Banen ‘in gevaar door AI’ waren al aan het dalen voordat ChatGPT werd gelanceerd

Een grote nieuwe studie heeft ontdekt dat banen die gevaar lopen door AI al aan het verdwijnen waren voordat ChatGPT werd gelanceerd, maar studenten die waren opgeleid in die vaardigheden eindigden met hogere salarissen en snellere aanwervingen.

Een uitgebreide nieuwe onderzoeks samenwerking tussen Amerikaanse universiteiten heeft ontdekt dat de oorsprong van de AI-kwetsbare banencrisis niet samenvalt met de lancering van ChatGPT eind 2022, maar dat de problemen eerder in het jaar begonnen, om ogenschijnlijk ongerelateerde redenen.

Verder ontdekt het rapport dat afgestudeerden wiens universitaire majors meer ‘AI-blootgesteld’ waren, daadwerkelijk geassocieerd waren met hogere salarissen voor hun eerste baan en kortere sollicitatietijden na de lancering van ChatGPT.

Het nieuwe onderzoek maakt gebruik van drie grote datasets, waaronder meer dan tien miljoen gescrapede LinkedIn-profielen, evenals werkloosheidsgegevens en verzekeringsclaims. De auteurs stellen:

‘[Onze] resultaten geven aan dat het verslechteren van de arbeidsmarktresultaten in 2022-2024 voor LLM-gevoelige werknemers en afgestudeerden al gaande waren voordat de massamarktintroductie van LLM-toepassingen plaatsvond. Het risico op werkloosheid in hoog blootgestelde beroepen nam toe vanaf het begin van 2022 – lang voordat ChatGPT – en in de meeste beroepen en staten zien we geen discrete breuk die samenvalt met de introductie ervan.

‘Vroegcarrièrewerknemers werden onevenredig getroffen: afgestudeerden uit de cohorts 2021-2023 traden toe tot hoog blootgestelde banen met lagere tarieven en ervoeren langere waargenomen vertragingen tot hun eerste baan dan eerdere cohorts, met openingen die ontstonden, opnieuw, voordat eind 2022. Tegelijkertijd bleef LLM-relevante educatie waardevol binnen deze omgeving.’

Het nieuwe onderzoek herdefinieert de opkomst van AI als het betreden van een arbeidsmarkt die al verzwakt was door bredere economische en sector–specifieke druk, en merkt op dat vaardigheden die AI aanvullen, behouden en mogelijk zelfs marktwaarde hebben behouden.

De auteurs sluiten het artikel af door te suggereren dat de lancering van ChatGPT in november 2022 niet moet worden behandeld als de terminator tussen de pre-AI en de AI-inclusieve arbeidsmarkt, en dat een reeks gelijktijdige omstandigheden moet worden overwogen samen met de opkomende invloed van Large Language Models (LLM’s):

‘Deze resultaten hebben implicaties voor onderzoek en beleid. Ten eerste waarschuwen ze tegen het behandelen van de lancering van ChatGPT als een schone natuurlijke experiment voor de invloed van AI op de arbeidsmarkt: ontwerpen die post-2022 arbeidsmarktzwakte hoofdzakelijk toeschrijven aan LLM’s riskeren AI-diffusie te verwarren met gelijktijdige macro-economische verschuivingen (mogelijke voorbeelden zijn monetaire beleid, sectorale vraag en/of post-pandemische aanpassing).’

De auteurs suggereren dat universiteiten en opleidingsprogramma’s geen vaardigheden moeten stoppen die vaak worden omschreven als ‘kwetsbaar voor AI’, zoals schrijven, coderen en informatiesynthese. Volgens de resultaten die in het onderzoek zijn verkregen, kan het onderwijzen van deze vaardigheden op een manier die samenwerkt met AI, met een focus op het controleren van uitvoer, het beoordelen van kwaliteit en het gebruik van chatbots als instrumenten in plaats van vervangingen, afgestudeerden helpen om concurrerend te blijven in een onstabiele arbeidsmarkt.

De nieuwe studie heeft als titel AI-blootgestelde banen verslechterden voordat ChatGPT, en komt van vijf onderzoekers die zijn aangesloten bij verschillende afdelingen van de Universiteit van Pittsburgh, Stanford Universiteit, Chapman Universiteit en Columbia Universiteit, in samenwerking met Microsoft’s AI Economy Institute in Redmond en Revelio Labs in New York.

Methode en gegevens

De bevindingen van het artikel zijn, zoals de auteurs opmerken, een scherp contrast met eerdere rapporten, waaronder een van Stanford’s Digital Economy Lab, evenals donkere voortekenen van luminaries zoals de CEO van Anthropic, die waarschuwde in mei 2025 dat AI ‘de helft van alle instapniveaubanen in het witte boordje kan elimineren’*.

De analytische methode van de auteurs onderzocht aanvankelijk de werkloosheid onder werknemers in beroepen die het meest blootgesteld waren aan AI-gedreven automatisering, met blootstelling gedefinieerd met behulp van zes-cijferige Standard Occupation Classification (SOC) codes, gemiddeld om blootstellingsniveaus te schatten voor bredere twee-cijferige SOC-categorieën.

Maandelijkse administratieve gegevens werden ontleend aan de ETA 203-rapport, samengesteld door de U.S. Department of Labor’s Employment and Training Administration, met details over het meest recente beroep van mensen die aanspraak maakten op voortdurende werkloosheidsverzekering.

Deze gegevenspunten werden vervolgens gecombineerd met jaarlijkse beroepsgegevens over het aantal banen van het Bureau of Labor Statistics’ Occupational Employment and Wage Statistics-programma, waardoor de maandelijkse werkloosheidsrisico’s konden worden geschat voor elk beroep in elke staat (waarbij het risico werd gedefinieerd als de kans dat een werknemer in een bepaald beroep aanspraak maakte op voortdurende werkloosheidsuitkeringen).

Historisch gezien merkt het artikel op dat de banen die het meest blootgesteld waren aan AI, 20-80% lager werkloosheidsrisico hadden dan minder blootgestelde rollen, met een groeiende kloof tijdens de pandemie, aangezien op afstand uitvoerbare banen meer veerkrachtig bleken. Dat voordeel begon te eroderen in het begin van 2022, en tegen 2023-2024 was het verschil grotendeels verdwenen:

Het werkloosheidsrisico in AI-blootgestelde banen begon te stijgen in het begin van 2022, waarmee een lange periode van relatieve stabiliteit ten einde kwam. A toont deze ommekeer als de kloof tussen hoog- en laagblootgestelde rollen zich vernauwt voordat ChatGPT wordt gelanceerd. B onthult dat de toename geconcentreerd was in de meest blootgestelde quintiel, met een stijging van het risico na een dieptepunt en vervolgens een afvlakking. C traceert het effect naar computer- en wiskunde-banen, terwijl de meeste andere velden stabiel bleven. Het risico werd maandelijks gemeten over de Amerikaanse staten en gemiddeld per kwartaal. Bron

Zoals we kunnen zien in de bovenstaande grafieken, groepeerden de auteurs beroepen in quintielen naar ‘AI-blootstelling’ en volgden deze in de loop van de tijd. Minder blootgestelde banen toonden consistent hogere werkloosheidsrisico’s en sterker seizoensgebonden variatie, met alle groepen die piekten tijdens de pandemie in 2020 en een dieptepunt bereikten in het begin van 2022.

Na dit dieptepunt begon het werkloosheidsrisico te stijgen in de meest blootgestelde quintielen, lang voordat ChatGPT werd gelanceerd, en stabiliseerde vervolgens, in plaats van te versnellen in de maanden die volgden.

Computer- en wiskunde-banen zagen de grootste stijging van het werkloosheidsrisico voordat ChatGPT werd gelanceerd, en niveauleden vervolgens. De meeste andere rollen toonden weinig verandering. Een paar staten, waaronder Californië, Washington en Alaska, zagen toenames na ChatGPT, maar de nationale risiconiveaus bleven dicht bij de pre-pandemische normen, wat aangeeft dat de invloed van eerdere economische druk.

Gegevensoverwegingen

De auteurs merken op dat statistisch gezien het werkloosheidsrisico patronen over beroepstypen zal onthullen, maar niet de resultaten voor specifieke groepen – zoals recent afgestudeerden die mogelijk geen aanspraak kunnen maken op uitkeringen of een eerdere baan hebben om te melden. Andere onderzoeken en industrieclaims suggereren dat startende werknemers de grootste impact ondervinden van AI, wat betekent dat de algehele werkloosheidsgegevens zullen missen wie het meest getroffen wordt.

Om deze beperking te overwinnen, trok de nieuwe studie 10.584.980 LinkedIn-profielen van Revelio Labs. Elk record uit de dataset bevatte gedetailleerde onderwijsgeschiedenissen met behulp van diploma-type, studierichting, afstudeerjaar en universiteit, naast carrièregegevens zoals functietitels (toegewezen aan zes-cijferige SOC-codes), werkgevers, startdata en locaties.

Salarissen werden geschat met behulp van ‘een propriëtaire machine learning-model’ getraind op visumaanvragen, zelfgerapporteerde invoer en openbare vacatures, waarin zowel rol-specifieke details als individuele carrièrepaden werden meegenomen.

Aangezien de werkelijke salarissen niet konden worden geverifieerd, volgde de analyse ook het aantal maanden dat afgestudeerden nodig hadden om hun eerste waargenomen baan te beginnen binnen drie jaar na het behalen van hun diploma, met uitzondering van die met geen geregistreerde werkgelegenheid in die periode (een metric die fungeerde als een proxy voor arbeidsmarktfrictie, onder de veronderstelling dat afgestudeerden hun profielen bijwerken wanneer ze worden aangenomen):

Afgestudeerden die de arbeidsmarkt betraden na 2022, deden er langer over om LLM-blootgestelde banen te vinden, maar deze daling in arbeidsmarktresultaten begon maanden voordat ChatGPT werd gelanceerd. A toont dat afgestudeerden met hoogblootgestelde eerste banen doorgaans sneller werk vonden, totdat dit patroon zich omkeerde na 2022; B toont een soortgelijke vertraging voor hooggesalarisde rollen, hoewel minder uitgesproken; C onthult dat de cohorts 2021 en 2022 LLM-blootgestelde banen betraden met lagere tarieven dan eerdere cohorts, met onderprestatie die ontstond voordat ChatGPT werd gelanceerd. D toont geen equivalente verschuiving voor laagblootgestelde banen, waarmee wordt bevestigd dat de neergang voorafging aan de wijdverbreide adoptie van LLM’s.

De auteurs analyseerden de duur van de banenzoek over de afstudeercohorts, waarbij ze controleerden op maandelijkse vacatures per staat en sector, en rekening hielden met verschillen in diploma-type, studierichting en universiteit, met blootstelling aan LLM’s gedefinieerd met behulp van SOC-codes.

Voordat ChatGPT werd gelanceerd, brachten afgestudeerden die hoogblootgestelde rollen betraden, doorgaans minder tijd door met solliciteren dan hun peers. Voor de cohorts 2023 en 2024 keerde dit patroon zich om, met blootgestelde rollen die langer duurden om te vinden.

Het moet worden benadrukt dat, hoewel het artikel stelt dat de resultaten verslechterden na ChatGPT, de gegevens aantonen dat deze daling maanden eerder begon en doorging, waardoor het idee van een plotselinge post-ChatGPT-inzinking wordt ondermijnd, en eveneens de toeschrijving van de (voortdurende) neerwaartse trend geheel aan LLM-adoptie.

Onderwijsblootstelling

Een centraal punt in de discussie over AI en werkgelegenheid is of studenten moeten blijven trainen in vaardigheden die grote taalmodellen kunnen automatiseren, zoals schrijven, coderen of synthese. Als deze vaardigheden hun marktwaarde hebben verloren, zouden afgestudeerden die het meest blootgesteld zijn aan deze vaardigheden, het slechter moeten doen. Om dit te testen, schatten de auteurs de onderwijsblootstelling aan LLM-relevante taken met behulp van LinkedIn-profielen die waren gekoppeld aan miljoenen universitaire syllabi, en volgden ze de vroege baanresultaten voordat en na ChatGPT:

Onderwijsblootstelling aan LLM-relevante taken voorspelt sterker vroegcarrièreresultaten na ChatGPT. Afgestudeerden na 2022 met grotere blootstelling aan automatiseringsvaardigheden werden sneller aangenomen en verdienden hogere salarissen, waardoor de straffen verbonden aan hoge LLM-blootstelling gedeeltelijk werden gecompenseerd. Alle modellen controleren op vacaturetarieven, baantype en onderwijsachtergrond.

Voordat ChatGPT werd gelanceerd, toonde deze onderwijsblootstelling geen duidelijk verband met sollicitatietijd of salaris. Na ChatGPT lijkt het geassocieerd te zijn met snelere aanwervingen en hogere start­salarissen. Hoewel banen met hoge LLM-blootstelling de neiging hadden om slechtere resultaten op te leveren na ChatGPT, waren afgestudeerden van meer AI-georiënteerde programma’s minder getroffen.

In plaats van in waarde te dalen, leken vaardigheden die als kwetsbaar voor automatisering worden beschouwd, betere vroegcarrièreresultaten te ondersteunen.

‘Als LLM’s de oorzaak waren van de slechte arbeidsmarktresultaten van afgestudeerden, zouden we verwachten dat onderwijsblootstelling aangeeft dat overbodige vaardigheden geen waarde toevoegen bij het zoeken naar een baan.

‘Toch suggereren onze resultaten dat het onderwijzen van AI-blootgestelde vaardigheden betere resultaten oplevert voor afgestudeerden na de lancering van ChatGPT. Deze associaties zijn moeilijk te rijmen met de visie dat LLM-relevante educatie minder waardevol is geworden na ChatGPT. Hoewel niet oorzakelijk, suggereren ze dat LLM-relevante voorbereiding ten minste compatibel is met betere vroegcarrièreresultaten in de post-ChatGPT-periode.’

De auteurs concluderen door te suggereren dat de koptekst-garnerende werkgelegenheidstrends die worden bestudeerd, plaatsvonden in een arbeidsmarkt die al werd gevormd door eerdere gebeurtenissen en trends. Zoals het er nu voor staat, lijkt het onmogelijk om de invloed (op werkgelegenheidstrends) van ChatGPT en AI in het algemeen te scheiden van de ongerelateerde krachten die de marktneergang hebben ingezet, net zoals het onmogelijk is om zout uit soep te verwijderen.

* Echter, een redelijke hoeveelheid huidige commentaren erkent dat dit soort doemdenken van AI-geïnvesteerde oprichters meer lijkt op astroturfing, met als doel potentiële klanten en beleggers te imponeren en aandelenkoersen te verhogen.

Eerst gepubliceerd op woensdag 7 januari 2026