Op het Nederlandse event Stehvent deelden experts recent hun verwachting over werk en kunstmatige intelligentie. Zij maken zich weinig zorgen over grootschalig banenverlies, maar zien wel snelle taakverandering. Toepassingen als Microsoft Copilot, OpenAI’s GPT-4 en Google Gemini schuiven al het kantoor in. De discussie raakte ook aan de Europese AI-verordening en de gevolgen voor overheid en bedrijven.
Taken veranderen, banen blijven
De kernboodschap van de sprekers: AI vervangt vooral taken, niet complete beroepen. Algoritmen nemen routinematig schrijfwerk, samenvatten en zoeken over. Dat scheelt tijd, maar vraagt herinrichting van functies. Medewerkers verschuiven naar controle, overleg en klantcontact.
De impact verschilt per sector. Administratie en klantenservice zien meer automatisering, vooral bij herhaalprocessen. In zorg en onderwijs ligt de nadruk op ondersteuning, zoals dossiervoering of lesvoorbereiding. Menselijk oordeel en ethiek blijven daar cruciaal.
Werkgevers die nu experimenteren rapporteren gemengde uitkomsten. Productie van eerste versies gaat sneller, maar kwaliteitscontrole kost extra tijd. Organisaties moeten kaders maken: wanneer mag een model iets genereren, en wie checkt het resultaat?
AI is software die patronen leert uit data om voorspellingen te doen of nieuwe teksten, beelden of code te maken.
Nieuwe rollen ontstaan
Door de inzet van modellen ontstaan nieuwe taken in teams. Denk aan promptschrijven, het opzetten van beoordelingscriteria en het beheren van trainingsdata. Domeinkennis wordt nog belangrijker, omdat die nodig is om fouten en verzinsels te herkennen. Daardoor groeit de vraag naar combinatiefuncties.
Het midden- en kleinbedrijf pakt dit vaak pragmatisch aan. Een medewerker wordt ‘AI‑aanjager’ naast het gewone werk. Dat werkt alleen met tijd en duidelijke doelen. Zonder begeleiding sluipen er snel risico’s in het proces.
HR en ondernemingsraden krijgen er taken bij. Functiebeschrijvingen moeten worden bijgewerkt en vaardigheden opnieuw gewogen. Ook is instemming nodig als nieuwe systemen werkprocessen en beoordeling raken.
Scholing wordt cruciaal
Experts verwachten dat omscholing en bijscholing de komende jaren de grootste arbeidsmarktopgave wordt. Korte cursussen over datamodellen, privacy en controle op uitkomsten helpen teams veilig te werken. Scholing moet praktisch zijn: toepassen op eigen processen. Zo blijft de drempel laag.
Nederlandse instellingen in mbo, hbo en universiteit bieden al microcredentials en modules over AI. Werkgevers kunnen dit koppelen aan interne leerlijnen. Voor mkb-bedrijven zijn er, op het moment van schrijven, regelingen zoals SLIM om leren te stimuleren. Samenwerking met brancheorganisaties versnelt uitwisseling van lesmateriaal.
Ook leidinggevenden hebben training nodig. Niet om zelf te coderen, maar om doelen, risico’s en meetpunten te bepalen. Zonder die basis ontstaan losse proefballonnen zonder blijvende waarde.
AI-verordening vraagt regie
De Europese AI-verordening (AI Act) plaatst systemen in risicoklassen met bijbehorende plichten. Toepassingen in werving en selectie of onderwijs vallen vaak onder hoog risico. Dat betekent strenge eisen aan datakwaliteit, documentatie en menselijk toezicht. Overheden en bedrijven moeten hun inzet hierop aanpassen.
Voor transparante inzet horen gebruikers te weten wanneer ze met een algoritme te maken hebben. Dat past naast bestaande AVG‑verplichtingen, zoals dataminimalisatie en doelbinding. Een Data Protection Impact Assessment (DPIA) is vaak nodig als persoonsgegevens worden verwerkt. Dit geldt zeker bij beslissingen die mensen raken, zoals toekenning van diensten.
De verordening raakt ook leveranciers van modellen. Zij moeten technische documentatie en evaluaties leveren. Afnemers doen er goed aan contractueel duidelijkheid te eisen over prestaties, updates en aansprakelijkheid. Zo wordt naleving deel van het inkoopproces.
AVG en bedrijfsdata borgen
Populaire hulpmiddelen zijn Microsoft 365 Copilot, Google Gemini for Workspace en ChatGPT Enterprise. Deze diensten beloven, op het moment van schrijven, extra waarborgen zoals gescheiden klantdata en geen trainingsgebruik van ingediende informatie. Toch blijft het risico bestaan dat gevoelige gegevens onbedoeld worden gedeeld. Heldere richtlijnen en toegangsbeheer zijn daarom nodig.
Organisaties kunnen starten met afgebakende scenario’s en synthetische of geanonimiseerde data. Versleuteling en logging helpen om misbruik op te sporen. Voor zeer gevoelige processen zijn on‑premise of Europese alternatieven te overwegen, bijvoorbeeld open-modellen die in de eigen omgeving draaien. Denk aan Llama‑varianten of modellen van Mistral, met strikte datagovernance eromheen.
Leg vast welke bronnen een systeem mag gebruiken. Zonder bronbeheer ontstaan datalekken of vermenging van conceptteksten met definitieve contracten. Dat schaadt kwaliteit en compliance tegelijk.
Productiviteit vraagt ontwerp
AI levert pas winst op als processen worden herontworpen. Een mens-in-de-lus voor kritieke stappen is vaak nodig. Retrieval augmented generation, waarbij een model put uit goedgekeurde documenten, vermindert verzinsels. Dit verhoogt kwaliteit, maar vraagt investering in kennisbanken.
Meet succes met duidelijke indicatoren: tijdwinst, foutreductie en tevredenheid. Begin klein, evalueer, schaal dan op. Zonder meting blijft de impact onzichtbaar en neemt scepsis toe.
De algemene lijn van experts op Stehvent is nuchter: kansen zijn reëel, risico’s beheersbaar met beleid. Werk verandert, maar werk verdwijnt niet massaal. Wie nu investeert in vaardigheden, governance en tooling, bouwt voorsprong op binnen de kaders van de Europese regels.