Sequoia Capital publiceerde onlangs een opmerkelijke these: het volgende biljoendollarbedrijf wordt een softwarebedrijf dat zich voordoet als een dienstverlener. Niet een betere tool. Niet een slimmere copilot. Een bedrijf dat gewoon het werk doet.
Die these is geschreven vanuit Silicon Valley. Maar de implicaties zijn misschien nog groter voor Nederland, een economie waar 77% van het BBP uit diensten bestaat en waar het personeelstekort in vrijwel elke professionele sector structureel is.
Bij Laava zien we dit elke dag. We bouwen de AI-systemen die daadwerkelijk werk uitvoeren in de systemen van onze klanten. Geen chatbots in een sandbox, maar agents die facturen verwerken, KYC-checks uitvoeren en rapportages opstellen. Dit artikel vertaalt de Sequoia-these naar de Nederlandse markt en laat zien waarom de kansen hier bijzonder groot zijn.
Van tool naar werk: de kern van het argument
Elke AI-founder stelt zichzelf dezelfde vraag: wat als de volgende versie van het model mijn product overbodig maakt? Als je de tool verkoopt, zit je in een race tegen het model. Maar als je het werk verkoopt, maakt elke modelverbetering je dienst sneller, goedkoper en moeilijker te concurreren.
Het verschil zit in wat Sequoia “intelligence” versus “judgement” noemt. Intelligence is het toepassen van complexe maar bekende regels: code schrijven, facturen verwerken, contracten opstellen. Judgement vereist ervaring en intuïtie. Bepalen welk product te bouwen, wanneer een risico acceptabel is, hoe een klant te adviseren.
AI heeft de drempel bereikt waarop het meeste intelligence-werk autonoom kan worden uitgevoerd. Software engineering bereikte die drempel als eerste. Bij Anthropic worden meer taken nu door agents gestart dan door mensen. Maar het komt naar elke sector.
Copilots en autopilots
Een copilot verkoopt de tool. Een autopilot verkoopt het werk.
Tot voor kort waren AI-modellen nog niet intelligent genoeg om zelfstandig te opereren, dus was de logische aanpak: bouw een copilot, zet AI in handen van een professional, en laat die bepalen wat ermee gebeurt. Denk aan Harvey voor advocatenkantoren of Rogo voor zakenbanken. De professional is de klant, de tool maakt hen productiever.
Vandaag zijn de modellen intelligent genoeg dat in sommige categorieën de beste startpositie een autopilot is. De klant koopt niet de tool, die koopt het resultaat. En het budget voor werk in elke sector is vele malen groter dan het budget voor tools.
Hoe hoger het aandeel intelligence-werk in een vakgebied, hoe sneller autopilots zullen winnen.
Waarom Nederland bijzonder interessant is
De Sequoia-these is universeel, maar drie structurele kenmerken maken de Nederlandse markt een bijzonder vruchtbare bodem voor AI-autopilots.
1. Een diensteneconomie bij uitstek
Nederland is een diensteneconomie in de meest letterlijke zin. Volgens CBS is 77% van de totale economische output dienstverlening. Commerciële diensten alleen al vertegenwoordigen 54% van de toegevoegde waarde. Vier van elke vijf gewerkte uren gaan naar dienstverlening.
Ter vergelijking: voor elke euro die aan software wordt besteed, gaat zes euro naar services. In Nederland is die verhouding waarschijnlijk nog schever, gezien de omvang van onze advies-, financiële en zakelijke dienstverleningssector. Het IT-dienstenmarkt alleen al is goed voor ruim €19 miljard, management consulting voor meer dan €5 miljard, en business process outsourcing voor bijna €8 miljard. En dat zijn slechts drie segmenten.
2. Een structureel personeelstekort
Het Nederlandse personeelstekort is niet cyclisch, het is structureel. Tot medio 2025 waren er meer vacatures dan werklozen, op het hoogtepunt 97 vacatures per 100 werklozen. Hoewel de arbeidsmarkt sindsdien iets is afgekoeld, blijven de structurele tekorten in professionele dienstverlening groot. De tekorten zijn het scherpst in precies de sectoren waar autopilots de grootste impact kunnen hebben:
- Accountancy kampt met een wereldwijde crisis. Nederland verliest accountants terwijl de vraag groeit. De RA-opleiding is lang, de startsalarissen blijven achter bij tech en finance, en 75% van de CPAs nadert pensioen. PwC heeft openlijk erkend dat AI een deel van de werkzaamheden zal overnemen.
- IT en business services: meer dan de helft van de bedrijven in deze sectoren kampt regelmatig met personeelstekorten.
- Juridische dienstverlening: de markt is candidate-driven. Corporate Counsel en Compliance Managers zijn schaars.
Dit personeelstekort is geen probleem dat met meer recruitment op te lossen is. Het is een structureel argument voor automatisering.
3. Hoge AI-adoptie, lage AI-impact
Hier zit de paradox. Nederland loopt voorop in AI-adoptie: 95% van de organisaties gebruikt AI, het adoptiepercentage van 49% ligt ruim boven het Europese gemiddelde van 42%, en elke vier minuten begint een nieuw Nederlands bedrijf met AI.
Maar slechts 5% haalt er daadwerkelijk waarde uit.
Dat gat, 95% adoptie versus 5% impact, is precies het gat tussen copilots en autopilots. De meeste Nederlandse bedrijven hebben AI als tool geïmplementeerd: een chatbot hier, een assistent daar. Maar het werk verandert niet fundamenteel. De professional blijft het werk doen, alleen nu met een AI-tool ernaast.
Autopilots dichten dat gat. Ze leveren niet de tool, ze leveren het resultaat.
De Nederlandse kansenkaart
Als we de Sequoia-analyse vertalen naar Nederlandse sectoren, welke zijn dan het meest rijp voor AI-autopilots? We zoeken naar drie signalen: een hoog aandeel intelligence-werk, bestaande outsourcing, en een structureel personeelstekort.
Accountancy en audit
De Nederlandse accountancysector is misschien wel het meest voor de hand liggende doelwit. Het personeelstekort is acuut, de beroepsgroep vergrijst, en het leeuwendeel van het werk (boekingen verwerken, controles uitvoeren, belastingaangiftes opstellen) is intelligence-werk. Complexe regels, maar het zijn regels.
Mondiaal hebben de Big Four al fors ingezet op AI. Deloitte lanceerde Zora AI voor factuurverwerking en trendanalyse. PwC investeerde meer dan $1 miljard in AI-capaciteiten. KPMG gebruikt AI om miljoenen boekingsregels te scannen. Een voormalig PwC-bestuurder voorspelt dat 50% van de functies in audit, tax en advisory binnen 3 tot 5 jaar geautomatiseerd zal zijn.
Maar hier zit de kans voor autopilots: de Big Four verkopen tools aan hun eigen professionals. Niemand verkoopt nog het resultaat, gewoon de boeken sluiten, aan de CFO van een middelgroot bedrijf. Dat is precies de verschuiving die Sequoia beschrijft.
Bij Laava hebben we dit al in de praktijk gebracht. Een accountantskantoor met 50+ MKB-klanten implementeerde onze AI Agents voor automatische factuurverwerking en data-extractie. Het resultaat: 71% reductie in administratieve verwerkingstijd, met significant hogere nauwkeurigheid. Dat is geen copilot, dat is een autopilot die het werk doet.
Compliance en KYC
Know Your Customer-processen zijn bijna puur intelligence-werk: publieke bronnen doorzoeken, sanctielijsten checken, risicoprofielen opstellen. De regels zijn complex, maar het zijn regels. In Nederland is dit extra relevant door de strenge toezichtomgeving van DNB en AFM.
Nederlandse fintechs als Duna (€40,7 miljoen funding) en Fourthline bouwen aan geautomatiseerde KYC-platforms. Maar de meeste compliance-afdelingen werken nog met handmatige processen of dure external consultants.
Laava's Smart KYC Analyst is een voorbeeld van een autopilot-aanpak: een autonome agent die data verzamelt uit alle afgesproken bronnen, deze interpreteert aan de hand van een risicoframework, en een gestructureerd risicoprofiel opstelt. De menselijke analist behoudt de eindverantwoordelijkheid maar reviewt één samenvatting in plaats van tientallen ruwe bronnen.
Verzekeringen
De Nederlandse verzekeringsmarkt is sterk gefragmenteerd, met duizenden kleine tussenpersonen die allemaal hetzelfde proces doorlopen. Het werk van de makelaar bij standaard zakelijke verzekeringen is grotendeels intelligence: offertes vergelijken, formulieren invullen, polissen administreren.
Minder dan 25% van de verzekeraars heeft uitgebreide digitalisering bereikt. De rest worstelt met verouderde systemen en gefragmenteerde data. Dat is geen technisch probleem, het is een marktopening voor autopilots die het hele plaatsingsproces kunnen overnemen.
IT managed services
Elke MKB'er besteedt zijn IT uit. Patching, monitoring, user provisioning, alert triage: intelligence-werk dat zich herhaalt over duizenden identieke omgevingen. De huidige softwarelaag (denk aan ConnectWise, Datto) verkoopt tools aan de MSP. Niemand verkoopt nog “je IT draait gewoon” rechtstreeks aan het bedrijf als uitkomst.
Recruitment en HR
De personeelsmarkt in Nederland is een van de grootste dienstensectoren. De bovenkant van de funnel (screening, matching, outreach) is puur intelligence-werk. Een MKB-dienstverlener met 120 medewerkers implementeerde Laava's AI Agents voor het screenen van sollicitaties, het plannen van interviews en het begeleiden van onboarding, geïntegreerd met bestaande HR-systemen. AI verwerkt nu 80% van de routinetaken en bespaart recruiters 15 uur per week.
De outsourcing-wedge
Sequoia's playbook voor autopilots is elegant in zijn eenvoud: begin waar outsourcing al bestaat.
Als een taak al is uitbesteed, weet je drie dingen. Eén: het bedrijf accepteert dat dit werk extern kan worden gedaan. Twee: er is een bestaande budgetlijn die schoon kan worden vervangen. Drie: de koper koopt al een resultaat. Het vervangen van een outsourcing-contract door een AI-native dienstverlener is een leverancierswissel. Het vervangen van personeel is een reorganisatie.
Dit is bijzonder relevant voor Nederland, waar de BPO-markt alleen al bijna €8 miljard groot is. Veel MKB-bedrijven besteden al administratie, IT-beheer en klantenservice uit. Die uitbestede, intelligence-zware taken zijn de perfecte wedge voor autopilots.
Begin met het uitbestede, intelligence-zware werk. Spijker de distributie vast. Breid uit naar het insourced, judgement-zware werk naarmate de AI zich ontwikkelt.
Van adoptie naar impact: waar Laava in past
De meeste AI-implementaties in Nederland mislukken niet door slechte technologie. Ze mislukken doordat AI wordt geïmplementeerd als een losstaande tool in plaats van als een geïntegreerd onderdeel van het werkproces.
Dat is precies waarom Laava zich richt op diepe integratie. We bouwen geen chatbots, we bouwen production-grade AI-systemen die direct integreren met de bestaande stack van onze klanten: ERP, CRM, ITSM, warehouse-systemen. Onze agents voeren acties uit in je systemen, niet alleen suggesties. Met goedkeuringsgates waar nodig, volledige audit trails, en de mogelijkheid om terug te draaien als er iets misgaat.
Dat is het verschil tussen een copilot die naast je zit en een autopilot die het werk doet.
De drie lagen van onze aanpak sluiten naadloos aan op de autopilot-these:
- Data-laag: data vindbaar, betrouwbaar en gegoverneerd maken zodat AI het veilig kan gebruiken. Kennis verbinden over documenten, tickets, code en databases heen.
- Agent-laag: taakspecifieke agents die coördineren met systemen. Geen generieke chatbot, maar agents met afgebakende verantwoordelijkheden, expliciete tools, en waarborgen.
- Integratie-laag: LLMs en agents inbedden in bestaande tools en APIs. Niet een nieuw systeem ernaast, maar intelligence in het hart van de bestaande workflow.
De convergentie
Vandaag is er een helder onderscheid tussen intelligence en judgement. Maar dat onderscheid verschuift. Naarmate AI-systemen propriétaire data verzamelen over wat goed judgement is in hun domein, verschuift de grens. Copilots en autopilots zullen convergeren.
Maar de startpositie doet ertoe. Bedrijven die nu als autopilot beginnen, bouwen vanaf dag één de data op die hen uiteindelijk in staat stelt ook het judgement-werk te doen. Bedrijven die beginnen als copilot moeten later een moeilijke transitie maken, en daarbij hun eigen klanten uit het werk snijden. Dat is het innovator's dilemma in actie.
Voor de Nederlandse markt betekent dit: de bedrijven die nu AI-agents bouwen die daadwerkelijk werk uitvoeren, niet alleen adviseren, bouwen een voorsprong op die steeds moeilijker in te halen wordt.
Wat dit betekent voor Nederlandse bedrijven
Als je een bedrijf runt in Nederland, zijn er drie concrete takeaways:
Kijk naar je outsourcing-budget. Elke euro die je uitgeeft aan externe dienstverlening voor intelligence-zwaar werk (administratie, compliance, IT-beheer, eerste-lijns klantenservice) is een kandidaat voor een AI-autopilot. Niet over vijf jaar. Nu.
Het personeelstekort los je niet op met meer recruitment. De demografie werkt tegen je. De oplossing is niet meer mensen vinden voor hetzelfde werk, het is minder mensen nodig hebben doordat AI het intelligence-werk overneemt. De professionals die je hebt, kunnen zich richten op het judgement-werk dat echte waarde toevoegt.
Adoptie zonder integratie is weggegooid geld. Nederland scoort 95% AI-adoptie maar 5% waarde-realisatie. Het verschil zit niet in de tool, het zit in de integratie. AI die naast je processen staat levert weinig op. AI die in je processen zit levert alles op.