Meer dan drie jaar na de lancering van ChatGPT blijft de impact van artificiële intelligentie (AI) op werkgelegenheid grotendeels onzichtbaar in de statistieken. Toch tekent zich aan de rand van de arbeidsmarkt al een duidelijke verschuiving af, vooral bij startersfuncties in sectoren die het meest blootstaan aan verandering. Met een unieke analyse van de blootstelling aan AI‑gedreven automatisering van de taken binnen uiteenlopende beroepen, toont deze gezamenlijke studie van Coface en het Observatory of Threatened and Emerging Jobs (Observatoire des Métiers Menacés et Émergents - OEM) aan hoe de grens van automatisering verschuift.
Waar eerdere automatiseringsgolven vooral routinematige taken troffen, komen nu steeds vaker cognitieve, complexe en hooggekwalificeerde taken in beeld. Dit vergroot het risico op ingrijpende veranderingen in de manier waarop bedrijven hun werk organiseren.
1. Een vernieuwende methode om het automatiseringspotentieel van taken en beroepen te meten
Deze studie heeft als doel het in kaart te brengen waar en hoe AI de grootste impact kan hebben op werkprocessen. Dankzij een gedetailleerde benadering brengt de analyse kwetsbaarheden aan het licht die in klassieke statistieken vaak verborgen blijven, aangezien de blootstelling sterk verschilt per taak, beroep, sector, land en regio.
De door OEM ontwikkelde methodologie speelt in op drie beperkingen die vaak voorkomen in bestaande analyses: een te grove indeling van beroepen, een beperkte reproduceerbaarheid van beoordelingen gebaseerd op expertinschattingen of AI‑outputs, en het ontbreken van een echte toekomstgerichte dimensie die rekening houdt met verschillende ontwikkelingsfasen van AI.
De 923 onderzochte beroepen worden opgesplitst in concrete taken, die op hun beurt worden herleid tot elementaire handelingen beschreven via triplets (werkwoord, object, context). Deze aanpak maakt het mogelijk om nauwkeurig te beoordelen in welke mate elke taak kan worden geautomatiseerd. De elementaire handelingen worden vervolgens gescoord aan de hand van expliciete en controleerbare regels.
Deze methode biedt een concreet antwoord op de drie genoemde beperkingen. Ze verfijnt de analyse van beroepen door generieke basisacties los van het specifieke beroep te beoordelen, verhoogt de reproduceerbaarheid dankzij transparante scoringsregels en introduceert een toekomstgerichte invalshoek door de blootstelling van taken te projecteren over meerdere fases van AI‑ontwikkeling – vijf binnen deze studie – in plaats van een momentopname.
Samen met OEM heeft Coface dit kader verder uitgebreid door taken te wegen op basis van belang en frequentie, toekomstscenario’s en scoringsregels te verfijnen en de empirische reikwijdte te verruimen naar bijna dertig landen.
De beoordeling van automatiseringsblootstelling is bewust indicatief en aanbodgericht. Ze meet de technische gevoeligheid van taken voor automatisering en zegt niets over het netto aantal banen dat verloren kan gaan. Factoren zoals vraagontwikkeling, het ontstaan van nieuwe taken of praktische drempels die de uitrol van AI kunnen vertragen, blijven buiten beschouwing.
2. Sterk uiteenlopende blootstelling per beroepscategorie: AI richt zich vooral op cognitieve en informatiegedreven activiteiten
De studie benadrukt een duidelijke breuk met eerdere automatiseringsgolven. AI vormt geen voortzetting van robotisering of klassieke software, maar verschuift de focus naar complexe, niet‑repetitieve en kennisintensieve taken. De impact laat zich in eerste instantie voelen op het niveau van individuele taken om zich vervolgens te manifesteren naar volledige beroepenen sectoren.
In het belangrijkste scenario rond de inzet van zogenoemde agent‑based AI overschrijdt ongeveer één op de acht beroepen de drempel waarbij 30% van de taken automatiseerbaar is. De studie beschouwt dit niveau als een kantelpunt voor een diepgaande transformatie van het beroep, wat kan leiden tot aanzienlijke herschikking van functies zonder noodzakelijkerwijs het verdwijnen ervan te betekenen.
De meest blootgestelde beroepen bevinden zich in sterk cognitieve en informatie‑intensieve domeinen, zoals engineering, ICT, administratieve functies, financiën, juridische dienstverlening en bepaalde creatieve en analytische beroepen.
Aantal beroepen met ≥ 30% automatiseerbare taken, per beroepscategorie (scenario ‘Special Agent’)
Gegevens voor grafiek in .xlsx formaat
Omgekeerd blijven de minst kwetsbare beroepen grotendeels manueel van aard of sterk afhankelijk van menselijk contact, wat moeilijk te standaardiseren is. Het gaat onder meer om productie, bouw, onderhoud, transport, catering, schoonmaak en diverse zorg‑ en ondersteunende activiteiten.
De studie analyseert ook de effectieve hoeveelheid werk die in elke onderzochte arbeidsmarkt blootstaat aan automatisering. Dit gebeurt door het aandeel automatiseerbare taken binnen elk van de 923 beroepen te vergelijken met het bijbehorende werkgelegenheidsvolume. Door de beroepen te groeperen in acht brede categorieën, identificeert het onderzoek de beroepscategorieën met het hoogste risico.
De belangrijkste conclusies zijn duidelijk: in management en administratie, creatieve beroepen, juridische en financiële functies, evenals in engineering en IT, kan meer dan een kwart van het werk worden geautomatiseerd. Daartegenover blijven face‑to‑face‑diensten en technische, ambachtelijke en industriële productieberoepen onder de drempel van 10%. Beroepen in zorg, onderwijs, verkoop en andere mensgerichte functies nemen een tussenpositie in: bepaalde taken staan onder druk, maar de menselijke component blijft een belangrijke beschermende factor.
3. Grote verschillen tussen landen
De studie toont aan dat de blootstelling aan AI‑gedreven automatisering sterk verschilt per land. Het aandeel werk dat potentieel automatiseerbaar is, varieert van ongeveer 12% in Turkije tot bijna 20% in het Verenigd Koninkrijk. Deze verschillen worden grotendeels verklaard door de economische structuur, die de samenstelling van de werkgelegenheid bepaalt en daarmee ook het aandeel taken dat technisch kan worden geautomatiseerd.
De meest welvarende economieën en landen die sterk gericht zijn op kennis‑ en informatiediensten blijken het meest blootgesteld. Naast het VK geldt dit ook voor Nederland, Ierland en Luxemburg, waar informatie‑intensieve beroepen sterk vertegenwoordigd zijn. Landen waar werkgelegenheid meer geconcentreerd blijft in handel, persoonlijke dienstverlening, bouw, transport of andere fysiek intensieve activiteiten vertonen een gematigder blootstelling. Het onderzoek onderscheidt vijf groepen landen met vergelijkbare profielen.
4. Meer dan werkgelegenheid alleen: waardecreatie, sociale bescherming, onderwijs en nieuwe afhankelijkheden... Een hoop vragen die momenteel onbeantwoord blijven
De impact van AI reikt verder dan werkgelegenheid. Omdat AI zich richt op hooggekwalificeerde en beter betaalde functies, kan de uitrol ervan economische en maatschappelijke evenwichten beïnvloeden.
Door delen van het werk in kennisintensieve beroepen te automatiseren, kan een groter deel van de toegevoegde waarde verschuiven van arbeid naar kapitaal. Voor landen waarvan het belastingstelsel sterk steunt op belastingen op arbeid, creëert dit een dubbel begrotingsvraagstuk: lagere belastinginkomsten (zoals sociale bijdragen en inkomstenbelasting) gecombineerd met hogere publieke uitgaven, bijvoorbeeld voor werkloosheidssteun en opleiding.
De studie nodigt ook uit tot een herwaardering van onderwijs en kwalificaties. Wanneer taken of beroepen waarvoor langdurige opleidingen voorbereiden eenvoudiger automatiseerbaar worden, kan de traditionele relatie tussen diploma, loon en jobzekerheid verzwakken. Zonder te stellen dat hoger onderwijs overbodig wordt, suggereren de resultaten dat werkgevers mogelijk minder puur op diploma’s zullen focussen en meer op vaardigheden die complementair zijn aan AI, zoals beoordelingsvermogen, aanpassingsvermogen en toezicht op het gebruik van technologie.
Daarnaast kan de opkomst van AI nieuwe geopolitieke, logistieke en operationele kwetsbaarheden creëren door de grote concentratie van kritieke middelen – zoals halfgeleiders, taalmodellen en datacenters – bij een beperkt aantal bedrijven en landen.
Conclusie: een transformatie die werk fundamenteel kan hertekenen
Hoewel het exacte verloop van deze veranderingen onzeker blijft en de stap van technische taakblootstelling naar netto‑effecten op werkgelegenheid niet vanzelfsprekend is, springt één element duidelijk naar voren.
AI wordt niet ingezet in de marge, maar grijpt in op cognitieve, niet‑routinematige en hooggekwalificeerde functies die lange tijd als relatief veilig werden beschouwd. Omdat net deze functies een belangrijke rol spelen op het vlak van inkomensgeneratie, waardecreatie en belastinginkomsten, is het onwaarschijnlijk dat deze evolutie plaatsvindt zonder – in meer of mindere mate – de aard van werk en de onderliggende economische en sociale evenwichten te hervormen.
Download de volledige studie (.pdf) of bekijk de keynote van de auteurs tijdens de Coface Country Risk Conference
