Anthropic legt een ongemakkelijke waarheid bloot, hoe AI echt in de arbeidsmarkt snijdt
Anthropic, een van de grootste spelers in de technologiesector en vooral bekend van zijn Claude-taalmodellen, publiceerde een studie die de mist rond de toekomst wegneemt en de huidige impact van kunstmatige intelligentie op de wereldwijde arbeidsmarkt meet. De uitkomsten suggereren dat het niet langer gaat om handige digitale assistenten. Het gaat om structurele verschuivingen die de waarde van werk nu al in real time veranderen.
Meer dan simpele automatisering, AI als nieuwe collega
Volgens het rapport van Anthropic veegt AI nog niet op grote schaal complete beroepen van de kaart. Wat het wel doet, met de honger van een roofdier, is afzonderlijke taken opslokken. In sectoren waar het verplaatsen, verwerken en herstructureren van informatie de kern vormt, heeft kunstmatige intelligentie al tot 30 procent van het routinematige dagelijkse werk overgenomen.
Dat is belangrijk, omdat het de vorm van instapbanen verandert. Bedrijven namen vroeger jongere medewerkers aan om data te sorteren, eenvoudige teksten te schrijven en repetitief voorwerk te doen. Nu kan Claude, of een van zijn vele soortgenoten, veel daarvan in seconden afhandelen. De menselijke rol verdwijnt niet, maar verschuift. De werknemer wordt de beoordelaar, de redacteur, degene die de output van de machine controleert en beslist of die kan blijven staan.
Dat vraagt op zijn beurt om een heel ander type vaardigheid. Alleen uitvoeren weegt minder zwaar. Oordeelsvermogen, context en het vermogen om de machine te sturen worden belangrijker.
Loondruk en de productiviteitsparadox
Het rapport raakt ook een minder vrolijk punt. Hogere productiviteit betekent niet automatisch een hoger loon voor werknemers. Anthropic constateerde dat bedrijven de winst van AI eerder doorsluizen naar winst of verdere investeringen dan naar de loonstrook.
Zo begint de arbeidsmarkt in tweeën te splijten. Aan de ene kant staan AI-vaardige specialisten, mensen van wie de waarde stijgt omdat ze deze systemen kunnen aansturen met het zelfvertrouwen van een ervaren rallyrijder die een auto door een nat bosparcours loodst. Aan de andere kant staan traditionele uitvoerders, van wie de marktwaarde daalt omdat een machine vergelijkbare output sneller en goedkoper kan leveren.
Dat is de paradox in het hart van de huidige AI-boom. Bedrijven worden efficiënter. De output neemt toe. Kosten dalen. Toch voelt dat glanzende productiviteitsverhaal voor veel werknemers verdacht veel als een loonstop in een slimmer pak.
Gaan we richting technologische werkloosheid
In tegenstelling tot de meer theatrale doemprofeten blijft de analyse van Anthropic gematigd. Het rapport wijst erop dat technologie historisch gezien nieuwe soorten werk heeft gecreëerd, terwijl het oude vernietigde. Het verschil deze keer is de snelheid.
De verbrandingsmotor verving het paard over tientallen jaren. Grote taalmodellen, of LLM’s, stormden kantoren binnen in een kwestie van maanden. Juist dat tempo zorgt voor de echte sociale druk. Werknemers, werkgevers en onderwijssystemen moeten zich bijna van de ene op de andere dag aanpassen. In theorie klinkt dat netjes, in de praktijk is het rommeliger.
Industrieel gezien is de verschuiving eenvoudig te begrijpen. Een ingenieur hoeft aerodynamica niet langer op papier uit te rekenen. De echte taak is de AI vertellen wat de nieuwe carrosserielijn moet uitdrukken, welk gevoel die moet oproepen en aan welke beperkingen die moet voldoen. De machine rekent. De mens cureert.
Dat klinkt elegant, tot je bedenkt dat niet iedereen betaald wordt om te cureren. Veel mensen kregen betaald voor werk dat nu stilletjes verdwijnt in een promptvenster.
Aanpassen of onder de wielen belanden
De studie van Anthropic voelt minder als een voorspelling en meer als een wekker. AI is niet langer een nieuwigheid, of een speeltje voor technologieliefhebbers. Het is een economische kracht die de arbeidsmarkt nu al hervormt, met een botheid die doet denken aan de nasleep van een financiële schok.
De winnaars zijn degenen die leren deze modellen te beheersen, ze naar nuttige doelen te buigen en oordeelsvermogen bovenop automatisering te bouwen. De verliezers zijn degenen die ervan uitgaan dat oude routines nog waarde hebben, simpelweg omdat dat gisteren ook zo was.
Op een dag kijken ze misschien omlaag en zien ze dat de oude rails er nog liggen. Alleen is de trein al een tijd geleden vertrokken.