoals Saul Griffith weleens opmerkte: ‘Wij vervangen materie door wiskunde’. En dat leidt weer tot talloze nieuwe ontwerpmogelijkheden in de 3D printwereld.

Verder zijn er nu mensen die proberen nieuwe zintuigen in onze geest en lichaam in te bouwen en vergis je niet, GPS is in feite al een extra zintuig. Denk daarbij ook aan neurotechnologie waarbij machines in direct contact staan met de hersenen en het zenuwstelsel waarmee bijvoorbeeld digitale ervaringen direct als ‘real experience’ in de mens kunnen worden ingebracht. Om nog maar te zwijgen over ontwikkelingen waarop nu wordt geëxperimenteerd in de genetica met betrekking tot het maken van compleet nieuwe menselijke subsets van genen. Elon Musk met zijn Neuralink heeft zich hierbij al in 2017 aangesloten.
Het is overigens goed bij al deze ontwikkelingen Clayton Christensen wet op het behoud van aantrekkelijke winsten in het achterhoofd te houden: Wanneer iets een standaardproduct wordt, wordt iets anders waardevol. Wanneer machines bepaalde vormen van menselijke hoofdarbeid over nemen – en standaardiseren -, neemt de waarde van het echte mensenwerk toe.

De arbeidsmarkt en freelance werk
Als het werken vanuit platforms zoals Uber toeneemt, kunnen drie soorten freelancers worden onderscheiden:

  1. De mensen die over kennis beschikken waar vraag naar is én die een goede reputatie op het platform hebben.
  2. De mensen die over kennis beschikken maar nog geen reputatie hebben en (dus) niet genoeg werk krijgen.
    Een goed platform besteedt veel aandacht aan het opsporen van deze mensen en ze op geschikte klussen te wijzen of op nieuwe terreinen waar nog onvoldoende aanbod is en ze met enige aanvullende studie en bijscholing een voet op de ladder naar boven kunnen krijgen en reputatie kunnen opbouwen. Diverse platform hebben daar geavanceerde methoden en beoordelingssystemen voor ontwikkeld.
  3. De derde groep zijn mensen die niet over de juiste kennis beschikken voor het werk dat ze willen doen. Die worden door een platform ontmoedigd omdat de tijd die ze besteden aan het werven van klussen weinig zoden aan de dijk gaat zetten.

Een voortdurende leerhouding is bij dit alles onontbeerlijk. Het gebruik van nieuwe kennis die in instrumenten en werktuigen zit geïntegreerd, vereist bij ontwikkeling steeds andere kennis. En die spiraal blijft doorgaan. Voor een goed begrip van de toekomst is het belangrijk dat te beseffen. Leren is een noodzakelijk vervolg op elke sprong vooruit bij alle technologische ontwikkelingen. Daarmee komen we bij een cruciaal punt uit: de technologie verandert sneller dan het onderwijs. Daarbij stelt O’Reilly wel dat mensen een basis nodig hebben: ze moeten genoeg weten om de juiste vragen te kunnen stellen en nieuwe kennis te begrijpen. Maar mensen leren volgens hem het beste in de praktijk, door echte problemen op te lossen en nieuwe kennis op te doen wanneer ze die nodig hebben. Mensen leren ook het beste wanneer ze geboeid zijn door waar ze mee bezig zijn, dat ze het in hun eigen tijd willen doen en niet alleen omdat het werk dat nu eenmaal van hun vereist.

Daarbij geldt nog een andere wet: de toekomst wordt gemaakt voordat ze te koop is. De toekomst wordt gemaakt door mensen die in staat zijn dingen te bouwen en uit te vinden en door mensen die in staat zijn aan die vindingen te prutsen, ze te verbeteren en in praktijk te brengen. Dat zijn de mensen die al doende leren. Ze halen dingen uit elkaar en zetten ze op een nieuwe manier weer in elkaar. Dat is ook het wezen van de maakbeweging. Dingen maken om het plezier van het onderzoeken. Dingen maken om te leren. Wetenschap sluit daarbij aan. Dat gaat niet alleen om verzamelde kennis maar over de manier van ‘datgene dat we niet weten’ te onderzoeken. Het meeste formele leren biedt veel te weinig plezier en de mensen snakken daarnaar. Wie geen nieuwsgierigheid weet te wekken, zit waarschijnlijk op de verkeerde plek. Is die nieuwsgierigheid eenmaal gewekt, dan biedt het internet geweldige manieren om die te voeden. De combinatie van al doende leren, delen via sociale media en deskundigheid op afroep staat centraal in het huidige leren, vooral bij jongeren. Die leren voor zo’n 70% via YouTube en daar een voorkeur voor hebben. Dan blijft natuurlijk de vraag hoe werkgevers deze opgedane kennis, en de kwaliteit daarvan kunnen waarderen respectievelijk hoe de bezitter deze aantoonbaar maakt. Banen die het hardst groeien vragen geen bachelor of masteropleiding en toch is dat een ultiem criterium bij de meeste werkgevers. Op dat punt zal de arbeidsmarkt ingrijpend dienen te wijzigen.

Leren wordt daarbij meer ‘on demand leren’, leren op het moment dat je het nodig hebt en wilt. Vaardigheden die nodig zijn voor het gebruik van een nieuwe technologie verspreiden zich daarmee organisch en worden gaandeweg verder ontwikkeld door groepen beoefenaren die kennis uitwisselen en toepasbaar maken in specifieke contexten. Daarbij worden kritische massa’s van experts en gebruikers opgebouwd Vervolgens worden de nieuwe vaardigheden gestandaardiseerd en wordt het makkelijker om grote aantallen mensen erin te trainen. Op dat punt beginnen ze de productiviteit te beïnvloeden en grote groepen mensen hogere lonen op te leveren.

Zoals aangegeven, formele schoolsystemen houden de ontwikkelingen niet bij. Gezien de snelheid waarmee technologie tegenwoordig verandert, kunnen we van het traditionele onderwijs een basisopleiding verwachten, maar ieder bedrijf dat succes wil hebben zal zelf ook dienen te investeren in unieke en steeds veranderende vaardigheden van zijn personeel. Tot slot: bedenk daarbij ook dat sommige vaardigheden zoals geletterdheid en weten hoe met een computer om te gaan een absolute must zijn om überhaupt mee te kunnen. Dat was 100 jaar terug compleet anders.

Werken aan de dingen die er toe doen
Toen Clayton Christensen in Het Innovatiedilemma, zijn managementklassieker uit 1997, de term ‘ontwrichtende technologie’ introduceerde, stelde hij een heel andere vraag dan: ‘Hoe kom ik aan geld van durfkapitalisten als ik hen ervan wil overtuigen dat er een gigantische markt bestaat die ik kan opblazen?’ Hij wilde weten waarom bestaande bedrijven geen profijt wisten te trekken van nieuwe kansen. Hij ontdekte dat jonge, baanbrekende technologieën er eerst in slagen om totaal nieuwe markten te ontdekken en pas later bestaande markten te ontwrichten. De briljante innovatie van Sony was niet dat het de transistor verbeterde, dat kwam pas later, maar dat het een nieuwe markt ontdekte. Dat werd de draagbare radio, in eerste instantie alleen voor jongeren, waarbij de kwaliteit er minder toe deed dan een lage prijs en de mogelijkheid om hem overal mee te nemen, wat daarvoor onmogelijk was. Kortom, bij ontwrichtende technologieën draait het in eerste instantie om nieuwe markten en nieuwe mogelijkheden die erdoor ontstaan. Tegen de tijd dat de grote jongens/bedrijven wakker worden, heeft zo’n bedrijf al een leidinggevende positie ingenomen in het nieuwe segment. Dat gold voor Google, Amazon, Facebook, Microsoft en vele, vele anderen. Er zijn, zo stelt O’Reilly, een aantal lakmoesproeven die hij in de praktijk vanuit deze lessen heeft geleerd, te beginnen met:

  1. Houd je bezig met dingen die belangrijker zijn dan geld
    je hebt dat wel nodig maar is niet de enige norm voor een succesfundament. Je verstrikken in de roes van geld willen verdienen, maakt er een lege huls van. Doorgrond daarbij je eigen waarden en normen en zie ze als het daadwerkelijke fundament van waaruit je een eigen bedrijf bouwt en naar markten kijkt. Streef daarbij naar iets dat zo belangrijk is dat de wereld beter af is omdat je het hebt geprobeerd, ook als het mislukt.
  2. Genereer meer waarde dan je onttrekt
    Denk na hoe je een interactieve opwaartse waarde-spiraal kunt creëren. Hoe kun je bijvoorbeeld met een platform mensen helpen hun eigen dromen te verwezenlijken?
  3. Richt je op de langere termijn.
    Het is heel makkelijk om je alleen op de korte termijn te focussen, maar uiteindelijk loop je tegen consequenties aan. Daarbij is het voor een groot bedrijf van essentieel belang dat het afstapt van het idee dat het er is om louter geld te verdienen voor aandeelhouders.
  4. Ontwikkel een robuuste strategie
    Doe aan scenarioplanning. Daarbij is niet het doel om vast te stellen wat er gaat gebeuren maar wat verschillende toekomsten op de langere termijn kunnen zijn waar je rekening mee dient te houden. Voor scenarioplanning zijn vele boeken geschreven. In het boek ‘Beleidontwikkeling in de 21e eeuw’ van Peter van Hoesel en Max Herold vind je er een pragmatisch hoofdstuk over. Zie:
    https://www.managementboek.nl/boek/9789462361508/beleidsontwikkeling-in-de-21e-eeuw-peter-van-hoesel?affiliate=1910
  5. Tracht het morgen beter te doen dan vandaag
    Stel je de elke dag de volgende vragen: ‘Wat kan ik vandaag precies verbeteren? Hoe kan ik dat precies verbeteren? Wie (waar en wanneer) precies gaat daar voordeel van krijgen?’
  6. Denk in termen van werk en opdrachten, niet in termen van ‘banen’
    Door het observeren van ontwikkelingen, kun je de richting van nieuwe doorbraken wel voorzien. Je kunt ook de negatieve, ontwrichtende effecten gaan voorzien die voortkomen uit een onvermogen om problemen op te lossen. Als je trends in kaart brengt, kun je ook de vraag stellen: ‘Wat gebeurt er als dit doorzet? Hoe gaat de wereld er dan uitzien? Wat betekent dat voor opdrachten van klanten die ik daardoor kan krijgen bijvoorbeeld door problemen die dan ontstaan en niet goed worden opgelost?

Max Herold
Oktober 2020