De Nederlandse onderzoeksorganisatie TNO presenteert een nieuw beeld van kunstmatige intelligentie op het werk. AI kan de productiviteit verhogen, maar de gevolgen voor werknemers bepalen of die winst duurzaam is. De analyse is relevant voor Nederland en Europa, met Europese AI-verordening gevolgen overheid en werkgevers. Het rapport verscheen recent in Den Haag en wil keuzes in organisatie, scholing en toezicht sturen.
Productiviteitswinst is reëel
Algoritmen en generatieve AI nemen terugkerende taken over, zoals samenvatten, opstellen van e-mails en het schrijven van code. Voorbeelden zijn ChatGPT van OpenAI, Microsoft 365 Copilot en Google Gemini in Workspace. Dat levert tijdswinst op bij kantoorwerk en softwareontwikkeling. De winst is het grootst als mensen en systemen elkaar aanvullen.
De kwaliteit van de uitkomst blijft een aandachtspunt. Modellen kunnen fouten of verzinsels geven, ook wel hallucinaties genoemd. Daarom is menselijke controle nodig, zeker bij juridische, financiële of medische teksten. Zonder controle kan elke tijdwinst verdampen door herstelwerk.
Productiviteit stijgt vaak per taak en niet meteen per hele baan. Processen en teams moeten worden heringericht om de winst te verzilveren. Denk aan heldere afspraken over wie controleert, wie publiceert en wat de kwaliteitsnorm is. Pas dan wordt de besparing structureel zichtbaar.
Organisaties moeten ook kiezen hoe zij AI inzetten. Cloudtools zijn snel, maar vragen databeheer en contracten met leveranciers. Open modellen zoals Meta Llama 3 of Mistral kunnen lokaal draaien, wat privacy kan helpen, maar vergen meer beheer. Beide paden vragen duidelijke kaders en metingen.
Generatieve AI is software die nieuwe tekst, beeld of code maakt op basis van voorbeelddata.
Werk verandert, niet verdwijnt
AI verandert de inhoud van banen. Schrijf-, zoek- en analysewerk verschuift naar beoordelen, samenstellen en redigeren. In overheid, zorgadministratie en onderwijs gaat het vooral om documenten, rapportages en communicatie. Het werk wordt meer cureren dan produceren vanaf nul.
Nieuwe taken ontstaan rond regie en kwaliteitsbewaking. Medewerkers beoordelen AI-voorstellen, voegen context toe en checken bronnen. Dat vraagt domainedeskundigheid en kritisch denken. De waarde ligt bij degene die de vraag scherp stelt en de uitkomst verantwoord toepast.
De werkdruk kan dalen door minder routinewerk, maar ook stijgen door strakkere deadlines. Zonder heldere doelen leidt AI tot extra controles of herwerk. Teams hebben spelregels nodig voor wanneer en hoe AI mag meewerken. Betrokkenheid van HR en de ondernemingsraad helpt die regels te borgen.
TNO legt de nadruk op het perspectief van werknemers bij ontwerp en invoering. Mensen moeten zeggenschap houden over tempo en werkwijze. Dat vergroot acceptatie en veiligheid. Zo worden productiviteitswinsten eerlijker verdeeld.
Scholing en inclusie voorop
Vaardigheden bepalen of AI echt helpt. Belangrijke basis is datagebruik, privacy, en het herkennen van fouten in AI-uitvoer. Ook handig zijn eenvoudige automatiseringstools, zoals prompttechnieken en workflows. Dat maakt medewerkers zelfstandiger en minder afhankelijk van specialisten.
Werkgevers moeten tijd en budget voor opleiding vrijmaken. Dat kan via interne trainingen, O&O-fondsen en micro-credentials bij mbo, hbo en universiteiten. Publieke organisaties kunnen hier een voorbeeldrol nemen. Op het moment van schrijven bieden veel cao’s al ontwikkelafspraken die dit ondersteunen.
Er is risico op tweedeling tussen mensen die AI handig gebruiken en mensen die achterblijven. Toegang tot Nederlandstalige systemen is daarom belangrijk. Tools moeten begrijpelijke uitleg geven en goed werken met Nederlandse data. Zo blijft iedereen mee kunnen doen.
Inclusieve invoering vraagt ook aandacht voor toegankelijkheid. Denk aan leesbaarheid, spraakondersteuning en interface-eenvoud. Kleine aanpassingen leveren vaak veel op. Dat vergroot de kwaliteit én de productiviteit.
AI‑verordening: gevolgen voor overheid
De Europese AI-verordening (AI Act) zet kaders voor inzet van AI, ook bij overheden en werkgevers. Op het moment van schrijven treedt de wet de komende jaren gefaseerd in werking. Systemen krijgen risicoklassen met bijbehorende plichten. Dat bepaalt hoeveel documentatie, toetsing en toezicht nodig is.
AI voor werving, beoordeling, promotie en roostering valt onder hoog risico. Organisaties moeten dan een risicobeheersysteem inrichten, datasets toetsen en menselijk toezicht garanderen. Ook moet er een logboek en duidelijke gebruikersinformatie zijn. Dit raakt HR-processen rechtstreeks.
Generatieve modellen zoals GPT‑4o, Gemini 1.5 en Llama 3 zijn zogenoemde general‑purpose AI. Leveranciers krijgen transparantieplichten, en extra eisen voor zeer invloedrijke modellen. Afnemers moeten leveranciers hier actief op bevragen. Inkoop en compliance worden dus strategisch.
De AVG blijft onverkort gelden voor personeelsdata. Dataminimalisatie, versleuteling en een DPIA (gegevensbeschermingseffectbeoordeling) zijn vaak verplicht. In Nederland heeft de ondernemingsraad instemmingsrecht bij systemen voor personeelsvolg‑ en beoordelingsdoelen (WOR, artikel 27). Dat maakt vroegtijdige betrokkenheid noodzakelijk.
Privacy en ethiek op werk
AI‑toepassingen voor monitoring, zoals toetsaanslag‑ of e‑mailanalyse, raken direct aan privacy. Ze zijn vaak disproportioneel en juridisch risicovol. Minder ingrijpende alternatieven verdienen de voorkeur. Denk aan taak‑ en procesmetingen zonder persoonsprofielen.
Databeveiliging vraagt om versleuteling en strikte toegangsrechten. Deel zo min mogelijk persoonsgegevens met externe modellen. Let op internationale doorgifte en bewaartermijnen. Documenteer keuzes en leg ze uit aan medewerkers.
Bias is een reëel risico, omdat modellen leren van historische data. Dat kan groepen benadelen, bijvoorbeeld door taalvariatie of onvolledige voorbeelden. Kwaliteitstoetsen, steekproeven en audittrails zijn daarom nodig. Houd altijd de optie voor menselijk bezwaar en herziening open.
Transparantie vergroot vertrouwen en kwaliteit. Leg uit waar AI wel en niet voor wordt gebruikt. Bespreek de impact op doelen, beloning en beoordeling. Maak fouten melden laagdrempelig en veilig.
Stappenplan voor werkgevers nu
Begin met een inventarisatie van taken waar AI kan helpen. Kies laagrisico‑toepassingen met duidelijk meetbare doelen. Denk aan samenvattingen, sjablonen en codevoorstellen. Meet productiviteit én kwaliteit vanaf dag één.
Voer gecontroleerde pilots uit met Microsoft 365 Copilot, Google Workspace Gemini of GitHub Copilot. Overweeg voor gevoelige data een lokaal model zoals Llama 3 of Mistral. Richt feedbackloops in en leg beslissingen vast. Schaal pas op na een positieve evaluatie.
Stel beleid en randvoorwaarden op. Definieer wie wat mag doen, met welke data en onder welke kwaliteitsnorm. Houd een verwerkingsregister bij en voer een DPIA uit waar nodig. Koppel dit aan security‑ en leveranciersbeheer.
Betrek de ondernemingsraad, HR en IT vanaf het begin. Reserveer tijd voor scholing en taakherontwerp. Deel de opbrengst met medewerkers, bijvoorbeeld via meer ontwikkeltijd of slimmere roosters. Zo wordt productiviteitswinst ook echte vooruitgang op de werkvloer.