Bedrijven in Nederland en elders in Europa kiezen bij personeelstekorten steeds vaker voor kunstmatige intelligentie in plaats van hogere lonen. Werkgevers zetten algoritmen en software in om productiviteit te verhogen en kosten te beperken. De trend speelt nu, terwijl krapte op de arbeidsmarkt aanhoudt. Dit krijgt ook gevolgen door de Europese AI-verordening en de AVG, voor zowel overheid als bedrijven.
Bedrijven kiezen automatisering boven loon
Werkgevers investeren in systemen die taken versnellen in plaats van structurele loonsverhogingen. Een softwarelicentie of AI-dienst is vaak voorspelbaarder in kosten dan een permanent hoger loon. Bedrijven zien zo sneller productiviteitswinst bij schaarste aan personeel. Vooral sectoren met veel herhaalwerk, zoals klantcontact, logistiek en administratie, maken deze keuze.
De krapte dwingt organisaties om processen opnieuw te ontwerpen. Waar voorheen extra medewerkers werden aangenomen, komt nu automatisering in beeld. Dat sluit aan bij interne begrotingen, waar investeringen in IT gemakkelijker passen dan hogere vaste personeelskosten. Tegelijk schuift het debat over beloning en arbeidsvoorwaarden niet weg, maar verandert het van vorm.
Ook publieke organisaties, zoals gemeenten en uitvoeringsinstanties, kijken naar AI om backlogs weg te werken. Daar staat onder meer burgerrechtenbescherming en transparantie zwaarder op de agenda. De overheid moet aan extra regels voldoen, wat de invoering kan vertragen. Toch blijft de verleiding groot om met slimme software de werkdruk te verminderen.
Taken snel te automatiseren
Bedrijven starten met taken die goed te standaardiseren zijn. Denk aan e-mailclassificatie, samenvattingen, planningen, factuurverwerking en voorraadprognoses. In klantcontact worden chatbots en spraaksystemen ingezet voor eenvoudige vragen. Zo kan menselijk personeel zich richten op uitzonderingen en persoonlijk advies.
Generatieve AI, zoals systemen die tekst of code produceren, helpt bij conceptteksten en rapportages. Voorbeelden die in Nederlandse bedrijven worden getest zijn Microsoft Copilot, Google Gemini en ChatGPT van OpenAI. Robotic Process Automation (RPA) van aanbieders als UiPath of ServiceNow automatiseert klik- en invoerwerk. Deze hulpmiddelen vragen wel goede data en duidelijke instructies.
Kwaliteit en controle blijven nodig. Taalmodellen kunnen onnauwkeurige of verzonnen uitkomsten geven, ook wel hallucinaties genoemd. Daarom bouwen sommige bedrijven een menselijke controlelaag in. Ook beperken zij het gebruik tot interne, laag-risico toepassingen.
Hogere eisen door Europese AI-wet
De Europese AI-verordening (AI Act) legt extra plichten op, zeker bij toepassingen rond personeel. Tools voor werving, cv-screening of prestatiebeoordeling vallen waarschijnlijk in de categorie hoog risico. Dan gelden eisen voor risicobeheer, datakwaliteit, documentatie, logging en menselijke beoordeling. Organisaties moeten dit tijdig inrichten, want de regels gelden gefaseerd in de komende jaren op het moment van schrijven.
Verwerken bedrijven persoonsgegevens, dan geldt altijd de AVG. Dat betekent een duidelijk doel, minimale dataverzameling en passende beveiliging. Voor gevoelige toepassingen is een Data Protection Impact Assessment (DPIA) vaak verplicht. De Autoriteit Persoonsgegevens kan hierop handhaven in Nederland.
“De AVG eist dat organisaties alleen die persoonsgegevens verwerken die noodzakelijk zijn voor het doel (dataminimalisatie).”
Leveranciers van AI-diensten moeten transparant zijn over werking en beperkingen. Voor hoogrisicosystemen zijn extra conformiteitscontroles nodig. Bij generatieve modellen gelden informatieplichten over AI-gebruik en datakwaliteit. Inkoopteams doen er goed aan deze eisen nu al in contracten vast te leggen.
Gevolgen voor Nederlandse werknemers
Werk verdwijnt niet direct, maar verschuift van uitvoering naar controle en uitzonderingen. Functies veranderen, met meer nadruk op data-invoer, kwaliteitsbewaking en klantgesprek. Dat vraagt om scholing en duidelijke taakafspraken. Omscholingstrajecten via werkgevers, mbo en hbo worden belangrijker.
De ondernemingsraad (OR) heeft instemmingsrechten bij systemen die personeelscontrole of -beoordeling raken. Bij invoering van nieuwe algoritmen is vroegtijdig overleg nodig. Zo kunnen privacyrisico’s, bias en werkdruk worden besproken en beperkt. Vakbonden letten in cao’s op grenzen aan monitoring en op recht op menselijk contact.
Voor tijdelijk personeel en zzp’ers kan AI de concurrentiepositie veranderen. Taken die eenvoudig te automatiseren zijn, worden minder vaak uitbesteed. Tegelijk groeit de vraag naar specialisten die AI-systemen inrichten en bewaken. Dat opent nieuwe kansen, maar niet voor iedereen tegelijk.
Kosten, baten en valkuilen
AI lijkt goedkoper dan loonsverhoging, maar kent verborgen kosten. Denk aan integratie, datakwaliteit, beveiliging en training van medewerkers. Licentiekosten kunnen stijgen bij breder gebruik of dure toevoegingen. Ook is er risico op leveranciersafhankelijkheid en uitval.
De baten hangen af van procesontwerp en meetbare doelen. Zonder heldere KPI’s blijft de winst onduidelijk. Organisaties die klein beginnen en itereren, boeken vaker succes. Goede governance voorkomt wildgroei en schaduw-IT.
Kwaliteit en ethiek bepalen de houdbaarheid. Foute of bevooroordeelde uitkomsten schaden vertrouwen bij klanten en personeel. Juridische claims en reputatieschade maken de vermeende besparing snel ongedaan. Daarom zijn audits, logging en menselijk toezicht geen luxe, maar noodzaak.
Wat organisaties nu moeten doen
Begin met een risicoanalyse per proces en toepassing. Kies voor laag-risico taken met duidelijke datastromen. Leg vast welke data wordt gebruikt, hoe die wordt beveiligd en wie controleert. Houd een register bij van gebruikte modellen en versies.
Betrek compliance, IT-beveiliging, HR en de OR vroeg in het traject. Voer een DPIA uit bij persoonsgegevens en stel impactmaatregelen vast. Controleer leveranciers op AI Act- en AVG-eisen en leg afspraken contractueel vast. Test modellen op bias en nauwkeurigheid voordat ze live gaan.
Investeer in vaardigheden van medewerkers. Train teams in veilig en effectief gebruik van AI-hulpmiddelen. Maak afspraken over menselijke eindcontrole en klachtenafhandeling. Zo blijft automatisering een hulpmiddel, geen risico.