Kort antwoord: AI vervangt zelden een hele functie en vrijwel altijd een deel van de taken binnen die functie. Werk dat bestaat uit tekst, gegevens en herhaalbare beoordeling verandert het snelst. Werk waarin fysieke aanwezigheid, verantwoordelijkheid of onderhandeling centraal staat, verandert het traagst. Het effect is daarom vooral herverdeling van taken, niet massale werkloosheid.
Welk werk verandert het snelst en waarom?
Werk waarvan de output tekst of gestructureerde gegevens zijn, en waarvan de kwaliteit relatief snel te controleren is. Concept-teksten, samenvattingen, vertalingen, eerste versies van code, standaardanalyses, het doorzoeken van dossiers. In al die gevallen levert een model iets op dat een vakman in minuten kan beoordelen, en dat is precies de voorwaarde waaronder de tijdwinst echt is.
Bij werk waar controle net zo lang duurt als zelf doen, valt die winst weg. Dat verklaart waarom de effecten per beroep zo verschillen, ook binnen dezelfde sector.
Welke functies blijven relatief ongemoeid?
Alles waar handen, aanwezigheid of gezag aan te pas komen. Installateurs, verpleegkundigen, monteurs, docenten voor de klas, mensen die onderhandelen of die verantwoordelijkheid dragen voor een besluit. Een model kan een advies opstellen, het kan de handtekening niet zetten.
Ironisch genoeg gaat het hier vaak om beroepen waar nu al tekorten zijn. De arbeidsmarkt krijgt dus niet alleen te maken met verschuiving maar ook met een groeiend verschil tussen waar mensen vrijkomen en waar ze nodig zijn.
Wat zeggen de cijfers tot nu toe echt?
Minder dan de koppen suggereren. Studies van onder meer het IMF, de OESO en verschillende consultancybureaus komen met sterk uiteenlopende schattingen van het aandeel banen dat wordt geraakt, omdat ze verschillende definities hanteren van geraakt worden. Blootstelling aan AI is niet hetzelfde als vervanging door AI, en veel citaten die u voorbij ziet komen wisselen die twee stilzwijgend om.
Wat wel consistent naar voren komt: hoogopgeleid kantoorwerk is meer blootgesteld dan handwerk, wat een omkering is van eerdere automatiseringsgolven. En de gemeten productiviteitswinst is het grootst bij minder ervaren medewerkers, die dichter bij het niveau van de meer ervaren collega’s komen.
Noem in uw eigen presentaties altijd de bron en het jaar erbij. Cijfers over dit onderwerp verouderen binnen twaalf maanden.
Waarom levert AI in veel organisaties nog geen tijdwinst op?
Omdat de winst per taak wegvalt tegen het proces eromheen. Een medewerker die een rapport in twintig minuten in plaats van twee uur schrijft, zit daarna nog steeds vast aan dezelfde goedkeuringsronde, dezelfde vergadercyclus en dezelfde wachttijd op input van anderen.
Daar komt bij dat bespaarde tijd zelden wordt geoogst. Hij verdwijnt in ander werk, in meer overleg of in meer output van hetzelfde. Organisaties die wel resultaat boeken, hebben doorgaans niet alleen een tool ingevoerd maar ook het proces eromheen aangepast.
Wat betekent dit voor junior functies en instroom?
Dit is het onderwerp waar de meeste organisaties nog geen antwoord op hebben. Het werk dat traditioneel aan beginners werd gegeven, namelijk het eerste concept, het uitzoekwerk, de standaardanalyse, is precies het werk dat nu het snelst wordt overgenomen.
Het gevolg is dat de leerschool verdwijnt terwijl het oordeel dat je daar opdeed nog steeds nodig is. Wie over vijf jaar senior medewerkers wil hebben, moet nu bedenken hoe junioren ervaring opbouwen zonder het werk dat die ervaring opleverde. Dat is geen technisch vraagstuk maar een organisatievraagstuk, en het hoort thuis bij de directie.
Welke vaardigheden worden schaarser?
Het vermogen om een uitkomst te beoordelen zonder de tussenstappen te hebben gezien. Weten wat een goed antwoord van een plausibel antwoord onderscheidt. En het formuleren van de juiste opdracht, wat neerkomt op helder kunnen denken over wat u eigenlijk wilt weten.
Dat is geen technische vaardigheid maar een vakinhoudelijke. De beste gebruikers van deze systemen zijn niet de mensen die het meest van de techniek weten, maar de mensen die hun eigen vak het beste beheersen.
Wat kunnen werkgevers nu al doen?
Meten in plaats van aannemen. Kies twee processen, meet hoeveel tijd ze nu kosten, voer AI-ondersteuning in en meet opnieuw. De uitkomst is bijna altijd anders dan verwacht, en dat is waardevoller dan welke marktvoorspelling ook.
Regel daarnaast de basis: heldere afspraken over gebruik, een aanspreekpunt, en een antwoord op de vraag hoe beginners nog leren. Hoe u dat eerste opschrijft staat op de pagina over AI-beleid opstellen.
Wilt u dit gesprek met uw team voeren? Bekijk de keynotes over AI.