AI vervangt juniors: wanneer de korte termijn de toekomst van het bedrijf hypothekeert

Meteen tijdwinst, later competentieverlies

“Waarom nog een stagiair aannemen als ChatGPT het werk in enkele seconden doet, zonder nood aan begeleiding?” Die gedachte hoor ik steeds vaker in mijn opdrachten rond digitale transformatie. Onlangs vertelde de CEO van een scale-up in gedeelde mobiliteit me dat hij gestopt is met het opnemen van stagiairs: generatieve AI neemt nu de onderzoeks-, eerste analyse- en schrijftaken over die traditioneel het dagelijkse werk van juniors vormden. Een onmiddellijke productiviteitswinst, zeker. Maar tegen welke prijs voor morgen?

Dit fenomeen gaat veel verder dan een geïsoleerd geval. Recente aankondigingen van massale investeringen in AI om financieel analysewerk te automatiseren werk dat traditioneel bij beginnende analisten ligt bevestigen een stevige trend. Goldman Sachs en Morgan Stanley overwegen publiek om hun instroom van junior personeel met twee derde te verminderen, omdat generatieve AI inmiddels een aanzienlijk deel van die taken kan uitvoeren.

Die rationalisering kan op korte termijn economisch logisch lijken, maar ze werpt een fundamentele vraag op: hoe leiden we de experts van morgen op als we de leerposities van vandaag schrappen? Door efficiëntie op korte termijn te verkiezen, zagen bedrijven dan niet de tak af waarop hun toekomstige concurrentiekracht rust?

Een massaal en gedocumenteerd fenomeen

De cijfers spreken voor zich. Volgens een studie van Stanford University, gepubliceerd in augustus 2025, zijn vacatures voor starters in sectoren die kwetsbaar zijn voor automatisering met 13% gedaald [1]. Die daling treft vooral twee domeinen: softwareontwikkeling en klantendienst traditioneel gezien als toegangspoorten tot de arbeidsmarkt.

Andere studies bevestigen en versterken dit beeld. Korn Ferry stelt dat 37% van de bedrijven van plan is startersfuncties te vervangen door AI [2]. Een enquête van de British Standards Institution (BSI) gaat nog verder: 41% van de bevraagde leiders zegt dat AI nu personeelsreducties mogelijk maakt, en 31% bekijkt systematisch eerst een automatiseringsoplossing vóór men een menselijke rekrutering opstart [3]. Bij grote bedrijven heeft de helft al bepaalde juniorrollen geschrapt, tegenover 30% bij kmo’s.

Ook in Frankrijk luidt APEC de alarmbel: na een daling van 19% in de aanwervingen van junior kaderleden (minder dan één jaar ervaring) in 2024, wordt voor 2025 een nieuwe daling van 16% verwacht [4]. IT blijft wel een belangrijke werkgever voor kaderfuncties, maar zag de junior aanwervingen in 2024 met 18% kelderen.

Wat zich aftekent, is een gevaarlijke vicieuze cirkel: zonder instaprollen, hoe bouw je de ervaring op die nu voor bijna elke job vereist is? Bedrijven zoeken ervaren profielen die AI-tools kunnen aansturen, maar willen degenen die dat kunnen worden niet meer opleiden. Zoals een onderzoeker van Stanford het stelt: “De traditionele springplankfunctie van instapjobs verdwijnt.”

Risico’s voor het bedrijf: verder dan het evidente

Het opdrogen van de talentpijplijn

Het eerste risico is puur mechanisch: hoe heb je binnen 10 of 15 jaar voldoende ervaren seniors als je vandaag geen juniors meer opleidt? Een expert wordt niet als expert geboren. Je wordt het door alle leerfases te doorlopen: basiskennis opbouwen, echte situaties meemaken, beroepsreflexen ontwikkelen, leren van peers, en vooral ervaringen opstapelen successen én fouten.

Die maturatie vergt tijd, doorgaans minstens tien jaar. Door instapfuncties te schrappen, drogen bedrijven hun eigen talentpijplijn uit. Erger nog: ze worden volledig afhankelijk van externe aanwervingen om verantwoordelijke functies in te vullen een dure en risicovolle strategie in een krappe arbeidsmarkt.

Verlies van bedrijfsspecifieke knowhow

Generatieve AI, hoe sterk ook, werkt op basis van “gemiddelde” data. Ze genereert statistisch waarschijnlijke antwoorden, in de vorm van dominante praktijken die ze tijdens haar training heeft opgeslorpt. Met andere woorden: ze is uitstekend in het reproduceren van wat al bestaat, maar heeft het moeilijker met wat een organisatie uniek maakt: eigen processen, bedrijfscultuur, en vakkennis die doorheen de jaren is opgebouwd.

Bedrijven beschikken over een vaak onderschat immaterieel kapitaal: taciete kennis. Die informele kennis de “tips & tricks” van experts, reflexen in specifieke situaties, het fijne begrip van klant- of productcontext is niet gedocumenteerd en vaak ook niet documenteerbaar. Ze wordt doorgegeven via observatie, begeleide praktijk en dagelijkse uitwisseling. Zonder juniors die die kennis ontvangen en verder dragen, verdwijnt ze naarmate mensen vertrekken.

Volgens verschillende experts in knowledge management kan het vertrek van één senior medewerker al leiden tot een kennisverlies dat richting één miljoen euro gaat wanneer die expertise niet is overgedragen [5]. Op schaal van een organisatie die intern niemand meer opleidt, wordt de impact aanzienlijk.

Het risico op standaardisering en verlies van differentiatie

Door massaal te steunen op dezelfde generatieve AI-tools—die allemaal putten uit gelijkaardige datacorpora convergeren bedrijven naar steeds homogenere praktijken, content en analyses. Zoals een artikel van Crescera Solutions aangeeft: “AI leert op massa’s gemiddelde data en genereert dus gemiddelde, consensusgerichte content die steeds meer op elkaar lijkt. Bedrijven die het te veel gebruiken verliezen hun toon, hun DNA, hun eigenheid.” [6]

Die onzichtbare standaardisering is een directe bedreiging voor concurrentiële differentiatie. Als alle financiële analisten dezelfde algoritmes gebruiken, als alle marketingverantwoordelijken op dezelfde generatieve modellen leunen, wat onderscheidt dan nog bedrijf A van bedrijf B? Innovatievermogen, denkkracht-diversiteit en strategische wendbaarheid die voordelen rusten op de rijkdom en eigenheid van menselijk kapitaal. Een kapitaal dat vanzelf verschraalt wanneer opleiding en kennisoverdracht wegvallen.

De generatiebreuk en haar gevolgen

Door jonge talenten buiten te sluiten, creëren bedrijven ook een gevaarlijke generatiebreuk. Teams verouderen zonder vernieuwing en verliezen geleidelijk voeling met nieuwe manieren van denken, nieuwe verwachtingen en nieuwe gebruiken. Die ontkoppeling kan leiden tot minder relevantie in de markt, een onvermogen om klanten van morgen aan te trekken, of een groeiende moeite om te innoveren.

Bovendien voedt deze strategie een sociale breuk: jonge afgestudeerden komen in een professionele impasse terecht, omdat ze de instapkansen missen die traditioneel toegang gaven tot hogere functies. De maatschappelijke en economische gevolgen van zo’n massale uitsluiting kunnen groot zijn.

AI en kennisoverdracht verzoenen: goede praktijken

Gelet op deze vaststellingen is de uitdaging niet om AI af te wijzen dat zou even zinloos als inefficiënt zijn maar om de integratie ervan te herdenken zodat AI een leerhefboom wordt in plaats van een vervanging van menselijke opleiding.

1) AI herpositioneren als versterking, niet als vervanging

De winnende aanpak bestaat erin “versterkte juniors” op te leiden in plaats van juniors te vervangen door AI. Verschillende studies tonen aan dat een starter met AI-ondersteuning sneller vooruitgaat en werk van hogere kwaliteit levert dan een junior zonder AI en soms zelfs beter dan bepaalde seniors die minder vertrouwd zijn met die tools.

Zoals een expert die in meerdere studies wordt aangehaald het zegt: “De sterkste is niet de mens of de machine, maar de mens die de machine gebruikt.” Die hybridisering moet centraal staan in de opleidingsstrategie: niet instapfuncties schrappen, maar ze transformeren tot versterkte leerrollen waar juniors tegelijk het vak én de AI-tools van het vak leren beheersen.

2) Opleidings- en onboardingtrajecten hertekenen

De meest vooruitstrevende bedrijven integreren AI methodisch in opleiding, met focus op:

• Ambitieuze acculturatieprogramma’s: iedereen opleiden van directie tot operationele teams om AI te demystificeren en kansen te identificeren per expertisegebied.
• Concrete en geleidelijke use cases: leren structureren in drie niveaus basisbewustzijn, toolbeheersing en rolgebonden trajecten met AI in plaats van een brute omwenteling op te leggen.
• Momenten voor kennisoverdracht: formele mechanismen invoeren (workshops, senior-junior duo’s, communities of practice) zodat bedrijfsspecifieke kennis blijft circuleren.

3) Knowledge Management structureren

Een robuuste knowledge-managementaanpak wordt in deze context onmisbaar. Ze wil:

• Kritieke kennis identificeren: welke kennis en vaardigheden mogen niet verdwijnen? Welke expertise is op korte termijn bedreigd (pensioneringen, verloop)?
• Taciete en expliciete kennis capteren: processen documenteren, maar ook de overdracht organiseren van informele kennis die niet te codificeren valt.
• Toegang en delen faciliteren: samenwerken via platformen (interne wiki’s, kennisbanken) die informatie centraliseren en tegelijk menselijke overdrachtpraktijken ondersteunen.

Meerdere bedrijven melden tastbare resultaten: een consultancybedrijf halveerde de inwerktijd van nieuwe consultants dankzij een gedeelde kennisbank. Een industriële groep zette senior–junior duo’s op, gecombineerd met gefilmde “codificatiesessies”, om het pensioen van 25% van haar technische experts tijdig op te vangen.

4) Kennisoverdracht waarderen als competentie

Kennisoverdracht moet een volwaardige competentie worden, geëvalueerd en erkend. Tijdens jaarlijkse evaluaties is het essentieel om de vraag te stellen naar iemands vermogen om kennis door te geven en om medewerkers te waarderen die zich inzetten voor de begeleiding van juniors. Die erkenning kan verschillende vormen aannemen: expert- of referentrollen, deelname aan communities of practice, en expliciete tijd in individuele doelstellingen.

5) Een transparante dialoog over AI installeren

De integratie van AI zou systematisch onderwerp moeten zijn van dialoog tussen personeelsvertegenwoordigers en directie. Transparantie over gebruik, impact op functies en begeleidende maatregelen vermindert angst (73% van de Fransen maakt zich zorgen over de impact van AI volgens een studie van Sia Partners [7]) en maakt een verantwoorde adoptie mogelijk via co-creatie.

De best presterende bedrijven hanteren een methodische aanpak met nauwe samenwerking tussen directie, business, IT en HR. Ze kiezen strategische domeinen waar AI menselijke capaciteiten versterkt in plaats van ze simpelweg te vervangen.

6) Aangepaste instapfuncties behouden

In plaats van juniorrollen te schrappen, moeten ze evolueren. De meest repetitieve taken kunnen inderdaad worden geautomatiseerd, maar instapprofielen blijven essentieel om:

• te leren AI aansturen en controleren (verifiëren, bijsturen, output verbeteren)
• kritisch oordeel te ontwikkelen: wanneer vertrouw je AI wel en wanneer niet?
• de vakfundamenten te verwerven die nodig zijn om door te groeien naar complexere verantwoordelijkheden
• een frisse blik te brengen en gevestigde praktijken in vraag te stellen

Conclusie: de urgentie van een langetermijnvisie

Kunstmatige intelligentie is noch een bedreiging noch een mirakeloplossing. Het is een krachtig hulpmiddel dat afhankelijk van hoe we het integreren onze collectieve capaciteiten kan versterken of ze duurzaam kan verarmen.

De keuze voor CEO’s, HR en verantwoordelijken voor digitale transformatie is vandaag duidelijk: onmiddellijke productiviteitswinsten nastreven met het risico de toekomst te hypothekeren, of investeren in een evenwichtige aanpak die technologische innovatie verzoent met de ontwikkeling van menselijk kapitaal.

De bedrijven die hun opleidingsinspanningen behouden, kennisoverdracht structureren en AI positioneren als versterker in plaats van substituut voor menselijke vaardigheden, zullen hun innovatievermogen, strategische wendbaarheid en concurrentiële differentiatie behouden.

Want voorbij algoritmes en efficiëntiewinsten zijn het altijd mensen hun expertise, creativiteit en vermogen om anders te denken die de waarde van een organisatie maken. Laten we dat niet vergeten in de race naar automatisering.

Références

[1] Stanford University (november 2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Erik Brynjolfsson, Bharat Chandar en Ruyu Chen. URL: https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/

[2] Korn Ferry (oktober 2024). Rapport sur les tendances de recrutement et l'IA. Geciteerd in LeMagIT, “Remplacer les juniors par l'IA, pas une bonne idée”, 10 november 2025. URL: https://www.lemagit.fr/actualites/366634321/Remplacer-les-juniors-par-lIA-pas-une-bonne-idee

[3] British Standards Institution (BSI) (oktober 2025). Étude sur l'impact de l'IA sur le recrutement. Geciteerd in EconomieMatin, “40% des entreprises vont passer à l'IA plutôt que d'embaucher des jeunes”, 10 oktober 2025. URL: https://www.economiematin.fr/impact-intelligence-artificielle-emploi-jeunes-diplomes-debut-carriere

[4] APEC (2024–2025). Baromètre de l'emploi cadre. Geciteerd in Clockia, “Premier emploi tech et IA : la double peine des jeunes diplômés ?”. URL: https://clockia.avignon-et-moi.fr/ia/3054-premier-emploi-tech-et-ia-la-double-peine-des-jeunes-diplomes.html

[5] Smart Tribune (januari 2025). “Qu'est-ce que le Knowledge Management ? Définition et enjeux 2025”. URL: https://blog.smart-tribune.com/fr/knowledge-management-definition-enjeux

[6] Crescera Solutions (juli 2025). “Intelligence Artificielle en entreprise : entre promesses, standardisation et enjeux de fond”. URL: https://crescerasolutions.com/intelligence-artificielle-en-entreprise-entre-promesses-standardisation-et-enjeux-de-fond/

[7] Sia Partners (juni 2025). “IA vs RH : Chartes éthiques, des boussoles indispensables pour naviguer en eaux troubles”. Geciteerd in Lamy Liaisons. URL: https://www.lamy-liaisons.fr/eclaireurs-du-droit/ia-vs-rh-par-sia-chartes-ethiques-des-boussoles-indispensables-pour-naviguer-en-eaux-troubles/