De toekomst van werk in het AI-tijdperk

Het CBS publiceerde in februari 2026 een opvallend getal: 41 procent van alle werkenden in Nederland denkt dat AI hun werk deels kan overnemen. Vier procent denkt zelfs dat het ook volledig kan. Van die groep maakt bijna de helft zich daar zorgen over. Begrijpelijk, maar die zorg is ook gebaseerd op een misverstand over hoe technologie en werk zich tot elkaar verhouden. Een misverstand dat al 200 jaar steeds opnieuw gemaakt wordt, en waarvan de uitkomst elke keer hetzelfde is.

Wil je weten wat de toekomst brengt, dan moet je de patronen snappen die het verleden gevormd hebben.

De fabrieken namen het werk over en iedereen werd rijker

Toen fabrieken begin 19e eeuw het handmatige productiewerk overnamen, was de angst identiek aan die van vandaag. Het werk van wevers, smeden en schoenmakers zou verdwijnen. En dat was ook zo, in die vorm. Maar het totale aantal banen en het gemiddelde inkomen stegen. Fabrieken maakten producten goedkoper, vroegen daardoor nieuwe distributie, verkoop, service en ontwerp, en creëerden beroepen die er daarvoor niet waren.

Hetzelfde patroon herhaalde zich met software. Boekhoudsoftware verving de administratief medewerker die handmatig kolommen optelde. Maar het gevolg was niet minder werk voor mensen met cijfergevoeligheid. Het gevolg was dat de drempel voor financiële analyse zakte, meer bedrijven er gebruik van gingen maken, en de vraag naar mensen die oordelen op basis van die data groeide.

Technologie maakt processen goedkoper. De vraag naar processen stijgt daardoor. Netto: meer werk, hogere productiviteit, hogere lonen in de sectoren die de technologie goed inzetten.

Baumol’s cost disease: waarom de kapper nooit goedkoper wordt

Maar technologie raakt niet alles. De econoom William Baumol beschreef in de jaren zestig wat er gebeurt als dat ongelijkmatig is: sectoren die wél productiever worden door technologie betalen hogere lonen. Die hogere lonen trekken weer arbeid weg uit sectoren die niet productiever worden, zoals zorg, onderwijs, kinderopvang en persoonlijke dienstverlening. Omdat die sectoren toch personeel nodig hebben, moeten ze meer betalen om mensen te behouden. De kosten stijgen, terwijl de productiviteit gelijk blijft.

Dat is waarom een knipbeurt in 1985 verhoudingsgewijs niet veel goedkoper was dan anno 2026, terwijl een televisie tien keer zo goedkoop is geworden. Een kapper kan niet harder werken door een betere schaar. Het werk zit in het contact, de beoordeling, de handeling zelf en het klantcontact.

AI versterkt ditzelfde patroon. Sectoren die sterk leunen op informatieverwerking, patroonherkenning en standaardredenering, dus administratie, basisanalyse, inhoudsproductie op procesniveau, die worden sneller en goedkoper. De sectoren en vakgebieden die dat niet kunnen, zoals zorg, begeleiding, fysieke aanwezigheid, diep oordeel, worden relatief duurder en daarmee waardevoller. Je kunt een knuffel op het kinderdagverblijf niet automatiseren. Je kunt het gesprek na een slechte diagnose niet uitbesteden aan een AI. Je kunt de leerkracht die merkt dat een kind vandaag niet zichzelf is niet vervangen door een algoritme dat aanwezigheid registreert.

De doorman’s fallacy: hoe je je eigen werk te smal definieert

Gedragseconomist Rory Sutherland beschrijft in zijn boek Alchemy (2019) wat hij de doorman’s fallacy noemt. Een duur hotel huurt een consultant in om kosten te besparen. De consultant observeert de portier: hij staat bij de deur en opent hem. Dat kan een automatische deur ook. De portier wordt ontslagen.

Twee jaar later is het hotel een ramp. Want de portier deed niet alleen de deur open, hij herkende vaste gasten en begroette hen bij naam. Hij seinde taxichauffeurs. Hij signaleerde ongewenste bezoekers voordat ze binnenkwamen. Hij verhoogde de status van het hotel met zijn aanwezigheid alleen al, wat betekende dat het hotel meer kon vragen voor een kamer. Al die waarde was onzichtbaar zolang je zijn functie definieerde als ‘deur openen’. Dit is exact wat er nu op grote schaal gebeurt met AI en werk. Mensen en hun managers beschrijven hun werk in termen van de meest zichtbare, meest meetbare taken. En ja, die taken kan AI vaak wel overnemen. Maar dat is het oppervlak van het werk, niet het werk zelf.

De echte vraag is dus niet: kan AI mijn functietitel uitvoeren? De vraag is: welk deel van wat ik werkelijk doe, weigert hardnekkig te automatiseren?

Kijk eens eerlijk naar wat je gisteren deed

Neem de afgelopen werkweek. Scheid per activiteit twee dingen: proces en oordeel.

Proces is alles wat je deed op basis van een vaste redenering: informatie ophalen, samenvatten, formatteren, doorsturen, categoriseren, berekenen, redigeren op spelfouten. Dit is het domein van AI. Niet over een paar jaar maar nu al.

Oordeel is alles waarbij jij iets wist dat niet in de bronnen stond. Wanneer je voelde dat een klant iets anders bedoelde dan wat hij zei. Wanneer je een voorstel afwees niet omdat de cijfers klopten, maar omdat je wist dat de timing verkeerd was. Wanneer je een tekst aanpaste niet op basis van een stijlregel, maar omdat je de lezer kende of de context waarin het artikel geplaatst wordt. Wanneer je iemand een kans gaf op basis van een indruk die je niet kon bewijzen.

Dat oordeel wordt duurder. AI maakt proceswerk zo goedkoop dat de markt stopt met ervoor te betalen. Maar oordeel, denk aan contextgevoeligheid, verbanden zien, wordt gevoed door ervaring die niet in een trainingsset past. Die stijgt daardoor in waarde precies omdat het zeldzamer wordt ten opzichte van het totale aanbod van werk.

Neurodivergentie: de cognitieve stijl die AI-samenwerking het best begrijpt

Er is een ontwikkeling die in de discussie over AI en werk bijna volledig ontbreekt: de herwaardering van neurodivergente cognitieve stijlen.

Mensen met autisme, ADHD, dyslexie of vergelijkbare profielen werden in de klassieke werkstructuur vaak beoordeeld op wat ze minder goed deden in vergelijking met de neurotypische norm: lineaire communicatie, sociale verwachtingsmanagement, bureaucratische routines. AI neemt precies die routines over. Wat overblijft is diep systeemdenken, patroonherkenning in complexe datasets, hyperfocus op specifieke vraagstukken, onorthodoxe probleemformulering. En dat zijn precies de kenmerken die neurodivergente mensen bovengemiddeld sterk ontwikkeld hebben.

Onderzoek van EY (2025) laat zien dat neurodivergente medewerkers hun neurotypische collega’s overtreffen in rollen die patroonherkenning, logisch redeneren en aanhoudende focus vereisen. JPMorgan Chase ontdekte via hun Autism at Work-programma dat medewerkers aangenomen via neurodiversiteitsprogramma’s in technische rollen 90 tot 140 procent productiever waren dan collega’s met jarenlange ervaring in dezelfde rol. UiPath en AutonomyWorks maten bij neurodivergente medewerkers in AI-gerelateerde taken als data labeling en modelvalidatie een productiviteitsvoordeel van 150 procent.

Deze cijfers geven een duidelijk signaal over welke cognitieve stijl past bij de werkomgeving die AI creëert: precies, systematisch, gefocust, minder gevoelig voor de sociale signalen die in het pre-AI kantoor zoveel energie vroegen.

De AI-transitie maakt het werklandschap gelijker voor mensen die er tot nu toe moesten aanpassen aan een systeem dat niet voor hen ontworpen was.

Wat die 41 procent werkelijk zegt

Terug naar het CBS-getal. 41 procent denkt dat AI hun werk deels kan overnemen. Interessant detail uit datzelfde onderzoek: mensen die AI al gebruiken in hun werk, denken vaker dat AI hun werk kan overnemen (56 procent) dan mensen die het niet gebruiken (37 procent). Dat lijkt contra-intuïtief, maar het is logisch. Wie AI daadwerkelijk gebruikt, ziet wat het kan. En wie dat ziet, begrijpt ook sneller welk deel van het eigen werk procesmatig is en begint automatisch te zoeken naar het deel dat dat niet is. Ze definiëren hun werk opnieuw. Ze verschuiven van portier-die-deuren-opent naar de waarde die niet in de functieomschrijving staat.

De 57 procent die denkt dat AI voor hogere productiviteit zorgt? Die heeft gelijk. Maar hogere productiviteit door AI betekent niet minder menselijk werk. Het betekent dat het menselijk werk dat overblijft, gemiddeld moeilijker te imiteren is. En dat wordt daardoor meer waard. De vraag is dus niet of jij nog relevant bent als AI jouw werk overneemt. De vraag is of je weet wat er overblijft als de processen weg zijn. Dat resterende deel is het begin van het antwoord. Dat is jouw werk van de toekomst in het AI-tijdperk.

Drie vragen om vandaag te beantwoorden

Je hoeft geen vijfjarenplan te maken. Maar drie vragen zijn het waard om nu mee te beginnen:

• Welk deel van mijn werk zou ik kunnen beschrijven als een stappenplan dat iemand anders ook zou kunnen volgen? Dat is het procesgedeelte – en het is het eerste dat AI overneemt.
• Welk specifiek onderdeel van mijn werk kan ik niet uitleggen zonder context die alleen ik heb? Dat is je oordeel, en dat is wat waardevoller wordt.
• Welke mensen in mijn omgeving werken anders dan de norm verwacht, maar leveren resultaten die anderen niet halen? Dat zijn mogelijk de collega’s die het beste gepositioneerd zijn voor de werkomgeving die AI creëert.

De economie heeft 200 jaar laten zien dat technologie die processen goedkoper maakt, de vraag naar oordeel vergroot. AI is sneller en breder dan alles wat daarvoor kwam. Maar de richting blijft toch hetzelfde.

Veelgestelde vragen over AI en de toekomst van werk

Hoeveel procent van de werkenden in Nederland denkt dat AI hun werk kan overnemen?

Volgens CBS-onderzoek (Belevingen 2025) denkt 41 procent van de werkenden dat AI hun werk deels kan overnemen. Vier procent denkt dat het volledig kan. Van degenen die dat denken, maakt bijna de helft zich er zorgen over – vrouwen vaker dan mannen.

Wat is Baumol’s cost disease en wat heeft het met AI te maken?

Baumol’s cost disease beschrijft hoe sectoren die niet productiever worden door technologie toch duurder worden, omdat ze moeten concurreren om arbeid met sectoren die wél profiteren van technologie. AI versterkt dit: processen worden razendsnel goedkoper, maar sectoren die steunen op menselijk contact, fysieke aanwezigheid en diep oordeel – zorg, begeleiding, onderwijs – worden relatief duurder en waardevoller.

Wat is de doorman’s fallacy van Rory Sutherland?

De doorman’s fallacy (uit Sutherlands boek Alchemy, 2019) beschrijft wat er gebeurt als je een functie reduceert tot zijn meest zichtbare taak. Een hotelportier lijkt een deuropener – maar hij bewaakt toegang, herkent gasten, signaleert sfeer en verhoogt de status van het hotel. Vervang hem door een automatische deur en je verliest dat allemaal. Hetzelfde risico bestaat als werknemers en organisaties hun werk definiëren als de meest meetbare taken, terwijl de werkelijke waarde elders zit.

Waarom zijn neurodivergente mensen beter gepositioneerd in een AI-gedreven werkomgeving?

AI neemt routines, lineaire communicatie en standaardprocessen over – precies de taken waarbij neurodivergente mensen in klassieke werkstructuren nadelen ondervonden. Wat overblijft – patroonherkenning, diepe focus, systeemdenken, onorthodoxe probleemformulering – zijn vaardigheden die neurodivergente mensen bovengemiddeld sterk bezitten. Onderzoek van EY (2025) en JPMorgan bevestigt dat ze in AI-gerelateerde rollen significant beter presteren dan neurotypische collega’s.

Welke banen zijn het minst kwetsbaar voor AI?

Functies die sterk leunen op tacit knowledge, relationele context, fysieke aanwezigheid en niet-codeerbaar oordeel zijn het minst vervangbaar. Denk aan zorg, coaching, complexe onderhandeling, creatieve regie en situaties waarbij iemand informatie moet interpreteren die niet in een dataset past. Het zijn geen ‘veilige’ hokjes – het zijn kenmerken die door alle functietitels heen lopen.