Hoe AI de sectoren IT en zakelijke dienstverlening verandert

De Nederlandse IT en zakelijke dienstverlening staan op een kantelpunt. Vanwege personeelsschaarste en hogere klantverwachtingen richten bedrijven zich steeds meer op het verhogen van de productiviteit. Groei komt niet langer uit extra mensen, maar uit slimmer werken – en bedrijven zien AI, met name generatieve AI, daarbij als versneller.

De potentie is groot en concreet: 86% van de taken in de IT en 64% van de taken in de zakelijke dienstverlening heeft (hoog) automatiseringspotentieel. Vooral taken in de softwareontwikkeling, marketing, boekhouding en administratieve processen lenen zich hiervoor, net als delen van consultancy en juridische analyse. Op functieniveau betekent dit dat met name rollen met veel routinematige, analytische of tekstgedreven werkzaamheden – zoals developers, financieel specialisten, administratief medewerkers en supportfuncties – sterk door AI kunnen worden geraakt. Nederlandse bedrijven lopen voor op het Europees gemiddelde qua AI-gebruik, maar behoren niet tot de kopgroep.

Experimenten tonen bovendien dat de impact substantieel kan zijn: studies laten productiviteitswinsten zien die uiteenlopen van circa 10% tot soms meer dan 50%, afhankelijk van taak en toepassing (zie figuur 6). Tegelijkertijd is onzeker in hoeverre deze productiviteitseffecten kunnen worden gerealiseerd in de dagelijkse praktijk, waar implementatie, integratie en andere vaardigheden bepalend zijn voor succes.

De inzet van AI is ook van groot strategisch belang: organisaties die AI effectief weten te integreren in processen en vaardigheden kunnen hun productiviteit structureel verhogen en personeelstekorten opvangen, terwijl bedrijven die dit niet doen terrein zullen verliezen.

In deze studie analyseren we waar AI vandaag binnen IT en de zakelijke dienstverlening wordt toegepast[1], waar het grootste productiviteitspotentieel bestaat en wat dit betekent voor bedrijven en banen in de IT en zakelijke dienstverlening.

[1] Onze kwantitatieve analyse voor de IT is gebaseerd op cijfers van de CBS-sector Informatie en Communicatie, waaronder ook media en uitgeverijen vallen. De kwalitatieve discussie in dit stuk focust op de IT en laat deze twee subgroepen daarvoor buiten beschouwing. Onze kwantitatieve analyse voor de zakelijke dienstverlening is gebaseerd op cijfers van de CBS-sector zakelijke dienstverlening waaronder zowel specialistische zakelijke dienstverlening (zoals advocatuur en accountancy) als overige zakelijke dienstverlening (zoals schoonmaak en beveiliging) vallen. De discussie in het stuk focust op de specialistische zakelijke dienstverlening, alhoewel we ook voorbeelden uit de overige zakelijke dienstverlening noemen.

De arbeidsmarkt voor de IT en zakelijke dienstverlening staat onder druk. Het aantrekken en behouden van gespecialiseerd personeel is een hoofdpijndossier voor veel CEO’s in de sector. De vacaturegraad in de zakelijke dienstverlening is hoog (zie figuur 1). Hetzelfde geldt voor de IT als we de tijdelijke Covid-piek buiten beschouwing laten.

Daarnaast zet een consolidatiegolf de marges onder druk, terwijl klanten meer verwachten tegen lagere kosten. In combinatie met personeelsschaarste maakt dit verdere productiviteitsgroei steeds belangrijker. In de IT is deze versnelling al deels zichtbaar (zie figuur 2).

AI kan de uitdagingen van de sectoren deels het hoofd bieden. We onderscheiden drie typen AI (zie figuur 3): Predictive AI, Generative AI (GenAI) en Agentic AI.

AI-systemen worden al decennia toegepast, bijvoorbeeld voor capaciteitsplanning en fraudedetectie. Deze vormen noemen we Predictive AI. Sinds de lancering van ChatGPT in 2022 vindt ook Generative AI (GenAI) zijn weg in de IT en zakelijke dienstverlening. GenAI genereert tekst en beeld en is geschikt voor bijvoorbeeld documentatie of codegeneratie. De derde categorie, Agentic AI, bouwt hierop voort en opereert (semi-)autonoom. Dit type AI-systemen kan zelfstandig incidenten afhandelen of doorlopend software testen.

De potentie van GenAI meten we via het automatiseringspotentieel op taakniveau. Banen bestaan uit bundels taken, en voor iedere taak hebben we een score die aangeeft in hoeverre GenAI die taak succesvol kan uitvoeren. Voor dit artikel gebruiken we inzichten van de International Labour Organisation (ILO; Gmyrek et al. (2025)). Zo bepalen we het automatiseringspotentieel per beroep en sector. We onderscheiden vier categorieën: hoog potentieel, potentieel, laag potentieel en niet mogelijk.

In de IT heeft 86% van de taken en in de zakelijke dienstverlening heeft 64% van de taken (hoog) automatiseringspotentieel (zie figuur 4). Deze taken lenen zich voor automatisering of ondersteuning door AI. Daarmee behoren beide sectoren tot de koplopers. Dit betekent niet dat alle (mogelijke) toepassingen al beschikbaar zijn. De scores zijn gebaseerd op het potentieel van AI-technologie wanneer deze verder wordt ontwikkeld en geïmplementeerd door bedrijven.

We splitsen dit vervolgens ook uit naar het type taken. We hebben deze taken ingedeeld in bedrijfsfuncties en uitgesplitst in figuur 5a en 5b. Voor de IT valt het grootste deel logischerwijs onder ‘ICT’ met 41% (van alle taken), gevolgd door ‘marketing’ (10%) en R&D (9%). Voor de zakelijke dienstverlening bestaan de top drie uit ‘boekhouding’, ‘marketing’ en ‘productie- of serviceprocessen’.

AI kan in theorie dus taken overnemen en daarmee de productiviteit van werknemers verhogen. Maar met hoeveel precies? Verschillende wetenschappelijke studies hebben hiervan schattingen gedaan, veelal juist ook in de context van IT en zakelijke dienstverlening. Figuur 6 toont een lijstje van deze publicaties. De productiviteitseffecten zijn aanzienlijk, al moet hierbij wel worden opgemerkt dat het (meestal) om resultaten uit experimenten gaat. Het is onzeker of deze effecten standhouden buiten experimenten.

Naast deze informatie over het automatiserings- en productiviteitspotentieel van AI weten we op basis van een CBS-enquête ook of Nederlandse en Europese bedrijven al gebruik maken van AI, uitgesplitst per bedrijfsfunctie. Hierbij gebruiken we data over bedrijven met meer dan tien medewerkers. In figuur 7a en 7b is zichtbaar in hoeverre deze bedrijven AI gebruiken, en hoe dit zich verhoudt tot branchegenoten in Europa. In beide sectoren lopen Nederlandse bedrijven voor op het EU-gemiddelde, maar er zijn ook landen waar meer bedrijven in deze sectoren AI gebruiken voor verschillende bedrijfsfuncties.

Een belangrijk issue in de IT en de zakelijke dienstverlening is personeelsschaarste. Dat blijkt ook uit het aantal openstaande vacatures in beide sectoren voor bepaalde functies (zie figuur 8a en 8b). En hoewel binnen de IT het aantal vacatures voor software-ontwikkelaars wat is gedaald na de coronaperiode, staat dit nog steeds op een hoog niveau.

Daarom kijken we naar het aandeel taken van specifieke beroepen in de IT en zakelijke dienstverlening dat automatiseerbaar is. Via dezelfde methodologie als waarop we ook het sectorale potentieel van GenAI hebben berekend (zie figuur 4), schatten we ook het automatiseringspotentieel van deze banen (figuur 9a en 9b).

De accountancy automatiseert met AI steeds vaker een groot deel van de traditionele werkzaamheden, zoals boekhouding, controle en rapportage. Hierdoor stijgt de productiviteit per werknemer en verschuift de rol van accountants van uitvoerend naar adviserend en toezichthoudend. Tegelijk neemt de vraag naar ondersteunende en juniorfuncties af, terwijl de toegevoegde waarde zich concentreert bij complexe oordeelsvorming en klantadvies. Dit beeld wordt ondersteund door een licht dalende vacaturegraad sinds eind 2024 en een stijgende arbeidsproductiviteit sinds 2023.

Binnen de advocatuur speelt een vergelijkbare ontwikkeling. Taken zoals contractanalyse, jurisprudentieonderzoek en het opstellen van standaarddocumenten sluiten goed aan bij de mogelijkheden van GenAI. Hierdoor kunnen deze activiteiten sneller en goedkoper worden uitgevoerd. De productiviteit per professional neemt toe, terwijl de behoefte aan instapfuncties daalt. Complex juridisch werk, strategisch advies en procesvoering blijven echter belangrijk. De sector zal zich opsplitsen in gestandaardiseerde en hoogwaardige dienstverlening.

Voor consultants ligt de impact vooral bij analytische en ondersteunende taken, zoals data-analyse en rapportages. Deze taken worden steeds vaker geautomatiseerd, waardoor de nadruk verschuift naar interpretatie, implementatie en verandermanagement. Teams worden kleiner, de productiviteit stijgt, maar de concurrentie neemt toe doordat analytische capaciteit minder schaars is. De toegevoegde waarde ligt steeds meer in domeinkennis en executiekracht.

Overkoepelend leidt AI tot een verschuiving van arbeid naar kapitaalintensieve productie en hogere productiviteit. De combinatie van de dalende vacaturegraad en stijgende output wijst erop dat deze transitie al is begonnen, met groeiende verschillen tussen koplopers en achterblijvers.

AI verandert ook het IT-werkveld fundamenteel. Bij softwareontwikkeling neemt AI steeds meer programmeer-, test- en documentatietaken over. Hierdoor stijgt de productiviteit per ontwikkelaar en kunnen organisaties met kleinere teams dezelfde output realiseren. Tegelijkertijd blijft menselijke controle essentieel. Vooral senior softwareontwikkelaars krijgen een belangrijkere rol in kwaliteitsborging, architectuur en het aanbrengen van context waarbinnen AI en agents opereren. Daardoor verschuift de vraag van uitvoerende programmeervaardigheden naar senior profielen die complexe systemen kunnen overzien en aansturen (IT governance). De werkdruk op deze groep neemt daarbij toe.

Ook binnen IT voor gebruikersondersteuning automatiseert AI steeds meer routinematig werk, zoals voor helpdesks, applicatiebeheer en netwerkbeheer. AI-systemen kunnen storingen detecteren, analyseren en soms zelfstandig oplossen via support agents en selfservice-oplossingen. Hierdoor neemt de behoefte aan repetitieve ondersteuning af, terwijl de vraag naar professionals die complexe problemen oplossen, systemen beheren en AI-oplossingen monitoren juist groeit. De rol verschuift daarmee van reactieve ondersteuning naar regievoering en systeembeheer.

Overkoepelend verandert AI niet alleen de productiviteit, maar ook de aard van IT-beroepen. IT-professionals worden zowel gebruikers als bouwers van AI-systemen en zullen steeds vaker samenwerken met AI-agents. Dit vergroot de vraag naar digitale, data- en regievaardigheden, terwijl routinematige taken verder verdwijnen. Net als elders in de zakelijke dienstverlening ontstaat daarmee een grotere kloof tussen functies met een hoge en lage toegevoegde waarde.

De mate waarin organisaties in staat zijn AI-potentieel te benutten hangt af van drie factoren.

Ten eerste vraagt AI om duidelijk strategisch eigenaarschap, waarbij het leidinggevend kader AI expliciet positioneert als onderdeel van de bedrijfsstrategie en actief stuurt op adoptie door medewerkers, ondersteund door nieuwe kernvaardigheden zoals datageletterdheid en kritisch AI‑gebruik.

Ten tweede is een stevige data-, IT- en procesbasis cruciaal: AI levert pas waarde wanneer data betrouwbaar, veilig en goed beheerd is, en wanneer toepassingen zijn ingebed in dagelijkse workflows; veel initiatieven stranden juist door gebrekkige integratie en onvoldoende aansluiting op de bedrijfscontext.

Ten derde zijn governance, risicobeheersing en vertrouwen essentieel, zeker in de kennisintensieve dienstverlening, waar AI werkt met gevoelige klantdata en complexe beslissingen ondersteunt; dit vereist heldere kaders voor privacy, ethiek en uitlegbaarheid, zodat medewerkers, klanten en toezichthouders kunnen vertrouwen op de kwaliteit en zorgvuldigheid van AI‑ondersteunde dienstverlening.

Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., & Troszyński, M. (2025). Generative AI and jobs: A refined global index of occupational exposure (No. 140). ILO Working Paper.

1. Categorisering van taken naar automatiseringspotentieel

Het automatiseringspotentieel van GenAI baseren we op de gepubliceerde data van Gmyrek et al. (2025), zoals we ook doen bij onze eerdere studie over de (mogelijke) effecten van AI op de arbeidsmarkt. Zij schatten het automatiseringspotentieel van GenAI op taakniveau binnen het International Standard Classification of Occupations (ISCO)-raamwerk. Hiervoor gebruiken ze een mix van survey-input, expertkennis en GenAI-input. Dit levert per taak een score op tussen de 0 en 1. Deze scores zetten we om naar de Nederlandse Beroepsclassificatie zoals gebruikt door het CBS.

Vervolgens kiezen we voor een indeling in vier categorieën: hoog potentieel, potentieel, laag potentieel en geen potentieel. De taakscores liggen tussen de 0 en 0,7625. Om taken in te delen in die vier categorieën moeten we daarbij een keuze maken voor de grenswaarden, en dat doen we als volgt:

Deze grenswaardes zijn gekozen op basis van twee factoren. Enerzijds op basis van de verdelingscurve van de scores, waarbij een grote piek is te zien in de scores onder de 0,2, wat impliceert dat zich daar een cluster van gelijkwaardige taken bevindt (als het gaat om AI-automatisering). Ook bij de grenswaarde 0,375 is een knik te zien in de verdeling. Anderzijds geeft Gmyrek et. al. per taak een redenering waarom een taak die score krijgt. Ook hierbij zien we rond de 0,2, 0,375 en 0,5 een verschil in bewoording over de kans dat GenAI een taak kan uitvoeren. Dit bevestigt de keuze voor die grenswaarden.

2. Clustering van taken naar type taak

Op basis van Gmyrek et al. hebben we een database met alle beroepen en daarbij behorende taken. Deze taken zijn gekoppeld aan een beroep. Deze taken kunnen we indelen in onderstaande bedrijfsfuncties:

Door deze indeling te maken, krijgen we een beeld in welke bedrijfsfuncties de potentie van AI vooral zit. Deze categorieën hebben we overgenomen van Eurostat en het CBS. Zij gebruiken die om te onderzoeken waar bedrijven AI voor gebruiken. De indeling van alle 3.265 taken in de economie in de bovenstaande categorieën hebben we gedaan met hulp van Microsoft Copilot (GenAI). Daarbij hebben we meerdere iteraties uitgevoerd totdat we tevreden waren met de indeling, die enkel voor dit artikel is opgesteld om een indicatief beeld te geven voor de verdeling van taken in een sector.