Een dag in het leven van de planoloog, stedenbouwkundige en projectleider in 2029

Voorbij de stenen | Wessel Tiessens

Ik was een nerd voordat het woord bestond.

Ergens in de vroege jaren tachtig zat ik achter een Sinclair ZX81 te typen. Daarna een Commodore 64. Regels code, letter voor letter, om iets te laten bewegen op een scherm dat eigenlijk een televisie was. Ik begreep niet alles wat ik deed, maar ik begreep wel dat ik iets kon maken. Dat ik een idee kon omzetten in iets wat werkte.

Die energie hield ik vast tijdens mijn studie. Ik programmeerde een volledig ziekenhuisroostersysteem in Turbo Pascal en Quattro Pro — het werkte, het klopte, en ik was er trots op op een manier die ik moeilijk kon uitleggen aan mensen die er nooit een regel code voor hadden geschreven. Daarna bouwde ik een GIS-systeem in Excel met Visual Basic. Ruimtelijke data, gekoppeld aan kaarten, opgebouwd in een spreadsheet. Eigenlijk best bijzonder voor zijn tijd.

En toen, stilletjes, haakte ik af.

Niet in één klap. Maar de software werd complexer, de talen abstracter, de drempel hoger. Ik probeerde Python nog. Gaf het op. De ideeën bleven — de mogelijkheid om ze zelf te bouwen, niet meer. Ik werd een gebruiker van gereedschappen die anderen maakten.

Dat heeft me een tijdje dwars gezeten. Niet elke dag, maar als een stille ondertoon. Alsof er een deel van mijn denken geen uitvoer meer had.

Tot 2025.

ChatGPT had me al een tijdje aan het denken gezet. Het begon voorzichtig — een prompt intypen, kijken wat eruit komt. Maar wat ik voelde was ouder dan dat. Het was hetzelfde gevoel als achter die Commodore zitten. Het gevoel dat ik weer iets kon maken. Dat mijn ideeën, die ik altijd in mijn hoofd had maar nooit technisch kon uitvoeren, opeens wél tot leven konden komen.

En toen maakte Claude Code zijn opwachting. Een AI die niet alleen antwoorden geeft, maar code schrijft, uitvoert, bijstuurt en bouwt — terwijl jij de richting bepaalt. De cirkel was rond. De maker was terug.

En nu zijn we alweer een stap verder.

Want wat we nu "agents" noemen, is fundamenteel anders dan chatten. Een agent is geen antwoordmachine. Het is een zelfstandige digitale werknemer die taken oppakt, beslissingen neemt, andere tools aanroept, en resultaten terugkoppelt — zonder dat jij elke stap hoeft te begeleiden. En teams van agents? Dat zijn digitale projectteams die parallel werken aan opdrachten die vroeger weken kostten.

Ik heb me de afgelopen periode als een echte nerd in dit onderwerp verdiept. En wat ik zag, raakte me direct in mijn vak.

Want als dit het geval is voor mij — iemand die als adviseur werkt aan vastgelopen gebiedsontwikkelingsprojecten — wat betekent het dan voor de planoloog die elke dag beleidsnotities schrijft? Voor de stedenbouwkundige die uren in AutoCAD zit? Voor de projectleider die vergadert over vergaderingen?

Dat is de vraag die ik hieronder probeer te beantwoorden. Niet in abstracties — efficiëntiewinst, taakverschuiving, nieuwe competentieprofielen — maar gewoon: hoe ziet die dinsdagochtend er in 2029 concreet uit?

Drie mensen. Drie werkochtenden. En drie scenario's — want er is niet één toekomst. Die rolt namelijk tegelijk op drie manieren uit, afhankelijk van je organisatie, je gemeente, je opdrachtgever.

En bij elk scenario: wat wordt er beter. Wat wordt er minder leuk. En wat verdwijnt voorgoed.

Drie scenario's — en waarom ik ze niet als voorspellingen bedoel

Voordat ik de dinsdagochtenden beschrijf, wil ik even stilstaan bij de scenario's zelf. Want wie schrijft over 2029 doet aan toekomstverkenning, niet aan waarzeggerij. Dat onderscheid is belangrijk.

De drie scenario's die ik gebruik komen voort uit een combinatie van economische theorie, empirisch onderzoek naar AI-adoptie, en macro-economische risicoanalyse. Ze sluiten elkaar niet uit. Ze lopen waarschijnlijk tegelijk, in verschillende organisaties en sectoren.

Scenario 1: De versnelde bouwmachine

Dit scenario is gebaseerd op de zogeheten Jevons-paradox — een economisch principe dat al in 1865 door de Britse econoom William Stanley Jevons werd beschreven. Zijn observatie: efficiëntere stoommachines leidden niet tot minder steenkoolverbruik, maar tot méér, omdat de lagere kosten per eenheid het totaalgebruik deden stijgen.

Vertaald naar 2029: als AI het maken van ruimtelijke analyses, ontwerpvarianten en planningsrapporten veel goedkoper maakt, zullen overheden en marktpartijen er niet minder van vragen — maar meer. Meer projecten in portefeuille, meer varianten per project, meer participatierondes, meer scenario's voor bestuurders.

Natuurkundige en oud-directeur van het Institute for Advanced Study Robert Dijkgraaf illustreerde dit mechanisme ooit aan de hand van radiologen. De verwachting was dat AI de radioloog zou vervangen, omdat algoritmes tumoren op scans sneller en nauwkeuriger herkennen dan mensen. Maar wat er in de praktijk gebeurde: doordat AI scans goedkoper en sneller kon analyseren, werden er gewoon veel méér scans gemaakt. De drempel om iemand door te sturen voor beeldvorming daalde. Het totale volume aan radiologisch werk steeg. En de radioloog verschoof van "iemand die plaatjes beoordeelt" naar "iemand die complexe casuïstiek interpreteert die de machine niet kon duiden." Niet minder werk — ander werk.

Voor de planoloog werkt dit precies zo. Als een variantenstudie geen twee weken maar twee uur kost, vraagt de wethouder er niet drie maar tien. Als een participatiesamenvatting automatisch wordt gegenereerd, neemt het aantal participatiemomenten toe in plaats van af. De drempel daalt, het volume stijgt, en de professional verschuift naar de interpretatie die de machine niet kan leveren.

Wetenschappelijk onderzoek naar vroege AI-adoptie (onder meer gepubliceerd via het National Bureau of Economic Research) bevestigt dit patroon op taakniveau: AI vervangt doorgaans eerst deelprocessen, waarna de totale werkdruk toeneemt in plaats van afneemt. De OESO rapporteerde in recente surveys dat generatieve AI bij ruim dertig procent van de ondervraagde organisaties al in gebruik is — met een gemeld effect van méér vraag naar hooggeschoold werk, niet minder.

Nuance: dit scenario veronderstelt dat financiering en marktvraag op peil blijven. Als die instorten — door rente, beleidswijzigingen of macro-economische tegenwind — kantelt de redenering.

Scenario 2: De agentic schok

Dit scenario is gebaseerd op een macro-economisch risicomodel dat werd uitgewerkt door het Amerikaanse researchplatform Citrini Research onder de naam The 2028 Global Intelligence Crisis. Het is expliciet een scenario, geen voorspelling — maar een serieuze linkerstaartrisicoverkenning die ik niet kon negeren.

De kern van de redenering is een domino-effect, en het helpt om die stap voor stap te volgen.

AI-agents vervangen snel grote hoeveelheden kenniswerk. Niet alleen in gebiedsontwikkeling, maar breed: juridisch werk, financiële analyse, HR, communicatie, back-office. Dat leidt tot stijgende werkloosheid onder witte-boordenberoepen — precies de groep die nu koopwoningen koopt en middenhuurwoningen bewoont. Citrini Research noemt dit "Ghost GDP": de productiviteit stijgt wel, maar de inkomens die die productiviteit normaal gesproken genereren komen niet meer terug als consumptievraag.

En daar wordt de koppeling naar woningbouw concreet.

Minder werkgelegenheidszekerheid betekent minder hypotheekaanvragen. Minder koopkracht betekent minder vraag naar middenhuur. Ontwikkelaars die rekenen op een bepaald absorptietempo zien hun businesscase verslechteren. Ze trekken zich terug uit projecten, of vragen betere grondprijzen die gemeenten niet kunnen bieden. Private nieuwbouw stokt — niet omdat er geen woningbehoefte is, maar omdat de betalende vraag is weggevallen.

De gemeente blijft wél staan voor haar opgave. Sociale woningbouw, betaalbare huur, herstructurering van kwetsbare wijken — dat verdwijnt niet van de politieke agenda. Maar de gemeentebegroting staat tegelijkertijd onder druk, want ook de gemeente merkt de effecten: lagere belastinginkomsten, meer aanvragen voor sociale voorzieningen, minder ruimte voor investering.

Het resultaat is het scenario dat ik het meest realistisch én het meest ongemakkelijk vind: de gemeente bezuinigt op haar ruimtelijk apparaat, terwijl de opgave niet kleiner wordt. Eén planoloog neemt het werk over van drie collega's. Maar ze doet dat niet alleen — ze werkt met twee AI-collega's die het uitzoekwerk, het verslagleggingswerk en de eerste analyses voor hun rekening nemen.

Het werk krimpt dus niet. Het team wel.

Nuance: hoe snel en hoe hard dit domino-effect doorwerkt, is onzeker. Veel economen — waaronder analisten bij Citadel Securities, die betoogden dat technologische capability en adoptie twee heel verschillende tempo's volgen — verwachten dat dit soort schokken gefaseerder verlopen dan de alarmisten voorspellen. Maar ook in een gematigde versie van dit scenario is de richting helder: minder publieke capaciteit, meer druk op degenen die overblijven, en AI als noodzakelijke compensatie voor wat er aan menskracht wegvalt.

Scenario 3: De trage diffusie

Dit scenario volgt de empirische waarschuwing dat technologische mogelijkheden en daadwerkelijke implementatie twee heel verschillende dingen zijn. Adoptie van nieuwe technologie wordt geremd door compliance-eisen, aansprakelijkheidsvragen, data-kwaliteitsproblemen, organisatiecultuur en — in de publieke sector — politieke besluitvorming.

De EU AI Act speelt hier een concrete rol. Vanaf augustus 2026 gelden strikte verplichtingen voor zogenoemde hoog-risico toepassingen, waaronder systemen die worden ingezet bij publieke besluitvorming — een categorie die ruimtelijke planprocessen direct kan raken. Organisaties die hier niet op voorbereid zijn, zullen AI-tools vertragen of terugdraaien, niet versnellen.

In dit scenario werken koplopers — grote gemeenten, grote adviesbureaus, grote ontwikkelaars — al volledig met agent-stacks. Maar een groot deel van de sector zit in 2029 nog in de pilotfase, afwachtend op richtlijnen die er nog niet zijn.

Nuance: dit is geen faalscenario. Trage diffusie kan ook betekenen dat de sector zorgvuldiger implementeert en minder in valkuilen stapt. De keerzijde is dat de kloof tussen koplopers en achterblijvers groeit — en dat die kloof zich uiteindelijk vertaalt in ongelijke projectkwaliteit, doorlooptijden en woningbouwuitkomsten.

Met deze drie lenzen in het achterhoofd: naar de dinsdagochtend.

Drie mensen. Eerst even kennismaken.

Lara is 38, planoloog bij een middelgrote gemeente. Ze werkt er al twaalf jaar, heeft drie bestemmingsplannen getrokken en een structuurvisie geschreven die ze zelf "een tikje te ambitieus voor de politieke realiteit" vindt. Ze ergert zich chronisch aan de hoeveelheid tijd die gaat zitten in dingen die haar niet interesseren: data verzamelen, rapporten schrijven die niemand leest, vergaderingen voorbereiden die tot niets leiden.

Maarten is 44, stedenbouwkundige bij een adviesbureau. Hij tekent al twintig jaar. Zijn handschrift zit in drie wijken die hij met trots passeert als hij erlangsrijdt. Zijn lust is de spanning tussen het idee en de plek. Zijn lust is niet: zes uur AutoCAD om een bestemmingsvlak op de millimeter te krijgen. Dat was hij al beu in 2019.

Judith is 51, projectleider gebiedsontwikkeling bij een woningcorporatie. Ze heeft vier grote transformatieprojecten geleid en twee keer een bewonersoproer overleefd. Ze weet dat haar werk voor negentig procent bestaat uit mensen — en voor tien procent uit documenten. De stukken heeft ze altijd als een noodzakelijk kwaad gezien.

Scenario 1: De versnelde bouwmachine — hoe ziet hun dag eruit?

Lara, planoloog

Op dinsdagochtend opent Lara haar planning-agent. Ze typt: "Geef me een eerste ruimtelijke analyse van locatie Noordoever, inclusief relevante beleidsregels omgevingsplan, bezonningsimpact en drie programmatische varianten met grove grondexploitatie." Binnen twintig minuten heeft ze een werkbaar overzicht. Niet perfect, maar goed genoeg voor het eerste gesprek met de wethouder.

Wat dan volgt is waar haar dag pas echt begint. Ze leest de analyse kritisch door. Ze ziet dat de agent de nieuwste stikstofregels niet goed heeft meegenomen — een aanname die juridisch niet houdbaar is. Ze past het aan, belt de omgevingsjurist, maakt een afweging die ze aan de raad moet kunnen uitleggen.

Wat beter wordt: Lara doet eindelijk het werk waar ze voor gestudeerd heeft. Analyseren, afwegen, oordelen. De twee weken die ze vroeger kwijt was aan rapporten schrijven en data verzamelen, zijn nu beschikbaar voor het gesprek met bewoners, de politieke briefing, het inhoudelijke debat. Ze heeft meer impact op meer projecten tegelijk.

Wat minder leuk wordt: De verwachtingen zijn ook omhooggegaan. Omdat analyses goedkoper zijn, wil de wethouder er tien in plaats van drie. Lara wordt niet minder druk — ze wordt drukker op een ander niveau. Ze voelt zich soms een keurmeester van iets wat ze niet volledig begrijpt: ze controleert of de machine het goed heeft gedaan, maar niemand heeft haar geleerd hoe.

Wat verdwijnt: Het schrijven van beleidsnotities voor de hand. Het zelf opbouwen van databestanden. Het uren zoeken in het DSO. Soms mist ze het niet. Soms mist ze het wel — want in dat zoekwerk zat ook kennis die ze nu niet meer vanzelfsprekend opdoet.

Maarten, stedenbouwkundige

Maartens dinsdagochtend begint met een opdracht: een herontwikkelingslocatie van twee hectare in een bestaande woonwijk. Hij geeft de AI-tool de constraints mee — 30% sociaal, bezonningseisen, maximale hoogte, energieneutraal, fasering in drie fases, parkeernorm. In veertig minuten heeft hij zeven ruimtelijke varianten, elk met een 3D-massa en een eerste programmabalans.

Dan begint zijn echte werk. Hij schuift zes varianten weg. Eentje klopt niet met de maat van de straat. Drie zijn technisch correct maar ruimtelijk dood. Twee zijn interessant maar politiek onhaalbaar — hij kent de wijk, hij weet dat de buurt hier niet aan zal wennen. De zevende heeft iets. Hij pakt hem op.

Wat beter wordt: Maarten komt eindelijk aan de kern van zijn vak toe. Hij wil niet tekenen. Hij wil nadenken over de ruimte. Nu kan hij dat. Zijn bureau neemt meer opdrachten aan, want de voorbereidingstijd is gehalveerd. Hij zit aan meer tafels.

Wat minder leuk wordt: Zijn klanten verwachten nu ook meer. Tien varianten in een week in plaats van drie. Soms voelt het alsof hij een curateur is geworden van andermans werk — hij selecteert en beoordeelt, maar het creatieve handwerk, de schets die direct uit zijn hoofd komt, doet hij steeds minder. Dat mist hij soms meer dan hij had verwacht.

Wat verdwijnt: De lange, stille uren achter de tekentafel. De flow van het tekenen zelf. Voor sommige collega's was dat juist het meest waardevolle onderdeel van het werk. Voor hen is dit verlies reëel.

Judith, projectleider

Op dinsdagochtend is Judits inbox leeg. Niet omdat er niets is — er is altijd iets — maar omdat haar agent-stack de nacht ervoor heeft gewerkt. Actie-items uit de vergadering van maandag staan in het actielog. Drie contractdocumenten zijn samengevat met de relevante risico's gemarkeerd. Het risico-register is bijgewerkt.

Judith begint de dag met lezen, corrigeren en besluiten: klopt dit? Is dit de juiste interpretatie? Heeft de agent iets over het hoofd gezien? Dan gaat ze naar haar eerste gesprek — een stakeholderoverleg met de aannemer over fasering.

Wat beter wordt: Judith doet eindelijk wat ze altijd al wilde doen: mensen bij elkaar brengen, knopen doorhakken, richting geven. Ze is scherper in vergaderingen omdat ze beter voorbereid is. Ze kan meer projecten tegelijk dragen.

Wat minder leuk wordt: Ze is nu ook "AI-governance-verantwoordelijke" geworden. Ze moet controleren of de participatiesamenvatting geen selectieve weergave is van wat bewoners zeiden, en de besluitlogboeken zo inrichten dat ze juridisch standhouden bij een bezwaar. Werk dat ze niet heeft geleerd en dat niemand haar actief aanbiedt te leren.

Wat verdwijnt: De ad-hoc-chaos die haar werk soms ook energie gaf. Het brandjes blussen. De adrenaline van het oplossen van iets onverwachts. Haar werk is planmatiger geworden. Judith — die van het improviseren hield — mist dat soms.

Scenario 2: De agentic schok — hoe ziet hun dag eruit?

De private markt is ingezakt. Niet omdat er geen woningbehoefte is, maar omdat de betalende vraag is weggevallen: stijgende werkloosheid onder witte-boordenberoepen heeft hypotheekaanvragen doen dalen, koopkracht verminderd, en ontwikkelaars uit projecten gedreven die hun businesscase niet meer rond kregen. Gemeenten staan nog steeds voor hun opgave — sociale woningbouw, herstructurering, betaalbare huur — maar de begroting staat onder druk door lagere belastinginkomsten en hogere sociale uitgaven.

Het resultaat: de gemeente bezuinigt op haar ruimtelijk apparaat, terwijl de opgave niet kleiner wordt. Het werk krimpt niet. Het team wel.

Lara, planoloog

Lara's dinsdagochtend begint met een mail van de wethouder. Twee woningcorporaties willen uit een anterieure overeenkomst stappen. Ze moet vandaag een heronderhandelingsstrategie hebben. Twee collega's zijn weg door bezuinigingen. Haar directe AI-agent helpt haar met een juridische scan van de overeenkomst en drie opties voor herstructurering — binnen een uur liggen die op haar scherm. Maar het besluit dat ze daarna moet nemen — welke partij ze tegemoetkomt, welke ze stevig vasthoudt — dat vraagt politiek inzicht en relationele kennis die de machine niet heeft.

Wat beter wordt: Lara wordt gedwongen om een bestuurlijke en politieke speler te worden. Ze kan er niet meer omheen. Haar werk wordt gewichtiger. Ze is niet langer de beheerder van processen maar de spil van moeilijke keuzes.

Wat minder leuk wordt: De druk is harder dan ooit. Ze werkt met AI-tools die ze niet volledig vertrouwt op dossiers die ze niet volledig overziet. Ze voelt de verantwoordelijkheid zwaarder dan de ondersteuning. En ze mist het collegiaal sparren — er is gewoon niemand meer om mee te overleggen.

Wat verdwijnt: De zekerheid dat haar werk leidt tot iets bouwen. Ze helpt nu vaker dingen herindelen, temporiseren, stopzetten. Dat vraagt een ander soort vakmanschap — en niet iedereen vindt dat even bevredigend.

Maarten, stedenbouwkundige

Maartens bureau heeft twee grote private opdrachtgevers verloren. Maar gemeenten en corporaties doen wél iets: ze herstructureren. Maarten werkt nu voornamelijk aan transformatie van bestaand vastgoed — kantoren naar woningen, bedrijventerreinen naar gemengd woonmilieu, leegstaande winkelplinten naar zorgfuncties. Zijn AI-tool genereert varianten met een herbestemmingslens: bestaande draagconstructies als constraint, aanpassingen binnen het bestaande bouwvolume, kostenramingen op basis van transformatiekengetallen.

Wat beter wordt: Maarten ontdekt dat hij het transformatiewerk eigenlijk interessanter vindt dan nieuwbouw. Er zit meer puzzel in. Meer contextgevoeligheid. Meer overleg met bewoners die er al wonen. Zijn vak wordt menselijker.

Wat minder leuk wordt: De budgetten zijn kleiner, de marges krapper. Bestaande constructies dicteren meer dan hij wil. En de onzekerheid over de markt maakt langetermijnplanning voor zijn bureau lastig — hij weet niet of er volgend jaar nog genoeg opdrachten zijn.

Wat verdwijnt: De vrijheid van het blanco vel. Het ontwerpen vanuit niets, voor een plek die nog alles kon worden. Die projecten zijn er bijna niet meer.

Judith, projectleider

Judits project is halverwege gestrand. De marktpartij heeft zich teruggetrokken. De gemeente wil heronderhandelen. De corporatie staat onder druk van het Rijk om tóch te leveren. Haar team telt nog drie mensen in plaats van zeven.

Haar dag bestaat uit crisismanagement. De agent herberekent het programma als ze veertig procent minder marktwoningen inzet — binnen een uur liggen er drie financiële scenario's. Maar dan begint het eigenlijke werk: ze belt de wethouder, bespreekt met de raad van bestuur, overlegt met de buurtbeheerder die ziet dat er weer niets wordt gebouwd in zijn wijk.

Wat beter wordt: Judith heeft in crisistijd sneller informatie tot haar beschikking dan ooit. Ze kan schakelen zonder te wachten op een planeconoom die drie weken bezet is.

Wat minder leuk wordt: De druk is continu. De beslissingen zijn groter. Ze mist de collegialiteit van een vol team. En ze vraagt zich hardop af: heb ik nog genoeg vakinhoudelijke kennis om de AI-output goed te beoordelen? Of vertrouw ik inmiddels blind op iets wat ik niet meer kan controleren?

Wat verdwijnt: De rust van weten dat je achter je beslissing kunt staan. In een smaller team met hogere druk en snellere AI-output is die zekerheid een luxe geworden.

Scenario 3: De trage diffusie — hoe ziet hun dag eruit?

Lara, planoloog

Lara's gemeente heeft AI-tools nog niet geïmplementeerd. Er was een pilot, maar de juridische afdeling heeft vragen gesteld over aansprakelijkheid, ICT is nog bezig met de infrastructuur, en de directie wil eerst een beleidsnota. Lara weet dat collega's bij andere gemeenten al maanden werken met planning-agents. Ze ziet op LinkedIn hoe Utrecht een participatiesamenvatting van driehonderd reacties in een uur heeft gegenereerd. Zijzelf zit nog te copy-pasten uit het DSO.

Wat beter wordt: Niet veel. Althans niet voor haar, niet nu.

Wat minder leuk wordt: De combinatie van weten dat het anders kan én er zelf niet bij kunnen. Ze besteedt meer tijd aan AI-governance-vergaderingen dan aan planologie. Nuttig werk — maar niet wat ze is gaan doen voor haar vak.

Wat verdwijnt: Haar gevoel van voorsprong. Jongere collega's bij andere organisaties bouwen vaardigheden op die zij mist. Ze is bang dat de kloof groter wordt naarmate haar gemeente langer wacht.

Maarten, stedenbouwkundige

Maarten werkt bij een bureau dat vroeg heeft geïnvesteerd in AI — hij is zelf een koploper. Maar zijn gemeente-opdrachtgevers lopen achter. Ze kunnen zijn AI-gegenereerde varianten niet goed beoordelen. Ze vragen om "gewone tekeningen" omdat bestuurders die begrijpen. Maarten heeft tools die tien keer sneller zijn, maar hij remt zijn werkwijze af voor zijn klant.

Wat beter wordt: Hij leert zijn klanten meenemen. Dat is een vaardigheid die hij eerder nooit nodig had — en die hem verrassend veel voldoening geeft.

Wat minder leuk wordt: De frustratie van kunnen maar niet mogen. Hij ziet kansen die zijn opdrachtgever niet ziet. En hij weet niet altijd of het zijn taak is om die kloof te dichten.

Wat verdwijnt: De vanzelfsprekendheid van zijn rol. Hij is soms meer coach dan stedenbouwkundige. Of hij dat wil, is een vraag die hij zichzelf steeds vaker stelt.

Judith, projectleider

Judits corporatie heeft geïnvesteerd in AI-tools, maar de gemeenten waarmee ze samenwerkt niet. Het resultaat: aan de ene kant van de tafel werkt ze met agent-gegenereerde risicoscans en besluitlogboeken; aan de andere kant ontvangt ze met de hand geschreven vergaderverslagen en Excel-sheets die drie weken oud zijn. De samenwerking loopt schokkerig. Niet door gebrek aan wil, maar door ongelijke snelheid.

Wat beter wordt: Judith wordt heel goed in het vertalen. Ze kan AI-output presenteren op een manier die ook werkt voor partijen die er nog niet mee werken. Dat is een vaardigheid die haar waardevoller maakt aan elke tafel.

Wat minder leuk wordt: Het voelt soms als twee handen op één buik terwijl de handen in verschillende tempo's bewegen. De frictie zit niet in de inhoud maar in de werkwijze — en dat is moeilijker uit te leggen aan een wethouder dan een inhoudelijk meningsverschil.

Wat verdwijnt: De illusie dat iedereen in hetzelfde tijdperk opereert. In 2029 werken mensen in dezelfde vergaderruimte vanuit fundamenteel verschillende digitale werkelijkheden. Judith navigeert die kloof dagelijks — of ze wil of niet.

Wat er overblijft als de machine het uitzoekwerk overneemt

Drie mensen. Drie scenario's. En toch loopt er één rode draad doorheen die me niet loslaat.

Bij elk scenario, in elke rol, verdwijnt hetzelfde soort werk als eerste: het specialistische uittypwerk. De juridisch-planologische notitie die drie dagen kostte. Het verslag dat niemand las maar dat toch geschreven moest worden. De grondexploitatie-spreadsheet die steeds opnieuw werd nagebouwd. De samenvatting van honderd participatiereacties die altijd een week te laat klaar was.

Dat werk gaat weg. En ik denk — en dit is mijn eigen overtuiging, niet alleen een analyse — dat dat op zichzelf geen verlies is. Het was nodig. Het was ook vaak goed werk. Maar het was nooit de kern van waarom mensen dit vak kozen.

De kern was altijd iets anders.

Het was het gesprek met de bewoner die eindelijk begreep waarom zijn straat anders zou worden ingericht. Het was de wethouder die je wist te overtuigen van een aanpak die politiek ongemakkelijk lag maar inhoudelijk klopte. Het was het moment in een vastgelopen overleg waarop je voelde — niet analyseerde, maar voelde — dat de verhouding tussen twee partijen aan het kantelen was, en dat je daar nu iets mee moest doen.

Dat is het werk dat overblijft. En meer dan dat: het wordt de kern.

Want als analyses en rapporten goedkoop zijn, wordt het aangaan van relaties het schaarse goed. Als varianten in twintig minuten zijn gegenereerd, wordt de vraag wie ze durft te verdedigen de beslissende. Als de financiële doorrekening in een uur klaar is, begint het echte planeconomische werk pas: welke aannames zijn politiek verdedigbaar, wie heeft er belang bij dat de grondprijs laag blijft, en hoe onderhandel je dat zonder de samenwerking te beschadigen?

Strategie — politiek, financieel, relationeel — wordt de nieuwe vakinhoud.

Dat is een grote verschuiving. En niet iedereen in ons vak is daarop voorbereid. Want we hebben tientallen jaren opgeleid op het uitwerken. Op de technische beheersing van het instrumentarium. Op het schrijven van het goede plan. Dat was de maatstaf waarop je werd beoordeeld, waarop je promotie maakte, waarop je reputatie rustte.

Die maatstaf verdwijnt niet volledig — kwaliteit blijft tellen. Maar hij verschuift. Wie in 2029 onvervangbaar is in gebiedsontwikkeling, is niet degene met de snelste tool. Het is degene die een zaal vol wantrouwende stakeholders weet te verbinden rond een gezamenlijk beeld. Die begrijpt waarom een bestuurder iets niet durft te zeggen in een vergadering, maar het wél zegt als je samen in de auto zit. Die weet dat vertrouwen geen output is van een goed rapport, maar van honderd kleine momenten van consistent gedrag over langere tijd.

Dat klinkt zachter dan planologie. Maar het ís planologie — altijd geweest. We mochten het alleen een tijdje vergeten, omdat er zoveel andere dingen waren om handen aan vol te houden.

AI geeft ons die handen terug. Wat we ermee doen, is nu aan ons.

Wessel Tiessens helpt organisaties bij vastgelopen gebiedsontwikkelingsprojecten — niet met meer rapporten, maar door de menselijke dynamiek achter de vertraging aan te pakken.

Herken je dit in jouw organisatie? Ben je benieuwd hoe jouw team zich voorbereidt op deze verschuiving — of zit je er zelf middenin? Stuur me een bericht. Ik spar graag.