Automatisering met kunstmatige intelligentie wordt vaak voorgesteld als een technische beslissing: een bedrijf identificeert een repetitieve taak, delegeert deze aan een model of agent, verlaagt de kosten en wint aan efficiëntie. Maar een nieuw academisch onderzoek biedt een ongemakkelijkere interpretatie voor de tech-sector: het probleem ligt niet in het verkeerd gebruiken van AI, maar in het feit dat ze precies wordt ingezet zoals het op korte termijn het meest voordeliger is voor de bedrijven.
De studie The AI Layoff Trap, geschreven door Brett Hemenway Falk van de Universiteit van Pennsylvania en Gerry Tsoukalas van Boston University, modelleert een overgangseconomie richting AI-automatisering. Hun conclusie is duidelijk: wanneer veel bedrijven gelijktijdig werknemers vervangen door geautomatiseerde systemen, profiteert elk bedrijf van de kostenbesparing, maar geen van hen neemt volledig de vraag op zich die verdwijnt door het weghalen van salarissen. Dit verschil creëert een race naar automatisering die voor elke individuele onderneming rationeel is, maar collectief schadelijk kan zijn.
Het probleem ligt niet in het model, maar op de markt
De publieke discussie over AI en werk richt zich meestal op de vraag of modellen goed genoeg zijn om menselijke taken te vervangen. Het artikel verschuift de vraag. Zelfs als AI functioneert, zelfs als het de productiviteit verhoogt en kosten verlaagt, kan er een val ontstaan als werknemers die worden vervangen niet snel nieuwe inkomens vinden.
In zo’n scenario wordt de kost die gepaard gaat met ontslagen niet alleen een eliminatie van een kostenlijn. Werknemers zijn ook consumenten. Ze kopen producten, betalen voor diensten, sluiten abonnementen af, reizen, financieren hypotheken of consumeren technologie. Wanneer een bedrijf ontslagen laat vallen, wordt de vraagimpact verdeeld over de hele markt. Als veel bedrijven tegelijk ontslaan, kan de daling van de vraag systemisch worden.
| Technologische beslissing | Zakelijke interpretatie | Economisch effect dat wordt genegeerd |
|---|---|---|
| Scrip-support vervangen door agents | Lagere operationele kosten | Minder lonen dat terugkeert als consumptie |
| Automatisering van juniorprogrammeurs | Meer output per senior-ingenieur | Verminderde instroom op de arbeidsmarkt |
| AI in back-office gebruiken | Goedkopere processen | Verlies koopkracht |
| Middelhoofdstukken verminderen | Meer slanke structuur | Minder vraag in massaconsumptie |
| Automatiseren terwijl concurrenten ook automatiseren | Concurrentiedefensie | Collectieve race naar minder vraag |
Het mechanisme lijkt op een beloningsbug. Voor een enkele onderneming kan automatisering kloppen als strategische zet. Voor de hele economie tezamen kan het echter destructief zijn als er niet gelijktijdig nieuwe taken en banen ontstaan, omdat de productiviteit groeit terwijl de vraag afneemt door het dalende koopgedrag.
Waarom agent-gestuurde AI het probleem relevanter maakt
De thesis krijgt meer gewicht in het tijdperk van agent-AI. Een traditionele chatbot kon helpen bij schrijven, samenvatten of antwoorden geven. Een agent kan meerdere acties achter elkaar uitvoeren: repositories lezen, taken uitvoeren, tools coördineren, API’s aanroepen, documenten voorbereiden, tickets oplossen, contracten controleren of hele workflows automatiseren. De vervanging betreft niet alleen losse taken, maar volledige werkprocessen.
Dit vergroot de schaal. Toen automatisering langzaam, duur en onvolledig was, had de arbeidsmarkt tijd om de impact op te vangen. Met AI-agenten kan de uitrol veel sneller plaatsvinden. SaaS-aanbieders kunnen support verminderen. Fintech-bedrijven kunnen documentcontrole automatiseren. Consultants kunnen meer leveren met minder analisten. Development teams kunnen meer opleveren met minder juniorprofielen.
| Type automatisering | Snelheid van impact | Belangrijkste risico |
| Traditionele software | Geleidelijk | Gedeeltelijke procesvervanging |
| Robotic Process Automation (RPA) | Matig | Herhalende taken automatiseren |
| Generatieve AI | Snel | Cognitieve taken reduceren |
| Agent-AI | Zeer snel | Volledige workflows vervangen |
| Agents gekoppeld aan tools | Doorlopend | Autonome automatisering die moeilijk te stoppen is |
Het onderzoek zegt niet dat elke automatisering slecht is. Integendeel, het erkent dat technologie historisch gezien nieuwe taken en banen heeft gecreëerd. Het verschil ligt in het tempo. Als nieuwe banen niet snel genoeg ontstaan, groeit de productiviteit terwijl de vraag verslechtert.
Het dilemma van de techbedrijven: een prisoner’s dilemma
De kracht van het model ligt vooral in situaties waarin automatisering goedkoper en gemakkelijker wordt. Het wordt dan een soort prisoner’s dilemma: als alle bedrijven automatiseren, kunnen ze de vraag beter intact houden. Maar elk bedrijf heeft een eigen incentive om dat eerder te doen dan de concurrenten.
Als een bedrijf niet ontslaat en de concurrenten wel, kan het kostenvoordeel verliezen. Als iedereen ontslaat, is er geen duurzame structurele voorsprong, maar wordt de markt als geheel verzwakt. Het resultaat is niet een nette arbeidsmigratie naar kapitaal, maar een nettoverlies voor werknemers en bezitters, volgens het model.
| Optie | Privé-uitkomst | Collectieve uitkomst |
| Niet automatiseren terwijl anderen dat wel doen | Verliest concurrentiekracht | Behoudt enige vraag |
| Automatiseren voordat anderen dat doen | Tijdelijk margevoordeel | Deel van het nadeel wordt naar de markt verschoven |
| Alle automatiseren | Neutraliseert concurrentievoordelen | Vermindert de totale vraag |
| Gecoördineerde begrenzing | Beter collectief resultaat | Moelijk te onderhouden zonder regels |
Concurrentie versterkt dit probleem: hoe meer bedrijven meeding, hoe kleiner de internalisierte vraagdaling per bedrijf. In een monopolistisch situatie draagt één bedrijf de hele vraagdaling zelf. In een gefragmenteerde markt denken velen dat hun bijdrage klein is.
De valkuil van standaardmaatregelen
Het onderzoek bekijkt verschillende bekende voorstellen: universeel basisinkomen, kapitaalbelasting, winstdeling met werknemers, omscholing, afspraken tussen bedrijven en private onderhandelingen. Veel ervan kunnen de maatschappelijke schade verzachten, maar lossen het onderliggende incentiveprobleem niet op dat bedrijven aanspoort tot overmatige automatisering.
Bijvoorbeeld, een universeel basisinkomen kan het inkomens- en consumptieniveau op peil houden, maar verandert niet de besluitvorming van een bedrijf of het afweging maakt tussen menselijke arbeid of AI. Evenzo beïnvloedt een belasting op winsten niet direct de beslissing om een taak te automatiseren, omdat die zich richt op resultaat, niet op marges.
| Beleid | Wat kan het doen | Beperkingen in het model |
| Universeel basisinkomen | Inkomen en vraag ondersteunen | Verandert niet de automatiseringsprikkel |
| Kapitaalbelasting | Inkomsten uit kapitaal belasten | Heeft geen invloed op individuele taken |
| Om- en bijscholing | Werknemers herplaatsen | Afhankelijk van snelheid en kwaliteit van nieuw werk |
| Aandelenparticipatie | Rente herverdelen naar werknemers | Beperkt de kloof, maar lost het niet volledig op |
| Bedrijfsafspraken | Beperkte coördinatie | Niet stabiel als automatiseren de dominante strategie is |
| Impuesto op automatisering | Kosten van automatisering beïnvloeden | De theoretische oplossing volgens het model |
Het enige instrument dat volgens het model de externe kosten kan internaliseren, is een pigouviaanse belasting op automatisering: een heffing per geautomatiseerde taak ter hoogte van de vraag die het elimineert en waarvoor de onderneming niet betaalt. Dit principe lijkt op een milieubelasting. Als een privébeslissing externaliteiten veroorzaakt, kan de overheid dit internaliseren via belastingen.
De praktische uitdaging: wat is automatiseren?
Het voorstel is elegant in theorie, maar moeilijk in de praktijk. Wat telt als een geautomatiseerde taak? Is een agent die een werknemer ondersteunt of vervangt? Een hulpmiddel dat de productiviteit verhoogt of een complete functie vervangt? Hoe meet je de verloren vraag als de werknemer na zes maanden een nieuwe baan heeft? Wat als een bedrijf automatiseert in het eigen land en verkoopt in een ander?
Deze vragen zijn relevant omdat AI-automatisering niet altijd zichtbaar is als een robot die een persoon vervangt. Het komt vaak in de vorm van softwareverbeteringen, nieuwe functionaliteit in SaaS-producten, integraties met modellen, interne agents of minder toekomstige aanwervingen. Het meten van ontslagen is eenvoudiger dan het bepalen van posities die nooit zijn uitgestart.
| Uitdagingen in toepassing | Voorbeeld |
| Definiëren van een geautomatiseerde taak | Een agent voert 40% van het werk van een analist uit |
| Verschil tussen vervanging en assistentie | AI helpt vijf mensen, maar verwijdert twee banen |
| Meten van verloren inkomsten | De werknemer kan nieuw werk vinden |
| Verhinderen van offshoring | Automatisering wordt verplaatst naar ander rechtsgebied |
| Reële productiviteit bepalen | AI verlaagt kosten, maar ook kwaliteit | Indirecte effecten controleren | Minder jonge aanwervingen beïnvloeden toekomstig talent |
Daarom moet het belastinginstrument niet worden gezien als een directe maatregel, maar als een signaling mechanisme: als bedrijven niet betalen voor de externaliteit van de vraag die ze veroorzaken, kunnen ze te ver gaan in automatisering. Concrete beleidsmaatregelen moeten zich richten op het beïnvloeden van het beslissingsmarge, niet enkel op het compenseren van schade achteraf.
Wat betekent dit voor de techsector?
Voor de technologische industrie is deze analyse confronterend omdat het afbreuk doet aan hun verhaal dat automatisering altijd nieuwe markten, nieuwe banen en meer productiviteit creëert. Het kan op lange termijn nog steeds waar zijn, maar het onderzoek waarschuwt dat de overgang te snel kan gaan en zonder mechanismen om nieuwe banen te re-integreren.
De risico’s zijn vooral zichtbaar in gebieden waar AI snel cognitief werk vervangt, zoals bij juniorprogrammeurs, supportmedewerkers, analisten, marketingmedewerkers, operationele functies en klantenservice. Als veel van deze functies verdwijnen, verliest de markt niet alleen werk, maar ook leermogelijkheden, interne promoties en talentontwikkeling.
| Gebied binnen tech | Risico op snelle automatisering |
| Juniorontwikkeling | Minder instroom en opleiding van talent |
| Technisch support | Minder posities in klantenservice |
| Quality assurance en testing | Gedeeltelijk vervanging door agents |
| Operationeel marketing | Automatisering van campagnes en content |
| Back-office SaaS | Vermindering van administratieve teams |
| Technologieconsulting | Meer deliverables met minder basisprofielen |
De vraag voor techbedrijven is niet of ze AI moeten gebruiken, maar hoe ze voorkomen dat adoptie een race wordt om personeelsredundantie zonder een doordacht transitieplan. Elke individuele automatisering kan gerechtvaardigd zijn, maar als duizenden bedrijven tegelijk automatiseren, ontstaat het risico op collectieve negatieve effecten.
Een waarschuwing voor investeerders en leiders
Het onderzoek heeft ook een financieel perspectief. Als een bedrijf meer automatisering aankondigt, kan de markt dat belonen door kostenbesparing. Maar als het hele veld hetzelfde pad volgt, kan de totale vraag afnemen. Het risico voor investeerders is dat verbeteringen in marges worden verwart met duurzame groei van het geheel.
In sectoren zoals software, e-commerce, digitale consumptie en massadiensten hangt de vraag af van huishoudens met banen en inkomen. Interne automatisering kan op korte termijn de EBITDA verbeteren, maar een verslechterde arbeidsmarkt kan de omzet, abonnementen en bestedingen verminderen. AI ondermijnt die onderliggende relatie niet automatisch.
Voor leiders betekent dit dat automatisering niet alleen op kosten, maar op bredere metrics moet worden beoordeeld: kosten per taak, kwaliteit, klantimpact, reputatierisico, interne herintegratiecapaciteit en talentontwikkeling. Niet elke personeelsreductie is een duurzame efficiëntiewinst.
De niet-inevitabele eindconclusie
Het is belangrijk om het verschil te benadrukken. The AI Layoff Trap bewijst niet dat de economie onvermijdelijk zal instorten door AI. Het schetst wel dat onder bepaalde aannames een competitieve val kan ontstaan door overautomatisering. Als ontslagen werknemers nieuw werk vinden, als AI nieuwe taken creëert, als lonen zich herplooien zonder de meeste mensen te verarmen, en als beleid de inkomens voldoende herverdeelt, kan de crisis worden voorkomen.
Maar de waarschuwing blijft relevant, omdat het verder gaat dan de algemene angst voor technologie. Het zegt niet alleen dat AI banen zal weghalen, maar dat het de vraag naar de vraag zelf kan ondermijnen, als de overgang enkel wordt aangedreven door private incentives.
Voor de techsector betekent dit dat de uitrol van agent-AI niet alleen een kwestie is van API’s, benchmarks en productiviteit, maar ook een fundamentele kwestie van economische architectuur. Als technologie meer kan produceren met minder mensen, moet je je afvragen: wie heeft straks genoeg inkomen om te kopen wat wordt gemaakt?
AI kan een krachtige tool voor productiviteitsverhoging zijn, maar zonder vraag geen welvaart. Het Falk en Tsoukalas-onderzoek herinnert eraan dat de economie niet kapot gaat wanneer een enkele organisatie automatiseert. Het kan wel falen als alle bedrijven tegelijk automatiseren, volgens dezelfde rationele logica en zonder een mechanisme dat de basis van consumenten in stand houdt.
Veelgestelde vragen
Wat stelt The AI Layoff Trap voor?
Het ontwikkelt een model waarin bedrijven rationeel meer automatiseren dan optimaal, omdat ze kosten willen besparen, maar slechts een deel van de vraag verdringen door werknemers weg te halen.
Is dit een voorspelling van een economische ineenstorting?
Nee. Het is een theoretisch model met aannames. Het toont wel een risico op incentives voor overautomatisering als de arbeidsmarkt de vraag niet snel genoeg kan absorberen.
Waarom is dit vooral relevant voor agent-AI?
Omdat agenten volledige workflows kunnen automatiseren, niet alleen losse taken, wat veel sneller ontslagen kan veroorzaken of minder nieuwe banen kan genereren in meerdere sectoren.
Welke oplossing stelt het model voor?
De enige theoretische maatregel die het externe effect internaliseert, is een pigouviaanse belasting per geautomatiseerde taak, gebaseerd op de vraag die die taak elimineert.