‘Waarom de echte AI-revolutie op het werk nu pas begint’

Afgelopen maanden hoorde je het vaker: “LLM’s bereiken hun plafond.” Benchmarks verbeteren nauwelijks meer. Groter trainen levert minder op. De eerste generatie AI-tools heeft zijn limiet bereikt.

En toch laat Anthropic, één van de meest serieuze AI-labs ter wereld, ons iets verrassends zien. Niet minder werk. Maar anders werk.

Wat Anthropic’s eigen data zegt

In maart 2026 publiceerde Anthropic een groot onderzoek naar arbeidsmarktimpact, gebaseerd op werkelijk gebruik van Claude door meer dan 800 beroepen. De bevindingen zijn genuanceerder dan de headlines doen vermoeden.

Developers? 75% van hun taken wordt al geobserveerd in geautomatiseerd gebruik. Toch: geen meetbaar werkloosheidseffect. Wat wel zichtbaar is: jongere werkenden van 22 tot 25 jaar vinden 14% langzamer een baan in hoogblootgestelde functies. Een vroeg signaal, geen catastrofe.

• Lees ook: Angst voor AI is ongegrond: er komt geen banenapocalyps

Maar het opvallendste getal: voor office en admin is de theoretische AI-exposure 90%. De gemeten werkelijke adoptie? 25%. Een kloof van 65 procentpunten.

Dit is het implementatieprobleem. Niet “kan AI het?” maar “doen we het al?”

Het plafond is een verschuiving, geen muur

Hier is wat de meeste discussies missen: 

Het plateau van taalmodellen is reëel. Maar modellen houden niet op beter te worden. Ze worden anders beter. De industrie verschuift van pre-training compute, grotere modellen op meer data, naar inference-time compute: meer redeneerruimte op het moment dat het model een antwoord geeft. Het resultaat is niet zozeer een slimmer model op papier, maar een model dat complexere problemen stapsgewijs doordenkt.

Dat is precies de basis voor wat we nu als fase twee zien: agentische AI. Systemen die niet wachten op een prompt, maar zelf doelen detecteren, plannen maken, deeltaken verdelen en doorwerken totdat het doel bereikt is. Anthropic bouwt daarvoor een infrastructuur waarmee bedrijven vloten van autonome AI-agents kunnen inzetten. Eén voor data-analyse, één voor tests, één voor rapportage. Parallel, gecoördineerd, zonder menselijke tussenkomst bij elke stap.

• Lees ook: De cijfers achter digitalisering en AI op de werkvloer – HRMorgen.nl

Cruciaal verschil met eerdere tools: een agent legt ook verantwoording af over de gemaakte stappen. Niet alleen het resultaat is zichtbaar, maar het redeneerpad ernaartoe. Dat is de drempel waar enterprise-adoptie nu op blijft steken.

Het verschil in één zin: een AI-tool beantwoordt je vraag. Een AI-agent bereikt je doel.

MIT en Anthropic: twee lenzen op dezelfde werkelijkheid

Ik gebruik het MIT Iceberg-onderzoek al geruime tijd als anker in mijn advieswerk. De conclusie: AI kan nu al taken uitvoeren ter waarde van ongeveer 11,7% van de totale loonwaarde, technisch én economisch. Dat is geen toekomstscenario. Dat is nu.

Maar Anthropic voegt iets cruciaals toe: theoretische capaciteit loopt ver vóór op werkelijke adoptie.

De MIT FutureTech-studie van begin 2026 bevestigt dit. AI bereikt minimaal voldoende prestaties voor de meeste tekstgebaseerde taken naar verwachting rond 2029. Nu scoort AI 60% van die taken zonder hulp op acceptabel niveau. Bij hogere kwaliteitseisen daalt dat naar 26%.

• Lees ook: AI neemt het cognitieve werk over, maar menselijke skills blijven nodig

Automatisering is geen schakelaar. Het is een continu proces. Organisaties hebben tijd. Maar niet onbeperkt.

Wat betekent dit voor HR?

Dit zijn de drie consequenties die ik elke week terugzie in gesprekken met HR-directeuren.

• De eerste: het junior-dilemma wordt acuter. Anthropic’s data laat zien dat de daling in het vinden van een baan het hardst raakt bij 22-25-jarigen in blootgestelde functies. Niet omdat ze slechter zijn, maar omdat de instaptaken die ze moeten leren als eerste door agents worden overgenomen. Organisaties die nu geen nieuwe invulling geven aan juniortrajecten, bouwen een skills-kloof die over drie jaar niet meer te repareren is.
• De tweede: dit is geen IT-project. De grootste kloof zit niet in technologie, maar in organisatielogica. Agentische AI werkt alleen als processen zijn herontworpen rondom autonome systemen, niet als laag bovenop bestaande structuren. Dat is een HR- en managementvraagstuk, geen IT-beslissing.
• De derde: herontwerp loont. Bedrijven die werk bewust herontwerpen rond mens en AI zien productiviteitswinst en hogere medewerkersbetrokkenheid. McKinsey schat dat generatieve AI wereldwijd 2,6 tot 4,4 biljoen dollar aan jaarlijkse waarde kan toevoegen. Het grootste deel daarvan vereist actief herontwerp van werk, niet alleen tool-implementatie.

De conclusie die de meeste bedrijven nog missen

LLM’s naderen hun plafond in de klassieke zin: schalen op trainingsdata heeft zijn limiet. Agentische AI staat pas aan het begin. En de kloof tussen wat technisch kan en wat organisaties werkelijk doen, is groter dan ooit.

MIT geeft ons de maatstaf: ongeveer 12% van de loonwaarde is nu al vervangbaar. Anthropic geeft ons het signaal: vroege effecten zijn zichtbaar, maar adoptie loopt achter. Agentische AI geeft ons de richting: de echte verschuiving is een continuüm, geen breekpunt.

De vraag is niet meer óf dit uw organisatie raakt. De vraag is of u al weet welke functies moeten veranderen, en hoe.

Jan van der Laan is Workforce Architect. Hij helpt organisaties analyseren hoe AI hun functies, taken en skills beïnvloedt, voordat de eerste AI-tool wordt uitgerold.