Vergeet de AI-marketeer. Je hebt een T-shaped marketeer nodig.

Die tweedeling is nu aan het vervagen, en dat komt doordat een groot deel van het werk van de doeners inmiddels door AI wordt gedaan, of in elk geval voorgekookt. Campagnes opzetten, teksten schrijven, dashboards bouwen, meerdere varianten van creatives maken. Het gaat sneller, en het kost minder tijd.

En dan denk je misschien: mooi, dan hebben we straks vooral mensen nodig die AI goed kunnen bedienen. Dat is precies de valkuil.

Het gat dat AI laat vallen

Het gat dat ontstaat als uitvoering sneller, goedkoper en deels geautomatiseerd wordt, wordt niet gedicht door één vervangende vaardigheid. Niet door AI-fluency alleen. Niet door iemand die heel goed is met n8n, Claude, of wat voor AI-tooling dan ook. Het wordt gedicht door een breder profiel. Dat is precies waar het T-shaped model om draait: een marketeer die breed inzetbaar is op meerdere vlakken, gebouwd op diepgang in minstens één domein.

Dat klinkt misschien als een open deur. Natuurlijk moet een marketeer straks meer kunnen. Maar kijk eens kritisch naar hoe je nu werft en je werknemers ontwikkelt. De kans is groot dat je AI-vaardigheid als los vinkje hebt toegevoegd aan een verder ongewijzigd profiel. Iemand kan prompten, assistents en agents bouwen, automatische workflows opzetten, dus die is klaar voor de toekomst. Maar dan maak je een denkfout: één vaardigheid eruit lichten en denken dat die het hele plaatje dekt.

De marketeer van de toekomst heeft zes brede vaardigheden nodig. Niet één. Breed betekent hier niet dat je overal expert moet zijn. Het betekent dat je op elk van de zes vlakken functioneel genoeg bent om mee te draaien, kritische vragen te stellen en AI-output te beoordelen. De echte diepgang zit in minstens één van die vlakken, of in een apart domein.

Breed + diep = onmisbaar. Breed zonder diep = vervangbaar. Diep zonder breed = kwetsbaar.

Zes vaardigheden, niet één

AI-fluency. Weten wat AI wel en niet goed kan, en hoe je het aanstuurt, is een basisvaardigheid geworden, een soort van ticket to play voor de marketeer, zeg maar.

Strategie. Zonder iemand die weet waarom je iets doet, produceer je met AI alleen maar sneller de verkeerde dingen. Strategisch inzicht bepaalt de richting die AI vervolgens helpt uitvoeren. Voor een team betekent dit dat je niet kunt volstaan met mensen die vooral goed zijn in het aansturen van uitvoering. Je hebt iemand nodig die de vertaalslag maakt tussen bedrijfsdoelen en de acties die daaruit volgen, en die AI-output kan toetsen aan die doelen in plaats van eraan te wennen. Herken je dat besluiten in je team vooral worden ingegeven door wat een tool toevallig oplevert, in plaats van andersom? Dan mist die vertaalslag, en dat merk je meestal pas als het al te laat is.

Data. AI genereert bakken aan inzicht en output. Iemand moet nog steeds kunnen bepalen welk signaal ertoe doet en wat ruis is. Dat is een andere vaardigheid dan een dashboard kunnen aflezen. Het gaat om weten welke vraag je probeert te beantwoorden, voordat je een dataset raadpleegt of een AI-tool om een analyse vraagt. Voor jou als manager betekent dit dat je bij werving niet moet vragen of iemand met een BI-tool overweg kan, maar of iemand een bedrijfsvraag kan vertalen naar de juiste analysevraag, en een AI-antwoord kan wegen op relevantie in plaats van het klakkeloos over te nemen.

Creativiteit. AI kan razendsnel varianten, invalshoeken en concepten genereren. Maar het onderscheidende idee ontstaat pas als iemand durft te kiezen, te combineren, te schrappen en te bepalen wat past bij merk, markt en moment. Zonder creativiteit produceer je snel, maar generiek. Dat risico is groter dan het lijkt: een team dat AI-output zonder kritische blik doorlaat, levert content af die inwisselbaar is met die van de concurrent, simpelweg omdat iedereen dezelfde modellen gebruikt. Wat je in je team wilt zien, is iemand die de eerste AI-suggestie als startpunt gebruikt, niet als eindpunt, en die kan uitleggen waarom een idee wel of niet origineel genoeg is.

Storytelling. Losse output wordt pas een merk als er een verhaal achter zit dat consistent is over kanalen en tijd heen. AI kan een merkverhaal uitschrijven, maar niet bepalen welk verhaal strategisch klopt. Zonder menselijke richting schrijft AI vooral een geloofwaardig klinkend gemiddelde. Voor een team is dat een kwetsbaar punt: zonder iemand die het verhaal bewaakt, versplintert je merk in losse boodschappen die per kanaal, per campagne of zelfs per AI-prompt net iets anders klinken. Dat valt niet meteen op in één stuk content. Wel na een half jaar, als klanten het gevoel krijgen dat ze met een ander merk te maken hebben dan een jaar geleden.

Orkestratie en oordeelsvorming. Dit is de vaardigheid die het dichtst bij de oude rol van de denker ligt, maar dan uitgebreid. Iemand moet AI-output beoordelen, corrigeren en verantwoordelijkheid nemen voor wat er de deur uitgaat. Wie voortdurend op de automatische piloot vertrouwt, stuurt niet meer. Dat is geen marketeer, dat is een toeschouwer.

Zes vaardigheden. Mis je er een paar, dan loop je alsnog vast, ook al scoor je torenhoog op de rest.

Zonder diepte begeef je je op drijfzand

Breed alleen is ook niet genoeg. Het T-shaped model vraagt naast die brede basis om diepgang in minstens één domein. Marketingdomeinkennis, zoals grondige kennis van performance marketing, merkstrategie of customer experience. Of branchekennis: snappen hoe jouw sector, jouw klant en jouw markt precies in elkaar zitten. Nog beter: kennis en ervaring in zowel een marketingdomein als een branche.

Niet elk teamlid hoeft hetzelfde diepte-domein te kiezen. Sterker nog: juist doordat teamleden verschillende domeinen kiezen, bouwt je team als geheel dekking op over meerdere vlakken, ook al gaat ieder individu maar in één domein echt diep.

Waarom is dat net zo hard nodig als de breedte? Omdat een generalist zonder diepte al snel oppervlakkig wordt. Iemand die overal een beetje van weet, maar nergens de nuance kent, mist het vermogen om AI-output kritisch te beoordelen op dat ene vlak waar het er echt toe doet. Diepte is wat je in staat stelt te zien wanneer AI ernaast zit. Je kunt niet challengen wat je niet weet.

Een voorbeeld. Jarenlang werkte ik in de telecombranche, waar we voortdurend bezig waren de touch-tell-sell-strategie zo optimaal mogelijk in te richten, om de hele marketinginzet effectiever te maken. Waardevol werk. Maar als je op korte termijn een gat in de salescijfers moest dichten, was een euro van het abonnementstarief afhalen altijd effectiever. Logisch, als je de branche kent. Vraag AI nu hetzelfde: wat moeten we doen om het gat in de sales dit kwartaal te dichten? De kans dat AI je vertelt dat je een euro van sim only-abonnement X of Z moet afhalen, is klein. Niet omdat AI het niet zou kunnen bedenken, maar omdat het die specifieke prijshefboom niet kent zonder dat jij ‘m aanreikt. Dat is precies waar branchekennis het verschil maakt.

Dit gaat niet alleen over wie je aanneemt. De meeste teams onderschatten waar de pijn nu al zit: bij de mensen die je al in dienst hebt. De doener die vroeger vooral werd afgerekend op de hoeveelheid campagnes die hij kon draaien, staat nu met minder uitvoerend werk in zijn handen en geen duidelijk pad naar orkestratie of oordeelsvorming. De denker die nooit zelf hoefde uit te voeren, mist misschien juist de AI-fluency en de gewenning aan uitvoering om kritisch te kunnen beoordelen wat er nu wordt opgeleverd. Beiden lopen vast. Niet omdat ze incompetent zijn, maar omdat hun ontwikkelpad nog is ingericht op een tweedeling die steeds meer vervaagt.

Wat je nu moet doen

Vijf dingen die je deze maand al kunt oppakken.

1. Breng het huidige profiel van je team in kaart tegen de zes brede vaardigheden. Niet functietitels, maar daadwerkelijke vaardigheden. Waar zit je team goed? En waar missen je mensen vaardigheden?
2. Herzie ontwikkelpaden, niet alleen vacatureteksten. Je grootste winst zit in mensen die je al hebt. Geef de oud-doener een pad naar orkestratie en oordeelsvorming. Geef de oud-denker ruimte om AI-fluency en gevoel voor uitvoering op te bouwen.
3. Maak orkestratie en oordeelsvorming expliciet onderdeel van functioneringsgesprekken. Vraag niet alleen wat iemand heeft opgeleverd, maar hoe kritisch iemand AI-output beoordeelt en bijstuurt.
4. Werf op combinatie, niet op los specialisme. Een sollicitant die alleen kan prompten, of alleen diepgaande vakkennis heeft zonder de rest van de breedte, is over twee jaar alweer achterhaald.
5. Bewaak de diepte net zo hard als de breedte. Investeer gericht in vakinhoudelijke of branchekennis. Dat is het kompas dat voorkomt dat je team AI-output klakkeloos doorlaat.

De oude tweedeling van doeners en denkers is niet vervangen door een nieuwe tweedeling van wel-of-niet AI-fluent. Ze is vervangen door een profiel dat breder is dan de meeste teams nu georganiseerd hebben. De vraag is niet of je team dat gat gaat voelen. De vraag is wanneer.