Waarom menselijke redactie belangrijker wordt in AI-native workflows

In 2023 was de heersende voorspelling helder: AI gaat copywriters vervangen. McKinsey publiceerde een rapport dat becijferde dat 60-70% van het werk van marketeers automatiseerbaar was. Reddit stond vol met screenshots van ontslagen tekstschrijvers. Elke keynote op een marketingconferentie eindigde met dezelfde slide: 'the future of content is automated'.

Drie jaar later ziet de realiteit er anders uit. De teams die het meest van AI profiteren, hebben méér redacteurs dan voorheen, niet minder. Ze hebben andere rollen — maar meer menselijk oordeel per stuk content. Dat is geen ideologische keuze. Dat is een economische keuze die volgt uit hoe deze technologie werkt.

De paradox van overvloed

Als iets goedkoop wordt, verschuift de schaarste. Toen printen goedkoop werd, verschoof de bottleneck van drukwerk naar aandacht. Toen video-productie goedkoop werd, verschoof de bottleneck van filmen naar montage en distributie. Nu contentgeneratie goedkoop wordt, verschuift de bottleneck naar selectie en oordeel.

Dat is geen retorische truc. Het is meetbaar. Een team dat vroeger 20 blogposts per maand produceerde, kan met AI probleemloos naar 200 gaan. Maar publieksaandacht is niet gegroeid met factor 10. LinkedIn-feeds zijn niet tien keer zo lang geworden. E-mailboxen niet tien keer zo groot. Wat gebeurt er dan? De algoritmes gaan strenger filteren, en het publiek gaat harder skippen. Kwantiteit zonder scherpte wordt onzichtbaar.

"AI schaalt uitvoering. Mensen schalen betekenis. Wie alleen het eerste doet, produceert onzichtbare hoeveelheden."

Wat een redacteur in 2026 concreet doet

De rol is veranderd, niet verdwenen. Een redacteur in een AI-native workflow schrijft minder eerste versies en meer richtlijnen. Hij typt minder en beslist meer. Concreet:

• →Bewaakt merkstem over honderden stukken en meerdere kanalen tegelijk.
• →Beslist wat wél en niet gepubliceerd wordt — en communiceert waarom.
• →Voedt het brand brain met correcties, voorbeelden en tegenvoorbeelden.
• →Vertaalt strategische intenties naar operationele prompts en richtlijnen.
• →Traint junior teamleden om hetzelfde oordeel op te bouwen.
• →Detecteert patronen: waar maakt het model consistent dezelfde fout?

Waarom dit werk moeilijker is dan schrijven zelf

Er is een misvatting dat redigeren makkelijker is dan schrijven. In een AI-native context is het omgekeerde waar. Zelf schrijven is één beslissing per zin. Redigeren van AI-output is een reeks meta-beslissingen: klopt de toon, klopt de claim, klopt de opening, klopt dit met wat we vorige week zeiden, past dit bij het kanaal, past dit bij dit moment?

Dat vraagt drie soorten expertise die vroeger optioneel waren en nu essentieel zijn: merkkennis (wat willen wij écht zeggen), systeemdenken (hoe stuur ik dit model bij) en redactionele scherpte (wat maakt dit stuk goed of niet). Dat is niet het profiel van een junior copywriter. Dat is het profiel van een senior editor met technisch begrip.

De verkeerde manier: goedkoop redigeren

Sommige agencies proberen kosten te besparen door het redactionele werk zelf ook te automatiseren of aan juniors uit te besteden. Het idee: als de AI 80% van het werk doet, hoeft die laatste 20% niet duur te zijn. Dat is een gevaarlijke misrekening.

Die 20% is precies waar alle waarde zit. Het is het verschil tussen een LinkedIn-post die 50 likes krijgt en een die 500 leidt. Het is het verschil tussen een campagne die on-brand voelt en een die alle vertrouwen wegvreet. Het is het verschil tussen 'we publiceren consistent' en 'we hebben iets te zeggen'. Als je dat aan een junior overlaat die de context niet kent, verkoop je een gemiddelde die niemand koopt.

Concreet: hoe wij dit ingericht hebben

Bij Storymachine loopt elke productie door drie stappen. Eén: het brand brain genereert een eerste versie op basis van briefing en context. Twee: een senior redacteur — nooit een junior — reviewt op vier assen: klopt de claim, klopt de toon, klopt de scherpte, past dit in het bredere verhaal. Drie: de correcties worden vastgelegd als data die het brein voedt.

Die derde stap wordt vaak vergeten en is misschien de belangrijkste. Zonder de terugkoppeling blijft het systeem statisch. Met de terugkoppeling wordt elke correctie een kleine training. Na een half jaar is de eerste versie kwalitatief niet meer te vergelijken met de eerste versie van maand één.

Wat dit betekent voor wie een agency kiest

Als je vandaag een AI-native agency evalueert, is de belangrijkste vraag niet 'welke tools gebruiken jullie'. Het is: wie doet bij jullie de redactie, en hoeveel ervaring heeft die persoon? Als het antwoord is 'onze AI doet dat' of 'onze medior copywriter checkt het', loop weg. Als het antwoord is 'onze meest ervaren redacteur, want dat is waar de waarde zit', ben je op de juiste plek.

Human-in-the-loop is geen nostalgische geste tegen de robots. Het is de enige manier waarop AI-native communicatie economisch werkt. De teams die dit begrijpen, bouwen een voorsprong die niet in te halen is met een groter AI-budget alleen.