AI-blootstelling op de Nederlandse arbeidsmarkt in kaart gebracht

Gesprekken over AI en werk gaan snel over categorieën: banen die verdwijnen, sectoren die veranderen, functies die worden geautomatiseerd. Wat zelden zichtbaar is: hoe die blootstelling zich verhoudt tot de feitelijke omvang van de arbeidsmarkt. Waar zitten de concentraties? Welke combinaties van schaal en kwetsbaarheid beginnen echt te tellen?

Om dat inzichtelijk te maken, hebben we een bestaand model voor de Amerikaanse arbeidsmarkt vertaald naar de Nederlandse situatie. Dat klinkt eenvoudiger dan het is.

Van US-classificaties naar ESCO en CBS

Het uitgangspunt was een visualisatie gebaseerd op Amerikaanse baanclassificaties. Die sluiten niet aan op het Europese systeem. De kern van het werk lag dan ook niet in de techniek, maar in de vertaalslag: van US-rollen naar ESCO-classificaties, en van ESCO naar CBS-arbeidsmarktdata.

Die mapping is precies het soort stap waar dit type analyse normaal gesproken vastloopt: het vereist domeinkennis, handmatige afstemming, en veel iteratie. Wat veranderd is, is hoe die afstemming tot stand komt. AI kan in dat classificatieproces een redenerende rol spelen — categorieën vergelijken, verbanden voorstellen, inconsistenties signaleren — waardoor werk dat eerder specialistisch en traag was, hanteerbaar wordt.

Het resultaat: een interactieve treemap van 114 beroepsgroepen, 9,7 miljoen werkenden, en AI-invloedsscores op basis van ESCO-functiebeschrijvingen. Beschikbaar via schmuki.nl/beroepen.

Wat de visualisatie laat zien

Een treemap verdeelt één vlak in geneste blokken: elk blok een beroepsgroep, de grootte evenredig aan het aantal werkenden, de kleur een indicatie van AI-blootstelling. Dat maakt het mogelijk om structuur en schaal tegelijk te lezen.

In gebruik gedraagt de kaart zich als een verkenningsinstrument. Niet als een lijst met conclusies, maar als een oppervlak waarop gerichte vragen kunnen ontstaan: waar is de druk hoog én de omvang groot? Welke beroepsgroepen combineren een hoog blootstellingsrisico met beperkte transitiemogelijkheden?

Die vragen zijn niet uit de kaart af te lezen. Maar de kaart maakt ze stellen mogelijk.

De waarde zit niet in het artefact

Wat dit project ook onthult, is iets over de aard van dit soort werk. Het produceren van een gestructureerde, visueel overtuigende analyse is toegankelijker geworden. Dat is relevant, maar het verschuift tegelijk de vraag: waar zit de waarde dan nog?

Wat wij zien: de productie van het artefact wordt eenvoudiger, maar de betekenis ervan wordt bepaald door de keuzes die eraan voorafgaan. Hoe worden classificaties uitgelijnd? Welke proxy's worden gekozen? Hoe worden beperkingen benoemd en meegewogen in de interpretatie?

Die beslissingen zijn minder zichtbaar in de output, maar ze bepalen wat de output waard is. Organisaties die AI inzetten voor dit soort analyses, doen er goed aan die laag serieus te nemen — en niet te verwarren met de presentatie die eruit volgt.

Verder

De visualisatie is openbaar beschikbaar en te inspecteren: de aannames zijn zichtbaar, de structuur is navolgbaar. Dat maakt het geen definitieve analyse, maar een startpunt voor een betere vraagstelling — over de Nederlandse arbeidsmarkt, over AI-blootstelling per sector, en over wat er nodig is om die inzichten te verbinden met concrete organisatiebeslissingen.

Dat laatste is precies waar wij mee werken.