AI-productiviteit: de kloof tussen belofte en praktijk

Bedrijfsleiders zijn overtuigd van de productiviteitswinst die kunstmatige intelligentie oplevert, maar hun eigen werknemers delen die ervaring niet. Dat blijkt uit onderzoek van AI-adviesbureau Section onder vijfduizend kantoormedewerkers in de Verenigde Staten, het Verenigd Koninkrijk en Canada, aldus het Wall Street Journal. Hoe groot is die kloof exact in Nederland?

Tweederde van de niet-leidinggevende medewerkers zegt in het onderzoek minder dan twee uur per week te besparen met AI, of helemaal geen tijd. Meer dan veertig procent van de directieleden beweert daarentegen dat de technologie hen meer dan acht uur per week zou besparen. Het verschil is op zijn grootst bij de categorie die meer dan twaalf uur per week bespaart: negentien procent van de directie tegenover twee procent van de werknemers.

Implementatie stagneert in de praktijk

De praktijk blijkt weerbarstiger dan de theorie. Steve McGarvey, een Amerikaanse ontwerper van gebruikersinterfaces, stuit volgens het WSJ regelmatig op beperkingen. Voor het opzoeken van informatie werkt Perplexity prima, maar zodra het gaat om het toegankelijk maken van websites voor slechtzienden loopt het mis. Hij verliest tijd aan het weerleggen van oplossingen die een chatbot vol vertrouwen aanreikt maar die het probleem juist verergeren.

Deloitte-onderzoek bevestigt dit patroon in Nederland: hoewel 25 procent van leidinggevenden zegt dat AI een transformerend effect heeft, past slechts 30 procent de kernprocessen daadwerkelijk aan. 37 procent gebruikt de technologie vooral oppervlakkig, zonder structurele veranderingen in bedrijfsprocessen: zogeheten AI whitewashing. Bijna driekwart van de bedrijven wil volgens Deloitte binnen twee jaar AI-agents inzetten, maar slechts 21 procent beschikt over een volwassen governancemodel voor deze technologie.

Mogelijke reden is dat dat Nederlandse organisaties worstelen met fundamentele kennisproblemen, zo signaleert Techzine . Zonder gestructureerde kennis en duidelijke processen kunnen bedrijven niet profiteren van AI-investeringen. Dit geldt vooral voor bedrijven die verwachten dat AI automatisch hun problemen oplost. ICTMagazine bevestigt dat grote organisaties kampen met implementatietijden van vaak negen maanden of meer, terwijl middelgrote bedrijven binnen enkele maanden resultaat zien.

De AI-belasting: repareren kost meer dan het oplevert

Die scepsis is breed gedragen onder medewerkers. Waar de directiekamer vooral enthousiasme uitstraalt over AI, overheersen bij werknemers gevoelens van onzekerheid en overweldiging. Vier op de tien respondenten uit het Section-onderzoek zou het geen probleem vinden als ze de technologie nooit meer hoefden te gebruiken, meldt het WSJ. De toepassingen blijven vooralsnog beperkt tot het vervangen van zoekmachines of het opstellen van ruwe concepten.

Het softwarebedrijf Workday trekt volgens het WSJ een verrassende conclusie uit eigen onderzoek onder 1.600 medewerkers. Hoewel 85 procent aangeeft één tot zeven uur per week te winnen, verdampt dat voordeel grotendeels door het repareren van fouten en het herschrijven van output. Het bedrijf noemt dit verschijnsel de “AI-belasting“.

De onvoorspelbaarheid frustreert gebruikers. Dan Hiester, een 44-jarige ingenieur uit Seattle, dacht volgens het WSJ vorige zomer met een taalmodel in een half uur een code-probleem op te lossen, maar verloor er een hele middag aan. Een andere klus die dagen had gekost, rondde hij juist in twintig minuten af. Hij heeft zijn gevoel voor tijdsinschattingen helemaal moeten herijken.

De productiviteitsparadox: waarom winst uitblijft

Het TNO waarschuwt in recent onderzoek dat productiviteitsverbetering door AI-implementatie niet automatisch komt. Waar voorheen vooral laaggekwalificeerde banen geautomatiseerd werden, raakt generatieve AI nu hoogopgeleide functies. GenAI blijkt vooral effectief bij analytische taken, terwijl emotionele intelligentie en contextueel begrip beperkt blijven. TNO wijst op het risico dat medewerkers door AI-afhankelijkheid het vermogen verliezen om creatieve oplossingen te bedenken voor problemen: zogeheten cognitive debt.

Sandra Olsthoorn beschreef in het Financieele Dagblad de zogenoemde productiviteitsparadox – een fenomeen dat we ook zagen bij de komst van computers. Technologie brengt nieuwe werkpatronen die een aanpassingstijd vragen. Mensen moeten wennen, bedrijven moeten eerst investeringen terugverdienen. De vraag is ook: wat doen mensen met vrijgekomen tijd? Kiezen ze voor efficiëntie of voor kwaliteitsverbetering? Rabobank Research plaatst AI in een breder perspectief: de arbeidsproductiviteit groeit in Nederland sinds 2010 met minder dan 1 procent per jaar. Door de krimpende beroepsbevolking wordt AI niet gezien als optie, maar als economische noodzaak. Zonder deze transitie stagneert de economie. Opvallend genoeg verwacht slechts 6 procent van werkenden dat hun beroep door nieuwe technologieën op de tocht staat.

Bedrijfsresultaten blijven achter bij verwachtingen

De bedrijfsresultaten geven evenmin aanleiding tot optimisme. Volgens een PricewaterhouseCoopers-peiling onder bijna 4.500 CEO’s wereldwijd, deze week gepresenteerd in Davos, meldt slechts 12 procent meetbare winst in kosten en omzet. Ruim de helft ziet voorlopig helemaal geen financieel effect.

Bij verschillende bedrijven volgde na grote ambities een stilzwijgende correctie. Betalingsdienst Klarna verving vorig jaar massaal klantenservicemedewerkers door AI, maar schakelde alsnog een tiental menselijke krachten in voor de lastigere vragen, rapporteert het WSJ. Taalleer-app Duolingo kondigde aan extern personeel te vervangen door automatisering, maar breidde het team uiteindelijk met 14 procent uit omdat directeur Luis von Ahn de kwaliteit wilde handhaven.

Waarom loopt het Nederlandse MKB achter?

• Het Centraal Bureau voor de Statistiek rapporteert dat 23 procent van Nederlandse bedrijven met tien of meer werknemers AI gebruikt – een stijging van bijna 8 procentpunt sinds 2023. Maar de belangrijkste reden voor niet-gebruik blijft gebrek aan ervaring: 75 procent van de bedrijven die AI-gebruik overwogen maar ervan afzagen, noemde dit als voornaamste reden.
• McKinsey waarschuwt specifiek voor het MKB: sectoren met een groter aandeel midden- en kleinbedrijven zijn trager bij adoptie door lagere investeringscapaciteit, minder opleidings- en omscholingspotentieel en een minder geavanceerde data- en systeeminfrastructuur. (vooral data-infrastructuur is essentieel) Juist in Nederland, waar 65 procent van de beroepsbevolking in het MKB werkt, is er een groot risico op vertraging.
• Emerce signaleert dat de helft van de organisaties in Nederland geen AI-strategie heeft. Belemmerende factoren zijn gebrek aan expertise, hoge implementatiekosten en (terechte) zorgen over privacy. Ook binnen organisaties zien we een kloof: slechts 43 procent van AI-gebruikers beschouwt zichzelf als ervaren gebruiker, terwijl 61 procent verwacht zich nieuwe vaardigheden eigen te moeten maken.

Werknemers vrezen voor hun baan

Dat de beroepsbevolking terughoudend reageert blijkt ook uit een WSJ-NORC enquête van vorige zomer: zes op de tien Amerikanen beschouwen AI primair als bedreiging voor goedbetaald werk. Senator Mark Kelly pleitte onlangs in Washington voor grootschalige trainingsprogramma’s. Zodra werknemers erop kunnen vertrouwen dat de technologie in hun voordeel werkt, zal de acceptatie groeien en profiteren bedrijven van hogere productiviteit, aldus de Democraat.

Accountant Robert Half brengt echter een genuanceerder beeld voor Nederland: 55 procent van de werknemers voorziet een positieve impact op hun baan en carrièrevooruitzichten. Slechts 6 procent verwacht mogelijke negatieve gevolgen voor hun huidige rol. Tegelijk verwacht wel 29 procent van de werkgevers dat sommige banen door automatisering op het spel komen te staan.

AI als systeemtechnologie vraagt geduld

De Wetenschappelijke Raad voor het Regeringsbeleid typeert AI als systeemtechnologie, vergelijkbaar met elektriciteit of de verbrandingsmotor. Dit vraagt om demystificatie van onrealistische beelden, contextualisering door goede randvoorwaarden, en engagement van maatschappelijke partijen. Het is een meerjarig iteratief proces dat een lerende houding vraagt.

De Sociaal-Economische Raad benadrukt dat de maatschappelijke inbedding van technologie nooit slechts technologisch van aard is – het is een samenspel met de samenleving. Dit samenspel vraagt tijd en het meenemen van lessen uit de praktijk. Een vergelijkbaar proces hebben we ook gezien met de komst van de auto of de computer.

ING benadrukt dat Nederland relatief beter voorbereid is dan omliggende landen volgens de IMF AI Preparedness Index, dankzij sterke digitale infrastructuur en hoge scores op innovatie en onderwijs. Toch blijft implementatie achter bij technologische ontwikkeling. In de publieke sector verloopt adoptie trager door risicoaversie en beperkte middelen, zoals studies van Bruegel aantonen. De potentie van AI voor de Nederlandse economie is groot, maar de weg ernaartoe vraagt meer dan technologische oplossingen alleen.