Het vierdimensionale analysemodel

Het raamwerk gaat verder dan eenvoudige 'AI-blootstellings'-metingen door vier dimensies te combineren :

• Technische AI-capaciteit – Of huidige AI-systemen (GPT-4-klasse modellen) de kerntaken van een beroep op of boven het mediane menselijke niveau kunnen uitvoeren. GPT-4-klasse modellen presteren op of boven het mediane menselijke niveau bij 60–80% van de kantoor taken .
• Menselijke noodzaak – Of het beroep wettelijke verplichtingen, relationeel vertrouwen of fysieke aanwezigheid vereist die het beschermt tegen volledige automatisering. Regelgevende (rechters, advocaten in de rechtszaal), relationele (leraren, therapeuten, hospice-verpleegkundigen) en fysieke (loodgieters, elektriciens, zorgverleners) factoren creëren beschermende grachten .
• Vraagelasticiteit – Of het beroep te maken heeft met inelastische vraag (vaste behoefte ongeacht de kosten) of elastische vraag die zou kunnen groeien naarmate AI de kosten verlaagt .
• Waargenomen ChatGPT-gebruik – Gevalideerd op basis van daadwerkelijke adoptiepatronen; werknemers in de meest automatiseringgevoelige rollen (data-entry medewerkers, accountants) gebruiken AI voor drie keer zoveel van hun relevante verantwoordelijkheden in vergelijking met degenen in minder kwetsbare rollen .

De vier transitie-archetypen

Gecombineerd en gevalideerd sorteren deze dimensies elk beroep in vier categorieën :

1. Hoog automatisieringsrisico (~18% van de Amerikaanse banen) – Hoge AI-blootstelling, zwakke menselijke noodzaak, inelastische vraag. Denk aan data-entry, boekhouding, klantenservice, kassiers, juridisch ondersteunend werk en classificatie-medewerkers. Dit zijn de rollen die naar verwachting op korte termijn het meest waarschijnlijk zullen verdwijnen.

2. Zal reorganiseren (~24% van de banen) – Hoge AI-blootstelling, sterke menselijke noodzaak. De taaksamenstelling verschuift aanzienlijk, maar menselijke werknemers blijven essentieel voor de kernfuncties op relationeel, regelgevend of fysiek vlak. Het aantal banen kan dalen, zelfs terwijl de rol blijft bestaan.

3. Zal groeien/uitbreiden (~12% van de banen) – Hoge AI-blootstelling in combinatie met elastische vraag. AI verlaagt de kosten en vergroot de markt, wat meer banen creëert. Voorbeelden zijn rollen waarin AI fungeert als productiviteitsvermenigvuldiger in groeiende sectoren.

4. Relatief onaangetast (~46% van de banen) – Lage AI-blootstelling, vaak vanwege fysieke, relationele of regelgevende barrières. Deze beroepen zien op korte termijn minimale AI-impact.

VS versus EU: 18% tegen 14%

Het OpenAI-raamwerk schat dat ongeveer 18% van de Amerikaanse banen een relatief hoger risico loopt op kortetermijn automatisering . Voor de EU vindt een aparte analyse van CEDEFOP (het Europees Centrum voor de Ontwikkeling van de Beroepsopleiding, een EU-agentschap) dat ongeveer 14% van de volwassen EU-werknemers een zeer hoog automatisieringsrisico loopt . Dit risico is geconcentreerd in routinematige banen met weinig vraag naar transversale en sociale vaardigheden, en is hoger onder mannelijke werknemers .

Belangrijke kanttekening: Het EU-cijfer van 14% komt van CEDEFOP's onafhankelijke methodologie voor vaardigheidsbehoeften, niet rechtstreeks van OpenAI's raamwerk. De richting is echter consistent: de meer gereguleerde arbeidsmarkten van de EU, de sterkere sociale bescherming en de andere beroepenmix leiden tot een lager aandeel automatisering dan in de VS.

Verschillen tussen landen

Een analyse van Coface uit april 2026 brengt de aan automatisering blootgestelde taakinhoud in kaart :

• Landen met het hoogste risico: Luxemburg, het Verenigd Koninkrijk, Zwitserland, Nederland, Noorwegen en Denemarken. De percentages lopen uiteen van ~12% in Turkije tot bijna 20% in het VK .
• Luxemburg, Zweden en Nederland hebben doorgaans een groter aandeel groeigerichte, hoogwaardige dienstverleningsbanen, maar ook een hoge AI-blootstelling in de financiële en professionele dienstensector.
• Duitsland, Griekenland en Italië hebben een ander risicoprofiel: een groter aandeel in de industrie, routineus administratief werk en een lagere penetratie van digitale diensten. Het automatiseringspotentieel is daarom hoger in de verhandelbare goederensectoren .

Het OpenAI EU Economic Blueprint 2.0 uit januari 2026 segmenteert landen verder op AI-penetratie en intensiteit van gebruik. Litouwen en Letland vallen op door een combinatie van zowel hoge bevolkingspenetratie als hoog intensief gebruik van geavanceerde AI-denkcapaciteiten, terwijl andere EU-landen aanzienlijk achterlopen in diffusie .

Beleidscontext: Chatterji in Brussel, de EU AI Act en banenverschuiving

Ronnie Chatterji werd in oktober 2024 benoemd tot eerste Chief Economist van OpenAI. Zijn kernboodschap is dat de economie zich in de "tussentijd" bevindt – de meeste mensen gebruiken AI momenteel als aanvulling, niet als vervanging . Eind juni 2026 is Chatterji in Europa voor een reeks hoogwaardige gesprekken, waaronder een POLITICO Europe evenement getiteld "AI and the future of work: Is the EU prepared for the transition?" .

Belangrijke beleidsspanningen:

• OpenAI was de eerste in de VS gevestigde AI-ontwikkelaar die de EU AI Act General Purpose Code of Practice ondertekende .
• De Carnegie Endowment stelt dat er naast de AI Act een "toegewijd Europees arbeidstransitiekader nodig is, idealiter ingebed in de EU-begroting 2028–2034" .
• De Europese Commissie merkt op dat AI en digitale technologieën "de werkgelegenheid in Europa naar verwachting zullen doen toenemen, maar dat de winst ongelijk zal zijn. Deze zal vooral ten goede komen aan hoogopgeleiden, mensen in de bloei van hun leven en vrouwen, terwijl laagopgeleiden, jongeren en structureel zwakkere regio's kwetsbaarder blijven."

ECB-enquête: beperkt intensief AI-gebruik

De ECB's Survey on the Access to Finance of Enterprises (SAFE) voor het vierde kwartaal van 2025, onder meer dan 5.000 bedrijven in de eurozone, biedt een realiteitscheck van de AI-adoptiediepte :

• Meer dan 70% van de bedrijven gebruikt AI in een of andere vorm .
• Slechts ongeveer 7% van de bedrijven gebruikt AI echter intensief genoeg om hun productie, innovatie en concurrentievermogen te veranderen .
• De uitsplitsing: 27% gebruikt geen AI; 33% gebruikt het zeer onregelmatig; 31% matig; slechts 7–9% intensief .
• Er is een aanzienlijke investeringskloof: de meeste bedrijven gebruiken AI, maar weinig investeren daadwerkelijk in speciale AI-infrastructuur. Bedrijven die wel investeren, zijn van plan om in 2026 gemiddeld 9% van hun totale investeringen aan AI te besteden .
• De ECB concludeert dat "diffusie snel toeneemt", maar dat de kloof tussen incidenteel gebruik en transformatieve integratie nog zeer groot is .

Inspanningen van de EU voor technologische soevereiniteit

Het EU Economic Blueprint 2.0 van OpenAI (januari 2026) plaatst het Europese AI-concurrentievermogen expliciet in het kader van soevereiniteit . Het segmenteert EU-landen op AI-penetratie en hoogintensief gebruik van geavanceerde 'denk'-capaciteiten, waarbij slechts een klein aantal landen (Litouwen, Letland) brede toegang combineert met diepe diffusie. De bredere strategische push – "technologische soevereiniteit" – wordt weerspiegeld in EU-investeringsplannen voor AI-infrastructuur, de reguleringsambitie van de AI Act en oproepen van organisaties als de Carnegie Endowment voor een geoormerkte EU-begrotingslijn voor arbeidstransities in het Meerjarig Financieel Kader 2028–2034 . De Europese Commissie waarschuwt dat zonder gericht beleid structureel zwakkere regio's en lager geschoolde werknemers achterop raken .

Het vierdimensionale analysemodel

Het raamwerk gaat verder dan eenvoudige 'AI-blootstellings'-metingen door vier dimensies te combineren :

• Technische AI-capaciteit – Of huidige AI-systemen (GPT-4-klasse modellen) de kerntaken van een beroep op of boven het mediane menselijke niveau kunnen uitvoeren. GPT-4-klasse modellen presteren op of boven het mediane menselijke niveau bij 60–80% van de kantoor taken .
• Menselijke noodzaak – Of het beroep wettelijke verplichtingen, relationeel vertrouwen of fysieke aanwezigheid vereist die het beschermt tegen volledige automatisering. Regelgevende (rechters, advocaten in de rechtszaal), relationele (leraren, therapeuten, hospice-verpleegkundigen) en fysieke (loodgieters, elektriciens, zorgverleners) factoren creëren beschermende grachten .
• Vraagelasticiteit – Of het beroep te maken heeft met inelastische vraag (vaste behoefte ongeacht de kosten) of elastische vraag die zou kunnen groeien naarmate AI de kosten verlaagt .
• Waargenomen ChatGPT-gebruik – Gevalideerd op basis van daadwerkelijke adoptiepatronen; werknemers in de meest automatiseringgevoelige rollen (data-entry medewerkers, accountants) gebruiken AI voor drie keer zoveel van hun relevante verantwoordelijkheden in vergelijking met degenen in minder kwetsbare rollen .

De vier transitie-archetypen

Gecombineerd en gevalideerd sorteren deze dimensies elk beroep in vier categorieën :

1. Hoog automatisieringsrisico (~18% van de Amerikaanse banen) – Hoge AI-blootstelling, zwakke menselijke noodzaak, inelastische vraag. Denk aan data-entry, boekhouding, klantenservice, kassiers, juridisch ondersteunend werk en classificatie-medewerkers. Dit zijn de rollen die naar verwachting op korte termijn het meest waarschijnlijk zullen verdwijnen.

2. Zal reorganiseren (~24% van de banen) – Hoge AI-blootstelling, sterke menselijke noodzaak. De taaksamenstelling verschuift aanzienlijk, maar menselijke werknemers blijven essentieel voor de kernfuncties op relationeel, regelgevend of fysiek vlak. Het aantal banen kan dalen, zelfs terwijl de rol blijft bestaan.

3. Zal groeien/uitbreiden (~12% van de banen) – Hoge AI-blootstelling in combinatie met elastische vraag. AI verlaagt de kosten en vergroot de markt, wat meer banen creëert. Voorbeelden zijn rollen waarin AI fungeert als productiviteitsvermenigvuldiger in groeiende sectoren.

4. Relatief onaangetast (~46% van de banen) – Lage AI-blootstelling, vaak vanwege fysieke, relationele of regelgevende barrières. Deze beroepen zien op korte termijn minimale AI-impact.

VS versus EU: 18% tegen 14%

Het OpenAI-raamwerk schat dat ongeveer 18% van de Amerikaanse banen een relatief hoger risico loopt op kortetermijn automatisering . Voor de EU vindt een aparte analyse van CEDEFOP (het Europees Centrum voor de Ontwikkeling van de Beroepsopleiding, een EU-agentschap) dat ongeveer 14% van de volwassen EU-werknemers een zeer hoog automatisieringsrisico loopt . Dit risico is geconcentreerd in routinematige banen met weinig vraag naar transversale en sociale vaardigheden, en is hoger onder mannelijke werknemers .

Belangrijke kanttekening: Het EU-cijfer van 14% komt van CEDEFOP's onafhankelijke methodologie voor vaardigheidsbehoeften, niet rechtstreeks van OpenAI's raamwerk. De richting is echter consistent: de meer gereguleerde arbeidsmarkten van de EU, de sterkere sociale bescherming en de andere beroepenmix leiden tot een lager aandeel automatisering dan in de VS.

Verschillen tussen landen

Een analyse van Coface uit april 2026 brengt de aan automatisering blootgestelde taakinhoud in kaart :

• Landen met het hoogste risico: Luxemburg, het Verenigd Koninkrijk, Zwitserland, Nederland, Noorwegen en Denemarken. De percentages lopen uiteen van ~12% in Turkije tot bijna 20% in het VK .
• Luxemburg, Zweden en Nederland hebben doorgaans een groter aandeel groeigerichte, hoogwaardige dienstverleningsbanen, maar ook een hoge AI-blootstelling in de financiële en professionele dienstensector.
• Duitsland, Griekenland en Italië hebben een ander risicoprofiel: een groter aandeel in de industrie, routineus administratief werk en een lagere penetratie van digitale diensten. Het automatiseringspotentieel is daarom hoger in de verhandelbare goederensectoren .

Het OpenAI EU Economic Blueprint 2.0 uit januari 2026 segmenteert landen verder op AI-penetratie en intensiteit van gebruik. Litouwen en Letland vallen op door een combinatie van zowel hoge bevolkingspenetratie als hoog intensief gebruik van geavanceerde AI-denkcapaciteiten, terwijl andere EU-landen aanzienlijk achterlopen in diffusie .

Beleidscontext: Chatterji in Brussel, de EU AI Act en banenverschuiving

Ronnie Chatterji werd in oktober 2024 benoemd tot eerste Chief Economist van OpenAI. Zijn kernboodschap is dat de economie zich in de "tussentijd" bevindt – de meeste mensen gebruiken AI momenteel als aanvulling, niet als vervanging . Eind juni 2026 is Chatterji in Europa voor een reeks hoogwaardige gesprekken, waaronder een POLITICO Europe evenement getiteld "AI and the future of work: Is the EU prepared for the transition?" .

Belangrijke beleidsspanningen:

• OpenAI was de eerste in de VS gevestigde AI-ontwikkelaar die de EU AI Act General Purpose Code of Practice ondertekende .
• De Carnegie Endowment stelt dat er naast de AI Act een "toegewijd Europees arbeidstransitiekader nodig is, idealiter ingebed in de EU-begroting 2028–2034" .
• De Europese Commissie merkt op dat AI en digitale technologieën "de werkgelegenheid in Europa naar verwachting zullen doen toenemen, maar dat de winst ongelijk zal zijn. Deze zal vooral ten goede komen aan hoogopgeleiden, mensen in de bloei van hun leven en vrouwen, terwijl laagopgeleiden, jongeren en structureel zwakkere regio's kwetsbaarder blijven."

ECB-enquête: beperkt intensief AI-gebruik

De ECB's Survey on the Access to Finance of Enterprises (SAFE) voor het vierde kwartaal van 2025, onder meer dan 5.000 bedrijven in de eurozone, biedt een realiteitscheck van de AI-adoptiediepte :

• Meer dan 70% van de bedrijven gebruikt AI in een of andere vorm .
• Slechts ongeveer 7% van de bedrijven gebruikt AI echter intensief genoeg om hun productie, innovatie en concurrentievermogen te veranderen .
• De uitsplitsing: 27% gebruikt geen AI; 33% gebruikt het zeer onregelmatig; 31% matig; slechts 7–9% intensief .
• Er is een aanzienlijke investeringskloof: de meeste bedrijven gebruiken AI, maar weinig investeren daadwerkelijk in speciale AI-infrastructuur. Bedrijven die wel investeren, zijn van plan om in 2026 gemiddeld 9% van hun totale investeringen aan AI te besteden .
• De ECB concludeert dat "diffusie snel toeneemt", maar dat de kloof tussen incidenteel gebruik en transformatieve integratie nog zeer groot is .

Inspanningen van de EU voor technologische soevereiniteit

Het EU Economic Blueprint 2.0 van OpenAI (januari 2026) plaatst het Europese AI-concurrentievermogen expliciet in het kader van soevereiniteit . Het segmenteert EU-landen op AI-penetratie en hoogintensief gebruik van geavanceerde 'denk'-capaciteiten, waarbij slechts een klein aantal landen (Litouwen, Letland) brede toegang combineert met diepe diffusie. De bredere strategische push – "technologische soevereiniteit" – wordt weerspiegeld in EU-investeringsplannen voor AI-infrastructuur, de reguleringsambitie van de AI Act en oproepen van organisaties als de Carnegie Endowment voor een geoormerkte EU-begrotingslijn voor arbeidstransities in het Meerjarig Financieel Kader 2028–2034 . De Europese Commissie waarschuwt dat zonder gericht beleid structureel zwakkere regio's en lager geschoolde werknemers achterop raken .