Baanverval: hoe automatisering en AI de arbeidsmarkt herschikken
Stel je een telefoniste voor rond 1960, met een koptelefoon op en handen die razendsnel stekkers in een schakelbord prikken om jou door te verbinden met een ander nummer. Dat beroep bestaat niet meer. Niet omdat mensen minder gingen bellen, maar omdat de automatische telefooncentrale het werk overnam: sneller, goedkoper en zonder pauzes. Dat is in essentie baanverval — het verdwijnen of ingrijpend veranderen van banen doordat machines, computers of software het werk overnemen dat voorheen mensen deden.
Baanverval is geen nieuw verschijnsel. Het gebeurde al bij de introductie van de stoommachine, de lopende band en de computer. Wat nu anders is, is dat kunstmatige intelligentie (AI) en robotica ook taken kunnen overnemen die tot voor kort typisch menselijk leken, zoals klantcontact, tekst schrijven of beeldherkenning. Dat roept de vraag op welke banen de komende jaren onder druk komen te staan, en wat daarvoor in de plaats komt.
Wat is het precies?
Baanverval ontstaat wanneer een taak die eerst door mensen werd uitgevoerd, overgenomen wordt door een machine of algoritme. Economen maken daarbij vaak onderscheid tussen routinetaken en niet-routinetaken. Routinetaken zijn voorspelbaar en volgen vaste regels, zoals het optellen van cijfers, het lassen van dezelfde punt op een auto-onderdeel, of het invoeren van gegevens. Dit soort werk laat zich relatief makkelijk automatiseren.
Niet-routinetaken zijn onvoorspelbaarder en vragen om inschatting, creativiteit of sociale vaardigheden, zoals het troosten van een patiënt of het bedenken van een nieuwe marketingstrategie. Lange tijd gold dat dit soort werk veilig was voor automatisering. Door de opkomst van AI die taal en beelden kan genereren, verschuift die grens: ook delen van creatief en administratief werk, zoals het opstellen van standaardteksten of eerste versies van code, kunnen nu deels door software gebeuren.
Een belangrijk begrip hierbij is technologische werkloosheid: werkloosheid die ontstaat doordat technologie sneller banen vernietigt dan er nieuwe banen bijkomen. Historisch gezien bleek dit vaak tijdelijk — nieuwe technologie schept ook nieuwe beroepen, zoals software-ontwikkelaar of social media-manager, functies die dertig jaar geleden nog niet bestonden. Toch is er geen garantie dat dit patroon zich altijd herhaalt, en verschilt het sterk per sector en periode.
Een tweede effect is polarisatie van de arbeidsmarkt: automatisering raakt vooral banen in het middensegment, zoals administratief werk en productiewerk, terwijl banen aan de onderkant (bijvoorbeeld verzorging) en de bovenkant (bijvoorbeeld gespecialiseerde kennisberoepen) relatief minder snel verdwijnen. Dat kan leiden tot een arbeidsmarkt met veel laagbetaald en veel hoogbetaald werk, en minder banen daartussenin.
Wat wil men ermee bereiken?
Bedrijven automatiseren primair om drie redenen: kostenbesparing, hogere kwaliteit en snelheid, en het opvangen van personeelstekorten. Een robot in een fabriek werkt continu, maakt geen fouten door vermoeidheid en hoeft geen salaris te krijgen. In sectoren met krapte op de arbeidsmarkt, zoals de zorg of techniek, wordt automatisering ook gezien als manier om werk te doen dat anders onvervuld blijft.
Voor onderzoekers, economen en beleidsmakers ligt het doel anders: zij bestuderen baanverval om tijdig beleid te kunnen voorbereiden. Denk aan om- en bijscholing van werknemers wiens baan verdwijnt, aanpassing van sociale zekerheid, en het navenant aanpassen van onderwijs zodat mensen vaardigheden leren die minder makkelijk automatiseerbaar zijn. Het doel is niet om automatisering tegen te houden, maar om de overgang zo te begeleiden dat de maatschappelijke schade beperkt blijft.
Voorbeelden uit de praktijk
Een veelgeciteerd onderzoek is de studie "The Future of Employment" van Carl Benedikt Frey en Michael Osborne van de Oxford Martin School, gepubliceerd in 2013. Zij schatten dat ongeveer 47 procent van de Amerikaanse banen een hoog risico liep om binnen enkele decennia (gedeeltelijk) geautomatiseerd te worden. Het onderzoek werd wereldwijd veel aangehaald, maar ook bekritiseerd: latere studies kwamen tot lagere percentages, omdat ze beter rekening hielden met het feit dat banen bestaan uit een mix van taken waarvan lang niet alle automatiseerbaar zijn.
In Nederland kondigde bank ING in 2016 een grote reorganisatie aan waarbij duizenden banen verdwenen, mede door de digitalisering van bankdiensten: steeds meer klanten regelden hun bankzaken online in plaats van via een fysiek loket of telefonisch contact.
In de logistiek nam Amazon in 2012 het Amerikaanse robotbedrijf Kiva Systems over. Sindsdien zet het bedrijf duizenden magazijnrobots in die pallets en rekken naar medewerkers rijden, in plaats van dat medewerkers zelf door het magazijn lopen om producten te verzamelen.
In de retailsector is de zelfscankassa een zichtbaar voorbeeld: supermarkten als Albert Heijn en Jumbo introduceerden vanaf de jaren 2000 steeds meer zelfscanapparatuur en zelfscankassa's, waardoor minder kassamedewerkers nodig zijn per klant.
Recenter kondigde het Zweedse betaalbedrijf Klarna in 2024 aan dat hun AI-klantenservice-assistent werk verzette dat eerder door honderden fulltime medewerkers werd gedaan. Dit voorbeeld laat zien hoe generatieve AI ook klantcontactwerk raakt, een sector die lange tijd als lastig automatiseerbaar gold.
Hoe ver is de techniek?
De mate van automatisering verschilt sterk per sector. In de industrie zijn lasrobots, assemblagelijnen en verpakkingsmachines al decennialang gangbaar. In de administratie en klantenservice is de automatisering sinds de opkomst van generatieve AI-taalmodellen (software die zelf teksten en antwoorden kan formuleren) in een stroomversnelling geraakt sinds ongeveer 2022 en 2023.
Tegelijk verloopt automatisering in andere sectoren juist trager dan lang werd voorspeld. Zelfrijdende vrachtwagens en taxi's worden al meer dan tien jaar aangekondigd als banenverslindende technologie, maar op grote schaal operationeel op de openbare weg zijn ze nog altijd niet, mede door technische beperkingen, veiligheidseisen en regelgeving. Dit laat zien dat de kloof tussen een technische demonstratie en grootschalige, betrouwbare inzet vaak groter is dan verwacht.
Voorspellingen over het totale effect van automatisering op de werkgelegenheid lopen sterk uiteen en moeten met de nodige voorzichtigheid worden gelezen. Het World Economic Forum publiceert periodiek een Future of Jobs Report met schattingen van banen die de komende jaren wereldwijd verdwijnen tegenover banen die erbij komen; dergelijke cijfers zijn schattingen op basis van enquêtes onder werkgevers en geen harde voorspellingen. Belangrijke obstakels voor automatisering blijven bovendien de kosten van implementatie, weerstand van werknemers en vakbonden, en regelgeving rond bijvoorbeeld veiligheid en aansprakelijkheid.
Wie werken eraan?
Onderzoek naar baanverval wordt gedaan door zowel academische instituten als internationale organisaties. De Oxford Martin School, waar Frey en Osborne hun invloedrijke studie schreven, blijft een belangrijk centrum voor onderzoek naar technologie en werkgelegenheid. Aan het Massachusetts Institute of Technology (MIT) doen economen als David Autor en Daron Acemoglu al jaren onderzoek naar hoe automatisering de arbeidsmarkt verandert; Erik Brynjolfsson (verbonden aan Stanford, eerder MIT) is bekend van het boek The Second Machine Age over de economische gevolgen van digitale technologie.
Internationale organisaties zoals het World Economic Forum, de OESO (Organisatie voor Economische Samenwerking en Ontwikkeling) en McKinsey Global Institute publiceren regelmatig rapporten over automatisering en werk, gericht op beleidsmakers en bedrijven wereldwijd. In Nederland doet het Centraal Planbureau (CPB) onderzoek naar de gevolgen van automatisering en technologie voor de Nederlandse arbeidsmarkt, als basis voor beleidsadvies aan de overheid.
Daarnaast spelen grote techbedrijven en gespecialiseerde AI- en robotica-ontwikkelaars een sleutelrol, simpelweg omdat zij de onderliggende technologie bouwen die automatisering mogelijk maakt — van industriële robotarmen tot AI-taalmodellen die klantenservice en administratief werk kunnen ondersteunen.