Hoe hard raakt AI de arbeidsmarkt werkelijk?

De discussie over AI en de arbeidsmarkt wordt gedomineerd door twee uitersten: alles verandert, of er is niets aan de hand. Nieuw onderzoek van Anthropic, het bedrijf achter Claude, biedt voor het eerst een meetmethode die verder gaat dan theoretische schattingen. De onderzoekers keken niet alleen naar wat AI in theorie zou kunnen automatiseren, maar naar wat er daadwerkelijk geautomatiseerd wordt. De conclusie nuanceert beide kampen: er is nog geen meetbare stijging in werkloosheid onder blootgestelde beroepen, maar de instroom van jonge werknemers in die beroepen vertraagt al wel. Voor organisatieleiders die willen sturen op feiten in plaats van op hype, is dit een van de belangrijkste onderzoeken van het jaar.

De trigger: meten wat er echt gebeurt

De meeste studies naar AI en werkgelegenheid meten wat AI theoretisch zou kunnen doen. Welke taken kun je in principe versnellen met een taalmodel? Die benadering levert dramatische koppen op, maar zegt weinig over wat er in de praktijk gebeurt. Anthropic pakt het anders aan. De onderzoekers combineerden drie databronnen: de O*NET-database met taakbeschrijvingen van zo'n 800 beroepen, eerder onderzoek naar theoretische AI-capaciteit, en hun eigen gebruiksdata van miljoenen Claude-gesprekken.

Het resultaat is een nieuwe maatstaf die ze observed exposure noemen: een score die niet meet wat AI zou kunnen, maar wat AI daadwerkelijk doet in professionele contexten. En daar zit het cruciale verschil. Een taak als het autoriseren van medicijnrecepten is in theorie volledig automatiseerbaar door een taalmodel, maar in de praktijk doet niemand dat. Juridische beperkingen, verificatiestappen en sectorspecifieke eisen zorgen ervoor dat de werkelijkheid ver achterloopt op het theoretische potentieel.

Wat de data laat zien

De resultaten zijn ontnuchterend voor wie de apocalyps verwacht, en een wake-up call voor wie denkt dat er niets aan de hand is.

Computerprogrammeurs staan bovenaan de lijst met 75% taakdekking: driekwart van hun dagelijks werk wordt al daadwerkelijk ondersteund of overgenomen door AI. Klantenservicemedewerkers volgen met 70%, data-invoermedewerkers met 67%. Aan de andere kant heeft 30% van alle werknemers nul dekking, omdat hun taken simpelweg niet voorkomen in AI-gebruik. Denk aan koks, motorfietsenmonteurs, badmeesters en barkeepers.

Maar hier wordt het interessant: zelfs in de meest blootgestelde beroepscategorieën, zoals computer- en wiskundige beroepen, dekt AI slechts 33% van alle taken. Het theoretische potentieel voor die categorie ligt op 94%. Die kloof is enorm, en het is precies die kloof waar organisatieleiders op moeten sturen.

Wie in de meest blootgestelde beroepen werkt, is gemiddeld ouder, vaker vrouwelijk, hoger opgeleid en beter betaald. Mensen met een masterdiploma zijn bijna vier keer zo sterk vertegenwoordigd in de meest blootgestelde groep als in de niet-blootgestelde groep. AI raakt dus niet de laagstbetaalde banen het eerst, maar de kenniswerkers.

Drie scenario's: wat doe je met deze data?

De data is helder, maar de juiste reactie hangt af van je situatie. Hoe ver is jouw organisatie met AI? Hoeveel van je team werkt in taken met hoge observed exposure? En hoeveel ruimte heb je om nu te investeren? We schetsen drie scenario's, van afwachten tot fundamenteel herontwerp, zodat je kunt bepalen welke route het best past bij waar jouw organisatie staat.

Scenario 1: niets doen

De werkloosheidscijfers zijn stabiel, dus waarom zou ik me zorgen maken?

Op het eerste gezicht biedt het rapport geruststelling. Er is geen systematische toename in werkloosheid onder de meest blootgestelde beroepen sinds de lancering van ChatGPT eind 2022. De werkloosheidstrends van de meest en minst blootgestelde groepen lopen vrijwel gelijk.

Maar wie daarmee genoegen neemt, leest selectief. De onderzoekers vonden namelijk wél dat het aannemen van jonge werknemers (22-25 jaar) in blootgestelde beroepen met zo'n 14% is gedaald. De instroom droogt op, ook al blijven de zittende medewerkers voorlopig op hun plek. Het is het klassieke patroon van technologische verschuivingen: niet de bestaande werknemers worden ontslagen, maar de nieuwe lichting komt er niet meer in.

Voor organisaties die nu niet investeren in de AI-vaardigheden van hun bestaande team, is dat een vertraagde tijdbom. De kloof tussen hype en praktijk wordt al langer zichtbaar, en dit onderzoek bevestigt dat het patroon zich nu ook in de arbeidsmarkt aftekent.

Scenario 2: het pragmatische pad

Gebruik de kloof als strategische ruimte

De belangrijkste bevinding voor organisatieleiders is niet welke beroepen bedreigd worden, maar hoe groot de kloof is tussen theoretisch potentieel en praktisch gebruik. Die kloof is geen probleem, het is een kans. Het betekent dat je nu nog tijd hebt om je organisatie voor te bereiden.

Concreet: breng in kaart welke taken in jouw organisatie het meest lijken op de taken met hoge observed exposure. Dat zijn niet per se hele functies, maar specifieke onderdelen van functies. Het schrijven en onderhouden van software, het opstellen van rapporten, het verwerken van klantverzoeken, het analyseren van financiële data. Voordat je investeert in AI, moet je vaststellen welke processen zich daadwerkelijk lenen voor automatisering.

Vervolgens investeer je in de vaardigheden van je huidige team. Het onderzoek laat zien dat AI vooralsnog aanvult en versnelt, niet vervangt. Maar die balans verschuift. Medewerkers die nu leren werken met AI-tools worden waardevoller. Medewerkers die dat niet doen, worden kwetsbaarder. Niet vandaag, maar geleidelijk.

Dit scenario vraagt geen grote reorganisatie. Het vraagt wel een eerlijk gesprek met je team over welke taken gaan veranderen, en een investering in experimenteerruimte.

Scenario 3: het transformatiepad

Herontwerp functies voordat de kloof dicht is

De onderzoekers benadrukken dat de rode zone (daadwerkelijk AI-gebruik) zal groeien richting de blauwe zone (theoretisch potentieel). Naarmate modellen beter worden, adoptie toeneemt en implementaties dieper gaan, zal die kloof dichten. De vraag is niet of, maar hoe snel.

Organisaties die nu al hun functiebeschrijvingen herontwerpen, bouwen een voorsprong op. Dat betekent: voor elke rol expliciet maken welke taken AI kan versnellen of overnemen, en welke taken juist meer menselijke aandacht verdienen. Niet als bezuinigingsoperatie, maar als herwaardering van menselijk werk.

Het onderzoek geeft hier een concreet handvat: de taken die AI niet kan overnemen, zijn precies de taken die het verschil maken. Fysiek werk, contextueel oordeel, creatieve besluitvorming, klantrelaties die vertrouwen vragen. Bedrijven die leiderschap actief betrekken bij AI-adoptie lopen voorop, en dat geldt des te meer wanneer het gaat om het herdefiniëren van rollen.

Dit scenario is het meest ingrijpend, maar ook het meest toekomstbestendig. Anthropic-CEO Dario Amodei waarschuwde eerder al voor snelle ontwrichting van de arbeidsmarkt, en dit rapport biedt voor het eerst een meetinstrument om die ontwrichting te volgen.

Wat dit betekent voor jouw organisatie

Dit onderzoek is niet zomaar een academische exercitie. Het is de eerste serieuze poging om AI-impact op werk te meten op basis van werkelijk gebruik, niet op basis van schattingen. En de boodschap is genuanceerd maar urgent: het effect is er al, alleen niet waar de meeste mensen kijken.

De werkloosheidscijfers veranderen nog niet. Maar de instroom van jong talent in kennisintensieve beroepen vertraagt. De taken die het meest geautomatiseerd worden, zijn precies de taken waar veel organisaties hun kenniswerkers op inzetten. En de kloof tussen wat mogelijk is en wat al gebeurt, wordt kleiner.

De vraag voor organisatieleiders is niet: gaat AI banen kosten? De betere vraag is: welke taken in mijn organisatie worden nu al door AI gedaan, en heb ik daar regie op? Plan een kennismaking in als je die vraag wilt beantwoorden. We denken graag mee over wat dit specifiek voor jouw sector en organisatie betekent.