# Impact van AI op functies en taken in kaart brengen

Deel:[𝕏](https://twitter.com/intent/tweet?url=https%3A//consultancy.llmnet.nl/ai-impactassessment-functies-en-taken&text=Impact%20van%20AI%20op%20functies%20en%20taken%20in%20kaart%20brengen)[LinkedIn](https://www.linkedin.com/sharing/share-offsite/?url=https%3A//consultancy.llmnet.nl/ai-impactassessment-functies-en-taken)[Reddit](https://www.reddit.com/submit?url=https%3A//consultancy.llmnet.nl/ai-impactassessment-functies-en-taken&title=Impact%20van%20AI%20op%20functies%20en%20taken%20in%20kaart%20brengen)[Facebook](https://www.facebook.com/sharer/sharer.php?u=https%3A//consultancy.llmnet.nl/ai-impactassessment-functies-en-taken)[Kopieer link](#)

# Impact van AI op functies en taken in kaart brengen

Door Ivo Donker — samengesteld met AI-ondersteuning (Claude & Gemini) · Laatst bijgewerkt: 6 augustus 2026

Organisaties die artificiële intelligentie willen toepassen, beginnen vaak met een brede vraag: welke functies gaan veranderen of verdwijnen? Dit uitgangspunt leidt zelden tot bruikbare inzichten. Een functie is een administratieve verzameling van uiteenlopende verantwoordelijkheden, taken en interacties. Vrijwel geen enkele functie binnen een organisatie bestaat uitsluitend uit werkzaamheden die direct door taalmodellen of geautomatiseerde systemen kunnen worden overgenomen.

Om een realistisch beeld te krijgen van de operationele en organisatorische gevolgen van AI, is een analyse op taakniveau noodzakelijk. Door werkzaamheden op te knippen in afzonderlijke taken, wordt zichtbaar waar automatisering mogelijk is, waar menselijke controle vereist blijft en waar AI geen toegevoegde waarde biedt. Deze benadering vormt de basis voor een doordacht [traject voor het prioriteren van toepassingen](https://consultancy.llmnet.nl/ai-usecases-prioriteren) binnen bedrijfsprocessen.

## Waarom de focus op taakniveau noodzakelijk is

Een functiebeschrijving in een HR-systeem geeft een statisch overzicht van doelen en competenties, maar beschrijft zelden de dagelijkse werkelijkheid van een medewerker. Een accountmanager houdt zich bezig met relatiebeheer, onderhandelingen, het opstellen van offertes, het verwerken van klantgegevens in een CRM-systeem en het oplossen van ad-hoc problemen. Alleen de tekstuele en administratieve onderdelen van deze rol lenen zich voor ondersteuning door algoritmen.

Wanneer een organisatie een functie als geheel evalueert, ontstaan er twee risico's. Aan de ene kant kan de impact van AI worden overschat, wat leidt tot onrust onder medewerkers en onrealistische verwachtingen over snelle besparingen. Aan de andere kant kan het potentieel worden onderschat, omdat complexe functies als "niet-automatiseerbaar" worden gelabeld, terwijl specifieke deeltaken wel degelijk efficiënter kunnen worden ingericht.

Het ontleden van functies in losse taken maakt het mogelijk om gerichte keuzes te maken. Een taak is in deze context een afgebakende eenheid van werk met een duidelijke invoer, een verwerkingsstap en een aanwijsbaar resultaat. Pas wanneer werkzaamheden op dit detailniveau zijn gestructureerd, kan de geschiktheid voor technologische ondersteuning objectief worden beoordeeld.

## Praktische inventarisatie van werkzaamheden

Het in kaart brengen van taken hoeft geen langdurig project te worden. Een bekende valkuil is het organiseren van maandenlange interviewsessies of het uitpluizen van verouderde functieprofielen. Dit leidt tot een theoretisch overzicht dat snel achterhaald is.

Een effectievere aanpak start bij de kernprocessen van de organisatie. In plaats van individuele medewerkers te vragen wat zij op een dag doen, worden de bedrijfsprocessen als uitgangspunt genomen die de meeste tijd of middelen vragen. De inventarisatie vindt plaats in korte, gestructureerde werksessies met de mensen die de uitvoering dagelijks verzorgen. Zij hebben het beste zicht op de daadwerkelijke stappen, de uitzonderingen en de informele afstemming die nodig is om een proces te laten lopen.

Let op: Gebruik bij de inventarisatie nooit uitsluitend officiële proceskaarten of HR-documentatie. De praktijk wijkt vrijwel altijd af van de formele beschrijving. Vraag medewerkers naar hun daadwerkelijke dagindeling en de specifieke handelingen die zij verrichten.

Tijdens deze sessies worden taken gecategoriseerd op basis van hun kenmerken: is de taak repetitief, is de invoer gestructureerd, hoeveel context is vereist en wat is het afbreukrisico bij fouten? Deze informatie vormt de grondslag voor de verdere analyse.

## De vier categorieën van taakimpact

Na de inventarisatie wordt elke taak ingedeeld in een van de vier categorieën. Deze indeling bepaalt de strategische en operationele vervolgstappen.

Categorie | 
Omschrijving | 
Rol van de mens | 

1. Overnemen | 
Routinematige, voorspelbare taken met een lage complexiteit. | 
Geen directe betrokkenheid; alleen periodieke systeemcontrole. | 

2. Versnellen met controle | 
Taken waarbij AI een concept genereert dat door een expert wordt gecontroleerd. | 
Eindverantwoordelijk voor de beoordeling en goedkeuring. | 

3. Ondersteunen zonder besluit | 
Informatieverzameling en structurering ter ondersteuning van menselijke besluitvorming. | 
Neemt zelfstandig besluiten op basis van de aangereikte informatie. | 

4. Niet aanraken | 
Taken die menselijke empathie, fysieke aanwezigheid of strategisch inzicht vereisen. | 
Volledige uitvoering door de mens, zonder inzet van AI. | 

### 1. Overnemen (Volledige automatisering)

In deze categorie vallen taken die sterk gestructureerd zijn, een vast patroon volgen en een verwaarloosbaar afbreukrisico kennen bij een incidentele fout. Denk aan het herformatteren van gegevens van het ene systeem naar het andere, of het categoriseren van standaard inkomende berichten. De menselijke rol verschuift hier van uitvoering naar het monitoren van de procesvoortgang.

### 2. Versnellen met controle achteraf

Dit betreft taken waarin generatieve modellen een eerste versie van een product maken, zoals het opstellen van een standaardovereenkomst, het schrijven van een conceptreactie op een klantvraag of het gegenereerd krijgen van code. De medewerker verschuift van maker naar reviewer. De tijdwinst zit in de opstartfase, maar de kwaliteitsborging blijft een menselijke verantwoordelijkheid.

### 3. Ondersteunen zonder besluitbevoegdheid

Bij complexe beoordelingen of strategische keuzes kan AI dienen als analysetool. De technologie verzamelt relevante informatie uit grote hoeveelheden documenten, vat deze samen of geeft suggesties. Het systeem neemt echter geen besluiten en formuleert geen eindconclusies. De uitkomst ondersteunt de professional, die zelfstandig de afweging maakt. Dit vraagt om specifieke competenties, zoals beschreven in de analyse van [vaardigheden voor niet-technische functies](https://vacatures.llmnet.nl/ai-vaardigheden-in-niet-technische-functies).

### 4. Niet aanraken

Sommige taken moeten expliciet buiten de scope van automatisering blijven. Dit geldt voor werkzaamheden waarbij menselijk vertrouwen, ethische afwegingen, fysieke handelingen of complexe relatieopbouw centraal staan. Het voeren van een slecht-nieuwsgesprek, het opbouwen van een persoonlijke vertrouwensband met een klant of het nemen van besluiten in een crisissituatie zijn voorbeelden van taken waarin technologische tussenkomst de kwaliteit van het werk aantast.

## Criteria voor de indeling van taken

De toewijzing van een taak aan een van de vier categorieën vindt plaats op basis van vier objectieve criteria. Deze criteria voorkomen dat beslissingen worden genomen op basis van gevoel of technologisch enthousiasme.

1. Impact van een fout (Afbreukrisico): Wat zijn de consequenties als het systeem een onjuist resultaat geeft? In een medische, juridische of financiële context kan een enkele fout grote schade veroorzaken. Naarmate het afbreukrisico hoger is, schuift de taak op naar ondersteuning of volledige menselijke uitvoering.

2. Herkenbaarheid van fouten: Kan een medewerker in één oogopslag zien of de output van het systeem correct is? Als het controleren van de uitkomst evenveel tijd kost als het zelfstandig uitvoeren van de taak, is de nettowinst nihil en is geautomatiseerde ondersteuning niet doelmatig.

3. Afhankelijkheid van ongeschreven context: Veel werkzaamheden steunen op stilzwijgende kennis ("tacit knowledge") die in de hoofden van ervaren medewerkers zit en niet vastligt in documentatie. AI-systemen hebben geen toegang tot deze context. Taken die hier sterk van afhankelijk zijn, laten zich niet eenvoudig ondersteunen.

4. Wettelijke en contractuele vereisten: Privacywetgeving, sectorale regelgeving of overeenkomsten met klanten kunnen beperkingen opleggen aan de verwerking van gegevens door geautomatiseerde systemen. Deze belemmeringen moeten vooraf in kaart worden gebracht.

## Het probleem van de verborgen taken

Een veelvoorkomende fout bij impactassessments is het over het hoofd zien van informele en onzichtbare werkzaamheden. In organisaties bestaan functies niet alleen uit de hoofdtaken die in een procesmodel staan, maar ook uit een netwerk van ondersteunende handelingen.

Voorbeelden van deze verborgen taken zijn:

- Het afhandelen van uitzonderingen die niet in het standaardsysteem passen.

- Het verlenen van ad-hoc hulp aan collega's op basis van persoonlijke ervaring.

- Het controleren en interpreteren van gegevens uit andere afdelingen op logica en samenhang.

- Het herstellen van kleine fouten die eerder in de keten zijn gemaakt.

Wanneer de gestandaardiseerde hoofdtaken van een functie worden geautomatiseerd, blijven deze verborgen taken over. Dit kan leiden tot een paradoxale situatie: de totale werklast daalt in theorie, maar de complexiteit van het overgebleven werk neemt toe. De medewerker hoeft geen routinewerk meer te doen, maar wordt uitsluitend nog geconfronteerd met ingewikkelde uitzonderingen en correcties. Bij de vormgeving van [veranderingstrajecten binnen de organisatie](https://consultancy.llmnet.nl/verandermanagement-bij-ai) dient hier expliciet rekening mee te worden gehouden.

## Tijd besparen versus capaciteit creëren

Een veelgemaakte denkfout bij de businesscase van AI-implementaties is de aanname dat bespaarde tijd automatisch leidt tot meer capaciteit of lagere kosten. Als een taalmodel een medewerker helpt om dagelijks tien keer een taak uit te voeren die telkens drie minuten sneller klaar is, levert dat op papier dertig minuten winst op.

In de praktijk leiden deze verspreide fragmenten van enkele minuten zelden tot daadwerkelijke herverdeelbare capaciteit. De gewonnen tijd verdwijnt in de natuurlijke onderbrekingen van de werkdag, zoals koffiepauzes, e-mailbijwerking of onderling overleg. Pas wanneer tijdreductie wordt geconcentreerd in aaneengesloten blokken of wanneer complete processtappen worden heringericht, kan de bespaarde tijd nuttig worden herbestemd voor andere taken.

## Medezeggenschap, transparantie en sociale veiligheid

Een impactassessment op functies en taken raakt de kern van het werk van medewerkers. Als de analyse wordt uitgevoerd in de beslotenheid van een projectgroep of wordt gepresenteerd als een verkapte efficiëntieslag, ontstaat er weerstand en wantrouwen. Dit kan het verzamelen van eerlijke gegevens over taken en processtappen ernstig belemmeren.

Het traject dient vanaf de start transparant te worden ingestoken, met actieve betrokkenheid van de ondernemingsraad (OR) en de betrokken afdelingen. Zoals beschreven in onze analyse over [de bredere maatschappelijke impact van AI op de werkvloer](https://nieuws.llmnet.nl/ai-en-werk), is de wijze waarop verandering wordt gecommuniceerd bepalend voor het succes.

Een gedegen aanpak vereist heldere afspraken over het doel van de analyse: het verbeteren van proceskwaliteit, het verlagen van de werkdruk en het verhogen van de effectiviteit, in plaats van het schrappen van arbeidsplaatsen. Voor het behoud van draagvlak is het essentieel om te kijken naar de methodiek voor het [betrekken van belanghebbenden](https://consultancy.llmnet.nl/stakeholders-meekrijgen-bij-ai-projecten) in alle fasen van het project.

## De opbouw van de uitkomst van een impactassessment

Het eindresultaat van het assessment is geen algemeen adviesrapport, maar een gedetailleerd overzicht per taak. Dit overzicht bevat minimaal de volgende onderdelen:

- De gekozen categorie: Overnemen, versnellen, ondersteunen of niet aanraken.

- De inhoudelijke onderbouwing: De specifieke argumenten op basis van risico, context en herkenbaarheid van fouten.

- De randvoorwaarden voor invoering: Welke technische integraties, datakwaliteit en beveiligingsmaatregelen vereist zijn.

- Opleidings- en begeleidingsbehoefte: Welke nieuwe vaardigheden medewerkers nodig hebben om effectief te werken met de gekozen ondersteuning. Dit sluit aan bij de opzet van gerichte [educatietrajecten voor personeel](https://consultancy.llmnet.nl/ai-training-medewerkers).

## Monitoring en de nulmeting

Een impactassessment is geen eenmalige momentopname. De mogelijkheden van technologie veranderen, en de manier waarop medewerkers hun taken uitvoeren evolueert naarmate zij vertrouwder raken met nieuwe hulpmiddelen.

Om te beoordelen of de beoogde effecten worden behaald, moet vóór de invoering van een toepassing de uitgangssituatie nauwkeurig worden vastgelegd (de nulmeting). Hierbij worden kwantitatieve factoren gemeten, zoals doorlooptijden en foutpercentages, maar ook kwalitatieve aspecten, zoals de ervaren werkdruk en de tevredenheid over de kwaliteit van het werk.

Na de invoering wordt het assessment periodiek herhaald. Taken die in eerste instantie in de categorie "ondersteunen" waren ingedeeld, kunnen na verloop van tijd en bij gebleken betrouwbaarheid mogelijk opschuiven naar "versnellen met controle".

## De valkuil van verkeerde sturing door metingen

Bij het monitoren van de impact van AI bestaat het risico op ongewenste gedragseffecten doordat verkeerde indicatoren worden gemeten. Wanneer een organisatie medewerkers afrekent op de hoeveelheid gegenereerde teksten of de snelheid waarmee administratieve taken worden afgehandeld, kan dit leiden tot een daling van de inhoudelijke kwaliteit.

De focus moet altijd blijven liggen op het uiteindelijke resultaat van het proces en niet op de kwantiteit van de door AI ondersteunde tussenstappen. Metingen dienen zo te worden ingericht dat zij de gewenste kwaliteit en zorgvuldigheid stimuleren, in plaats van blinde productiedrift.

## Lees ook

- [AI-usecases prioriteren in de praktijk](https://consultancy.llmnet.nl/ai-usecases-prioriteren)

- [Verandermanagement bij het invoeren van AI-toepassingen](https://consultancy.llmnet.nl/verandermanagement-bij-ai)

- [AI-training voor medewerkers opzetten](https://consultancy.llmnet.nl/ai-training-medewerkers)

- [Stakeholders meekrijgen bij AI-projecten](https://consultancy.llmnet.nl/stakeholders-meekrijgen-bij-ai-projecten)

- [Ontwikkelingen rondom AI en de arbeidsmarkt](https://nieuws.llmnet.nl/ai-en-werk)

- [Essentiële AI-vaardigheden voor niet-technische functies](https://vacatures.llmnet.nl/ai-vaardigheden-in-niet-technische-functies)

llmnet.nl - B2B AI-consultancy en integratie