Slimme technologie of scheve werkelijkheid

Soms beëindig je een Teams-meeting met meer vragen dan waarmee je eraan begon. Dat is geen teken dat het niet goed was, eerder het tegenovergestelde. Vandaag zat ik in zo’n meeting. Een masterclass die niet alleen stevig stond als een dijk, maar ook zachtjes aan je geweten knabbelt. Over technologie, arbeid en iets wat vaak tussen de regels door verdwijnt, ongelijkheid.

De rode draad van de masterclass was eigenlijk verrassend simpel. Technologie komt niet uit de lucht vallen. Er zit geen mysterieus wolkje boven Silicon Valley dat af en toe wat innovatie naar beneden strooit. Wat we bouwen, bouwen we zelf. En dus nemen we, bewust of onbewust, onze overtuigingen, aannames en blinde vlekken mee in die technologie.

Technologie als spiegel

In veel sectoren waar vrouwen een groot deel van het werk doen, zie je een opvallend patroon. Denk aan schoonmaak, administratie, zorg en platformwerk. Technologie wordt daar zelden ingezet om het werk lichter of gezonder te maken. Alles wordt gemeten, gevolgd en geoptimaliseerd, behalve het welzijn van de mens die het werk doet.

Neem de schoonmaak. Geen werk waar je snel applaus voor krijgt, maar wel werk waar we allemaal dagelijks van profiteren. De omstandigheden zijn vaak zwaar en onzeker. Je zou verwachten dat technologie daar helpt om het werk veiliger en minder belastend te maken. In de praktijk gebeurt dat nauwelijks. Automatisering blijft achter, terwijl digitale middelen vooral worden gebruikt om te controleren en te registreren.

Het wrange is dat het werk ondertussen wel een dun laagje ‘professionaliteit’ krijgt opgeplakt. Een tablet hier, een app daar, en voilà, het oogt moderner. Maar achter dat scherm verandert er weinig aan loon, zekerheid of waardering. Het voelt een beetje als een nieuw jasje over een oude jas. Het zit misschien netter, maar het houdt je niet warmer.

Omdat dit werk grotendeels door vrouwen wordt gedaan, krijgt dit verhaal automatisch een genderkleur. Tel daar een digitale kloof bij op, veroorzaakt door werktijden, toegang en hardnekkige stereotypen, en je ziet hoe snel ongelijkheid zich in nieuwe vormen kan nestelen.

Slimme systemen, ander werk

Ook in sectoren die op het eerste gezicht minder fysiek zwaar zijn, verandert er iets wezenlijks. In callcenters en de vertaalwereld bijvoorbeeld, schuift kunstmatige intelligentie steeds verder naar voren.

Waar een vertaler vroeger een tekst van begin tot eind vormgaf, zit die nu steeds vaker in de rol van corrector. AI spuugt een eerste versie uit en de mens mag het daarna “even nalopen”. Dat klinkt efficiënt, maar wie het werk doet, ervaart iets anders. Het werk wordt intensiever, minder creatief en soms zelfs frustrerender. Fouten zitten subtieler verstopt, context raakt zoek en de voldoening van iets zelf maken maakt plaats voor het herstellen van wat een machine bedacht heeft.

En dan gebeurt er nog iets bijzonders. Omdat het werk als “eenvoudiger” wordt gezien, staat er vaak minder beloning tegenover. Terwijl de complexiteit juist verschuift in plaats van verdwijnt. Het is alsof je van een ambachtelijke bakker wordt omgeschoold tot iemand die fabrieksbrood inspecteert, en daar ook nog minder voor betaald krijgt.

De impact van AI zit dus niet alleen in hoeveel banen er verdwijnen of veranderen, maar vooral in hoe werk voelt. En dat is misschien wel de meest onderschatte factor.

Beleid met goede bedoelingen

Op beleidsniveau wordt er gelukkig niet stilgezeten. Binnen de Europese Unie wordt er via programma’s zoals Horizon Europe geprobeerd om ongelijkheden aan te pakken. Gendergelijkheidsplannen spelen daarin een belangrijke rol. Niet alleen om meer vrouwen aan tafel te krijgen, maar ook om andere perspectieven daadwerkelijk mee te nemen in wat we ontwikkelen.

Het idee daarachter is eigenlijk heel logisch. Als je meer verschillende blikken op de wereld hebt, maak je betere oplossingen. Innovatie wordt relevanter, menselijker en misschien zelfs een tikje wijzer.

Dat sluit mooi aan bij het denken rond industrie 5.0, waar niet alleen efficiëntie telt, maar ook mensgerichtheid, duurzaamheid en veerkracht.

Alleen zit de crux, zoals zo vaak, in de uitvoering. Er schuilt een risico dat dit soort plannen blijven hangen in formulieren en vinkjes. Dat organisaties keurig doen wat er gevraagd wordt, zonder dat het echt landt in de praktijk. Dan wordt gelijkheid een project in plaats van een overtuiging.

Wat we niet automatiseren

Een van de meest intrigerende gedachten van de dag ging over iets wat vaak buiten beeld blijft: de zogenoemde care economy. Het werk dat draait om zorg, aandacht en menselijke relaties. Werk dat soms betaald is, maar net zo vaak onzichtbaar en onbetaald blijft.

Dit werk wordt nog altijd grotendeels door vrouwen gedaan en krijgt zelden de waardering die het verdient. In discussies over AI gaat het meestal over snelheid, efficiëntie en productiviteit. Alsof de waarde van werk vooral in cijfers te vangen is.

Maar juist daar wringt het. Want wat niet goed te automatiseren is, wordt ineens zichtbaar. Aandacht, empathie, zorg. Dat laat zich niet vangen in een algoritme of een dashboard. En misschien ligt daar wel een onverwachte kans. Naarmate machines meer overnemen, wordt duidelijker wat echt menselijk is.

Initiatieven zoals de European Care Strategy proberen dat besef een plek te geven. Niet als bijzaak, maar als fundament van een gezonde samenleving.

De keuze ligt bij ons

Technologie is geen neutrale kracht is. Het is een gereedschap, gevormd door mensen, gestuurd door keuzes. En dus ook bij te sturen.

Nieuwe technologieën bieden kansen. Voor inclusie, voor innovatie, voor een herwaardering van werk. Maar ze dragen net zo goed het risico in zich om bestaande ongelijkheden te versterken. Vooral daar waar mensen al kwetsbaar zijn.

De uitkomst staat niet vast. Die hangt af van hoe bedrijven, overheden en wijzelf ermee omgaan. Van de vragen die we stellen, de keuzes die we maken en de dingen die we weigeren vanzelfsprekend te vinden.

Misschien is dat wel de belangrijkste les. Niet dat technologie verandert, maar dat wij bepalen hoe.

En ergens, tussen alle modellen, beleidsstukken en algoritmes door, blijft één eenvoudige vraag hangen. Niet wat we kunnen bouwen, maar voor wie we het doen.

Laat een reactie achter:

Je e-mailadres zal niet worden gepubliceerd.

Site Footer