AI maakt werk goedkoper. Maakt het ook mensen overbodig?
Bijgewerkt op: 11 aug
De economische belofte van AI is moeilijk te negeren. Werk dat uren kostte, kan soms in minuten. Klanten kunnen automatisch geholpen worden, analyses sneller gemaakt en steeds meer kenniswerk kan gedeeltelijk worden geautomatiseerd. De eerste conclusie lijkt dan logisch: als dezelfde hoeveelheid werk met minder menselijke inspanning kan worden uitgevoerd, zijn er uiteindelijk ook minder mensen nodig.
Die redenering heeft de voorbije jaren een groot deel van het debat over AI en werk bepaald. En op sommige plaatsen gebeurt dat ook. Functies verdwijnen, teams worden kleiner en organisaties experimenteren expliciet met hoeveel menselijke capaciteit nog nodig is wanneer AI een groter deel van het werk overneemt.
Maar ondertussen begint ook een tweede beweging zichtbaar te worden.
Sommige organisaties die sterk inzetten op automatisering ontdekken dat lagere kosten per taak niet automatisch betekenen dat menselijke capaciteit in dezelfde verhouding kan verdwijnen. Gartner verwacht inmiddels dat een deel van de functies die door AI verdwijnen later opnieuw zal worden ingevuld. Niet noodzakelijk in exact dezelfde vorm en vaak zelfs tegen een hogere kost.
Dat maakt een andere vraag interessant.
Wat gebeurt er met werk wanneer technologie het daadwerkelijk goedkoper maakt?
De eerste rekensom is eenvoudig
Stel dat een medewerker honderd klantvragen per dag kan verwerken.
Een AI-systeem maakt het mogelijk om een groot deel daarvan automatisch af te handelen. Dezelfde medewerker kan daardoor misschien driehonderd vragen verwerken.
Vanuit een klassieke efficiëntielogica lijkt de conclusie eenvoudig. Wanneer dezelfde hoeveelheid werk met een derde van de capaciteit uitgevoerd kan worden, ontstaat ruimte om het aantal medewerkers te verminderen.
Op taakniveau kan die redenering perfect kloppen.
Alleen bestaat een organisatie niet uit een verzameling geïsoleerde taken.
Wanneer technologie één onderdeel van het werk goedkoper of sneller maakt, verandert vaak ook wat er rond dat werk gebeurt.
Er kunnen meer aanvragen verwerkt worden. Wachttijden verdwijnen. Nieuwe diensten worden economisch interessant. Klanten verwachten snellere antwoorden. En de gevallen die niet geautomatiseerd kunnen worden, vormen plots een groter aandeel van het menselijke werk.
De kost per taak daalt.
Maar het systeem rond die taak blijft niet noodzakelijk hetzelfde.
Wat verdwijnt, is meestal het voorspelbare werk
AI is bijzonder aantrekkelijk voor werk waarin voldoende structuur of herhaling zit.
Samenvattingen maken. Informatie opzoeken. Eerste antwoorden formuleren. Documenten classificeren. Standaardvragen beantwoorden. Patronen herkennen in grote hoeveelheden informatie.
Wanneer dat werk gedeeltelijk wordt geautomatiseerd, verdwijnt niet zomaar een willekeurig stuk uit een functie.
Vaak verdwijnt juist het meest voorspelbare gedeelte.
Wat overblijft, ziet er anders uit.
De uitzonderingen. Situaties waarin informatie tegenstrijdig is. Een klant die niet binnen het standaardproces past. Een beslissing waarvan de gevolgen moeilijk vooraf te bepalen zijn. Controle van wat het systeem heeft geproduceerd. Of simpelweg een situatie waarin iemand verantwoordelijkheid moet opnemen.
Daardoor kan een merkwaardig effect ontstaan.
Hoe meer eenvoudig werk technologie overneemt, hoe complexer het menselijke werk gemiddeld wordt.
De medewerker die overblijft doet dus niet noodzakelijk minder van hetzelfde werk. De inhoud van het werk verschuift.
Klarna werd een interessant experiment
Weinig bedrijven maakten de belofte van AI in customer service zo zichtbaar als Klarna.
Het bedrijf zette sterk in op een AI-assistent voor klantenservice en werd daardoor een veelgebruikt voorbeeld in het debat over hoeveel menselijke servicefuncties door AI vervangen konden worden.
Vandaag bestaat die AI-laag nog steeds. Klarna meldt dat zijn AI-assistent wekelijks meer dan 300.000 klantvragen oplost. Tegelijk biedt het bedrijf klanten expliciet de mogelijkheid om op ieder moment met een menselijke medewerker te chatten of te bellen.
Dat maakt het voorbeeld interessanter dan een eenvoudig verhaal waarin AI eerst mensen vervangt en daarna zou zijn mislukt.
De technologie is niet verdwenen.
De mens ook niet.
Wat lijkt te ontstaan is een andere verdeling van het werk: automatisering waar dat goed werkt en menselijke capaciteit waar context, uitzonderingen of interactie belangrijker worden. Niet AI óf mensen, maar een opnieuw ontworpen grens tussen beide.
Goedkoper werk kan ook méér werk creëren
Er is nog een tweede reden waarom productiviteitswinst niet automatisch vertaalt naar minder mensen.
Wanneer iets goedkoper wordt, wordt er vaak meer van gebruikt.
Een bedrijf dat dankzij AI de kost van contentproductie sterk verlaagt, hoeft niet noodzakelijk dezelfde hoeveelheid content met minder mensen te produceren. Het kan besluiten veel meer content te maken.
Wanneer softwareontwikkeling sneller wordt, kan de reactie zijn om minder ontwikkelaars nodig te hebben. Maar dezelfde verandering kan er ook voor zorgen dat projecten die vroeger te duur waren plots wel gebouwd worden.
Wanneer klantenservice goedkoper wordt, kan een organisatie besparen op service. Ze kan er ook voor kiezen om veel meer klanten sneller ondersteuning te geven.
Dit mechanisme is niet nieuw. Productiviteitsverbeteringen hebben doorheen de geschiedenis regelmatig niet alleen geleid tot besparing, maar ook tot uitbreiding van de vraag.
Ook rond AI verschijnen inmiddels aanwijzingen in die richting. Recent onderzoek naar Europese bedrijven wijst er bijvoorbeeld op dat organisaties die intensiever met AI werken voorlopig niet systematisch minder mensen inzetten; bepaalde AI-intensieve bedrijven blijken juist vaker hun personeelsbestand uit te breiden.
Dat bewijst niet dat AI uiteindelijk meer jobs zal creëren dan verdwijnen.
Het toont wel waarom de eenvoudige rekensom meer productiviteit = evenredig minder mensen te beperkt kan zijn.
De bottleneck verschuift
Wanneer één onderdeel van een systeem veel sneller wordt, wordt een ander onderdeel relatief belangrijker.
AI kan bijvoorbeeld de analyse van een dossier terugbrengen van twee uur naar tien minuten.
Dat is een enorme productiviteitswinst.
Maar wanneer de uiteindelijke beslissing nog altijd door een specialist genomen moet worden, kan precies daar vervolgens de wachtrij ontstaan.
De technologie heeft dan gedaan wat ervan verwacht werd.
Alleen is de beperking verschoven.
Dat verandert ook de economische vraag. Niet langer: hoeveel analisten zijn nodig om informatie te verwerken?
Maar bijvoorbeeld: hoeveel ervaren mensen zijn nodig om uitzonderingen te beoordelen, kwaliteit te bewaken en verantwoordelijkheid te nemen voor beslissingen?
De hoeveelheid menselijke arbeid kan dalen.
De waarde van bepaalde menselijke arbeid kan tegelijk stijgen.
Minder mensen kan daardoor ook een dure keuze worden
Dat begint inmiddels ook zichtbaar te worden in onderzoek naar de kosten van AI.
Gartner waarschuwt dat organisaties die AI voornamelijk als instrument voor personeelsreductie behandelen op langere termijn nieuwe kosten kunnen creëren. Het onderzoeksbureau verwacht dat tot 30% van de rollen die door AI verdwijnen tegen 2029 opnieuw kan worden ingevuld. Daarbovenop kunnen organisaties geconfronteerd worden met duurdere rekrutering, hogere lonen voor schaarse expertise en zwakkere interne talentpijplijnen wanneer te veel juniorfuncties verdwijnen.
Ook een recente studie onder grote ondernemingen vond geen duidelijke relatie tussen personeelsreducties na AI-automatisering en een hoger rendement op die AI-investeringen.
Dat betekent niet dat personeelsreductie verkeerd is.
Het betekent vooral dat headcount een bijzonder beperkte maatstaf is voor de waarde van AI.
Een organisatie kan twintig procent minder mensen hebben en tegelijk nieuwe bottlenecks, kwaliteitsproblemen of afhankelijkheden creëren.
Een andere organisatie kan hetzelfde aantal mensen behouden en met AI aanzienlijk meer klanten bedienen, nieuwe diensten aanbieden of sneller groeien.
In beide organisaties is de productiviteit gestegen.
De waarde die ermee gecreëerd wordt, is fundamenteel anders.
Misschien was de oorspronkelijke vraag te eenvoudig
Veel discussies over AI en werk vertrekken nog steeds vanuit functies.
Welke jobs verdwijnen?
Welke jobs blijven?
Hoeveel medewerkers kan AI vervangen?
Maar functies zijn bundels van verschillende soorten werk. Een functie kan tegelijk administratie, analyse, communicatie, beoordeling, probleemoplossing en verantwoordelijkheid bevatten.
AI hoeft dus geen volledige functie over te nemen om een organisatie fundamenteel te veranderen.
Het kan voldoende zijn dat twintig, veertig of zestig procent van het werk binnen die functie anders wordt uitgevoerd.
Daarna begint eigenlijk het moeilijkere gedeelte.
Welke taken blijven bij mensen?
Welke nieuwe taken ontstaan?
Waar verschuift de bottleneck naartoe?
Welke expertise wordt waardevoller?
En hoe moet een team georganiseerd worden wanneer technologie een structureel onderdeel van het werk wordt?
Dat zijn geen vragen over AI-capabilities.
Het zijn vragen over organisatieontwerp.
De volgende fase van AI gaat daarom minder over vervangen
De eerste fase van een nieuwe technologie wordt bijna onvermijdelijk bekeken door de bril van wat er al bestaat.
Een bestaande taak wordt geautomatiseerd. De benodigde tijd daalt. Vervolgens wordt berekend hoeveel capaciteit daardoor kan verdwijnen.
Dat is begrijpelijk.
Maar de grotere verandering ontstaat vaak pas wanneer organisaties stoppen met het automatiseren van het bestaande werk en beginnen na te denken over hoe het werk opnieuw ontworpen kan worden nu de mogelijkheden veranderd zijn.
Daarbij zullen sommige functies verdwijnen.
Andere zullen kleiner worden.
Sommige zullen juist groeien.
En er zullen waarschijnlijk functies ontstaan die vandaag nauwelijks bestaan.
De recente correcties rond AI zijn daarom niet noodzakelijk bewijs dat de technologie overschat werd.
Misschien laten ze iets anders zien.
Technologie kan werk veel goedkoper maken zonder dat daarmee automatisch bepaald is wat een organisatie met die vrijgekomen capaciteit moet doen.
Dat blijft een organisatorische keuze.
Om over na te denken
Wanneer AI morgen dertig procent van het werk binnen een organisatie zou kunnen overnemen, ontstaat een interessante keuze. Wordt dezelfde organisatie dan dertig procent goedkoper — of wordt met dezelfde organisatie dertig procent meer mogelijk?
Wil je dit vraagstuk verder verkennen? Lees ook mijn verdiepende reflectie Rethinking AI, waarin ik kijk naar wat eerdere technologische veranderingen ons kunnen leren over AI, werk en organisaties.
Opmerkingen