Generatieve AI wordt vaak gepresenteerd als technologie die werknemers productiever maakt en routinetaken uit handen neemt. De praktijk kan echter heel anders uitpakken. Britse techwerkers signaleren dat AI in sommige organisaties juist leidt tot hogere werkdruk, verlies van kennis, meer controle door managers en extra werk om door AI geproduceerde resultaten te controleren en te corrigeren.

Dat blijkt uit de “AI Workers’ Inquiry 2026” van de Britse vakbond United Tech and Allied Workers (UTAW). Het onderzoek is gebaseerd op workshops en semigestructureerde interviews met mensen die onder meer actief zijn in softwareontwikkeling, cybersecurity, IT-​support, data science, data engineering, klantenservice, onderzoek en onderwijs. Het gaat nadrukkelijk niet om een representatieve enquête onder de gehele Britse beroepsbevolking. De studie is opgezet als een zogeheten “workers’ inquiry”: werknemers onderzoeken en beschrijven vanuit hun eigen ervaringen hoe technologie hun werk verandert.

Die achtergrond is belangrijk bij de interpretatie van de conclusies. UTAW is een vakbond en het rapport bekijkt AI dan ook nadrukkelijk vanuit werknemersperspectief. Toch zijn veel van de gesignaleerde ontwikkelingen ook voor Nederlandse en andere Europese organisaties relevant. Zeker nu generatieve AI steeds verder wordt geïntegreerd in softwareontwikkeling, kantoorwerk en bedrijfsprocessen.

AI verschuift het werk

Een van de opvallendste conclusies is dat AI volgens de deelnemers lang niet altijd werk wegneemt. Het werk verschuift eerder. Werknemers besteden minder tijd aan het zelf produceren van bijvoorbeeld softwarecode en meer tijd aan het formuleren van opdrachten voor AI-​systemen en vervolgens controleren, verbeteren en soms volledig herschrijven van de resultaten.

Vooral softwareontwikkelaars beschrijven deze verandering duidelijk. Programmeren verandert volgens sommige deelnemers van probleemoplossend werk in het begeleiden van een AI-​systeem. Daarbij kan de beloofde tijdwinst verdwijnen wanneer de gegenereerde code uitvoerig moet worden gecontroleerd.

Dat levert bovendien een tweede effect op: werknemers krijgen te maken met de AI-​output van collega’s. Wanneer iemand met behulp van AI sneller grote hoeveelheden code produceert, moeten anderen die code vervolgens beoordelen en controleren. Een hogere individuele productie hoeft daardoor niet automatisch te betekenen dat een team als geheel productiever wordt.

Dat is een interessante kanttekening bij veel discussies over AI-​productiviteit. Meten hoeveel tekst, softwarecode of andere output één werknemer produceert, zegt weinig wanneer verderop in het proces extra werk nodig is om fouten te ontdekken en te herstellen.

Zorgen over verlies van kennis

Een tweede belangrijk thema is “deskilling”: het langzaam verliezen van vaardigheden doordat taken steeds vaker aan AI worden overgelaten. Verschillende deelnemers geven aan dat zij na langdurig gebruik van AI-​assistenten zaken moeten opzoeken die zij vroeger uit hun hoofd konden uitvoeren.

Voor junior medewerkers kan het effect volgens het onderzoek nog groter zijn. Een ervaren programmeur heeft doorgaans voldoende achtergrondkennis om te beoordelen of door AI gegenereerde code deugt. Een beginnende ontwikkelaar moet die kennis nog opbouwen. Wanneer AI direct een antwoord of stuk code produceert, bestaat het risico dat een deel van het leerproces wordt overgeslagen.

De onderzoekers zien daarin een mogelijke paradox. Organisaties kunnen AI inzetten omdat junior medewerkers daarmee sneller productief worden, terwijl diezelfde technologie het moeilijker kan maken om de kennis op te bouwen die nodig is om later senior te worden.

Het rapport beschrijft ook voorbeelden waarbij AI feitelijk als vervanging voor opleiding wordt gebruikt. Een AI-​assistent kan iemand snel informatie over een onbekend onderwerp geven, maar dat betekent volgens de deelnemers niet automatisch dat iemand daarmee ook daadwerkelijk expertise opbouwt.

AI-​gebruik als KPI

Nog gevoeliger wordt het wanneer organisaties niet alleen AI beschikbaar stellen, maar het gebruik ervan gaan meten. De onderzoekers kregen voorbeelden te horen waarbij AI-​gebruik onderdeel werd van KPI’s en daarmee indirect invloed kreeg op beoordelingen, beloning of carrièreperspectieven.

Dat kan opmerkelijke situaties opleveren. Zo beschrijft een deelnemer hoe werknemers werden aangemoedigd zoveel mogelijk AI-​tokens te gebruiken, terwijl een collega later juist werd aangesproken omdat hij er te veel gebruikte.

Het onderliggende probleem is dat gebruik gemakkelijk meetbaar is, maar kwaliteit veel moeilijker. Het aantal prompts, tokens of AI-​sessies zegt weinig over de kwaliteit van het uiteindelijke werk. Toch kan de beschikbaarheid van zulke cijfers organisaties verleiden om ze als productiviteitsindicator te gebruiken.

Daarmee verschuift AI van gereedschap naar managementinstrument. Het rapport beschrijft bovendien situaties waarin AI niet alleen wordt gebruikt om werk te produceren, maar ook om het werk van werknemers te beoordelen.

Europese parallel: AI op de werkvloer is juridisch gevoelig

Juist op dit punt wordt de vergelijking met Europa interessant. De Europese AI Act beschouwt bepaalde AI-​systemen voor personeelsmanagement als systemen met een hoog risico. Daaronder vallen toepassingen voor werving en selectie, maar ook systemen die worden gebruikt bij beslissingen over arbeidsrelaties, promotie of ontslag en voor bepaalde vormen van taakverdeling, monitoring en beoordeling van werknemers. Voor dergelijke systemen gelden strengere eisen, al kent de wet uitzonderingen wanneer een toepassing geen significant risico vormt of een zeer beperkte ondersteunende taak uitvoert.

De discussie is in Nederland bovendien niet nieuw. De Autoriteit Persoonsgegevens waarschuwde eerder al voor de gevolgen van AI en algoritmisch management op de werkvloer. De toezichthouder wees erop dat AI het mogelijk maakt werknemers steeds nauwkeuriger te volgen en prestaties te optimaliseren.

Ook de Europese regels voor platformwerk laten zien welke kant de regelgeving opgaat. De Platform Work Directive stelt eisen aan transparantie rond geautomatiseerde monitoring en besluitvorming. Platformwerkers moeten onder meer worden geïnformeerd over dergelijke systemen en krijgen mogelijkheden om geautomatiseerde beslissingen aan te vechten.

De Britse ervaringen staan daarmee niet op zichzelf. In Europa wordt het gebruik van algoritmen en AI bij het aansturen en beoordelen van werknemers inmiddels expliciet als arbeidsrechtelijk en privacyvraagstuk behandeld.

Besluiten worden soms van bovenaf genomen

Een ander terugkerend punt in het Britse onderzoek is de manier waarop AI binnen organisaties wordt ingevoerd. Volgens veel deelnemers gebeurt dat van bovenaf, zonder dat de werknemers die de systemen daadwerkelijk moeten gebruiken veel invloed hebben.

De onderzoekers beschrijven een geval waarbij een nieuwe topman tijdens een bijeenkomst tegelijkertijd een ontslagronde van 40 procent en een sterke verschuiving richting AI aankondigde. Elders werden AI-​tools volgens deelnemers ingevoerd omdat concurrenten ze eveneens gebruikten of omdat klanten, investeerders of bestuurders druk uitoefenden.

Dat betekent niet dat iedere invoering van AI op deze manier verloopt. Het rapport noemt ook uitzonderingen waarbij werknemers wel bij de besluitvorming werden betrokken. Het algemene beeld uit de gesprekken is echter dat technische medewerkers zich regelmatig onvoldoende gehoord voelen.

Dat kan opvallend genoeg juist technische risico’s veroorzaken. Cybersecurityspecialisten vertelden bijvoorbeeld dat zij waarschuwden voor mogelijke beveiligingsproblemen door AI gegenereerde softwarecode, maar dat hun bezwaren niet altijd werden meegenomen.

Productiviteit is ingewikkelder dan meer output

Daarmee raakt het onderzoek uiteindelijk aan een bredere vraag die ook voor Europese organisaties steeds belangrijker wordt: wat bedoelen we eigenlijk wanneer we zeggen dat AI werknemers productiever maakt?

Wanneer een programmeur dankzij een AI-​assistent in één dag twee keer zoveel code produceert, lijkt dat op het eerste gezicht een duidelijke productiviteitswinst. Maar het beeld verandert wanneer collega’s vervolgens meer tijd kwijt zijn aan code reviews, bugs toenemen of medewerkers minder kennis opbouwen waardoor zij later minder goed zelfstandig problemen kunnen oplossen.

Hetzelfde geldt buiten softwareontwikkeling. Een werknemer kan met generatieve AI sneller rapporten, analyses, e‑mails of documentatie produceren. De relevante maatstaf is echter niet alleen hoeveel documenten er worden gemaakt, maar ook hoeveel menselijke controle en correctie daarna nodig is en wat de uiteindelijke kwaliteit is.

Precies daar ligt waarschijnlijk de belangrijkste waarde van het Britse onderzoek. Het bewijst niet dat AI werknemers per definitie minder productief maakt. Daarvoor is de onderzoeksopzet te kwalitatief en de groep deelnemers te specifiek. Het laat wel zien dat de gevolgen van AI moeilijk kunnen worden beoordeeld door uitsluitend te kijken naar snelheid of hoeveelheid output.

Voor Europese organisaties komt daar nog een extra dimensie bij. AI is op de werkvloer niet alleen een technologisch of productiviteitsvraagstuk, maar steeds nadrukkelijker ook een kwestie van arbeidsrecht, privacy, transparantie, opleiding en medezeggenschap.

De vraag voor werkgevers wordt daardoor breder dan welke AI-​tool medewerkers moeten gebruiken. Minstens zo belangrijk is wat het gebruik van die tool doet met de kwaliteit van het werk, de ontwikkeling van medewerkers en de verdeling van verantwoordelijkheden binnen een organisatie. De Britse ervaringen suggereren dat juist die gevolgen gemakkelijk buiten beeld raken wanneer invoering van AI vooral wordt gestuurd door de wens om zo snel mogelijk productiviteitswinst te boeken.