Generatieve AI verandert vooral de inhoud van werk
Nieuwe paper Wang et al. (2026) analyseert 9,37 miljoen Amerikaanse vacatures. De belangrijkste conclusie: AI herorganiseert banen eerder dan dat het ze vervangt, taak voor taak, functie voor functie.

De paper Generative AI and the Reorganization of Labor Demand van Wang et al. (2026) kijkt verder dan de klassieke vraag die vaak wordt gesteld zodra het over AI en werk gaat: welke banen verdwijnen er en welke banen komen erbij? Dat is natuurlijk een relevante vraag, maar ook een beperkte. De arbeidsmarkt verandert namelijk niet alleen doordat functies verdwijnen of nieuwe functies ontstaan. Een groot deel van de verandering vindt plaats binnen bestaande functies. En precies dat maakt de impact van generatieve AI zo belangrijk én zo lastig zichtbaar.
De onderzoekers analyseerden Amerikaanse online vacatures over de periode van januari 2021 tot en met juni 2025. De ruwe dataset bevatte meer dan 188 miljoen vacatures. Voor de uiteindelijke analyse werd gewerkt met een steekproef van ruim 9,37 miljoen vacatures. Daarmee ontstaat een scherp beeld van hoe werkgevers hun vraag naar arbeid aanpassen sinds de snelle opkomst van generatieve AI.
De belangrijkste conclusie is dat bedrijven niet simpelweg "AI-gevoelige banen" schrappen. Het beeld is subtieler. Werkgevers reorganiseren hun arbeidsvraag op twee manieren. Aan de ene kant verandert het soort vacatures dat wordt geplaatst. Bepaalde functies worden minder gevraagd, terwijl andere functies juist belangrijker worden. Aan de andere kant wordt de inhoud van bestaande functies aangepast. En juist dat tweede effect laat zien wat AI werkelijk met werk doet.
Want een functie kan dezelfde titel houden, terwijl de inhoud van het werk fundamenteel verandert. Een marketeer blijft misschien gewoon marketeer heten. Maar het dagelijkse werk verschuift. Minder tijd gaat naar uitvoerend tekstwerk, het handmatig maken van varianten of het uitwerken van eerste concepten. Meer tijd gaat naar strategie, merkpositionering, campagneanalyse, kwaliteitsbewaking en het slim aansturen van AI-tools. De functietitel blijft dus herkenbaar, maar de onderliggende taken veranderen.
Dat geldt niet alleen voor marketing. Ook in functies zoals consultancy, communicatie, HR, finance, legal, softwareontwikkeling en klantenservice is hetzelfde patroon zichtbaar. De naam van de functie blijft vaak hetzelfde, maar de verhouding tussen taken verandert. Taken die goed te automatiseren of te ondersteunen zijn met AI worden kleiner. Taken waarin menselijk oordeel, contextbegrip, creativiteit, verantwoordelijkheid en samenwerking centraal staan, worden juist belangrijker.
Dat maakt de impact van AI op de arbeidsmarkt moeilijker zichtbaar dan vaak wordt gedacht. Het is gebruikelijk om naar duidelijke signalen te kijken: minder vacatures voor functie A, meer vacatures voor functie B, of volledig nieuwe functietitels zoals AI-specialist, prompt engineer of AI-productmanager. Maar een groot deel van de verandering speelt zich af onder de oppervlakte. Niet in de titel van de baan, maar in het dagelijkse werk zelf.
AI verandert werk taak voor taak, functie voor functie en organisatie voor organisatie. Soms gaat dat heel zichtbaar, bijvoorbeeld wanneer een organisatie besluit een proces volledig te automatiseren. Maar veel vaker gaat het geleidelijk. Een medewerker gebruikt AI om sneller tot een eerste analyse te komen. Een team laat AI conceptteksten maken. Een afdeling gebruikt AI om klantvragen te structureren. Een manager gebruikt AI om scenario''s voor te bereiden. Los van elkaar lijken dit kleine veranderingen. Samen zorgen ze voor een fundamentele herinrichting van werk.
Precies daarom is het onvoldoende om alleen naar functietitels of aantallen vacatures te kijken. Wie alleen telt hoeveel banen erbij komen of verdwijnen, mist een groot deel van de echte transformatie. De arbeidsmarkt verandert vooral van binnenuit. De echte verschuiving zit minder in welke banen er zijn dan in wat mensen binnen die banen daadwerkelijk doen.
Dat heeft ook grote gevolgen voor organisaties. Als functies inhoudelijk veranderen, moeten organisaties opnieuw nadenken over functieprofielen, opleiding, leiderschap en loopbaanontwikkeling. Welke taken blijven bij mensen? Welke taken worden ondersteund door AI? Welke nieuwe vaardigheden worden belangrijk? En hoe zorgen organisaties ervoor dat medewerkers AI ook echt begrijpen en het goed, kritisch en verantwoord inzetten?
Voor medewerkers betekent dit dat de waarde van een functie steeds minder zit in het uitvoeren van standaardtaken en steeds meer in het kunnen combineren van inhoudelijke expertise, kritisch denken en het vermogen om technologie effectief te gebruiken. De vraag wordt niet alleen: kan AI een deel van het werk doen? De betere vraag is: hoe verandert AI de samenstelling van het werk, en welke taken worden daardoor belangrijker?
Generatieve AI verandert de arbeidsmarkt dus vooral door werk opnieuw te organiseren, meer nog dan door werk te vervangen. Dat is misschien minder spectaculair dan het beeld van massaal verdwijnende banen, maar het is minstens zo ingrijpend. Want als de inhoud van functies verandert, verandert uiteindelijk ook wat organisaties van mensen vragen.
Wie de impact van AI op werk echt wil begrijpen, kijkt daarom naar taken in plaats van naar banen. Naar werkprocessen in plaats van functietitels. En vooral naar wat verschuift, niet enkel naar wat verdwijnt.
- Beste AI-tools
- GEO: vindbaar in AI-zoekmachines
- AI-prompts schrijven

Job van den Berg is AI keynote spreker, tech-ondernemer en auteur van vijf boeken over AI. Hij zet wekelijks zelf agents in productie en geeft 150+ keynotes per jaar over AI-agents en agentic commerce.
Als AI-agents het voorwerk doen in de verkoop, kunnen menselijke verkopers slechter gaan presteren. Bij een Chinese online verzekeringsmakelaar kregen verkopers door AI-spraakagents ongeveer 23 procentpunt meer kansrijke leads, maar daalde hun klantwerving met ongeveer 5 procentpunt. De oorzaak: verkopers doen minder hun best voor leads die ze niet zelf hebben verdiend.
AI maakt ons niet eenzamer. Wel meer gericht op de mensen die we al kennen. Dat is de kern van een nieuw onderzoek van Bocconi University, waarin ruim 12.000 kenniswerkers werden gevolgd vanaf het moment dat ze Microsoft Copilot kregen.
Kort antwoord: REA (Reverse Engineer Anything) is een open-source MCP-server, gepubliceerd op 7 oktober 2026, waarmee AI-agents zoals Claude Code, Codex en Cursor software kunnen decompileren, analyseren en de werking ervan nabouwen zonder de broncode te zien. Binnen enkele dagen ging het project van minder dan 10.000 naar ruim 110.000 GitHub-sterren. Hieronder beantwoorden we de belangrijkste vragen over de trend.
Nee, strenger controleren maakt AI-agents niet automatisch veiliger. Volgens Gans & Holden (NBER, 2026) werken onwijzigbare logbestanden, onvoorspelbare audits en het belonen van eerlijk gedrag beter.
