Waarom AI werknemers meer belast in plaats van ze te vervangen

In de IT-sector hoor je voortdurend dat AI binnenkort 30 procent van de beroepsbevolking overbodig zal maken. Waarom spreek je dat tegen?

Mijn stelling is dat er parallel aan de automatisering nieuw werk ontstaat. Dat hangt samen met een toenemende complexiteit en versnelling van economische en sociale processen. Dat is heel goed te zien in de programmeerwereld. Die sector is momenteel begrijpelijkerwijs in rep en roer. Er verandert veel, je moet je bijscholen, er komen nieuwe tools en nieuwe mogelijkheden bij.

Tot op zekere hoogte is dat echter een blijvende situatie. In dat vakgebied zijn er altijd al nieuwe programmeertalen en tools geweest die aanpassingen vereisten.

In feite is softwareontwikkeling altijd al de automatisering van zichzelf geweest: het gaat erom processen te vereenvoudigen, efficiënter in kaart te brengen en gedeeltelijk te automatiseren. Tegelijkertijd stijgt met die mogelijkheden ook de vraag. Hoe meer mogelijkheden er ontstaan, des te meer toepassingen er worden ontwikkeld die er voorheen helemaal niet waren. Dat verklaart waarom de softwaresector de afgelopen jaren flink is gegroeid.

Sinds 2023 zijn taalmodellen in opkomst. Worden werknemers daar nu al massaal door vervangen?

De grote terugval in de werkgelegenheid door AI of automatisering wordt altijd voor de nabije toekomst aangekondigd en verschuift dan steeds verder naar de toekomst. Hoewel generatieve AI in theorie productiviteitswinst moet opleveren, zijn de effecten in de praktijk tot nu toe beperkt.

Wat we zien, is een daling in het aantal nieuwe aanstellingen. Dat raakt starters op de arbeidsmarkt extra hard. Maar dat komt vooral doordat bedrijven in een economisch onzekere situatie voorzichtiger zijn met aannemen – niet door de AI.

Een ander effect is dat bedrijven minder personeel aannemen in de verwachting dat AI de efficiëntie zal verhogen. In veel gevallen blijkt echter dat de efficiëntiewinst achterblijft bij de verwachtingen. Het gevolg is dan dat de huidige werknemers meer werk moeten verzetten.

Productiviteitswinst door AI is zeker aantoonbaar op het niveau van afzonderlijke taken. Veel werkzaamheden kunnen efficiënter uitgevoerd worden. Maar als je naar een hele werkdag kijkt en er rekening mee houdt dat werkzaamheden dynamisch veranderen, ontstaat er een ander beeld.

Was het dus vooral een hype?

Deels zeker. Bedrijven hebben echter wel degelijk een groot belang bij het realiseren van productiviteitswinst, vooral tegen de achtergrond van het tekort aan geschoold personeel. Naar mijn mening is dat momenteel de belangrijkste drijfveer voor automatisering: als er een tekort aan arbeidskrachten is, neemt de druk om processen te automatiseren toe.

De ervaring van de afgelopen decennia is echter duidelijk: productiviteitswinst is veel moeilijker te realiseren dan verwacht. De Amerikaanse econoom Robert Solow heeft dat ooit scherp verwoord met de zin: je ziet het computertijdperk overal, behalve in de productiviteitsstatistieken. Dat geldt nog steeds. Ondanks razendsnelle technische vooruitgang is de productiviteitsgroei de afgelopen 20 tot 30 jaar relatief zwak gebleven.

Bij generatieve AI is dat niet anders. Zelfs McKinsey spreekt daarom van de Generative AI Paradox.

AI wordt vaak verkocht als werkverlichting, maar leidt vaak juist tot meer werk. Waarom?

De huidige situatie wordt vooral gekenmerkt door aanpassingsdruk. Juist in beroepen die te maken hebben met media, kennisproductie of programmeren, zitten werknemers in tweestrijd: aan de ene kant wil je voorop lopen, de nieuwe kansen benutten en je onderscheiden door nieuwe technieken onder de knie te krijgen, maar aan de andere kant is er vermoeidheid en onzekerheid over je eigen rol. Dat is geen bijzonder gezonde situatie.

En in veel beroepen hebben we sowieso al te maken met een hoge werkdruk, die samenhangt met het tekort aan arbeidskrachten. Er zijn te weinig mensen beschikbaar voor de taken die moeten worden uitgevoerd. Bij AI bestaat nu het gevaar dat dit fundamentele probleem over het hoofd wordt gezien omdat men verwacht dat AI het tekort aan arbeidskrachten wel zal oplossen, of dat de verwachtingen ten aanzien van de output nog verder stijgen.

Als bedrijven en klanten weten dat er met AI in principe meer mogelijk is, groeien ook de verwachtingen dat werknemers in dezelfde tijd meer moeten doen. Dat is riskant, omdat AI in veel situaties helemaal niet aan die verwachtingen kan voldoen. Dan leidt het niet tot verlichting, maar tot werkverdichting.

Welke risico’s lopen bedrijven als ze denken dat ze grote delen van hun personeelsbestand door AI kunnen vervangen?

De meeste bedrijven kijken heel goed naar welke technologieën in hun specifieke context zinvol zijn. Het is helemaal niet eenvoudig om algemeen potentieel toe te passen op specifieke gebruikssituaties. In veel gevallen wordt er daarom niet blindelings geïnvesteerd.

Er zijn echter ook situaties waarin bedrijven meegesleept worden door de hype en personeel inkrimpen in de verwachting dat AI de taken overneemt. Dat blijkt vaak een misvatting te zijn.

Een voorbeeld is de betalingsdienstverlener Klarna. Dat bedrijf had in 2024 vanwege de inzet van AI een wervingsstop afgekondigd en binnen een jaar bijna duizend banen geschrapt. Later moest men toegeven dat het zo niet werkte, en begon men weer personeel aan te nemen.

Waarom werkte het bij Klarna niet?

Dat heb ik niet precies kunnen achterhalen omdat het bedrijf daar niet transparant over is. Het is echter wel duidelijk dat de grootse AI-beloften niet uitgekomen zijn.

Er zijn twee mogelijke ontwikkelingen: bedrijven moeten weer mensen aannemen of de stress en de werkdruk bij de overgebleven medewerkers nemen enorm toe. Dat kan leiden tot storingen in de bedrijfsvoering.

Je hebt het in dat verband over rebound-effecten. Hoe komt het dat er ondanks automatisering uiteindelijk vaak meer in plaats van minder werk ontstaat?

Ik ontken niet dat er automatisering is. Telefonistes, die vroeger handmatig gesprekken doorverbonden, zijn bijvoorbeeld verdwenen. Ook in de auto-industrie is door automatisering veel werk bespaard. Tegelijkertijd ontstaat er elders nieuw werk.

De term rebound-effect vat dat fenomeen samen. Terwijl automatisering enerzijds processen efficiënter maakt, worden werkprocessen, producten en waardenketens tegelijkertijd complexer, veelzijdiger en gedifferentieerder. Een auto van nu heeft nauwelijks nog iets gemeen met een auto van 150 jaar geleden, en ook de omvang, complexiteit en frequentie van diensten zijn toegenomen.

Daar komt nog bij dat automatisering zelf werk vereist. Algemene technische mogelijkheden moeten worden toegepast op concrete contexten. Dat vraagt om samenwerking tussen verschillende vakgebieden en IT-experts. Vaak moeten organisaties hun structuren aanpassen. Er ontstaan veranderingen in de taakverdeling, er is behoefte aan opleidingen en nog veel meer.

Met die inspanning wordt bij klassieke productiviteitsberekeningen meestal geen rekening gehouden. Daarom pakken die berekeningen systematisch te optimistisch uit.

De transformatie zelf zorgt dus blijvend voor nieuw werk. Niemand kan op het niveau van 1995 blijven staan en zeggen dat hij niet geïnteresseerd is in nieuwe software. Bedrijven moeten voortdurend meegaan met nieuwe innovatiegolven, zowel bij producten als bij processen. Dat zorgt permanent voor extra werk.

Waar werknemers de tijd die ze dankzij AI besparen aan besteden In 2025 hebben Humlum en Vestergard in Denemarken 25.000 werknemers bij 7000 bedrijven uit de sectoren journalistiek, softwareontwikkeling, klantenservice, boekhouding en onderwijs ondervraagd. Het resultaat: tijdwinst door generatieve AI leidt tot nu toe nauwelijks tot minder werkdruk. Ongeveer 84 tot 85 procent van de ondervraagden gebruikt de bespaarde tijd voor extra of nieuwe taken. Slechts 5 tot 7 procent zegt vaker pauzes te nemen, en maar 6 tot 8 procent heeft meer vrije tijd. De verschillen tussen werknemers die AI normaal gebruiken en een groep die uitdrukkelijk werd aangemoedigd om AI vaker in te zetten, zijn klein.

Bedrijven zoals OpenAI en Google schetsen het beeld van een Artificial General Intelligence die op een gegeven moment alles automatiseert en zichzelf verder ontwikkelt. Waarom beschouw je dat scenario als een illusie?

Dat is een sciencefictionmotief dat al tientallen jaren bestaat. AI heeft zich de afgelopen jaren indrukwekkend ontwikkeld, maar is niet menselijker geworden. Op bepaalde gebieden overtreft het mensen, maar dat gold ook al voor mijn rekenmachine.

Tegelijkertijd mist het veel van wat menselijke intelligentie uitmaakt, zoals empathie en sociale vaardigheden. Het ontbreekt vooral aan bewustzijn van zijn eigen positie in de wereld. Dat beperkt zijn vermogen om situaties volledig in te schatten aanzienlijk.

Het gelijkstellen van AI aan menselijke intelligentie is daarom misleidend. AI is niet beter of slechter dan de mens, maar gewoon anders. Daarom is het zinvol om AI in te zetten als aanvulling op menselijke vaardigheden.

Generatieve AI kan verbazingwekkend mensachtige resultaten opleveren, maar het blijft patroonherkenning, geen redenering. Ook met toenemende rekenkracht verandert daar fundamenteel niets aan. Een AI-output is geen weloverwogen beslissing. Dat is een fundamentele beperking die op dit moment niet overwonnen kan worden.

Tegen die achtergrond vind ik de verwachting van een AGI misleidend.

Zijn dark factories, oftewel volledig geautomatiseerde productielocaties zonder personeel, in dat verband überhaupt een realistisch vooruitzicht of gewoon een fata morgana?

Bedrijven die dergelijke scenario’s uitdragen, presenteren zichzelf als bijzonder innovatief. Als een bedrijf bijvoorbeeld aankondigt dat het in de toekomst met 700 werknemers minder toe kan, straalt het voor klanten en financiële markten vooruitstrevendheid uit.

In werkelijkheid gaat het echter om mediagenieke, geïsoleerde gevallen. De voorbeelden zijn deels echt, maar beperken zich tot afzonderlijke processen binnen complexe waardenketens.

Dergelijke automatiserings-eilandjes zijn er altijd al geweest. Als bijvoorbeeld Xiaomi smartphones grotendeels geautomatiseerd produceert, is dat een relevante ontwikkeling. De onderdelen van die toestellen en de software worden echter niet volledig geautomatiseerd ontworpen.

En als volledige automatisering daadwerkelijk bereikt zou worden?

Dan zouden de producten aan waarde inboeten. Als de productie geen menselijke arbeid meer vereist, blijven in wezen alleen nog afschrijvingen op machines over als kostenfactor. Producten zouden extreem goedkoop worden. Dat zie je nu al in sommige sectoren, bijvoorbeeld bij textiel. Naarmate de automatisering toeneemt, dalen de prijzen aanzienlijk.

Dat zou betekenen dat markten uiteindelijk instorten door het overaanbod.

Precies. Je kunt dan nauwelijks nog winst maken. In de economie noemen ze dat commoditisering: de productie wordt zo gestandaardiseerd en inwisselbaar dat de prijsdruk enorm toeneemt. Als er helemaal geen arbeid meer in een product zit, verliest het in economische zin aan waarde.

Waarom streven bedrijven daar dan überhaupt naar?

Omdat je op korte termijn concurrentievoordelen kunt behalen. Als een bedrijf als eerste automatiseert, kan het zijn productiekosten verlagen terwijl de marktprijzen nog op een hoger niveau liggen. Dat levert aanzienlijke voordelen op ten opzichte van minder ver ontwikkelde concurrenten.

Op de lange termijn leidt dat echter vaak tot een verspreiding van die praktijk. Dan heffen de kostenvoordelen elkaar weer op en neemt de prijsdruk toe.

Afgezien van alle ophef rond dark factories blijkt echter dat automatisering een zoektocht is. Er is vooruitgang, maar ook achteruitgang. In veel gevallen wordt automatisering zelfs weer teruggedraaid omdat het inefficiënt blijkt te zijn. Je investeert meer dan wat het uiteindelijk oplevert.

Zo werd Industrie 4.0 zo’n tien jaar geleden aangekondigd als een industriële revolutie. Vandaag de dag heerst er ontnuchtering. Je ziet banen verdwijnen, maar geen wijdverbreide volledige automatisering. De verwachtingen waren te hooggespannen. De toenemende netwerken en digitalisering hebben de complexiteit aanzienlijk vergroot, vaak verder dan wat de bestaande technologie aankan.

Hoe moeten werknemers reageren als de baas zegt dat je met AI nu twee keer zoveel gedaan krijgt in de helft van de tijd?

Bazen kunnen helemaal niet tot in detail voorschrijven hoe er met AI gewerkt moet worden. Dat ligt in de handen van de werknemers zelf, want zij moeten eerst uitzoeken waar de technologie daadwerkelijk iets oplevert.

Ik ben er zelf ook constant mee aan het experimenteren. Niemand kan mij voorschrijven hoe ik ermee moet werken. Daarom moeten werknemers onderhandelen: enerzijds ruimte opeisen om met de technologie te spelen, dus het daadwerkelijk uitproberen en zonder vooroordelen testen. Je moet fouten mogen maken en dingen mogen uitproberen.

Voor mij persoonlijk kost het in het begin vaak wat meer tijd om met AI te werken en ermee te experimenteren. Als aan het begin van een digitaliseringsproject wordt vastgelegd wat de verwachtingen zijn, hoe de daadwerkelijke prestaties van de technologie gemeten worden en welke concrete verlichting daaruit moet voortvloeien, dan is dat een goede aanpak.

In een redelijk gezond bedrijf zullen leidinggevenden niet zomaar beweren dat je met AI automatisch meer kunt presteren, maar ook luisteren naar waar het zinvol ingezet kan worden en waar niet. Daartoe kun je via de ondernemingsraad of personeelsvereniging afspraken maken over werkverlichting, zodat een deel van de

digitaliseringsopbrengsten daadwerkelijk bij de werknemers terechtkomt, in de vorm van echte werkverlichting.

Je hebt dat beschreven aan de hand van het voorbeeld van de zorgrobots. Ontlasten dergelijke technieken de werknemers überhaupt wel?

Er is bijna geen enkel vakgebied waar de verwachtingen en de realiteit zo ver uit elkaar liggen als in de zorg. De gezondheids- en sociale sector was de afgelopen jaren een van de grootste werkgevers. Die compenseert momenteel zelfs het banenverlies in de industrie.

Dat hangt samen met de demografische veranderingen, maar ook met veranderde maatschappelijke opvattingen over zorg en verzorging. Bij zorgrobotica zit het probleem in totaal overdreven verwachtingen. In werkelijkheid bestaat die technologie tot nu toe alleen in proefprojecten en is ze nog ver verwijderd van een brede toepassing.

Toch speelt dat een grote rol in het publieke debat, omdat veel betrokkenen er een mogelijke oplossing in zien voor het schrijnende tekort aan geschoold personeel in die sector. Dat is echter een misvatting. Zorgrobots zijn een aanvullende technologie. Het doel is niet om menselijke zorgverleners te vervangen door humanoïde robots, maar om bepaalde taken te vergemakkelijken. Dat draagt nauwelijks bij aan een compensatie van het enorme tekort aan arbeidskrachten in die sector.

Veel werknemers vragen zich bij het omgaan met AI af: train ik hiermee niet mijn eigen concurrent?

Dat is inderdaad een scenario dat we steeds weer zien. Nog meer dan bij veel andere technologieën is de invoering van AI afhankelijk van de medewerking van de werknemers. Je hebt hun kennis, hun feedback en hun gegevens nodig.

Dat hebben we bij verschillende casestudies bij bedrijven gezien: voor de invoering van machine-learning-systemen is het essentieel dat er gegevens worden ingevoerd, en daar horen ook de gegevens van de werknemers bij.

In de praktijk komt het echter zelden voor dat juist dat proces de werknemers overbodig maakt. Meestal veranderen eerder de inhoud van hun taken en komen er nieuwe mogelijkheden bij. Juist omdat bedrijven afhankelijk zijn van de gegevens van de werknemers, hebben die ook een relatief sterk middel in handen om afspraken over werkverlichting af te dwingen: we geven jullie onze gegevens, als we in ruil daarvoor de garantie krijgen dat we profiteren van de invoering van de technologie, of in ieder geval er niet negatief door worden beïnvloed. Daar valt over te onderhandelen.

In dat opzicht is dat geen slechte uitgangspositie voor werknemers. Als er een AI-project van start gaat, is dat precies het moment om heel goed te kijken en de toestemming voor dergelijke projecten – die meestal nodig is – te koppelen aan eisen, en daarover verbeteringen in het werk te bedingen.

De babyboomers gaan met pensioen, vakkennis verdwijnt en er is simpelweg een tekort aan arbeidskrachten. Kunnen AI en robotica die tekorten realistisch gezien opvullen?

Naar mijn mening is dat eerder een druppel op een gloeiende plaat. Als je kijkt naar de ontwikkeling van de afgelopen jaren, dan is de werkgelegenheid ondanks automatisering en digitalisering gegroeid.

Zelfs als je ervan uitgaat dat die in de toekomst door AI iets afneemt, stevenen we vanwege de demografische veranderingen af op een structureel tekort aan arbeidskrachten.

In het komende decennium zullen er op de arbeidsmarkt, zelfs bij hoge immigratiecijfers, duidelijk minder mensen beschikbaar zijn. Het aanbod aan arbeidskrachten neemt enorm af.

Afgaande op wat we tot nu toe hebben kunnen waarnemen, zijn automatisering en AI bij lange na niet voldoende om deze ontbrekende arbeidskrachten te vervangen. Waarvoor we absoluut arbeidskrachten nodig hebben.

Je concludeert daaruit dat we het werk anders moeten verdelen. Wat betekent dat concreet?

Het idee dat we steeds meer werk moeten creëren, leidt de verkeerde kant op. Het grootste probleem van de komende decennia zal niet werkloosheid zijn, maar een structureel tekort aan arbeidskrachten.

Dat is tot nu toe echter nog niet doorgedrongen bij de vakbonden of in de politiek – daar is nog een flinke inhaalslag nodig. We moeten radicaal anders gaan denken en ons afvragen: als werk schaars wordt, waar willen we het dan voor inzetten? Welke activiteiten zijn maatschappelijk echt belangrijk? Ik denk dat we bijvoorbeeld meer zorgwerk nodig hebben bij de opvang van kinderen, ouderen en zieken, waar we enorm tekortschieten.

Ik denk ook dat de ecologische transitie heel veel werk zal vergen, als we die serieus nemen. Daar kun je op twee manieren invloed op uitoefenen. De eerste is wat de econome Mariana Mazzucato een missiegedreven innovatie- en investeringsbeleid noemt. Daarmee wordt bedoeld dat we veel meer publieke investerings- en innovatiecapaciteit moeten mobiliseren om grote maatschappelijke doelen na te streven, zoals het beperken van de klimaatverandering of het aanpassen aan de gevolgen ervan.

Het tweede punt is het versterken van de activiteiten die tijdens de coronacrisis als systeemrelevant werden aangemerkt. In dat verband spreekt men ook wel van basiswerk: zorg, kritieke infrastructuur en dergelijke. Uiteindelijk is het een kwestie van een herverdeling van belastinggeld en begrotingsmiddelen naar die sectoren.

Maar hoe krijg je meer mensen in dergelijke beroepen, als je als influencer of manager onder bepaalde omstandigheden wel drie keer zoveel kunt verdienen?

Dat heeft veel te maken met verwachtingen en verhalen over bepaalde beroepen. De meeste mensen die influencer willen worden, slagen daar niet in en verdienen er praktisch niets mee. Het is een loterij waar maar voor enkelen iets uitkomt.

Puur materieel gezien is de zorg daarom zeker niet automatisch de slechtere keuze. Het probleem is echter dat iedereen inmiddels weet hoe zwaar dat beroep is. Het tekort aan personeel is de hoofdreden dat mensen die sector weer verlaten.

Dat wordt steeds meer een twistpunt. Daaruit ontstaan nieuwe sociale conflicten, zoals stakingen waar meer personeel een centrale eis was. Het is daarom cruciaal of dat soort zorgwerk voldoende wordt gefinancierd en of de mensen die ervoor kiezen, realistische vooruitzichten hebben: op een zinvol beroep, een draagbare werkdruk en een passend salaris.

Kun je in een kapitalistisch economisch systeem überhaupt nog prikkels creëren voor maatschappelijk zinvol werk?

Het is uiteindelijk een systeemkwestie of de verdeling van werk maatschappelijke prioriteiten volgt of alleen winstbelangen. Het hoort bij de basis van het kapitalisme dat bedrijven beslissen waar werk wel en waar geen werk wordt ingezet.

Daar heb ik kritiek op. In zoverre ben ik er ook voor om verder te denken dan het kapitalisme. Tegelijkertijd geloof ik echter dat er ook zonder een systeemverandering politiek gezien veel meer mogelijk zou zijn dan nu het geval is.

De houding van Europa is tegenstrijdig: enerzijds wil men niet zijn zoals Silicon Valley, anderzijds wil men toch precies zo worden en houdt men zichzelf voor dat een mix van durfkapitaal en start-ups de sleutel is tot het oplossen van maatschappelijke problemen.

Daar sta ik heel kritisch tegenover. Ik geloof dat de staat een essentiële rol moet spelen bij het zodanig organiseren van concurrentie dat maatschappelijk zinvolle ontwikkelingen versterkt worden.

Als voorbeeld noemt Mariana Mazzucato dat bij het Apollo-programma zo’n drie procent van het bruto binnenlands product van de VS in dat project is gestoken. Daardoor hadden enkele honderdduizenden mensen werk.

Uiteindelijk is Silicon Valley zoals we dat nu kennen in zekere zin de restant van die enorme, door de staat aangestuurde innovatiegolf, waaruit cruciale sleuteltechnologieën van het computertijdperk zijn voortgekomen.

Een vergelijkbare publieke krachttoer voor vooruitstrevende doelen zou een enorm verschil kunnen maken. Misschien is dat zelfs de enige manier om een klimaatcrisis nog te voorkomen. 

(Hartmut Gieselmann en Noud van Kruysbergen)