De discussie over kunstmatige intelligentie gaat niet langer alleen over of het “helpt” of “vervangt”, maar vooral over de snelheid waarmee de technologie zich ontwikkelt en hoe die snelheid druk uitoefent op bedrijven. De afgelopen dagen heeft Geoffrey Hinton — een van de meest invloedrijke personen in deep learning, algemeen bekend als de vader van deze revolutie — opnieuw cijfers gedeeld die de duizelingwekkende voortgang illustreren: volgens hem ontwikkelt de technologie zich zo snel dat ongeveer elke zeven maanden systemen in staat zijn om taken uit te voeren die vóór kort nog het dubbele aan tijd vereisten.
Het gaat hier niet om een shockerende uitspraak op zich. Het is bedoeld als een eenvoudige mentale regel om te begrijpen waarom 2026 mogelijk een jaar wordt van moeilijke zakelijke beslissingen: als de technologie zich in korte cycli verbetert, wordt de tijd tussen “dit is experimenteel” en “dit is winstgevend” ook korter. En zodra winstgevendheid binnen bereik komt, worden veranderingen niet zomaar theoretisch, maar realiteit.
De metriek die de snelheid samenvat: “elke zeven maanden, het dubbele”
In de praktijk betekent ‘vermenigvuldigen van capaciteiten’ niet dat een hulpmiddel magie verricht. Het betekent dat de tijd, kosten en frictie bij het uitvoeren van repetitieve of gestructureerde taken worden verminderd: het opstellen van standaardantwoorden, classificeren van incidenten, samenvatten van documenten, voorstellen van codeconcepten, het genereren van rapporten, maken van marketingmaterialen, analyseren van ticketvermeldingen of het begeleiden van gebruikers bij administratieve processen.
Het belangrijke verschil is dat veel van die taken niet verdwijnen: ze worden gecomprimeerd. Waar voorheen meerdere mensen nodig waren, kan nu vaak één persoon toekijken en corrigeren. Dit vormt de stille impact op de werkgelegenheid: het is niet zo dat een functie “ineens verdwijnt”, maar dat het werk per medewerker toeneemt, waardoor bepaalde functies overbodig worden.
Hinton benadrukt vooral de impact op “routineuze cognitieve werkzaamheden”: bijvoorbeeld klantenservice, back office, administratief werk en documentbeheer. Het zijn basisfuncties in het dagelijks werk van talloze bedrijven, maar ze vormen ook de meest kwetsbare gebieden voor automatisering, vooral nu de technologie steeds beter en goedkoper wordt in het begrijpen van context, instructies opvolgen en gesprekken voeren.
Waarom 2026 en niet “op een dag”？
Omdat 2026 een belangrijke factor introduceert die enkele jaren geleden nog niet bestond: de adoptie is inmiddels genormaliseerd. Bedrijven experimenteren niet meer alleen, maar integreren assistenten in workflows, koppelen tools aan CRM-systemen, automatiseren interne antwoorden, genereren concepten, en gebruiken modellen voor support, verkoop of operationele taken.
En zodra de markt beweegt, ontstaat er een onvermijdelijke prikkel: als jouw concurrenten door automatisering tijd en kosten kunnen reduceren, moet jij hetzelfde doen om marges te behouden. Deze dynamiek maakt Kunstmatige Intelligentie tot een race om efficiëntie. En in zo’n race is het niet noodzakelijk dat de technologie perfect is; het volstaat dat het “voldoende goed” is en dat de kosten haalbaar blijven.
Volgens verschillende internationale analyses zal dit leiden tot een ongelijkmatige aanpassing: sommige functies ondergaan ingrijpende veranderingen, andere verschuiven en weer anderen groeien. Het is niet de eerste technologische disruptie, maar mogelijk wel een van de eerste waarbij grootschalige vervanging vooral kantoor- en dienstverleningswerk treft, en niet alleen fysiek of industrieel werk.
De andere kant: heruitvinden is geen optie meer
In tegenstelling tot de vaak gehoorde bewering dat “kunstmatige intelligentie werk wegneemt”, schetsen gegevens en de geschiedenis eerder een complexer beeld. Het Wereld Economisch Forum voorspelt bijvoorbeeld een ingrijpende herstructurering van de arbeidsmarkt in de komende jaren: het ontstaan van nieuwe rollen, het verdwijnen van andere en vooral een versnelde verandering in de vaardigheden die als “basis” worden beschouwd in de meeste banen. In hun meest recente rapport over de toekomst van werk wordt benadrukt dat een aanzienlijk deel van de huidige competenties moet worden bijgewerkt om zich aan te passen aan het nieuwe scenario. (World Economic Forum)
Daarnaast waarschuwen organisaties zoals het IMF dat kunstmatige intelligentie een grote invloed zal uitoefenen op een aanzienlijk aantal banen, vooral in ontwikkelde economieën waar automatisering vooral cognitieve en administratieve taken zal treffen. (Hugging Face)
In de praktijk betekent dit: je moet jezelf heruitvinden zonder dat je meteen volledig van sector hoeft te veranderen. Het houdt in dat je gaat kijken naar dat deel van je werk dat geautomatiseerd kan worden, dat waarvoor menselijk inzicht vereist blijft, en hoe je je eigen profiel kunt bijstellen naar taken met meer toegevoegde waarde.
Welke profielen zijn het meest bestand (en waarom)
Zonder magie te beloven, zijn er patronen zichtbaar:
- Werk met verantwoordelijkheid en risico: naleving, veiligheid, beslissingen met juridische of reputatierisico’s. Automatisering kan ondersteunen, maar de uiteindelijke beslissing blijft vaak bij mensen.
- Complex menselijke interactie: onderhandelen, leiderschap, crisismanagement, consultatieve verkoop, sociaal of medisch werk. Technologie helpt, maar vertrouwensrelaties blijven menselijk.
- Diepgaande vakkennis: specialisten die sectorervaring combineren met de vaardigheid om resultaten te valideren en fouten te detecteren.
- Toezicht en controle: profielen die processen kunnen ontwerpen en resultaten kunnen auditen (kwaliteitsbewaking, tracering, bias, privacy).
Daarentegen zijn de functies die het meest risico lopen niet “kantoorfuncties” in algemene zin, maar die gebaseerd zijn op herhaalbare procedures, eenvoudige metrics en een hoog volume aan vergelijkbare casussen.
Een ongemakkelijke realiteit: opleiding loopt achter op de ontwikkelingen
Het maatschappelijke probleem is niet alleen dat taken worden vervangen, maar ook dat er een kloof ontstaat tussen technologische vooruitgang en de tijd die mensen nodig hebben om zich opnieuw te scholen en te heroriënteren. Voor werknemers kost het tijd en middelen om van rol te veranderen. Voor bedrijven betekent herontwerp van processen en het opleiden van teams geld en leiderschap. Overheden weten zich vaak geen raad met het snel updaten van onderwijssystemen en actief arbeidsbeleid.
Hier ligt de kern van de zorgen van veel experts: als de technologische verbetering zo snel gaat dat het lijkt alsof de “verandering elke paar maanden verdubbelt”, dan kunnen organisatorische aanpassingen drastisch zijn. Niet omdat de gehele economie automatiseert, maar omdat bepaalde afdelingen (klantenservice, operations, administratie, contentmarketing, analysis) een snelle overgang kunnen doormaken.
Het ontstane beeld: minder vaste banen, meer hybride functies
Op korte termijn is het meest realistische scenario geen wereld zonder werk, maar een markt met meer hybride functies: mensen die hetzelfde doen, maar met nieuwe tools en andere verwachtingen.
- De supportmedewerker die voorheen 40 tickets per dag afhandelde, behandelt nu 120 tickets die door een assistent worden gegenereerd.
- De administratief medewerker die voorheen documenten volledig opmaakte, valideert nu concepten, controleert data en behandelt uitzonderingen.
- De analist die voorheen handmatig rapporten produceerde, richt zich nu op interpretatie, uitleg en besluitvorming.
In deze situatie is de voordeel niet “kunstmatige intelligentie gebruiken”, maar weten hoe je die tool met verstand inzet: gericht vragen stellen, fouten opsporen, data beveiligen en limieten begrijpen.
Veelgestelde vragen
Wat betekent het werkelijk dat kunstmatige intelligentie elke zeven maanden ‘de capaciteit verdubbelt’?
Het wordt meestal gezien als snelle productiviteitsverbetering: minder tijd nodig voor vergelijkbare taken, meer automatisering en minder toezicht bij repetitieve processen.
Welke banen lopen het meest gevaar in 2026?
De meest kwetsbare werkzaamheden zijn meestal die met routinematige taken, grote aantallen vergelijkbare cases en duidelijke regels: klantenservice van eerste lijn, repetitieve administratieve taken en delen van back office.
Hoe kan een werknemer zichzelf heruitvinden zonder volledig van sector te veranderen?
Door zich te specialiseren in processen waarbij toezicht nodig is: kwaliteitscontrole, review, naleving, veiligheid, complexe klantenservice of functies waarin zakelijk inzicht wordt gecombineerd met digitale vaardigheden.
Betekent automatisering altijd meer werkloosheid of kan het ook werk creëren?
Het kan beide veroorzaken: vervanging van werk in sommige functies, terwijl nieuwe rollen ontstaan in anderen. De snelheid van verandering en het vermogen om te omscholen zijn daarbij bepalend.
Bron: Geoffrey Hinton geeft opnieuw een alarm af: kunstmatige intelligentie ‘verdubbelt’ haar capaciteit elke paar maanden en zou de vervanging van banen in 2026 kunnen versnellen.