Een AI-chain die 54.000 mensen huiswerk laat maken

TL;DR

• Wat: Een cryptoproject dat belooft menselijke arbeid te vervangen, blijkt 54.000 mensen taken ("huiswerk") te laten uitvoeren.
• Waarom relevant: Het laat zien dat AI-automatisering in de praktijk vaak méér menselijke arbeid vraagt dan beloofd — dat geldt ook buiten crypto.
• Wat je ermee kunt: Kijk kritisch naar AI-oplossingen die beweren processen volledig te automatiseren. Vraag altijd: waar zit het menselijke werk?

Ik stuitte op een tweet van @muhomoreth met een prikkelende kop: "A Chain Built to Replace Human Labour, Has 54,000 People Doing Homework for It." Een blockchainproject dat gebouwd is om menselijk werk overbodig te maken, maar ondertussen tienduizenden mensen taken laat uitvoeren. Ik kon de oorspronkelijke tweet niet volledig ophalen en de naam van het specifieke project wordt niet expliciet genoemd, maar het onderliggende patroon vind ik te interessant om te laten liggen.

De belofte versus de werkelijkheid

Het verhaal klinkt bekend. Een nieuw cryptoproject lanceert met een heldere pitch: wij automatiseren wat nu nog door mensen gedaan wordt. Efficiënter, goedkoper, sneller. Blockchain en AI als vervanging van menselijke arbeid.

Maar dan blijkt dat diezelfde keten 54.000 mensen nodig heeft die "huiswerk" doen — taken uitvoeren die het systeem niet zelf kan. Denk aan het labelen van data, het valideren van output, het uitvoeren van testnet-opdrachten, of het voltooien van quests om het netwerk draaiende te houden.

Dat is geen klein detail. Dat is het fundament waarop het project draait.

De paradox van automatisering

Wat mij hier opvalt, is dat dit niet uniek is voor één project. Het is een patroon dat je steeds vaker ziet in de AI- en cryptowereld.

Neem de bredere AI-industrie. Grote taalmodellen zoals die van OpenAI, Google en Anthropic worden getraind met data die door mensen is gelabeld, beoordeeld en gecureerd. Volgens schattingen geven grote AI-labs elk rond de een miljard dollar per jaar uit aan menselijk geproduceerde trainingsdata. Platforms als Sahara AI hebben een netwerk van meer dan 300.000 labelers in 35 landen. RentAHuman.ai — een platform dat begin 2026 lanceerde — draait het zelfs expliciet om: daar "huren" AI-agents mensen in voor taken die software nog niet aankan.

De ironie is steeds dezelfde. De technologie die belooft menselijk werk te vervangen, creëert een nieuwe laag van menselijk werk. Alleen wordt dat werk vaak onzichtbaar gemaakt.

Wat betekent "huiswerk" in deze context?

Het woord "homework" in de tweet is veelzeggend. In de cryptowereld verwijst het meestal naar de taken die gebruikers moeten uitvoeren om in aanmerking te komen voor beloningen — denk aan airdrops. Dat kan variëren van het voltooien van quests, het verifiëren van je identiteit op sociale media, het testen van functies op een testnet, tot het labelen van data.

Voor het project zelf is dit waardevol werk. Gebruikers leveren arbeid, genereren data, en testen het netwerk. In ruil krijgen ze de belofte van toekomstige tokens. Het is een soort uitwisseling: jij werkt nu gratis (of voor heel weinig), wij betalen je misschien later.

Kun je je voorstellen hoe dat eruitziet als businessmodel? Stel dat je als ondernemer een product lanceert en je zegt tegen 54.000 mensen: doe dit werk voor ons, en misschien krijg je er later iets voor terug. Dat is in wezen wat hier gebeurt.

Wat dit voor ondernemers betekent

Je hoeft geen cryptoproject te runnen om hier iets van te leren. Het patroon is breder dan blockchain alleen.

Als je AI-tools overweegt voor je bedrijf — of dat nu gaat om klantenservice, contentcreatie, data-analyse of procesoptimalisatie — is de kernvraag altijd: hoeveel menselijk werk zit er eigenlijk nog achter? Veel AI-oplossingen presenteren zich als volledig geautomatiseerd, maar onder de motorkap zit vaak een team van mensen dat output controleert, data voorbereidt, of edge cases afhandelt.

Dat is niet per se een probleem. Maar het is wel iets om te weten voordat je beslissingen neemt op basis van de belofte van "volledige automatisering."

Een paar vragen die ik zelf zou stellen aan een AI-leverancier:

• Welk deel van het proces is daadwerkelijk geautomatiseerd, en welk deel wordt door mensen gedaan?
• Wat gebeurt er als die menselijke laag wegvalt — blijft de kwaliteit dan overeind?
• Hoe worden die mensen betaald en aangestuurd?

Recent onderzoek bevestigt dit. Studies laten zien dat intensief toezicht op AI-tools juist de meest mentaal belastende vorm van werk is — veertien procent meer mentale inspanning, negentien procent meer informatieoverbelasting. Het werk verdwijnt niet. Het verandert van vorm.

De onzichtbare werkvloer

Er is nog een dimensie die ik belangrijk vind. De mensen die dit "huiswerk" doen, zijn vaak onzichtbaar. In de AI-industrie worden ze soms "ghost workers" genoemd — mensen in landen als Kenia, India en de Filippijnen die voor lage tarieven data labelen, content modereren en AI-output beoordelen. De markt voor deze diensten werd in 2024 geschat op 3,77 miljard dollar en groeit naar verwachting tot ruim 17 miljard in 2030.

Bij cryptoprojecten is de dynamiek vergelijkbaar. Duizenden mensen voeren taken uit in de hoop op een airdrop die misschien komt, misschien niet. Ze nemen het risico, het project plukt de vruchten.

Ik denk dat we als ondernemers eerlijker moeten zijn over waar automatisering eindigt en menselijk werk begint. Niet omdat automatisering slecht is — integendeel. Maar omdat de belofte van "geen menselijke arbeid meer nodig" bijna altijd genuanceerder ligt dan de marketingpitch doet vermoeden.

Tot slot

Voor mij is dit vooral een signaal dat de grens tussen "geautomatiseerd" en "door mensen gedaan" vager is dan ooit. Een project dat zegt menselijke arbeid te vervangen en vervolgens 54.000 mensen inschakelt — dat is geen falen. Het is eerder een onthulling van hoe technologie op dit moment echt werkt. De vraag is niet óf er mensen nodig zijn, maar of we eerlijk zijn over hun rol.

De specifieke naam van het cryptoproject wordt niet genoemd in de brontweet die ik kon raadplegen. De observaties in dit stuk zijn gebaseerd op het bredere, geverifieerde patroon van menselijke arbeid achter AI- en blockchainprojecten.