Meta en Klarna temperen AI-plannen: waarom automatisering mensen nodig blijft hebben

AI verandert de manier waarop bedrijven teams inrichten, maar Meta en Klarna laten zien waarom hele afdelingen vervangen door AI veel moeilijker is dan losse taken automatiseren. Meta stopte de voorbereiding van een tweede reorganisatieronde binnen Project OT na een eerste personeelsreductie. Klarna ging weer mensen voor klantondersteuning werven nadat een AI-first servicemodel tot minder goede resultaten leidde. 218

De gezamenlijke les is vooral praktisch, niet ideologisch: AI kan gestandaardiseerde en herhaalbare taken op grote schaal afhandelen. Maar organisaties hebben nog steeds mensen nodig om met onduidelijkheid om te gaan, uitkomsten te controleren, uitzonderingen op te lossen en de klantervaring te bewaken.

Meta: een visie op kleinere teams botst met de praktijk

Reuters meldde dat Meta's Project OT — kort voor Organization Transformation — was opgezet als een reorganisatie in twee rondes. Meta voerde in mei 2026 de eerste ronde uit, met een reductie van ongeveer 10% van het personeelsbestand, maar stopte vervolgens de voorbereiding van de latere ronde die voor november was voorzien. Meta bevestigde het bestaan van Project OT en omschreef het als een jaarlang programma voor kostenbesparingen, het herontwerpen van teams en het verschuiven van personeel naar prioritaire gebieden. 2

De ommezwaai is betekenisvol omdat het plan meer was dan een klassieke bezuinigingsoperatie. Het ging uit van veel kleinere groepen medewerkers, ondersteund door AI-agenten. Dat onderstreept een cruciaal verschil: meer concepten, code of taakresultaten produceren betekent niet automatisch dat een organisatie ook betrouwbaar producten kan opleveren.

In complexe werkprocessen moeten mensen nog altijd doelen bepalen, werk tussen systemen verbinden, resultaten testen, fouten herkennen en verantwoordelijkheid nemen wanneer er iets misgaat. Meta heeft zijn investeringen in AI en AI-ondersteund werk niet opgegeven. Wel veranderde het vertrouwen dat de mogelijkheden van AI-agenten een tweede brede personeelsreductie volgens het oorspronkelijke tijdpad konden rechtvaardigen. 2

Klarna: veel geautomatiseerde gesprekken is niet hetzelfde als goede service

Bij Klarna speelt hetzelfde vraagstuk aan de klantendienstkant. De AI-assistent van de Zweedse betaaldienstverlener verwerkte een groot deel van de standaardvragen, zoals vragen over betalingen, terugbetalingen en retouren. Maar Klarna stapte later af van een uitsluitend op AI gerichte koers en begon opnieuw menselijke supportmedewerkers te werven. 1720

Volgens berichtgeving over die koerswijziging erkende CEO Sebastian Siemiatkowski dat Klarna de menselijke capaciteit te hard had teruggebracht. Het probleem was niet dat AI geen nut had, maar dat geautomatiseerde service moeite had met complexe, dubbelzinnige of emotioneel beladen kwesties. Daar zijn onderzoek, afwegingsvermogen en empathie van ervaren mensen juist van belang. Klarna bouwde daarom weer menselijke supportcapaciteit op naast de automatisering. 1819

Dat onderscheid is bijzonder belangrijk voor klantcontact. Een systeem kan veelvoorkomende vragen snel oplossen, maar toch het vertrouwen schaden als klanten met een betwiste betaling, een uitzonderlijke situatie of een escalerend probleem niet snel een kundig persoon kunnen bereiken. Automatisering werkt pas goed als een duidelijke escalatieroute en menselijke verantwoordelijkheid in de dienstverlening zijn ingebouwd.

Het model dat opkomt: AI als versterking, niet als vervanger van elke functie

Samen wijzen beide voorbeelden op een duurzamer organisatiemodel:

• Automatiseer voorspelbare taken. AI is het nuttigst wanneer invoer gestandaardiseerd is, uitkomsten eenvoudig te controleren zijn en fouten goedkoop te herstellen zijn.
• Houd mensen bij beslismomenten. Mensen blijven essentieel wanneer een taak context over meerdere systemen, afwegingen, beoordelingsvermogen, verantwoordelijkheid of relatiemanagement vraagt.
• Bouw escalatie in het proces. Klantondersteuning en andere processen met grote gevolgen hebben een heldere overdracht aan gekwalificeerde medewerkers nodig, geen doodlopende geautomatiseerde lus.
• Meet resultaten, niet alleen activiteit. Meer gegenereerde code, snellere eerste reacties of een hoger aantal afgehandelde taken zeggen weinig als kwaliteit, oplossingen, veiligheid en klantvertrouwen verslechteren.

Dat betekent niet dat banen onveranderd blijven. Verandering komt waarschijnlijk via anders ingerichte teams, gewijzigde vaardigheidseisen en minder functies die uitsluitend om routinematig werk draaien — niet via een onmiddellijk einde van menselijk werk.

Arbeidsmarktdata wijzen op een verschuiving naar technische capaciteit

De bredere technologische arbeidsmarkt past bij dat beeld. SignalFire rapporteerde dat de werving bij grote technologiebedrijven 25% onder het niveau van 2019 lag, terwijl de werving van software-engineers 11% lager lag. Daardoor vormden software-engineers 55% van alle nieuwe aanstellingen bij die bedrijven, tegen 46% in 2019. 49

Dat bewijst niet dat AI iedere verschuiving in werving heeft veroorzaakt. De techarbeidsmarkt wordt ook beïnvloed door economische cycli en de personeelscorrecties na de pandemie. Wel blijkt dat kleinere organisaties technische expertise niet overbodig vinden. De behoefte verschuift juist naar mensen die geautomatiseerde systemen kunnen bouwen, inzetten, evalueren, beveiligen en begeleiden.

Het grootste risico op korte termijn: de opstap voor starters

Onderzoekers van het Stanford Digital Economy Lab vonden in administratieve loondata tot en met juni 2026 geen aanwijzingen voor grootschalige, economiebrede baanverdringing. Wel lag de werkgelegenheid onder 22- tot 25-jarigen in sterk aan AI blootgestelde beroepen 19% onder het niveau dat zij zou hebben bereikt als deze groep gelijke tred had gehouden met minder blootgestelde leeftijdsgenoten. Bij ervaren werknemers was geen vergelijkbare kloof zichtbaar, en de aanpassing leek vooral te komen door minder nieuwe aanstellingen, niet door meer ontslagen. 35

Die 19% is een relatieve achterstand bij het 'gelijke tred houden', geen telling van banen die AI rechtstreeks heeft geëlimineerd. Toch legt het een serieus probleem bloot: als AI delen van routinematig starterswerk overneemt, bieden bedrijven mogelijk minder kansen om de ervaring op te doen die nodig is om door te groeien naar seniorere functies.

Wat bedrijven van Meta en Klarna kunnen leren

De relevante vraag is niet langer óf een bedrijf AI moet gebruiken. De vraag is op welke plekken AI een proces beter kan maken zonder de menselijke vermogens weg te nemen die dat proces betrouwbaar maken.

De geschrapte tweede Meta-ronde en Klarna's hernieuwde werving voor support wijzen beide in dezelfde richting: toets automatisering op eindresultaten. Denk aan succesvolle productoplevering, correcte beslissingen, opgeloste klantvragen, klantvertrouwen en beheersbare herstelkosten. Waar AI goed werkt, kan het de slagkracht van een kleiner team vergroten. Waar onzekerheid of de gevolgen van fouten groot zijn, is de beste inrichting meestal mens-plus-AI — niet mensvrij.

AI verandert dus de samenstelling en slagkracht van teams. De bedrijven die er waarschijnlijk het meeste aan hebben, zien automatisering als een middel om menselijk werk beter te maken, niet als een snelle manier om het menselijke werk te omzeilen dat complexe producten en klantrelaties nog altijd vereisen.