Efficiëntie van vandaag, maar talent-tekort van morgen.
De meeste organisaties kijken naar AI vanuit de vraag: hoe kunnen we efficiënter werken? Maar er is een andere vraag die nog nauwelijks wordt gesteld:
Wie en hoe leert nog het vak?
Steeds meer bedrijven automatiseren precies die functies waar mensen traditioneel hun carrière begonnen: klantenservice, administratieve ondersteuning, junior analysewerk.
Chatbots beantwoorden vragen. AI verwerkt dossiers. Algoritmes maken rapportages.
Het resultaat: de startersbaan verdwijnt. Dat lijkt efficiënt. Maar…
Dit is een groter probleem dan het lijkt!
Instapbanen waren namelijk nooit alleen bedoeld om werk gedaan te krijgen. Ze vervulden drie cruciale functies:
1️⃣ Leeromgeving: Hier leerden medewerkers hoe processen, klanten en risico’s werken.
2️⃣ Talentpijplijn: Hier ontstond de doorgroei naar specialistische en leidinggevende rollen.
3️⃣ Cultuuroverdracht: Hier werd vakmanschap en organisatiekennis doorgegeven.
Wanneer deze instaplaag verdwijnt, ontstaat een paradox:
Efficiëntie vandaag → talenttekort morgen.
Een voorbeeld in de praktijk
Een grote verzekeraar automatiseerde een groot deel van de klantenservice. Operationeel was dat een succes:
✔ lagere kosten ✔ snellere service ✔ minder wachttijden.
Maar een paar jaar later ontstond een onverwacht probleem. Het aantal medewerkers dat complexe schadecases kon beoordelen nam snel af.
Veel van die specialisten waren ooit begonnen in de klantenservice. Daar leerden ze de producten, uitzonderingen en de praktijk van schadebeoordeling.
Toen die instroom verdween, verdween ook de natuurlijke doorgroei en naar specialistische functies.
Het betekende een hernieuwd ontwerp van instroom en opleiden.
Een paradox?
Veel sectoren hebben al te maken met:
- Vergrijzing
- Schaarste aan talent
- Een krappe arbeidsmarkt
En tegelijkertijd verdwijnen de functies waar mensen het vak leren.
Het is een beetje alsof een voetbalclub besluit te stoppen met de jeugdopleiding omdat jonge spelers nog niet goed genoeg zijn. Op korte termijn scheelt het kosten, op lange termijn heb je geen ervaren teamspelers meer.
De oplossing ligt niet in minder AI. De oplossing is anders organiseren.
Steeds meer organisaties experimenteren daarom met wat we bridging [1]noemen: de brug tussen potentieel en productiviteit.
Nieuwe medewerkers beginnen niet meer met eenvoudige taken, maar werken direct mee aan complexere projecten, met begeleiding van ervaren collega’s, met AI als ondersteuning, met leren geïntegreerd in het werk
AI wordt in die functie een versneller van leren. En niet alleen voor de jongere generaties, ook voor de senior-professionals en teams. Samen leren op het gebied van andere vormen van samenwerken en digitale skills.
De klassieke HR-logica verandert fundamenteel.
§ Instroom: Minder startersbanen, meer en langer in leer-werkrollen.
§ Doorstroom: Sneller en blijven leren met AI-ondersteuning
§ Onboarding wordt bridging: Niet meer eerst meelopen, maar leren terwijl je bijdraagt
§ Teams: Bewuste mix van ervaring en jonge instroom.
De echte strategische vraag voor organisaties
AI verandert werk. Maar vergeet niet dat vakmanschap altijd geleerd moet worden. Ook om AI echt efficiënt in te kunnen zetten. Als je werkt een IT-omgeving heb je kennis nodig van de systemen en de processen en de omgeving om met AI te kunnen versnellen en te kunnen beoordelen. Die kennis moet je je eigen kunnen maken, maar dat moet met AI en het verdwijnen van de instap-banen op een andere manier.
Daarom is de belangrijkste vraag rond AI misschien niet:
“Welke banen kunnen en zullen verdwijnen?”
Maar:
“Wie en hoe leer je nog het vak?”
De organisaties die dat vraagstuk nu serieus nemen, bouwen niet alleen efficiëntere processen. Ze houden aandacht voor en bouwen ook de talentpijplijn van de toekomst.
[1] Oostenbrink, M, Gezonde Generatiemix 2025, Verhaal met Impact