‘Te breed’ als professional? Dat is juist je strategisch voordeel

AI verandert de arbeidsmarkt duidelijk. We kunnen sneller werken en meer doen met minder mensen. Maar de echte verandering zit dieper. Het gaat niet alleen over hoe we werken, maar ook over wat we als waardevol werk zien.

Veel professionals reageren op deze verandering op dezelfde manier: ze gaan zich nog meer specialiseren. Ze kiezen een smallere niche, proberen duidelijker te maken waar ze voor staan. Dat is logisch. Maar dat covert niet het hele verhaal. Vandaag de dag kan kennis makkelijk gedeeld en gekopieerd worden, output en creatief werk worden sneller gemaakt, dankzij de hulp van AI. Daardoor verschuift ook wat waardevol is niet weg van wat je doet, maar wel naar hoe je het doet.

Minder focus op uitvoeren en meer op:

• Keuzes maken
• Richting geven
• Verbanden zien
• Context begrijpen

En daar ontstaat spanning, want wat als professionals die zich lang te breed of lastig te positioneren voelden, nu precies zijn wat de markt nodig heeft.

De reflex naar specialisatie

Jarenlang was specialisatie de veiligste strategie. Kies een niche. Word ergens uitzonderlijk goed in. Bouw herkenbaarheid op. Dat model werkt nog steeds, maar het kraakt en komt meer onder druk te staan dan vroeger.

Volgens het World Economic Forum verschuift de vraag op de arbeidsmarkt steeds sterker richting: analytisch denken, creativiteit, veerkracht, flexibiliteit en levenslang leren. Ook het Stanford AI Index Report 2025 en onderzoek van McKinsey wijzen op dezelfde beweging: AI versnelt taken, maar verhoogt tegelijk de waarde van interpretatie, besluitvorming en het combineren van inzichten.

De vraag verschuift van “Wat kan jij doen?” naar “Hoe denk jij en hoe breng jij dingen samen?”

Expertise blijft belangrijk, maar wordt steeds minder voldoende als onderscheidende factor. Relevanter wordt hoe iemand kennis vertaalt, context begrijpt en nieuwe verbanden legt.

Wat AI versnelt, maakt menselijke scherpte zichtbaarder

Ik heb zelf bewust een advanced AI-opleiding gevolgd om mijn kennis te verdiepen en mijn skills te verbreden. Wat mij daarbij vooral opviel, was niet alleen hoe krachtig de technologie is, maar ook hoe duidelijk het wordt waar menselijke meerwaarde zit.

Twee mensen kunnen dezelfde tool gebruiken en toch totaal verschillende resultaten krijgen.

Het verschil zit niet in de tool.

Het zit in:

• Wat je vraagt
• Hoe je stuurt
• Wat je weglaat
• Welke output je vertrouwt

Dat wordt nog altijd bepaald door de mens achter de machine. Door de prompt, maar vooral door hoe iemand denkt.

AI zorgt ervoor dat we sneller kunnen werken. Maar waarde ontstaat nog altijd in hoe mensen denken, keuzes maken en verbanden leggen.

Daarom zijn menselijke eigenschappen belangrijker dan ooit:

• Oordeelsvermogen
• Nuance
• Verbeelding
• Inlevingsvermogen

Het vermogen om iets aan te voelen of te zien voordat het duidelijk uitgesproken wordt. AI kan veel versnellen, maar het bepaalt niet wat belangrijk is.

Dat blijft mensenwerk.

Wat het verschil maakt in een AI-context

Er zit nog een laag onder die vaak onderschat wordt: doorleefde ervaring. Niet alleen kennis, maar alles wat jij hebt meegemaakt, getest, geprobeerd en geïnterpreteerd over verschillende contexten heen.

Ook ondernemers als Daniel Priestley zien dit als een van de weinige échte onderscheidende factoren, nu content steeds makkelijker te produceren is. AI kan output genereren, het kan verbanden simuleren, maar het heeft geen ervaring. Het heeft niet getest wat werkt in de praktijk. Het heeft geen gevoel voor nuance dat ontstaat door trial & error.

Dankzij jouw geïnterpreteerde ervaring ontstaat waarde die moeilijk te kopiëren is.

Voor multi-passionate professionals wordt dat extra interessant.

Door hun leerhonger, hun neiging om te schakelen tussen domeinen en hun trial & error-gedrag, bouwen ze vaak een bredere ervaringsbasis op dan ze zelf beseffen. Ze nemen inzichten mee uit het ene domein naar het andere. MPP’s testen snel en zien sneller wat wel en niet werkt in verschillende contexten.

Wat op het eerste gezicht onsamenhangend lijkt, vormt onderliggend een rijk referentiekader. En net dat referentiekader bepaalt hoe je AI gebruikt.

• Welke input je geeft.
• Welke output je vertrouwt.
• Wat je nuanceert of bijstuurt.
• En vooral: wat je eruit haalt dat anderen niet zien.

AI geeft je antwoorden, maar jouw ervaring bepaalt welke daarvan relevant zijn.

De kwaliteit van je output wordt niet alleen bepaald door je prompt, maar door alles wat je al hebt meegemaakt en geleerd.

Waarom multi-passionate professionals hier net voorsprong hebben

Binnen mijn werk gebruik ik de term multi-passionate professional voor iemand die meerdere interesses heeft en waarde creëert door verschillende perspectieven te combineren. Ze creëren hun eigen manier van werken. Dat profiel wordt nog te vaak verkeerd gelezen. Veelzijdigheid wordt snel gezien als gebrek aan focus. Keuzestress. Moeilijk te positioneren. Te breed. Maar in een AI-context gebeurt iets opvallends.

Professionals die gewend zijn om over domeinen heen te denken, blijken vaak sneller te zien waar de echte meerwaarde zit. Niet ondanks hun veelzijdigheid, maar net daardoor.

Ze zijn gewoon om:

• Informatie uit verschillende bronnen te combineren.
• Snel te schakelen tussen invalshoeken.
• Patronen te herkennen waar anderen losse elementen zien.
• Kritische vragen te stellen die richting geven, in plaats van alleen output te produceren.

Die kwaliteiten sluiten opvallend goed aan bij wat vandaag schaarser wordt in kenniswerk.

Volgens McKinsey groeit de vraag naar technologische skills, maar ook naar kritisch denken, creativiteit en sociale vaardigheden. Net daar vinden bedrijven vandaag moeilijk mensen. Veel van die vaardigheden passen niet in één duidelijke functietitel. Ze ontstaan net door ervaring op te bouwen in verschillende contexten en door snel te leren schakelen.

En dat is waar veel multi-passionate professionals al jaren op inzetten: niet op één specialisatie, maar op leren, combineren en aanpassen. Je ziet dat ook in de markt. Er ontstaan steeds meer platformen en job boards voor zogenaamde “AI generalists”. Dat toont dat de vraag naar profielen die kunnen schakelen tussen technologie, strategie en context groeit. Zie bijvoorbeeld dit job board voor AI generalists.

Volgens McKinsey zullen tegen 2030 veel professionals van rol of invulling moeten veranderen. Dat gaat niet alleen over een nieuwe jobtitel, maar over hoe je je waarde definieert in een snel veranderende wereld.

De arbeidsmarkt vraagt niet langer om het meest consistente profiel, maar om het meest adaptieve.

In haar TED-talk over multipotentialites benoemt Emilie Wapnick drie typische sterktes: idea synthesis, rapid learning en adaptability. Net die combinatie voelt vandaag plots minder als een struggle en meer als een strategische troef. Wat vroeger als ’te breed’ werd gezien, wordt vandaag steeds vaker een vorm van intelligentie.

De markt verandert sneller dan klassieke loopbaanlogica

Dat betekent niet dat specialisten overbodig worden. Integendeel. Maar veel vraagstukken van vandaag zijn complex. Je kan ze vaak niet meer oplossen binnen één vakgebied. Organisaties veranderen. Rollen veranderen. Verwachtingen veranderen. Werk wordt steeds vaker een combinatie van verschillende dingen. Dat vraagt niet alleen diepgang, maar ook het vermogen om verbanden te leggen tussen domeinen.

In een ideale context werken specialisten en generalisten samen. De ene verfijnt, de andere bewaakt het geheel.

Het probleem is dat onze manier van denken over werk daar nog niet op aangepast is. We blijven denken in functietitels, niches en lineaire carrières, terwijl veel professionals intussen werken in combinaties en dat voor organisaties best een groot voordeel kan zijn.

Waar het voor veel professionals begint te wringen

Daar zie ik een duidelijk patroon. Professionals die lang dachten dat hun brede profiel een nadeel was, beginnen te voelen dat daar net hun kracht zit. Alleen hebben ze vaak nog niet geleerd om die kracht helder te benoemen. Ze kunnen veel,  zien veel en verbinden snel. Maar zodra ze dat moeten vertalen naar positionering, ontstaat twijfel.

Hoe maak je zichtbaar dat jouw meerwaarde zit in hoe je denkt, niet alleen in wat je doet? Dat is geen klein positioneringsprobleem, dat is een identiteitsvraagstuk.

Een verschuiving die ik zelf zie

Ik zie het verschil zelf steeds duidelijker. Professionals die vooral sterk zijn in één domein, botsen vaker op dezelfde uitdaging. Een deel van hun werk wordt sneller, goedkoper of “goed genoeg” gedaan met AI. Professionals die breder kijken, gaan daar anders mee om.

Zij gebruiken AI niet als vervanging, maar als ondersteuning. Ze combineren verschillende output, kijken kritisch naar de context en sturen bij waar nodig. Ze brengen nuance waar de machine te snel vereenvoudigt. Hun waarde zit niet alleen in wat ze maken. Hun waarde zit in hoe ze richting geven aan wat er gemaakt wordt.

In een AI-gedreven werkcontext verschuift je waarde niet weg van doen, maar naar hoe je denken, doen en verbinden samenbrengt.

Wat betekent dit concreet voor jouw positionering?

Zie jij jezelf als iemand met te veel interesses? Of als iemand die moeilijk in één hokje past? Dan is dit het moment om daar anders naar te kijken. Multi-passionate professionals creëren waarde door verschillende domeinen te combineren. En net dat wordt belangrijker in een wereld met AI.

Je veelzijdigheid is geen probleem. Het kan net je grootste troef zijn.

Maar dat vraagt een andere kijk op positionering.

Minder denken in functietitels of één niche.
Meer denken in hoe jij kijkt, wat je verbindt en welke unieke combinatie jij meebrengt.

Daar begint het: jezelf begrijpen.

Hoe ga je hier mee aan de slag?

Begin niet bij je bio of je zichtbaarheid. Begin bij inzicht.

• Waar voeg jij waarde toe voorbij de output?
  Op welke momenten maak jij het verschil dat AI niet kan maken?
• Welke verbanden zie jij die anderen niet benoemen?
  Waar combineer jij inzichten die zelden samenkomen?
• Welke vragen stel jij die richting geven?
  In een AI-context bepaalt de kwaliteit van je vragen steeds vaker de kwaliteit van het werk.

Wie daar helderheid in krijgt, zet een fundamentele stap. Van zelfkennis, naar duurzame positionering.

AI verandert hoe we werken. Maar de echte verschuiving zit in hoe waarde ontstaat.

Wie alleen optimaliseert wat hij al doet, zal sneller werken. Wie verbanden legt tussen domeinen, structuren en perspectieven, zal relevanter werk doen.

Van inzicht naar actie: zo maak je je veelzijdigheid zichtbaar

Inzicht alleen verandert weinig, want echte verschuiving gebeurt pas wanneer je begint te verwoorden wat je anders ziet en doet.

Een eenvoudige manier om dat te testen, is deze oefening:

• Stap 1: benoem 2 à 3 domeinen waarin je actief bent
  Denk aan: marketing, psychologie, strategie, technologie, HR, design…
• Stap 2: kijk niet naar wat je doet binnen elk domein, maar naar wat je ziet tussen die domeinen
  Welke verbanden leg jij die anderen niet maken?
• Stap 3: vertaal dat naar één zin
  Stap af van “ik ben X”, en probeer: “Ik help organisaties om … door … te combineren.”

Deze formulering zit vaak dichter bij je echte meerwaarde dan eender welke functietitel.

Je positionering wordt sterker wanneer je vertrekt vanuit jouw combinatie, niet vanuit één expertise.

Van daaruit kan je beginnen experimenteren. In gesprekken, content en in hoe je jezelf introduceert. Veelzijdigheid is geen probleem, maar een strategische troef. Leer ze bewust inzetten.