In een recent arbeidsmarktrapport van Anthropic staat een veelzeggend radarbeeld. In blauw is te zien hoeveel werk AI in theorie zou kunnen overnemen of versnellen. In rood hoeveel daarvan nu al zichtbaar is in de praktijk. Juist in arts & media is het verschil groot. De technologie kan al veel meer dan organisaties vandaag daadwerkelijk inzetten. En precies in dat gat voltrekt zich een ontwikkeling die voor de mediasector veel belangrijker is dan de zoveelste futuristische AI-demo.
Want tussen theoretische AI-capaciteit en echte inzet zit menselijk werk. Heel veel menselijk werk zelfs. Journalisten, redacteuren, annotators, evaluatoren en domeinexperts leren systemen wat een goed nieuwsbericht is, hoe een degelijke analyse klinkt, wanneer een alinea feitelijk klopt en waar nuance ontbreekt. Zij schrijven beoordelingskaders, vergelijken antwoorden, corrigeren toon, markeren feitelijke missers en formuleren voorbeeldantwoorden waar modellen van leren. De machine wordt niet vanzelf slim. Zij wordt gevoed met geconcentreerde menselijke kennis.
Voor de mediasector is dat een fundamentele verschuiving. Jarenlang was de journalist in de eerste plaats maker, onderzoeker, duider of interviewer. Nu ontstaat daar een nieuwe rol naast: die van trainer van het systeem. Niet zichtbaar voor het publiek, wel cruciaal in de keten. De journalistieke expertise verschuift van de krant, de omroep of het platform naar datasets, rubrics en evaluatieomgevingen. Vakmanschap wordt uit elkaar gehaald in overdraagbare instructies voor een model.
Dat klinkt technisch, maar de implicaties zijn redactioneel en economisch. Wie bepaalt immers wat een “goed” journalistiek antwoord is? Welke toon geldt als betrouwbaar? Hoeveel nuance moet een systeem meenemen? Wanneer is een tekst scherp en wanneer activistisch? Zodra dat soort afwegingen in ‘rubrics’ en ‘golden outputs’ worden vastgelegd, verandert journalistiek van een professioneel oordeel in een set meetbare criteria. Handig voor AI-training, maar ook reducerend. Het risico is dat precies die elementen die goede journalistiek sterk maken — twijfel, context, stijl, moreel instinct, timing — worden teruggebracht tot vinkjes in een beoordelingsmodel.
Tegelijk ontstaat een nieuwe arbeidsmarkt. Platforms koppelen inmiddels hoogopgeleide kenniswerkers aan AI-bedrijven. De bedrijven die dat ecosysteem organiseren, zijn inmiddels zelf grootkapitaal geworden. Zoals Mercor, dat experts koppelt aan AI-labs en in onder meer journalisten zoekt als “Journalism Specialist”, haalde in februari 2025 een Series B van 100 miljoen dollar op tegen een waardering van 2 miljard dollar. In oktober 2025 volgde een Series C van 350 miljoen dollar, waarmee de waardering opliep naar 10 miljard dollar. De oprichters behoren inmiddels tot de jongste tech-miljardairs ooit.
In hun ‘vacatures’ verschijnen titels als journalism specialist en domain expert. Voor freelancers klinkt dat aanvankelijk aantrekkelijk: remote, flexibel, redelijk betaald. Maar onder dat comfortabele oppervlak zit dezelfde logica als in de bredere gig-economie. Werk is tijdelijk, opdrachten komen en gaan, tarieven kunnen dalen en de afhankelijkheid van platforms groeit. De journalist die dacht de platformisering van arbeid te ontlopen, komt er via AI alsnog middenin terecht.
Dat is een ongemakkelijke constatering voor een sector die zelf al jaren onder druk staat. Redacties zijn kleiner geworden, freelance posities onzekerder en het verdienmodel fragieler. AI biedt mediahuizen zonder twijfel kansen: snellere research, hulp bij transcriptie, versies voor verschillende doelgroepen, ondersteuning bij archiefontsluiting en productie. Maar dezelfde technologie opent ook een achterdeur waarlangs journalistieke kennis wordt onttrokken, gestandaardiseerd en later op grotere schaal terug de markt in kan worden gedrukt.
Daarmee krijgt de AI-discussie in de media een andere lading. Het gaat niet alleen over de vraag of kunstmatige intelligentie artikelen kan schrijven. De relevantere vraag is wie het systeem leert wat journalistieke kwaliteit is, onder welke voorwaarden dat gebeurt, en wie daar uiteindelijk de economische waarde van opstrijkt. Zolang het rode vlak kleiner is dan het blauwe, blijft er veel menselijk werk nodig om AI bruikbaar te maken. Maar precies dat werk is erop gericht die afhankelijkheid af te bouwen.
Dat is de paradox waar de mediasector nu middenin zit. Journalisten worden niet alleen geconfronteerd met AI als concurrent of hulpmiddel. Zij worden ook ingezet als de stille infrastructuur onder de opmars ervan. Eerst als beoordelaar, corrector en trainer. Later mogelijk als overbodige schakel. Wie over de toekomst van media spreekt, moet daarom niet alleen kijken naar wat AI kan, maar vooral naar wat de sector op dit moment aan kennis overdraagt — en tegen welke prijs.
Guido van Nispen
