Management Samenvatting

• Jonge instromers onder druk: Een recente Stanford-studie toont dat sinds de doorbraak van generatieve AI (eind 2022) het aantal instapbanen voor jongeren (22-25 jaar) in AI-gevoelige beroepen met ~16% is gedaald. Deze “kanaries in de kolenmijn” signaleren dat AI nu al bepaalde startfuncties verdringt, met name in repetitieve kennisbanen als softwareontwikkeling en klantendienst.

• Ervaren werknemers voorlopig gespaard: Tegelijk bleef de werkgelegenheid voor ervaren krachten (>30 jaar) stabiel of zelfs groeiend in diezelfde sectoren. In AI-intensieve beroepen steeg het aantal oudere werknemers sinds 2022 met ~6-12%. Dit suggereert dat senior medewerkers over kennis en vaardigheden beschikken die AI (nog) niet evenaart, of een organisatiepositie hebben die hen beschermt.

• Augmentatie vs. automatisering: Het onderzoek vindt dat banen waar AI mensen aanvult (bijv. als hulpmiddel voor research of controle) blijven groeien, terwijl banen waar AI taken volledig automatiseert juist de instroom van junioren zien afnemen. Met andere woorden, hoe AI wordt ingezet is cruciaal: ondersteunende inzet leidt tot hogere productiviteit zonder banenverlies, puur vervangende inzet drukt vooral junior functies.

• Geen loonval, maar minder werving: Opvallend is dat de aanpassingen vooral via het aantal banen lopen, niet via lonen. Salarissen van degenen die aan het werk blijven zijn niet noemenswaardig gedaald in AI-sectoren; bedrijven bezuinigen eerder op nieuwe vacatures dan op lonen. Dit wijst op een kortetermijnstrategie van bevriezing van werving van nieuw talent in plaats van loondumpen.

• Tegengestelde bevindingen en nuance: Niet alle experts duiden reeds een algehele AI-werkcrisis. Analyse van EIG laat bijvoorbeeld geen significant hoger werkloosheidspercentage zien voor AI-gevoelige beroepen vergeleken met andere, tot nu toe. Ook een Deense studie vond geen kortetermijneffect op banen of lonen in 2023-2024 ondanks chatbot-adoptie. Dit benadrukt dat AI’s impact heterogeen is en dat meer data nodig is voordat harde conclusies getrokken worden.

• Koers voorwaarts: Tech-leiders als Reid Hoffman stellen dat we deze ontwikkeling óf als waarschuwing óf als kans kunnen zien. Hij betoogt dat terwijl sommige instapfuncties verdwijnen, er tegelijk nieuwe mogelijkheden ontstaan voor een generatie die van meet af aan met AI-“copilots” leert werken. De uitdaging is om nieuwe instaproutes (“on-ramps”) te ontwerpen – via training, rollen en beleid – zodat jong talent in een AI-gedreven omgeving kan instromen en doorgroeien.

• Implicaties voor Nederland. De ‘kanarie’ zingt ook in Nederland—maar het klinkt gedempter dan in de VS. Nederlandse bedrijven namen AI het afgelopen jaar versneld in gebruik; ruim 22,7% zette in 2024 één of meer AI-toepassingen in (bijna +9 procentpunt t.o.v. 2023). Vooral marketing & sales en administratie/management worden ermee ondersteund; AI-gebruikers zijn inmiddels goed voor circa de helft (51%) van de bedrijfsomzet. Tegelijk blijft de werkloosheid stabiel rond 3,8%: geen macro-schok, wél subtiele verschuivingen onder de motorkap. Dezelfde mechanismen als in het Stanford-rapport tekenen zich af: druk op instroomfuncties met veel taal-, data- en routinetaken (ontwikkelaars, klantcontact, administratief, juridisch/financieel). Het verschil met de VS? Onze krappe arbeidsmarkt en beleid focussen sterker op augmentatie (mens + AI) in plaats van pure vervanging, waardoor de effecten milder en gerichter zijn—voor nu.

Het Stanford-rapport: “Canaries in the Coal Mine”

Enkele weken geleden publiceerden Erik Brynjolfsson (Stanford) en collega’s het rapport “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI.” Hierin analyseren zij miljoenen Amerikaanse personeelsrecords (van payroll-provider ADP) om de vroege arbeidsmarkteffecten van generatieve AI in kaart te brengen. De beeldspraak van de “kanarie in de kolenmijn” verwijst naar jonge werknemers als vroegtijdige waarschuwing voor bredere effecten. Het rapport onthult zes kernbevindingen:

1. Instorting instapbanen in AI-sectoren: Sinds de doorbraak van ChatGPT eind 2022 is het aantal jonge werknemers (22-25 jaar) in de meest AI-exposure beroepen fors gedaald, terwijl ervaren collega’s op peil bleven. Zo kelderde het aantal junior softwareontwikkelaars in de data ~20% (naar 80% van het 2022-niveau), terwijl het totaal aantal softwareontwikkelaars juist groeide. Ook in klantensectoren zoals sales zagen we die trend: minder starters, maar geen krimp onder senioren. In minder door AI getoucheerde beroepen was er géén vergelijkbare dip bij jongeren. Deze kloof – jonge instromers omlaag in AI-heavy functies, maar niet elders – vormt het hart van de “kanarie”-metafoor.

2. Sterke arbeidsmarkt, maar niet voor Gen Z in AI: In macrozin groeit de arbeidsmarkt in de VS nog steeds robuust – zelfs jeugdwerkgelegenheid buiten AI-sectoren neemt toe. Echter, binnen de groep 22-25 is de gebruikelijke groei in een economisch herstel afgevlakt door terugval in AI-gevoelige beroepen. Brynjolfsson et al. tonen dat tussen okt. 2022 en medio 2025 jonge werknemers in de top 40% meest AI-exposed banen ~6% netto minder werk vonden, terwijl 35-49-jarigen in diezelfde beroepen juist +9% groeiden. In minder blootgestelde beroepen groeiden alle leeftijdsgroepen ~+6-13%. Kortom: buiten AI is er voor jongeren niets aan de hand, maar de AI-revolutie drukt de loopbaanstart in specifieke sectoren. Pool je alle beroepen samen, dan lijkt jongerenwerkgelegenheid vlak sinds 2022 – ongewoon in een verder krappe arbeidsmarkt. Dit “gemaskeerde” effect suggereert dat AI vooral een segment raakt (jonge kenniswerkers), en zo de totaalgroep jongeren achterblijft ten opzichte van eerdere herstelperiodes.

3. Automatiseringstoepassingen schaden, augmentatie niet: De data onderscheiden twee inzetwijzen van AI – automatisering (AI neemt complete taken over) versus augmentatie (AI ondersteunt menselijk werk). Belangrijk is dat banen waar AI vooral als autonome uitvoerder wordt ingezet, de instroom van junioren zien teruglopen, terwijl banen waar AI een assisterende rol heeft geen daling tonen (soms zelfs extra jongeren aannemen). Anders gezegd: als bedrijven AI gebruiken om routinetaken geheel te delegeren (bijv. automatisch code genereren of volledige teksten laten schrijven), nemen zij minder starters aan. Gebruiken ze AI daarentegen om medewerkers te laten leren, brainstormen of hun werk te controleren, dan blijven ook starters nodig. Dit inzicht sluit aan bij wat AI-experts al vermoedden: AI kan zowel complementeren als substitueren, en juist de wijze van implementatie bepaalt of een junior positie verdwijnt of evolueert.

4. Effect blijft overeind na correctie voor sector/bedrijf: Zou het niet gewoon komen door de tech-sector die het moeilijk had of algemene bedrijfskrimp? De onderzoekers sluiten dit uit met strenge controles. Ze vergeleken binnen dezelfde bedrijven en sectoren de trends, en zelfs daar zien ze specifiek jonge AI-beroepsbeoefenaars relatief harder terugvallen. Met andere woorden, zelfs als een firma algemeen gezond is, worden in die firma de AI-gevoelige juniorfuncties afgebouwd terwijl andere functies doorgroeien. Statistisch komt dit neer op ~12-13% relatieve daling voor 22-25 jarigen in high-AI jobs t.o.v. low-AI jobs binnen hetzelfde bedrijf, per medio 2025. Dit resultaat – de kern van de 13% “relatieve daling” uit het abstract – versterkt het vermoeden van een causaal AI-effect. Andere mogelijke verklaringen, zoals dat jonge AI-professionals toevallig vooral bij rentegevoelige startups werken die gekrompen zijn, werden hiermee geneutraliseerd. De bevinding blijft ook overeind als men expliciet de tech-industrie of ICT-beroepen uitsluit uit de data.

5. Aantal banen daalt, lonen niet: Interessant is dat AI-impact zich uit in hoeveelheid werk, niet in beloning. Het onderzoek vond geen significant verschil in salarisgroei tussen AI-intensieve en andere beroepen, noch tussen junioren en senioren. Met andere woorden: lonen van wie aan het werk blijft, blijven gemiddeld groeien zoals elders – er is geen “AI-dip” in salarissen. Bedrijven lijken dus eerder te reageren via een aanname-stop of ontslag van juniors dan via loonkorting. Dit past bij de huidige krappe arbeidsmarkt; actief salarissen verlagen is ongebruikelijk, in plaats daarvan vervullen werkgevers openvallende juniorposities gewoon niet meer. Voor de economie betekent dit echter dat jonge professionals óf werkloos thuis zitten, óf genoodzaakt zijn minder passende banen te zoeken onder hun opleidingsniveau (met lagere verdienpotentie). Op termijn zou een overschot aan talent zonder instapbaan ook de loondruk kunnen verhogen of verlagen, maar tot nu toe blijft dat effect uit. Ook productiviteitswinsten lijken vooralsnog niet breed door te slaan in hogere lonen – wellicht omdat AI-winst bij bedrijven blijft of nog gering is.

6. Robuustheid: breed signaal, geen artefact: De onderzoekers voerden diverse robustheidschecks uit (hun Fact 6) om zeker te weten dat bovenstaande patronen echt door AI komen. Ze herhaalden de analyse met en zonder techbedrijven, met alleen fysieke beroepen, met alleen remote-werk banen, uitgesplitst naar man/vrouw, naar opleidingsniveau, etc. In alle gevallen bleef het beeld grotendeels hetzelfde: jonge werknemers in AI-exposed beroepen verliezen relatief terrein. Zelfs in alternatieve datasets ziet men vergelijkbare trends. Zo tonen privégegevens van andere HR-platforms een terugval in aannames van pas afgestudeerden rond 2023-24. Overheidsenquêtes (zoals de CPS) zijn te grofmazig voor harde conclusies, maar ook daar zijn geen tegenstrijdige trends gevonden. Brynjolfsson c.s. concluderen dat, hoewel correlatie nog geen absolute causaliteit bewijst, alle signalen consistent wijzen op AI als aanjager van deze veranderingen. Dit is daarmee het sterkste bewijs tot nu toe dat de generatieve AI-golf meetbare arbeidsmarkteffecten begint te hebben – vooralsnog geconcentreerd op startende kenniswerkers.

Reacties op de bevindingen: van doem tot optimisme

Het Stanford-rapport heeft flink wat discussie uitgelokt in de tech- en economische wereld. Waar het “kanarie”-scenario sommigen zorgen baart over AI als banenkiller, wijzen anderen op kansen en relativering. We bekijken hier de hoofdreacties – de thesis van bezorgdheid versus de antithesis van optimisme/nuance:

Thesis: AI als bedreiging voor startersbanen. De studie bevestigt voor velen een groeiend vermoeden: AI begint nu al “echte” banen te vervangen, met name de typische startersfuncties in witteboordenberoepen. In media verscheen dit als bewijs dat AI geen louter theoretisch gevaar is, maar een directe oorzaak van kansenongelijkheid voor jongeren. Wired noemde het “het sterkste bewijs tot nu toe” van AI’s impact op banen, zij het met een genuanceerd beeld. De vrees is dat een generatie nieuwe talenten minder kansen krijgt om werkervaring op te doen, omdat AI de routinetaken (waarmee juniors normaal beginnen) overneemt. Dit kan een kettingreactie betekenen: geen instap betekent geen doorgroei tot senior, met op termijn mogelijk tekorten aan ervaren krachten. Bovendien waarschuwt Brynjolfsson dat wat nu bij de jeugd begint, later ook voor ervaren werknemers kan gaan spelen als AI capabeler wordt. Hij pleit ervoor om deze trend nauwgezet te monitoren – een soort “dashboard” als vroegtijdig waarschuwingssysteem – zodat beleid tijdig kan ingrijpen als ook middenklasse-banen of senior posities onder druk komen.

Critici in dit kamp benadrukken dat bedrijven momenteel mogelijk te gretig automatiseren zonder plan voor talentontwikkeling. Als AI nu hele takenpakketten overneemt, verdwijnen klassieke leercurves binnen organisaties. Zo betoogt bijvoorbeeld techjournalist Tim Lee dat hij aanvankelijk dacht dat AI nog geen grote rol speelde, tot de Stanford-data hem van gedachte deed veranderen – de daling was te opvallend om te negeren. Zijn zorg: bedrijven die nu junior hiring “skippen” ondermijnen hun eigen toekomstige talentpool.

Antithesis: AI als transformerende kans, adaptatie nodig. Aan de andere kant zijn er prominente stemmen die wijzen op het transformatieve potentieel van AI zonder netto banenverlies op lange termijn – mits we ons aanpassen. LinkedIn-oprichter Reid Hoffman reageerde op het rapport met een optimistische maar realistische toon. Ja, erkent hij, repetitieve banen waar “mensen als robots” werken (bv. sterk gescript klantcontact) zullen versneld door robots/AI worden gedaan. Dat is logisch en in lijn met eerdere automatiseringsgolven. Maar Hoffman vindt de “puzzel” van minder junior softwareontwikkelaars interessanter. Zijn visie: elke kenniswerker krijgt straks een AI-Copilot, een slimme assistent. Mensen met codeer- en denkvaardigheden worden waardevol, niet overbodig, maar hun werk verandert van zelf code kloppen naar AI-aansturing en -controle. De huidige dip in junior IT-banen wijt hij deels aan bedrijven die nog niet weten hoe ze jonge talenten moeten integreren in AI-workflows. Hoffman gelooft echter in “onbeperkte vraag” naar mensen die computational thinking beheersen, zodra rollen en opleidingen zich herijken op samenwerken met AI.

Deze overgangsperiode ziet hij als zowel een probleem én een kans: “In the meantime… the drop in entry-level jobs is a problem… But this also presents a unique opportunity for the AI native generation.”. Jongeren die nú de arbeidsmarkt betreden, groeien op met AI-tools en kunnen die wellicht beter benutten dan oudere generaties. Zij kunnen bedrijven helpen uitvinden hoe AI optimaal in te zetten, juist omdat ze er van jongs af aan mee vertrouwd zijn. Hoffman’s kernboodschap: een daling van 16% in juniorposities kan twee kanten op – een voorbode van langdurige erosie van kansen, óf het schokeffect dat ons dwingt nieuwe “on-ramps” of inwerkprogramma's te bouwen. Alles hangt af van hoe snel we onze instituten, bedrijven en loopbaanmodellen aanpassen aan de AI-realiteit.

Naast Hoffman benadrukken ook anderen de noodzaak tot adaptatie in plaats van paniek. Zo betoogt Brynjolfsson zelf dat technologie historisch gezien altijd banen vernietigde én schiep – het draait om het begeleiden van die transitie. Hij raadt bedrijven en beleidsmakers aan AI vooral in te zetten voor augmentatie: mensen productiever maken, niet puur vervangen. Concreet suggereert hij bijv. fiscale prikkels aan te passen zodat automatisering niet fiscaal voordeliger is dan mensen opscholen of inzetten. Ook stelt hij voor om AI-ontwikkelaars te laten focussen op mens-machine samenwerking, bijvoorbeeld via nieuwe “centaur” benchmarks die prestaties meten van teams mens + AI in plaats van AI alleen. Andere experts, zoals professor Matt Beane, voorzien dat juist werk rondom AI zal groeien: het managen, bijsturen en toepassen van AI-uitkomsten wordt een taak op zich. Naarmate we “alles automatiseren wat kan”, blijft er een berg aan augmentatie-werk over waarin menselijke vaardigheden onmisbaar zijn.

Tegenhangers van de doemdenkers wijzen er bovendien op dat macro-economische data vooralsnog geen duidelijke AI-stress laten zien. Een analyse van de Economic Innovation Group vond bijvoorbeeld dat de stijging van jeugdwerkloosheid de afgelopen jaren ongeveer even groot is in AI-intensieve sectoren als in andere sectoren – met andere woorden, geen uitschieter tegen de AI-kant. Dit suggereert dat algemene factoren (zoals post-pandemische verschuivingen of rentestijgingen) mogelijk een rol spelen in de verzwakte arbeidsmarkt voor starters, los van AI. Ook internationale bevindingen variëren: een Deense studie (Humlum & Vestergaard, 2025) zag bijvoorbeeld geen meetbaar effect van chatbot-introducties op het aantal uren of banen in 2023-24, ondanks 3% productiviteitswinst in die bedrijven. Die onderzoekers spraken van een “Solow-paradox op korte termijn”: de technologie werd wél gebruikt, maar vertaalde zich (nog) niet in merkbare arbeidsmarkteffecten.

Samengevat: het anti-thesis kamp erkent de signalen, maar waarschuwt voor overhaaste conclusies op basis van één datapunt. De huidige cijfers zijn “consistent met een AI-effect” maar nog niet onweerlegbaar causaal. Men pleit voor meer onderzoek en vooral actie om een mogelijke negatieve trend om te buigen.

Betekenis voor de arbeidsmarkt en generaties

Wat betekenen deze ontwikkelingen nu voor de arbeidsmarkt als geheel, en specifiek voor verschillende generaties werknemers? Zijn we uiteindelijk allemaal “kanaries”, of slechts een deel?

De arbeidsmarkt in transitie: Voor de arbeidsmarkt suggereert dit “kanarie”-fenomeen dat we aan het begin staan van een verschuiving. AI-impact is (nog) niet breed voelbaar als massale werkloosheid – de totale werkgelegenheid groeit immers nog. Maar onder de oppervlakte voltrekt zich een herstructurering: bepaalde instaprollen krimpen terwijl andere rollen ontstaan of transformeren. Dit kan de matching van vraag en aanbod verstoren. Zo kan er tegelijkertijd krapte zijn aan AI-vaardige specialisten en overschot aan traditioneel opgeleide starters. Bedrijven melden nu al dat ze andere profielen zoeken: minder routineprogrammeurs, meer AI-prompt engineers of data-curatoren.

Generatie Z als kanarie: De groep van ~22-25-jarigen (grotendeels Gen Z) lijkt momenteel de rol van “kanarie” te vervullen. Zij ondervinden als eersten de directe gevolgen: afnemende kansen in klassiek witteboorden instapfuncties. Paradoxaal genoeg zijn dit de meest digitaalvaardige jongeren ooit, de “AI-natives” die met technologie opgroeiden. Toch zien we dat routine starttaken die normaal hun opstap vormen, nu door AI worden opgevangen. Het risico is een ervaringskloof: zonder juniorposities geen leerschool om door te groeien tot expert. Dit vraagt een herbezinning bij werkgevers en onderwijsinstellingen. Zijn jonge werknemers vogelvrij? Niet per se – ze moeten alleen andere paden bewandelen. Gen Z zal zich sneller moeten positioneren in rollen waar menselijke creativiteit, probleemoplossing en AI-sturing samenkomen in plaats van in puur productionele routineklussen. Gelukkig blinken velen van hen hierin uit; ze zijn flexibel en tech-savvy. Reid Hoffman noemt hen niet voor niets een generatie met unieke voorsprong als ze AI omarmen. Maar die voorsprong verzilveren vergt wel dat organisaties bewust “on-ramps” creëren: traineeships of juniorfuncties die van meet af aan AI-gebruik integreren, zodat starters waarde toevoegen in plaats van overbodig lijken. Denk aan junioren die direct leren om AI-tools te managen, data te beoordelen of uitzonderlijke cases op te lossen – taken die AI niet autonoom afkan.

Midden en oudere generaties: Voor mid-career professionals (pakweg 26-45 jaar) is het beeld gemengd. De Stanford-data lieten zien dat 26-34 jarigen in AI-sectoren min of meer vlak groeiden (geen daling zoals de 22-25, maar ook geen grote stijging als 35+ groep). Mogelijk bevinden zij zich in een tussenpositie: ze hebben al wat ervaring die hen nuttig maakt naast AI, maar doen ook nog taken die AI deels kan overnemen. Hier ligt de uitdaging om bij te scholen: deze cohort moet zich ontwikkelen richting rollen waarin ze AI aansturen of complementeren. Voor veel professionals betekent dit hun vaardigheden updaten – bijvoorbeeld een marketeer die prompt-engineering leert, of een financieel analist die AI-modellen begrijpt om resultaten te valideren.

De oudere garde (pakweg 45+ tot pensioengerechtigd) lijkt vooralsnog het minst geraakt. Sommigen hebben leidinggevende of specialistische posities die AI moeilijk direct vervangt. Daarnaast speelt impliciete kennis en netwerk een rol – eigenschappen die met jaren groeien en die AI niet zomaar kopieert. Ook kunnen hogere lonen en arbeidscontracten bij senioren meespelen: bedrijven ontslaan liever eerst goedkopere junioren als er kosten bespaard moeten worden. Toch zijn senioren niet immuun op termijn. Brynjolfsson waarschuwt expliciet dat wat nu bij jongeren begint, zich kan uitbreiden naar ervaren werknemers naarmate AI verder ontwikkelt. Als we niets doen, zou het volgende stadium kunnen zijn dat mid-career banen onder druk komen, of dat oudere werknemers niet meer bijblijven en vervroegd uitstappen (bijv. via vervroegd pensioen als hun functie verdwijnt). Het is dus in ieders belang – ook dat van de oudere generaties – om proactief te leren werken mét AI. Senior professionals kunnen hun waarde verhogen door hun domeinkennis te combineren met nieuwe AI-tools, en door mentorrollen op zich te nemen voor jongeren in hoe je AI verantwoord inzet.

Productiviteitspuzzel: Een belangrijk aspect voor alle generaties is de belofte van AI voor productiviteit. Theoretisch kan AI werknemers efficiënter maken – denk aan snellere klantenservice via GPT-assistenten, of software die codeert zodat de ingenieur zich op architectuur kan richten. Er zijn al voorbeelden waar dit werkt: een bekend experiment liet zien dat callcenter medewerkers met een AI-hulpje 14% sneller klanten hielpen, vooral nieuwkomers profiteerden sterk. Dergelijke augmentatie zou juniors juist kunnen helpen groeien, doordat AI hen training-on-the-job geeft (door bv. suggesties en best practices aan te reiken). In de praktijk zien we echter een gemengd beeld. Het Stanford-rapport laat immers zien dat bedrijven tot nu toe productiviteitswinst vooral aangrijpen om minder mensen aan te nemen in plaats van iedereen meer te laten produceren voor hetzelfde team. Macro-economisch is er ook nog geen duidelijke AI-productiviteitsgolf zichtbaar in groeicijfers – vandaar de referentie aan de productiviteitsparadox. De optimistische visie is dat dit een tijdelijke vertraging is: organisaties hebben tijd nodig om werkprocessen te herinrichten rondom AI, en zodra dat gebeurt, kan een productiviteitsboom volgen die nieuwe soorten werk creëert (zoals eerdere technologische revoluties uiteindelijk deden). De pessimistische visie vreest dat die herinrichting gepaard gaat met blijvend minder menselijk werk op instapniveau, en dat productiviteitswinsten naar kapitaal of hogere posities vloeien, in plaats van breed welvaartsverhogend te werken.

Voor managers en beleidsmakers komt het erop aan die eerste uitkomst te bevorderen: hogere productiviteit én behoud van (nieuwe) werkgelegenheid. Dat betekent: investeer in complementaire vaardigheden bij werknemers, organiseer werk in teams mens + AI, en creëer waar nodig nieuwe functies die waarde toevoegen bovenop wat AI levert. Bijvoorbeeld, als AI 80% van de code schrijft, kan de rol van een junior developer verschuiven naar 20% van de tijd kritisch code nakijken, testen, en verder denken over functionaliteit – werk dat eerder misschien pas na jaren ervaring kwam. Zo behoud je een leerpad. Het alternatief – 20% van de code zelf nog schrijven en verder niets – zou weinig zinvol zijn en leiden tot afstoten van de junior.

Hieronder staan twee kant-en-klare blokken tekst voor je bijdrage op ManagementPro: eerst een korte inleiding (om bij je managementsamenvatting te voegen) en daarna een compact Nederland-kader als afsluiter.

Nederland-kader 

Adoptie & waar AI landt

• 2024: 22,7% van bedrijven (≥10 fte) gebruikt AI; stijging met ~9 pp t.o.v. 2023. Meest genoemd: marketing/sales (36%) en administratie/management (30%). Bedrijven die AI gebruiken zijn goed voor ~51% van de omzet. CBS

Arbeidsmarktbeeld

• Werkloosheid 3,8% (juli 2025), al maanden stabiel: geen algemene terugval door AI zichtbaar in de aggregate cijfers. Effecten lopen vooral via minder (junior) instroom in AI-gevoelige rollen, niet via brede ontslaggolven.

Wie zijn de NL ‘kanaries’?

• Rollen met taal, data en routinetaken (administratie, klantcontact, delen van juridisch/financieel, consultancy en ICT) zijn het meest kwetsbaar voor taakautomatisering. UWV waarschuwt expliciet: als AI voorbereidend/ondersteunend werk overneemt, daalt de behoefte aan stagiairs en junioren; óók elementaire functies onder de Banenafspraak kunnen in de knel komen. Werk.nl

Koers voor bestuur & HR (NL-specifiek)

• Herontwerp instaprollen met AI-werk ín de rol (controle van AI-output, exception handling, klantcontext) i.p.v. het wegsnijden van junior taken.

• Kies augmentatie > automatisering: organiseer teams als mens + AI en meet succes in output én ontwikkeling (SER-lijn).

• Investeer in LLO & AI-geletterdheid om mismatch te voorkomen en productiviteitswinst breed te laten landen. (SER)

Bottom line NL: dezelfde richting als de VS—druk op instroombanen in kennisintensieve functies—maar (nog) milder door krapte en focus op augmentatie. De keuzes die organisaties nú maken (instroompaden, scholing, teamdesign) bepalen of de kanarie een waarschuwing blijft of het voorspel wordt van bredere frictie.

Conclusie: Niet iedere werknemer is een kanarie, maar alertheid geboden

De metafoor van de kanarie in de kolenmijn blijkt treffend: jonge werknemers in AI-getroffen beroepen zingen momenteel een waarschuuwingslied. Het zou verkeerd zijn dat te negeren. Niet alle generaties of sectoren voelen nú de scherpe rook van automatisering – veel ervaren professionals varen nog wel bij AI-ondersteuning, en tal van beroepen (vooral fysieke, dienstverlenende) zijn vooralsnog weinig door generatieve AI geraakt. We zijn dus niet allemaal kanaries op dit moment. Maar de huidige kanaries (Gen Z in bepaalde functies) geven ons de kans om tijdig te handelen voordat de hele mijnschacht gevuld raakt met giftige dampen.

Voor de arbeidsmarkt als geheel betekent dit: anticiperen op transformatie. Werkgevers, onderwijs en beleid moeten samenwerken om nieuwe carrièrepaden te smeden in het AI-tijdperk. Enkele aanbevelingen die uit de analyses voortvloeien:

• Herontwerp instapfuncties: Organisaties zouden juniorrollen opnieuw moeten uitvinden met AI in gedachten. Laat nieuwe medewerkers vanaf dag één werken met AI-tools, geef ze verantwoordelijkheden in toezicht op AI-uitvoer en klantinteractie waar AI tekortschiet. Zo creëer je leermogelijkheden in plaats van alleen routinetaken (die nu door AI gedaan worden). Dit vormt de “nieuwe on-ramp” waar Hoffman op doelt.

• Focus op augmentatie, niet pure automatisering: Overweeg bij elke AI-implementatie niet alleen “welke taken kan dit overnemen?”, maar vooral “hoe kan dit mijn mensen versterken?”. Cases uit het Stanford-rapport tonen dat augmentatie-strategieën géén verlies aan instroom hoefden te betekenen. Bedrijven die AI inzetten als copiloot zien vaak productiviteitsverbetering zonder personeelskrimp, en kunnen marktaandeel winnen waardoor ook personeelsgroei mogelijk blijft. Managers zouden succes niet enkel moeten meten in bespaarde salariskosten, maar in output per team en in ontwikkeling van medewerkers.

• Investeer in opleiding en bijscholing: Zowel jonge als oude werknemers moeten leren om met AI samen te werken. Voor Gen Z kan dit betekenen: aanvullende training in bedrijfsproceskennis, communicatie en kritisch denken – vaardigheden waarin zij kunnen uitblinken terwijl AI de routine doet. Voor oudere generaties: hands-on ervaring met AI-tools om hun domeinkennis te vergroten en efficiënt te blijven. Levenslang leren en ontwikkelen wordt nog crucialer. Bedrijven die hierin investeren, plukken de vruchten van een wendbaar personeelsbestand.

• Beleid en prikkels: Ook op macroniveau kunnen prikkels verlegd worden. Brynjolfsson suggereert het wegnemen van financiële voordelen voor automatisering ten opzichte van arbeid. Denk aan belastingvoordelen voor trainingsprogramma’s of het in dienst houden van personeel naast AI. Overheden zouden daarnaast kunnen monitoren (zoals Brynjolfsson’s “dashboard”) waar AI mogelijk frictie veroorzaakt, en daar actief transitieondersteuning bieden (omscholingstrajecten, mobiliteit stimuleren naar groei-beroepen, etc.).

Samenvattend biedt AI een enorme potentie voor productiviteitsgroei, maar zonder bewuste sturing kan die ten koste gaan van een generatie talent. De “kanarie”-signalen uit het rapport van Brynjolfsson et al. zijn zowel een wake-up call als een kans. Ze dwingen ons na te denken: hoe zorgen we dat mens en machine samen meer bereiken dan elk apart? Technologie mag dan altijd banen vernietigen én creëren – de taak van leiders is te zorgen dat het tweede de eerste overtreft, zodat welvaart voor alle generaties groeit in plaats van stagneert. Gebruikmakend van AI als augmentatie-tool, en door nieuwe werknemers mee te nemen in die reis, hoeven we niet bang te zijn dat iedereen kanarie wordt. In plaats daarvan kunnen we de mijn ventileren en veiligere, slimmere manieren van werken introduceren, waar zowel productiviteit als werkgelegenheid bij varen. Zoals Hoffman het stelde: het is aan ons of deze 16%-daling een blijvend alarm is, of het startsein van een vernieuwde arbeidsmarkt die sterker terugveert.

Op LinkedIn plaats ik een kort aanvullend bericht: 'Laat zien dat je AI-aware, een persoonlijk merk en toekomstklaar bent—niet door te zeggen dat je het bent, maar door kleine, meetbare resultaten te laten zien. Welke stap pak jij deze week?'

AI Podcast: AI, Jonge Kanaries en Jouw Carrière. 

Willem E.A.J. Scheepers, cyborg, docent, auteur en zelfs consultant.

Chat ook met mijn Human / AI Interaction chatbot Evenwichtige inzichten in de interactie tussen mens en kunstmatige intelligentie met betrekking tot organisatiestrategie, -structuur en -cultuur.

Naast de ManagementSite Nieuwsbrief is er ook de Sunny Side Up nieuwsbrief op LinkedIn. 

Bronnen: De analyse, ism GPT-5, is gebaseerd op het Stanford Digital Economy Lab rapport van Brynjolfsson et al. (2025)time.comtime.com, nieuwscoverage in o.a. Time, Wired en Forbes, en reacties van experts als Reid Hoffmanthreadreaderapp.comthreadreaderapp.com. Deze bronnen zijn doorlopend met voetnoten in de tekst aangegeven voor verdere referentie.