Onderzoekers van MIT waarschuwen dat nieuwe AI-systemen meer werk raken dan eerder gedacht. Hun recente analyse laat zien dat generatieve en multimodale algoritmen steeds meer soorten taken kunnen overnemen. Dat vergroot de impact op kantoorfuncties in de VS en Europa, ook in Nederland. Dit is belangrijk voor Europese digitalisering gevolgen bedrijfsleven en voor beleid rond arbeidsmarkt en scholing.
AI raakt meer taken
De kern van de bevinding is dat AI verschuift van losse proefjes naar brede inzet op taken. Het gaat niet alleen om tekstschrijven, maar ook om beeldherkenning, spraak en eenvoudige besluitvorming. Daardoor komen meer functies in beeld, van klantenservice en administratie tot basisanalyse in finance en HR. De grens van wat technisch mogelijk is, schuift elke maand een stukje op.
MIT ziet dat vooral taakpakketten binnen beroepen kwetsbaar zijn. Veel functies bestaan uit herhaalwerk, controles en standaardrapportages. Die elementen sluiten aan bij de sterke punten van generatieve AI en grote taalmodellen. Daardoor kunnen teams met minder mensen hetzelfde werk doen, of meer werk in dezelfde tijd.
De onderzoekers benadrukken dat dit effect breder is dan vaak aangenomen. Niet alleen creatieve of IT-beroepen veranderen. Ook ondersteunende rollen in zorg, overheid en onderwijs krijgen meer AI-hulpmiddelen. Dat vraagt om nieuwe werkafspraken en scholing op de werkvloer.
Generatieve AI is software die nieuwe tekst, beeld, audio of code maakt op basis van voorbeelden.
Taken, geen beroepen
De impact van AI gaat per taak, niet per beroep. Een boekhouder kan bijvoorbeeld dataverwerking, factuurcontrole en notulen laten doen door een systeem, maar blijft zelf eindverantwoordelijk. Een juridisch medewerker kan conceptteksten laten opstellen, maar beoordeelt zelf de kwaliteit en context. Zo verandert de inhoud van het werk, zonder dat een hele functie direct verdwijnt.
In technische termen wordt die aanpak “task-based” genoemd. Hierbij wordt gekeken welke handelingen duidelijk, herhaalbaar en goed te controleren zijn. Zulke taken lenen zich voor automatisering. Complexe taken met veel context, foutgevoeligheid of morele afweging blijven bij mensen.
Ook taal en domeinkennis spelen mee. Nederlandstalige data, vakjargon en privacyregels beperken wat generatieve AI betrouwbaar kan doen. Bedrijven moeten daarom eerst taken afbakenen en kwaliteitseisen vastleggen. Pas daarna is automatiseren verantwoord en rendabel.
Kosten bepalen automatisering
MIT wijst erop dat technisch kunnen niet hetzelfde is als economisch lonen. Het automatiseren van een taak vraagt data, integratie met bestaande systemen en toezicht op kwaliteit. Dat kost tijd en geld, zeker in sectoren met strenge regels. Als die kosten hoger zijn dan de besparing, is automatiseren geen goede keuze.
Tegelijk dalen de kosten van AI-inzet snel, onder meer door cloudplatforms en kant-en-klare modellen. Dat maakt automatisering van kleine, afgebakende taken steeds aantrekkelijker. Vooral mkb-bedrijven in Europa kunnen via kantoorsoftware met AI-functies stappen zetten, zonder grote projecten. Denk aan samenvatten, opstellen van e-mails en het verwerken van standaardformulieren.
Toch blijft menselijke controle nodig om fouten en vooroordelen te voorkomen. Organisaties moeten prestatiecijfers en foutpercentages meten en bijsturen. Ook aansprakelijkheid en auditbaarheid tellen mee in de kosten. Zonder logboeken en toetsing kan een besparing snel omslaan in risico’s.
Europese regels sturen inzet
De Europese AI-verordening (AI Act) stelt extra eisen aan hoog-risico systemen, zoals AI die invloed heeft op werk en toegang tot diensten. Op het moment van schrijven werkt de EU aan uitvoeringsrichtsnoeren en gefaseerde invoering. Werkgevers die AI gebruiken voor werving, selectie of beoordeling moeten aan strengere regels voldoen. Dat betekent risicoanalyses, datakwaliteit, logging en duidelijke informatie voor medewerkers.
Ook de AVG blijft leidend. Dataminimalisatie, doelbinding en beveiliging zijn verplicht bij het verwerken van persoonsgegevens. Tekstanalyse, klantdata en gespreksopnames vallen daaronder. Pseudonimiseren en versleutelen zijn standaardmaatregelen, naast beperkte bewaartermijnen.
In Nederland geldt bovendien de Wet op de ondernemingsraden. De OR heeft instemmingsrecht bij systemen die personeel evalueren of controleren. Dat geeft werknemers een formele stem bij invoering van AI-oplossingen op de werkvloer. Transparantie en uitleg in begrijpelijke taal zijn daarbij essentieel.
Omscholing en toezicht nodig
De verschuiving naar taakautomatisering vraagt om gerichte scholing. Medewerkers moeten leren werken met prompts, controleren van output en veilig omgaan met data. Korte, taakgerichte trainingen werken het best, bijvoorbeeld voor rapportages, dossiervorming of klantenreacties. Werkgevers kunnen dit koppelen aan bestaande HR-processen en kwaliteitsnormen.
Goed toezicht voorkomt blinde vlekken. Leg vast welke taken AI mag uitvoeren en welke altijd door mensen worden gedaan. Gebruik steekproeven, second opinions en duidelijke escalatiepaden. Zo blijft de eindverantwoordelijkheid helder en fouten blijven beperkt.
Publieke sectoren zoals zorg en overheid hebben extra aandacht nodig. Daar wegen toegankelijkheid, gelijke behandeling en privacy zwaarder. Transparantie-eisen uit de AI Act helpen, maar vragen ook tijd en middelen. Budget en expertise moeten dus meebewegen met de inzet van nieuwe systemen.
Grenzen en onzekerheden
AI is niet feilloos en kan hallucineren of bevooroordeelde uitkomsten geven. Vooral bij zeldzame of gevoelige gevallen schiet de technologie tekort. Nederlandstalige nuance en lokale wetgeving vergroten die kans. Daarom is menselijk oordeel onmisbaar bij besluiten met gevolgen voor klanten of medewerkers.
Daarnaast ontbreken vaak goede, Nederlandse datasets voor training en toetsing. Zonder representatieve data blijft de kwaliteit wisselend. Bedrijven moeten eigen evaluaties opzetten, met duidelijke foutmarges en drempelwaarden. Alleen dan is verantwoord opschalen mogelijk.
MIT benadrukt dat snelheid geen doel op zich is. De grootste winst zit in slim herontwerpen van werkprocessen, niet in het vervangen van mensen. Wie klein begint, goed meet en juridisch borgt, plukt het meeste voordeel. Dat maakt AI een hulpmiddel, geen risico.