Hoe zijn deze cijfers tot stand gekomen?
Volledige transparantie over de data, het model en de beperkingen. De dataset is vrij te gebruiken onder Creative Commons BY 4.0 — mits bronvermelding.
Scope en dekking
De kaart bevat 103 beroepsgroepen op basis van de CBS Beroepenclassificatie ROA-CBS 2014 (BRC 2014). Samen vertegenwoordigen deze beroepen circa 5,8 miljoen banen — ongeveer 60% van de Nederlandse werkzame beroepsbevolking (CBS: 9,7 miljoen in Q3 2025).
De ontbrekende 40% betreft voornamelijk niche-specialisaties, ongedefinieerde beroepen en beroepsgroepen die niet in de CBS BRC 2014 top-categorieën vallen. De dataset pretendeert niet de volledige arbeidsmarkt te dekken.
Scoringsrubric: AI-blootstelling (0–10)
De AI-blootstellingsscore geeft aan welk deel van de kerntaken van een beroep technisch automatiseerbaar is door huidige AI-technologie (LLMs, computer vision, robotica, agentic AI). Het is een maat voor technische blootstelling, niet voor daadwerkelijke vervanging.
NL-kwetsbaarheid (0–10)
De kwetsbaarheidscore geeft aan in hoeverre de technische AI-blootstelling ook daadwerkelijk leidt tot impact in de Nederlandse context. Een hoge blootstelling hoeft niet te leiden tot hoge kwetsbaarheid als er beschermende factoren zijn.
Factoren die meewegen:
- EU AI Act Art. 14: Vereist human-in-the-loop bij overheidsbeslissingen (verlaagt kwetsbaarheid overheid)
- DBA-wetgeving: ZZP-regelgeving beïnvloedt snelheid van rolvervanging
- Zorgsectorregulering: BIG-registratie en wettelijke eisen beschermen zorgberoepen
- Vraag-elasticiteit: Als de vraag harder groeit dan AI vervangt (bijv. ICT), daalt de kwetsbaarheid
- Sociale voorkeur: Maatschappelijke voorkeur voor menselijk contact (zorg, onderwijs) remt adoptie
- Arbeidsmarktkrapte: Nijpende tekorten (zorg, bouw, installatie) maken vervanging onwaarschijnlijk
Hoge AI-score ≠ banenverlies
Softwareontwikkelaars scoren 9/10 op AI-blootstelling maar groeien het hardst (+80%). De vraag naar software groeit sneller dan AI de productiviteit verhoogt. Omgekeerd krimpen boeren en vissers niet door AI maar door stikstofbeleid en quotareducties. De score meet technische blootstelling, niet baanzekerheid.
Prognosemodel 2030
De prognose combineert recent historisch momentum met een AI-disruptiefactor, gemoduleerd door de NL-kwetsbaarheid.
Voorbeeld — Administratief medewerkers: Momentum = 70 − 78 = −8. AI-score 8 → druk −5. Kwetsbaarheid 8 → effectief = −5 × 0.8 = −4.0. Verandering = AFRONDEN((−8 + −4.0) × 2.5) = −30. Prognose 2030 = 70 + (−30) = 40. → Verwachte daling van 30% ten opzichte van 2025.
Bronnen per datapunt
Beperkingen
- AI-blootstellingsscores zijn modellenschattingen, geen empirische metingen. Ze zijn gecross-valideerd met academische indices maar niet onafhankelijk geaudit.
- De dataset dekt circa 60% van de werkzame beroepsbevolking. Niche-beroepen ontbreken.
- Historische indices zijn gemodelleerd op basis van CBS EBB-trends, niet exact overgenomen uit CBS-tabellen.
- De prognose 2030 is een richtinggevende analyse, geen arbeidsmarktprognose. Het model houdt geen rekening met economische schokken, beleidswijzigingen of doorbraaktechnologieën.
- Niet alle krimp is AI-gerelateerd. Landbouw en visserij krimpen door beleid (stikstof, quota), niet door automatisering.
- Salarissen zijn medianen; spreiding binnen beroepsgroepen kan groot zijn.
Cross-validatie
De AI-blootstellingsscores zijn vergeleken met drie onafhankelijke bronnen:
- Felten, Raj & Seamans (2023) — Occupational Heterogeneity in Exposure to AI. Onze top-scores (vertalers, schrijvers, developers) komen overeen met hun hoogste AIOE-waarden. Onze laagste scores (bouw, zorg-uitvoerend) matchen hun laagste.
- OECD AI Exposure Index (2023) — Bevestigt het patroon: kenniswerk hoog, fysiek werk laag.
- Frey & Osborne (2017) — The Future of Employment. Verpleegkundigen scoorden 0.009 automation probability, consistent met onze 2/10.
Download de dataset
De volledige dataset is vrij beschikbaar onder Creative Commons BY 4.0. Je mag de data gebruiken, delen en bewerken — mits je vermeldt: Bron: Simon Janssen, simondjanssen.nl/ai-kaart.
CSV-bestanden met puntkomma als scheidingsteken (NL-standaard). Direct te openen in Excel. Verificatie-sheet bevat alle tussenberekeningen van het prognosemodel.
Licentie en citeren
Licentie: Creative Commons Naamsvermelding 4.0 Internationaal (CC BY 4.0)
Citeren als: Janssen, S.D. (2026). Nederlandse AI Blootstellingskaart: 103 beroepsgroepen geanalyseerd op AI-impact. simondjanssen.nl/ai-kaart. Geraadpleegd op [datum].
Methodologische inspiratie: Karpathy/jobs (MIT License)
Vragen over de data of methodologie? Neem contact op via LinkedIn of mail naar hello@simondjanssen.nl.