Hoe AI de toekomst van werk verandert

De instapfunctie krimpt

Verschillende onderzoeken laten hetzelfde patroon zien: het aantal startersvacatures neemt af. Eén analyse noemt een daling van ongeveer 35 procent in entry-level vacatures sinds begin 2023. Grote techbedrijven en volwassen startups laten een daling van ongeveer 50 procent zien in het aantal nieuwe medewerkers met minder dan één jaar ervaring, gemeten over meerdere functies. Het patroon verschijnt in engineering, sales, marketing, operations, design, finance en legal.

Dit verandert de klassieke loopbaanroute. Veel leiders bouwden hun carrière op via eenvoudige taken, herhaling en context opdoen binnen één organisatie. Die eerste trede op de carrièreladder wordt smaller. Jong talent krijgt minder toegang tot praktijkervaring en organisaties verliezen zo de natuurlijke doorstroom van mensen die het vak leren door te doen.

Naast AI speelt organisatieontwerp mee. Doordat het middenmanagement afneemt, verdwijnen gedeeltelijk de tussenrollen die eerder als leerlaag fungeerden. Die combinatie maakt instroom en begeleiding lastiger te organiseren.

Kleine teams, grotere verwachtingen

Een tweede patroon komt uit data over startups. Series A-rondes groeien, maar teamgrootte groeit minder hard mee. De mediane Series A bedroeg in 2025 ongeveer 15 miljoen dollar; circa 50 procent meer dan in 2020. De mediane teamgrootte bij Series A daalde tegelijkertijd van 57 naar 47 medewerkers. Funding per medewerker steeg naar ongeveer 320.000 dollar.

Deze cijfers laten zien dat de verwachte output per persoon hoger ligt en efficiëntie hoog op de agenda staat. Dit patroon beperkt zich overigens niet tot startups. Zo bevroor een grote retailer  zijn personeelsbestand, terwijl het groeiplan leunde op AI-inzet. Het zijn signalen van een bredere trend: bedrijfsgroeiplannen worden losgekoppeld van personeelsgroei.

AI verspreidt zich en beleid ontwikkelt

De adoptie groeit. Het aandeel Amerikaanse werknemers dat AI gebruikt in het werk stijgt van 21 procent naar 40 procent in twee jaar. Frequent gebruik groeit naar 19 procent. Dagelijks gebruik stijgt naar 8 procent in één jaar. Het gebruik concentreert zich in kantoorbanen. Technologie, professional services en finance worden genoemd als sectoren met hoge frequentie. Frontline-rollen blijven rond dezelfde bandbreedte.

Uit dezelfde survey blijkt dat ongeveer 44 procent van de werknemers zegt dat hun organisatie AI integreert. Ongeveer 22 procent ziet een duidelijke strategie. Ongeveer 30 procent ziet richtlijnen of formeel beleid. In veel organisaties ontstaat AI-gebruik in processen zonder afgeronde besluiten over kwaliteit, veiligheid, compliance, privacy en eigenaarschap.

Maar onder gebruikers vindt een kleine minderheid de aangeboden AI-tools echt nuttig voor het werk. Dit wijst op een implementatievraagstuk. Waarde hangt samen met de manier waarop systemen en processen zijn ingericht, met duidelijke use cases, met training, met kwaliteitscontrole en met meetbare doelen.

De nieuwe vaardigheid is implementeren

Implementeren van AI in organisaties wordt een kernvaardigheid. Het gaat om AI inzetten binnen processen, systemen en verantwoordelijkheden. Miljardair, serie-ondernemer en investeerder Mark Cuban adviseert jongeren om kansen te zoeken bij kleinere bedrijven. Grote organisaties hebben namelijk vaak al een stevig IT-apparaat. Kleinere organisaties hebben minder capaciteit om te onderzoeken, te experimenteren en te integreren. Een jonge medewerker die processen doorlicht en automatisering doorvoert, kan snel waarde leveren.

Deze focus op implementeren van AI zie je ook terug in vacatures en uitspraken van senior leiders. Carrière-experts noemen promptvaardigheid en basisbegrip van machine learning steeds vaker als relevante werkvaardigheden voor meerdere functies.

Waar mensen een duidelijke voorsprong houden

Een deel van het publieke debat leunt op het idee dat menselijke creativiteit een veilige haven vormt. Een studie over divergent thinking laat een specifieker patroon zien. Gemiddeld scoren AI-systemen hoger in creativiteitsoutput bij een standaardtaak. De beste menselijke ideeën blijven op topniveau meedoen. Mensen leveren een brede spreiding. Sommige output is sterk. Veel output is matig. AI levert stabielere output.

Dit patroon is herkenbaar in werk. AI maakt het makkelijker om middelmaat te produceren. Het maakt het ook makkelijker om middelmaat te herkennen. De lat schuift omhoog. De waarde van een sterke professional zit in het vermogen om:

• Kwaliteit te definiëren
• Varianten te beoordelen
• Keuzes te maken
• Verantwoordelijkheid te dragen

Het zou goed kunnen dat menselijke vaardigheden zwaarder gaan wegen. Communicatie. Oordeelsvorming. Kritisch denken. Storytelling. Emotionele regulatie. Relatie bouwen. Waarbij de verantwoordelijkheid landt in organisaties bij mensen, met AI als hulpmiddel.

Werk en geheugen veranderen mee

Een analyse over het “Google-effect” beschrijft dat mensen anders omgaan met informatie wanneer intensief zoeken altijd beschikbaar is. Het effect hangt samen met een verschuiving in wat mensen opslaan. Het geheugen bewaart minder inhoud en bewaart vaker de route naar informatie. In de resultaten komen relaties terug met cognitieve belasting, gedragsprofielen en cognitieve zelfwaardering. Het effect wordt sterker genoemd bij mobiel gebruik. Een grotere kennisbasis verlaagt gevoeligheid.

Generatieve AI voegt hier een laag aan toe. De route naar informatie verandert in een direct gegenereerd antwoord. Dit versnelt werkprocessen. Het vergroot het risico op oppervlakkiger begrip wanneer professionals geen eigen kennisbasis onderhouden. In jouw bronnen komt een praktisch antwoord terug: plan momenten zonder AI ondersteuning, onderhoud het geheugen voor kernexpertise, train beoordeling en verificatie.

Dit sluit aan op een bredere lijn in jouw input. De werkvaardigheid van de komende jaren draait om metacognitie. Inzicht in eigen kennis. Inzicht in beperkingen. Het vermogen om een systeem in te zetten met behoud van eigen oordeel.

Wat wij dagelijks zien in productteams

Bij GlobalOrange zien we deze patronen terug in digitale productontwikkeling. AI versnelt stukken van het werk. Teams genereren sneller varianten. Engineers gebruiken assistants voor repetitieve code en tests. Product- en UX-teams gebruiken AI om hypothesen te structureren, interviews samen te vatten en scenario’s te verkennen. Dit verhoogt het tempo in de eerste fase van denken en ontwerpen.

Ons vakgebied leent zich hier sterk voor, omdat veel uitkomsten te testen zijn. Een agent kan code genereren. Een testset kan gedrag valideren. Monitoring en logging maken fouten zichtbaar. Daardoor verschuift uitvoer sneller richting agents dan veel mensen buiten het vak verwachten.

Richting en afweging bepalen snelheid. Kwaliteit bepaalt succes. Een team kan in een week veel bouwen. Een team kan in een week ook veel technische schuld opbouwen. Daarom zien wij dat volwassen product discovery, sterke UX en toekomstbestendige technologie meer gewicht krijgen als randvoorwaarden voor een product dat beheersbaar blijft.

We bouwen digitale producten die slim gestructureerd zijn. Met duidelijke code, veilige infrastructuur en schaalbare architectuur. Zodat klanten doorontwikkelen zonder frictie, nieuwe developers kunnen instappen en security en compliance structureel geborgd blijven. Dit fundament vraagt bewuste keuzes. AI legt het effect van dat fundament snel bloot.

Wat dit betekent voor software, SaaS en decision makers?

Voor decision makers in SaaS en digitale productorganisaties ontstaat een agenda met keuzes die bepalend zijn voor snelheid en risico. Een patroon wordt steeds zichtbaarder. Namelijk dat de bottleneck verschuift richting besluitvorming en orkestratie. Teams kunnen snel bouwen zodra agents veel uitvoer overnemen. De grootste vertraging zit vaker in scope, architectuurkeuzes en review. Een agent bouwt snel door op keuzes die je eerder maakte. Die keuzes stapelen zich op. De kosten verschijnen later in security, edge cases, integraties en onderhoud.

• AI vraagt om volwassen procesontwerp. Richtlijnen, eigenaarschap en kwaliteitscontrole bepalen uitkomsten. Het gat tussen integratie en beleid wijst op achterstand in veel organisaties.
• De instap in teams verandert. Een kleiner aandeel entry-level werk vraagt om een ander talentmodel. Organisaties die junioren aannemen, hebben een leerroute nodig die context en begeleiding expliciet organiseert.
• Architectuur en security komen sneller op tafel. Sneller bouwen vergroot de impact van verkeerde keuzes. Standaard frameworks, best practices en een solide infrastructuur ondersteunen voorspelbare doorontwikkeling.
• De managerrol verandert van samenstelling. Context, prioritering en verantwoordelijkheid krijgen meer gewicht. Statusupdates en afstemming worden vaker ondersteund door tooling.
• AI versnelt uitvoer. Scope, architectuurkeuzes en review bepalen de uitkomst. Leg beslissingen vast en organiseer review op security, edge cases en integratiekwaliteit.