Hoe AI verruimt wat mensen op het werk doen
De nieuwe reeks Work at the Frontier van OpenAI Economic Research laat zien hoe werknemers taken oppakken die buiten de traditionele grenzen van hun functie vallen.
AI verandert het werk dat mensen doen. Uit ons nieuwe onderzoek, gebaseerd op een analyse van ruim 800.000 berichten van Amerikaanse ChatGPT‑gebruikers, blijkt dat 16,8% van de werkgerelateerde berichten en 43,5% van de beroepsspecifieke berichten gaan over taken die bij een ander beroep horen.
Een eigenaar van een klein bedrijf kan zelfstandig teksten opstellen, een contract beoordelen of een eenvoudige financiële analyse uitvoeren. Een verkoper kan AI gebruiken om een klantendataset te onderzoeken die voorheen wellicht naar een analist zou zijn gegaan. Een marketeer kan problemen met een website oplossen zonder op een ontwikkelaar te hoeven wachten. In elk van deze gevallen verandert AI niet alleen hoe het werk wordt gedaan, maar ook wie wat doet.
Ons nieuwe rapport, Work at the Frontier: How AI is Expanding What People Do at Work, onderzoekt deze verschuiving. We noemen het patroon dat hierdoor ontstaat taakoverloop: werk dat van oudsher bij het ene beroep hoort, duikt op in het AI-gebruik van mensen met een ander beroep. In ons kader voor de transitie van banen door AI(opent in een nieuw venster) stellen we dat veel banen waarschijnlijk anders worden ingericht: dit zijn banen waarvan de dagelijkse taken ingrijpend kunnen veranderen. Dit rapport is het eerste in onze nieuwe reeks Werk aan de voorhoede, die onderzoekt hoe AI werk in realtime verandert.
Dankzij ons unieke zicht op de veranderingen in de arbeidswereld zullen we regelmatig datagestuurde, empirisch onderbouwde inzichten delen als leidraad voor beleid en praktijk.
Veel onderzoeken naar AI en werk beginnen met een vaste lijst van taken die bij een bepaald beroep horen en vragen vervolgens of modellen die kunnen uitvoeren. Onze gegevens wijzen erop dat AI ook verandert wie welke taken op zich neemt.
Om taakoverloop te meten, maken we eerst onderscheid tussen werk dat bij een bepaald beroep hoort en werk dat in veel verschillende banen voorkomt. Sommige activiteiten, zoals schrijven, samenvatten en plannen, komen in te veel verschillende beroepen voor om als bewijs voor overloop te gelden. Die classificeren we als generiek. Voor de overige berichten bekijken we of de taak binnen of buiten het eigen beroep van de gebruiker valt. Van de niet-generieke berichten valt 43,5% buiten het beroep van de gebruiker. Dit biedt een vroege blik op de manier waarop AI de taken binnen banen mogelijk hervormt, nog voordat die veranderingen zichtbaar worden in functieomschrijvingen of functietitels.
Dit wijst erop dat een aanzienlijk deel van het werkgerelateerde ChatGPT‑gebruik afkomstig is van gebruikers die hun rol verbreden. In verschillende groepen is dit patroon bijzonder duidelijk. Als generiek werk buiten beschouwing wordt gelaten, vormen taken buiten het eigen beroep:
- 77% van de beroepsspecifieke berichten van customer-experience-medewerkers
- 75% van die van ontwerpers
- 69% van die van medewerkers in personeelszaken
- 56% van die van juridische medewerkers
- 53% van die van marketeers
Deze beroepsgroepen “lenen” deze taken van andere functies. De gegevens wijzen op een veranderende arbeidsverdeling: sommige activiteiten die vroeger moesten worden overgedragen, kunnen nu worden uitgevoerd door degene die als eerste merkt dat het werk nodig is.
De onderstaande heatmap toont de taakoverloop door voor elk niet-generiek bericht te bepalen bij welk beroep de taak het beste past. Marketing- en technische taken verspreiden zich het verst en komen vaak voor in berichten van werknemers buiten die vakgebieden.
Wanneer we van beroepen inzoomen op specifieke taken, blijkt de taakoverloop niet gelijkmatig verdeeld. Financiële berekeningen en het oplossen van technische problemen behoren in alle zeven andere onderzochte beroepsgroepen tot de drie meest voorkomende externe taken. Ook marketingwerk verspreidt zich breed: het maken van marketingmateriaal komt in vijf andere groepen voor en is vooral prominent onder ontwerpers.
Een blik op bredere taakbundels brengt twee duidelijke richtingen van overloop aan het licht. Sommige beroepen nemen veel taken uit andere beroepen over. Andere leveren taken die in veel verschillende banen voorkomen.
Ontwerp illustreert het eerste patroon. Ongeveer 35,2% van de berichten van ontwerpers gaat over werk dat doorgaans bij een ander beroep hoort, terwijl ontwerptaken slechts 1,7% uitmaken van de berichten van werknemers in andere vakgebieden. Ontwerpers maken veel gebruik van taken uit andere beroepen, maar ontwerpwerk zelf komt elders zelden voor.
Bij techniek zien we eerder het omgekeerde. Slechts 18,5% van de technische berichten betreft taken uit andere vakgebieden, maar technische taken maken 7,4% uit van de berichten van werknemers in andere beroepen. Techniek is een belangrijke bron van werk dat mensen elders op zich nemen, van softwareproblemen oplossen tot werken met technische systemen.
Marketing valt in beide richtingen op. Marketeers besteden 24,3% van hun berichten aan taken die bij andere beroepen horen, terwijl marketingtaken 8,9% uitmaken van de berichten van werknemers in andere vakgebieden: het hoogste uitgaande aandeel in de steekproef. Marketingmedewerkers combineren taken uit meerdere domeinen, en marketingwerk verspreidt zich ook breed door de organisatie.
De omvang en structuur van een bedrijf bepalen mede hoe AI het werk verandert. In een groot bedrijf hebben werknemers mogelijk toegang tot gespecialiseerde teams, vaste werkprocessen en interne diensten. In een kleinere organisatie pakt de werknemer die het dichtst bij het probleem staat dit eerder zelf op dan het te delegeren.
Onder gemiddelde gebruikers daalt het aandeel taken buiten het eigen beroep van 18,9% bij gebruikers in werkruimten met 2–5 plaatsen naar 16,3% bij gebruikers in werkruimten met meer dan 100 plaatsen. Bij de intensiefste gebruikers zien we niet hetzelfde monotone patroon.
Een mogelijke verklaring is dat gematigde gebruikers in kleinere organisaties AI inschakelen wanneer ze werk tegenkomen waarvoor anders een andere afdeling nodig zou zijn. Intensieve gebruikers hebben mogelijk stabiele, door AI ondersteunde werkprocessen ontwikkeld die in verschillende organisaties meer op elkaar lijken, of gebruiken AI intensiever binnen hun kernberoep.
AI kan vooral nuttig zijn als generalistisch hulpmiddel wanneer gespecialiseerde middelen schaars zijn.
Dit soort gegevens over AI-gebruik laat zien waar het werk verschuift. Zo kunnen we zien hoe AI werknemers laat experimenteren met nieuwe combinaties van activiteiten voordat bedrijven functieomschrijvingen herschrijven of nieuwe functietitels invoeren. In die zin kunnen gebruikspatronen een vroeg signaal van beroepsverandering geven, dat pas later zichtbaar wordt in conventionele arbeidsmarktstatistieken.
