TL;DR
- Wat: Onderzoeksdata uit de VS en Nederland laten zien dat AI vooralsnog niet leidt tot massale werkloosheid onder starters — al verschuift het type werk dat beschikbaar is.
- Waarom relevant: Als ondernemer die starters aanneemt of overweegt, is het belangrijk om voorbij de krantenkoppen te kijken naar wat er écht verandert in de instroom.
- Wat je ermee kunt: Bekijk of de instaptaken binnen jouw bedrijf al verschuiven door AI, en wat dat betekent voor hoe je nieuwe medewerkers opleidt.
Ars Technica deelde deze week een opvallende stelling: AI zou starters hard raken, maar de werkloosheidscijfers laten dat tot nu toe niet zien. Ik vind het een interessant bericht, juist omdat het haaks staat op het gevoel dat veel ondernemers hebben. Reden genoeg om in de cijfers te duiken.
Wat de Amerikaanse cijfers zeggen
Een onderzoek van CESifo keek naar werkloosheid onder recent afgestudeerden (22-25 jaar, met een bachelordiploma) in de VS. De uitkomst: een werkloosheidspercentage van 7,3% in de zomer van 2026. Dat klinkt hoog, maar het valt binnen de bandbreedte van 6,3% tot 7,8% die in de zomers van 2022 tot 2024 werd gemeten. Met andere woorden: geen aantoonbare extra klap door AI.
De onderzoekers — Fairlie en Wu — vergeleken deze groep met leeftijdsgenoten zonder diploma en met oudere afgestudeerden (30-49), uitgesplitst naar beroepen met hoge en lage AI-blootstelling. Vrijwel geen van de verschillen was statistisch significant.
Maar — en dit is belangrijk — de onderzoekers noemen het zelf nadrukkelijk "een eerste test, geen eindoordeel". Stanford-onderzoek met loonstrookdata vond wél zwakte in specifieke instapfuncties die als AI-gevoelig worden beschouwd. Het verschil zit in de methode: brede werkloosheidscijfers versus gedetailleerde loondata per beroepsgroep.
Wat mij hier opvalt: het hangt er sterk van af hoe je meet. De grote lijnen zien er oké uit, maar als je inzoomt op specifieke functies — denk aan administratieve ondersteuning, eerste analyses schrijven, content maken — dan verschijnen er wel degelijk scheurtjes.
Remote werk als verborgen factor
Een verrassende bevinding uit een analyse van de Federal Reserve Bank of New York: de stijging van werkloosheid onder starters zit vooral in beroepen die op afstand uitgevoerd kunnen worden. De onderzoekers concluderen dat thuiswerk — niet AI — de grotere verklaring is voor de moeilijkheden die jonge werknemers ervaren.
De redenering: sinds de pandemie is remote werk vier keer zo gebruikelijk geworden. Maar het inwerken en begeleiden van onervaren medewerkers is op afstand lastiger. Werkgevers kiezen dan vaker voor iemand met ervaring die minder begeleiding nodig heeft.
Kun je je voorstellen wat dit betekent als je een klein team runt? Stel dat je als ondernemer een junior wilt aannemen, maar je team werkt grotendeels vanuit huis. Dan weeg je onbewust mee hoeveel begeleidingstijd dat kost — en kies je misschien voor een duurdere senior, of voor geen extra persoon.
Wat de Nederlandse cijfers laten zien
Ook in Nederland is het beeld genuanceerd. Economisch Statistische Berichten (ESB) analyseerde 2,2 miljoen afgestudeerden van 2016 tot 2024 en concludeert: voor de meeste starters verandert AI de arbeidsmarkt nog niet.
Maar er zijn uitzonderingen. Universitair afgestudeerden in bedrijfskunde — denk aan marketing, verkoop, management en finance — vormen de enige groep waarvoor zowel een verschuiving weg van AI-groeisectoren als een daling in werkgelegenheid zichtbaar is.
Intelligence Group signaleert daarnaast iets dat ik eerlijk gezegd nog interessanter vind dan werkloosheidscijfers: in kennisintensieve beroepen zoals juridische dienstverlening, administratie en marketing daalde het aantal startersvacatures de afgelopen jaren met 30 tot ruim 40%. Tegelijkertijd groeit de werkgelegenheid voor ervaren medewerkers in diezelfde sectoren.
Dat is geen massaontslag. Maar het is wel een verschuiving. De instapbanen verdwijnen niet doordat mensen ontslagen worden — ze worden simpelweg niet meer ingevuld.
Het echte risico: de leerfunctie van werk
Wat mij betreft zit het meest onderschatte risico niet in werkloosheidscijfers, maar in iets dat meerdere Nederlandse bronnen benoemen: het verdwijnen van de leerfunctie van instapwerk.
Generatieve AI neemt juist die taken over die traditioneel door starters werden gedaan: samenvatten, documenteren, eerste concepten schrijven, data ordenen. Dat zijn geen eindproducten — het zijn leermomenten. Door die taken te doen, bouwde een junior kennis op van het vak, de organisatie, de klant.
Als AI die taken overneemt, verdwijnt niet per se de baan, maar wel het leerpad. En dan ontstaat er over een paar jaar een ander probleem: een tekort aan mensen die de stap van junior naar medior hebben kunnen maken.
Wat betekent dit concreet?
Stel dat je als MKB-ondernemer een marketingmedewerker in dienst hebt die net is afgestudeerd. Vroeger leerde die persoon het vak door briefings samen te vatten, concurrentieanalyses te maken, eerste versies van teksten te schrijven. Als AI dat nu doet, wat doet die starter dan? En belangrijker: hoe leert die persoon dan het vak?
Ik denk dat dit een vraag is die elke ondernemer met starters in het team zich mag stellen. Niet omdat er een crisis is — de cijfers laten dat niet zien — maar omdat de manier waarop mensen het vak leren aan het verschuiven is, zonder dat daar bewust over wordt nagedacht.
Afstandelijkheid versus nabijheid
Er is nog iets dat me opvalt als ik al deze onderzoeken naast elkaar leg. Randstad meldt dat de verminderde vraag naar starters en junioren in Nederland niet primair door AI komt, maar door een combinatie van economische afkoeling en veranderende verwachtingen van werkgevers.
Dat sluit aan bij het Amerikaanse beeld: de arbeidsmarkt voor starters wordt krapper, maar de oorzaak is niet één ding. Het is een mix van economische cycli, remote werk, veranderende functie-eisen en — ja — AI die bepaalde taken overbodig maakt.
Voor mij is dit vooral een signaal dat de discussie over AI en banen te vaak wordt gevoerd in zwart-wit. De werkelijkheid is grijs, en de interessantste verschuivingen zitten niet in de werkloosheidscijfers maar in de inhoud van het werk zelf. Als ondernemer is dat precies waar je op moet letten: niet of je straks nog mensen kunt vinden, maar of de manier waarop je ze opleidt en inwerkt nog past bij hoe het werk er nu uitziet.
80% van de AI-projecten haalt productie nooit.
Ik bouw de 20% — van prototype naar draaiend systeem, binnen weken.