De methode
Hoe Werkshift van een werkvraagstuk naar een onderbouwde keuze komt
Een algemene beroepsanalyse vertelt nog niet waar uw organisatie beter kan werken. Daarom combineren we informatie over uw eigen werkproces met de kennis van medewerkers, relevante onderzoeksbronnen en AI-analyse. We maken aannames zichtbaar en toetsen kansrijke veranderingen in de praktijk.
Het begin
De intake bepaalt wat we onderzoeken
Elk traject begint met een intake. Daarin bepalen we welk bedrijfsdoel en welk werkproces wordt onderzocht — of, als dat nog niet te bepalen valt, dat we anders beginnen.
Er is een bedrijfsdoel of een concreet knelpunt
Onderzoek op het werkproces
We bakenen één werkproces af dat bepalend is voor dat doel, en onderzoeken dat proces: welke stappen er zijn, welke functies eraan meedoen, welke taken daarin zitten, waar overdrachten misgaan en waar tijd of kwaliteit verloren gaat.
Er is nog geen zicht op wat AI kan betekenen
Verkenning op functies en taken
Het bedrijf brengt zelf functies en taken in. Daarop doen we een verkenning: welk werk verandert waarschijnlijk, waar zou AI kunnen ondersteunen, en welk proces verdient het om daarna gericht te onderzoeken. De uitkomst is een richting, geen procesanalyse.
De tweede route levert een richting op, geen procesanalyse. Wie daar begint, weet na afloop welk proces het onderzoeken waard is — niet wat een verandering daar zou opleveren.
Vijf onderdelen
Beide routes komen uit bij onderdeel 03. Bij elk onderdeel staat waar het misgaat als je het te snel doet.
Bedrijfsdoel en knelpunt
In de intake bepalen we wat de organisatie wil verbeteren en of dat al scherp genoeg is om een proces aan te wijzen. Is dat zo, dan kiezen we één proces en bakenen we af waar het begint en eindigt. Is dat nog niet zo, dan starten we met een verkenning op de functies en taken die u zelf inbrengt.
Een te ruime afbakening levert een verhaal op waar niemand mee verder kan. Liever één proces goed dan vijf half.
Het werk in beeld
We brengen de processtappen in kaart, met de functies die eraan meedoen, de taken per functie, de overdrachten ertussen en de plekken waar het vastloopt. Dat doen we met de mensen die het werk uitvoeren.
Een algemene taakbeschrijving en het werk zoals het feitelijk gaat zijn twee verschillende dingen. Onderzoeksbronnen leveren het eerste; uw medewerkers corrigeren dat naar het tweede. Waar die twee uiteenlopen, telt wat de medewerker zegt.
Verbeterkansen beoordelen
Elke kans wegen we langs vijf vragen: draagt het bij aan het bedrijfsdoel, is er tijd- of kwaliteitswinst te verwachten, is de benodigde informatie beschikbaar en bruikbaar, hoeveel menselijke kennis, controle en verantwoordelijkheid blijft nodig, en hoe zit het met risico, uitvoerbaarheid en meetbaarheid.
Dit is een gestructureerd oordeel, geen gevalideerd scoresysteem. Er komt geen cijfer uit dat u met andere bedrijven kunt vergelijken. Wat er wél uit komt, is een beredeneerde rangorde met de afweging erbij, zodat u het kunt tegenspreken.
Vervolgstap kiezen
Per kans één van drie adviezen. U kiest; wij onderbouwen. Ook “nu geen actie” is een uitkomst waar u iets aan hebt.
Een scan leidt niet automatisch tot een experiment. Als geen enkele kans er klaar voor is, zeggen we dat — en is dat de uitkomst van de scan.
In de praktijk toetsen
Wordt het een experiment, dan spreken we vooraf af wat we testen, wat we meten, hoe lang, met wie, en wanneer het geslaagd is. Na afloop leggen we de uitkomst naast die afspraak.
De drempel voor “geslaagd” volgt uit uw eigen cijfers — volume, huidige tijd per geval, invoerinspanning — en niet uit een percentage dat voor iedereen hetzelfde is. Daarna volgt één besluit: stoppen, aanpassen of opschalen.
De drie adviezen bij onderdeel 04
Voldoende aanleiding en informatie voor een kleine test in het echte werk.
Mogelijk kansrijk, maar belangrijke informatie ontbreekt nog.
Een bewuste keuze: onvoldoende waarde, te veel risico, of niet het juiste moment.
De grenzen
Wat deze methode niet kan
Wij meten uw werk niet zelf op
De analyse rust op wat u aanlevert en op wat medewerkers vertellen. Tijdregistraties, volumes of systeemdata nemen we mee als u die heeft; we verzamelen ze niet zelf. Waar een getal een schatting is, staat dat erbij.
Geen voorspelling van besparing
Wij zeggen niet vooraf hoeveel tijd of fte een verandering oplevert. Dat is precies wat een experiment moet uitwijzen. Een scan levert een onderbouwd vermoeden en een manier om het te toetsen.
De beoordeling is een oordeel, geen meting
De vijf criteria structureren de afweging en maken haar bespreekbaar. Ze zijn niet extern gevalideerd en leveren geen vergelijkbare score op.
Algemene beroepsgegevens zijn geen bedrijfsbewijs
Onderzoek over een beroep zegt iets over het beroep in het algemeen. Of het in uw bedrijf ook zo werkt, blijkt pas uit uw eigen proces en uit het gesprek met uw mensen.
Een apart onderdeel
De beroepsgerichte analyse
Naast het onderzoek op het werkproces hebben we een analyse op functieniveau. Die gebruiken we waar we met functies en taken beginnen in plaats van met een proces: bij de verkenningsroute, bij scholings- en ontwikkelvragen, en in het open materiaal op deze site.
Waarvoor deze analyse dient: zichtbaar maken welke taken binnen een functie waarschijnlijk verschuiven, en welke kant scholing op zou moeten. Waarvoor niet: bepalen wat er in uw eigen bedrijf moet veranderen. Daarvoor is het werkproces nodig.
Dezelfde functielijst levert met dezelfde dataset- en methodeversie dezelfde uitkomst. Dat maakt de analyse naspoorbaar — niet juist. Wat een dataset over een beroep zegt, blijft een uitspraak over het beroep.
De bronnen
Onderzoeksbronnen ondersteunen de analyse
Zeven bronnen helpen ons sneller de goede vragen te stellen: welk werk verandert waarschijnlijk, welke taken verdienen aandacht, hoe schaars is dit vakmanschap. Ze meten verschillende dingen en elk van de zeven heeft een beperking. Hieronder staat per bron wat hij toevoegt, op welk niveau hij iets zegt, wat er niet uit volgt, en hoe we hem aan uw situatie toetsen.
Wat een bron nooit zegt
De algemene AI-blootstelling van een beroep is geen gemeten tijdwinst, geen personeelsbesparing en geen optimale mens-AI-verdeling binnen een bedrijf. Het is een aanwijzing dat een beroep aandacht verdient. Wat het voor uw eigen organisatie betekent, blijkt uit uw eigen proces en uit het gesprek met uw medewerkers — en pas echt uit een experiment.
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… en geen van alle uw bedrijf kent
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, en niet hoe uw bedrijf het werk verdeelt
Getoetst door: De takenlijst leggen we voor aan uw medewerkers; zij schrappen, voegen toe en corrigeren.
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; zegt niets over één bedrijf
Getoetst door: Alleen als bandgrens, nooit als los cijfer, en nooit als uitspraak over uw organisatie.
Eloundou et al.
Science 384 · 2024
Sterk in: Meet per taak hoeveel sneller werk kan met generatieve AI (β-maat)
Blinde vlek: Amerikaanse taakdata uit het GPT-4-tijdperk; een potentieel, geen gemeten tijdwinst
Getoetst door: Richt de aandacht op taken; of die taak in uw proces ook zo loopt, blijkt uit stap 02.
UWV
Nederland · kwartaaldata
Sterk in: Nederlandse arbeidsmarktcontext: krapte, vacaturetrend
Blinde vlek: Beroepsgroep-niveau, niet taakniveau; landelijk, niet uw regio of uw bedrijf
Getoetst door: Wegen we tegen uw eigen wervingservaring: lukt het u om deze mensen te vinden?
CBS
Nederland · actueel
Sterk in: Hoeveel mensen werken in een functie in NL
Blinde vlek: Omvang en trends, geen taakinhoud; landelijke aantallen zeggen niets over uw bezetting
Getoetst door: Alleen voor prioritering op landelijk niveau; uw eigen bezetting gaat vóór.
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 de gemiddelde medewerker
Getoetst door: Als richtinggevend signaal of een kans realistisch is, nooit als onderbouwing op zichzelf.
ESCO
EU · versie 1.2, mei 2024
Sterk in: Skills en overstappaden in 28 talen inclusief Nederlands
Blinde vlek: Beschrijft skills, geen AI-veranderdruk en geen uitspraak over uw medewerkers
Getoetst door: Voedt het scholingsadvies; wat iemand daadwerkelijk nodig heeft, bepaalt het gesprek.
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.
Dit geldt voor de beroepsgerichte analyse. Het onderzoek op uw werkproces is naspoorbaar op een andere manier: elke bevinding is terug te leggen op wie hem heeft verteld en waarop hij berust.
De beroepenverkenner en de gratis oriëntatie op deze site zijn indicatief en werken op beroepsniveau. Een Werkshift Scan begint bij uw bedrijfsdoel en werkproces.
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 bij de beroepsgerichte analyse (toewijzingsregels, crosswalk-tabellen en de validatie-uitkomst) sturen we op aanvraag toe. Wilt u weten hoe we uw eigen werkproces zouden aanpakken, bespreek dan uw vraagstuk.