AI schrapt niet alleen juniorbanen. Het schrapt je toekomstige seniors.
AI neemt steeds meer werk van junior professionals over. Dat lijkt winst, je bent minder tijd kwijt aan eenvoudige code, analyses, tests en documentatie. Ervaren medewerkers kunnen sneller werken en organisaties hebben minder mensen nodig voor uitvoerende taken. Maar daarmee verdwijnt niet alleen werk. Ook de plek waar talent wordt ontwikkeld, wordt kleiner.
Nieuwe Amerikaanse cijfers laten zien hoe serieus dat risico is. De werkgelegenheid van 22- tot 25-jarigen blijft in sterk aan AI blootgestelde beroepen inmiddels 19% achter bij minder blootgestelde beroepen. Deze cijfers zijn niet één op één te vertalen naar Nederland. De beweging erachter is hier wel herkenbaar: organisaties automatiseren steeds meer juniorwerk en stellen kritischer de vraag hoeveel starters zij nog nodig hebben.
En dit lijkt efficiënt maar als juniors het werk niet meer doen waarmee zij leren analyseren, fouten herkennen en professionele afwegingen maken, wie zijn dan de seniors van morgen?
Het cijfer: 19% achterstand bij jonge werknemers
Onderzoekers van het Stanford Digital Economy Lab analyseerden salaris- en arbeidsmarktdata van miljoenen Amerikaanse werknemers. Daaruit blijkt dat de werkgelegenheid van 22- tot 25-jarigen in sterk aan AI blootgestelde beroepen inmiddels 19% lager ligt dan wanneer deze zich gelijk had ontwikkeld aan minder blootgestelde beroepen.
Dat betekent niet dat de werkgelegenheid onder jongeren over de hele linie met 19% is gedaald. Het gaat om een achterstand ten opzichte van de ontwikkeling bij leeftijdsgenoten in beroepen die minder sterk door AI worden geraakt. Het verschil ontstaat bovendien vooral doordat organisaties minder jonge medewerkers aannemen. Niet doordat zij hen massaal ontslaan.
De daling concentreert zich in functies waarin AI menselijke taken vervangt. In beroepen waarin AI medewerkers vooral ondersteunt, blijft de werkgelegenheid stabieler of groeit deze juist. Ervaren werknemers laten geen vergelijkbare achterstand zien.
De onderzoekers zijn zelf voorzichtig. Ze spreken over vroege, beschrijvende signalen en niet over bewezen causaliteit. Toch sluit het patroon aan bij wat ook in de Nederlandse markt zichtbaar wordt: organisaties automatiseren steeds meer uitvoerend werk en kijken kritischer naar de noodzaak en invulling van juniorfuncties.
Waarom worden juist juniors geraakt?
Veel startfuncties bestaan uit taken die relatief duidelijk afgebakend en controleerbaar zijn:
eenvoudige code schrijven;
tests uitvoeren;
documentatie maken;
supportvragen analyseren;
data verzamelen;
standaardproblemen oplossen;
eerste analyses voorbereiden.
Precies dit zijn taken waarbij generatieve AI snel waarde kan toevoegen. Een ervaren developer, engineer of tester kan hierdoor in minder tijd meer werk verzetten. De logische bedrijfsmatige reactie is dan: hebben we die juniorfunctie nog wel nodig?
Op de korte termijn klinkt dat efficiënt. Maar juniorwerk is niet alleen productiewerk. Het is ook de trainingsomgeving waarin mensen leren hoe het vak werkelijk werkt.
Een junior developer leert niet alleen door code op te leveren. Die leert door fouten te maken, vast te lopen, feedback te krijgen, verschillende oplossingen te vergelijken en te ontdekken waarom een technisch correcte oplossing in de praktijk toch niet werkt. Wanneer AI precies deze eerste stappen overneemt, verdwijnt een deel van het leerproces. Je bespaart vandaag tijd. Maar je kunt daarmee ook de ervaring wegautomatiseren die iemand nodig heeft om over een paar jaar zelfstandig complexe beslissingen te nemen.
De verborgen rekening komt later
De echte vraag is daarom niet hoeveel juniorwerk AI kan overnemen.
De vraag is: Hoe ontwikkelen mensen vakmanschap wanneer het werk waarmee zij dat vakmanschap opbouwden verdwijnt?
Als organisaties daar geen antwoord op hebben, ontstaan drie risico’s.
1. De talentpijplijn droogt op
Wanneer bedrijven structureel minder starters aannemen, zijn er over een paar jaar ook minder ervaren professionals beschikbaar. Senior talent verschijnt niet spontaan op de arbeidsmarkt. Iedere senior was ooit die junior die veel vragen stelde, fouten maakte en waarschijnlijk minstens één keer een testomgeving om zeep hielp.
2. Juniors produceren sneller, maar begrijpen minder
AI kan iemand helpen om sneller code, analyses of adviezen te maken. Maar snelheid is niet hetzelfde als inzicht. Wanneer medewerkers oplossingen gebruiken die zij onvoldoende kunnen beoordelen, ontstaat afhankelijkheid van AI én van de senior die alles achteraf moet controleren. Dan is er technisch gezien geautomatiseerd, maar organisatorisch weinig gewonnen.
3. Senior medewerkers blijven de menselijke achtervang
Als juniors onvoldoende gelegenheid krijgen om afwegingen te leren maken, blijven complexe beslissingen bij een kleine groep ervaren collega’s liggen.
Zij controleren de output, lossen uitzonderingen op en grijpen in wanneer het misgaat. Precies de afhankelijkheid die AI zou moeten verkleinen, blijft daardoor bestaan.
Stop niet met junioren aannemen. Ontwerp hun ontwikkeling opnieuw.
De oplossing is niet om AI buiten de deur te houden. Ook is het niet verstandig om juniors jarenlang hetzelfde eenvoudige werk te laten doen omdat dit vroeger nu eenmaal de route naar senioriteit was. De oplossing ligt in het bewust herontwerpen van werk en ontwikkeling.
Welke leertaken verdwijnen?
Breng niet alleen in kaart welke taken AI overneemt, maar ook wat een medewerker door die taken leerde. Verdwijnt daarmee kennis van systemen, klanten, foutpatronen of technische afwegingen? Dan moet die leerervaring ergens anders terugkomen.
Waar leert iemand nog zelfstandig en kritisch denken?
Creëer situaties waarin juniors eerst zelf analyseren, een aanpak formuleren en hun redenering toelichten voordat zij AI inzetten. Niet om het werk kunstmatig moeilijk te maken, maar om te voorkomen dat technologie het denkproces volledig vervangt.
Welke beslissingen kunnen stapsgewijs worden overgedragen?
Geef juniors niet alleen meer taken, maar steeds meer beslisruimte. Begin met afgebakende keuzes en vergroot de complexiteit zodra iemand laat zien de gevolgen te kunnen overzien. Zo groeit niet alleen hun productie, maar ook hun professionele zelfstandigheid.
Wie geeft feedback op het denkproces?
Controleer niet alleen of de output klopt. Bespreek ook hoe iemand tot een antwoord kwam:
Welke informatie heb je gebruikt?
Welke alternatieven heb je overwogen?
Waarover twijfelde je?
Wat heeft AI toegevoegd?
Wat heb je zelf gecontroleerd?
Wanneer zou je een andere keuze maken?
Daar ontstaat professioneel beoordelingsvermogen.
De nieuwe opdracht voor IT-leiders
Voor IT-leiders ontstaat een nieuwe verantwoordelijkheid. Zij moeten niet alleen bepalen waar AI productiviteit oplevert, maar ook waar menselijke expertise ontwikkeld moet blijven worden.
Dat vraagt om heldere keuzes:
Welke basiskennis moet iemand zelf beheersen?
Wanneer mag AI ondersteunen?
Wanneer moet een medewerker zonder AI kunnen redeneren?
Welke output vraagt altijd menselijke controle?
Hoe voorkomen we dat seniors permanent de kwaliteitscontroleur van AI worden?
Hoe meten we ontwikkeling als productie steeds makkelijker wordt?
AI-geletterdheid gaat daarom verder dan weten hoe je een goede prompt schrijft. Het gaat ook over weten wanneer je de output niet moet vertrouwen, welke kennis nodig blijft en hoe je verantwoordelijkheid neemt voor het uiteindelijke resultaat.
De strategische keuze
AI kan de afhankelijkheid van founders, leads en senior engineers verkleinen. Maar alleen wanneer medewerkers dankzij AI zelfstandiger leren handelen. Gebruik je technologie vooral om juniorwerk weg te snijden, dan bouw je mogelijk een organisatie met minder instroom, minder leermogelijkheden en een blijvende afhankelijkheid van een kleine groep experts.
Gebruik je AI om mensen sneller te laten leren, betere feedback te geven en stapsgewijs meer verantwoordelijkheid te laten dragen, dan ontstaat iets anders: een sterkere talentpijplijn én meer schaalbaarheid.
De junior van vandaag is nog steeds de senior van morgen.
Alleen de route ernaartoe moet opnieuw worden ontworpen.
Visie op leiderschap
Dit vraagstuk gaat niet alleen over hoe één bedrijf AI inzet. Het gaat ook over hoe wij als leiders gezamenlijk omgaan met een verandering die de hele arbeidsmarkt raakt.
Bekijken we AI vooral vanuit onze eigen quick wins? Minder kosten, hogere productiviteit en meer output met hetzelfde team? Of durven we verder te kijken dan het directe voordeel voor onze eigen organisatie?
Wanneer ieder bedrijf afzonderlijk besluit minder juniors aan te nemen, lijkt dat op organisatieniveau misschien efficiënt. Collectief ontstaat echter een veel groter probleem: minder instroom, minder ontwikkeling en uiteindelijk een tekort aan ervaren professionals. Geen enkel bedrijf veroorzaakt dat probleem alleen. Maar samen kunnen we het wel creëren.
Daarom vraagt dit vraagstuk om meer dan een transactionele manier van sturen, waarin prestaties, directe opbrengsten en voorspelbare resultaten centraal staan. Het vraagt om transformatief leiderschap: verder kijken dan het voordeel voor je eigen organisatie en verantwoordelijkheid nemen voor de ontwikkeling van het bredere ecosysteem. Niet alleen vragen wat AI vandaag bespaart, maar ook wat jouw keuzes betekenen voor de beschikbaarheid van kennis, talent en vakmanschap over vijf jaar.
Dat betekent niet dat je inefficiënt werk kunstmatig in stand moet houden. Het betekent wel dat je bewust investeert in nieuwe manieren waarop jong talent kan instromen, leren en doorgroeien. Ook wanneer die investering niet direct in het volgende kwartaal rendeert.
De echte leiderschapsvraag is daarom niet alleen: wat levert AI mijn bedrijf vandaag op?
Maar ook: wat moet ik vandaag blijven opbouwen om ervoor te zorgen dat onze sector morgen nog over voldoende vakmanschap beschikt?
Opmerkingen