OpenAI publiceerde een rapport over AI en werk in Europa. Zulke rapporten trekken al snel grote woorden aan. Banen verdwijnen. Nieuwe banen ontstaan. De arbeidsmarkt verandert voorgoed.
Misschien. Maar als ondernemer heb je weinig aan grote woorden. Je wilt weten wat er maandag anders moet.
De bruikbare boodschap uit het rapport is wat mij betreft deze: AI verandert werk niet overal op dezelfde manier. Sommige taken worden makkelijker. Sommige taken komen onder druk te staan. Veel werk blijft bestaan, maar wordt anders ingericht.
Dat laatste is voor MKB waarschijnlijk het belangrijkst.
Geen banenpaniek, wel taakhygiëne
OpenAI gebruikt Europese beroepsdata om werk in categorieën te plaatsen. Een deel van het werk kan groeien door AI. Een deel heeft meer kans op automatisering. Een flink deel zal vooral anders georganiseerd worden. En bij bijna de helft verwacht OpenAI op korte termijn minder directe verandering.
Die percentages zijn interessant voor beleidsmakers. Voor ondernemers is de les eenvoudiger: kijk niet alleen naar functies, kijk naar taken.
Een functie als administratief medewerker, planner, marketeer of adviseur verdwijnt niet ineens omdat er AI bestaat. Maar binnen zo’n functie kunnen losse taken wel veranderen. Samenvatten, overtypen, controleren, sorteren, een eerste antwoord maken, informatie uit documenten halen. Dat soort werk is gevoelig voor AI-hulp.
De vraag is dus niet: welke baan gaat AI vervangen?
De betere vraag is: welke stukken werk doen we straks anders?
Technologie gaat sneller dan gewoontes
Een zin uit het rapport bleef hangen: AI-mogelijkheden kunnen snel over grenzen heen bewegen, maar banen veranderen niet zonder wrijving.
Dat klopt. Een nieuwe tool is zo aangezet. Maar je bedrijf verandert pas als mensen hun gewoontes aanpassen. Als duidelijk is welke data gebruikt mag worden. Als iemand verantwoordelijk blijft voor het eindresultaat. Als er afspraken zijn over controle.
Daar gaat het vaak mis. Niet bij de techniek, maar bij de overgang van demo naar dagelijks werk.
Iedereen kan een keer ChatGPT gebruiken. De vraag is of je er een betrouwbaar werkproces van maakt.
Een voorbeeld uit de praktijk
Neem een bedrijf dat veel klantvragen krijgt. De mails verschillen, maar het werk erachter lijkt vaak op elkaar. Iemand leest de vraag, zoekt klantgegevens, bepaalt urgentie, schrijft een antwoord en zet eventueel een taak klaar.
AI kan daar helpen. Niet door zelfstandig de klantrelatie over te nemen, maar door voorwerk te doen. Een samenvatting maken. Ontbrekende informatie aanwijzen. Een conceptreactie schrijven. Eerdere afspraken erbij zoeken. Aangeven waar twijfel zit.
De medewerker blijft nodig. Sterker nog, die wordt belangrijker op de momenten waar het telt: beoordelen, prioriteren, toon aanvoelen, uitzonderingen herkennen.
Dat is een ander soort werk. Minder administratie, meer regie.
Wat moet je als ondernemer nu doen?
Ik zou niet beginnen met een AI-beleidsdocument van twintig pagina’s. Begin kleiner.
Kies drie terugkerende werkzaamheden in je bedrijf. Bijvoorbeeld aanvragen verwerken, offertes voorbereiden, klantvragen beantwoorden, documenten controleren of interne kennis terugvinden. Zet per werkzaamheid op papier waar het binnenkomt, welke stappen iemand doet, welke gegevens gevoelig zijn en waar een mens altijd moet beslissen.
Dat hoeft niet mooi. Een simpel document of whiteboard is genoeg.
Daarna zie je vaak vanzelf waar AI nuttig kan zijn. Soms is dat alleen samenvatten. Soms een concept maken. Soms gegevens uit een document halen. Soms blijkt vooral dat je mappen, formulieren of afspraken eerst moet opruimen.
Ook dat is winst. Een bedrijf dat zijn processen niet kan uitleggen, kan ze ook moeilijk automatiseren.
AI-geletterdheid is meer dan prompttraining
Veel bedrijven denken bij AI-geletterdheid aan een workshop prompts schrijven. Dat is een deel, maar niet de kern.
Mensen moeten vooral leren wanneer AI bruikbaar is en wanneer niet. Welke informatie je wel of niet invoert. Hoe je een antwoord controleert. Wanneer je bronnen nodig hebt. Wanneer je zegt: dit besluit blijft menselijk.
Dat klinkt misschien minder spannend dan een nieuwe tool. Maar het maakt het verschil tussen een los experiment en veilig gebruik in het echte werk.
Voor kleine teams is dat extra belangrijk. Eén fout antwoord, één verkeerd verstuurde mail of één slordig gebruik van klantdata kan meteen impact hebben.
De kans voor MKB
Grote bedrijven maken uitgebreide programma’s voor AI-transitie. MKB hoeft dat niet na te doen. Het voordeel van een klein team is juist dat je sneller kunt kijken waar het knelt.
Waar blijft werk liggen? Waar herhalen mensen steeds dezelfde handeling? Waar wachten klanten op antwoord? Waar zoekt iedereen naar dezelfde informatie? Waar worden fouten gemaakt omdat gegevens verspreid staan?
Daar begint AI-adoptie. Niet bij het grootste model, maar bij herkenbaar werk.
Als je dat goed doet, wordt AI geen bedreiging in abstracte zin. Het wordt een aanleiding om slimmer te werken. Met mensen die blijven beslissen, maar minder tijd kwijt zijn aan het voorwerk.
Een goede eerste stap
Plan een uur met je team. Kies één proces dat vaak terugkomt en irritatie oplevert. Schrijf het uit alsof je het aan een nieuwe collega uitlegt. Geen vaktaal, geen schema’s voor de vorm. Gewoon: dit komt binnen, dit doen we, hier gaat het mis, hier moet iemand akkoord geven.
Daarna kun je pas eerlijk beoordelen of AI iets toevoegt.
En als het antwoord ja is, begin dan klein. Laat AI eerst helpen met ordenen, samenvatten of voorbereiden. Publiceren, versturen, betalen of beslissen komt later pas. Als het al komt.