Methode & bronnen
Hoe we tot een oordeel komen
Werkshift analyseert wat AI met het takenpakket van een functie doet, niet of "de baan verdwijnt". Elke uitspraak is herleidbaar tot een benoemde bron, met expliciete onzekerheid en een versie bij elk rapport. Zodat u het intern kunt verdedigen.
Van functie naar oordeel
Vier stappen. Dezelfde functielijst levert met dezelfde dataset- en methodeversie dezelfde uitkomst.
De bronnen
Zeven bronnen die elkaar versterken
We combineren zeven complementaire databronnen en onderzoeken: drie Nederlandse arbeidsmarktbronnen voor context en relevantie, en vier internationale onderzoeksbronnen voor de veranderdruk-score. Het zijn nadrukkelijk geen zeven metingen van hetzelfde verschijnsel. Ze meten verschillende dingen, en elk van de zeven heeft een beperking. Hieronder staat per bron wat hij bijdraagt, en waar hij tekortschiet.
Nederlandse basis
UWV: Arbeidsmarktbeeld en krapte per beroepsgroep, in Nederlandse context.
→ Werkt op beroepsgroep-niveau; geen directe taakanalyse.
CBS: Beroepsomvang: hoeveel mensen werken in een functie, voor prioritering.
→ Omvangdata; geen informatie over taakinhoud of AI-impact.
ESCO (EU): Skills en overstappaden, met Nederlandse termen; voedt het scholingsadvies.
→ Beschrijft vaardigheden; geen uitspraken over veranderdruk per taak.
Taakniveau-onderzoek
O*NET: Het taakvocabulaire: welke taken een beroep concreet omvat (vertaald naar NL).
→ Amerikaans databestand; taken worden vertaald en getoetst aan Nederlandse beroepspraktijk (zie stap 2).
Frey & Osborne (Oxford, 2013/2017): De automatiserings- en robotiseringskans per beroep. Kanaal 1 van de score-bandbreedte.
→ Van vóór generatieve AI; de hoogste schattingen zijn empirisch bekritiseerd (OECD 2016). Daarom alleen als bandgrens, nooit als los cijfer.
Eloundou et al. (Science, 2024): Het aandeel taken per beroep dat met generatieve AI significant sneller kan. Kanaal 2 van de score-bandbreedte.
→ Amerikaanse taakdata, gemeten in het GPT-4-tijdperk; wordt jaarlijks herijkt tegen nieuwere metingen.
Anthropic Economic Index: Geobserveerd AI-gebruik: onafhankelijke toets of de theorie klopt met de praktijk.
→ Selectiebias: meet Claude-gebruikers, niet de gemiddelde medewerker. Bruikbaar als richtinggevend signaal, niet als primaire databron.
Bij opdrachten in onderwijs en LOB vullen we dit aan met ROA-arbeidsmarktprognoses en SBB-kwalificatiedata.
Triangulatie
Waarom zeven bronnen betrouwbaarder zijn dan één
Elke bron die wij gebruiken heeft zijn eigen blinde vlek. O*NET weet wat een functie inhoudt, maar niet wat AI ermee doet. Frey & Osborne weet wat klassieke automatisering met beroepen doet, maar is van vóór generatieve AI. Eloundou et al. meet wat generatieve AI met taken doet, maar op Amerikaanse beroepsdata. UWV en CBS kennen de Nederlandse arbeidsmarkt, maar werken niet op taakniveau. De Anthropic Economic Index laat zien wat in de praktijk al gebeurt, maar meet alleen vroege adopters van AI. ESCO verbindt alles aan scholing, in het Nederlands.
Wat wij doen heet triangulatie: bronnen combineren die elkaars zwakheden compenseren. Daarbij past één belangrijke nuance. Frey & Osborne en Eloundou et al. meten niet hetzelfde. De eerste schat op beroepsniveau de kans dat werk automatiseerbaar is, de tweede meet op taakniveau welk deel van het werk met generatieve AI aanzienlijk sneller kan. De afstand tussen die twee uitkomsten is dus geen meetonzekerheid rond één getal. Het is de spreiding tussen twee verschillende definities van blootstelling. Wij tonen die spreiding als band en maken daarbinnen een expliciet oordeel, met de redenering erbij. Wijzen Frey & Osborne, Eloundou én de Anthropic Index dezelfde richting voor een functie, dan is dat geen toeval. Dan is het een bevinding.
O*NET
VS · Dept. of Labor
Sterk in: Beschrijft exact welke taken een beroep omvat
Blinde vlek: Weet niet wat AI met die taken doet
Frey & Osborne
Oxford · 2013, herpubliceerd 2017
Sterk in: Automatiserings- en robotiseringskans per beroep, het referentiepunt in het veld
Blinde vlek: Van vóór generatieve AI; hoogste schattingen empirisch bekritiseerd
Eloundou et al.
Science 384 · 2024
Sterk in: Meet per taak hoeveel sneller werk kan met generatieve AI (β-maat)
Blinde vlek: Amerikaanse taakdata, gemeten in het GPT-4-tijdperk
UWV
Nederland · kwartaaldata
Sterk in: Nederlandse arbeidsmarktcontext: krapte, vacaturetrend
Blinde vlek: Werkt op beroepsgroep-niveau, niet op taakniveau
CBS
Nederland · actueel
Sterk in: Hoeveel mensen werken in een functie in NL
Blinde vlek: Omvang en trends, geen taakinhoud
Anthropic Economic Index
VS/Internationaal · meest recente rapport 2026
Sterk in: Observationeel: wat mensen in de praktijk al met AI doen
Blinde vlek: Selectiebias: meet vroege adopters, niet gemiddelde medewerker
ESCO
EU · versie 1.2, mei 2024
Sterk in: Skills en overstappaden in 28 talen inclusief Nederlands
Blinde vlek: Beschrijft skills, geen AI-veranderdruk
Een bevinding die door bronnen met verschillende methoden wordt bevestigd is robuuster dan een analyse die op één databron rust. Afwijkingen tussen bronnen benoemen we expliciet in het rapport.
Wanneer bronnen niet overeenkomen
Als de genAI-blootstelling (Eloundou) hoog is maar het UWV-arbeidsmarktbeeld stabiel blijft voor een functie, benoemen we die spanning expliciet in het rapport. We kiezen dan voor de voorzichtigste conclusie en leggen uit waar de afwijking vandaan komt.
Dit gebeurt bij ongeveer 15% van de geanalyseerde functies, met name bij beroepen in de technische sector waar automatisering theoretisch hoog scoort maar de praktijkvraag structureel sterk blijft.
Eerlijk over onzekerheid
Wat we wél en niet beweren
Scores altijd met bandbreedte
Elke score gaat vergezeld van de spreiding tussen de twee onderzoeken. Een los percentage suggereert een nauwkeurigheid die het onderliggende onderzoek niet geeft, dus die claimen wij niet. De band is een bronbereik en geen foutmarge.
Taken, geen banen
Veranderdruk betekent dat taken verschuiven, niet dat een functie verdwijnt. Hoeveel fte of op welke termijn zeggen we bewust niet; dat hangt af van uw eigen processen.
Toetsing aan de Nederlandse praktijk
We toetsen de rangorde aan gemeten Nederlandse arbeidsmarkteffecten (UWV en RaboResearch, 2025: vraaguitval concentreert zich in de meest AI-blootgestelde beroepen) en aan geobserveerd AI-gebruik. Afwijkingen benoemen we.
Onafhankelijk
Werkshift verkoopt geen scholing. Ons advies heeft geen achterliggende agenda.
Reproduceerbaar
Elk rapport draagt een versie
Elk rapport vermeldt de gebruikte datasetversie en peildatum. Dezelfde functielijst levert met dezelfde versie dezelfde uitkomst, controleerbaar, ook maanden later. De databronnen worden jaarlijks geactualiseerd, met een tussentijdse controle per kwartaal op snel bewegende signalen.
De gratis beroepenverkenner op deze site is een indicatieve oriëntatie op beroepsniveau. De betaalde analyse volgt de volledige methode hierboven en is toegespitst op de functies in uw organisatie.
Twee invalshoeken, één band: Frey & Osborne (2013) × Eloundou et al. (2024)
Het Oxford-onderzoek van Frey & Osborne legde in 2013 de basis voor het debat over AI en werk, maar is van vóór generatieve AI. Het schat op beroepsniveau de kans dat werk computeriseerbaar is. Eloundou et al. (Science, 2024) meet iets anders: welk aandeel van de taken binnen een beroep met een LLM of aanvullende software aanzienlijk sneller kan. De auteurs benadrukken zelf dat dit een potentieel is en geen voorspelling van adoptie of van arbeidsmarkteffecten.
Omdat de twee niet hetzelfde meten, behandelen wij hun uitkomsten niet als twee metingen van één waarheid waarvan het antwoord ergens in het midden ligt. De band tussen beide is een spreiding tussen twee manieren van kijken, geen meetmarge en geen statistisch betrouwbaarheidsinterval. Ons oordeel ligt binnen die spreiding en is redactioneel: waar wij een keuze maken, staat de redenering erbij.
Verantwoording
De AI-Toekomstscan voor studenten
De gratis AI-Toekomstscan vertaalt de beroepsscores van deze site naar studierichtingen (mbo, hbo, wo). Elk getal op die pagina is narekenbaar met de regels hieronder.
Berekening
Elke studierichting is gekoppeld aan beroepen uit de beroepenverkenner. Het richtingscijfer is het gewogen gemiddelde van de beroepsscores, met het aantal werkenden per beroep (CBS-omvang) als gewicht. De spreiding toont het laagste en hoogste beroep binnen de richting.
Labels
Dezelfde drempels als de beroepenverkenner: vanaf 70% "veel verandering", vanaf 40% "gemiddelde verandering", daaronder "weinig verandering".
Koppeling richting → beroepen
De toewijzing van beroepen aan studierichtingen is in deze testversie een redactionele keuze van Werkshift. Validatie tegen de feitelijke uitstroom van afgestudeerden (ROA-schoolverlatersonderzoek, SBB-kwalificatiedossiers) staat gepland; de weging schuift dan van werkenden naar afgestudeerden-uitstroom.
Wat de score meet
Het aandeel taken waar AI veel bij kan helpen of dat AI deels kan overnemen (taakblootstelling). Niet: banen die verdwijnen, en niet: wat werkgevers feitelijk al invoeren. Adoptie loopt achter op wat technisch kan en verschilt per sector.
Peildatum en onderhoud
Peildatum van de onderliggende beroepsscores: juli 2026. De cijfers worden jaarlijks herijkt, gelijk met de beroepenverkenner.
Status validatie
De kwalitatieve onderdelen (taken, skills, adviezen per richting) zijn redactioneel en nog niet extern gevalideerd. Een toetsingsronde met vakdocenten, een decaan en een arbeidsmarktonderzoeker is in voorbereiding; de uitkomst wordt hier vermeld.
Kernpublicaties
Frey, C.B. & Osborne, M.A. (2017). The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, 114, 254–280. doi:10.1016/j.techfore.2016.08.019 · Eloundou, T., Manning, S., Mishkin, P. & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science, 384(6702), 1306–1308. doi:10.1126/science.adj0998
Versiegeschiedenis: 0.1 (juli 2026): prototype met handmatige sectorcijfers. 0.2 (juli 2026): cijfers gekoppeld aan de beroepenverkenner, bandbreedte-weergave, bronvermelding en studiekeuze-disclaimer. 0.3 (juli 2026): verantwoording op deze pagina, peildatum en jaarlijkse herijking, voorbereiding op uitstroomweging en bronbanden per beroep. 0.4 (augustus 2026): bronband herbenoemd als spreiding tussen twee invalshoeken in plaats van meetmarge, na kritiek dat Frey & Osborne en Eloundou et al. niet dezelfde grootheid meten.
De volledige verantwoording
De technische bijlage (toewijzingsregels, crosswalk-tabellen en de validatie-uitkomst) sturen we op aanvraag toe.