De economie van 2040

Dinsdagochtend, 2040. Terwijl het land wakker wordt, hebben de agents van duizenden bedrijven de nacht al doorgewerkt: offertes aangevraagd, prijzen uitonderhandeld, facturen geboekt en betaald. Geen mens heeft er iets van gelezen.

Sanne heeft een groothandel. Bij de koffie opent ze één scherm: drie besluiten waar zíj voor moet tekenen. De rest van haar dag is voor klanten, haar team en de koers van het bedrijf.

Het werk achter de schermen maakt geen geluid meer. Autonome AI-workflows doen het grootste deel van het bureauwerk, en wat een machine kan, is goedkoop geworden.

Sciencefiction? Het begint nu al. De inkoopagent van een groothandel vraagt een offerte aan; bij de leverancier herkent een agent het verzoek en zet de offerte klaar in het administratiesysteem. Komt de order binnen, dan gaat de factuur automatisch de deur uit en boekt de inkoopagent hem in. Van aanvraag tot betaling: door niemand gelezen.

In ons eigen werk zien we het ook. Voor groothandels bouwden we een AI-agent voor de inkoop. Hij verwerkt prijswijzigingen van leveranciers, geeft inkoopadvies op basis van de actuele voorraad en verkoopdata, en maakt bestellingen aan en verstuurt ze. Dat is de inkoopagent uit 2040, in een vroege vorm.

Een paar jaar geleden lachten we nog om het idee: een economie die zichzelf draaiende houdt, bedrijven die elkaar bedienen zonder mens ertussen. Dat beeld is inmiddels een stuk minder ironisch. Maar hoe werkt dat als het niet om één groothandel gaat, maar om de hele economie?

Machines praten al jaren, nu denken ze mee

Machines die met machines praten, zijn niet nieuw: via EDI, een vaste digitale berichtentaal, sturen bedrijven elkaar al decennia orders en facturen. Maar EDI doet met hetzelfde bericht altijd hetzelfde. Een agent leest een vage vraag, bedenkt wat er bedoeld wordt en antwoordt. Dat interpreteren maakt het nieuw, en lastig.

De leidingen voor die nieuwe economie worden nu gelegd. In april 2025 lanceerde Google het Agent2Agent-protocol (A2A): een gedeelde taal waarmee agents van verschillende bedrijven met elkaar praten. Het is inmiddels ondergebracht bij de Linux Foundation, een neutrale organisatie zonder winstoogmerk.

Elke agent heeft een Agent Card, een digitaal visitekaartje met wat hij kan en hoe je hem bereikt; in versie 1.0 kan dat kaartje een digitale handtekening dragen. Een opdracht kan zelfs wachten op het akkoord van een mens.

Van experiment is geen sprake meer: meer dan 150 organisaties steunen A2A, waaronder AWS, Google, Microsoft, Salesforce, SAP en ServiceNow, en het draait al in productie. Eén ontwerpkeuze springt eruit: je geeft een taak door zonder te zien hoe de andere kant hem oplost. Het controleprobleem zit dus al in de standaard ingebakken.

Het einde van de mailbox? Zoals we hem nu kennen wel. Het routineverkeer tussen bedrijven gaat via agents, en ook wat er van mensen binnenkomt, leest Sanne niet meer als eerste: haar assistent-agent handelt af wat hij mag en zet de rest klaar, met context en een voorstel voor het antwoord. De “mailbox” is een overzicht geworden van wat haar aandacht nodig heeft, en dat is het scherm dat ze bij de koffie opent.

Wat er ’s nachts gebeurt

Wat gebeurt er als agents van verschillende bedrijven elkaar de hele nacht bezighouden? Drie dingen zie je nu al.

Vragen kost niets, antwoorden wel

Een vraag versturen kost een agent bijna niets. Het antwoord kost de ontvanger veel: lezen, uitzoeken, terugschrijven. Zo werkt spam ook.

In 1992 bedachten de informatici Cynthia Dwork en Moni Naor daar al een oplossing voor: tol. Wie mailt, lost eerst een kleine rekenpuzzel op. Voor één bericht kost dat niets, voor een miljoen is het onbetaalbaar.

Voor AI bestaat die tol al. Sinds juli 2025 kunnen websites via Cloudflare AI-crawlers per opgevraagde pagina laten betalen. Bedrijven gaan hetzelfde doen met agents die bij hen aankloppen: een prijs per vraag, een abonnement, of alleen toegang met een ondertekend visitekaartje.

Softwarebedrijven kennen dit al jaren. Wie een API aanbiedt, een digitale ingang tot zijn software, bepaalt met sleutels, limieten en een meter wie mag aankloppen, hoe vaak en tegen welke prijs. Straks moet elk bedrijf dat kunnen, ook de groothandel en het installatiebedrijf, want de vragen komen van de agents van klanten en leveranciers. Wie dat niet regelt, betaalt het rekenwerk van andermans agents.

Ook het betalen zelf krijgt standaarden. Google lanceerde in september 2025 AP2, een protocol waarmee agents namens hun gebruiker kunnen betalen. OpenAI en Stripe volgden met het Agentic Commerce Protocol, en met x402 kwam de oude internetcode “402: betaling vereist” terug, dezelfde code die Cloudflare gebruikt.

Eén vraag, tien rekensommen

Eén vraag zet bij de leverancier een hele keten in gang: sorteren, offreren, inboeken, factureren. En misschien stelt die leverancier zelf weer vragen aan zíjn leveranciers. Jij ziet één regel op de factuur; de keten heeft tien keer gerekend.

Dat rekenwerk kost de leverancier geld, zeker nu agents steeds vaker per actie worden afgerekend, zoals bij Salesforce sinds mei 2025. Die kosten wil hij terugverdienen, en zo ontstaan indirecte AI-kosten: je betaalt straks ook voor de agents van leveranciers die jij aan het werk zet.

Eerst merk je daar weinig van: de kosten zitten verstopt in zijn prijs, zoals nu zijn energierekening. Worden ze groot of gaan ze schommelen, dan verschijnen ze als aparte regel op de factuur, zoals de brandstoftoeslag in de transportsector.

Zonder toezicht lopen systemen uit de bocht

Twee systemen die zonder toezicht op elkaar reageren, kunnen elkaar volledig de verkeerde kant op sturen. In april 2011 kostte het uitverkochte biologieboek The Making of a Fly op Amazon ineens $23.698.655,93. Twee verkopers koppelden hun prijs automatisch aan die van de ander: de een ging er steeds net onder zitten, de ander ruim een kwart erboven. Elke regel was op zich verstandig, samen waren ze absurd. Pas toen er vermoedelijk iemand ingreep, zakte de prijs naar ruim honderd dollar.

Zulke prijsalgoritmes zijn eigenlijk de proefversie van een agent-economie, met één verschil: algoritmes volgen vaste regels, agents interpreteren. Dat maakt toezicht niet minder nodig, maar meer.

Wie bezit de leidingen van de AI-economie?

De fundering komt in handen van een paar reuzen. De leidingen blijven van niemand. Dat verschil houdt de markt open.

De AI-economie heeft twee lagen. Onderin zit de techniek waar alles op draait: AI-modellen, cloud, betalingen en digitale identiteit. Daar loont schaal; wie de meeste rekenkracht en data heeft, wint. Daarboven zitten de diensten die bedrijven ermee leveren, zoals een inkoopagent of een AI-klantenservice. Die laag blijft in beweging, om twee redenen.

Eén: de leidingen zijn neutraal. A2A, waarmee agents met elkaar praten, valt onder de Linux Foundation, en MCP, waarmee ze software aansturen, sinds december 2025 ook. Het werkt als een stopcontact: omdat de aansluiting overal hetzelfde is, wissel je een agent of leverancier zonder alles opnieuw te bouwen.

Twee: vertrouwen is snel weg. Denk aan een agent die vertrouwelijke inkoopprijzen doorspeelt aan de agent van een concurrent, of die zich door een slim opgesteld bericht laat ompraten tot een korting die niemand afsprak. Beveiligers noemen dat prompt injection; het staat bovenaan de risicolijst van OWASP voor taalmodellen. Zulke fouten ontstaan waar vangrails en menselijk toezicht ontbreken. Bij een reus raken ze alle klanten tegelijk, en omdat overstappen goedkoop is, kiezen die klanten dan voor een partij die beter toezicht houdt.

Wie snel wil, bouwt minder vangrails in; wie veilig wil, is trager. Die afweging verdwijnt niet, en juist die houdt de markt in beweging, hoe groot de spelers ook worden.

De praktische les: bouw zo dat je kunt overstappen. Sluit je agents aan via open standaarden, zodat je niet vastzit aan één reus, en kies een leverancier op toezicht, niet alleen op snelheid.

Waarom Sanne nog drie besluiten neemt

Wie nu al vier AI-chats tegelijk open heeft, weet hoe snel het overzicht weg is: na een uur weet je niet meer welke chat wat heeft opgeleverd. Vermenigvuldig dat met honderden of duizenden AI-workflows per bedrijf, die ook nog praten met die van andere bedrijven.

Hoe houd je overzicht over iets dat groter is dan mensen kunnen overzien? Niet door alles na te kijken, maar door het zo in te richten dat alleen de uitzonderingen bij een mens landen.

Bij Sanne werkt dat zo. Haar inkoopagent bestelt zelf bij vaste leveranciers, tot een drempelbedrag. Is de opdracht groter, of is de agent niet zeker genoeg van zijn zaak, dan wacht hij op een menselijk akkoord, in de wachtstap die A2A daar al voor heeft. In Googles betaalprotocol AP2 heet zo’n afspraak letterlijk een mandaat: een ondertekend bewijs van wat de agent namens jou mag kopen, en tot welk bedrag. Met steekproeven controleer je of die spelregels kloppen.

De mens zit niet meer ín het proces, maar erboven: van “human in the loop” naar “human above the loop”. Bij “human in the loop” keurt een mens elke stap goed: veilig, maar het groeit niet mee. Bij “human above the loop” bepaalt een mens de spelregels, kijkt hij naar patronen in plaats van losse acties en stelt hij de drempels bij. In de praktijk blijft het een mix: bij onomkeerbare besluiten zit de mens ín het proces, bij de rest erboven. De kunst is de uitzonderingen te laten passen bij wat mensen aankunnen, en ze bij de juiste mensen neer te leggen.

AI die AI controleert, gebeurt al overal, maar fouten blijven mogelijk, en zonder goede monitoring ontdek je ze pas als het te laat is. Je hebt een vast punt buiten het systeem nodig: een mens die aanspreekbaar is.

Dat je die verantwoordelijkheid niet aan software kunt uitbesteden, ondervond Air Canada in 2024. Toen haar chatbot een klant ten onrechte rouwkorting beloofde, voerde de maatschappij aan dat de bot een aparte juridische entiteit was. Het tribunaal veegde dat van tafel: de chatbot hoort gewoon bij de website, en het bedrijf betaalt. In Europa gaat de wet nog een stap verder. Voor producten die vanaf 9 december 2026 op de markt komen, geldt de nieuwe productaansprakelijkheidsrichtlijn: software en AI tellen dan als product, en de maker is aansprakelijk voor schade door een gebrek, ook zonder schuld.

Daar zit de rol van de mens in de AI-fabriek, het bedrijf waarin agents het meeste werk doen. Niet als uitvoerder, soms als nakijker, maar vooral als degene die bepaalt wat mag, ingrijpt en aanspreekbaar is als het misgaat.

Als expertise massawerk wordt

In de strategieles leer je: kies. Michael Porter waarschuwde in 1980 al dat wie tegelijk de goedkoopste en de beste wil zijn, verliest; hij noemde dat “stuck in the middle”. In de dienstensector ging hoge waarde daarom nooit samen met hoog volume, want expertise zat in mensen, en mensen hebben maar zoveel uren.

Agents knippen die koppeling door. Ze nemen werk over dat altijd voor experts was: een contract toetsen, een advies opstellen, een analyse maken. Hoge waarde wordt hoog volume, en de oude keuze verdwijnt. Voor dienstverleners die draaien op schaarse kennis is dat een harde boodschap: hun voorsprong was dat niemand anders zoveel wist, en die verdampt.

Wat wél schaars blijft, is niet het werk maar de verantwoordelijkheid. Waarde die je in uren rekent, verdwijnt; wat overblijft, is iemand die tekent en aansprakelijk is. Het bedrijf van de toekomst levert dus veel volume met hoge waarde, met een kleine, menselijke voorkant die de verantwoordelijkheid draagt en een grote geautomatiseerde achterkant die het volume levert. Voor kennisdienstverleners verdwijnt de boetiek als verdienmodel, maar ze leeft voort als het gezicht van de fabriek.

Waar wij dan nog werken

En de meeste mensen? Een deel vindt werk in de boetieks, maar daar is lang niet genoeg plek voor iedereen. Voor de rest blijft de fysieke wereld over: horeca, zorg, theater, muziek, vakmanschap. Je zou het een parallelle samenleving kunnen noemen: aan de ene kant de AI-fabrieken, aan de andere kant het kleine, menselijke werk.

Economen kennen dat mechanisme als het Baumol-effect. Een strijkkwartet heeft vandaag nog net zoveel musici en minuten nodig als twee eeuwen geleden. Werk dat niet sneller kan, wordt daardoor relatief duurder en neemt een steeds groter deel van de economie in.

De muziekindustrie deed het al voor. Toen opgenomen muziek via downloads en streaming bijna gratis werd, verdienden veel artiesten hun geld voortaan vooral op het podium. Wat je kunt kopiëren, werd goedkoop; de beleving werd de premie.

Toch zijn het geen gescheiden werelden, maar lagen. Het restaurantje koopt in via agents, de zorginstelling draait haar administratie op AI. AI wordt een basisvoorziening, zoals stroom, en de mens zit in de laag erboven.

Hoe de arbeidsmarkt er in 2040 uitziet, lees je niet af aan de cijfers van vandaag. Trek je de lijnen door, dan zie je vier vergezichten.

De ladder zonder onderste treden

Als eerste verdwijnt het instapwerk: notuleren, uitzoeken, een eerste versie maken. Agents doen dat sneller en goedkoper dan een starter. Dat is al te meten: volgens onderzoek van Stanford naar Amerikaanse loongegevens loopt de werkgelegenheid van 22- tot 25-jarigen in beroepen waar AI veel werk kan overnemen, 19 procent achter bij die van leeftijdsgenoten in beroepen waar dat minder kan. Maar wie in 2040 tekent en aansprakelijk is, moet het vak ergens geleerd hebben.

Dus keert de verhouding tussen leerling en meester terug. Starters leren niet meer door het werk zelf te doen, maar door mee te kijken met een ervaren collega die de agents aanstuurt. Hun eerste baan is meteen een baan boven de loop.

Banen zonder naam

De meeste banen van 2040 hebben nog geen naam. Denk aan de drempelzetter die bepaalt wat agents zelf mogen, de agent-auditor die steekproeven trekt, of de bemiddelaar die een conflict tussen de agents van twee bedrijven oplost. Zo ging het eerder ook: twintig jaar voordat ze bestonden, had niemand de webdesigner of de social-mediamanager kunnen bedenken. Het World Economic Forum verwacht dat er tot 2030 wereldwijd 170 miljoen banen bijkomen en 92 miljoen verdwijnen, al zijn dat verwachtingen van werkgevers en geen metingen.

Minder uren, niet minder mensen

In 1930 voorspelde econoom John Maynard Keynes dat we rond 2030 nog maar vijftien uur per week zouden werken. Zo ver kwam het niet, onder meer omdat we de extra welvaart gebruikten om meer te consumeren in plaats van minder te werken.

Nu agents het bureauwerk doen, ligt die keuze opnieuw op tafel. Een werkweek van drie of vier dagen is dan geen cao-eis meer, maar een logisch gevolg. Tenminste, als de winst gedeeld wordt.

Menselijk als keurmerk

Wat een machine kan, wordt goedkoop; wat een mens doet, wordt bijzonder. Zoals nu “biologisch” op een pak melk staat, staat straks “door een mens gemaakt” op een advies, een maaltijd of een zorgplan. Een avond in het theater, een kapper die je kent, een verpleegkundige die tijd voor je heeft: dat wordt de nieuwe luxe.

Wie betaalt de rekening?

Of restaurants en theaters in 2040 vol zitten, hangt af van één ding: de geldstroom. Stel dat de waarde vooral ontstaat in een handvol AI-fabrieken, terwijl de meeste mensen in de fysieke wereld werken en niet direct meeprofiteren van wat die fabrieken verdienen.

Dan wringt het op twee plekken. De eerste is de eigen portemonnee. Door het Baumol-effect wordt menselijk werk relatief duurder: een theaterkaartje, een knipbeurt of een uur thuiszorg kost steeds meer in verhouding tot alles wat agents maken. Dat is geen probleem zolang inkomens meegroeien. Stapelt de welvaart zich vooral op bij de eigenaren van de fabrieken, dan wordt een avond uit iets voor wie aandelen heeft.

De tweede is de gemeenschappelijke pot. De zorg betalen we nu grotendeels uit premies en belastingen op arbeid. Verschuift het verdienen van loon naar rekenkracht en kapitaal, dan krimpt precies de bron waaruit we de zorg betalen, terwijl de vraag door vergrijzing groeit en de kosten door datzelfde Baumol-effect stijgen. Minder geld erin, meer vraag eruit.

En daar zit de ironie: ook de AI-fabrieken hebben klanten met koopkracht nodig. Een economie die alles goedkoop kan maken, maar waarin weinig mensen nog iets kunnen kopen, graaft haar eigen afzetmarkt af. Het Baumol-scenario werkt dus alleen als de winst van al die efficiëntie ook terechtkomt bij de mensen die het fysieke werk doen.

Twee keer 2040

In het ene 2040 vloeit de winst van de AI-fabrieken breed terug: kortere werkweken, goed betaalde zorg en vakmanschap, tijd voor elkaar.

In het andere bezit een kleine groep de fabrieken en werkt de rest in hun dienst, in restaurants en theaters die ze zelf niet kunnen betalen.

Welke het wordt, beslist geen agent. Misschien belasten we straks rekenkracht in plaats van arbeid, of krijgt iedereen een aandeel in de fabrieken. Die keuzes maken mensen.

Terug naar Sanne. Om half zes klapt ze haar laptop dicht: drie besluiten genomen, de rest van de dag met mensen gepraat. Haar agents werken door tot de ochtend.

2040 klinkt ver weg, maar de leidingen worden nu gelegd. De vraag is niet óf de agents gaan draaien, maar wie er profiteert van de tijd die ze ons geven.

Waar begin je vandaag?

Wie in die economie wil meedraaien zonder grip te verliezen, hoeft niet bij AI te beginnen. Onze route naar een digitaal schaalbedrijf loopt in vier stappen: eerst de IT-kansen, dan de systemen, dan de integraties, en pas daarna AI-workflows. Juist als agents met agents gaan praten, is dat fundament wat je voorspelbaar en aanspreekbaar houdt.

Welke processen zich nu al lenen voor een AI-workflow, lees je in ons artikel daarover. Waarom een eigen integratielaag daarbij het fundament is, lees je in Wanneer heb je middleware nodig?