De integratie van kunstmatige intelligentie in de professionele sfeer versnelt, wat leidt tot een groeiende behoefte aan theoretische kaders om de impact op de arbeidsmarkt te begrijpen. In een recent wetenschappelijk onderzoek hebben Bonny Banerjee en Shreya Singh het 'Human-AI Substitution Principle' geïntroduceerd. Dit analytische model probeert te definiëren onder welke specifieke economische en structurele omstandigheden AI de overhand krijgt op menselijke werknemers binnen een organisatie.
Centraal in dit onderzoek staat het Human-AI Task Allocation (HAT) model. Dit model richt zich op de fundamentele asymmetrie tussen hoe mensen vaardigheden verwerven en hoe de capaciteiten van AI schalen. Volgens de publicatie op arxiv.org is deze schaalbaarheid van AI wezenlijk anders dan het menselijke leerproces, wat directe gevolgen heeft voor de taakverdeling binnen bedrijven. De onderzoekers analyseren hierbij diverse variabelen, waaronder de diepte van de organisatorische hiërarchie, de implementatieschaal van AI en risico-gecorrigeerde kosten.
Een opvallend resultaat van het HAT-model is de specifieke kwetsbaarheid van het middenmanagement. Waar automatisering voorheen vooral routinematige taken betrof, suggereert dit onderzoek dat ook coördinerende en controlerende functies risico lopen. Dit kan leiden tot een transformatie van de bedrijfsvorm, waarbij organisatiestructuren 'vlakker' worden. In dergelijke scenario's neemt de diepte van de hiërarchie af, terwijl de zogenaamde 'span of control' — het aantal medewerkers dat door één manager wordt aangestuurd — juist toeneemt.
De ontwikkeling van dergelijke AI-systemen wordt gestuurd door organisaties die streven naar maximale efficiëntie en schaalbaarheid, zoals te zien is bij de innovaties van openai.com. De interactie tussen deze technologische vooruitgang en de organisatiestructuur bepaalt uiteindelijk wie er vervangen wordt.
Het onderzoek stelt echter dat volledige vervanging niet onvermijdelijk is. Er is ruimte voor het ontstaan van hybride organisaties waarin mens en machine complementair werken. Volgens de auteurs van het kan heterogeniteit in risico's ertoe leiden dat menselijke rollen behouden blijven, zelfs zonder wettelijke quota voor menselijke arbeid. Voor hooggeschoolde professionals is de situatie complexer; hun positie hangt af van een specifieke vaardigheidsdrempel die wordt beïnvloed door arbeidskosten en de risicoverschillen tussen menselijke uitvoering en automatisering.
Met dit werk trachten Banerjee en Singh verschillende disciplines, zoals AI-governance, personeelsplanning en economische principes van automatisering, te verenigen in één overkoepelende theorie. Het doel is om bedrijven een instrument te geven waarmee zij kunnen voorspellen welke functies het meest risico lopen op basis van de capaciteitsgroei van AI. De volledige wiskundige onderbouwing en de theoretische details van dit principe zijn raadpleegbaar via de .
Terwijl bedrijven wereldwijd experimenteren met de tools van , biedt dit academische kader een noodzakelijke basis om de structurele verschuivingen in de moderne werkomgeving te begrijpen en te managen.