AI en de arbeidsmarkt: experts zijn veilig, maar vacature voor starter verdwijnt

Home » AI Kennisbank » AI en de arbeidsmarkt: experts zijn veilig, maar vacature voor starter verdwijnt

Nieuw onderzoek toont aan: geen zichtbare ontslaggolf, wél signalen van een rem op instroom van starters. De ‘Implementatie-kloof’ geeftondernemers tijdelijk ademruimte, maar de waarschuwing is helder.

We worden al tijden om de oren geslagen met apocalyptische voorspellingen: “40% van de banen verdwijnt”, “Programmeurs zijn overbodig”. Als nuchtere ondernemer voel je misschien al aan je water dat de soep niet zo heet gegeten wordt. Je personeel zit er immers nog gewoon.

Nieuw onderzoek van AI-bouwer Anthropic brengt eindelijk meer nuance in de hype. Uit hun data blijkt dat AI op dit moment vooral taken verschuift, maar nog geen massale ontslaggolf veroorzaakt.

De onderzoekers introduceren een nieuwe maatstaf: Observed Exposure. In plaats van alleen te kijken naar wat AI in theorie zou kunnen, meten ze welke taken in de praktijk al daadwerkelijk worden geautomatiseerd.

1. De Implementatie-kloof: het gaat trager dan we denken

Consultants en tech-goeroes baseren hun claims vaak op theoretical exposure: hoeveel taken AI in theorie zou kunnen versnellen. In de IT-sector is bijvoorbeeld zo’n 94% van de taken in theorie geschikt voor AI.

Anthropic laat echter zien dat de praktijk achterloopt. In diezelfde beroepsgroep wordt op dit moment slechts 33% van de taken daadwerkelijk door AI ‘aangeraakt’.

De technologie is er, maar de integratie nog niet. Remmende factoren als AVG/GDPR-vraagstukken, verouderde software en simpelweg menselijk gedrag zorgen voor vertraging.

• Het goede nieuws: Je loopt niet hopeloos achter; de meeste concurrenten zitten in hetzelfde schuitje.
• De waarschuwing: Deze kloof zal de komende jaren kleiner worden. Bedrijven die de daadwerkelijke toepassing weten op te krikken (van 33% naar 50%), pakken direct concurrentievoordeel.

2. Wie loopt er risico?

Het rapport windt er geen doekjes om: de impact van AI is niet gelijk verdeeld.

• De gevarenzone: beroepen met een hoge observed exposure. Denk aan computerprogrammeurs (75%) en functies in klantenservice of data-entry (67%). Hier neemt AI al een groot deel van de taken over, wat het werk fundamenteel verandert.
• De veilige haven: ongeveer 30% van de werknemers heeft op dit moment 0% exposure. Dit zijn vooral beroepen met fysiek of lokaal werk, zoals monteurs, koks en zorg aan het bed. Heb je mensen “in het veld”? Dan zijn die voorlopig beschermd.

3. De paradox: dure krachten staan vooraan

Een hardnekkig misverstand is dat AI vooral simpel, laagbetaald werk bedreigt. De data laten juist zien dat de meest AI-blootgestelde werknemers gemiddeld beter betaald en hoger opgeleid zijn.

Werknemers in de hoogste exposure-categorie verdienen gemiddeld 47% meer dan werknemers zonder exposure en hebben veel vaker een master-diploma.
Dat schetst de AI-paradox: je duurste mensen (senior strategen, developers) zijn degenen die het meest van AI profiteren. In plaats van hen te vervangen, gebruiken bedrijven AI als hefboom om hun productiviteit te verhogen.

4. Het echte spanningsveld: de starters

Als de experts blijven en productiever worden en AI steeds meer “bulkwerk” (data-entry, basiscode) overneemt… wie heeft er dan nog een starter nodig?

De data laat geen stijging van werkloosheid zien, maar wel een daling in de instroom. Onder 22- tot 25-jarigen is de kans op een baan in AI-gevoelige sectoren zo’n 14% lager dan in 2022. In minder gevoelige sectoren blijft die instroom stabiel.

De druk verplaatst zich dus van “ontslaan” naar “minder aannemen”. Voor een ondernemer voelt het al snel alsof de klassieke junior-vacature verdwijnt, omdat je een deel van de instroom vervangt door AI-systemen. Je ruilt junior-uren in voor tokens.

Het risico en advies voor ondernemers

Op korte termijn voelt “minder aanmenen” als pure efficiencywinst. Maar als je structureel minder starters aanneemt omdat AI het ‘vlieguren-werk’ doet, droogt je interne kweekvijver op. Je creëert een gat in je opvolging.

Mijn advies: Laat AI het bulkwerk doen, maar blijf starters aannemen in een nieuwe rol en hanteer harde spelregels:

1. Verander de focus: van productie naar oordeel
Richt de functie van een junior minder op repetitief productiewerk (dat doet de AI al) en meer op beoordeling, kwaliteitscontrole en context.

2. Doorbreek de ‘knippen-plakken mentaliteit’
Veel starters maken nu de fout om een opdracht direct in AI te gooien en het resultaat ongezien door te sturen. Ze slaan het denkwerk over. Maak hier harde afspraken over:

• Eerst denken, dan prompten: Een junior moet eerst zelf de structuur of oplossing bedenken voordat hij/zij AI om hulp vraagt.
• Verbod op ‘ongezien’: Alles wat de deur uitgaat, moet gecontroleerd en begrepen zijn. Als ze niet kunnen uitleggen waarom de AI dit antwoord gaf, is het werk niet af.
• Leer ze redigeren: Ze zijn niet meer de maker van de eerste versie, maar de hoofdredacteur en factchecker van de AI-output, verantwoordelijk voor de inhoudelijke juistheid.

3. Investeer in vakkennis
Als het handwerk verdwijnt, moeten starters sneller de diepte in over waarom iets goed of fout is. Zonder die fundamentele vakkennis kunnen ze de AI immers nooit effectief controleren. Herintroduceer het meester-gezel principe. Koppel de junior fysiek aan de senior. Laat ze niet alleen achter hun scherm zitten, maar laat ze aanschuiven bij complexe klantgesprekken, strategiesessies en evaluaties. Zo leren ze het vak door te horen en te zien hoe de expert denkt en beslist.

Met voogaande aanpak voorkom je een vergrijsd team en kweek je geen luie ‘AI-operators’, maar kritische professionals die AI als gereedschap gebruiken. Dat is niet alleen moreel wenselijk, maar ook rationeel: juist hoogopgeleide kenniswerkers met vakkennis hallen alles uit de token-economie.

Bron: Anthropic