De eerste empirische signalen
De afgelopen twee jaar zijn verschillende studies verschenen die proberen te meten hoe generatieve AI doorwerkt in de arbeidsmarkt. Een van de eerste grootschalige empirische analyses is een internationale studie van Bouke Klein Teeselink en Daniel Carey, gebaseerd op honderden miljoenen online vacatures in 39 landen. De onderzoekers gebruiken de introductie van ChatGPT eind 2022 als een natuurlijk experiment om te onderzoeken of werkgevers anders zijn gaan werven in beroepen die sterk aan AI zijn blootgesteld. Hun analyse laat zien dat beroepen met een hogere AI-blootstelling gemiddeld ongeveer 6 procent minder nieuwe vacatures laten zien dan vergelijkbare beroepen met een lagere blootstelling. Dat betekent niet dat banen verdwijnen, maar wel dat werkgevers terughoudender lijken te worden met nieuwe aanstellingen in beroepen waarvan veel taken door AI kunnen worden uitgevoerd.

De studie laat bovendien zien dat het niet alleen gaat om hoeveel taken door AI kunnen worden gedaan, maar vooral om welke taken binnen een beroep worden geraakt. Klein Teeselink en Carey maken onderscheid tussen automatisering die de expertise-eis van een beroep verhoogt en automatisering die die juist verlaagt. Wanneer AI vooral routinematige taken overneemt, blijven complexere taken over en stijgen de loonverwachtingen vaak licht. Wanneer juist specialistische taken verdwijnen, kan de expertisedrempel dalen en daarmee ook het loon. Met andere woorden: dezelfde mate van AI-blootstelling kan tot heel verschillende arbeidsmarkteffecten leiden.

Een andere studie naar de impact van AI op de arbeidsmarkt, recent gepubliceerd door onderzoekers van Anthropic, kijkt eveneens naar de eerste signalen op de arbeidsmarkt sinds de opkomst van generatieve AI. Daaruit blijkt dat in beroepen waarvan veel taken door AI kunnen worden gedaan de groei van het aantal vacatures iets lager is. Tegelijkertijd is er nog geen duidelijke stijging van de werkloosheid te zien. Volgens de onderzoekers lijkt AI wel invloed te hebben op de vraag of bedrijven nieuwe mensen aannemen, maar blijft de arbeidsmarkt als geheel voorlopig relatief stabiel.

Deze eerste empirische studies laten vooral zien dat AI mogelijk al invloed heeft op hoe werkgevers naar werk en vaardigheden kijken. Tegelijkertijd onderstrepen ze dat de effecten nog beperkt zijn en ongelijk verdeeld over beroepen en sectoren. Dat sluit aan bij het bredere economische onderzoek van onder anderen Anna Salomons, die benadrukt dat technologische veranderingen zelden een lineair effect hebben op werkgelegenheid. Ze kunnen bepaalde taken vervangen, maar tegelijk ook nieuwe activiteiten en beroepen mogelijk maken.

Vraag, productiviteit en de paradox van efficiëntie
Economische analyses laten zien dat automatisering niet automatisch leidt tot minder werk. Een belangrijk mechanisme is de zogenoemde Jevons-paradox. De negentiende-eeuwse econoom William Stanley Jevons merkte eind van de negentiende eeuw op dat efficiëntere machines het gebruik van steenkool niet verminderden, maar juist vergrootten. Doordat energie goedkoper werd, ontstonden nieuwe toepassingen en groeide de totale vraag.

Een vergelijkbaar patroon zien we vaak bij digitale technologie. Een bekend voorbeeld uit de gezondheidszorg betreft radiologie. Toen AI-systemen beter werden in het analyseren van medische scans, werd verwacht dat radiologen minder nodig zouden zijn. In de praktijk gebeurde het tegenovergestelde. Doordat scans sneller en goedkoper geanalyseerd konden worden, werden ze vaker gebruikt en ontstond in veel landen juist een tekort aan radiologen.

Dit soort voorbeelden laten zien dat productiviteitswinst de vraag naar bepaalde diensten kan vergroten. Econoom Anna Salomons benadrukt dat technologische revoluties historisch gezien vaak leiden tot een verschuiving van werk, niet tot het verdwijnen ervan. Volgens haar bestaat ongeveer 60 procent van de huidige banen uit beroepen die tachtig jaar geleden nog niet bestonden. Nieuwe technologie maakt nieuwe diensten mogelijk, waardoor uiteindelijk nieuwe soorten werk ontstaan.

Anna Salomons over de impact van AI op werk

AI kan werk ook intensiveren
Een andere dimensie van AI-gebruik krijgt steeds meer aandacht: de invloed op de kwaliteit van werk. In een veldonderzoek van Ranganathan en Ye dat werd gepubliceerd in Harvard Business Review onderzochten onderzoekers acht maanden lang hoe werknemers generatieve AI gebruiken in hun dagelijkse werk.

Zij ontdekten dat AI werknemers vaak productiever maakt, maar dat de tijdswinst niet automatisch leidt tot minder werk. In veel gevallen neemt juist het aantal taken toe en vervagen de grenzen tussen werk en niet-werk. Werknemers besteden bijvoorbeeld meer tijd aan controlewerkzaamheden, het aanpassen van AI-output of het uitvoeren van extra taken die eerder niet mogelijk waren. Daarnaast nam multitasking toe: medewerkers werkten aan meerdere taken tegelijk, terwijl AI op de achtergrond alternatieven genereerde of andere werkzaamheden uitvoerde. Veel medewerkers voelden zich productiever, zonder dat hun ervaren werkdruk afnam.

Dit fenomeen wordt soms werkintensivering genoemd: technologie maakt bepaalde taken sneller, maar organisaties gebruiken de gewonnen tijd om meer werk te doen. Daardoor stijgt de productiviteit, terwijl de ervaren werkdruk gelijk blijft of zelfs toeneemt.

De onzekerheid van technologische revoluties
De uiteenlopende onderzoeksresultaten maken duidelijk dat de impact van AI moeilijk te voorspellen is. Historisch onderzoek naar technologische revoluties kan helpen om die onzekerheid beter te begrijpen. De econoom Carlota Perez beschrijft in haar theorie van techno-economische paradigma’s hoe nieuwe technologieën zich meestal in twee grote perioden ontwikkelen. In een eerste fase ontstaan nieuwe technologieën en experimenteren bedrijven en investeerders met mogelijke toepassingen. Die periode gaat vaak gepaard met snelle technologische vooruitgang, veel investeringen en soms ook een zekere mate van hype. Daarna volgt een fase waarin de technologie breder wordt ingebed in de economie en instituties, waardoor de productiviteitswinst daadwerkelijk in de samenleving kan doorwerken. Zulke technologische transformaties voltrekken zich doorgaans over meerdere decennia en duren vaak ongeveer vijftig tot zestig jaar voordat een nieuw technologisch paradigma volledig tot volwassenheid komt.

In die overgangsperiode ontstaan vaak spanningen: nieuwe sectoren groeien snel terwijl andere onder druk komen te staan, en instituties zoals onderwijs, regelgeving en arbeidsmarkt moeten zich aanpassen. Volgens veel economen bevindt de digitale revolutie zich nog altijd in zo’n fase waarin technologie snel vooruitgaat, maar de bredere economische en maatschappelijke inbedding nog in ontwikkeling is.

Tot slot
De recente golf aan essays, studies en opiniestukken laat zien dat AI een belangrijk onderwerp is geworden in het debat over werk en economie. Scenario’s zoals die van Shumer of Van Geelen en Shah wijzen op mogelijke grote ontwrichtingen, terwijl empirisch onderzoek vooralsnog een gemengder beeld laat zien. Sommige beroepen laten minder vacaturegroei zien en bepaalde taken worden sneller geautomatiseerd, maar er is nog geen bewijs voor een brede instorting van de werkgelegenheid.

Wat de studies wel duidelijk maken, is dat AI een katalysator vormt van de bredere digitale transformatie van de samenleving. De technologie verandert hoe werk wordt georganiseerd, welke vaardigheden nodig zijn en hoe organisaties productiviteit inzetten. In sommige beroepen kan AI routinetaken overnemen en de rol van professionals veranderen. In andere sectoren kan efficiëntie juist leiden tot meer vraag naar diensten.

De geschiedenis van eerdere industriële revoluties laat zien dat technologische verandering zelden een eenvoudig lineair effect heeft. Soms verdringt technologie banen, soms creëert zij nieuwe activiteiten en vaak gebeurt beide tegelijk. Mechanismen zoals de Jevons-paradox laten zien dat efficiëntie onverwachte economische effecten kan hebben. De theorie van techno-economische paradigma’s van Carlota Perez laat bovendien zien dat nieuwe technologieën tijd nodig hebben om zich in de economie en instituties te verankeren.

Daarom is het verstandig om voorzichtig te zijn met stellige voorspellingen. AI zal vrijwel zeker een aanzienlijke impact hebben op arbeid en arbeidsmarkten, maar de uiteindelijke uitkomst hangt af van keuzes van bedrijven, werknemers, beleidsmakers en onderwijsinstellingen. De toekomst van werk wordt niet alleen bepaald door technologie, maar ook door hoe samenlevingen besluiten die technologie te gebruiken.

Bronnen

• Anthropic. (2026). Labor market impacts of AI: A new measure and early evidence.
• Arminius. (2026). Hoe AI alle banen verandert (video).
• Dijkgraaf, R. (2026). Banenmachines. NRC.
• Klein Teeselink, B., & Carey, D. (2026). AI, Automation, and Expertise.
• Perez, C. (2002). Technological revolutions and financial capital: The dynamics of bubbles and golden ages. Edward Elgar.
• Ranganathan, A., & Ye, X. M. (2026). AI Doesn’t Reduce Work—It Intensifies It. Harvard Business Review.
• Shumer, M. (2025). Something Big Is Happening.
• Stellinga, M. (2026). De AI-economie maakt mensen nog lang niet overbodig. NRC.
• Van Geelen, J., & Shah, A. (2025). The 2028 Global Intelligence Crisis. Citrini Research.