Onderzoek · nr. 3 · september 2026
Het essay van Bill Gates over werk, getoetst aan de data
De deur ging niet dicht. Hij werd smaller. Bill Gates zegt dat we de drempel op de arbeidsmarkt zijn gepasseerd. Ik las het essay en toetste het daarna een week lang aan de werkgelegenheidscijfers die hij nergens noemt. De diagnose houdt stand. De vorm van de schade is niet die welke de meesten voor zich zien.
Een voorspelling die het waard is om uit elkaar te halen
Ik volg Bill Gates niet. Ik las zijn essay van augustus omdat iemand het me voorlegde, en het hield me staande – niet omdat het alarmeert, maar omdat het dat niet doet. Het leest als iemand die een systeem zorgvuldig heeft bekeken en opsomt wat er naar zijn idee breekt, met de erkenning welke delen hij niet kan repareren.
Die combinatie is zeldzaam genoeg voor een avond werk. Wat volgt is zijn betoog, hoofdstuk voor hoofdstuk, met de cijfers die hij weglaat. Elk cijfer hier verwijst naar zijn bron.
Waar het essay en de interviews van dezelfde dag verschillen, geef ik aan wat waarvandaan komt – en dat onderscheid doet ertoe: de meest geciteerde getallen staan in de interviews, niet in het essay.
De interessante vraag was nooit of hij gelijk heeft. Interessant is wat de cijfers doen met de vorm van zijn bewering.
Waarom de gebruikelijke vergelijking niet opgaat
Wie over deze overgang nadenkt, grijpt meestal naar het beeld van het land naar het kantoor. Gates betoogt dat de analogie op twee punten breekt, en beide verdienen het duidelijk gezegd te worden.
Ten eerste de tijdlijn. Die verschuiving liep over generaties. Deze valt volgens zijn schatting binnen een decennium op recht, klantenservice, geneeskunde, software en industrie.
Ten tweede, en belangrijker: de gang van het land naar het kantoor schiep werk dat menselijke cognitie vroeg. Deze technologie vervangt de cognitie zelf. Een voor de hand liggende volgende sport van dezelfde soort is niet in zicht.
Hij voegt een detail toe dat de snelheid verklaart. De pc had twintig jaar nodig om het werk te veranderen: iemand moest de software schrijven, de prijs omlaag brengen en mensen opleiden. Deze technologie draait op apparaten die mensen al hebben en spreekt gewone taal. Zij past zich aan ons aan, niet andersom.
Wat volgens hem al is gepasseerd
In interviews van dezelfde dag noemt Gates vijf drempels die hij achter ons acht: biologische capaciteit, cybercapaciteit, psychosociale afhankelijkheid, ontwrichting van de arbeidsmarkt en eerste tekenen van controleverlies6.
Zijn punt is niet dat er één is bereikt. Zijn punt is dat de sector jarenlang beloofde te vertragen zodra ze in zicht kwamen, en er vervolgens zonder publiek gesprek langs is gelopen.
Een opmerking over de bron. De lijst van vijf drempels staat niet in het essay.
Het essay noemt drie risico’s – verdwijnend werk, versterkte kwaadwillenden, en schade aan kinderen en menselijke relaties – en zegt onomwonden dat er geen plan voor de overgang bestaat5. De scherpere formulering kwam in de interviews. De meeste berichtgeving voegt beide samen.
Het woord drempel is geen retoriek. De vooraanstaande labs publiceren elk een veiligheidskader dat capaciteitsniveaus vooraf benoemt – hulp bij biologische wapens, autonome cyberoperaties, zelfverspreiding – en beloven daar te stoppen. Dat is de belofte waar Gates aan meet.
Waar het effect werkelijk opduikt
Hier valt zijn essay stil. Hij schrijft dat de werkgelegenheid daalde onder jonge werknemers in kwetsbare beroepen terwijl die voor hun oudere collega’s stabiel bleef, en geeft geen enkel cijfer. Het cijfer bestaat, en het is interessanter dan de zin.
Kijk eerst naar de hele markt en er valt bijna niets te zien. Loonstrookgegevens over miljoenen werkenden, gegroepeerd naar blootstelling van het beroep, laten alle groepen binnen één procentpunt van elkaar zien3. Daarom melden meerdere onderzoeksteams dat ze helemaal geen AI-spoor op de arbeidsmarkt vinden.
Stanford Digital Economy Lab, gebalanceerd ADP-loonpanel3.
Voeg nu één variabele toe. Dezelfde data, dezelfde maand, dezelfde beroepen – gesplitst naar leeftijd.
Hetzelfde panel, dezelfde maand3. Het gat tussen de jongsten en de groep 41–49 bedraagt 4,9 procentpunt – binnen dezelfde beroepen.
Het effect loopt niet tussen de beroepen. Het loopt erbinnen, gesorteerd op leeftijd.
Over het langere venster is de breuk nog scherper: sinds eind 2022 daalde de werkgelegenheid van 22- tot 25-jarigen in de twee zwaarst blootgestelde groepen met 11 procent, terwijl dezelfde leeftijdsgroep in de drie minst blootgestelde met 10 procent steeg3.
−11%
In de twee zwaarst blootgestelde groepen
+10%
Dezelfde leeftijd, in de drie minst blootgestelde
De stippellijn is het niveau van eind 2022; beide openingen worden daarvandaan gemeten3.
Niemand wordt ontslagen. Er worden er minder binnengelaten.
Dat onderscheid is de bevinding. Het uitstroompercentage van blootgestelde jonge werknemers steeg niet – de aanname vertraagde.
De deur viel niet dicht achter wie al binnen was; hij werd smaller voor wie naar binnen wil. Gates beschrijft precies dit wanneer hij over instapfuncties schrijft, en het is het deel van zijn essay dat de confrontatie met de cijfers het best doorstaat.
Wat de onderzoekers zelf aantekenen. Het effect halveert zodra je voor opleiding controleert, een deel van de daling ligt vóór generatieve AI, en het gat is kleiner in landelijke enquêtes dan in dit loonpanel.
Het panel is niet representatief voor de Amerikaanse arbeidsmarkt, en het artikel is niet peer-reviewed. De auteurs noemen de resultaten beschrijvend, niet causaal3.
Toets uw eigen baan
Gates noemt beroepen op basis van waarneming: verkoop en support, software, juridisch assistentiewerk, en verder kredietbeoordeling, data-analyse, patiëntentriage. Er bestaat nu een officiële maat om hem daaraan te toetsen.
In augustus publiceerde het Bureau of Labor Statistics zijn eerste indeling van beroepen naar AI-blootstelling, gebouwd op vijf onafhankelijke maten – drie theoretische en twee uit waargenomen praktijkgebruik – samen met werkgelegenheidsprojecties tot 20351.
Voer hieronder een beroep in. Alles wat terugkomt komt uit de bronnen achteraan, en elk getal draagt een noot naar de bron waaruit het komt.
Interactief · 825 beroepen
Het beroep
En u daarin
Dit is geen voorspelling over u. Het laat zien waar uw beroep staat tussen de andere, en wat er gebeurde met de werkgelegenheid van mensen van uw leeftijd in beroepen met vergelijkbare blootstelling.
Blootstelling betekent dat een model op de taken toepasbaar is – het Bureau stelt uitdrukkelijk dat er noch banenverlies, noch automatisering, noch looneffecten uit volgen1.
Een vijfde van de markt, grondig
Zet alle 825 beroepen in één tabel en het beeld is rustiger dan het debat. Sorteer op elke kolom, filter op naam, en de blootstellingscategorie staat als merkteken naast de naam.
Hoe de tabel te lezen is
Bureau of Labor Statistics, AI-blootstellingscategorieën en werkgelegenheidsprojecties 2025–351.
Het aandeel werkgelegenheid per categorie, over alle 831 beroepen die het Bureau projecteert:
| Blootstelling | Beroepen | Werkzaam, 2025 | Aandeel | Projectie 2025–35 |
|---|---|---|---|---|
| Zeer hoog | 206 | 53,2 mln | 31,3% | +2,0% |
| Hoog | 206 | 42,1 mln | 24,8% | +3,1% |
| Gemiddeld | 206 | 44,7 mln | 26,2% | +6,2% |
| Laag | 213 | 30,3 mln | 17,8% | +2,5% |
Bureau of Labor Statistics, AI-blootstellingscategorieën en werkgelegenheidsprojecties 2025–351.
Het zwaarst blootgestelde derde deel van de markt groeit het langzaamst – en groeit toch. Dat is de officiële projectie, geen mening. En de spreiding binnen de hoogste categorie is groter dan de spreiding tussen categorieën:
| Zeer hoge blootstelling | Werkzaam | Projectie tot 2035 |
|---|---|---|
| Office clerks, general | 2,60 mln | −6,0% |
| Secretaries and administrative assistants | 1,89 mln | −6,0% |
| Bookkeeping and auditing clerks | 1,53 mln | −5,6% |
| Customer service representatives | 2,67 mln | −5,3% |
| Computer and information systems managers | 0,69 mln | +15,8% |
| Logisticians | 0,26 mln | +17,6% |
| Data scientists | 0,28 mln | +34,6% |
Dezelfde blootstellingscategorie, tegengestelde banen. Gates zegt dit één keer, in een bijzin die de meeste samenvattingen hebben geschrapt: in software zullen dalende kosten nieuwe vraag scheppen, dus het netto verlies zal daar kleiner zijn dan elders. De projecties geven hem gelijk.
De omslag komt wanneer het controleren stopt
De meest onderschatte regel van het essay gaat over geen enkel beroep. Gates schrijft dat de grootste omslag voor werkenden komt wanneer de technologie vrijwel foutloos is – want dan kan ze draaien zonder dat een mens meekijkt, en elke economische prikkel wijst die kant op.
Er is een benchmark die dit in getallen vat. GDPval van OpenAI zet modellen af tegen ervaren professionals op 1320 echte werkproducten uit 44 beroepen, elk zo’n zeven uur werk7.
De kop luidt dat een frontiermodel de menselijke expert op ongeveer de helft van de taken evenaart of verslaat. In datzelfde artikel ligt een tabel begraven die vrijwel niemand citeert.
Wat controleren kost
Voorsprong van het model op de menselijke expert
Alles tussen die twee getallen is een kwestie van hoeveel controle u overhoudt7.
Naïef gemeten is het model ongeveer 90 keer sneller en enkele honderden keren goedkoper. Zodra expertverificatie in de prijs zit, krimpt de voorsprong tot ongeveer 1,1–1,4× in tijd en 1,2–1,6× in kosten7.
De hele economische rekensom zit dus in de controlestap. Zolang een mens nog controleert, is de winst marginaal. De hele buit verschijnt op het moment dat de controle wegvalt – en juist daarom zal ze wegvallen, en juist daarom heeft Gates gelijk als hij dit de echte drempel noemt en niet een bepaalde capaciteit.
Het deel dat het essay weglaat
Gates bouwt het hele stuk op rond rechtvaardigheid: deze technologie wordt óf de grootste gelijkmaker óf de ergste bron van onrecht. En dan vraagt hij nooit wie er eigenlijk in de blootgestelde banen werkt.
Ik heb de blootstellingsindeling naast de werkgelegenheidsenquête gelegd. Gewogen naar hoeveel mensen erin werken, zijn de beroepen in de hoogste blootstellingscategorie voor 57,5 procent vrouwelijk.
In de laagste categorie is dat 36,9 procent14. Twintig punten verschil, en de reden is niet subtiel: administratief, kantoor- en ondersteunend werk is tegelijk het zwaarst blootgesteld en, vrijwel overal, het meest vrouwelijk.
De Internationale Arbeidsorganisatie vindt wereldwijd hetzelfde, met een methode op internationale classificaties in plaats van Amerikaanse: in de hoogste blootstellingslaag zit 4,7 procent van de vrouwelijke werkgelegenheid tegen 2,4 procent van de mannelijke, en in hoge-inkomenslanden 9,6 tegen 3,58.
Hetzelfde ILO-werk is ook nuttig als toets op de schaal. Het zet de wereldwijde blootstelling op 24 procent van de werkgelegenheid, waar het IMF bijna 40 procent aanhoudt9.
Twee geloofwaardige instellingen, één verschijnsel, bijna een factor twee ertussen. Wie met stelligheid één wereldwijd cijfer noemt, heeft er een gekozen en het andere verzwegen.
Reservaten, tokens en vier onbeantwoorde vragen
Human Reserved
Gates stelt voor bepaald werk voor mensen apart te zetten – niet omdat machines het niet zouden kunnen, maar omdat de samenleving besluit dat het verlies te groot zou zijn.
Hij leent de taal van natuurreservaten. De persoonlijke oorsprong zijn de laatste jaren van zijn vader en de verzorgers die die man nog begrepen toen hij zichzelf niet meer verstaanbaar kon maken.
Hij noemt twee gronden. Een economische: een 55-jarige die zijn loopbaan in de bouw heeft doorgebracht laat zich niet zomaar omleiden naar de ouderenzorg. En een menselijke: een robot die een dodelijke diagnose meedeelt is technisch mogelijk en zou niet moeten gebeuren.
Dan somt hij, in zijn eigen tekst, de vier vragen op die hij niet kan beantwoorden. Wie beslist wat er wordt gereserveerd. Volgens welke criteria. Hoe je bedrijven belet vals te spelen. Wat er met de handel gebeurt wanneer het ene land de robots laat bouwen en het andere niet.
Het is de moeite waard dit naast de cijfers te leggen: de ouderenzorg, zijn centrale voorbeeld, komt nu al personeel tekort.
Een beroep reserveren dat zijn vacatures niet kan vullen, beschermt het tegen een druk die het nog niet voelt. Een deel hiervan voorziet hij – hij verwacht dat Japan, met te weinig jongeren, de zorgrobot met open armen ontvangt.
Tokens en robots belasten
De asymmetrie die hij wil wegnemen is echt en wordt zelden zo helder benoemd. Neem een mens aan en de werkgever betaalt premies. Koop een machine en het bedrijf schrijft haar af. De belastingwetgeving subsidieert nu de vervanging.
Zijn oplossing is een gerichte heffing op AI-tokens en robots, waaruit omscholing en een steviger sociaal vangnet worden betaald, ontworpen om de toepassingen te sparen die geneeskunde en onderwijs goedkoper maken.
Hij erkent dat het economisch inefficiënt is en vindt dat een aanvaardbare prijs. Een tarief staat niet in het essay; het veel geciteerde getal komt uit een interview en wordt als optie geopperd, niet als berekening6.
Het sterkste bezwaar is mechanisch en niet ideologisch: een tokenbelasting meet rekenkracht, geen verdringing. Tokenprijzen zijn ordes van grootte gedaald, dus de grondslag krimpt terwijl het probleem groeit, en inferentie verhuist naar lokale apparaten en andere jurisdicties.
Waarover eerlijke mensen nog twisten
Het zou makkelijk zijn te eindigen met de mededeling dat de zaak bewezen is. Dat is ze niet, en het meningsverschil is meer waard dan een oordeel.
| Bevinding | Bron |
|---|---|
| De banengroei in software vertraagde na eind 2022 met circa 3 punten per jaar; ongeveer 500.000 banen niet ontstaan | Federal Reserve10 |
| Geen verband tussen AI-gebruik en werkgelegenheidsveranderingen, tot juli 2026 | Budget Lab, Yale11 |
| 2,8–3% van de uren bespaard, precies geen effect op inkomen of uren | Deense administratieve data12 |
| De daling van vacatures in blootgestelde beroepen begon in maart 2022 – vóór ChatGPT – en volgt de rentecyclus | 238 mln vacatures13 |
| De werkloosheid steeg sterker in het minst blootgestelde kwintiel dan in het zwaarst blootgestelde | Economic Innovation Group14 |
Over drie dingen zijn al deze teams het eens, en dat zijn de veiligste conclusies die er vandaag zijn: op macroniveau is er geen massale verdringing; het mechanisme is tragere aanname in plaats van ontslag; en er gebeurt iets met jonge werknemers in blootgestelde beroepen.
Nog een grens hoort hier. Geen enkele voorspelling voor 2026 kan nu al aan de feitelijke werkgelegenheid per beroep worden getoetst: de officiële beroepenreeks loopt maar tot mei 2025, en de eerstvolgende publicatie over deze periode wordt niet vóór 2027 verwacht. Wie u die toets vandaag laat zien, laat u ruis zien.
Wat de cijfers veranderen
Gates’ diagnose houdt stand. Het mechanisme klopt, de sectoren kloppen, en de nadruk op instapwerk is het deel dat de cijfers het directst steunen.
Wat de cijfers veranderen is de vorm. Dit is geen golf die over beroepen rolt en ze één voor één meeneemt. Het is een filter dat bínnen beroepen werkt en sorteert op hoe lang je er al zit. Het selecteert tegen wie de minste reserves en de meeste jaren voor zich heeft.
Hij besluit zijn essay met vier vragen en geen antwoorden. De mijne is smaller en beter te beantwoorden dan alle vier: als het mechanisme een tragere aanname aan de ingang is, dan is het doelwit van beleid niet welke beroepen je omheint, maar wie de eerste sport krijgt. Reservaten beschermen wie al op de ladder staat.
Bronnen
- US Bureau of Labor Statistics. AI exposure categories and employment projections, 2025–35, gepubliceerd op 27 augustus 2026. Categorieën gebouwd op vijf onafhankelijke maten. bls.gov/emp/publications/ai-exposure-categories.htm
- Anthropic Economic Index, dataset labor market impacts – gemeten aandeel van de taken van een beroep dat naar het model gaat. huggingface.co/datasets/Anthropic/EconomicIndex
- Brynjolfsson, Chandar, Chen. Canaries in the Coal Mine? Stanford Digital Economy Lab, herziening augustus 2026; ADP-loonpanel tot juli 2026. digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine
- US Bureau of Labor Statistics, Current Population Survey, tabel 11: werkenden naar gedetailleerd beroep en geslacht, jaargemiddelden 2025. bls.gov/cps/cpsaat11.htm
- Bill Gates. The turbulent AI era is here. The choices we make now are critical. GatesNotes, 26 augustus 2026. gatesnotes.com
- Interview van MIT Technology Review met Bill Gates, 26 augustus 2026 – bron van de vijf drempels en de geciteerde tarieven. technologyreview.com
- GDPval, OpenAI – 1320 echte werkproducten uit 44 beroepen; zie de kostentabel voor de voor verificatie gecorrigeerde cijfers. arxiv.org/abs/2510.04374
- International Labour Organization. Generative AI and Jobs: A Refined Global Index of Occupational Exposure, working paper 140, mei 2025. ilo.org
- International Monetary Fund. Gen-AI: Artificial Intelligence and the Future of Work, SDN/2024/001, januari 2024. imf.org
- Crane en Soto, Federal Reserve Board, FEDS 2026-018, maart 2026.
- Budget Lab at Yale, Tracking the impact of AI on the labor market, bijgewerkt op 19 augustus 2026. budgetlab.yale.edu
- Humlum en Vestergaard, NBER Working Paper 33777, herziening maart 2026.
- Iscenko en Curto Millet, januari 2026 – 238 miljoen vacatures.
- Eckhardt en Goldschlag, Economic Innovation Group, AI and Jobs, augustus 2025. eig.org
Samengevoegde dataset achter de interactieve onderdelen: 825 beroepen met werkgelegenheid, projectie, mediaan loon, officiële blootstellingscategorie, gemeten aandeel taken dat naar modellen gaat en samenstelling naar geslacht.
Samengesteld in september 2026 uit de bronnen 1, 2, 4 en de Occupational Employment and Wage Statistics van mei 2025.
Vertaald uit het Engelse origineel. De beroepsnamen blijven Engels: dit zijn de officiële benamingen uit de SOC-classificatie, en daarop werkt het zoekveld. Waar de exacte formulering van de bron telt, raadpleeg de gelinkte documenten hierboven.