In mijn vorige bijdrage stelde ik de vraag 'Wie profiteert van Innovatie als AI steeds minder mensen nodig heeft?' De Innovatiebox van de Overheid was daarbij niet het eindpunt, maar een testcase.

Nederland stimuleert innovatieve winst via de Innovatiebox. Dat is begrijpelijk: innovatie, R&D en productiviteit zijn essentieel voor economische groei. De regeling kent een effectief tarief van 9 procent voor kwalificerende innovatieve winst. Zij stelt echter geen algemene voorwaarden aan scholing, herplaatsing of de verdeling van productiviteitswinst.

Precies daar begint de vervolgvraag.

Wat mag de samenleving verwachten wanneer publieke middelen, fiscale voordelen en collectieve infrastructuur technologische innovatie mede mogelijk maken terwijl diezelfde innovatie taken, leerpaden en soms arbeidsvolume verschuift van mensen naar AI, agents en robotica?

Niet: behoud elke bestaande baan. Wel: vernieuw aantoonbaar het menselijke vermogen dat door die verschuiving onder druk komt te staan.

Dat noem ik Human Capital Conditionality.

Human Capital Conditionality is het beginsel dat substantiële publieke steun voor technologie die arbeid ingrijpend herverdeelt, gepaard gaat met een aantoonbare verplichting om het menselijke vermogen van betrokken werkenden te vernieuwen.

Dat is geen technische bijlage bij innovatiebeleid. Het is een nieuw maatschappelijk contract rond productiviteit.

AI maakt innovatie tot een allocatievraag

De discussie over AI gaat nog te vaak over banen: verdwijnen ze wel of niet?

Dat is te grof. AI herverdeelt eerst taken, productietijd, beslisrechten, zichtbaarheid, leerwerk en verantwoordelijkheid. Een junior die analyses, dossieronderzoek en documentatie uitvoert, doet niet alleen productiewerk. Die junior oefent ook oordeelsvorming. Ontwikkelt vaktaal. Leert uitzonderingen herkennen. Bouwt professionele geloofwaardigheid op.

Wanneer juist dat werk verdwijnt, kan een organisatie productiever worden en tegelijk haar toekomstige vakmanschap verzwakken.

AI-blootstelling is overigens geen voorspelling van banenverlies. De OESO wijst er terecht op dat blootstelling, automatiseerbaarheid en feitelijke verdringing verschillende zaken zijn. Daarom zijn naast AI-geletterdheid juist basisvaardigheden, digitale vaardigheden en complementaire menselijke vermogens nodig. 

Ook de ILO waarschuwt tegen simplistische voorspellingen. In haar verfijnde index valt 3,3 procent van de mondiale werkgelegenheid in de hoogste categorie van generatieve-AI-blootstelling; voor vrouwen is dat 4,7 procent en voor mannen 2,4 procent. Dat rechtvaardigt geen alarmisme, maar wel een inclusieve transitie-aanpak.

De relevante vraag is dus niet: hoeveel banen neemt AI af?

De relevante vraag is: wie krijgt tijd, middelen, toegang en zeggenschap om het werk dat ontstaat ook werkelijk te kunnen doen?

Van Human Capital Allocation naar Human Capital Conditionality

Het Human Capital Allocation Framework, HCAF, stelt binnen organisaties de vraag welke combinatie van mensen, AI, agents en robotica de meeste duurzame waarde creëert.

• Wie voert uit?
• Wie beslist?
• Wie controleert?
• Wie leert?
• Wie kan ingrijpen wanneer het systeem faalt?
• En wie blijft verantwoordelijk?

Human Capital Conditionality voegt daaraan de maatschappelijke vervolgvraag toe:

Als die allocatie verschuift van mensen naar technologie, hoe zorgen we er dan voor dat ook het menselijke kapitaal wordt vernieuwd?

Hier raken vier lijnen* elkaar.

De AI-Barbell laat zien dat routineus kenniswerk onder druk staat, terwijl geautomatiseerde workflows aan de ene kant en hoogwaardig menselijk oordeel aan de andere kant waardevoller worden. Zonder gerichte toegang tot nieuw werk dreigt het professionele midden niet door te groeien, maar weg te vallen.

Human Hollowing maakt zichtbaar wat er dan gebeurt. Mensen kunnen formeel in dienst blijven, terwijl hun oefenruimte, autonomie, correctievermogen en professionele identiteit afnemen.

Daaruit ontstaat human-capital debt: vandaag efficiency, morgen een tekort aan mensen die kunnen beoordelen, herstellen, vernieuwen en verantwoordelijkheid dragen.

Een organisatie die cruciaal vakmanschap laat verschralen, wordt bovendien afhankelijker van modellen, leveranciers en een kleine groep schaarse experts. Dat is geen pure efficiency. Het is strategische kwetsbaarheid.

*Die vier lijnen zijn:

1. Human Capital Allocation Framework — bepaalt hoe taken, oordeel, leren en verantwoordelijkheid worden verdeeld tussen mens, AI, agents en robotica.
2. AI-Barbell — laat zien dat routineus kenniswerk onder druk komt, terwijl automatisering én hoogwaardig menselijk oordeel belangrijker worden.
3. Human Hollowing / human-capital debt — benoemt het risico dat organisaties efficiënt lijken, maar ondertussen oefenruimte, vakmanschap en loopbaanpaden afbreken.
4. Capability-Secure Organisation — is het gewenste resultaat: een organisatie die AI benut, maar voldoende menselijk oordeel, herstelvermogen en onafhankelijk vakmanschap behoudt.

Human Capital Conditionality verbindt deze vier op maatschappelijk niveau: als publieke steun de verschuiving naar technologie mede mogelijk maakt, moet zij ook bijdragen aan het vernieuwen van menselijk vermogen.

Geen AI-belasting, geen ESG-taal, geen banenquotum

Human Capital Conditionality dient scherp te worden afgebakend.

Het is geen pleidooi voor een algemene AI- of robotbelasting. Het is evenmin een eis om functies kunstmatig in stand te houden. Automatisering kan nodig zijn, zeker in een vergrijzende economie met personeelstekorten.

Ook is het niet genoeg om een willekeurige training als bewijsstuk op te voeren. Een catalogus met e-learnings zonder tijd, begeleiding, mobiliteit of perspectief is geen transitiebeleid. AI-geletterdheid is inmiddels een juridische ondergrens onder de AI Act; het is nog geen antwoord op herontwerp van werk, loopbanen en professionele zeggenschap.

De kern is wederkerigheid.

Wie substantieel profiteert van publiek gefaciliteerde technologiegedreven productiviteit, moet ook aantoonbaar bijdragen aan de menselijke capaciteit die voor de volgende economie nodig is.

Niet: protect the job. Wel: protect and renew human capability.

De Human Capital Conditionality-test

Een geloofwaardige toepassing vraagt om vijf toetsstenen.

1. Begin vóór implementatie met een taak- en transitieanalyse.
Niet alleen: hoeveel fte besparen we? Ook: welke taken verdwijnen, welke ontstaan, welke beslisrechten verschuiven en welke groepen worden geraakt? Denk nadrukkelijk aan starters, flexwerkers, medewerkers met minder toegang tot scholing en mensen in functies waarvan het leerwerk verdwijnt.

2. Maak leren een beschermde investering.
Niet alleen budget, maar ook tijd, begeleiding en toegang tot betekenisvolle praktijk. Vaardigheden moeten draagbaar zijn: niet uitsluitend tooltraining van één leverancier, maar ook domeinkennis, bronkritiek, AI-oordeelsvorming, samenwerking en herstelvermogen.

3. Ontwerp nieuw werk, vóór gedwongen uitstroom.
Automatisering kan bestaande taken verminderen, maar ook nieuwe menselijke taken creëren. De economische literatuur over automatisering laat precies die spanning zien: verdringing kan worden gecompenseerd door nieuwe taken waarin mensen een comparatief voordeel behouden. De vraag is of organisaties die nieuwe taken bewust ontwerpen en of betrokken medewerkers daarop een reële kans krijgen.

4. Organiseer medezeggenschap aan het begin, niet aan het einde.
Medewerkers, OR en sociale partners moeten kunnen meepraten wanneer taakverdeling, werkdruk, toezicht en loopbaanpaden nog beïnvloedbaar zijn. Niet pas wanneer de technologiekeuze al is gemaakt en HR de gevolgen mag repareren.

5. Maak de transitie zichtbaar en toetsbaar.
Niet met individuele risicoscores, maar via geaggregeerde indicatoren: welke groepen zijn geraakt, wie kreeg toegang tot leren, welke interne mobiliteit ontstond, wat gebeurde met juniorinstroom, werkdruk, kwaliteit van werk en inclusie? Het doel is geen perfect voorspelmodel, maar bestuurlijke accountability.

Een eenvoudig uitgangspunt voor bestuurders kan zijn:

Geen AI-schaalvergroting zonder human-capital renewal case.

Drie mogelijke toekomsten

De eerste mogelijkheid is het vernieuwingsdividend. Organisaties verbinden AI-businesscases vooraf aan leerpaden, herontwerp van werk, interne mobiliteit en menselijke interventierechten. Publieke steun en publieke inkoop vragen proportioneel om die tegenprestatie. Productiviteit groeit dan samen met maatschappelijk leervermogen.

De tweede mogelijkheid is de stille uitholling. AI wordt vooral een kostenprogramma. Juniorvacatures verdwijnen, medewerkers krijgen wel tools maar geen oefenruimte en de opbrengst komt terecht bij een kleine groep technologie- en kapitaaleigenaren. De organisatie lijkt efficiënter, maar bouwt human-capital debt op.

De derde mogelijkheid is de corrigerende terugslag. Politiek en samenleving grijpen pas in wanneer ongelijkheid, verdringing en incidenten zichtbaar zijn. Dan ontstaat defensieve compliance, juridische strijd en polarisatie tussen innovatie en werkgelegenheid. De correctie komt te laat en wordt daardoor harder.

De strategische keuze is helder: organiseer het vernieuwingsdividend vóórdat stille uitholling een corrigerende terugslag noodzakelijk maakt.

Begin niet met een verbouwing van de Innovatiebox

Dat betekent niet dat de Innovatiebox morgen van een ingewikkelde extra voorwaarde moet worden voorzien. De regeling werkt op innovatieve winst en de relatie tussen fiscaal voordeel, specifieke technologie en individuele arbeidsmarkteffecten is indirect.

Een verstandiger route is om Human Capital Conditionality eerst te beproeven waar publieke sturing directer is: bij substantiële subsidies, publieke aanbestedingen, sectorafspraken en grote innovatieprogramma’s. De WBSO laat al zien dat innovatie-instrumenten kunnen werken met vooraf beschreven projecten, voorwaarden en administratie.

Internationaal bestaan bruikbare analogieën. Het Europese Just Transition Fund koppelt middelen aan transitieplannen en ondersteunt onder meer om- en bijscholing. De Amerikaanse CHIPS-programma’s vroegen van aanvragers workforce-developmentplannen. 

Die voorbeelden bewijzen niet dat Nederland ze één-op-één moet kopiëren. Ze laten wel zien dat publieke technologische investeringen niet waardevrij hoeven te zijn. Een overheid kan innovatie stimuleren én voorwaarden stellen aan de capaciteit die ermee wordt opgebouwd.

Dat vraagt om proportionaliteit. Een kleine mkb-pilot verdient geen zwaar verantwoordingscircus. Maar hoe groter de publieke steun, de verwachte arbeidsbesparing en de maatschappelijke afhankelijkheid, hoe sterker de plicht om menselijke vernieuwing zichtbaar te organiseren.

De mens blijft accountable

Hier ligt uiteindelijk een besluit dat niet aan AI kan worden gedelegeerd.

Een bestuur, beleidsmaker of toezichthouder moet expliciet bepalen:

• welke menselijke capabilities strategisch zijn en niet mogen verschralen;
• welke groepen zonder gerichte interventie buiten nieuw werk dreigen te vallen;
• welk deel van de productiviteitswinst terugvloeit naar transitie, leren en mobiliteit;
• welke uitkomsten voldoende zijn om op te schalen — en welke signalen tot bijsturing of pauzering leiden.

AI kan scenario’s berekenen, taken analyseren en effecten monitoren. AI mag niet bepalen wie toegang krijgt tot leerbudget, overgangstijd, werkzekerheid of professionele zeggenschap.

Dat is menselijke accountability.

De volgende AI-race gaat daarom niet alleen om wie het snelst werk automatiseert. Zij gaat om wie productiviteitswinst kan omzetten in vernieuwd menselijk vermogen en wie de maatschappelijke rekening betaalt wanneer dat niet gebeurt.

Willem E.A.J. Scheepers, DAMIES Future Intelligence

Bezoek ook de vernieuwde kennisbank pagina 'Artificial Intelligence: van Hulpmiddel naar Digitale Arbeidskracht'.