Waarom Capability Security de nieuwe maatstaf wordt voor toekomstbestendig werk en duurzame loopbanen.

*An English-language synopsis is provided at the end of this entry.

De volgende kloof op de arbeidsmarkt gaat niet alleen over wie AI gebruikt.

Zij gaat over wie onder omstandigheden werkt waarin AI ook werkelijk bijdraagt aan ontwikkeling, professioneel oordeel en een houdbaar carrièrepad.

Dat verschil wordt snel zichtbaarder. In 2025 gebruikte 66,2% van de Nederlandse grote bedrijven AI-technologie, tegenover 29,8% van de bedrijven met 10 tot 249 medewerkers en 13,8% van de microbedrijven. Tegelijk noemt 71,6% van de microbedrijven die AI overwogen maar niet invoerden gebrek aan ervaring als voornaamste reden.

De vraag voor bestuurders is daarom niet alleen: welke taken kunnen wij automatiseren? De belangrijkere vraag is: welk vermogen bouwen medewerkers op terwijl wij automatiseren?

Een organisatie die daar een overtuigend antwoord op heeft, noem ik een Capability-Secure Organization.

Van AI-ready naar capability-secure

Een AI-ready organisatie zorgt dat mensen met AI kunnen werken. Dat is noodzakelijk, maar niet genoeg. Een Capability-Secure Organization gaat verder. Zij organiseert toegang tot modellen, data, agents, oefenruimte, zeggenschap en loopbaanmogelijkheden zó dat professionals relevant, ontwikkelbaar en inzetbaar blijven.

Een Capability-Secure Organization gebruikt AI niet alleen om werk sneller te doen, maar om het menselijk vermogen tot oordelen, leren, vernieuwen en verantwoordelijkheid dragen aantoonbaar te versterken.

Dit is een conceptueel en operationaliseerbaar organisatiebegrip, geen vastgesteld keurmerk. Het biedt een ontwerp- en toetsingskader voor een reële spanning: AI kan werk verrijken, maar ook de routines wegnemen waarin mensen expertise, zelfvertrouwen en professioneel oordeel opbouwen.

Daar ligt het risico van Human Hollowing: medewerkers blijven formeel in dienst en zelfs “in the loop”, maar verliezen gaandeweg de gelegenheid om zelf problemen te formuleren, fouten te maken, uitzonderingen te onderzoeken en verantwoordelijkheid te ontwikkelen.

Het schema van de Capability-Secure Organization

Voorwaarde	Wat de organisatie organiseert	De toetsvraag
Gelijke intelligence conditions	Veilige toegang tot relevante taalmodellen, data, tools en agents — niet alleen voor IT, koplopers of senior management.	Wie krijgt toegang, tot welke capaciteit en met welke ondersteuning?
Bewuste cognitieve taakverdeling	AI bereidt voor, versnelt en signaleert; professionals formuleren het probleem, beoordelen context, behandelen uitzonderingen en dragen het besluit.	Welke menselijke cognitieve activiteiten blijven bewust behouden?
Beschermde leerloops	Vrijgespeelde tijd wordt deels geïnvesteerd in oefening, feedback, mentoring, casuïstiek en complexer werk.	Verdwijnt leerwerk, of wordt het vervangen door nieuw leerwerk?
Contestable AI	Medewerkers kunnen AI-uitkomsten bevragen, corrigeren, melden en overrulen zonder prestatierisico.	Is tegenspraak tegen het systeem praktisch én psychologisch mogelijk?
Loopbaanarchitectuur	Nieuwe vaardigheden, rollen, mobiliteit en waardering worden zichtbaar gemaakt voordat bestaande instap- en middentaken verdwijnen.	Welke nieuwe route ontstaat voor de professional wiens huidige werk verandert?

Dit schema verbindt vier bestaande vragen die organisaties nu nog vaak los behandelen. De AI-Barbell laat zien waar routinematig kenniswerk onder druk komt. Het Human Capital Allocation Framework (HCAF) helpt bepalen wie uitvoert, beslist, controleert, leert en verantwoordelijk blijft. Human Capital Governance borgt dat menselijke capaciteit een bestuurlijk thema wordt. En Algorithmic Psychological Safety Climate (APSC) bepaalt of medewerkers AI ook werkelijk durven te betwijfelen, corrigeren en van fouten leren.

Pioniers van Human-Capital Renewal

Univé: medewerkers als bouwers

Univé is momenteel de meest interessante Nederlandse proeftuin. De verzekeraar benadert AI expliciet als organisatieontwikkeling. Volgens de recente OpenAI-case is 97% van de ChatGPT Enterprise-licenties geactiveerd, is 85% van de gebruikers wekelijks actief en hebben medewerkers circa 1.500 Custom GPT’s gebouwd. Belangrijker dan die aantallen is het onderliggende ontwerp: medewerkers krijgen niet alleen toegang, maar ook tijd, structuur en toestemming om hun eigen werk opnieuw te ontwerpen.

In de claimspraktijk bereidt AI dossiers voor, verzamelt informatie en signaleert afwijkingen. De professional neemt het uiteindelijke besluit en blijft volledig verantwoordelijk. Dat is precies het onderscheid tussen AI als vervanger en AI als versterker: de machine organiseert de voorbereiding, de mens houdt oordeel, context en aansprakelijkheid.

Univé is daarmee nog geen bewezen Capability-Secure Organization. Er is nog geen publiek bewijs over interne mobiliteit, beloning, duurzame inzetbaarheid of de langetermijneffecten op vakmanschap. Maar de combinatie van brede toegang, employee-led innovation, governance en expliciete menselijke eindverantwoordelijkheid maakt de organisatie tot een geloofwaardige pionier.

BNY: governance als leerinfrastructuur

BNY ontwikkelde met Eliza een interne omgeving waarin AI-toegang, training, agentbouw en governance samenkomen. Volgens de OpenAI-case heeft circa 99% van de medewerkers training in generatieve AI gevolgd en toegang gekregen tot het platform; 20.000 medewerkers bouwen actief AI-agents. De organisatie combineert dit met een data-use review board, een AI release board en een enterprise AI council.

Dat is relevant omdat governance hier niet als rem wordt vormgegeven, maar als infrastructuur voor veilige deelname. Medewerkers hoeven niet buiten beeld te experimenteren met publieke tools; zij kunnen binnen een gecontroleerde omgeving leren, bouwen en delen.

BNY komt daarmee dicht bij het idee van gelijke intelligence conditions en contestable AI. De open vraag is ook hier wezenlijk: hoe voorkomt een organisatie met “digital employees” dat medewerkers vooral supervisors worden en hun eigen oordeel op termijn verschraalt? Governance beschermt niet automatisch tegen Human Hollowing. Daarvoor zijn ook leerwerk, professionele ruimte en loopbaanontwerp nodig.

BBVA: AI als investering in mensen én werkontwerp

BBVA laat zien wat er mogelijk wordt wanneer brede toegang, leiderschap en leerstructuur op grote schaal worden gecombineerd. Meer dan 100.000 medewerkers gebruiken ChatGPT Enterprise; de bank heeft een netwerk van AI-champions en gevorderde gebruikers, trainde 250 leiders — onder wie CEO en voorzitter — en rapporteert meer dan 20.000 door medewerkers gemaakte GPT’s.

De relevante stap is dat BBVA AI niet uitsluitend koppelt aan efficiency. De bank positioneert AI als een investering in medewerkers en als een manier om werk opnieuw te verdelen. In kredietrisico bijvoorbeeld verschuift tijd van handmatig verzamelen en structureren van informatie naar strategische analyse en de verwerking van ESG-factoren in risicomodellen.

Ook hier blijft voorzichtigheid nodig. De cijfers zijn afkomstig uit een klantcase van de leverancier en vormen geen onafhankelijk langetermijnonderzoek naar loopbanen. Toch laat BBVA een cruciaal element zien: AI-adoptie wordt sterker wanneer leiders zelf leren werken met de technologie en wanneer medewerkers actief deelnemers worden aan de transformatie.

Waarom Rabobank en PostNL nog niet in dit rijtje staan

Rabobank en PostNL zijn geen achterblijvers. Integendeel: beide zijn relevante organisaties om te volgen. Maar op basis van de publiek beschikbare informatie zijn zij nog geen overtuigende voorbeelden van human-capital renewal.

Rabobank kondigde aan de komende drie jaar tot €2 miljard te investeren in data, technologie en AI. De investering is gericht op versterking van de Data & IT-basis, klantbeleving en opschaling van AI. Daarnaast test de bank LLM’s en AI-agents in geselecteerde bancaire usecases, met aandacht voor governance, transparantie en digitale soevereiniteit.

Dat is een sterke basis voor een toekomstige Capability-Secure Organization, maar nog geen publiek bewijs voor brede medewerkerstoegang, beschermde leertijd, nieuwe loopbaanpaden of een organisatiebrede ontwikkelopgave. Een hoog AI-budget zegt vooral iets over transformatiecapaciteit; niet vanzelf over ontwikkelrecht voor professionals.

PostNL werkt eveneens aantoonbaar aan generatieve AI en agents. De organisatie koppelt AI aan efficiëntere processen, klantwaarde en standaardisering, vooral in ondersteunende functies. In de halfjaarcijfers 2026 worden AI-agents genoemd in de context van een aanvullend kostenbesparingsprogramma van circa €75 miljoen voor 2027–2028.

Juist daarom is PostNL een belangrijke toetscase. Wanneer AI ondersteunend werk standaardiseert en automatiseert, moeten organisaties tegelijk zichtbaar maken welk nieuw leerwerk, welke nieuwe verantwoordelijkheden en welke nieuwe carrièrepaden daarvoor in de plaats komen. Zonder dat antwoord kan efficiency op korte termijn omslaan in human-capital debt op lange termijn.

Wat dit vraagt van organisaties

De Capability-Secure Organization is geen HR-programma naast een AI-strategie. Het is een gezamenlijke bestuursopgave voor directie, HR, IT, data, risk, compliance en lijnmanagement.

Dat begint met vijf keuzes.

Ten eerste: behandel toegang tot AI als strategische arbeidsvoorwaarde. Niet als onbeperkt gebruik van elke tool, maar als veilige, proportionele en inclusieve toegang tot relevante capaciteit.

Ten tweede: voer vóór automatisering een capability scan uit. Welke taken verdwijnen? Welke oefenmomenten verdwijnen daarmee? Welke professionele oordeelsvorming moet juist worden versterkt?

Ten derde: reserveer een deel van productiviteitswinst voor capability renewal. Wie alle vrijgespeelde tijd direct omzet in hogere productie, oogst vandaag capaciteit maar kan morgen expertise tekortkomen.

Ten vierde: herontwerp prestatie- en loopbaangesprekken. Niet alleen “wat leverde je op?”, maar ook: “welke AI gebruikte je, hoe heb je die uitkomst getoetst, welk oordeel heb jij toegevoegd en welke nieuwe vaardigheid heb je opgebouwd?”

Ten vijfde: maak tegenspraak bestuurlijk relevant. Een medewerker die een AI-uitkomst kan betwijfelen, corrigeren of escaleren is geen vertraging in het proces. Die medewerker is een vorm van AI Assurance.

Waarom dit juist voor professionals telt

Voor professionals verandert de aantrekkelijkheid van een werkgever. Niet alleen functie-inhoud, salaris of opleidingsbudget tellen mee, maar ook de vraag of de organisatie toegang biedt tot de nieuwe productiemiddelen van kenniswerk taalmodellen, agents, tokens, data en veilige experimenteerruimte.

De interessante carrière ligt niet per se bij de organisatie met de meeste AI. Zij ligt bij de organisatie waar je leert om AI te sturen zonder je eigen denken uit te besteden.

Dat betekent dat professionals bij een potentiële werkgever steeds vaker zes vragen zouden dienen te stellen:

Met welke AI-tools en agents werken teams daadwerkelijk?
Is er ruimte om zelf usecases te bouwen, te toetsen en te delen?
Welke menselijke beslissingen, vaardigheden en verantwoordelijkheden worden bewust behouden?
Hoe worden verdwijnende instaptaken vervangen door nieuwe leer- en doorgroeipaden?
Kan ik een AI-uitkomst zichtbaar en veilig betwijfelen?
Hanteer je intelligentievoorwaarden ofwel hoe worden tokens toegewezen?

De Capability-Secure Organization belooft geen baanzekerheid in een turbulente arbeidsmarkt. Zij biedt iets fundamentelers: capability security de reële zekerheid dat iemands vermogen om waardevol werk te doen niet wordt uitgehold, maar met de technologie meegroeit.

De toekomstbestendige organisatie beschermt dus niet simpelweg functies tegen AI. Zij beschermt en vernieuwt het vermogen van mensen om, mét AI, steeds opnieuw relevant werk te doen.

Willem E.A.J. Scheepers, AI Implementer.

Synopsis — The Capability-Secure Organization

AI readiness is no longer enough. The real dividing line is whether an organization uses AI merely to accelerate and automate work, or whether it deliberately strengthens people’s ability to learn, judge, adapt and remain valuable.

This article introduces the concept of the Capability-Secure Organization: an employer that combines secure AI access, deliberate human-AI task allocation, protected learning loops, contestable AI and visible career pathways. Its purpose is not to protect every existing job from AI, but to protect and renew people’s capacity to perform relevant work as AI reshapes it.

Cases such as Univé, BNY and BBVA show early elements of this approach: broad employee access to AI, structured learning, employee-led innovation, governance by design and explicit human accountability. They are not yet proven models of long-term career sustainability, but they are meaningful pioneers of human-capital renewal.

Rabobank and PostNL are important organizations to watch. Both are investing seriously in AI infrastructure, data, agents and transformation. Yet public evidence of broad employee access, protected learning time and redesigned career pathways remains limited. Investment scale alone does not create a future-proof employer.

For organizations, the strategic task is clear: measure not only productivity gains, but also what happens to judgment, learning, professional autonomy and talent pipelines. For professionals, the most attractive employer will increasingly be the one that does not simply provide AI tools, but enables them to direct, challenge and build with AI without outsourcing their own thinking.

A Capability-Secure Organization does not promise job security in an unstable labour market. It offers something more fundamental: the real possibility that human capability grows alongside technology rather than being hollowed out by it.

Bronnen

De praktijkcases van Univé, BNY en BBVA zijn gepubliceerd door OpenAI en geven de gerapporteerde resultaten en visie van betrokken organisaties weer. Zij zijn illustratief, geen onafhankelijk bewijs van langetermijneffecten op loopbanen.