Hoe maak je je carrière AI-bestendig? Dit is het antwoord van de vrouw die die vraag ‘dagelijks’ krijgt

De vraag wordt gesteld op verjaardagen, aan keukentafels, in vergader- en collegezalen. Ouders willen weten welke studie hun kind nog perspectief biedt. Studenten twijfelen of hun net gekozen richting straks nog wel leidt naar een baan. Werknemers in allerlei beroepen zien hun vak snel veranderen en vragen zich hardop af of ze „iets met AI” moeten – en wat dan? Een lijstje, houvast, een routekaart: dát zou toch handig zijn. Welke vaardigheden zijn straks meer waard, welke minder? Kortom: welke stappen kun je zelf zetten om je carrière AI-bestendig te maken?

Marjolein ten Hoonte krijgt die vragen al vijftien jaar. „Dagelijks”. Ze is directeur Arbeidsmarkt voor Randstad Groep Nederland, dat duizenden mensen aan werk helpt, en ze is ambassadeur van Digitaal Talent Nederland, een organisatie die onderwijs, bedrijfsleven en overheid verbindt om het tekort aan digitale professionals te verkleinen. Maar juist zij weigert pertinent om zo’n lijstje te leveren. „Ik hoop dat we nog even verdwaald mogen blijven”, zegt ze. „Dat we de goede vragen blijven stellen, in plaats van te snel achter antwoorden aan te rennen.”

Want wie wil weten hoe onbetrouwbaar lijstjes van „toekomstvaardigheden” zijn, hoeft maar tien jaar terug te kijken. Toen luidde het advies overal, van politiek tot startupwereld tot onderwijs: ‘leer programmeren’. En wat blijkt nu het vak dat door AI de hardste klappen krijgt: inderdaad. Uit diverse recente studies blijkt dat het aantal vacatures voor junior-programmeurs de afgelopen paar jaar fors is gedaald. Het goedbedoelde studieadvies van tien jaar geleden blijkt een behoorlijke misser.

Ten Hoonte ziet nu ook weer in het debat over AI en werk twee uitersten die elkaar in stelligheid overtreffen: de Silicon Valley-profeten die het „einde van werk” aankondigen en de AI-sceptici die volhouden dat het allemaal wel meevalt. „Dat is sowieso niet waar, want AI ís al overal om ons heen.” Maar ook het einde van werk aankondigen is op zijn zachtst gezegd voorbarig, vindt ze: „Wat kán AI nou eigenlijk? Weten we dat goed? Dat lijkt me niet.”

Maar dat betekent niet dat er niets te zeggen valt over hoe je je kunt voorbereiden op AI. In de statistieken beginnen zich wel degelijk al trends af te tekenen.

Fingerspitzengefühl

De eerste trend tot nu toe: beginnerskennis wordt door chatbots snel minder waardevol. Alles wat in boeken, handleidingen en cursussen staat, zit namelijk ook in de taalmodellen. De Amerikaanse econoom Erik Brynjolfsson en zijn collega’s aan Stanford University analyseerden loonstrookgegevens van miljoenen werknemers in de VS (waar de AI-adoptie het snelst gaat) en zagen precies dáár de klappen vallen. Jonge werknemers, die vooral schoolkennis meebrengen, verliezen terrein in AI-gevoelige beroepen, terwijl hun ervarener collega’s in exact dezelfde beroepen nog geen effect zien op werkgelegenheid.

Het verschil tussen die twee groepen is het verschil tussen boekenkennis en fingerspitzengefühl. Wat je snel kunt opzoeken, kan de machine ook. Wat je alleen door jaren doen in de vingers krijgt: oordeel, timing, smaak, weten wanneer iets niet klopt, dat wordt schaarser en dus waardevoller. Kennis is niet meer de onderscheidende factor; het gaat erom wat je met kennis doet op het moment dat het spannend wordt.

„Neem wat er nu in de wetenschap gebeurt”, zegt Ten Hoonte. „AI is heel handig voor het schrijven van papers, maar je wil niet weten hoeveel niet-bestaande verwijzingen AI ophoest. Wat is waar, wat niet? Dat vraagt inschattingsvermogen.”

En daar komt de tweede al zichtbare beweging op de arbeidsmarkt vandaan: het vermogen iets op waarde te kunnen schatten wordt juist duurder, vooral als het gaat over AI zélf. Adviesbureau PwC ploegde voor zijn jaarlijkse AI Jobs Barometer 2026 ruim een miljard vacatureteksten in 27 landen door en concludeerde dat banen waarin je met AI moet kunnen werken inmiddels fors beter betalen dan vergelijkbare banen zonder die eis.

Maar wie die vacatures leest, ziet dat ze niet per se om technische AI-kennis vragen. Ze vragen om mensen die verantwoordelijkheid kunnen dragen, die kunnen beslissen wat de machine niet kan beslissen. De vacatureteksten voor startersbanen vragen in de meest AI-gevoelige beroepen zeven keer vaker om eigenschappen die vroeger bij ervaren krachten hoorden, zoals leiderschap en strategisch denken, volgens de studie van PwC. En dit gaat nadrukkelijk niet alleen over techneuten. De verpleegkundige die AI-adviezen op waarde schat, de jurist die machineteksten goed weet te wegen, de docent die op een verstandige manier AI de klas in brengt: mensen die slim mét AI werken zijn degenen die er in deze cijfers het duidelijkst op vooruitgaan.

Startersplekken onder druk

Kennis wordt dus goedkoop en oordelen duur, maar oordeelsvermogen kan alleen ontstaan door ervaring. Daarmee komt de startersplek onder druk; dat is de derde al zichtbare trend. In de meest AI-gevoelige Nederlandse beroepen daalde het aantal startersvacatures met bijna een kwart, becijferden onderzoekers van RaboResearch begin dit jaar in economenvakblad ESB.

Ten Hoonte: „De beginner zal altijd bestaan, maar de huidige juniorfunctie is er vaak niet meer.” Dat is een reële reden tot zorg voor starters, volgens Ten Hoonte én volgens veel onderzoekers. Het is bovendien op lange termijn voor niemand goed: bedrijven die beginners wegbezuinigen om AI-winst te verzilveren, slopen hun eigen carrièreladder en aanwas van talent. „Hier hebben werkgevers gezamenlijk een verantwoordelijkheid,” zegt ze.

Lees ook

AI zet juniorvacatures op de tocht: hebben bedrijven liever Claude dan een gen Z’er?

Wel is een kanttekening op zijn plaats: het is moeilijk om deze trends zomaar aan AI te koppelen. De doorbraak van ChatGPT eind 2022 viel vrijwel samen met de snelste rentestijging in decennia, en bij dure leningen stoppen bedrijven vaak het eerst met het aannemen van nieuwe mensen. De Nederlandse econoom Femke Cnossen, die voor ESB de gegevens van alle 2,2 miljoen recent afgestudeerden sinds 2016 doorlichtte, ziet voor de meeste starters, met uitzondering van een paar sectoren, nog geen aantoonbaar AI-effect op bijvoorbeeld werkgelegenheid.

Dan de vierde beweging die in veel arbeidsmarktcijfers zichtbaar wordt: vooralsnog blijft fysiek werk overeind, bijvoorbeeld dat van bouwvakkers en loodgieters, net als werk waarin persoonlijke relaties cruciaal zijn, zoals dat van verpleegkundigen en docenten. In zorg, techniek, bouw en onderwijs nemen de tekorten juist toe. Voorlopig verandert AI daar weinig aan.

Computational thinking

Door al die onzekerheden, snelle veranderingen, verschillen per sector en andere mitsen en maren is een handzaam lijstje met AI-carrièretips dus per definitie onmogelijk, vindt Ten Hoonte. Wat er volgens haar wél te leren valt, zit een laag dieper, en begint al op school. „Natuurlijk worden eigenschappen als veerkracht en het vermogen te veranderen belangrijker. En het kan nooit kwaad om te leren wat we computational thinking noemen”, zegt ze: iets complex in stukjes kunnen opknippen, patronen herkennen en daaruit halen wat belangrijk is, en problemen stap voor stap oplossen. „Dat zijn eigenschappen die altijd al belangrijk zijn geweest, maar die nu wel centraler komen te staan.”

En dan is er nog iets wat volgens Ten Hoonte waardevol is om te oefenen: de mensen en organisaties die het snelst leren omgaan met AI zijn degenen die dat gezamenlijk doen. „Collega’s die tips delen. Teams waar fouten bespreekbaar zijn. Vakgenoten die elkaars werk constructief durven te verbeteren.”

Wie zich wil voorbereiden op AI, zoekt dus niet alleen de hipste nieuwe tool, maar vooral goed gezelschap. Dat is minder vanzelfsprekend dan het klinkt: miljoenen mensen leren nu juist in hun eentje AI te gebruiken, voor een scherm met een chatbot, ieder voor zich. In sommige vakgebieden heerst bovendien een taboe op het gebruiken van AI voor bepaalde zaken, waardoor exact dat gezamenlijke leren ook onder druk komt te staan.

Waarom is dat gezamenlijke leren zo belangrijk? „Omdat vrijwel niemand AI al beheerst”, zegt Ten Hoonte. Wat AI met een vakgebied doet, staat nog in geen enkel boek. Het verandert te snel voor curricula, te snel voor cursusaanbieders, te snel zelfs voor de mensen die er dagelijks mee werken. Ten Hoonte, nota bene arbeidsmarktspecialist van een wereldconcern, is daar zelf ook eerlijk over: „Ik wou dat ik al een fantastische AI-agent had die voor mij aan het werk was, maar ik weet nog niet hoe ik die moet bouwen.”

Hardop durven zeggen wat je nog niet kunt, en vervolgens uitzoeken van wie je het kunt leren: dat is de nieuwsgierigheid die nu als werkhouding nodig is, zegt ze: „Ben je er nieuwsgierig naar, of steek je je kop in het zand? Leer je, heb je het er met anderen over, durf je te zeggen dat je ergens géén verstand van hebt?” Eeuwenlang was de volgorde van een carrière overzichtelijk: eerst leren, dan werken. Diploma halen, vak uitoefenen, af en toe een cursus om bij te blijven. Die volgorde klopt niet meer. „Vroeger gingen we naar school om te leren. Nu moet je gaan wérken om te leren. Dat is echt een shift.”

Lerend vermogen

Dat vraagt dus permanent blijven leren, ook als oudere werknemer. En dan meer dan af en toe een middagje AI-workshop, want de verschuivingen vragen om iets fundamenteel anders: lerend vermogen dat in het werk zelf zit ingebouwd, als vast onderdeel van de dag in plaats van als cursusuitje.

Goed voorbereid zijn op AI is dan ook niet alleen een individuele kwestie, benadrukt Ten Hoonte. Zij ziet een belangrijke taak voor werkgevers, onderwijsinstellingen en de politiek: „Je kunt AI wel tussen de mensen gooien, maar je moet AI vooral goed laten wortelen”, zegt ze. „Als je een boom verplant, ga je eerst rustig de wortels lossteken, geduld hebben. Pas als die boom is voorbereid, kan hij verplant worden.” Ze stuitte laatst op een Japanse term daarvoor: nemawashi. Dat betekent letterlijk: rond de wortels graven. In het Japanse bedrijfsleven is het een term die vaak wordt gebruikt voor het geduldige voorwerk dat nodig is voordat je een radicaal andere richting inslaat.

Meer houvast dan nemawashi zit er midden in deze AI-transformatie van de arbeidsmarkt niet in, volgens Ten Hoonte: „De enige zekerheid die je hebt, is dat wat je nu zegt over wat mensen moeten doen met AI, morgen alweer achterhaald is. Het is glad ijs.”