Het antwoord is dat AI de traditionele instroomfuncties uitholt, maar dat MKB-ondernemers dit kunnen keren door die functies bewust te herontwerpen als leerplekken in plaats van uitvoeringsplekken. De eerste trede van de carrièreladder wordt stiller, maar dat betekent niet dat je hem moet weghalen – je moet hem anders maken.

Wat er aan de hand is

Uit onderzoek van het Stanford Digital Economy Lab blijkt dat werknemers tussen 22 en 25 jaar in beroepen die gevoelig zijn voor AI een daling van 16 procent in werkgelegenheid zagen, nadat generatieve AI opkwam. Dat is gecorrigeerd voor andere factoren die bedrijven beïnvloeden. Een rapport van Anthropic uit maart 2026 wijst in dezelfde richting. Opvallend: ervaren werknemers in dezelfde beroepen zagen geen vergelijkbare daling. Het probleem zit specifiek in de vroege carrièrebanen die blootstaan aan AI, zoals softwareontwikkelaar, klantenservicemedewerker, computerprogrammeur en informatiesysteembeheerder. Bedrijven lijken AI in te zetten om de routinetaken over te nemen waarmee jongeren normaal hun eerste werkervaring opdoen. Tegelijkertijd steeg de werkloosheid onder recent afgestudeerden naar 5,6 procent in het vierde kwartaal van 2025, volgens de Federal Reserve Bank van New York.

Wat dit betekent

Voor MKB-ondernemers betekent dit dat de traditionele manier van instroom – een junior aannemen voor simpele taken die hij al doende leert – onder druk staat. Die simpele taken zijn precies de taken die AI nu kan overnemen. Het gevolg is dat je als bedrijf minder snel geneigd bent een starter aan te nemen, omdat de productiviteitswinst van AI groter lijkt dan de investering in een junior. Maar dat is een korte-termijnoptiek. Op de lange termijn droogt je eigen talentpijplijn op. De Stanford-cijfers laten zien dat het niet om een klein groepje banen gaat, maar om een structurele verschuiving in de manier waarop de arbeidsmarkt functioneert. Voor MKB’ers, die vaak geen grote HR-afdeling hebben, is het risico dat ze ongemerkt stoppen met het opleiden van nieuw talent, omdat het niet meer vanzelfsprekend is dat een junior productief is vanaf dag één.

Hoe je dit kunt toepassen

Als je een klein team aanstuurt waarin juniorfuncties zitten, zoals klantenservice of administratie. Je zou kunnen overwegen om de functie van ‘junior medewerker’ te herdefiniëren. In plaats van iemand aan te nemen voor het uitvoeren van taken die AI ook kan, zoals het beantwoorden van standaardvragen of het verwerken van gegevens, kun je de nadruk leggen op het leren beoordelen en verbeteren van AI-uitkomsten. Een mogelijkheid is om een starter verantwoordelijk te maken voor het controleren en bijsturen van AI-gegenereerde antwoorden, en hem tegelijkertijd te trainen in klantcontact voor complexe situaties. Zo blijft de functie bestaan, maar verschuift het zwaartepunt van uitvoering naar kwaliteitsbewaking en ontwikkeling.

Als je een webshop runt en normaal een stagiair of junior inhuurt voor productbeschrijvingen of voorraadbeheer. Overweeg om die rol om te bouwen tot een ‘AI-assistent-beheerder’. De starter leert hoe je AI-tools inzet voor het genereren van productteksten, maar is ook verantwoordelijk voor het controleren op fouten, het aanpassen van toon en het signaleren van inconsistenties. Een optie is om wekelijks een half uur in te plannen waarin jullie samen de output van de AI bespreken en verbeteren. Dat geeft de starter niet alleen inzicht in de bedrijfsprocessen, maar bouwt ook vaardigheden op die in de AI-economie steeds belangrijker worden: kritisch denken, redigeren en procesoptimalisatie.

Als je een dienstverlenend bedrijf hebt, zoals een administratiekantoor of consultancy. Je zou kunnen experimenteren met een ‘junior analist’-functie die primair draait om het valideren van AI-analyses. In plaats van dat een starter zelf rapporten maakt, leert hij eerst hoe hij de output van AI-modellen beoordeelt op relevantie en juistheid. Een mogelijkheid is om een vast mentorschap in te bouwen: een senior medewerker bespreekt wekelijks een aantal AI-gegenereerde rapporten met de junior, waarbij de focus ligt op wat de AI mist en waarom. Dit verlaagt de drempel om een starter aan te nemen, omdat hij direct waarde toevoegt door kwaliteitscontrole, terwijl hij tegelijkertijd de vakkennis opdoet die normaal jaren kost.

Als je in de techniek of IT werkt en normaal programmeurs inhuurt voor simpele codetaken. Overweeg om een ‘AI-code-reviewer’ aan te stellen. Een starter krijgt de taak om AI-gegenereerde code te controleren op veiligheid, efficiëntie en leesbaarheid, in plaats van zelf code te schrijven. Een optie is om hem naast een senior te zetten die uitlegt waarom bepaalde code wel of niet werkt. Zo leert de starter de fijne kneepjes van het vak zonder dat het bedrijf afhankelijk is van zijn productiviteit op dag één. Dit past bij de trend die het Stanford-onderzoek signaleert: ervaren werknemers blijven overeind, maar de weg ernaartoe verandert.

Bron: Technologyreview (https://www.technologyreview.com/2026/05/26/1137865/its-time-to-address-the-looming-crisis-in-entry-level-work/)