5 onverwachte bijwerkingen van AI op de werkvloer

Vrijwel elk bedrijf gebruikt generatieve AI inmiddels op de een of andere manier. De belofte was helder: minder saaie taken, meer tijd voor het interessante werk. Maar wat als die belofte maar half uitkomt? Naast de verwachte voordelen duiken er steeds vaker concrete bijwerkingen van AI op die niemand echt had voorzien. Geen sciencefiction-scenario’s over baanverlies, maar herkenbare effecten op de werkvloer die al zichtbaar zijn bij MKB-bedrijven en grote organisaties. In dit artikel benoemen we er vijf – eerlijk- op basis van recent onderzoek.

Nieuwe technologie, onverwachte effecten: een patroon dat we al kennen

Elke technologiegolf brengt effecten mee die we pas achteraf goed kunnen benoemen. De introductie van de computer in de jaren negentig leidde tot een RSI-golf die niemand had voorspeld. De smartphone bracht schermvermoeidheid. Hybride werken legde een isolatieprobleem bloot dat we pas tijdens corona volledig begrepen.

AI is wat dat betreft niet anders. De bijwerkingen die we hieronder beschrijven, zijn niet het gevolg van slechte technologie. Ze ontstaan doordat nieuwe technologie botst met bestaande werkstructuren die er nog niet klaar voor zijn. Dat is een belangrijk onderscheid, want het maakt de oplossing ook concreter.

1. Hogere werkdruk in plaats van minder

De grootste misvatting die organisaties hebben over AI is dat het automatisch zorgt voor minder werkdruk. In theorie klopt het verhaal: als AI een deel van het werk overneemt, houd je tijd over. Maar onderzoek van Berkeley en Harvard Business Review laat zien dat medewerkers na de introductie van AI-tools sneller begonnen te werken, meer taken op zich namen en hun werkdag stilletjes verlengden. Niemand vroeg dat expliciet, het groeide organisch.

Economen kennen dit fenomeen als de Jevons Paradox: naarmate iets efficiënter wordt, neemt het gebruik toe totdat de winst is verdampt. In de praktijk zie je dat de tijdswinst van AI direct wordt omgezet in hogere verwachtingen en kortere doorlooptijden. Wie vroeger drie rapporten per week produceerde, levert er nu vijf. De snelheid is gestegen, de druk ook.

Voor MKB-ondernemers die AI-integratie overwegen, is dit een cruciaal signaal: zonder bewuste afspraken over verwachtingen verschuift de tijdwinst van de medewerker naar de organisatie als extra capaciteit, niet als rust.

2. Workslop: snelle output met verborgen kosten

Stanford Social Media Lab en BetterUp introduceerden in 2025 een nieuwe term: workslop. Dit is AI-gegenereerde output die er verzorgd uitziet, maar te weinig inhoud heeft om een taak echt verder te helpen. Meer dan 40% van de ondervraagde kenniswerkers zei in de afgelopen maand zulke output te hebben ontvangen van collega’s. Elke keer kostte dat gemiddeld bijna twee uur aan herstelwerk.

Voor een organisatie van 10.000+ medewerkers tikt dat op naar meer dan 9 miljoen dollar per jaar aan verborgen productiviteitsverlies. Maar het effect gaat verder dan geld: bijna de helft van de respondenten beschouwde de collega die workslop stuurde voortaan als minder betrouwbaar en minder competent. AI-gebruik heeft dus niet alleen een productiviteitseffect, maar ook een sociaal effect dat je niet zomaar herstelt.

Hetzelfde patroon is zichtbaar in softwareontwikkeling. GitClear analyseerde 211 miljoen regels code over de periode 2020–2024 en constateerde dat structureel verbeteren van bestaande code (refactoring) kelderde van 25% naar minder dan 10% van alle codewijzigingen. Gekopieerde code steeg van 8,3% naar 12,3%. Snellere output, maar een groeiende berg technische schuld; iets waar elk bedrijf dat inzet op webdevelopment en digitale producten rekening mee moet houden.

3. Sluipend verlies van vakmanschap

Er is een subtielere schade die niet terugkomt in managementrapportages: mensen die hun vak langzaam minder goed beheersen omdat ze het steeds minder zelf doen. Onderzoek gepubliceerd in Scientific Reports laat zien dat samenwerking met generatieve AI de directe taakprestatie verhoogt, maar dat diezelfde medewerkers bij terugkeer naar solowerk lagere motivatie rapporteren en minder eigenaarschap voelen.

Het cruciale onderscheid zit in de manier van gebruik. Passief gebruik, waarbij mensen AI-output grotendeels kopiëren zonder zelf te redeneren, ondermijnt zelfeffectiviteit en de ervaren betekenis van werk. Actief samenwerken met AI, waarbij je zelf blijft bijsturen en nadenken, heeft dat effect veel minder.

Het probleem is dat veel organisaties passief gebruik impliciet belonen. Snelheid en outputvolume zijn zichtbaar en meetbaar. Begrip en zelfstandig redeneren zijn dat vrijwel niet. In een omgeving waar het snelste resultaat wint, is het rationeel om te kopiëren en door te sturen ook al vreet het op termijn aan kwaliteit.

4. Juniors missen de leerschool die starters vormt

Bijzonder kwetsbaar zijn junior-medewerkers. Juist de routineuze, herhaalbare taken waarmee starters traditioneel hun vak leerden, zijn de eerste die AI momenteel overneemt. Harvard Business Review waarschuwt dat het wegautomatiseren van deze zogenaamde entry-level taken kortzichtig is: precies die rollen vormen de toekomstige experts van een organisatie.

Data van het Stanford Digital Economy Lab bevestigen dit. Juniors in sterk AI-blootgestelde beroepen laten een relatieve werkgelegenheidsdaling van 16 procent zien, terwijl meer ervaren collega’s vrijwel stabiel blijven. Organisaties snijden zo onbewust in hun eigen talentontwikkeling een risico dat pas over twee à drie jaar volledig zichtbaar wordt, maar nu al begint.

Dit is ook relevant voor bedrijven die investeren in digitale strategie: een team dat snel senioren verliest en te weinig juniors ontwikkelt, verliest op termijn het vermogen om echt te innoveren.

5. Quiet cracking: emotionele ontkoppeling van binnenuit

Als de werkdruk stijgt, vakmanschap sluipend wegebt en de toekomst onzeker voelt, heeft dat een psychologisch effect. TalentLMS publiceerde in april 2025 onderzoek onder 1.000 werknemers over wat zij quiet cracking noemen: een aanhoudend ongelukkig gevoel op de werkvloer dat leidt tot emotionele ontkoppeling, dalende prestaties en een stille intentie om weg te gaan.

Dit is niet hetzelfde als burn-out — de uitputting is niet de kern. Het is ook niet hetzelfde als quiet quitting, want het is niet bewust. Het is eerder een geleidelijk barsten van binnenuit. Ruim 54% van de ondervraagden ervoer dit in enige mate, 20% frequent of constant.

Opvallend is de verbinding met perspectief: 82% van de werknemers voelt zich stabiel in de huidige functie. Vraag je echter naar het vertrouwen in de langetermijntoekomst bij dezelfde werkgever, dan daalt dat naar 62%. Die kloof van 20 procentpunt is precies de voedingsbodem voor quiet cracking, en AI-onzekerheid speelt daar een directe rol in.

Wat kun je als organisatie nu al doen?

De bijwerkingen van AI die we hier beschrijven, zijn geen argument om AI links te laten liggen. Ze zijn een argument om het bewuster in te zetten. Concreet betekent dat:

• Maak afspraken over verwachtingen: tijdwinst door AI is geen vrijbrief voor meer output. Beslis bewust wat je ermee doet.
• Beloon kwaliteit boven snelheid: zorg dat actief en kritisch AI-gebruik zichtbaar en gewaardeerd wordt, niet alleen de outputsnelheid.
• Bescherm de leerschool van juniors: automatiseer niet klakkeloos de taken die starters vakmanschap bijbrengen.
• Geef perspectief: communiceer eerlijk over de rol van AI in de toekomst van functies. Onzekerheid is schadelijker dan een moeilijk antwoord.
• Kies voor maatwerk, geen standaard tools: een generieke AI-tool past zelden goed op de specifieke processen van een MKB-bedrijf.

Bij Divtag helpen we MKB-bedrijven met het slim inzetten van AI-integraties die wél passen bij hun werkprocessen en teamstructuur; geen standaard templates, maar maatwerk dat aansluit op hoe jouw organisatie écht werkt. Van webdevelopment tot procesautomatisering: technisch vakmanschap gecombineerd met strategisch inzicht.

Wil je weten hoe jouw organisatie AI verantwoord en effectief kan inzetten?

Neem contact met ons op; we denken graag met je mee.