De Nederlandse arbeidsproductiviteit stagneert, terwijl AI veel belooft maar in de praktijk traag wordt omarmd. Dat het mogelijk is om AI toe te passen, betekent niet automatisch dat het ook gebeurt. De kans op toepassing lijkt groter wanneer werknemers meer concurrentie op de arbeidsmarkt ervaren.
In het kort
- Arbeidsmarktconcurrentie kan, naast AI‑potentie, bepalen welke beroepen AI daadwerkelijk omarmen.
- AI‑adoptie in Nederland stuit op relatief beperkte arbeidsmarktprikkels.
Met een arbeidsproductiviteit die al geruime tijd stagneert, vestigen Nederlandse bedrijven hun hoop op kunstmatige intelligentie (AI) om de economie weer in een hogere versnelling te krijgen. Van finance-teams om rapportages te versnellen tot zorgprofessionals om triage te ondersteunen en juristen om bronanalyse te automatiseren: overal is het vooruitzicht voelbaar dat AI voor meer productiviteit en minder routinewerk kan zorgen. Ook microstudies laten overtuigende voordelen zien. Zo vonden Brynjolfsson et al. (2025) dat een generatieve AI-assistent in een grote klantenserviceomgeving tot vijftien procent meer opgeloste issues per uur opleverde – een stevig bewijs dat de technologie vandaag al tastbare efficiëntiewinst kan genereren.
Maar die potentiële winst vertaalt zich niet automatisch in een hogere productiviteit voor de economie als geheel. Pilots volgen elkaar op, proof-of-concepts tonen potentie, maar de sprong naar breed gebruik blijft achter. Zo gebruikte in 2025 maar een op de zes Nederlandse bedrijven AI (CBS, 2025).
Daarmee gaapt er een opvallend gat tussen wat AI op het niveau van afzonderlijke taken en functies al kan opleveren, en wat we terugzien in de productiviteits- en groeicijfers van de totale economie. Acemoglu (2025) laat zien dat zolang AI vooral wordt toegepast voor smalle, taakspecifieke automatisering en de adoptie ervan langzaam verloopt, de macroeconomische effecten op de groei van de productiviteit en het bruto binnenlands product beperkt blijven. Autor (2024) benadrukt dat substantiële productiviteitswinsten pas ontstaan wanneer AI de reikwijdte van menselijke expertise vergroot en een bredere groep werkenden toegang geeft tot taken met hoge toegevoegde waarde, in plaats van enkel bestaande taken te vervangen.
Een factor die bepalend is voor de mate van AI-adoptie is de mate van concurrentie die werknemers ervaren op de arbeidsmarkt. Dat laten we in Ribas Santolim en Baarsma (2025) zien op basis van data voor de Verenigde Staten. Voor werknemers die meer concurrentie op de arbeidsmarkt ervaren, zijn de kosten van het niet-adopteren van AI hoger: zij kunnen dan makkelijker hun baan verliezen aan werknemers die AI wel toepassen. In een competitieve arbeidsmarkt worden werknemers en organisaties sterker geprikkeld om AI te gebruiken om productiviteit te verhogen, inzetbaarheid te behouden en concurrentievoordeel veilig te stellen, terwijl die prikkel ontbreekt wanneer banen en taken weinig onder druk staan. Arbeidsmarktconcurrentie blijkt vooral veel invloed te hebben in beroepen waarin AI wel technisch toepasbaar is maar nog niet vanzelfsprekend wordt gebruikt, terwijl ze nauwelijks effect heeft in beroepen waar AI voor de kerntaken weinig kan betekenen of juist zo duidelijk voordeel oplevert dat adoptie vanzelf al plaatsvindt.
De mate van arbeidsmarktconcurrentie kan ervoor zorgen dat sommige landen AI sneller adopteren dan andere. Het technologische potentieel van AI is immers groot en universeel, terwijl de mate van arbeidsmarktconcurrentie verschilt. In dit artikel verkennen we daarom de samenhang tussen AI-adoptie en arbeidsmarktconcurrentie in Nederland, acht andere Europese landen en de VS. Verschilt de arbeidsconcurrentie tussen deze landen en wat betekent dat voor AI-adoptie?
Arbeidsmarktconcurrentie
Omdat de arbeidsmarktconcurrentiegegevens voor Europese landen niet op beroepsniveau beschikbaar zijn, kijken we naar het landniveau om nationale institutionele en economische omstandigheden te vergelijken. Door indicatoren op landniveau te aggregeren, kunnen we vaststellen welke landen de hoogste arbeidsmarktconcurrentie hebben. De waarden voor alle variabelen en onderzochte landen zijn te vinden in de online appendix.
Een kernmechanisme achter concurrentiedruk is zelfstandigheid: zelfstandigen dragen het commerciële risico direct en hebben minder institutionele buffers (Audoly, 2025; Davis en Haltiwanger, 1999). Hoge zelfstandigheidsaandelen, zoals in Italië (21,4 procent) en Zwitserland (16,6 procent), duiden op een beroepsbevolking die sterker is blootgesteld aan marktprikkels.
Collectieve onderhandelingsstructuren werken daarentegen als demper: zij kunnen de onmiddellijke, door de markt gedreven druk om AI te adopteren afvlakken. In de VS, met een lage dekkingsgraad van collectieve onderhandelingen (11,2 procent), is de concurrentiedruk voor werknemers beduidend groter dan in België (100 procent) of Frankrijk (98 procent), waar geïnstitutionaliseerde afspraken meer stabiliteit bieden.
De mate van onvrijwillige deeltijd (onderbenutting) is een tweede signaal van een precaire arbeidsmarktpositie en verzwakte onderhandelingsmacht (Autor et al., 2023; Kalleberg, 2018). Landen als Zwitserland (4,6 procent), Frankrijk (4,1 procent) en Ierland (4,0 procent) rapporteren relatief hoge niveaus onvrijwillig deeltijdwerk, wat wijst op groepen die onder hogere druk staan om bij of om te scholen, of om stabielere functies te vinden. Deze kwetsbaarheid wordt versterkt door hoge loonspreiding, een indicator van het financiële verlies bij technologische verdringing. De hogere spreiding in onder meer de VS (1,9; mediaan/laagste deciel) en Ierland (1,6) impliceert dat de inkomensval bij verdringing groter is.
Ook het aandeel gereglementeerde beroepen met licentievereisten, die toetreding en concurrentie beperken (Koumenta en Pagliero (2019), en een langere gemiddelde baanduur, die duidt op sterkere baanbescherming en lagere arbeidsmobiliteit, worden meegenomen, omdat deze de concurrentiedruk op werknemers verlagen.
De losse variabelen zijn samengevoegd tot een index, waarin de verschillende indicatoren zijn gestandaardiseerd en gemiddeld. De twee maatstaven voor loonspreiding worden eerst gestandaardiseerd, daarna gemiddeld en samengevoegd tot één indicator. Hoewel de exacte indexwaarden afhankelijk van de geselecteerde jaren kunnen variëren, blijven de daaruit voortvloeiende landelijke rangordes consistent en bieden daarmee een indicatie van de economische druk waaronder werknemers opereren.
Volgens deze index staat Zwitserland bovenaan wat betreft concurrentiedruk op de arbeidsmarkt, gevolgd door de VS en Ierland (tabel 1). Aan de andere kant van het spectrum bevinden zich Duitsland, Italië en België, die het laagst scoren op totale concurrentiedruk.
AI‑gebruik per land
De mate van arbeidsmarktconcurrentie hangt sterk samen met AI-gebruik (tabel 1). Voor het AI-gebruik kijken we naar de usage-index van Anthropic, die laat zien hoe intensief Claude (een Large Language Model) in elk land wordt gebruikt, gecorrigeerd voor de omvang van de werkende beroepsbevolking. Landen met hoge concurrentiedruk hebben ook een hoge usage-index. De Pearson-correlatie (die de lineaire samenhang tussen de indexwaardenweergeeft) bedraagt 0,80 en de Spearman-correlatie (die de samenhang in rangen meet) is 0,85. Landen met hoge concurrentiedruk, zoals Zwitserland, de VS en Ierland, behoren ook tot de landen met het hoogste AI‑gebruik. In landen met lage concurrentiedruk, zoals Duitsland, Italië en België, blijft het gebruik duidelijk achter. Dit lijkt een aanwijzing dat niet alleen het technologische potentieel – dat voor alle landen gelijk is – maar juist de economische prikkelstructuur bepalend is voor daadwerkelijke adoptie. Wel wijst de correlatie tussen de arbeidsmarktconcurrentie en AI-gebruik erop dat de externe push vanuit de arbeidsmarkt in Nederland minder vanzelfsprekend aanwezig is.
Conclusie
De AI-adoptie lijkt hoger in landen waarin werknemers meer concurrentie op de arbeidsmarkt ervaren. Wel is deze analyse correlatief en geen causaal onderzoek. Voor een definitieve conclusie is dan ook verder onderzoek nodig.
De correlatie suggereert wel dat een succesvolle AI-adoptie vraagt om gedifferentieerde aanpak tussen bedrijven, omdat de prikkels die werknemers ervaren in de praktijk sterk variëren tussen beroepsgroepen (Ribas Santolim en Baarsma, 2025). De vertaalslag naar de werkvloer zou dan beginnen met het segmenteren van functies langs de twee assen: AI-vatbaarheid en arbeidsmarktconcurrentie.
Literatuur
Acemoglu, D. (2025) The simple macroeconomics of AI. Economic Policy, 40(121), 13–58.
Audoly, R. (2025) Selfemployment and labor market risks. International Economic Review, 66(2), 661–686.
Autor, D. (2024) Applying AI to rebuild middle class jobs. NBER Working Paper, 32140.
Autor, D., A. Dube en A. McGrew (2023) The unexpected compression: Competition at work in the low wage labor market. NBER Working Paper, 31010.
Brynjolfsson, E., D. Li en L. Raymond (2025) Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942.
CBS (2025) Bedrijven gebruiken AI vaakst voor marketing of verkoop. CBS Statistiek, 12 december.
Davis, S.J. en J. Haltiwanger (1999) Gross job flows. In: O.C. Ashenfelter en D. Card (red.), Handbook of Labor Economics, vol. 3, part B. Amsterdam: Elsevier, p. 2711–2805.
Kalleberg, A.L. (2018) Precarious lives: Job insecurity and wellbeing in rich democracies. Cambridge, VK: Polity Press.
Koumenta, M. en M. Pagliero (2019) Occupational regulation in the European Union: coverage and wage effects. British Journal of Industrial Relations, 57(4), 818-849.
Ribas Santolim, R. en B. Baarsma (2025) Beyond technology: how labour market competition shapes AI adoption. PwC Rapport, december.
Auteurs
Categorieën