AI verhoogt de productiviteit. Dat stadium zijn we voorbij. Organisaties automatiseren processen, versnellen analyse, reduceren fouten en verhogen output per medewerker. De vraag is niet meer óf AI efficiëntie oplevert, maar wat er daarna gebeurt.

Want zodra AI productiviteit verhoogt, ontstaat er ruimte. En ruimte is nooit neutraal. Ze wordt verdeeld.

Precies daar begint de Barbell.

Neem de recente signalen uit het project rondom reorganisaties en arbeidsmarkt. De waarschuwingen van Peter Wennink over oplopende ontslagrondes. De interviews waarin Microsoft's CEO AI Mustafa Suleyman aangeeft dat grote delen van professioneel werk binnen 12 tot 18 maanden automatiseerbaar zijn. De vakbonden die waarschuwen voor een kaalslag door verkorte WW-duur. Het zijn geen losse berichten meer. Het begint één patroon te vormen.

Dat roep bij mij de vraag op: Hoe kunnen organisaties AI succesvol implementeren en de vrijgespeelde productiviteitsruimte heralloceren naar nieuwe markten en proposities, zonder dat dit leidt tot massa-ontslagen?

In mijn lopende PRISM-onderzoek onderzoek ik het strategische kantelpunt waar organisaties zich na AI-implementatie bevinden. Aan het ene uiteinde van de Barbell ligt efficiency: kostenreductie, FTE-afbouw, snelle margeverbetering. Aan het andere uiteinde ligt herallocatie: productisering van AI-capability, nieuwe proposities, nieuwe markten.

De technologie is hetzelfde.
De uitkomst niet.

Aanleiding: een reflex die te voorspelbaar is

In veel organisaties zien we een herkenbaar patroon. AI verhoogt productiviteit. Vrijgespeelde capaciteit wordt niet herontworpen maar gereduceerd. Reorganisaties volgen. Ontslagen worden gelegitimeerd als economische noodzaak.

Deze reflex is bestuurlijk begrijpelijk. De efficiency-route is meetbaar, snel zichtbaar in de cijfers en consistent met bestaande KPI-structuren. Maar juist dat voorspelbare karakter maakt haar problematisch. Als elke productiviteitsgolf eindigt in reductie, ontstaat wat economen “jobless growth” noemen: waardecreatie zonder evenredige werkgelegenheid.

Tegelijkertijd groeit de kloof tussen organisaties die AI strategisch integreren en organisaties die achterblijven. Die adoption gap is geen randverschijnsel, maar een structurele marktdynamiek.

Het PRISM-onderzoek vertrekt vanuit de vraag of deze twee ontwikkelingen – productiviteitswinst en adoptiekloof – niet met elkaar verbonden kunnen worden.

Wat bedoel ik met ‘ruimte’?

Wanneer AI productiviteit verhoogt, ontstaat er ruimte. Niet als abstract begrip, maar als concreet verschil tussen wat gisteren nodig was en wat vandaag nog nodig is.

Die ruimte kent vier lagen.

Operationele ruimte
Taken kosten minder tijd. Doorlooptijden verkorten. Capaciteit komt vrij. Dit kan leiden tot innovatie en verdieping – of tot reductie.

Financiële ruimte
Lagere kosten per output en hogere marge. Dit creëert investeringscapaciteit. Of druk om kosten verder te verlagen.

Strategische ruimte
De mogelijkheid om iets anders te doen dan voorheen: nieuwe markten betreden, AI-capability productiseren, dienstverlening uitbreiden, talent herpositioneren. Dit is de minst automatische, maar meest waardevolle vorm van ruimte.

Psychologische ruimte
De mate waarin medewerkers ervaren dat vrijgespeelde capaciteit tegen hen of vóór hen wordt ingezet. Zonder psychologische veiligheid wordt ruimte defensief. Met vertrouwen wordt ruimte creatief.

Ruimte is daarmee geen technisch bijproduct van AI, maar een keuzeveld.
AI creëert ruimte. Governance verdeelt haar. Cultuur bepaalt of ze wordt benut of verloren.

Doelstelling en centrale vraag

Het doel van het onderzoek is drievoudig.

Ten eerste: verklaren waarom AI-productiviteitswinst in veel organisaties automatisch leidt tot reorganisatie en FTE-reductie.
Ten tweede: identificeren onder welke condities productiviteitswinst kan worden omgezet in businessmodelinnovatie in plaats van reductie.
Ten derde: onderzoeken welke rol psychologische veiligheid en reskilling-capaciteit spelen in die transitie.

De centrale vraag luidt:

Hoe kunnen organisaties AI succesvol implementeren en de vrijgespeelde productiviteitsruimte heralloceren naar nieuwe markten en proposities, zonder dat dit leidt tot massa-ontslagen?

Hypothesen: de Barbell als strategisch mechanisme

Het onderzoek ontwikkelt een model waarin AI-implementatie leidt tot een strategische splitsing.

Hypothese één stelt dat organisaties met sterke korte-termijn winstdruk en KPI-sturing AI-productiviteit primair omzetten in kostenreductie. Zij bewegen naar het efficiency-uiteinde van de Barbell.

Hypothese twee stelt dat organisaties met een langere strategische horizon, innovatiegericht leiderschap en investeringsruimte eerder kiezen voor herallocatie en marktcreatie.

Hypothese drie introduceert de adoption gap market: hoe groter de kloof in AI-volwassenheid tussen organisaties en sectoren, hoe groter de commerciële potentie voor AI-koplopers om hun capability te exporteren.

Hypothese vier stelt dat HR-capaciteit, in het bijzonder psychologische veiligheid en reskilling-infrastructuur, de uitkomst medieert. Zelfs bij een expliciete growth-intentie kan een organisatie terugvallen naar reductie als medewerkers de transitie niet durven of kunnen maken.

De Barbell is daarmee geen beeldspraak voor polarisatie alleen, maar voor richting. AI vergroot de uiteinden. Wat in het midden blijft hangen, verdwijnt.

Analyse: AI als kapitaalallocatievraagstuk

De voorlopige analyse laat zien dat AI zelf zelden het dilemma is. Het dilemma zit in allocatie. Wat doen we met vrijgespeelde capaciteit?

De efficiency-route maximaliseert korte termijn winst.
De growth-route maximaliseert middellange termijn waarde.

De eerste is bestuurlijk vanzelfsprekend.
De tweede vraagt expliciet ontwerp.

In financiële simulaties blijkt dat de growth-route in jaar één vaak minder aantrekkelijk is, maar vanaf jaar drie tot vijf cumulatief meer waarde kan creëren – mits AI-capability succesvol wordt geproductiseerd en verkocht.

Het kantelpunt ligt dus niet in technologie, maar in tijdshorizon.

Kader 1 – Betekenis voor Brainport: de Barbell in de keten

In het ecosysteem rond Brainport wordt deze Barbell-dynamiek extra zichtbaar. Grote spelers bouwen AI-capability op in engineering, supply chain en kwaliteitscontrole. Maar binnen de keten is de digitale volwassenheid ongelijk verdeeld.

Het PRISM-model vertaalt zich hier naar een ketenvraagstuk: wie wordt AI-exporteur en wie wordt AI-doelmarkt?

Als Tier 2 en Tier 3 AI uitsluitend inzetten voor interne efficiëntie, worden zij slanker maar afhankelijker. Als zij AI-capability productiseren en inzetten richting andere ketenpartners, ontstaat ketenversterking. De adoption gap bestaat dus niet alleen tussen sectoren, maar ook binnen Brainport zelf.

De uitkomst bepaalt of het ecosysteem een hiërarchie wordt of een versterkend netwerk.

Kader 2 – Psychologische veiligheid als economische mediator

De Barbell heeft ook een psychologische dimensie.

Wanneer AI wordt geassocieerd met vervangbaarheid, daalt psychologische veiligheid. Medewerkers delen minder kennis, experimenteren minder en bewegen defensiever. Daarmee wordt de efficiency-route zelfversterkend.

Wanneer AI wordt gepositioneerd als groeimotor en herallocatie zichtbaar wordt georganiseerd, stijgt veiligheid. Medewerkers durven nieuwe rollen te verkennen, leren sneller en blijven betrokken.

Psychologische veiligheid is in dit model geen zachte factor, maar een economische randvoorwaarde. Zonder veiligheid stort de growth-route in, zelfs als de intentie aanwezig is.

Onderzoek en betekenis

Het PRISM-onderzoek verschuift het debat over AI van technologie naar ontwerp. Het laat zien dat AI-implementatie zonder ontslagen geen idealistisch uitgangspunt is, maar een strategische keuze met financiële, organisatorische en maatschappelijke implicaties.

AI creëert productiviteitsruimte. Governance bepaalt de bestemming. Psychologische veiligheid bepaalt of mensen meegaan.

De Barbell dwingt organisaties tot een expliciete keuze. Niet kiezen betekent vrijwel altijd verschuiven naar het efficiency-uiteinde. AI veroorzaakt geen ontslagen. De allocatiekeuze doet dat.

En precies daarom is dit onderzoek geen voorspelling, maar een uitnodiging tot herontwerp.

Willem E.A.J. Scheepers, AI Implementer

Wil je organisatie ook sparren over Leiderschap & AI? Bezoek DAMIES Future Intelligence. Of mail: willem@willemscheepers.eu  GET READY FOR THE FUTURE

Mijn Yamala.ai Profile; daarin kun je met mijn AI-Twin praten.

Voor je AI-Agent heb ik dit profiel beschikbaar: Rent-a-Human.ai 

De AI-Barbell is een arbeidsmarktmodel waarin AI leidt tot groei aan de bovenkant (hooggekwalificeerde AI-vaardigheden) en onderkant (laagcomplex werk), terwijl het middensegment onder druk staat. (Scheepers 2026)