Laura Nurski : “De combinatie mens-AI presteert vaak slechter dan mens alleen of AI alleen”

Dr. Laura Nurski ontleedt vanuit het academisch en beleidsgericht onderzoek de werkelijke impact van artificiële intelligentie (AI) op onze arbeidsmarkt en de toekomst van werk. Wat betekent AI concreet voor de werkgever, de werknemer of de freelancer qua structuren en werkprocessen? Ze geeft ons tips en doorprikt tegelijk de mythe van het massale banenverlies: de impact op de ‘kwaliteit’ van werk is mogelijk belangrijker dan die op de ‘kwantiteit’. Dit is het tweede deel van ons interview.

Dr. Laura Nurski combineert een unieke mix van academische expertise en praktijkervaring. Als beleidsonderzoeker én freelancer bestudeert zij bij de Europese denktank CEPS en andere Europese opdrachtgevers hoe technologie onze manier van werken transformeert. Met een multidisciplinaire achtergrond – handelsingenieur, doctoraat economie, master sociologie in opbouw – en ervaring als data scientist brengt zij vooral een genuanceerde visie op de huidige AI-revolutie.

Lees hier Deel 1 van het gesprek met Laura Nurski.

Van gelijkmaker naar carrièrebreker

Voor freelancers zien we dus dat eenvoudige, kortetermijnklussen verdwijnen terwijl complexere projecten overblijven. Betekent dit dat AI vooral beginners vervangt terwijl de experts overblijven?

“Een jaar geleden heerste er een optimisme dat beginners veel baat zouden hebben bij AI-tools. Experimentele studies toonden dat junioren het meest profiteerden van AI-ondersteuning – de beste schrijvers of ervaren programmeurs haalden er toen weinig voordeel uit. In het begin heerste er zo’n sfeertje van: “Ja, AI gaat een soort gelijkmaker zijn. AI zal de laagste profielen snel naar het niveau van een senior of een expert brengen.” Nu, dat was ook maar een hypothese op basis van die eerste studies.

Maar de laatste maanden is er een kentering gekomen. De realiteit blijkt nu omgekeerd: “Nu zien we meer dat AI al taken aankan die we normaal aan beginners zouden geven. Als senior onderzoeker kan ik het cleanen van datasets of het samenvatten van een paper nu zelf via AI laten doen, zonder uitleg aan een assistent en een lange wachttijd.” Dit patroon herhaalt zich in piramidestructuren zoals advocatenkantoren, consultancy’s en zakenbanken. “Het wordt makkelijker voor seniors om via AI veel juniorwerk zelf te doen.”

Het grote risico? “Molly Kinder van het Brookings Institute noemt dat “breaking the career ladder. Als je de onderste laag weghaalt, bespaar je op korte termijn kosten, maar snijd je je instroom af. Op lange termijn is er geen doorstroom meer naar het senior niveau.” Wat een intrigerende gedachte…

Breaking the career ladder. Als je de onderste laag weghaalt, bespaar je op korte termijn kosten, maar snijd je je instroom af.

Ongelijke effecten

Het concept ‘jagged technological frontier’ (de ongelijke technologische grens) geeft aan dat AI niet alle cognitieve taken in gelijke mate aankan. Kun je praktische voorbeelden geven? Waarom zijn sommige taken wel geschikt voor AI en andere niet?

Onderzoek van Harvard Business School bij 750 consultants van Boston Consulting Group onthult een fascinerende paradox: “ Bij creatieve taken zoals het bedenken van nieuwe producten of het ontwikkelen van marketingcampagnes presteerden de AI-ondersteunde consultants beter en sneller dan de collega’s zonder AI.” Maar bij analytische taken gebeurde het omgekeerde. “Consultants moesten complexe bedrijfsdata en interviews met directeuren analyseren om groeikansen te identificeren. Daarna moesten ze beslissen welk product de meeste groeikans had voor het volgend jaar. Maar alles was zo complex geconcipieerd dat het niet direct duidelijk was wat er precies moest gebeuren. En hier misleidde AI deze mensen. Ze gingen minder zelf analyseren en vonden ook minder vaak het juiste antwoord. Maar hun aanbevelingen werden achteraf nog steeds beter beoordeeld : ze konden hun verkeerde conclusies wel nog beter uitleggen dankzij AI…”

Een andere meta-analyse van honderd studies in ‘Nature Human Behaviour’ bevestigt dit patroon: “De combinatie mens-AI presteert vaak slechter dan mens alleen of AI alleen, vooral bij beslissingstaken zoals medische diagnoses of financiële keuzes.” De oplossing zit hem dan in de slimme triage: “Onderzoekers ontwikkelden AI-systemen die kunnen bepalen wanneer taken naar AI moeten gaan (‘99% zeker’) of naar mensen (‘onzeker’). Deze triage-systemen zien we al bij kwaliteitscontrole in productie.”

De combinatie mens-AI presteert vaak slechter dan mens alleen of AI alleen, vooral bij beslissingstaken zoals medische diagnoses of financiële keuzes.

Drie strategieën voor organisaties om jobs te herontwerpen:

Hoe kunnen bedrijven hun structuur het best aanpassen aan deze nieuwe realiteit?

Laura Nurski identificeert drie benaderingen op job niveau:

Versnellen en verbeteren: vooral voor creatieve taken. “Ondersteun je schrijvers, ontwerpers, programmeurs en strategische denkers met AI-tools.”
Slim automatiseren via triage-systemen: “Geef de eenvoudige customer support vragen aan AI, en stuur de complexe vragen naar menselijke medewerkers”
Taakherverdeling, vooral nuttig bij knelpuntberoepen. “Bij techniekertekorten: verschuif eenvoudige taken naar operatoren, maak eerstelijnskrachten zelfredzamer met AI-ondersteuning.”

Maar de grootste kansen liggen elders, benadrukt ze: “Bedrijven moeten vooral denken aan nieuwe processen, producten en diensten die AI mee mogelijk maakt. Doorheen de geschiedenis zijn er altijd taken geautomatiseerd en jobs verdwenen, maar er zijn er altijd meer nieuwe bij gekomen. Er zijn nu veel meer jobs dan honderd jaar geleden.”

Professor Erik Brynjolfsson illustreert dit met een krachtig voorbeeld: ‘Stel dat de Grieken exclusief gefocust hadden op het automatiseren van bestaande beroepen – geautomatiseerde pottenbakkerijen of paardenverzorgers – dan zou onze welvaart niet toegenomen zijn’. Laura Nurski legt uit: “Als we alleen maar bestaande taken automatiseren, winnen we misschien wat vrije tijd, maar onze welvaart stijgt daar niet mee. Innovatie en nieuwe producten creëren echte welvaartstijging.”

Praktische stappen

Welke concrete stappen kunnen organisaties hier nu al zetten?

Laura Nurski sluit af met enkele voorbeelden:

Voor creatieve taken: “AI aanmoedigen, niet verbieden. Mensen mogen niet stiekem AI gebruiken en dit verbergen. Stel een nieuwe norm: ‘wij willen dat jullie experimenteren en best practices uitwisselen. Dit heet ‘job crafting’.”
Geef mensen praktische ondersteuning: Toegang tot nieuwste AI-modellen, de juiste licenties, korte trainingen voor onzekere gebruikers.
Voor beslissingstaken moet je voorzichtig blijven want AI slaat daar vaak nog de bal mis. Hou altijd een ‘human in the loop’.
Baseer automatiseringsbeslissingen op een gestructureerd assessment over welke taken wel of niet automatiseerbaar zijn. Dit leidt tot efficiënte herverdelingen van taken en aanpassingen van de nodige jobprofielen.
Houd bij automatisatie ook rekening met de wensen van medewerkers: automatiseer bij voorkeur taken die eerder routinematig zijn en weinig expertise vereisen.
Blijf innoveren. Organiseer hackathons waarbij mensen een dag vrij krijgen om nieuwe AI-mogelijkheden te verkennen en te pitchen.

De belangrijkste inzichten over AI en werk

Kwaliteit boven kwantiteit: AI beïnvloedt voorlopig meer hoe we werken dan hoeveel banen er zijn.
Freelancers als indicator: De eerste concrete effecten zijn zichtbaar in de freelancemarkt – eenvoudige opdrachten verdwijnen, complexe blijven
Algorithmic management: Er zijn twee vormen met verschillende risico’s – HR-bias versus operationeel autonomieverlies.
Carrièreladder-paradox: AI dreigt entry-level posities weg te nemen, wat toekomstige senior shortage kan veroorzaken.
Jagged frontier: AI excelleert bij creatieve taken maar faalt voorlopig nog bij complexe analyses: dus is er slimme triage nodig.
Drie strategieën: Versnellen, automatiseren en herverdelen – maar innovatie creëert meeste waarde.
Human in the loop: Altijd menselijke controle behouden voor autonomie en kwaliteit
Experimenteren stimuleren: Bottom-up AI-adoptie aanmoedigen in plaats van verbieden.