De AI-productiviteitsparadox
Waarom The Economist gelijk heeft en de boardroom misschien niet
Er is iets ongemakkelijks aan de AI-hausse van dit moment.
Tijdens earnings calls, in boardrooms en op LinkedIn wordt kunstmatige intelligentie gepresenteerd als dé productiviteitsmachine van deze eeuw. “Efficiency”, “10x workforce”, “autonomous agents”, deze woorden vliegen ons om de oren.
Maar wie naar de macro-cijfers kijkt, ziet… weinig.
In een recent artikel stelt The Economist een simpele maar ontregelende vraag: als AI zo revolutionair is, waarom zien we dat niet terug in de productiviteitsgroei? En dat is geen academische voetnoot. Het is de kern van de discussie.
De paradox is geen nieuw fenomeen
De situatie doet denken aan de beroemde uitspraak van econoom Robert Solow uit de jaren tachtig:
“You can see the computer age everywhere but in the productivity statistics.”
Toen computers hun intrede deden, veranderden ze werk radicaal. Toch bleven de productiviteitscijfers jarenlang achter. Pas toen organisaties hun processen écht herontwierpen rond digitale technologie, kwam er versnelling.
Vandaag herhaalt de geschiedenis zich. Alleen heet de technologie nu AI.
AI creëert geen productiviteit
Laten we het scherp formuleren: AI creëert geen productiviteit.
Technologie op zichzelf verhoogt geen output per uur. Technologie vergroot mogelijkheden. Productiviteit ontstaat pas wanneer organisaties:
- werk anders structureren,
- processen herontwerpen,
- besluitvorming herijken,
- mensen anders opleiden,
- en governance aanpassen.
Zonder die transformatie blijft AI een tool, geen economische versneller.
Dat is precies waar de nuance van The Economist zit: verwachtingen zijn explosief, maar de meetbare impact blijft vooralsnog beperkt.
De meetfout: we kijken verkeerd
Een tweede laag in deze discussie is misschien nog interessanter: misschien meten we het verkeerd.Traditionele productiviteitsmetingen zijn ontworpen voor een industriële economie.
Ze kijken naar output per gewerkt uur. Maar wat als AI vooral:
- betere beslissingen mogelijk maakt,
- risico’s eerder detecteert,
- fouten reduceert,
- cognitieve belasting verlaagt,
- scenario’s sneller simuleert?
Dat vertaalt zich niet direct in “meer output per uur”. Het vertaalt zich in betere allocatie van kapitaal, minder frictie, minder onzekerheid.
Maar GDP-statistieken zien dat niet meteen.
En daar zit een fascinerende spanning voor data-professionals:
AI kan waarde creëren zonder dat klassieke metrics die waarde herkennen.
De realiteit binnen organisaties
Wie eerlijk kijkt naar de praktijk, ziet nog iets anders.
Veel AI-toepassingen zijn vandaag:
- geïsoleerde pilots,
- persoonlijke productiviteitsboosters (copilots),
- experimenten zonder structurele inbedding
- hobby voor de hobby
Individuen besparen tijd. Maar organisaties herontwerpen hun processen nog nauwelijks fundamenteel.
Sterker nog: in veel gevallen ontstaat er extra werk. AI-output moet worden gecontroleerd (zie FD artikel deze week over de advocaten) , gevalideerd, gecorrigeerd. Governance-vraagstukken komen erbij. Compliance-lasten nemen toe. Dat is geen productiviteitswinst, dat is frictie.
De paradox wordt dan begrijpelijk: AI verhoogt activiteit, maar niet noodzakelijk efficiëntie.
De hype-fase: verwachtingen lopen vooruit op realiteit
Technologie volgt bijna altijd hetzelfde patroon:
- Doorbraak
- Overhyping
- Teleurstelling
- Structurele integratie
- Echte waardecreatie
AI bevindt zich nog midden in fase twee, voor een aantal zelfs al in fase 3.
De belofte is enorm. De onderliggende technologie is indrukwekkend. Maar structurele economische impact vereist meer dan krachtige modellen, het vereist organisatorische volwassenheid.
En die ontbreekt vaak nog.
Wat betekent dit voor leiders?
Voor bestuurders en CFO’s is dit geen academisch debat. Het raakt direct aan investeringsbeslissingen.
Er zijn grofweg drie valkuilen:
- Verwachtingsinflatie:
Investeren op basis van hype-narratieven in plaats van realistische businesscases. - Kosten onderschatten:
AI vereist data-architectuur, governance, security, training, change management. - Te snel ROI verwachten:
Productiviteitsversnelling door fundamentele technologie duurt vaak jaren.
De les uit eerdere technologische revoluties is helder:
- de grootste waarde ontstaat niet door de technologie zelf, maar door de herinrichting van het systeem eromheen.
Wat betekent dit voor data-professionals?
Hier wordt het interessant voor de lezers van TheDataConnection.
De AI-productiviteitsparadox is geen bewijs dat AI overschat wordt. Het is een signaal dat:
- Data-kwaliteit cruciaal is
- Proceskennis essentieel blijft
- Human intelligence bepalend blijft (ik weet het, mijn stokpaardje)
- Governance het verschil maakt
AI zonder datamodel is speelgoed. AI zonder procesinzicht is ruis. AI zonder menselijke duiding is risico. Dat vat het wel zo beetje samen,
Productiviteit ontstaat pas wanneer technologie én menselijke intelligentie complementair worden ingezet.
Misschien is dit juist goed nieuws
De paradox heeft ook een positieve kant. Als AI al massale productiviteitswinst had gegenereerd, zouden we nu al een enorme herstructurering van arbeid zien. Dat gebeurt niet. Natuurlijk zijn er de krantenkoppen, zoals bij ABN Amro recent; duizenden banen op de tocht en AI is de oorzaak. Dat ligt vaak veel genuanceerder en is er eerder sprake van achterstallig onderhoud en meer digitaliseringen. AI is dan het excuus.
Dat betekent dat menselijke expertise nog steeds de kern vormt van waardecreatie.
En dat betekent dat organisaties die nú investeren in:
- data-fundament,
- opleiding,
- procesherontwerp,
- verantwoord AI-gebruik,
waarschijnlijk disproportioneel voordeel behalen zodra de integratiefase begint.
De echte vraag
Misschien is de juiste vraag niet:
“Waarom zien we AI niet terug in productiviteitscijfers?”
Maar eerder:
“Zijn organisaties bereid hun werkwijze fundamenteel te veranderen?”
Want zonder structurele transformatie blijft AI een versneller van bestaande patronen; niet van nieuwe
Slot: de illusie van automatische vooruitgang
De AI-productiviteitsparadox herinnert ons aan iets fundamenteels:
Technologische vooruitgang is niet hetzelfde als economische vooruitgang.
AI maakt meer mogelijk. Maar mogelijkheid is geen productiviteit.
Productiviteit ontstaat wanneer mensen, processen en technologie samenkomen in een herontworpen systeem.
En precies daar ligt de echte uitdaging.
Niet in het model.
Niet in de hype.
Maar in de organisatie.
