Hoe zijn deze cijfers tot stand gekomen?

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.

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.

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

Het model beantwoordt de vraag: als de huidige trend doorzet en AI-automatisering toeneemt, hoeveel banen zijn er dan in 2030?

Het combineert twee krachten: momentum (hoe ontwikkelt het beroep zich de laatste jaren?) en AI-disruptie (hoe hard drukt automatisering op dit beroep?). De NL-kwetsbaarheid bepaalt hoeveel van die AI-druk er daadwerkelijk doorkomt in de Nederlandse context.

Een dempingsfactor van 0.7 wordt toegepast op het momentum. Dit is standaard in forecasting (mean reversion): recente trends zetten zelden op volle kracht door. UWV signaleert bijvoorbeeld dat de ICT-krapte afneemt, wat bevestigt dat het groeitempo vertraagt. Het resultaat wordt als range gepresenteerd: ondergrens (met demping) tot bovengrens (zonder demping).

De centrale vraag bij elke nieuwe index: kloppen de scores? We valideren tegen de Felten AIOE — het meest geciteerde academische referentiekader voor AI-blootstelling van beroepen (Felten, Raj & Seamans, 2023).

Resultaat: Pearson r = 0.87, Spearman ρ = 0.90 over alle 103 beroepsgroepen. De scores lopen sterk gelijk. Maar de afwijkingen zijn minstens zo interessant als de overeenstemming.

Waarom beide? JPE wordt gebruikt voor de treemap, prognoses en loopbaanadvies (praktische besluitvorming). Felten wordt getoond als academische referentie. De combinatie laat zien waar AI kan disrumperen (Felten) en waar het in Nederland ook daadwerkelijk gebeurt (JPE).

De AI-drukwaarden in het prognosemodel (−8, −5, −2, 0, +1) zijn ontwerpkeuzes. Een terechte vraag is: wat verandert er als je andere waarden kiest? Hieronder drie scenario's. Het antwoord: de richting is robuust, de precieze percentages niet.

• 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.
• De prognose 2030 wordt als range gepresenteerd (ondergrens tot bovengrens). UWV signaleert dat het groeitempo voor ICT-beroepen afneemt; het WEF bevestigt de richting maar niet het tempo. Puntschattingen zouden schijnzekerheid suggereren.
• Vergrijzing wordt niet meegenomen in het prognosemodel. De leeftijdsverdeling per beroepsgroep (CBS 85276NED) is beschikbaar op beroepsklasse-niveau (12 groepen) maar niet op het detailniveau van onze 103 beroepsgroepen. Vergrijzingsdata wordt wel getoond als contextuele indicator in de beroepsscan en de inzichten-pagina. Bij sterk vergrijsde sectoren (bijv. administratief: 24.6% is 55+) kan het natuurlijk verloop de AI-transitie "zacht" maken. Dit is een belangrijke nuance die het model zelf niet kwantificeert.

De AI-blootstellingsscores en prognoses zijn vergeleken met vijf onafhankelijke bronnen:

• Felten, Raj & Seamans (2023) — Occupational Heterogeneity in Exposure to Generative AI. Onze top-scores (vertalers, schrijvers, developers) komen overeen met hun hoogste AIOE-waarden. Onze laagste scores (bouw, zorg-uitvoerend) matchen hun laagste.
• Georgieff & Hyee (2021) — Artificial intelligence and employment: New cross-country evidence. OECD Social, Employment and Migration Working Papers, No. 265. 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.
• WEF Future of Jobs Report (2025) — Bevestigt dat softwareontwikkelaars tot de snelst groeiende specialistische functies behoren. Wereldwijd +6 miljoen developers verwacht tegen 2030. Groeirichting consistent met onze data.
• UWV Arbeidsmarktprognose (2025) — Signaleert dat de arbeidsmarktkrapte voor ICT-beroepen afneemt. Minder krapte ≠ minder banen, maar het groeitempo vertraagt. Dit is de reden voor de dempingsfactor (0.7) in ons prognosemodel en de range-presentatie.

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)