De symbiotische systems engineer: AI die signaleert, mensen die beslissen

Al twee jaar betoog ik dat AI mensen niet moet vervangen. AI moet ervoor zorgen dat mens en machine elk doen waar ze het best in zijn. Vorige maand maakte McKinsey hetzelfde punt. Dit is die visie, toegepast op het vakgebied waar hij het meest telt, en hoe wij hem hebben omgezet in werkende architectuur voor eisenmanagement.

De afgelopen twee jaar heb ik vaak gesproken over het creëren van een symbiose tussen mensen en kunstmatige intelligentie (AI). Ik zie dat als een situatie waarin AI mensen niet vervangt. In plaats daarvan richten AI en mensen zich op hun eigen sterktes en werken ze samen aan taken om tot een beter totaalresultaat te komen. Leg te veel nadruk op één van beide kanten, AI of mens, en de adoptie maakt haar belofte niet waar.

Nergens is die balans belangrijker dan in systems engineering. Eisenmanagement vormt het hart van elk complex infra-, bouw- en energieproject. Gaat het daar mis, dan werkt de fout door in ontwerp, realisatie en oplevering. Het is werk met hoge inzet, waarin het oordeel van de professional zwaar weegt. Tegelijk zit het vol repetitieve, administratieve taken die de tijd opslokken van experts die iets beters te doen hebben.

Vorige maand werd die balansvisie een centraal thema in het McKinsey-rapport "The Symbiotic Enterprise: How Cognitive and Physical AI Are Reinventing Enterprise Execution" (juni 2026). Het is het eerste rapport van een gerenommeerde organisatie dat de balansvisie centraal stelt. De publicatie is een goed moment om te delen hoe wij die visie toepassen: niet als slogan, maar als een set ontwerpprincipes waar we niet van afwijken.

01 | AUGMENTATIE LEIDT TOT MIDDELMAAT

Augmentatie en symbiose zijn allebei vormen van samenwerking: geen van beide vervangt de mens. Het verschil zit in wat je optimaliseert. Bij augmentatie houd je je proces en rollen vast en zet je AI erin om het bestaande werk te versnellen, zoals een chatbot naast de eisverantwoordelijk of -manager een samenvatter naast de contractbeoordelaar. Bij symbiose herontwerp je het proces en wijs je taken opnieuw toe aan degene (mens of machine) die er werkelijk het best in is. In die herverdeling zit de doorbraak; een vaste rol assisteren brengt je maar tot een bepaald punt.

De cijfers uit het McKinsey-rapport beschrijven de huidige situatie treffend:

• 62 procent van de bedrijven experimenteert met AI-agents.
• Minder dan 10 procent schaalt die agents op binnen een bedrijfsonderdeel.
• Augmentatie van bestaande processen levert 5 tot 15 procent productiviteitswinst op.
• De meeste implementaties blijven losse Copilot-oplossingen, in plaats van grotere meerstapsprocessen.

Systems engineering kent dit patroon maar al te goed. Er is in ons vakgebied nog een tweede, stillere faalvorm: tools die op zichzelf prima werken, maar nooit met elkaar praten. Stel je drie collega's voor in drie aparte kamers. De één extraheert eisen, de ander controleert kwaliteit, de derde verifieert bewijs, en ze schuiven spreadsheet-bestanden onder elkaars deur door. Elke tool is lokaal nuttig. Maar niemand kan de vragen beantwoorden die de tools overstijgen: wat raakt deze wijziging? Wat ontbreekt er? Waar zit het risico?

Very few organizations report meaningful P&L impact because most still embed AI within existing workflows. (McKinsey)

Het alternatief voor de drie kamers is één tafel met één whiteboard, waarop iedereen zijn bevindingen bij dezelfde eis schrijft. Daarna stel je je vraag gewoon aan het bord. Dat is, in gewone taal, hoe een symbiotische eisen-workflow eruitziet. Alles wat er technisch onder zit, is slechts de machinerie van dat whiteboard.

Het alternatief voor de drie kamers is één tafel met één whiteboard, waarop iedereen zijn bevindingen bij dezelfde eis schrijft. Daarna stel je je vraag gewoon aan het bord. Dat is, in gewone taal, hoe een symbiotische eisen-workflow eruitziet. Alles wat er technisch onder zit, is slechts de machinerie van dat whiteboard.

02 | HERONTWERP WERKT

Binnen de systems engineering-workflow levert herontworpen mens-AI-samenwerking nu al resultaten op die met augmentatie onbereikbaar zijn. Drie voorbeelden van ons eigen platform laten de verdeling zien.

Eisenextractie: van markeerstift naar reviewer
De oude manier: een engineer leest honderden pagina's contracten en EMVI-documenten en markeert en kopieert elke eis met de hand. De herontworpen manier: AI voert de extractie uit. Ze haalt eisen, aannames en verplichtingen uit de documenten, kent elk item een uniek ID, een titel en een bron toe, en toetst ze aan de INCOSE-richtlijnen. De mens bepaalt de strategie, lost de dubbelzinnigheden op waarvoor contractkennis nodig is, en blijft eigenaar van de definitieve set. Dagen zoekwerk krimpen tot één reviewsessie, met herleidbaarheid van elke eis naar haar bron.

Eisenkwaliteit: van steekproef naar volledige dekking
Geen mens kan duizenden eisen tegelijk in zijn hoofd houden om de tegenstrijdigheden en duplicaten ertussen te vinden. AI kan dat wel. Ze analyseert de volledige set in één keer, scoort elke eis tegen de INCOSE-kwaliteitscriteria en brengt conflicten in het hele document aan het licht. De mens doet vervolgens wat alleen de mens kan: afwegen welke tegenstrijdigheden echte conflicten zijn en welke bewust zo bedoeld, welke herformuleringen de contractuele intentie behouden, en welke bevindingen de wijziging waard zijn. De AI vindt; de engineer oordeelt.

Verificatie: van documentarcheologie naar compliance-regie
Gespecialiseerde AI-agents koppelen bewijs aan eisen in omvangrijke documentatie, lokaliseren precies waar elk bewijsstuk staat en scoren de sterkte van elke koppeling. De drempels zijn fase-bewust, want wat in de ontwerpfase volstaat, is bij oplevering niet genoeg. De mens bevestigt of betwist de koppelingen, pakt de gevallen op die als "nadere toelichting nodig" zijn gemarkeerd, en blijft verantwoordelijk voor het verificatieregister dat naar de opdrachtgever gaat.

En dan de vraag die geen enkele losse tool kan beantwoorden
De echte winst ontstaat wanneer deze stappen naar hetzelfde gedeelde model schrijven. Dan kun je vragen: laat me de eisen zien die zwak geformuleerd zijn, ÉN nog geen bewijs hebben, ÉN aan een kritiek systeem zijn toegewezen. Dat is één vraag aan een samenhangend model, tegenover een middag handmatig kruisverwijzen tussen drie spreadsheet-exports. Dit is het whiteboard in actie: de bevindingen van elke tool maken de bevindingen van elke andere tool waardevoller.

03 | SYMBIOSE IS EEN ARCHITECTUURKEUZE

Nu het deel dat de meeste AI-leveranciers overslaan. "Human in the loop" is makkelijk geclaimd en makkelijk geveinsd. Een bevestigingsvenster waar iedereen blind op klikt is geen loop, maar decoratie. Wie symbiose serieus neemt, moet haar structureel maken. Dit zijn de principes waarmee wij bouwen, en ze zijn het waard om van elke AI te eisen die je bij je eisen toelaat:

Niets past zichzelf toe. Elke AI-functie volgt hetzelfde patroon: AI stelt voor, de mens accepteert of wijst af per item, en alleen geaccepteerde resultaten worden weggeschreven, met herkomst, zodat je altijd kunt zien welke data uit welke tool komt en wat handmatig is bewerkt. Afwijzen gebeurt evenmin stilletjes: weggevallen en afgewezen signalen worden als tellers getoond, nooit verborgen. Een gedeeltelijke analyse mag nooit lezen als een volledige.

AI signaleert; ze geeft geen cijfers. Een AI die met stelligheid "risicoscore: 7,4" produceert, fabriceert een precisie die ze niet heeft. Onze AI geeft een categorie, een impactklasse en een motivatie van één regel, met een eerlijk betrouwbaarheidsniveau. Signalen met lage betrouwbaarheid worden visueel gedempt, niet verwijderd. Schijnprecisie is hoe vertrouwen sterft in een ingenieursorganisatie.

Elke bewering moet aanwijsbaar zijn. Een AI-bevinding moet een letterlijk citaat uit de eistekst aanhalen of een concreet feit uit het model. En dat wordt afgedwongen door de software, niet slechts gevraagd in een prompt. Promptinstructies zijn verzoeken; parsercontroles zijn garanties.

Verwacht dat de meeste eisen niets opleveren. Een goed geformuleerde eis met een concrete grenswaarde, een normverwijzing en een verificatiemethode is standaard géén probleem. Een AI die is afgesteld om altijd iets te vinden is geen vangnet, maar een ruisgenerator die engineers traint om haar te negeren. Stilte bij schone eisen is een feature.

Valideer voordat je vertrouwt. Elke AI-functionaliteit wordt getest tegen een falsifieerbare set: verwachte uitkomsten die vóór de run zijn vastgelegd, inclusief eisen die schoon terug moeten komen. Als een tool niet kan slagen voor een test waarvoor ze had kunnen zakken, is haar output een mening, geen analyse.

Waarom is dit zo belangrijk? Omdat opdrachtgevers, toezichthouders en de samenleving vereisen dat iemand het resultaat bezit, ermee vertrouwd kan worden en erop aanspreekbaar is. In infra, bouw en energie is dat geen abstractie: een verificatieregister heeft contractueel gewicht, een eisenbaseline heeft veiligheidsimplicaties. Geen enkele hoeveelheid modelcapaciteit neemt de noodzaak weg van een professional die aftekent. Ze maakt die professional alleen maar waardevoller. Daarom is symbiose de strategie zonder spijt: verloopt de AI-vooruitgang geleidelijk, dan win je vandaag op productiviteit; gaat het plotseling snel, dan ben jij de organisatie die al weet hoe je krachtige AI bestuurt binnen een gereguleerde ingenieursdiscipline.

04 | DE REASONING LAYER

McKinsey beschrijft de symbiotische onderneming langs drie dimensies. Vertaald naar het eisenmanagement-domein:

De organisatierij verdient nadruk, want daarin schuilt een tweede symbiose: die tussen de systemen die je al hebt. De meeste ingenieursorganisaties draaien een mix van eisen beheer-tools, documentsystemen en spreadsheets. Het verkeerde antwoord is rip-and-replace: alles migreren naar wéér een nieuw systeem dat vervolgens je data bezit.

Ons antwoord is een reasoning layer. Stel je drie lagen voor. Onderaan staat je bestaande tooling: die blijft, blijft de bron en blijft van jou. In het midden zit een laag die betekenis toevoegt zonder de data te bezitten: één identiteit per eis over systemen heen, getypeerde relaties, een model dat de standaardtaal van het vakgebied spreekt. Bovenop zitten de antwoorden die geen enkel systeem alleen kan geven: wat raakt deze wijziging, wat ontbreekt, waar zit het risico. De pijlen tussen de onderste en de middelste laag wijzen twee kanten op. Dat is de no-lock-in-belofte zichtbaar gemaakt. Het model is een projectie van jouw data, geen kopie die haar gijzelt. Je kunt altijd weg.

Eén eerlijke kanttekening: voor één gebruiker die één tool voor één taak draait, verandert er weinig. De waarde ontstaat waar tools elkaar raken, en dat is precies waar de traditionele workflow tijd, consistentie en herleidbaarheid lekt.

05  | NAAR STRATEGIE EN UITVOERING

A. Begin waar de pijn meetbaar is. Eisenmanagement leent zich uitzonderlijk goed voor een doordachte start: de knelpunten zijn bekend (extractietijd, review-achterstanden, verificatiedruk vóór oplevering) en de output is meetbaar. Kies één stap in de levenscyclus, herontwerp die rond de mens-AI-verdeling, en meet vóór en na.

B. Organisatie vóór technologie. Bekijk je eisen-proces zoals het werkelijk loopt, niet zoals het handboek zegt. Ontwerp de nieuwe opzet met een heldere rolverdeling, en erken dat AI-output goed beoordelen een echte vaardigheid is: weten wanneer je een signaal vertrouwt, wanneer je het uitdaagt, en wanneer de stilte van de AI "schoon" betekent in plaats van "gemist". De organisaties die die vaardigheid als eerste opbouwen, hebben straks de voorsprong.

C. Meetbaar en waardegedreven. Elk AI-initiatief in de SE-workflow moet terugleiden naar projectdoelen: snelheid (kortere tenderreacties, eerdere verificatie), kwaliteit (tegenstrijdigheden gevonden vóór het ontwerp, volledige QA-dekking in plaats van steekproeven), risico en compliance (herleidbare registers, aantoonbare INCOSE- en ISO-aansluiting, auditklare bewijsketens), en capaciteit (senior engineers vrijgespeeld voor het oordeelswerk dat alleen zij kunnen doen). Weeg initiatieven af langs haalbaarheid en waarde.

D. Geen rip-and-replace. Symbiose vereist niet dat je je eisen-landschap opgeeft. AI moet aansluiten op de workflow die je hebt, met import vanuit PDF en Spreadsheet en export naar Spreadsheet en je bestaande eisen-managementtools, en daar samenhang bovenop leggen. Herontwerp het proces, niet per se de toolketen. Bewust hoeft niemand iets af te leren: het startpunt lijkt op de Spreadsheet-workflow die je team al kent. Het verschil zit in wat er tussenin gebeurt. De vraag komt vóór de export, dus je exporteert het antwoord, niet alleen de ingrediënten.

E. Kies toekomstvaste technologie. AI ontwikkelt zich razendsnel, en de zorgen over datalocatie en AI-wetgeving nemen toe. Dat is acuut relevant wanneer jouw documenten contracten voor publieke infrastructuur zijn, en de EU AI Act in augustus 2026 van kracht wordt. Vermijd lock-in bij één leverancier, houd je eisen-set (data) te allen tijde exporteerbaar in open formaten, geef de voorkeur aan platforms die zijn gebouwd om modellen te wisselen zodra betere opties verschijnen, en kies leveranciers die voldoen aan de EU-wetgeving en aan de contracten met jouw opdrachtgevers. De sector spreekt standaarden, van INCOSE tot ISO 15288, en audits eisen herleidbaarheid. Jouw AI-laag moet die taal ook spreken.

F. Bouw, faal en herstel snel. Soms is de beste weg vooruit gewoon beginnen. Haal een echt projectdocument door de keten van extractie, kwaliteitsanalyse en bewijsvinding, en leg de output voor aan je engineers. Nodig de sceptici uit: zij vinden de punten die ertoe doen. Schrijf vooraf op wat je verwacht, inclusief wat er schoon terug moet komen. En spreek een harde deadline af waarop de herontworpen stap live moet zijn op een echt project.

06 | HOE ZIJN WIJ GEPOSITIONEERD

Basewise bouwt de reasoning layer voor eisenmanagement-werk: AI voor de mensen die eisen schrijven, analyseren en verifiëren, in infra, bouw en energie. De tools die vandaag in productie zijn, dekken extractie uit contracten en specificaties, kwaliteitsanalyse tegen INCOSE-criteria, bewijsvinding voor verificatie, en een kennischat die is verankerd in jouw eigen projectdocumenten en normen. Het gedeelde model dat ze verbindt, is in actieve ontwikkeling. Elke functionaliteit volgt dezelfde niet-onderhandelbare regel: AI signaleert, de mens beslist. Niets past zichzelf toe, elke bevinding is aanwijsbaar tot haar bron, en jouw data blijft van jou.

Onze positionering in één zin: geen vervanging, maar meer impact per engineer. Of zoals we het zelf zeggen: AI denkt mee, jij beslist.

Het McKinsey-rapport bevestigt wat wij in de praktijk brengen:

• Herontwerp boven augmentatie: we plakken geen chatbot op een handmatig proces; we herontwerpen de eisen-workflow zelf.
• Gebalanceerde inzet: AI extraheert, analyseert en koppelt op schaal; engineers oordelen, beslissen en tekenen af.
• Samenhang boven silo's: tools die één gedeeld model verrijken, beantwoorden vragen die geen enkele tool alleen kan.
• Geen rip-and-replace: we sluiten aan op het landschap dat je hebt. En je kunt altijd weg.

Voor ingenieursorganisaties is dit moment zowel kans als urgentie. De eisen-workflow is waar AI-symbiose zich het eerst uitbetaalt: de pijn is meetbaar, de standaarden zijn gecodificeerd, en het menselijk oordeel dat overblijft is precies het oordeel waarvoor jouw opdrachtgevers betalen. Organisaties die op duidelijkheid wachten, bieden straks aan tegen concurrenten die al snellere baselines, schonere eisen en auditklare verificatie leveren tegen structureel lagere kosten.

De vraag is niet óf deze transformatie systems engineering bereikt. Dat is al gebeurd. De vraag is of jij haar leidt of erdoor wordt ingehaald.

De symbiotische systems engineer is geen toekomstconcept. Hij ontstaat nu, en het moment om te handelen is nu.

Benieuwd hoe dit eruitziet op jouw eigen projectdocumenten? Vraag een demo aan via www.basewise.ai.