Het Mattheüseffect in AI: Waarom de kloof op de werkvloer groeit (en hoe je dit als manager stopt)

De illusie van de grote gelijkmaker

Toen generatieve AI zoals ChatGPT op het toneel verscheen, was de belofte even utopisch als helder: dit wordt de grote gelijkmaker. Een stagiair zou ineens kunnen schrijven als een senior copywriter. Een beginnend programmeur zou foutloze code produceren met de snelheid van een veteraan. De technologie zou de onderkant van de arbeidsmarkt een gigantische productiviteitsboost geven, waardoor de kloof tussen top-performers en de middenmoot zou slinken. Het klonk prachtig. Maar de realiteit op de werkvloer schetst inmiddels een heel ander, veel grimmiger beeld.

We zijn momenteel getuige van het zogenaamde 'Mattheüseffect' in AI-adoptie. Dit sociologische principe, vernoemd naar de parabel uit het bijbelboek Mattheüs, stelt ruwweg: 'Want wie heeft, zal nog meer gegeven worden, en hij zal overvloedig hebben; maar wie niet heeft, hem zal zelfs wat hij heeft ontnomen worden.' Oftewel: de rijken worden rijker, en de armen worden armer. In de context van kunstmatige intelligentie betekent dit dat de werknemers die al goed presteren en digitaal vaardig zijn, de technologie omarmen en nòg beter gaan presteren. Degenen die achterblijven, vermijden de technologie juist steeds krampachtiger. Dit inzicht, onlangs scherp geanalyseerd door Job van den Berg in de wetenschapsrubriek van AI at Work Live (BusinessWise / DPG Media / New Business Radio), wordt nu pijnlijk hard onderbouwd door onthutsende cijfers uit twee recente, grootschalige wetenschappelijke publicaties.

De Deense spiegel: Bestaande ongelijkheid op steroïden

Laten we eerst kijken naar de sociodemografische impact. In een breed opgezet Deens onderzoek, getiteld 'The unequal adoption of ChatGPT exacerbates existing inequalities among workers', gepubliceerd door Anders Humlum en Emilie Vestergaard in de Proceedings of the National Academy of Sciences (PNAS, begin 2025), wordt pijnlijk duidelijk hoe scheef de adoptie werkelijk verloopt. De onderzoekers doken diep in de data om te zien wie de tools nu eigenlijk gebruiken, en nog belangrijker: wie ze negeren.

De conclusies laten weinig aan de verbeelding over. Het zijn voornamelijk mannen, hoogopgeleiden en jongere werknemers (al ligt dat bij de specifieke groep starters wat genuanceerder, zoals we straks zullen zien) die ChatGPT en vergelijkbare tools integreren in hun dagelijkse workflow. Wat dit onderzoek zo cruciaal maakt, is de constatering dat deze ongelijke adoptie de uitgangspositie van de gebruikers niet gelijktrekt, maar de bestaande verschillen in onze maatschappij juist op steroïden zet. Een toch al hoogopgeleide professional met een stevig netwerk en goede vaardigheden gebruikt AI als een vliegwiel om zijn of haar toch al hoge output te verdubbelen. De werknemer met een lagere opleiding, die historisch gezien al vaker in een kwetsbare positie verkeert, laat de tool links liggen uit onzekerheid, desinteresse of simpelweg een gebrek aan gerichte training.

Humlum en Vestergaard tonen aan dat het niet de technologie op zich is die de ongelijkheid creëert, maar de menselijke reactie erop. AI wordt door koplopers gezien als een exoskelet dat hun cognitieve spieren versterkt. Degenen die de technologie het minst gebruiken, ervaren het echter vaak als een ongrijpbare bedreiging. In plaats van te experimenteren, trekken zij zich terug in vertrouwde, inefficiënte werkwijzen. Dit is het Mattheüseffect in zijn zuiverste vorm.

De Amerikaanse kanarie in de kolenmijn: Starters vallen buiten de boot

Maar het wordt nog zorgwekkender wanneer we inzoomen op de koude, harde data van de arbeidsmarkt zelf. Een paper van het prestigieuze Stanford Digital Economy Lab (november 2025), geschreven door zwaargewichten Erik Brynjolfsson, Bharat Chandar en Ruyu Chen, gooit een flinke steen in de vijver. Onder de titel 'Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence' keken zij naar de loon- en werkgelegenheidsdata van miljoenen Amerikanen via salarisverwerker ADP.

Hun ontdekking bevat een statistiek die elke HR-directeur en CEO wakker zou moeten houden: jongeren in de leeftijdscategorie 22-25 jaar, die werkzaam zijn in beroepen die het meest worden blootgesteld aan AI, ervaren momenteel een relatieve werkgelegenheidsdaling van maar liefst 16 procent vergeleken met sectoren waar AI geen invloed heeft. Zestien procent. Dat is geen kleine rimpeling; dat is een structurele verschuiving in hoe bedrijven nieuw talent aannemen (of beter gezegd: niet meer aannemen).

Wat verklaren deze cijfers? De onderzoekers stellen dat bedrijven simpelweg minder 'junioren' of instapfuncties nodig hebben, omdat medior en senior medewerkers – dankzij AI – nu het type bulk- en basiswerk zelf kunnen afhandelen met één druk op de knop. Waar vroeger een leger aan kersverse afgestudeerden nodig was om data te analyseren, teksten op te stellen of basiscode te kloppen, doet de ervaren werknemer dat nu efficiënt via een prompt. De jongeren, van wie we vaak aannemen dat zij 'digital natives' zijn en dus automatisch de vruchten van de technologie zouden plukken, blijken hier de absolute kanaries in de kolenmijn. Zij staan aan de zijlijn omdat het werk waarvoor ze traditioneel werden ingehuurd, is geautomatiseerd voordat ze de kans krijgen zich binnen de organisatie te bewijzen.

De wrange paradox van AI-adoptie

Als we de Deense PNAS-studie en het Stanford ADP-onderzoek combineren, komen we tot de wrange paradox van dit decennium, die ook door Job van den Berg treffend werd belicht. Het is de ultieme ironie van de huidige AI-revolutie: precies de beroepsgroepen en werknemers die het allermeeste van kunstmatige intelligentie zouden kunnen profiteren, zijn degenen die de technologie het minst omarmen.

Hoe komt dit? Waarom vermijdt de achterblijver zijn reddingsvest? Het heeft alles te maken met faalangst en een gebrek aan psychologische veiligheid op de werkvloer. Werknemers die onzeker zijn over hun positie, zijn bang om fouten te maken met technologieën die ze niet begrijpen. 'Als het misgaat met ChatGPT, is het mijn schuld. Als ik het doe zoals ik het altijd deed, kan niemand me iets verwijten,' is de ongeschreven, interne dialoog. De medewerker die al uitblinkt, bezit daarentegen het zelfvertrouwen om te spelen, te falen in een prompt, de output schouderophalend te verbeteren en vervolgens de winst in tijd en kwaliteit te incasseren.

Praktische handvatten voor managers: Geen stok, maar een wortel

Hier ligt een gigantische, urgente opgave voor leiderschap. Als je het Mattheüseffect zijn gang laat gaan, eindig je over twee jaar met een gepolariseerde organisatie. Aan de ene kant een kleine elite van super-productieve, blije 'AI-centauren' (half mens, half machine), en aan de andere kant een groeiende groep gefrustreerde, inefficiënte werknemers die zich overbodig begint te voelen – of in het geval van de 22-25-jarigen, niet eens meer wordt aangenomen. Dat is niet alleen slecht voor de moraal, het is funest voor de continuïteit en winstgevendheid van je onderneming.

De klassieke reflex in de bestuurskamer is vaak het gebruiken van de stok: mandates uitvaardigen. "Iedereen moet vanaf nu twee AI-gerelateerde targets halen per kwartaal," of, nog erger: "We snijden dit jaar 10 procent in de uren voor project X, want dat moet AI maar oplossen." Dit is exact hoe je de onzekere werknemer verder in de loopgraven jaagt. Dwang leidt tot schijnadoptie – mensen copy-pasten wel iets om de baas tevreden te houden, maar veranderen hun kernprocessen niet.

Het advies, gevoed door inzichten verkregen via AI at Work Live, luidt ronduit: vermijd de stok, gebruik de wortel. Verander de focus van productiviteitsdwang naar nieuwsgierigheid. Laat mensen zich verwonderen. Hier zijn vier concrete, diepgaande strategieën om de kloof op uw werkvloer direct te verkleinen:

1. Kweek verwondering zonder afrekening

Organiseer wekelijkse f**k-up vrijdagmiddagen rondom AI. Niet om te laten zien hoe briljant een prompt werkte, maar juist om te delen hoe hilarisch slecht de bot reageerde en hoe we dat hebben opgelost. Maak van AI-adoptie een ontdekkingstocht, geen KPI (Key Performance Indicator). Laat werknemers tijdens werktijd een uur per week doelloos experimenteren. Als de druk van 'meer rendement' wegvalt, ontstaat er ruimte voor oprecht begrip van hoe een Large Language Model 'denkt'. De wortel is in dit geval de voldoening van het beheersen van iets nieuws.

2. Creëer onverschrokken 'buddy-systemen'

Koppel niet de beste AI-whizzkid aan de grootste digibeet als een soort bijlesdocent. Dat creëert schaamte. Zet gelijken bij elkaar (bijvoorbeeld twee medewerkers uit het HR-support team of de financiële administratie) en geef ze samen één taak: "Kijk eens of jullie samen dat ene rotklusje (zoals het formatteren van wekelijkse rapportages) makkelijker kunnen maken met Copilot of ChatGPT." Samen leren verlaagt de drempel enorm en creëert interne steunpilaren voor het adoptieproces.

3. Focus op het 'Job to be Done', niet op de technologie

Stop met het geven van trainingen over "Hoe werkt een Neuraal Netwerk?" of het doorspitten van promt-engineering-theorie. De gemiddelde salesmedewerker boeit dat niet. Spreek de taal van hun pijn. "Wie zucht er altijd als de maandelijkse klantoverzichten gesorteerd moeten worden? Laten we samen kijken of we dat stomme werkje in vijf minuten kunnen doen in plaats van vijf uur." Wanneer je de pijnpunten in de dagelijkse routine oplost, ontstaat adoptie vanzelf, en sleep je ook de terughoudende medewerker aan boord.

4. Herwaardeer de junioren en starters

Kijk naar het alarmerende cijfer van Brynjolfsson: de -16% voor jonge werknemers in blootgestelde beroepen. Gooi de deur niet dicht voor de starters. Als het bulkwerk waarvoor ze vroeger werden aangenomen nu gedaan wordt door AI, herdefinieer dan de instapfunctie. Leer hen om direct als AI-operatoren en kwaliteitscontroleurs aan de slag te gaan. Ze hebben de domeinkennis van senioren nog niet, dus leid ze op samen met de technologie, zodat zij de AI kunnen managen en de senior experts zich kunnen buigen over strategie en menselijk contact.

Tijd voor leiderschap met een menselijke maat

Technologie is een ijskoude versterker van datgene wat al bestaat. Als u een bedrijfscultuur vol frictie en ongelijkheid heeft, zal de invoering van generatieve AI die kloof onvergeeflijk vergroten. Degenen die floreren, zullen uitwaaieren naar nieuwe hoogtes van productiviteit. En de achterblijvers zullen simpelweg wegkwijnen, overbodig gemaakt door hun weigering zich over te geven aan een gereedschap dat ze niet vertrouwen.

We moeten van de abstracte theorie naar de warme praktijk. Het Mattheüseffect in AI is te verslaan, maar alleen als bedrijven inzien dat de introductie van deze technologie de grootste veranderkundige uitdaging van de afgelopen vijftig jaar is. En zo'n uitdaging los je niet op met koude dwang of een softwarelicentie. Die los je op met empathie, de ruimte om fouten te mogen maken, en het voeden van oprechte, menselijke verwondering over een machine die ons allemaal fundamenteel zal veranderen.

"Precies de beroepsgroepen en werknemers die het allermeeste van kunstmatige intelligentie zouden kunnen profiteren, zijn degenen die de technologie het minst omarmen."

Bronnen

• Humlum, A., & Vestergaard, E. (2024/2025). The unequal adoption of ChatGPT exacerbates existing inequalities among workers. PNAS.
• Brynjolfsson, E., Chandar, B., & Chen, R. (Nov 2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab.
• Besproken inzichten mede gebaseerd op een bijdrage van Job van den Berg in de wetenschapsrubriek AI at Work Live (BusinessWise / DPG Media / New Business Radio).

// Over de auteur

Job van den Berg

Mede-oprichter, AI Keynote Spreker & Techondernemer

Tech-ondernemer (1989) met een achtergrond als socioloog (Research Master (MSc) in statistiek en sociologie) en een van de meest gevraagde keynote sprekers over AI en data in Nederland. Als mede-oprichter van Ai.nl, The Automation Group en Proxies leidt hij engineers die agentic AI van prototype naar productie brengen binnen enterprises. Op het podium vertaalt Job die hands-on praktijk naar concrete strategieën. Eerder was Job Chief Data bij o.a. DPG Media en Kantar. Hij is co-auteur van 5 boeken over AI waaronder 'AI Agents' en 'Handboek AI Strategie' en een veelgevraagd expert in de landelijke media.

LinkedIn