AI raakt de automatiseerbare taak niet de mens erachter

Early-career softwareontwikkelaars zagen de werkgelegenheid in het afgelopen jaar met 4,3 procent krimpen. Klantenservicemedewerkers van dezelfde leeftijd, 22 tot 25 jaar, deelden in de klap. In diezelfde periode groeide het werk van thuiszorgmedewerkers juist. Het hardst nog wel voor precies die jongste groep. Dat is geen toeval. Dat is een patroon.

Kanaries in de kolenmijn

De cijfers komen uit het Canaries Dashboard van het Stanford Digital Economy Lab, samengesteld met ADP Research, de grootste salarisverwerker van de Verenigde Staten. Het dashboard borduurt voort op het onderzoek Canaries in the Coal Mine? van Brynjolfsson, Chandar en Chen (2025) en werd op 22 juli 2026 bijgewerkt met data tot en met juni 2026. De titel is treffend gekozen. Mijnwerkers namen vroeger een kanarie mee de mijn in. Viel het vogeltje van zijn stokje, dan was dat het signaal om te vluchten. De jongste werknemers in AI-gevoelige beroepen zijn nu die kanarie. Zij voelen als eersten wat er in de lucht hangt.

In 2018 schreef ik in Digitaal Vermogen het volgende: “Niet de strijd tegen, maar de samenwerking met de robot zoeken.” En: “De winnende formule: een combinatie van een slimme machine en menselijke intelligentie.” Zeven jaar later legt Stanford de data op tafel die dat bevestigt. Laten we kijken wat er werkelijk gebeurt.

Stanford laat de jongste werknemers als eerste struikelen

De grootste klappen vallen bij de starters. Onder werknemers van 22 tot 25 jaar krompen de meest AI-blootgestelde beroepen met 4,3 procent op jaarbasis, terwijl de minst blootgestelde beroepen in diezelfde groep vlak bleven. Bij oudere leeftijdsgroepen verdwijnt dat verschil. Mid-career werknemers van 35 tot 40 jaar zagen hun werk zelfs met 1,8 procent groeien.

Waarom raakt het juist de jongste generatie? Omdat starters vaak de taken doen die een taalmodel het makkelijkst overneemt: eenvoudige code schrijven, standaardvragen beantwoorden, gestructureerd uitzoekwerk. Het is werk dat leunt op routine en herhaling. Precies daar bijt de automatisering het eerst. Dat de aard van het werk verandert, is geen nieuw inzicht. Kijk maar eens naar mijn eerdere lijstje van tien banen die tien jaar geleden nog niet bestonden. Werk verdwijnt niet, het verschuift.

Automatisering laat banen verdwijnen

Het onderscheid tussen automatisering en versterking (augmentatie) bepaalt de uitkomst. Stanford vond geen helder verband tussen de mate van blootstelling en de werkgelegenheid op zichzelf. Wel een helder verband met de aard van het AI-gebruik: beroepen waarin AI vooral taken automatiseert, zien dalingen; beroepen waarin AI het werk aanvult en versterkt, niet.

Automatisering betekent dat de machine de taak overneemt van de mens. Augmentatie betekent dat de machine de mens sterker maakt in zijn werk. Dat is het verschil tussen vervangen en versterken. Het is exact de tweedeling die ik in Digitaal Vermogen beschreef. Wie de robot als tegenstander ziet, verliest. Wie de robot als collega inzet, wint. Ik gaf mijn eigen AI-collega’s Liza en Pia een plek in het werk, niet om mensen te vervangen, maar om ze te versterken. Wie dieper wil begrijpen wat robotisering wel en niet doet, leest alles wat je moet weten over robotisering.

Relationeel werk is niet te automatiseren

De thuiszorg groeit tegen de trend in. Het werk van de thuiszorgmedewerker is relationeel en fysiek. Het vraagt aanwezigheid, aanraking, vertrouwen en oordeelsvermogen in het moment. Geen taalmodel dat dat overneemt. Sterker nog, in de data van Stanford zien juist de jongste thuiszorgmedewerkers de grootste groei.

Dit is de kern van de relatie-economie. In Digitaal Vermogen stelde ik het scherp: de connectie met de fan of klant is het enige concrete bezit. Wie de relatie bezit, bezit de kasstroom. De relatie-economie draait op menselijke verbinding en dat is nu net wat een machine niet kan namaken. The New York Times werd winnaar van de relatie-economie niet door meer te automatiseren, maar door de directe band met de lezer te verdiepen. Dat is geen kwestie van technologie. Dat is een kwestie van relatie.

AI is een versneller geen oplossing

AI lost niets op. AI versnelt. Zet je een raket op een fundament van georganiseerde data, dan schiet je door de dampkring. Zet je diezelfde raket op een berg silo’s en losse tools, dan versnel je vooral de chaos. Dat is het misverstand waar de meeste organisaties in trappen. Ze kopen AI in de hoop dat het hun rommel opruimt, terwijl AI die rommel juist uitvergroot.

Het onderscheid tussen automatisering en augmentatie is daarom geen technische keuze, maar een strategische. Het vraagt om een besturingssysteem dat mens en machine op elkaar afstemt. Dat besturingssysteem is het Business Acceleration Framework: de motor die data omzet in richting. Zonder dat fundament blijft AI een losse flodder. En zolang je kennis vastzit in afdelingen die niet met elkaar praten, kom je niet ver, want silo’s belemmeren de digitale transformatie. Het einde van het silo-denken democratiseert de toegang tot informatie en dat is precies de voorwaarde waaronder AI wél rendeert. Wat digitaal vermogen dan is? Lees wat digitaal vermogen eigenlijk inhoudt.

De muziekindustrie gaf het antwoord al

De angst voor AI is niet nieuw en niet uniek. Elke technologische sprong roept dezelfde reflex op. Bij de introductie van de stoomtrein dacht men dat je in de trein zou stikken of een hersenziekte zou oplopen. De angst voor datagebruik lijkt op de angst voor de stoomtrein: begrijpelijk, maar zelden terecht. Angst is een slechte raadgever.

De muziekindustrie weet dat als geen ander. Napster vaagde eind jaren negentig het oude verdienmodel weg. Paniek alom. Toch verdween de muziek niet. De industrie herstelde zich door de directe relatie met de fan te bezitten en data als nieuwe grondstof te omarmen. Van gratis downloaden naar streaming, van bezit naar toegang. Wie die transitie doorstond, kwam sterker terug. Dat de muziekindustrie van views naar waarde en fans bewoog, is exact het draaiboek dat elke sector nu nodig heeft. De kanarie zong toen ook. Alleen luisterde bijna niemand.

Wat dit betekent voor jouw organisatie

De les van Stanford is niet dat AI banen wegvaagt. De les is dat AI de taak raakt en dat de mens die zijn werk om de machine heen weet te bouwen, overeind blijft. Stel jezelf daarom vandaag nog een aantal vragen. Zet ik AI in om mensen te vervangen of om ze te versterken? Rust ik mijn starters uit met de vaardigheden die een machine niet overneemt? Bezit ik de directe relatie met mijn klant of huur ik die op geleend terrein? En rust mijn AI op een fundament van georganiseerde data of versnel ik vooral mijn eigen chaos?

Dit is de wereld van de intelligente revolutie, waarin de winnaars mens en machine samenbrengen in plaats van tegenover elkaar te zetten. De kanarie zingt. De vraag is of je luistert.

De aard van het werk verandert, zoals het altijd is veranderd. Wie zich verschanst tegen de robot, verliest. Wie de robot inzet als collega en de menselijke relatie koestert als het schaarse goed dat het is, wint. Er is werk aan de winkel.

* Met dank aan mijn collega Pieter Zwart die mij tipte over dit dashboard.

Veelgestelde vragen

Wat laat het Stanford Canaries Dashboard precies zien?

Het dashboard van het Stanford Digital Economy Lab en ADP Research volgt de werkgelegenheid sinds de introductie van ChatGPT in november 2022. De belangrijkste bevinding: de werkgelegenheid groeit het langzaamst in de meest AI-blootgestelde beroepen en de daling is het sterkst onder jonge werknemers van 22 tot 25 jaar in beroepen als softwareontwikkelaar en klantenservice.

Verdwijnen banen door AI?

Niet zozeer de banen, maar de taken veranderen. AI raakt vooral routinematig, automatiseerbaar werk. Beroepen waarin AI het menselijk werk aanvult in plaats van vervangt, groeien juist, net als relationeel werk zoals de thuiszorg. Werk verschuift, het verdwijnt niet.

Wat is het verschil tussen automatisering en augmentatie?

Automatisering betekent dat de machine een taak overneemt van de mens. Augmentatie betekent dat de machine de mens versterkt in zijn werk. Stanford vindt dat beroepen met veel automatisering krimpen, terwijl beroepen met veel augmentatie standhouden of groeien.

Waarom is AI een versneller en geen oplossing?

AI lost geen onderliggende problemen op, maar versnelt wat er al is. Zonder een fundament van georganiseerde data en een besturingssysteem als het Business Acceleration Framework versnelt AI vooral de bestaande chaos. Het fundament komt eerst, de technologie daarna.