Wat de cijfers werkelijk zeggen
Robert Half ondervroeg bijna 2.000 Amerikaanse recruiters en stelde vast dat 32 procent een functie voornamelijk vanwege AI had geschrapt en daarna opnieuw aannam voor dezelfde of een vergelijkbare positie. De verdeling per sector is het deel dat het waard is om twee keer te lezen. Finance draaide de meeste bezuinigingen terug met 44 procent, boven human resources met 35 procent en technologie met 32 procent. Gartner voegt een blik vooruit toe: tegen 2027 verwacht het dat ongeveer de helft van de bedrijven die ontslagen aan AI toeschreven opnieuw zal aannemen voor vergelijkbare functies.
Op zichzelf gelezen nodigt de kop uit tot de makkelijke conclusie dat de AI niet goed genoeg was. Die lezing is onvolledig. Een terugdraaipercentage van een op de drie onder tweeduizend managers is geen verhaal over een zwak model. Het is een verhaal over hoe het besluit om te snijden werd genomen, en hoe snel het werd genomen, voordat iemand mat wat de functie werkelijk deed.
Waarom uitgerekend finance de terugdraaiingen aanvoerde
Het is verleidelijk aan te nemen dat de functie die het handigst is met spreadsheets een automatiseringsbesluit het zorgvuldigst zou prijzen. De enquete zegt dat het tegenovergestelde gebeurde. Finance voerde de terugdraaiingen aan juist omdat het vloeiend is in geprojecteerde besparingen. Een efficientiecijfer van de leverancier belandt in een model, het model toont een schone personeelsreductie, en de besparing wordt geboekt alsof ze al gerealiseerd was. De functie wordt geschrapt tegen een prognose, niet tegen een waargenomen werklast.
De kloof wordt pas zichtbaar in de praktijk. Het geautomatiseerde systeem verwerkt het routinevolume en loopt dan vast op het restwerk dat het oordeel droeg: de randgevallen, de uitzonderingen, de beslissingen die niet in het script passen. Dat restant is klein als aandeel van de transacties en groot als aandeel van het risico. Wanneer het opduikt, moet de bezuiniging tegen de slechtst mogelijke prijs worden teruggedraaid, want nu neem je opnieuw aan voor een functie waarvan je de markt al had verteld dat je hem had geschrapt.
De basisrate waarvan je had moeten uitgaan
De discipline voor de operator is hier denken in basisrates. Voor deze enquete had een manager die een AI-voor-personeelsbezetting-bezuiniging afwoog een claim van de leverancier en een interne prognose. Erna heeft diezelfde manager een gemeten basisrate: over een grote steekproef werd ongeveer een op de drie van deze bezuinigingen teruggedraaid, en in finance dichter bij een op de twee. Dat is geen voetnoot. Dat is het uitgangspunt waaraan je je moet verankeren, en het hoort boven elke afzonderlijke casestudy te staan die een leverancier je voorlegt.
Ford is het waarschuwende voorbeeld dat de berichtgeving telkens aanhaalt. Zijn geautomatiseerde kwaliteitscontrolesystemen konden het oordeel van ervaren ingenieurs niet nabootsen, en het bedrijf besteedde drie jaar aan het opnieuw aannemen of promoveren van ongeveer 350 ervaren ingenieurs om de kloof te dichten, en voerde toen pas voor het eerst sinds 2010 de Initial Quality Study van J.D. Power aan. Een enkel bedrijf is een anekdote waarover je kunt twisten. Tweeendertig procent van tweeduizend managers is een basisrate waartegen je moet plannen.
Hoe je een AI-personeelsbesluit prijst
De oplossing is niet om automatisering te bevriezen. Het is om de vorm van het besluit te veranderen. Behandel elke AI-voor-personeelsbezetting-stap als een omkeerbare pilot en schrijf de kosten van opnieuw aannemen in de business case voordat je tekent. Als het model alleen sluit wanneer je aanneemt dat de bezuiniging permanent is en de besparing onmiddellijk, dan vertelt het model je dat het besluit fragiel is.
In de praktijk betekent dat het meten van de oordeelsstaart voordat je snijdt, niet erna. Bepaal welk deel van de functie echt uitzonderingsbehandeling is, en zet het systeem onder druk tegen dat restant in plaats van tegen het gemiddelde geval. Ontwerp de functie zo dat de tool het volume neemt en een mens het oordeel houdt, en verlaag daarna de personeelsbezetting tot wat de tool bewezen aankan. De bedrijven die terugdraaiden deden de volgorde omgekeerd: ze sneden eerst, ontdekten het restant daarna, en betaalden de marktprijs om weer op te bouwen wat ze hadden afgebroken.
Lees hierna: Uber verbrandde zijn AI-budget 2026 in vier maanden | Wie 145 miljard uitgeeft zegt dat het nog niet werkt
