Taken, rollen, bedrijven: de drie lagen van AI-disruptie
Mario Beck

Taken, rollen, bedrijven: de drie lagen van AI-disruptie

Mario Beck

2026-07-07


Elke week vraagt iemand me een variant van dezelfde vraag. "Neemt AI mijn baan over?" Het is een terechte zorg. Het is ook de verkeerde vraag, want ze trekt drie afzonderlijke lagen van disruptie samen tot één. En de laag waar de angst zit, is zelden de laag waar de echte schade gebeurt.

Ik wil die lagen uit elkaar trekken. Zodra je ze los van elkaar ziet, houdt veel verwarrend nieuws over AI en werk op verwarrend te zijn.

Drie lagen, één betoog

Disruptie door AI loopt door een stapel, niet via één gebeurtenis.

Laag 1 is taken. De losse stukjes werk binnen een baan. Vat dit rapport samen. Schrijf die e-mail. Sluit deze cijfers aan. Taken zijn smal, en een model kan er eentje wel of niet aan.

Laag 2 is rollen. De bundel taken waar we een functietitel op plakken. "Analist." "Marketingmanager." "Paralegal." Rollen vangen verandering op taakniveau op door taken af te stoten, nieuwe erbij te nemen en te verschuiven waarvoor iemand eigenlijk betaald wordt.

Laag 3 is bedrijven. Het verdienmodel. Wat je verkoopt, aan wie, en waarom ze jou betalen in plaats van een concurrent of een heel andere manier om hun probleem op te lossen. Dit is de laag waar een hele sector er gezond uit kan zien, tot het moment dat dat niet meer zo is.

Het meeste publieke debat speelt zich helemaal af op laag 1, met discussie over welke taken een model vandaag al aankan. Het meeste leiderschapsgesprek speelt zich af op laag 2, met discussie over headcount en het herontwerpen van rollen. Bijna niemand besteedt genoeg tijd aan laag 3, met de vraag of het model onder die rollen nog wel werkt. Daar gaat dit stuk over.

Laag 1: taken veranderen snel, en ongelijk verdeeld

Dit is de laag die de meeste onrust veroorzaakt, en niet zonder reden. Het is de laag die mensen elke dag direct meemaken, in hun eigen werk.

In "GPTs are GPTs", het onderzoek van OpenAI, OpenResearch en de University of Pennsylvania uit 2023, schatten de onderzoekers dat ongeveer 80% van de Amerikaanse beroepsbevolking op zijn minst 10% van hun werktaken beïnvloed kan zien door large language models. Ongeveer 19% van de werknemers zou bij minstens de helft van hun taken impact kunnen ervaren.

Lees die twee cijfers samen, en de vorm van de disruptie wordt duidelijk. Ze is breed. Bijna iedereen wordt ergens geraakt. Maar ze is voor de meeste mensen oppervlakkig en voor een veel kleinere groep diep. Automatisering op taakniveau is geen golf die hele banen gelijkmatig optilt of laat zinken. Ze verloopt ongelijk, taak voor taak, mens voor mens.

Dit is reëel, en het verdient aandacht. Op zichzelf is het geen bewijs dat een rol of een bedrijf in de problemen zit. Een rol kan flink wat verandering op taakniveau opvangen en toch blijven bestaan. Een bedrijf kan een berg aan taken automatiseren en volgend jaar toch iets verkopen dat niemand meer wil. Laag 1 zegt je bijna niets over laag 3.

Laag 2: rollen worden opnieuw geschud, niet zomaar geschrapt

Een laag hoger wordt het beeld rommeliger, en beter te overleven.

Het Future of Jobs Report 2025 van het World Economic Forum, gebaseerd op data van meer dan duizend bedrijven in 22 sectoren en 55 economieën, voorspelt tegen 2030 170 miljoen nieuw gecreëerde rollen en 92 miljoen verdrongen rollen. Netto is dat 78 miljoen nieuwe banen, maar de doorstroom daaronder is het echte verhaal: het equivalent van 22% van de huidige totale werkgelegenheid zou omslaan. Datzelfde rapport verwacht dat bijna 40% van de kernvaardigheden van bestaande banen in die periode verandert.

Let op wat die data eigenlijk zegt. Niet "AI schrapt banen." Wel "AI herschrijft snel wat banen vereisen." Sommige rollen krimpen. Sommige splitsen zich in nauwere specialismen. Sommige worden uitgevonden. Een analistenrol uit 2023 en een analistenrol in 2030 kunnen dezelfde functietitel delen en verder bijna niets.

Hier gaat het meeste van de leiderschapstijd naartoe, en dat is geen verspilde tijd. Rollen opnieuw ontwerpen rond waar mensen echt voor nodig zijn, in plaats van wat een functieomschrijving vijf jaar geleden zei, is legitiem werk. Maar het is ook waar veel bedrijven stoppen, omdat het herontwerpen van rollen aanvoelt als de hele klus. Dat is het niet. Een bedrijf kan het herontwerp van rollen perfect uitvoeren en toch het verkeerde verdienmodel optimaliseren.

Laag 3: bedrijven, waar het echte risico zich verstopt

Dit is de laag die niet opduikt in een onderzoek naar taakautomatisering of een vaardighedenrapport, omdat het daarbij helemaal niet gaat om individueel werk. Het gaat erom of wat je verkoopt nog steeds is wat mensen willen kopen.

Kodak is het voorbeeld waar iedereen naar grijpt, en dat is terecht. Het wereldwijde personeelsbestand van Kodak bereikte in 1988 een piek van 145.000 medewerkers. Eind 2025 meldde het bedrijf ongeveer 3.500 medewerkers.

Dit is het deel dat mensen overslaan. Voor het grootste deel van die neergang zagen individuele banen bij Kodak er prima uit. Chemici deden nog steeds scheikunde. Marketingmanagers voerden nog steeds campagnes. Taak voor taak, rol voor rol, zag het dagelijkse werk er niet kapot uit. Het verdienmodel wel. Film hield op het ding te zijn waar mensen voor wilden betalen, en geen enkel herontwerp van rollen binnen de filmdivisie zou dat hebben opgelost. De banen waren een achterblijvende indicator. Het bedrijf was de voorlopende.

Dat is het patroon op laag 3 om nu bij AI op te letten. Een bedrijf dat draait op het factureren van uren aan taakuitvoering, concepten schrijven, opmaken, eerste onderzoeksrondes, is op deze laag kwetsbaar, zelfs als elke afzonderlijke rol erin perfect bezet lijkt. Niet de taken die geautomatiseerd worden zijn het risico. Het verdienmodel dat alleen zin had zolang die taken duur waren, is het risico.

Angst op laag 1, schade op laag 3

Zet de drie lagen naast elkaar, en de mismatch is duidelijk. De angst concentreert zich op laag 1, omdat mensen daar verandering het eerst opmerken, in hun eigen dagelijkse werk. De echte schade concentreert zich op laag 3, omdat daar een heel bedrijf stilletjes kan ophouden ergens zin in te hebben, terwijl iedereen erbinnen nog steeds competent werk levert.

De meeste leiderschapsgesprekken blijven steken op laag 2, wat aanvoelt als vooruitgang omdat organogrammen veranderen. Maar rollen herontwerpen rond een verdienmodel dat al aan het verouderen is, is netjes de dekstoelen verschuiven. Het is nog steeds het verkeerde schip.

De ongemakkelijke versie: als het hele AI-gesprek van een leiderschapsteam gaat over "welke rollen herstructureren we," heeft het de vraag die er echt toe doet nog steeds niet gesteld. Is wat we verkopen, en de manier waarop we het leveren, over drie jaar nog steeds wat klanten willen betalen?

De laag-3-vragen die het waard zijn

Een paar vragen die het gesprek naar waar het risico echt zit, dwingen.

Waarvoor betalen je klanten je vandaag, en blijft dat over drie jaar nog waar? Als het eerlijke antwoord "uren aan taakuitvoering" is, is dat een antwoord waar je even bij moet stilstaan.

Zou je organogram nog steeds kloppen als AI morgen je huidige workflow volledig zou automatiseren? Als het antwoord nee is, houdt automatisering op taakniveau op dit moment een structuur overeind die het bedrijf eigenlijk niet nodig heeft, en die kloof sluit zich op zijn eigen tijdlijn, niet op de jouwe.

Wordt je laatste "efficiëntie"-winst geherinvesteerd in een ander aanbod, of is het gewoon hetzelfde aanbod met minder mensen die het draaiende houden? Het eerste is aanpassing. Het tweede is een bedrijf dat de verouderde versie voorlopig iets goedkoper draait.

Geen van deze vragen heeft bij de eerste poging een comfortabel antwoord. Dat is precies het punt. Laag 3 is ongemakkelijk, juist omdat het de laag is die het meest telt en het minst wordt bevraagd.

Waar je je aandacht eigenlijk op moet richten

Taken blijven snel veranderen, en dat is het waard om te volgen. Rollen blijven opnieuw geschud worden, en ze goed herontwerpen is echt, noodzakelijk werk. Maar als het gesprek daar stopt, kan een bedrijf elke beslissing op laag 1 en laag 2 goed nemen en toch Kodak van 1988 zijn, volledig bemand, volledig competent, en stilletjes wedden op een model dat al aan het verouderen is.

Het bedrijf is de laag waar niemand een meeting voor plant. Het is de laag die het waard is om als eerste te plannen.

Ik heb de volledige uitwerking van de drie lagen, met een kort worksheet om je eigen verdienmodel ertegen af te zetten, in de nieuwsbrief van deze week gezet. Je kunt het hier gratis ophalen.

En als je wilt doordenken waar jouw eigen bedrijf hierin staat, mijn DMs staan open.

Houd me op de hoogte

Eén bruikbare e-mail per week over soevereine AI, governance en enterprise AI die werkt. Meld je aan en ontvang de gratis Sovereign AI Playbook.

Meld je aan op onze nieuwsbriefpagina