De kern van de discussie is niet dat management verdwijnt, maar dat een deel van de klassieke informatierol onder druk staat. Organisaties zijn historisch ingericht als hiërarchieën om informatie te verzamelen, te verwerken en door te geven. Tegelijk vervult hiërarchie ook andere functies, zoals het organiseren van verantwoordelijkheid, het beheersen van risico’s en kosten en het inzetten van schaarse competenties. AI raakt vooral het eerste domein: informatie en coördinatie. Daardoor wordt de noodzaak kleiner om informatie via meerdere lagen te laten lopen, terwijl andere functies van hiërarchie vooralsnog blijven bestaan. Dit verklaart waarom organisaties experimenteren met minder lagen en nieuwe rollen.

Management verdwijnt dus niet, maar verschuift. AI neemt taken over zoals rapportage, planning, monitoring en besluitondersteuning. Daarmee verliest de manager als doorgeefluik aan belang. Tegelijk blijven een aantal functies onmiskenbaar menselijk: prioriteren onder schaarste, conflicten oplossen, verantwoordelijkheid toewijzen, uitzonderingen beoordelen en legitimiteit organiseren. De essentie van de verandering is dan ook niet minder sturing, maar andere sturing: minder via directe supervisie en meer via systemen, kaders en spelregels. Daarmee wordt de discussie over middle management in de kern een vraag naar het bestuursmodel van organisaties.

De praktijk laat zien dat deze verschuiving al gaande is. Meta introduceert nieuwe rollen en gebruikt AI in beoordelings- en coördinatieprocessen. Block herdefinieert managementrollen dichter op het werk. Tegelijk daalde het aantal vacatures voor middle managers volgens Indeed met 12,3% tussen 2024 en 2025. Dat wijst op druk op de middenlaag, maar zegt op zichzelf nog niets over de precieze rol van AI. Eerdere experimenten, zoals bij Zappos, laten bovendien zien dat minder hiërarchie niet automatisch leidt tot betere samenwerking. Zonder duidelijke besluitrechten en verantwoordelijkheden ontstaat juist onduidelijkheid.

De ontwikkeling heeft daarom een dubbel karakter. Aan de ene kant maakt AI het mogelijk om beslissingen lager in de organisatie te nemen, daar waar de meeste context en informatie aanwezig zijn, bijvoorbeeld bij professionals in direct contact met klanten, patiënten of burgers. Aan de andere kant verdwijnt sturing niet, maar verschuift zij. Plattere organisaties gaan vaak samen met sterkere centralisatie rond data, modellen en dashboards, en rond de groep die deze systemen ontwerpt. Macht verschuift daarmee in twee richtingen tegelijk: naar de rand, waar beslissingen worden genomen, en naar het centrum, waar de kaders worden bepaald. AI haalt dus niet alleen lagen weg, maar herverdeelt ook macht en besluitvorming.

De voorlopige conclusie is dat middle management niet simpelweg verdwijnt. Wat afneemt, is de rol als schakel in informatieverwerking. Wat blijft, in andere vorm, zijn verantwoordelijkheden rond prioritering, besluitvorming en samenhang. Minder lagen betekent niet minder management, maar ander management: minder doorgeven, meer ontwerpen van context, mandaat en uitzonderingen. Daarbij is snelheid geen doel op zich. Sneller beslissen leidt alleen tot betere resultaten als ook de kwaliteit van die beslissingen verbetert. Anders vergroot snelheid juist het risico.

Voor organisaties betekent dit dat ontwerp belangrijker wordt dan ooit. Het moet helder zijn wie waarover beslist, wanneer er wordt geëscaleerd en wie eindverantwoordelijk is. Rollen moeten worden ingericht op basis van mandaat en bijdrage, niet op basis van titels. Voorbeelden zoals GitLab laten zien dat dit alleen werkt als eigenaarschap expliciet is belegd en besluitvorming goed wordt gedocumenteerd. Documentatie en besluitrationale zijn dan geen bijzaak, maar onderdeel van de infrastructuur van de organisatie.

AI kan processen versnellen en coördinatie ondersteunen, maar kent duidelijke grenzen. In termen van Argyris en Schön helpt AI vooral bij “single-loop learning”: het verbeteren van bestaande processen en uitvoering (doen we het goed?). Het heroverwegen van doelen en aannames oftewel de “double-loop learning” (doen we de juiste dingen?) en het stellen van fundamentele vragen over richting en betekenis of “triple-loop learning” (stellen we de juiste vragen?) blijven afhankelijk van menselijk oordeel. Praktijkervaringen onderstrepen dit. Klarna kwam deels terug op vergaande automatisering in klantcontact vanwege kwaliteitsproblemen, wat laat zien dat efficiëntie niet automatisch leidt tot betere uitkomsten. Bij Duolingo bleek bovendien dat veranderingen rond AI niet alleen organisatorisch zijn, maar ook afhangen van hoe ze worden gelegitimeerd richting medewerkers en de buitenwereld.

De bruikbaarheid van plattere, AI-rijke organisatievormen hangt uiteindelijk sterk af van context. In sectoren met hoge risico’s of zware regulering blijft hiërarchie belangrijk. In dynamische omgevingen kan meer autonomie aan de rand waardevol zijn, mits er voldoende duidelijke kaders en volwassenheid zijn. De relevante vraag is daarom niet of management verdwijnt, maar welke functies veranderen, welke blijven en hoe organisaties de nieuwe verdeling van macht en verantwoordelijkheid bestuurbaar maken. Daar ligt de werkelijke ontwerpuitdaging van AI in organisaties.

Het begint eentonig te worden, maar AI betekent dus niet het einde van het middenmanagement, maar wel van het middenmanagement zoals we het kennen.

Bronnen

• Argyris, C., & Schön, D. A. (1978). Organizational learning: A theory of action perspective. Addison-Wesley.
• Needleman, S. (2026). Goodbye, middle managers. Hello, ‘player-coaches’ and ‘org leads’. Business Insider.
• Hill, L. (2026). Commentary on AI-driven organizational change [LinkedIn post].
• Derksen, M., (2025). AI en de echte impact op werk. Koneksa Mondo.
• Derksen, M., (2026). Van hiërarchie naar intelligentie. Koneksa Mondo.
• Derksen, M., (2026). Macht verschuift naar de rand. Koneksa Mondo.