DNB koppelt AI-productiviteit aan integratie en opschaling

AI-productiviteit ontstaat niet vanzelf: DNB koppelt de economische winst in Nederland aan integratie in werkprocessen, opschaling van succesvolle toepassingen en aanpassing door bedrijven en werknemers, in een analyse van 3 november.

Een AI-tool die één taak versnelt, levert pas bedrijfsproductiviteit op als de uitkomst in de rest van het werkproces past. Medewerkers moeten ermee kunnen werken en de vrijgekomen tijd moet terugkomen in betere kwaliteit, meer productie of nieuwe diensten. Dat vraagt extra tijd en technische kennis, precies waar kleinere bedrijven volgens DNB vaker tegen grenzen aanlopen.

Gebruik telt nog niet als productiviteit

DNB ordent de opgave in drie delen: betrouwbare toegang tot AI, toepassing en verspreiding van werkende toepassingen, en arbeid en kapitaal die naar productiever werk verschuiven. Nederland behoort tot de Europese koplopers in AI-gebruik, maar een licentie of proefproject zegt nog niet of een organisatie haar processen heeft aangepast. Een toepassing kan tijd besparen of kwaliteit verbeteren. De opbrengst groeit pas als bedrijven haar in werkprocessen opnemen en breder inzetten.

Voor kleinere bedrijven is dat verschil extra relevant. DNB schrijft dat software en clouddiensten specialistische kennis toegankelijker kunnen maken die eerder te duur was. Kleinere bedrijven gebruiken AI minder vaak en hebben soms minder tijd en expertise om toepassingen te kiezen, data te organiseren en personeel te scholen. De technologie neemt het werk aan procesaanpassing en duidelijke verantwoordelijkheden niet over.

AI-blootstelling voorspelt geen ontslagen

DNB schat dat AI minstens de helft van de taken kan versnellen in functies van ongeveer een kwart van de Nederlandse werkenden. Als de grens 40 procent van de taken is, omvat dat ongeveer de helft van de werkenden. De maatstaf laat zien waar AI technisch kan helpen en voorspelt niet hoeveel banen verdwijnen. Het effect hangt ook af van hoe bedrijven taken herverdelen en nieuw werk laten ontstaan.

Organisatorische steun is een tweede meetpunt. Het rapport meldt dat werknemers AI vaker gebruiken en vaker tijdwinst aangeven waar werkgevers actief helpen, bijvoorbeeld met interne toepassingen en scholing. DNB benadrukt dat dit nog geen meetbare productiviteitswinst bij bedrijven bewijst. In een DNB-enquête uit oktober 2025 ervaart een kwart van de werknemers actieve werkgeverssteun. In alle sectoren ligt AI-gebruik hoger dan actieve steun; het verschil is in de meeste sectoren ruim vijftien procentpunt en in onderwijs en overheid bijna dertig.

Een Deense studie op basis van gegevens uit 2023 en 2024 laat een vergelijkbaar verband zien. Waar werkgevers AI-gebruik aanmoedigden, zakelijke chatbots aanboden en training gaven, had 93 procent van de werknemers chatbots gebruikt. Op werkplekken zonder actieve stappen was dat 41 procent. Vijfentachtig procent van de gebruikers besteedde de bespaarde tijd aan andere taken. Tot eind 2024 vond Brookings geen aantoonbaar verschil in lonen of personeelsaantallen, ook bij ondersteunde adoptie. Die cijfers voorspellen niets voor Nederland, maar laten zien dat gebruik, tijdwinst en bedrijfsuitkomsten apart gemeten moeten worden.

Een overstaproute begint bij data en standaarden

DNB stelt dat Nederland geen eigen geavanceerd AI-model hoeft te bouwen. Bedrijven moeten wel betrouwbare, betaalbare toegang houden tot AI-modellen, data en rekenkracht, en eenvoudig naar een andere aanbieder kunnen overstappen. De ontwikkeling van modellen, cloud en gespecialiseerde chips is geconcentreerd bij een klein aantal bedrijven en regio’s. DNB noemt overstapkosten en continuïteit expliciete aandachtspunten bij leverancierskeuze.

Open standaarden, uitwisselbare data en waar passend open modellen kunnen overstappen makkelijker maken. Voor kritische toepassingen adviseert het rapport afhankelijkheden in kaart te brengen en een terugvaloptie te regelen. Een lijst met goedgekeurde AI-tools en afspraken over welke gegevens erin mogen maakt die afhankelijkheden eerder zichtbaar. Zo blijft een overstap uitvoerbaar als prijs, voorwaarden of toegang veranderen.

DNB meet voorwaarden, geen bedrijfsrendement

De analyse noemt geen vast percentage productiviteitswinst dat bedrijven kunnen verwachten. DNB schrijft dat de beschikbare gegevens vooral gebruik, werkgeversbeleid en zelfgerapporteerde tijdwinst meten. Ze laten nog beperkt zien hoe diep AI in processen zit en wat het oplevert voor productiviteit op bedrijfsniveau. Het rapport beschrijft voorwaarden en economische mechanismen, geen individuele businesscase.

DNB kijkt ook naar inflatie. Wereldwijde investeringen in AI stuwen de vraag naar chipapparatuur, datacenters en netcapaciteit op en kunnen op korte termijn kosten verhogen. Als AI later meer output met dezelfde arbeid mogelijk maakt, kan dat prijsdruk juist verlagen. De timing en omvang blijven onzeker.

De economische vraag verschuift daardoor naar de verspreiding van resultaten. Een versneld taakonderdeel levert organisatiebrede productiviteit op wanneer de aanpak in processen past, medewerkers ermee kunnen werken en leveranciersafhankelijkheid beheersbaar blijft. DNB verbindt die bedrijfskeuzes met de bredere vraag of succesvolle bedrijven kunnen groeien en arbeid en kapitaal naar productiever werk verschuiven. Voor Nederlandse organisaties ligt de meetbare toets in de afstand tussen een snellere taak en een beter werkproces.