Welke banen vervangt AI - wat de cijfers echt zeggen

Tien jaar lang klonk de waarschuwing hetzelfde: robots zouden vrachtwagenchauffeurs, fabrieksmedewerkers en caissières overbodig maken. Toen kwam eind 2022, verscheen ChatGPT en begon de grond juist te schuiven onder copywriters, illustratoren en beginnende programmeurs. Precies de beroepen waarvan sciencefiction beloofde dat ze het langst veilig zouden zijn.

Die omkering is op zichzelf al leerzaam. Ze laat zien hoe onbetrouwbaar voorspellingen over wat technologie zal “afpakken” eigenlijk zijn, en ze verklaart waarom “vervangt AI mijn baan?” bijna altijd de verkeerde vraag is.

Wat zeggen de cijfers dan wel? Van het beroemde Oxford-onderzoek uit 2013 tot de loongegevens uit 2025 is het beeld meer dan eens gekanteld. En hoe het kantelde, levert verrassend praktisch advies op voor je eigen loopbaan.

De voorspellingen die nooit uitkwamen

In 2013 publiceerden de economen Carl Benedikt Frey en Michael Osborne van Oxford een studie die de wereld over ging. Hun conclusie: ruwweg 47% van de banen in de VS liep de komende tien tot twintig jaar een “hoog risico” op automatisering. Het getal dook op in krantenkoppen, in politieke toespraken en in meer dan één essay over het einde van werk.

De methode vertoonde barsten. De auteurs labelden met de hand maar 70 van de ruim 700 beroepen als wel of niet automatiseerbaar, en trainden op die kleine steekproef een model dat de rest invulde. Visagisten, schoolbuschauffeurs en kappers belandden allemaal in de categorie bedreigd.

Het diepere probleem was conceptueel. Frey en Osborne redeneerden over hele beroepen in plaats van over de onderdelen waaruit die bestaan. En juist die onderdelen blijken enorm veel uit te maken.

Drie jaar later kozen Melanie Arntz, Terry Gregory en Ulrich Zierahn voor de OESO een andere route. In plaats van hele beroepen onderzochten ze de losse taken erbinnen. Het resultaat over 21 OESO-landen: gemiddeld was maar ongeveer 9% van de banen sterk automatiseerbaar (Arntz, Gregory en Zierahn, 2016). Het gat tussen 47% en 9% is geen rekenfout. Het is het verschil tussen de vraag “verdwijnt dit beroep?” en de vraag “hoeveel van de taken kan een machine aan?”

Ook de vakmensen zelf waren sceptisch. Toen een enquête AI- en robotica-experts vroeg de blootstelling in te schatten, kwamen zij op ruwweg een vijfde minder bedreigde banen uit dan mensen buiten het vakgebied. Het enthousiasme voor apocalyptische cijfers was altijd het grootst waar niemand de technologie van dichtbij had gezien.

En wat gebeurde er werkelijk? De massale verdwijning van werk kwam nooit. Analisten van de denktank ITIF merkten in 2022 droog op dat het voorspelde verlies van 47% van de banen was uitgebleven; de werkloosheid in de VS stond juist op een historisch laag niveau. Automatisering hervormde het werk, ze wiste het niet uit.

De wending die niemand verwachtte

Lange tijd gold een ongeschreven regel: machines nemen het werk van de handen over, niet dat van het hoofd. Handmatige en routinematige taken konden geautomatiseerd worden, creatief en analytisch werk was veilig. Generatieve AI zette die regel bijna op zijn kop.

In 2023 schatten Tyna Eloundou en collega's (in een artikel met de treffende titel “GPTs are GPTs”) dat taalmodellen bij zo'n 80% van de werkenden in de VS minstens 10% van de werktaken kunnen raken. Bij ruwweg 19% van de werkenden ging het om meer dan de helft van de taken. De opvallendste bevinding lag echter elders: de meest blootgestelde banen waren goed opgeleide, goedbetaalde kantoorfuncties, niet de laagstbetaalde.

Dat is de tegenintuïtieve ommekeer. Een copywriter, een analist, een beginnende programmeur of een ontwerper doet dingen die een taalmodel verrassend goed heeft leren afhandelen, want tekst en code zijn precies waarop het is getraind. Een loodgieter, een verzorgende of een kok doet dingen die helemaal niet in tekst passen.

Stel je een grafisch vormgever voor die in 2022 nog leefde van kleine klussen: banners, eenvoudige illustraties, foto's bijwerken. Een deel van dat werk doet een beeldgenerator nu voor een paar dollar. Ondertussen zit de elektricien die je belt als de helft van de stopcontacten in het pand uitvalt met geluk pas over een week bij je aan tafel. Tien jaar geleden had bijna iedereen op het omgekeerde gewed.

Een taak is niet hetzelfde als een baan

Bijna elke baan is een bundel verschillende taken. Een accountant voert niet alleen cijfers in, maar legt de klant ook uit waarom de aanslag zo uitpakt, handelt de uitzonderingen af en staat achter haar handtekening. AI kan het eerste deel afsnoepen en worstelt met de rest. Daarom hebben de meeste serieuze schattingen het inmiddels over transformatie in plaats van uitsterven.

In haar geactualiseerde index voor 2025 meldt de Internationale Arbeidsorganisatie dat ongeveer een op de vier werkenden wereldwijd een baan heeft met enige blootstelling aan generatieve AI, terwijl slechts zo'n 3,3% van de werkgelegenheid in de hoogste categorie valt. Eén detail springt eruit: bij vrouwen is dat 4,7%, bij mannen 2,4%. Administratief en ondersteunend werk, nog altijd onevenredig vaak door vrouwen gedaan, is sterker blootgesteld.

Hier is een vraag om even bij stil te staan. Hoeveel van wat je op een dag doet, is echt tekst, een spreadsheet of code die je aan een machine zou kunnen dicteren? En hoeveel is oordeelsvorming, vertrouwen en aanwezig zijn voor iemand die je nodig heeft? Die verhouding zegt meer over je toekomst dan de functietitel op je visitekaartje.

Ook de arbeidsmarkt als geheel krimpt niet door AI. In het rapport Future of Jobs 2025 schat het World Economic Forum dat er tegen 2030 ongeveer 170 miljoen nieuwe functies bij komen en 92 miljoen verdwijnen, netto een winst van ruwweg 78 miljoen banen. Daarbij komt dat bijna 40% van de vaardigheden waar werkgevers om vragen binnen vijf jaar verschuift. Werk verdwijnt niet. Het verhuist.

Waar AI nog tegen een muur loopt

Er bestaat een oude observatie uit de robotica die vandaag bijna als profetie leest. In de jaren tachtig merkte Hans Moravec een paradox op: een computer logica, wiskunde of schaken leren is redelijk eenvoudig, maar hem de zintuiglijke en motorische vaardigheden van een eenjarige geven is verschrikkelijk moeilijk.

Robotica-onderzoeker Ken Goldberg noemde dat de “kloof van 100.000 jaar”. Een taalmodel leert van een paar terabytes tekst en schrijft als een volwassene. Geen enkele robot benadert de hoeveelheid gegevens over de fysieke wereld die een mens tegen zijn derde heeft verzameld, als een peuter al om rondslingerend speelgoed heen loopt zonder over de drempel te struikelen.

Daaruit volgt een tamelijk heldere kaart van weerbaarheid. De sterkste posities combineren fysieke behendigheid in onvoorspelbare omgevingen met direct contact met mensen. De tabel hieronder vereenvoudigt; de werkelijkheid is uiteraard rommeliger.

Dat betekent niet dat AI deze beroepen onberoerd laat. Een verpleegkundige kan het gebruiken om verslaglegging uit te schrijven, een monteur om zijn planning te maken. De kern van het werk blijft alleen buiten bereik van het model: aanwezig zijn aan het bed van een patiënt, of de hand die een gesprongen leiding in een krappe schacht repareert.

De eerste waarschuwingssignalen

Dat dit meer is dan theorie, blijkt uit de eerste harde cijfers. De economen Erik Brynjolfsson, Bharat Chandar en Ruyu Chen van Stanford (2025) doorzochten de loonadministratie van miljoenen Amerikanen, aangeleverd door ADP. Onder de jongste werkenden, van 22 tot 25 jaar, in de meest blootgestelde beroepen daalde de werkgelegenheid na eind 2022 met ruwweg 13%. Bij ouderen in dezelfde beroepen bleef ze stabiel of steeg ze door.

Dat patroon is logisch. Een junior doet vaak precies wat AI als eerste overneemt: opzoekwerk, eerste versies, eenvoudige code. Een ervarener collega voegt oordeelsvorming en verantwoordelijkheid toe, en dat laat zich moeilijker automatiseren. De auteurs merken ook op dat de daling vooral zichtbaar is waar AI werk vervangt en niet waar ze het aanvult.

Platforms voor zelfstandige opdrachten vertellen een vergelijkbaar verhaal. Na de lancering van ChatGPT lieten analyses een merkbare daling zien in de vraag naar automatiseerbaar schrijf- en codeerwerk, terwijl de vraag naar handwerk en fysieke klussen overeind bleef. Dit is geen alomvattende apocalyps. Het is een verschuiving die aan de randen begint, bij de kwetsbaarste taken en de minst ervaren mensen.

Nieuwere cijfers wijzen dezelfde kant op en voegen nuance toe. De Economic Index van Anthropic (rapport van maart 2026) volgde hoe de AI in de economie wordt gebruikt en vond dat samenwerken nog altijd nipt wint van volledige automatisering, ruwweg 55% tegen 42%. Het addertje: het model neemt vooral de complexere, analytische stukken van een functie over en laat het eenvoudiger restant liggen, waardoor het werk stilletjes uitgekleed raakt. Taken overnemen is niet hetzelfde als mensen overnemen.

Daarachter zit een groeiend gebruik. Amerikaanse cijfers laten zien dat eind 2024 ongeveer 30% van de werknemers taalmodellen op het werk gebruikte, en een jaar later bijna 38%. Het aandeel werktijd dat met generatieve AI wordt doorgebracht steeg maar bescheiden, van rond de 4% naar krap 6%. Met andere woorden: het hulpmiddel verspreidt zich snel, maar de meeste mensen gebruiken het nog als hulpje bij een deel van een taak, niet als vervanger van een hele werkdag. Dat is precies het verschil tussen versterken en vervangen.

Wat dit betekent voor je eigen loopbaan

De praktische les is ongemakkelijk en op haar manier bevrijdend: stop met denken in functietitels en begin te denken in vaardigheden en taken. “Ik ben copywriter” is een kwetsbare uitspraak. “Ik kan me snel inleven in het bedrijf van een vreemde en dat helder uitleggen aan anderen” is veel weerbaarder, in welk beroep je dat ook toevallig doet.

Het tweede punt is complementariteit. De veiligste plek is niet ver van AI vandaan, maar er pal naast. Wie het model goed kan instrueren, de uitkomst kan controleren en er verantwoordelijkheid voor kan nemen, is meer gevraagd dan wie het negeert, en ook meer dan wie het blind vertrouwt. Daarom zet het World Economic Forum werken met AI en analytisch denken bij de snelst groeiende vaardigheden.

Wat doe je daar concreet mee? Een paar aanknopingspunten:

• Hak je eigen baan in taken en markeer hoeveel daarvan puur tekst, spreadsheet of code zijn.
• Beslis bij de blootgestelde taken of je ze met AI sneller wilt doen of het zwaartepunt van je werk wilt verleggen.
• Het werk dat het meest oplevert, is wat de machine mist: omgaan met mensen, oordelen in troebele situaties, fysieke vaardigheid.
• Probeer nieuwe hulpmiddelen uit voordat je werkgever of de markt je ertoe dwingt.

En heb je echt geen idee bij welke van die weerbaardere gebieden je het dichtst zit, begin dan bij jezelf. De RIASEC-persoonlijkheidstest brengt zes soorten werkomgeving in kaart, van praktisch en technisch tot sociaal, en geeft aan waar je het waarschijnlijk goed zou doen, los van hoe de functie dit jaar toevallig heet.

De vraag was uiteindelijk nooit of AI mensen zou vervangen. Ze was of de mensen die met AI kunnen werken degenen zouden vervangen die dat niet kunnen. En die vraag beantwoordt ieder van ons alleen, met wat we de komende twaalf maanden besluiten te doen.