ESB.nu
AI kan menselijke expertise omzetten in bedrijfsbezit
12 mei 2026
Het debat over AI en arbeid draait vaak om dezelfde vragen. Welke beroepen verdwijnen? Hoeveel banen gaan verloren, hoeveel nieuwe komen erbij? Moet ik extra beleefd zijn tegen mijn chatbot, onze toekomstige overlord? Maar een belangrijke vraag blijft onderbelicht: wie krijgt het eigendom over de expertise die werknemers inbrengen in het bedrijfsproces?
AI is namelijk niet alleen een technologie die taken kan uitvoeren. Zij maakt werk ook leesbaar, meetbaar, overdraagbaar en op te slaan. In omgevingen waar digitale sporen stelselmatig worden vastgelegd – klantenservicegesprekken, code, documenten, procesgegevens – kan wat vroeger in impliciete kennis zat, worden omgezet in data om AI-modellen te trainen.
Tot dusver zat die kennis in de hoofden en handen van werknemers. Werkgevers huren die kennis tijdelijk in via loon en contract. Maar dit verandert wanneer arbeid wordt geregistreerd en die registraties AI-systemen trainen. Werkgevers zetten dan de menselijke expertise om in een kapitaalgoed: een model dat eigendom is van het bedrijf en op schaal inzetbaar wordt. Op die manier vertaalt AI menselijke expertise in bedrijfsbezit.
Werknemers lijken zich bewust te zijn van deze mogelijke kennisovername. Cullen et al. (2026) laten in een grootschalig survey-experiment zien dat werknemers minder bereid zijn kennis te delen zodra zij beseffen dat hun bijdrage AI-modellen kan trainen die later met hen concurreren. Die zorg is ook zichtbaar bij vakbondsonderhandelingen. Zo onderhandelden Hollywood-scriptschrijvers met studio’s over AI-gebruik, waarbij zij zich onder meer verzetten tegen het gebruik van schrijverswerk voor het trainen van AI (WGAW, 2023). Ook de cao voor Nederlandse orkesten stelt expliciet dat werkgevers opnamen niet mogen gebruiken voor AI-training (Berntsen et al., 2025).
De dreiging van kennisovername kan strategisch gedrag ontlokken bij werknemers. Moderne organisaties leunen op discretionaire inzet die zich niet volledig laat vangen in functieomschrijvingen of prestatie-indicatoren: uitleg geven, documenteren, improviseren, collega’s helpen, proactief handelen en creatief problemen oplossen. Zodra werknemers vermoeden dat iedere uitleg, ieder goed idee en iedere succesvolle klantinteractie trainingsmateriaal wordt voor hun toekomstige vervanger, verzwakt dat de prikkel om kennis te delen, wat de productiviteitswinst van AI kan schaden.
Om de maximale vruchten van AI te plukken, is het dus zaak dat AI-inzet gericht is op versterking van menselijke expertise, in plaats van die om te zetten in bedrijfsbezit. Een ogenschijnlijk aantrekkelijke beleidsoplossing is om werknemers individueel eigendom te geven over hun werkgerelateerde data. Maar Cullen et al. beargumenteren dat dat niet werkt. Als één werknemer zijn data beschikbaar stelt, versterkt dat de onderhandelingspositie van de werkgever tegenover alle anderen. Er is dus sprake van een externaliteit: ‘mijn data, mijn keuze’ kan andermans loon en onderhandelingsmacht aantasten.
Collectief eigendom en collectieve afspraken over werkdata lijken de weg voorwaarts. Wie mag werkdata gebruiken, en voor welk doel? Krijgen werknemers inspraak? Delen zij mee in de opbrengsten wanneer hun expertise wordt omgezet in schaalbare systemen? Hier ligt een duidelijke rol voor cao’s, ondernemings- en medezeggenschapsraden.
Dezelfde vraag – wie kan expertise vastleggen, aantrekken en opschalen – speelt overigens ook tussen bedrijven. Grotere ondernemingen beschikken over meer interne procesdata van werknemers, en dus over een voorsprong bij het ontwikkelen en toepassen van AI. Tegelijk maakt digitale zichtbaarheid van prestaties talent mobieler. Gupta et al. (2025) laten zien dat een beleidswijziging op softwareplatform GitHub, waardoor individuele bijdragen van softwareontwikkelaars zichtbaarder werden, leidde tot meer overstappen van productieve werknemers naar grote bedrijven. Kleinere bedrijven verloren daardoor talent, groei en productiviteit.
Maximilian Kasy betoogt in The means of prediction terecht dat de wezenlijke conflicten rond AI niet spelen tussen mens en machine, maar tussen mensen met verschillende belangen en machtsposities (Kasy, 2025). Als AI steeds meer wordt gevoed met menselijke intelligentie, ervaring en oordeel, is de centrale vraag niet alleen wat die systemen kunnen, maar wie hun doelen bepaalt, wie de opbrengsten incasseert, en hoe werknemers baas blijven in eigen brein.