5 onverwachte bijwerkingen van AI die organisaties nu al voelen

Vrijwel elke organisatie gebruikt GenAI inmiddels op de een of andere manier. Sommige voorzichtig, met een pilot hier en een goedgekeurde tool daar. Andere organisaties voluit, met AI diep verweven in dagelijkse werkprocessen. De belofte was helder: minder saaie taken, meer tijd voor het interessante werk. Maar wat ik de afgelopen tijd steeds vaker zie, is dat er naast de verwachte voordelen ook een reeks bijwerkingen opduikt die niemand echt had voorzien. Geen sciencefiction-scenario’s over baanverlies, maar concrete, herkenbare effecten op de werkvloer die nu al zichtbaar zijn. In dit artikel ga ik er verder op in.

We hebben dit eerder gezien

Elke keer dat een nieuwe technologie de werkvloer op komt, duiken er effecten op die niemand had voorspeld. De introductie van de computer en de muis in de jaren negentig leidde tot een RSI-golf die we niet hadden zien aankomen. Vanaf 1995 was er in Nederland zelfs sprake van een echte epidemie. De vraag ‘hoe kan je nou ziek worden van achter een bureau zitten?’ klonk precies zo niet-begrijpend als de vragen die we nu over AI stellen. De smartphone bracht vervolgens de WhatsApp-duim en inmiddels schermvermoeidheid. Hybride werken tijdens corona legde een onverwacht isolatieprobleem bloot dat we pas achteraf goed konden benoemen.

AI is wat mij betreft niet anders. De effecten die ik in dit artikel beschrijf, zijn niet het gevolg van slechte technologie, maar van nieuwe technologie die botst met bestaande werkstructuren die er nog niet klaar voor zijn.

1. Mensen werken harder, niet minder

De grootste misvatting die ik in gesprekken met leidinggevenden tegenkom, is dat AI automatisch zorgt voor minder werkdruk. In theorie klopt het verhaal: als AI een deel van het werk overneemt, houd je tijd over. Maar wat er in de praktijk gebeurt, is anders.

Onderzoek van Berkeley en Harvard Business Review laat zien dat medewerkers in een Amerikaans techbedrijf na de introductie van AI-tools sneller begonnen te werken, meer soorten taken op zich namen en hun werkdag stilletjes verlengden. Niemand vroeg dat expliciet, dit groeide organisch. AI maakte taken goedkoper en sneller, waardoor organisaties er gewoon meer van gingen vragen. Dit fenomeen kennen economen als de Jevons Paradox: naarmate iets efficiënter wordt, neemt het gebruik toe tot de winst is verdampt.

In de praktijk zie je dat de tijdswinst van AI direct wordt omgezet in hogere verwachtingen, kortere doorlooptijden en bredere taakomschrijvingen. Wie vroeger drie rapporten per week produceerde, levert er nu vijf. De snelheid is gestegen, de druk ook.

Een medewerker van een industrieel bedrijf waar ik laatst mee mocht werken, verwoordde het zo mooi:

De eerste maanden voelen echt als pure winst, het tweede halfjaar begint steeds meer te knellen.

2. Workslop: de verborgen rekening van snelle output

Dit is mijn grootste ergernis rondom het gebruik van AI. Stanford Social Media Lab en BetterUp voerden in 2025 een onderzoek uit onder ruim duizend kenniswerkers en introduceerden de term workslop. AI-gegenereerde output die er verzorgd uitziet maar te weinig inhoud heeft om een taak echt verder te helpen. Meer dan 40% van de respondenten zei in de afgelopen maand zulke output te hebben ontvangen van collega’s. Elke keer kostte dat gemiddeld bijna 2 uur aan herstelwerk. Voor een organisatie van 10000+ medewerkers tikt dat op naar meer dan $9 miljoen per jaar aan verborgen productiviteitsverlies.

Wat workslop zo verraderlijk maakt, is dat het de cognitieve last verplaatst in plaats van vermindert. De zender bespaart tijd. De ontvanger betaalt de rekening. En nog erger; bijna de helft van de respondenten zei de collega die workslop stuurde voortaan als minder betrouwbaar en minder competent te beschouwen. AI-gebruik heeft dus niet alleen een productiviteitseffect, maar ook een sociaal effect dat je niet zomaar herstelt.

Ditzelfde patroon zie je terug in softwareontwikkeling. GitClear analyseerde 211 miljoen regels code over de periode 2020 tot 2024 en constateerde dat refactoring (het structureel verbeteren van bestaande code) gekelderd is van 25% van alle codewijzigingen in 2021 naar minder dan 10% in 2024. Gekopieerde code steeg van 8,3% naar 12,3%. Snellere output… maar een groeiende berg technische schuld.

Ik pik zelf de workslop er snel uit en reageer dan ook direct naar de zender dat ik er inhoudelijk niet op in ga. In het gesprek wat volgt, krijg ik vaak te horen dat mensen dit doen door een hoge werkdruk.

3. Wat je niet meer oefent… raak je kwijt

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 GenAI de directe taakprestatie verhoogt, maar dat diezelfde medewerkers bij terugkeer naar solo werk lagere motivatie rapporteren en minder eigenaarschap over hun werk voelen. Een belangrijk onderscheid moet je hier wel in maken: passief gebruik (waarbij mensen AI output grotendeels kopiëren) ondermijnt de zelfeffectiviteit en ervaren betekenis van werk. Actief samenwerken met AI, waarbij je zelf blijft redeneren en bijsturen, heeft dat effect veel minder volgens het onderzoek.

Het probleem is volgens mij dat veel organisaties passief gebruik impliciet belonen. Snelheid en outputvolume zijn zichtbaar en meetbaar. Begrip, verificatie en zelfstandig kunnen redeneren zijn dat vrijwel niet. In een omgeving waar het snelste resultaat wint… is het rationeel om te kopiëren en door te sturen.

Bijzonder kwetsbaar zijn junior-medewerkers binnen een organisatie. 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 omdat juist die rollen toekomstige experts vormen. 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.

4. Stil barsten van binnenuit

Als de werkdruk stijgt, vakmanschap sluipend wegebt en de toekomst onzeker voelt, heeft dat een psychologisch effect dat langzaam zichtbaar wordt.

TalentLMS publiceerde in april 2025 onderzoek onder 1000 Amerikaanse werknemers over wat zij quiet cracking noemen; een aanhoudend ongelukkig gevoel op de werkvloer dat leidt tot emotionele ontkoppeling, dalende prestaties en een plan om weg te gaan. Dit is trouwens niet hetzelfde als burn-out, want de uitputting is niet de kern in dit geval. Het is ook niet hetzelfde als quiet quitting (de trend waarbij werknemers zich strikt beperken tot het werk waarvoor ze betaald worden), want het is niet bewust. Het is eerder een geleidelijk barsten van binnenuit. Ruim 54% van de ondervraagden ervoer dit in enige mate en 20% frequent of constant.

Wat dit onderzoek interessant maakt, 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% is precies de voedingsbodem voor deze zogenaamde quiet cracking: mensen die zich gevangen voelen en economisch niet kunnen weggaan maar ondertussen stilletjes afhaken.

Wetenschappelijk onderzoek in Frontiers in Public Health legt het mechanisme verder bloot. GenAI gebruik hangt samen met psychologische angst via twee routes: toenemende baanzekerheidsangst en meer eenzaamheid op de werkvloer. De schade komt dus al ruim vóór een eventuele reorganisatie. Gewoon door de permanente onzekerheid over wat AI met je rol zal doen.

5. Shadow AI: wat niemand ziet

Het laatste effect speelt zich volledig buiten managementdashboards af. Medewerkers die de officiële AI-tools te traag of te beperkt vinden (wat ik veel terug hoor rondom CoPilot), grijpen naar persoonlijke accounts van ChatGPT en Claude. Zonder IT of compliance te informeren. Dit wordt shadow AI genoemd. En het is wijdverbreider dan de meeste organisaties beseffen.

Gartner ondervroeg in 2025 ruim driehonderd cybersecurityleiders en constateerde dat 69% van de organisaties vermoedt of aanwijzingen heeft dat medewerkers verboden publieke AI tools gebruiken. Gartner verwacht dat voor 2030 meer dan 40% van de ondernemingen een veiligheids- of compliance incident meemaakt als gevolg van niet-geautoriseerd AI-gebruik.

Waarom mensen dit doen, is voor mij wel redelijk duidelijk. Niet uit ongehoorzaamheid, maar omdat de officiële tools de productiviteitsdruk niet bijhouden. Shadow AI is in mijn optiek een aanpassingsstrategie. Het probleem is dat medewerkers daarbij soms gevoelige bedrijfsinformatie of persoonsgegevens in systemen stoppen waar de organisatie geen controle over heeft. Er zijn talloze voorbeelden bekend in Nederland waar dit tot vervelende gevolgen heeft geleid, zoals bij de gemeente Eindhoven.

In Nederland maakt de Autoriteit Persoonsgegevens hier expliciet werk van. Zij hebben AVG-randvoorwaarden gepubliceerd voor organisaties die generatieve AI willen inzetten.

Wat kan je doen om de effecten te voorkomen of verminderen?

Het antwoord is niet minder AI gebruiken. Het is echt een ander gebruik van AI, gecombineerd met een serieuze heroverweging van hoe werk binnen jouw organisatie is ingericht. AI levert het meeste op wanneer workflows worden herontworpen, niet wanneer AI bovenop bestaand werk wordt gestapeld. Organisaties die alleen losse productiviteitswinst najagen, creëren precies de problemen die ik beschrijf in deze blog. Wat kan je dan wel doen:

• Meet de werkdruk bewust. Niet alleen hoeveel output er is gegenereerd, maar ook hoeveel tijd naar review, herstelwerk en uitzonderingen gaat. Dat laatste zie ik bij veel organisaties als de verborgen rekening van snelle AI-adoptie.
• Stimuleer actief gebruik, in plaats van passief kopiëren. Laat medewerkers eerst hun eigen redenering formuleren voordat AI hen versnelt of controleert. Zo blijft de cognitieve frictie aanwezig die vakmanschap in stand houdt.
• Bescherm juniorleerpaden expliciet. Reserveer taken zonder AI voor de vorming van jouw vak. Zorg voor menselijke begeleiding, feedbackloops en ruimte om fouten te analyseren. Wie dat niet doet, breekt stilletjes de expertiseketen af binnen de organisatie en van jezelf als professional.
• Geef snel veilige alternatieven voor de shadow AI-toepassingen. Verbieden zonder alternatief werkt zelden. Ik zie werknemers lekker op de eigen laptop met een hotspot alsnog in de tools werken. Geef ze een veilige, goedgekeurde optie die wél werkt en baken daarbinnen duidelijk af welke data niet in publieke modellen mogen.
• Praat met je collega’s en open het gesprek over werkdruk en perspectief. De afgelopen tijd zag ik mooie voorbeelden van klanten voorbij komen, die het moeilijke gesprek niet uit de weg gingen en het faciliteerden. Zo’n open gesprek is belangrijk, want quiet cracking groeit in stilte. Het helpt al enorm als leidinggevenden actief vragen wat AI doet met het werk van hun mensen, niet alleen of de tools worden gebruikt.

We zijn nog maar een paar jaar verder na de introductie van ChatGPT en de effecten die ik hierboven beschrijf zijn al volop zichtbaar in talloze organisaties in Nederland. Net zoals we bij RSI pas later leerden hoe je een ergonomische werkplek inricht, leren we nu wat het betekent om AI verantwoord in te voeren. Het goede nieuws: de lessen zijn al beschikbaar. De vraag is of organisaties er nu al mee aan de slag gaan, of wachten tot de schade te groot is om te negeren.