Waarom het ontslaan van junior medewerkers een slechte zet is voor bedrijven

In veel bedrijven is de afgelopen tijd een duidelijke trend waarneembaar: het idee dat kunstmatige intelligentie (AI) bedrijven efficiënter maakt en daarom leidt tot lagere personeelslasten. Dit klinkt logisch en gestructureerd, maar is het ook verstandig? Het antwoord is nee, want deze aanname mist een cruciale factor: de vraag welk werk eigenlijk gedaan moet worden en hoe dat het beste kan.

De valkuil van directe kostenbesparing

Voor de meeste bedrijven is arbeid de grootste kostenpost. Als AI taken kan overnemen, ligt het voor de hand om eerst naar personeel te kijken. Toch is er weinig bewijs dat AI op dit moment al zo productief is dat het ontslagen rechtvaardigt. Wat wel gebeurt, is dat bedrijven – vooral beursgenoteerde – onder druk staan om snel resultaat te boeken op hun AI-investeringen. Bezuinigen op reizen of discretionaire uitgaven levert weinig zichtbare winst op. Ontslagen daarentegen wel. En dus wordt personeel het meest zichtbare middel om kosten te drukken.

Het probleem met junior medewerkers

Een jonge analist die net een rotatieprogramma heeft afgerond, gaf onlangs een opmerkelijke tip: geef nieuwe medewerkers niet te snel toegang tot AI. Dit lijkt haaks te staan op wat veel CEO’s beweren, namelijk dat medewerkers zo snel mogelijk AI-vaardig moeten worden. Toch is er een belangrijke reden voor deze waarschuwing.

Als nieuwe medewerkers direct op AI vertrouwen zonder de basis van het vak te begrijpen, verliezen ze het vermogen om werk te beoordelen. Ze kunnen wel sneller antwoorden produceren, maar niet de kwaliteit, relevantie of risico’s ervan inschatten. Oordeelsvermogen ontstaat door herhaling en ervaring. Door zelf het werk te doen, leer je wat goed is, waar dingen misgaan en hoe beslissingen in de praktijk standhouden. Zonder die basis wordt AI niet als tool gebruikt, maar als vervanging – met alle risico’s van dien.

De code-rewrite: een les in overhaaste AI-toepassing

Een bedrijf besloot recent om met behulp van AI zijn complete codebase in één weekend te herschrijven. Een 10 jaar oud systeem dat normaal maanden, zo niet jaren, zou kosten, was in enkele dagen klaar. Op het eerste gezicht een succesverhaal. Maar de afloop was minder rooskleurig.

Nadat de code was herschreven, bleek dat de oorspronkelijke engineers nog steeds nodig waren om de output te valideren. Zij moesten bepalen of de nieuwe code stabiel was, nieuwe risico’s introduceerde en in de praktijk zou werken. De snelheid van AI was indrukwekkend, maar de zekerheid ontbrak. Dit laat zien dat we de menselijke inbreng en beoordeling bij AI-toepassingen nog steeds onderschatten. AI versnelt de output, maar de vraag naar oordeelsvermogen en diepgaande evaluatie groeit juist.

De opkomst van ontwikkelingskosten

Als bedrijven nu besluiten om minder junioren aan te nemen of zelfs hele vroege carrièrefuncties te schrappen omdat AI basiswerk kan overnemen, is het belangrijk om de trade-offs duidelijk te maken. Je bespaart op korte termijn kosten, maar elimineert daarmee ook de route die ervaren talent ontwikkelt – het talent dat je organisatie juist nodig heeft om te groeien en te innoveren.

Het risico is groot: zonder junioren die de basis leren, ontstaat er een gat in de organisatie. Er zijn minder mensen die de diepgang van het werk begrijpen, minder mensen die AI kunnen corrigeren en minder mensen die de volgende generatie kunnen opleiden. Uiteindelijk leidt dit tot een vicieuze cirkel van afhankelijkheid van AI zonder de nodige menselijke controle.

Conclusie: investeren in mensen blijft essentieel

AI biedt ongekende mogelijkheden, maar het is geen vervanging voor menselijk oordeel, ervaring en ontwikkeling. Bedrijven die nu massaal inzetten op ontslagen om AI-gestuurde efficiëntie te realiseren, lopen het risico op de lange termijn juist meer problemen te creëren. De oplossing ligt niet in het snijden in junior talent, maar in het slim combineren van technologie en menselijke expertise.