AI kan menselijke expertise omzetten in bedrijfsbezit

In dit artikel:

AI verandert niet alleen wat werk doet, maar ook wie het bezit: door digitale sporen te verzamelen wordt impliciete vakkennis meetbaar en trainbaar, waardoor werkgevers die expertise kunnen omzetten in schaalbare modellen als bedrijfsvermogen. Dit artikel bespreekt wie daardoor de zeggenschap en de opbrengsten krijgt — werknemers of werkgevers — en welke gevolgen dat heeft voor gedrag, arbeidsverhoudingen en concurrentie.

Hoe het werkt: in sectoren waar gesprekken, code, documenten en procesdata systematisch worden vastgelegd, raakt kennis uit handen en hoofden omgezet in data. Deze data voeden AI-systemen die taken uitvoeren en daarmee deels de capaciteit van de originele werknemers repliceren. Onderzoekers (Cullen et al., 2026) tonen met een grootschalig survey-experiment aan dat werknemers minder geneigd zijn kennis te delen zodra ze beseffen dat hun input AI kan trainen die later met hen concurreert. Praktische voorbeelden: schrijvers in Hollywood (WGAW, 2023) en Nederlandse orkesten (cao-afspraken, 2025) hebben expliciet bezwaar gemaakt tegen gebruik van werkopnames voor AI-training.

Gevolgen voor gedrag en productiviteit: als medewerkers vrezen dat iedere uitleg of elk creatief idee hun toekomstige vervanging voedt, nemen ze minder initiatief, documenteren ze minder en delen ze minder kennis. Omdat veel waarde in moderne organisaties juist schuilt in dergelijke discretionaire bijdragen, kan dat de verwachte productiviteitswinst van AI ondermijnen.

Eigendomsvraag en beleidsopties: het voorstel om individuele werknemers eigendom over hun werkdata te geven lijkt aantrekkelijk, maar creëert een externaliteit: als één werknemer zijn data vrijgeeft, verzwakt dat de onderhandelingspositie van anderen en versterkt het werkgeversmacht. Daarom pleit het artikel voor collectieve oplossingen: cao’s, ondernemingsraden en medezeggenschap moeten vastleggen wie data mag gebruiken, voor welke doeleinden en hoe opbrengsten gedeeld worden.

Concurrentie-effecten tussen bedrijven: grotere organisaties beschikken vaak over rijkere interne data en hebben daarmee een voorsprong bij AI-ontwikkeling. Een verandering op GitHub leidde bijvoorbeeld tot grotere uitstroom van productieve ontwikkelaars richting grote bedrijven (Gupta et al., 2025), met negatief effect op kleinere bedrijven.

Kader: de kernvraag is niet alleen wat AI kan, maar wie bepaalt de doelen, wie incasseert de baten en hoe behouden werknemers controle over hun expertise. Collectieve regelingen, transparantie en verdeling van opbrengsten zijn cruciaal om te voorkomen dat menselijke intelligentie routinematig wordt geprivatiseerd.