AI verandert wie betaald wordt voor kennis
In 2026 ondergaat de arbeidsmarkt een fundamentele transformatie. Kunstmatige intelligentie (AI) automatiseert niet alleen taken, maar verandert ook wie waardevol werk verricht en hoe daarvoor wordt betaald. Volgens Brendan Foody, CEO van het AI-platform Mercor, ontstaat er een nieuwe economische laag waarin menselijke expertise centraal staat als brandstof voor geavanceerde AI-systemen. Tijdens de Disrupt-conferentie in 2026 legde Foody uit hoe zijn bedrijf, inmiddels gewaardeerd op 10 miljard dollar, top-professionals koppelt aan toonaangevende AI-labs zoals OpenAI en Anthropic.
Mercor als schakel tussen experts en AI-ontwikkeling
Mercor positioneert zich als een gespecialiseerde tussenpartij in wat Foody omschrijft als de ‘data-goudkoorts’ van AI. In plaats van gebruik te maken van goedkope, algemene crowdworkers, werkt Mercor met oud-medewerkers van gerenommeerde instellingen zoals Goldman Sachs, McKinsey en internationale advocatenkantoren. Deze professionals worden betaald tot 200 dollar per uur om hun diepgaande kennis te delen voor het trainen van AI-modellen. Ironisch genoeg dragen zij zo bij aan de ontwikkeling van systemen die mogelijk hun vroegere functies kunnen overnemen.
Deze aanpak onderscheidt Mercor van concurrenten zoals Scale AI, dat recent te kampen had met operationele uitdagingen. Die problemen benadrukten de beperkingen van traditionele datalabeling voor complexe, kennisintensieve AI-toepassingen. Door zich te richten op kwaliteit boven kwantiteit, kon Mercor snel terrein winnen.
De waarde van gespecialiseerde menselijke kennis
Volgens Foody is niet de hoeveelheid, maar de kwaliteit van trainingsdata doorslaggevend voor AI-prestaties. De top 10-20% van Mercor’s experts zorgen volgens hem voor het grootste deel van de vooruitgang in AI-modellen. Deze elite groep beschikt over kritisch denkvermogen, contextueel inzicht en praktische ervaring – eigenschappen die niet eenvoudig door machines zijn over te nemen.
Mercor selecteert deze professionals zorgvuldig via uitgebreide screenings, waarbij niet alleen cv’s worden bekeken, maar ook probleemoplossend vermogen en domeinspecifieke kennis worden getest. Deze benadering markeert een breuk met eerdere AI-trainingsmethodes die vooral op schaal en lage kosten waren gericht.
Juridische en ethische grijze gebieden
Een gevoelig punt in dit nieuwe werkmodel is de scheidslijn tussen persoonlijke expertise en bedrijfsgeheimen. Wanneer een ex-investeerder een AI traint in financiële modellering, is het lastig te bepalen waar algemene kennis stopt en vertrouwelijke informatie begint. Foody benadrukt dat Mercor strikte juridische kaders hanteert om misbruik te voorkomen. Toch blijft het voor bedrijven als Goldman Sachs een reëel risico dat de collectieve kennis van hun alumni wordt ingezet om AI-systemen te ontwikkelen die hun kernactiviteiten kunnen vervangen.
Toekomstvisie: alle kenniswerk wordt AI-training
Foody schetst een toekomst waarin kenniswerkers zich steeds meer richten op het trainen van AI in plaats van directe output voor mensen te leveren. Rapporten, contracten en financiële modellen worden dan minder belangrijk dan de data die nodig is om AI-systemen te verbeteren. In deze visie verschuift de rol van de professional van uitvoerder naar toezichthouder en leraar.
Hoewel dit een ingrijpende verandering is, voorziet Foody een lange overgangsperiode waarin menselijke expertise juist belangrijker wordt. Vooral in het begeleiden van AI bij uitzonderingen, ethische afwegingen en strategische keuzes blijft de mens voorlopig onmisbaar.
Bron: Bitcoin World