Een hogere productiviteit kan de economie versterken, maar ook de arbeidsmarkt, belastinggrondslag en financiering van de verzorgingsstaat fundamenteel veranderen.

Nederland discussieert over koopkracht, zorg, defensie, wonen, migratie, klimaat, belastingen en de houdbaarheid van de overheidsfinanciën. Van links tot rechts verschillen de oplossingen. Maar onder vrijwel al die discussies ligt dezelfde aanname: dat de economische architectuur waarop we onze begroting baseren min of meer herkenbaar blijft.

Mensen werken. Organisaties betalen lonen. Over die lonen worden belastingen en premies geheven. Mensen consumeren. Bedrijven maken winst. De overheid ontvangt belasting en financiert daarmee collectieve voorzieningen.

Maar wat als AI niet alleen een nieuwe technologie binnen die economie wordt, maar de verhouding tussen arbeid, kapitaal en productiviteit fundamenteel begint te veranderen? Dan ontstaat een ongemakkelijke vraag.

Wat als AI wél werkt? Niet een beetje, maar echt.

We begroten vooral op continuïteit

Veel van het Nederlandse debat over AI gaat begrijpelijkerwijs over innovatie, concurrentiekracht, regulering, infrastructuur, vaardigheden en productiviteit. Nederland moet investeren. Europa mag technologisch niet achterop raken. Werknemers moeten AI-vaardiger worden. Bedrijven moeten technologie sneller adopteren. Daar zit een impliciete verwachting achter: AI helpt ons bestaande economische problemen op te lossen. En daar is veel voor te zeggen.

Nederland vergrijst. De beroepsbevolking groeit beperkt. In verschillende sectoren bestaan personeelstekorten. De productiviteitsontwikkeling staat al jaren onder druk. Een technologie waarmee dezelfde hoeveelheid arbeid aanzienlijk meer economische waarde kan produceren, lijkt dan bijna het antwoord waarop we hebben gewacht. Maar precies daar zit de blinde vlek.

Want als AI werkelijk een forse productiviteitssprong veroorzaakt, verandert niet alleen hoeveel we produceren.

Dan kan ook veranderen wie het werk doet, wie daarvoor betaald krijgt en bij wie de economische waarde terechtkomt.

En daarmee raakt AI uiteindelijk de begroting zelf.

Van assistent naar economische actor

De eerste golf generatieve AI draaide grotendeels om ondersteuning. Een tekst schrijven. Een analyse versnellen. Softwarecode produceren. Documenten samenvatten. Presentaties maken. De volgende ontwikkeling gaat verder. AI-agents kunnen in toenemende mate taken plannen, verschillende digitale systemen gebruiken, informatie verzamelen, beslissingen voorbereiden en werkprocessen uitvoeren. Daarmee verschuift AI van tool waarmee iemand werkt naar iets wat delen van het werkproces zelfstandig kan uitvoeren.

Stel dat een professional dankzij AI niet 10%, maar 50% productiever wordt. Wat gebeurt er dan? Misschien produceert dezelfde organisatie 50% meer. Maar misschien heeft die organisatie voor dezelfde productie uiteindelijk minder mensen nodig en waarschijnlijk gebeuren beide tegelijkertijd, afhankelijk van sector, functie en organisatie. Dat onderscheid is cruciaal.

Productiviteit is niet hetzelfde als werkgelegenheid

In het politieke debat worden hogere productiviteit en economische groei begrijpelijkerwijs vaak als wenselijk beschouwd. Maar achter een macro-economisch percentage kunnen grote verschuivingen schuilgaan.

Stel dat tien professionals met AI straks het werk kunnen verrichten waarvoor eerder vijftien mensen nodig waren. Voor de organisatie kan dat uitstekend nieuws zijn. 

• De productiviteit stijgt.
• De kosten per eenheid output dalen.
• De concurrentiepositie verbetert.
• Misschien stijgt zelfs het BBP.

Maar ergens anders ontstaat een andere vraag: wat gebeurt er met de vijf arbeidsplaatsen die niet langer nodig zijn?

En vooral: wat gebeurt er wanneer dit niet bij één organisatie gebeurt, maar gelijktijdig in accountancy, consultancy, financiële dienstverlening, juridische dienstverlening, communicatie, overheid, HR, ICT en andere delen van de kenniseconomie? Dan wordt AI geen ICT-vraagstuk meer, dan wordt het arbeidsmarktbeleid en uiteindelijk begrotingsbeleid.

De AI-Barbell

Dat risico hoeft bovendien niet gelijkmatig over de arbeidsmarkt verdeeld te zijn.

In mijn eerdere werk over de AI-Barbell beschreef ik een mogelijke ontwikkeling waarbij AI twee bewegingen tegelijkertijd veroorzaakt.

• Aan de ene kant worden eenvoudige, routinematige en goed structureerbare werkzaamheden steeds gemakkelijker automatiseerbaar.
• Aan de andere kant kan hoogwaardige expertise juist veel productiever en daarmee economisch waardevoller worden.

Een ervaren professional met krachtige AI kan immers ineens beschikken over een enorme digitale productiecapaciteit, het kwetsbare gebied ligt mogelijk daartussen. Werk waarin professionals traditioneel ervaring opdoen, analyses voorbereiden, concepten maken, dossiers verwerken en geleidelijk expertise ontwikkelen. Precies daar kan AI veel werkzaamheden comprimeren.

Dat is Expertise Compression.

En wanneer organisaties vervolgens minder mensen nodig hebben in die ontwikkellagen, ontstaat het risico van Human Hollowing: organisaties worden op korte termijn productiever, terwijl ze tegelijkertijd de menselijke ervaringsbasis uithollen waaruit toekomstige experts moeten ontstaan. Dat is al een strategisch probleem voor organisaties, maar op nationale schaal wordt het iets groters.

De belastingvraag die daarachter ligt

Onze verzorgingsstaat is in belangrijke mate verbonden met menselijke arbeid. Mensen ontvangen loon. Daarover worden inkomstenbelasting en premies betaald. Werkgevers betalen loonkosten. Werknemers consumeren hun inkomen en betalen btw. Dat systeem functioneert zolang arbeid een belangrijke drager van economische waarde én inkomen blijft.

Maar stel dat steeds meer economische output ontstaat uit een combinatie van: mens + AI + rekenkracht + data + intellectueel eigendom + kapitaal. Dan ontstaat een fundamentele begrotingsvraag: belasten we in de toekomst nog steeds de juiste grondslag?

Wanneer één professional dankzij AI het werk van meerdere mensen kan uitvoeren, kan de economische output stijgen terwijl de totale loonsom veel minder hard meegroeit. De productiviteit kan dan stijgen zonder dat de belastingopbrengsten uit arbeid in hetzelfde tempo meegroeien. De waarde verdwijnt niet. Ze verschuift, mogelijk naar bedrijfswinsten. Naar kapitaal. Naar intellectueel eigendom. Naar AI-platforms. Naar cloud- en computeproviders. Of naar een relatief kleine groep extreem productieve professionals en ondernemingen.

Dan wordt de relevante politieke vraag niet alleen: hoeveel belasting moeten we heffen? Maar ook: waarop?

De verdelingsvraag komt vóór de belastingvraag

Daarachter ligt nog een fundamentelere kwestie. Wie ontvangt de AI-dividend? Stel dat AI de Nederlandse economie structureel productiever maakt. Dan kan die waarde op verschillende plekken terechtkomen:

• Bij consumenten, via lagere prijzen.
• Bij werknemers, via hogere lonen of kortere werktijden.
• Bij ondernemingen, via hogere marges.
• Bij aandeelhouders, via rendement.
• Bij technologiebedrijven, via licenties en abonnementen.
• Of bij de overheid, via belastingheffing.

Waarschijnlijk ontstaat een combinatie. Maar die verdeling is geen technologisch gegeven. Ze wordt bepaald door marktmacht, instituties, arbeidsverhoudingen, fiscaliteit, concurrentie en beleid. Daarmee wordt AI uiteindelijk ook een verdelingsvraagstuk.

En juist dan komt onderwijs onder druk

Hoe actueel die spanning is, bleek eind september opnieuw. De NOS meldde dat de coalitie in het uiterste geval €1,2 miljard op de onderwijsbegroting wil opvangen wanneer de beoogde besparingen binnen de sociale zekerheid onvoldoende opleveren. Het gaat nog niet om een definitief besluit, maar om een mogelijke terugvaloptie binnen de begrotingsafspraken.

Op zichzelf is dat een begrotingskeuze zoals er voortdurend begrotingskeuzes worden gemaakt, maar bekeken vanuit de AI-transitie ontstaat een ongemakkelijke paradox.

Juist op het moment dat technologische verandering waarschijnlijk grotere eisen gaat stellen aan kennis, vaardigheden, omscholing en het ontwikkelen van nieuwe expertise, kan onderwijs onderdeel worden van de dekking van financiële problemen die vanuit de bestaande economische structuur worden berekend.

Dat raakt precies aan de blinde vlek. Want wanneer AI delen van kenniswerk automatiseert of comprimeert, wordt onderwijs niet minder belangrijk maar anders belangrijk. De vraag verschuift van hoeveel mensen we opleiden voor bestaande functies naar hoe mensen expertise ontwikkelen in een economie waarin AI steeds meer van het uitvoerende en voorbereidende kenniswerk kan overnemen.

Daarmee krijgt een onderwijsbezuiniging een tweede betekenis. Het gaat dan niet alleen over de begroting van vandaag, het raakt ook aan het adaptatievermogen van de economie van morgen.

Misschien zouden we daarom bij grote begrotingsbeslissingen niet alleen moeten vragen: Wat levert deze maatregel financieel op? Maar ook: welk menselijk vermogen bouwen we hiermee op of breken we ermee af voor een economie waarin AI een steeds grotere productiefactor wordt?

Dat is geen argument dat iedere euro onderwijsuitgave per definitie moet worden ontzien, het is wel een argument om onderwijs, arbeidsmarkt en AI niet langer als afzonderlijke begrotingsdossiers te behandelen.

En dan is er nog de beginnende professional

Misschien is dit wel de meest onderschatte dimensie. Een ervaren fiscalist, ingenieur, jurist of beleidsadviseur kan AI gebruiken om bestaande expertise te versterken. Maar hoe wordt iemand straks die ervaren professional? Veel expertise ontstaat juist door werkzaamheden die AI nu als eerste kan versnellen:

• onderzoek doen,
• documenten analyseren,
• eerste concepten schrijven,
• berekeningen maken,
• vergelijkingen uitvoeren,
• fouten ontdekken,
• en opnieuw beginnen.

Het inefficiënte werk van vandaag is soms het leerproces waardoor de expert van morgen ontstaat. Wanneer organisaties dat werk massaal automatiseren, kan een merkwaardige paradox ontstaan:

we verhogen vandaag de productiviteit door precies het werk te automatiseren waarmee mensen leren morgen productief te zijn.

Dat probleem zie je niet onmiddellijk terug in het BBP. Misschien zelfs integendeel, op korte termijn ziet alles er beter uit.

De begroting heeft daarom AI-scenario's nodig

Dit betekent niet dat we precies kunnen voorspellen hoeveel banen AI gaat veranderen of verdwijnen, dat kunnen we niet. Het betekent ook niet dat massale technologische werkloosheid onvermijdelijk is. Nieuwe technologie creëert historisch ook nieuwe activiteiten, beroepen en vraag. Maar onzekerheid is geen argument om een variabele buiten beschouwing te laten.

Bij begrotingsbeleid doen we voortdurend precies het tegenovergestelde. We werken met scenario's.

• Wat gebeurt er bij hogere rente?
• Lagere economische groei?
• Meer werkloosheid?
• Hogere energieprijzen?
• Sterkere vergrijzing?
• Geopolitieke escalatie?
• Waarom zouden we dat niet systematisch doen voor AI?

Bijvoorbeeld:

Scenario 1 — AI als assistent

Productiviteit stijgt geleidelijk. Werk verandert, maar de werkgelegenheidsstructuur blijft grotendeels intact.

Scenario 2 — AI als substituut

Bepaalde categorieën kenniswerk krimpen aanzienlijk. De verhouding tussen arbeidsinkomen en kapitaalinkomen verschuift.

Scenario 3 — AI als multiplier

Kleine teams produceren met AI veel meer economische waarde. Productiviteit en winsten stijgen sterk, maar de verdeling daarvan wordt het centrale vraagstuk.

Scenario 4 — Agentic economy

AI-agents voeren zelfstandig substantiële delen van economische processen uit. Niet alleen productie, maar ook zoeken, onderhandelen, inkopen, vergelijken en transacties worden deels geautomatiseerd. 

Elk scenario heeft andere consequenties voor arbeidsmarkt, onderwijs, sociale zekerheid, belastinggrondslagen en overheidsinkomsten.

Van technologiebeleid naar financieel-economisch beleid

Daarom zou AI niet uitsluitend op de agenda van ministers van Economische Zaken, Onderwijs of Digitalisering moeten staan, het hoort net zo goed thuis bij Financiën, Sociale Zaken, het CPB en uiteindelijk bij iedere discussie over de houdbaarheid van de Nederlandse overheidsfinanciën.

Niet omdat iemand vandaag kan voorspellen hoe groot het effect precies wordt, maar omdat de mogelijke tweede-orde-effecten te groot zijn om pas te onderzoeken wanneer ze zichtbaar worden in belastingopbrengsten en werkgelegenheid.

We zouden daarom naast traditionele macro-economische ramingen een structurele AI-stresstest kunnen ontwikkelen:  Wat gebeurt er met Nederland wanneer onze investeringen in AI daadwerkelijk succesvol zijn?

• Wat gebeurt er met de loonquote?
• Met belastinginkomsten uit arbeid?
• Met startersfuncties?
• Met middenfuncties?
• Met inkomensverdeling?
• Met bedrijfswinsten?
• Met consumptie?
• Met scholing?
• Met sociale zekerheid?
• En uiteindelijk: met de financierbaarheid van de verzorgingsstaat?

De echte blinde vlek

Misschien discussiëren we daarom momenteel over AI vanuit de verkeerde zorg. We zijn bang dat Europa achterblijft, dat Nederland te weinig investeert, dat onze productiviteit onvoldoende groeit, dat organisaties AI niet snel genoeg adopteren. Dat zijn reële vraagstukken, daarnaast hoort een scenario dat bijna het tegenovergestelde veronderstelt:

wat als AI sneller en beter werkt dan waarop onze instituties zijn voorbereid?

Dan hebben we mogelijk geen technologisch probleem, dan hebben we een institutioneel probleem. Onze arbeidsmarkt, opleidingen, fiscaliteit en sociale zekerheid zijn immers gebouwd rond een economische werkelijkheid waarin menselijke arbeid een centrale schakel vormt tussen productiviteit, inkomen, belastingheffing en bestaanszekerheid. AI kan juist die verbinding veranderen.

Daarmee ontstaat misschien de belangrijkste begrotingsvraag die momenteel nauwelijks als begrotingsvraag wordt gesteld:

wie creëert straks economische waarde, wie ontvangt die waarde en waarop kan de overheid vervolgens nog belasting heffen?

Nederland discussieert momenteel intensief over hoe we de begroting van morgen moeten verdelen, dat debat is noodzakelijk. Maar misschien dienen we tegelijkertijd een fundamentelere vraag te durven stellen:

waarop is die begroting overmorgen eigenlijk nog gebaseerd?

Willem E.A.J. Scheepers