Het verdwijnen of falen van grote AI-bedrijven wordt misschien niet letterlijk voorspeld, maar een belangrijk onderliggend probleem werd al in 1975 beschreven in het boek The Mythical Man-Month van Frederick Brooks. Hij leidde de ontwikkeling van IBM’s System/360 en beschreef een probleem dat vandaag opnieuw bijzonder relevant is: de misvatting dat je complexe werkzaamheden sneller kunt uitvoeren door simpelweg meer mensen in te zetten.
Brooks vatte dit samen met een beroemde observatie:
“De kosten variëren inderdaad evenredig met het product van het aantal mensen en het aantal maanden. De voortgang doet dat niet. Mensen en maanden zijn alleen onderling uitwisselbaar wanneer een taak kan worden opgedeeld in afzonderlijke werkzaamheden die door meerdere mensen kunnen worden uitgevoerd zonder onderlinge communicatie.”
Het principe is eenvoudig. Wanneer iedereen aan een afzonderlijke taak kan werken en de resultaten achteraf kunnen worden samengevoegd, leidt meer mankracht doorgaans tot meer productiviteit.
Maar zodra werkzaamheden niet eenvoudig op te splitsen zijn, verandert dat verhaal. Extra mensen zorgen dan voor meer communicatie, coördinatie en complexiteit. Bij complexe softwareprojecten kan het toevoegen van mensen er zelfs voor zorgen dat het langer duurt om het eindresultaat te bereiken.
Precies hetzelfde probleem zien we nu met AI-agents.
We zien duizenden agents die tokens verbruiken, code produceren en allerlei werkzaamheden uitvoeren. Er ontstaat enorm veel activiteit, maar de economische resultaten en de daadwerkelijke voortgang van projecten stijgen niet noodzakelijk in dezelfde mate.
Veel mensen richten zich op het verkeerde principe. Ze denken dat meer agents, meer tokens en meer parallelle processen automatisch leiden tot betere resultaten.
Voor goed opdeelbare werkzaamheden klopt dat. Maar zodra je complexe taken tegenkomt die onderling afhankelijk zijn, loop je tegen de grenzen aan. Meer agents betekenen dan niet automatisch meer productiviteit. Ze kunnen juist extra coördinatie en afhankelijkheden veroorzaken, waardoor de voortgang afneemt.
Toch is de reflex vaak hetzelfde: nog meer agents inzetten en nog meer tokens verbruiken.
Maar wat is dan wél de oplossing?
Neem de tijd
Dat is misschien wel de belangrijkste les uit Brooks’ boek. Softwareprojecten lopen niet alleen vast door een gebrek aan mensen of capaciteit, maar ook doordat er onvoldoende tijd wordt besteed aan het begrijpen van het probleem.
Je moet eerst vaststellen welke werkzaamheden uitgevoerd moeten worden, welke parallel kunnen plaatsvinden, waar de afhankelijkheden liggen en hoe je het geheel organiseert. Pas daarna kun je bepalen wat je effectief kunt automatiseren of aan agents kunt uitbesteden.
Meer capaciteit lost geen probleem op dat voortkomt uit een verkeerde taakverdeling of een gebrek aan inzicht.
En dat is misschien wel de grootste uitdaging voor de huidige AI-industrie: veel bedrijven hebben niet de financiële ruimte of het geduld om te wachten totdat de beloofde productiviteitswinst daadwerkelijk zichtbaar wordt.