Wie in 2023 voor het eerst ChatGPT opende, gebruikte het vaak voor vrij eenvoudige dingen: een tekst herschrijven, een samenvatting maken, een idee structureren. Dat beeld is op drie jaar tijd achterhaald.
In 60 seconden
Stanford AI Index 2026
Microsoft Work Trend Index 2026
Microsoft Work Trend Index 2026
Van assistent naar uitvoerder
Drie jaar geleden hielp AI met een mail. Vandaag bedient het computers.
De sprong van de voorbije jaren is precies waarom een lineaire blik op 2031 weinig zin heeft. Niemand weet hoe snel het verder gaat, maar doen alsof de komende vijf jaar gewoon “iets meer Copilot” brengen is evenmin geloofwaardig.
Een slim tekstvak
Voor veel werknemers betekende generatieve AI: een mail herschrijven, een samenvatting maken, ideeën zoeken of een eerste tekst laten opstellen. Handig, maar meestal nog los van de echte bedrijfssystemen.
AI die werk uitvoert
Frontiermodellen schrijven code, begrijpen beeld en audio, gebruiken tools, navigeren door software en kunnen als agent meerdere stappen combineren. De stap van antwoord naar actie is bezig.
Doelen in plaats van prompts
Niet meer: “vat dit dossier samen”, maar: “zoek wat ontbreekt, controleer de regels, maak een voorstel en kom terug wanneer een menselijke beslissing nodig is.”
Een benchmark is geen productieomgeving
De cijfers hierboven tonen vooral hoe snel de mogelijkheden vooruitgaan. Ze bewijzen niet dat een agent vandaag betrouwbaar genoeg is om een bedrijfsproces zonder toezicht te runnen. Stanford noemt dit de “jagged frontier”: een model kan op een moeilijke programmeer- of wetenschapstest sterk presteren en bij een ogenschijnlijk eenvoudige uitzondering toch struikelen. Mogelijkheden en betrouwbaarheid zijn dus niet hetzelfde.
Dat is de reden waarom we in dit artikel verder kijken dan “AI gaat jobs veranderen”. Het interessantere onderwerp is wat er gebeurt wanneer systemen niet alleen meehelpen, maar steeds meer werk zelf uitvoeren, en hoe bedrijven voorkomen dat snelheid wordt verward met controle.
ADS Autonomy & Impact Model
De echte grens is niet AI. Het is wat je AI laat doen.
Een slecht antwoord op een vraag is vervelend. Een slecht antwoord dat automatisch wordt omgezet in een actie kan veel duurder worden. Dat onderscheid lijkt simpel, maar het wordt de komende jaren één van de belangrijkste ontwerpkeuzes voor bedrijven.
Een agent die zegt dat een firewallregel waarschijnlijk het probleem veroorzaakt, heeft een andere verantwoordelijkheid dan een agent die die regel zelf aanpast. Een recruitmenttool die twintig interessante kandidaten toont is iets anders dan een systeem dat de overige 1.980 kandidaten automatisch afwijst. Een medische assistent die mogelijke oorzaken ordent is iets anders dan software die een behandeling start.
ADS-modelAutonomie alleen zegt niet genoeg. Combineer ze met de impact van een fout: hoe hoger de impact en hoe moeilijker herstel, hoe zwaarder approvals, logging, beperking van rechten en menselijke verantwoordelijkheid moeten worden.
Waarom dit nu relevant wordt
Microsoft rapporteerde op 5 mei 2026 een vijftienvoudige groei van unieke actieve agents in het Microsoft 365-ecosysteem tussen maart 2025 en maart 2026. McKinsey meldde op 25 augustus 2026 dat 40% van de respondenten bij organisaties met meer dan 1 miljard dollar jaaromzet agents in minstens één functie aan het opschalen is, tegenover 27% een jaar eerder. Agentic AI is dus niet meer alleen een demo voor ontwikkelaars.
Grote ondernemingen gaan sneller van experiment naar schaal
GemetenMcKinsey, The State of AI 2026: On the road to ROI, key takeaways / Exhibit 2. Dit meet gerapporteerde schaal in minstens één functie, niet volledige bedrijfsautonomie.
Dat betekent niet dat ieder proces straks autonoom draait. Het betekent wel dat bedrijven vandaag keuzes maken over rechten en verantwoordelijkheden die binnen een jaar veel moeilijker terug te draaien kunnen zijn.
Wat kan er foutgaan?
De meeste AI-risico's beginnen niet bij een “slechte prompt”
Zolang AI alleen tekst produceert, blijft een fout vaak zichtbaar en herstelbaar. Zodra AI bedrijfsdata kan lezen of systemen kan bedienen, verschuift het risico naar identiteit, toegang, validatie en menselijk vertrouwen.
Shadow AI en datalekken
Medewerkers gebruiken tools omdat ze tijd besparen, soms zonder te weten wat er met de ingevoerde gegevens gebeurt. Klantdata, contracten, broncode of HR-informatie kunnen zo buiten de bedoelde omgeving terechtkomen.
Prompt injection
Een agent kan instructies lezen uit websites, documenten of e-mails die de gebruiker zelf nooit als instructie bedoeld heeft. OWASP beschrijft dit inmiddels als een praktische route naar data-exfiltratie en ongewenste acties.
Te veel rechten
Een systeem hoeft niet kwaadaardig te zijn om schade te veroorzaken. Een eenvoudige fout met te ruime toegang kan op grote schaal worden uitgevoerd. Least privilege geldt voor agents net zo goed als voor mensen.
Deepfakes en identiteitsfraude
Op 30 september 2026 waarschuwde Europol opnieuw dat criminelen generatieve AI, deepfakes en autonome agents gebruiken om fraude en cybercrime sneller op te schalen.
Een mens in de loop is nog geen echte controle
Een goedkeuringsstap op papier is niet genoeg. Als een agent honderd keer een juist voorstel doet, kijkt iemand bij poging 101 vanzelf minder scherp. Dat effect wordt sterker als snelheid wordt beloond, de context onvolledig is of een afwijkende beslissing extra werk oplevert. Dan blijft de mens formeel verantwoordelijk, terwijl de AI in de praktijk steeds vaker de keuze maakt. Echte controle bestaat pas wanneer de reviewer begrijpt wat er verandert, tijd heeft om het voorstel te bekijken, genoeg expertise heeft om een fout te herkennen en zonder nadeel 'nee' kan zeggen.
Van theoretisch risico naar echte exploitatie
OWASP beschreef op 14 april 2026 een duidelijke verschuiving naar incidenten rond agent-identiteiten, te brede autonomie, supply chains, data-exfiltratie en prompt injection. Stanford registreerde 362 gedocumenteerde AI-incidenten in 2025, tegenover 233 in 2024.
Europa legt de lat hoger in gevoelige domeinen
De Europese AI Act maakt precies dat onderscheid tussen toepassingen. AI in onder meer onderwijs, werkgelegenheid, kritieke infrastructuur en bepaalde essentiële diensten kan als high-risk worden behandeld. De verplichtingen voor high-risk use cases in onder meer onderwijs, werkgelegenheid en kritieke infrastructuur worden van toepassing vanaf 2 december 2027. Voor high-risk AI die in gereguleerde producten is ingebouwd, geldt 2 augustus 2028.
Dat is geen reden om te wachten met AI. Het is wel een reden om nu al te weten waar AI zit, welke data het ziet en welke beslissingen het beïnvloedt. Technisch mogelijk en organisatorisch verstandig zijn niet hetzelfde.
Onderwijs & vakkennis
Een betere opdracht is niet automatisch beter leren
Onderwijs laat bijzonder goed zien waarom output alleen een slechte maatstaf kan zijn. Volgens PISA 2025 gebruikt 42% van de Belgische leerlingen minstens wekelijks een AI-chatbot om te leren. Dat kan enorm nuttig zijn: extra uitleg, oefeningen op maat, taalondersteuning en feedback zijn plots altijd beschikbaar.
Maar de OECD waarschuwt voor een simpel probleem. AI kan een betere tekst of oplossing produceren zonder dat de leerling evenveel begrijpt. Wanneer de moeilijke denkstap structureel wordt uitbesteed, stijgt de kwaliteit van het werk sneller dan de vaardigheid van de leerling.
Dat betekent niet dat scholen AI moeten verbieden. Het betekent dat onderwijs zelf moet veranderen: meer aandacht voor het denkproces, mondeling kunnen uitleggen waarom iets klopt, en bewust momenten waarop leerlingen zelf moeten redeneren.
Hetzelfde probleem op de werkvloer
Een junior engineer leert door incidenten te onderzoeken. Een jurist door dossiers te lezen. Een accountant door afwijkingen te zoeken. Een recruiter door veel profielen en gesprekken te zien. Net dat voorbereidende werk kan AI steeds sneller overnemen.
De vraag is dan niet alleen hoeveel tijd we besparen, maar hoe de junior van vandaag nog de senior van morgen wordt.
HR & recruitment
AI kan zoeken. Maar wie beslist wie een kans krijgt?
Recruitment laat goed zien hoe groot het verschil is tussen AI toevoegen en het werk zelf herontwerpen. Een studie van ManpowerGroup Talent Solutions en Everest Group bij 80 senior HR- en talentleiders in de VS en het VK vond dat meer dan 90% al AI gebruikte in talent acquisition, terwijl minder dan 5% de resultaten als transformationeel omschreef.
De steekproef is klein, maar het probleem is herkenbaar: AI maakt een oud proces niet vanzelf beter. 54% zei bovendien dat AI-gegenereerde cv's, sollicitaties en interviewvoorbereiding het moeilijker maken om echte kandidaatvaardigheid in te schatten.
Wanneer een systeem uit duizenden kandidaten automatisch een shortlist maakt en niemand de rest nog ziet, bepaalt AI in de praktijk mee wie toegang krijgt tot een gesprek. De Europese AI Act behandelt bepaalde toepassingen in employment net daarom als high-risk.
Waar AI sterk is
Zoeken, structureren, vergelijken, administreren.
Waar je voorzichtig moet blijven
Definitieve afwijzing, performancebeslissingen en processen die iemands loopbaan rechtstreeks raken.
Gezondheidszorg
Een tweede paar ogen kan geweldig zijn. Een onzichtbare eindbeslisser niet.
AI kan medische beelden helpen beoordelen, verslagen voorbereiden, informatie samenvatten en patronen signaleren die een mens kan missen. Dat maakt artsen niet overbodig; het kan hen juist meer tijd geven voor interpretatie en patiëntcontact.
WHO/Europe bracht die kloof eind 2025 in kaart op basis van een bevraging uit 2024-2025 bij 50 van de 53 lidstaten. 64% gebruikte toen al AI-ondersteunde diagnostiek, terwijl slechts 8% een gezondheidsspecifieke nationale AI-strategie had en 8% duidelijke aansprakelijkheidsstandaarden bij AI-falen. WHO herhaalde die waarschuwing in juli 2026.
Zorg: gebruik loopt voor op governance
GemetenWHO/Europe, Artificial intelligence is reshaping health systems (19 nov. 2025), survey 2024-2025, 50 lidstaten: 64% diagnostiek, 8% strategie, 8% aansprakelijkheidsstandaarden.
IT, cybersecurity, finance & legal
Hier verschuift AI het snelst van advies naar uitvoering
IT
Een agent kan tickets lezen, logs analyseren, documentatie doorzoeken, code schrijven, een change voorbereiden en testresultaten interpreteren. In gestandaardiseerde omgevingen ligt de stap naar automatische uitvoering voor de hand.
De Q3 2026 Experis Tech Talent Outlook laat tegelijk zien dat technische AI-kennis en menselijke vaardigheden niet tegenover elkaar staan. Bij 4.497 Tech & IT Services werkgevers in 42 landen stond AI Modeling & App Development bovenaan de technische skills (34%), terwijl Communication, Collaboration & Teamwork bovenaan de menselijke skills stond (41%).
Dat kan veel routinewerk wegnemen, maar het maakt rechtenbeheer, logging en herstel belangrijker. Een agent die in productie mag handelen moet in feite behandeld worden als een digitale collega met precies afgebakende bevoegdheden, niet als een slim tekstvak.
Cybersecurity
Verdedigers krijgen sneller analyse, correlatie en triage. Aanvallers krijgen dezelfde versnelling voor social engineering, onderzoek en automatisering. Europol waarschuwde op 30 september 2026 dat criminelen generatieve AI, deepfakes en autonome agents gebruiken om fraude en cybercrime sneller op te schalen.
De reactie kan dus niet alleen “meer AI” zijn. Identiteit, verificatie en trust boundaries worden belangrijker naarmate mens en machine overtuigender op elkaar lijken.
Finance & accountancy
Reconciliatie, rapportering, anomaly detection en dossieropbouw lenen zich goed voor automatisering. Over vijf jaar is het heel voorstelbaar dat een agent een groot deel van een afsluitings- of controleproces voorbereidt en alleen uitzonderingen naar een mens stuurt.
Legal & tax
Research, documentanalyse en eerste drafts worden steeds goedkoper. Dat verschuift de waarde naar context, onderhandeling, strategie en verantwoordelijkheid. Als een analyse vroeger zes uur duurde en straks twintig minuten, wordt “uren produceren” vanzelf een minder overtuigend businessmodel.
Overheid, retail & media
De gebruiker merkt straks niet altijd meer dat AI ertussen zit
Overheid
AI kan dossiers samenvatten, regelgeving doorzoeken, burgers begeleiden en fraude helpen signaleren. Dat kan dienstverlening merkbaar sneller maken.
Maar een efficiënte foute beslissing blijft fout. Als een burger geen uitkering, vergunning of toegang tot een dienst krijgt, moet er een begrijpelijke reden en een echte beroepsmogelijkheid blijven. De OECD ziet veel overheidsgebruik van AI, maar veel minder systematische meting van de maatschappelijke impact.
Retail
De volgende stap in online winkelen is waarschijnlijk niet nóg een chatbot op een webshop, maar een agent aan de kant van de klant. Die vergelijkt prijzen, levering en voorwaarden en kan binnen afgesproken limieten zelf bestellen.
Dat verandert zelfs SEO en e-commerce: een bedrijf moet informatie niet alleen overtuigend voor mensen presenteren, maar ook duidelijk genoeg voor machines die producten namens klanten vergelijken.
Zijn persoonlijke agent vraagt prijzen op, vergelijkt voorwaarden, checkt beschikbaarheid en maakt een keuze. De interface tussen bedrijven kan dus deels machine-to-machine worden.
Media, communicatie & marketing
Wanneer iedereen redelijke content kan maken, wordt middelmatigheid gratis
AI maakt transcriptie, vertaling, beeldproductie, research en eerste teksten goedkoop. Dat is nuttig, maar het heeft een vreemd neveneffect: als iedereen dezelfde modellen gebruikt voor dezelfde soort output, gaan websites, offertes, posts en presentaties ook sneller op elkaar lijken.
Het Reuters Institute verwacht daarom meer nadruk op eigen reporting, analyse, persoonlijkheid en verificatie. Dat geldt niet alleen voor nieuwsmedia. Voor bedrijven wordt echte praktijkervaring eveneens belangrijker, juist omdat generieke uitleg overal beschikbaar is.
Industrie, logistiek & defensie
In de fysieke wereld komt een AI-fout letterlijk uit het scherm
Veel AI-discussies gaan over kenniswerk. Maar industrie koppelt modellen steeds vaker aan sensoren, robots, predictive maintenance, kwaliteitscontrole, planning en digitale twins. Logistiek gebruikt dezelfde technologie voor routes, voorraad en realtime bijsturing.
Daar verandert de risicorekening. Een slechte paragraaf kan opnieuw geschreven worden. Een slechte beslissing in een fabriek kan productie stilleggen, materiaal beschadigen of een hele keten verstoren.
Defensie
Dezelfde vragen, maar met veel zwaardere gevolgen
AI kan beelden en sensordata analyseren, cyberdreigingen herkennen, logistiek ondersteunen en beslissers sneller een overzicht geven. NATO zet expliciet in op AI en human-machine collaboration.
Maar defensie laat ook zien waarom niet iedere technische mogelijkheid automatisch een goede operationele keuze is. Hoe groter de impact, hoe belangrijker traceerbaarheid, controle, betrouwbare data en de mogelijkheid om een systeem te stoppen.
Een belangrijke nuance
Vijf jaar in software is lang. Vijf jaar in gereguleerde infrastructuur, geneeskunde of defensie is veel korter. Technische capaciteit kan snel vooruitgaan terwijl certificatie, aansprakelijkheid, budgetten en maatschappelijk vertrouwen een veel trager tempo opleggen.
2026 → 2027 → 2031
Als de huidige richting doorzet, verandert niet alleen de tool maar de manier waarop werk wordt verdeeld
Dit is geen voorspelling met vaste deadlines. Sommige sectoren zullen sneller gaan, andere veel trager. Maar de richting is zichtbaar genoeg om scenario's te schetsen die vandaag al relevant zijn voor beslissingen over data, mensen en systemen.
| Domein | 2026: gemeten richting | 2027: ADS-scenario | 2031: ADS-scenario |
|---|---|---|---|
| Onderwijs | Chatbots, uitleg, samenvattingen, lesvoorbereiding. | Persoonlijke tutoring en opdrachten op niveau worden ingebouwd in leerplatformen. | Onderwijs en evaluatie worden ontworpen mét AI; meer nadruk op redeneren, verdedigen en vaardigheden zonder AI. |
| HR | Sourcing, cv-analyse, teksten en interviewvoorbereiding. | Agents combineren sourcing, planning en kandidaatdossiers. | Continue skills- en workforceplanning; mensen behandelen uitzonderingen en gevoelige beslissingen. |
| IT | Copilots en agents voor code, tickets, logs en documentatie. | Standaardincidenten en veilige changes worden onder toezicht uitgevoerd. | Een groot deel van digitale operations draait agent-first; engineers focussen op architectuur, security en uitzonderingen. |
| Zorg | Documentatie, analyse, decision support. | Meer continue ondersteuning rond patiëntdata en administratie. | Permanente digitale assistentie naast zorgverleners; beslissingsrechten blijven sterk gereguleerd. |
| Finance | Analyse, reconciliatie, fraude- en afwijkingsdetectie. | Agents doorlopen grotere delen van rapportering en controleworkflows. | Routineprocessen grotendeels autonoom binnen budget- en approvalgrenzen; mens focust op uitzonderingen. |
| Retail | Personalisatie, forecasting, zoek- en koopadvies. | Shopping agents vergelijken en bereiden aankopen voor. | Persoonlijke agents boeken en kopen binnen regels; bedrijven optimaliseren ook voor machine-to-machine commerce. |
| Industrie | Predictive maintenance, planning, kwaliteitscontrole. | Meer gesloten lussen tussen detectie, advies en operatoractie. | Meer autonome processen in gecontroleerde omgevingen, met fail-safe en duidelijke menselijke override. |
| Overheid | Dossierhulp, zoeken, chat en analyse. | Meer proactieve begeleiding van burgers en automatische dossieropbouw. | Veel administratieve stappen geautomatiseerd, terwijl menselijke beroep- en uitzonderingsroutes cruciaal blijven. |
ADS-scenarioDe 2027- en 2031-kolommen zijn onze analyse op basis van huidige capability-, adoptie- en regelgevende trends. Het zijn geen voorspellingen met gegarandeerde timing.
Daarom kunnen software, IT-operations en administratieve workflows veel sneller veranderen dan zorg, industrie of publieke besluitvorming. Niet omdat AI daar minder krachtig wordt, maar omdat de kost van een fout, regelgeving en de fysieke werkelijkheid een andere rem zetten.
Een jaar versus vijf jaar
2027 voelt waarschijnlijk vooral sneller. 2031 kan structureel anders voelen.
Binnen één jaar zal AI voor veel mensen minder zichtbaar worden. Niet omdat het minder gebruikt wordt, maar omdat het gewoon in Outlook, Teams, CRM, ERP, servicedesk, developmenttools en sectorsoftware zit.
Binnen ongeveer één jaar
Minder “ik open AI” en meer AI die op de achtergrond informatie voorbereidt, taken opvolgt en standaardstappen uitvoert. Medewerkers maken minder eerste versies en besteden meer tijd aan uitzonderingen, klantcontact, interpretatie en goedkeuring.
Daarna
De stap gaat van losse taken naar doelen. “Vat dit dossier samen” wordt “maak het dossier klaar, zoek ontbrekende informatie en kom terug wanneer een beslissing nodig is.” Agents gebruiken meerdere systemen om dat doel te bereiken.
Richting vijf jaar
In digitale processen kan een groot deel van de uitvoering verschuiven naar agents. Niet overal, en zeker niet zonder toezicht. Maar de menselijke rol kan in veel functies meer draaien rond doelen stellen, uitzonderingen behandelen, context geven en verantwoordelijkheid dragen.
Waarom het niet overal even snel gaat
De rekening is meer dan tokens
Goedkope modelkosten betekenen niet automatisch goedkope operations. Een agent die maar weinig aan modelgebruik kost, kan operationeel veel duurder worden zodra hij productiegegevens leest, acties uitvoert en aantoonbaar veilig, controleerbaar en herstelbaar moet werken.
Wat betekent dit voor organisaties?
Begin niet met “welke AI kopen we?” Begin met wat je ermee wilt laten gebeuren.
Een bedrijf hoeft geen vijftig pagina's tellend AI-beleid te schrijven voor het aan de slag kan. Maar voordat AI toegang krijgt tot bedrijfsdata of zelf acties mag uitvoeren, zouden vijf dingen helder moeten zijn.
Waarde
Welk echt probleem lossen we op? Tijdwinst, kwaliteit, capaciteit, klantbeleving of iets anders?
Data
Welke informatie mag het systeem zien? Waar staat die data, hoe gevoelig is ze en wie is eigenaar?
Autonomie
Mag AI alleen lezen, ook adviseren, of zelf handelen? Niet iedere use case verdient dezelfde vrijheid.
Controle
Wanneer moet een mens tussenkomen? Wie mag goedkeuren en heeft die persoon genoeg context om werkelijk nee te zeggen?
Herstel
Kunnen we achteraf zien wat gebeurd is, het stoppen en indien nodig terugdraaien?
Mini-case: een servicedeskagent die gecontroleerd groeit
Stel dat een bedrijf een agent inzet op de servicedesk. De vraag is niet meteen of hij 'autonoom' mag werken. De vraag is welke stap je veilig kunt openen.
Daaronder blijven drie bredere vragen staan die voor iedere organisatie anders worden ingevuld.
Wat kan AI voor ons doen?
Waar verliezen mensen tijd, ontbreekt capaciteit of kan informatie beter worden gebruikt?
Wat willen we absoluut niet dat AI zelfstandig doet?
Welke beslissingen, data en acties blijven te gevoelig voor autonome uitvoering?
Wat willen we zelf blijven kunnen?
Welke taken bouwen expertise op die later nodig blijft om AI kritisch te controleren?
AI-autonomiescan
Wie dit kader op de eigen organisatie wil toepassen, kan samen met ADS een beperkt aantal concrete AI-toepassingen doorlichten op waarde, data, bevoegdheden, menselijke controle en herstelbaarheid.
Data & AI · Ackerman Digital ServicesConclusie
We gaan sneller dan veel organisaties zijn ingericht om te veranderen
De voorbije drie jaar zijn we van mails herschrijven naar software-agents, multimodale modellen en systemen gegaan die zelfstandig door computers kunnen navigeren. Dat maakt voorspellingen onzeker, maar het maakt één ding vrij duidelijk: de komende jaren gaan niet alleen over betere antwoorden.
Ze gaan over systemen die meer mogen zien, meer stappen zelf kiezen en meer werk uitvoeren. Sommige bedrijven zullen daar te snel in gaan. Andere zullen zo lang wachten dat medewerkers zelf ongecontroleerde oplossingen beginnen gebruiken. Geen van beide is een goed plan.
De organisaties die hier goed mee omgaan zijn waarschijnlijk niet degene met de meeste AI. Het zijn degene die duidelijk bepalen waar AI mag versnellen, waar menselijke goedkeuring echt iets toevoegt en welke kennis mensen zelf moeten behouden.
Bronnen & verder lezen
Stanford HAI (2026). AI Index Report 2026. Technical Performance, highlight 9: OSWorld 66,3% en menselijke baseline 72,35%. Economy, highlight 5: 88% organisatie-adoptie en 70% GenAI in minstens één functie. Responsible AI, highlight 1: 362 incidenten in 2025 versus 233 in 2024.
hai.stanford.edu
Microsoft (5 mei 2026). Work Trend Index Annual Report - Agents, human agency, and the opportunity for every organization. Survey van 20.000 AI-gebruikende kenniswerkers in 10 markten; 58% zegt werk te produceren dat een jaar eerder niet mogelijk was; telemetry meldt 15x groei van actieve agents maart 2025-maart 2026.
microsoft.com
McKinsey (25 aug. 2026). The State of AI in 2026: On the road to ROI. Key takeaways / Exhibit 2: bij organisaties > $1 mrd omzet schaalt 40% agents in minstens één functie, tegenover 27% een jaar eerder.
mckinsey.com
FOD Economie (2026). Belgian Digital Economy Overview 2026. 34,54% van Belgische ondernemingen gebruikte in 2025 minstens één AI-technologie, tegenover 24,71% in 2024.
economie.fgov.be
OECD (2026). PISA 2025 Results - Belgium country note. Sectie AI-chatbots voor schoolwerk: 42% gebruikt AI minstens wekelijks om te leren; 27% voor samenvatten; 26% voor preliminair onderzoek; 26% voor schrijftaken.
oecd.org
OECD (2026). Digital Education Outlook 2026. Analyse van kansen en risico's van generatieve AI in leren, inclusief cognitieve offloading en het verschil tussen betere output en daadwerkelijke leerwinst.
oecd.org
WHO/Europe (19 nov. 2025). Artificial intelligence is reshaping health systems: state of readiness across the WHO European Region. Survey 2024-2025, 50 lidstaten: 64% AI-diagnostiek, 8% gezondheidsspecifieke AI-strategie, 8% aansprakelijkheidsstandaarden. WHO herhaalde de governancewaarschuwing op 15 juli 2026.
who.int
OWASP GenAI Security Project (14 apr. 2026). GenAI Exploit Round-up Report Q1 2026. Beschrijft praktische exploits rond agent-identiteiten, excessive autonomy, supply chains, data-exfiltratie en prompt injection.
genai.owasp.org
Europol (30 sept. 2026). EU law enforcement chiefs gather to discuss new challenges in EU security. Europol beschrijft hoe criminelen generatieve AI, deepfakes en autonome agents gebruiken om fraude en cybercrime sneller op te schalen.
europol.europa.eu
European Commission (2026). AI Act application and enforcement timeline. Annex III high-risk use cases in o.a. onderwijs, werkgelegenheid en kritieke infrastructuur: 2 dec. 2027; high-risk AI in gereguleerde producten: 2 aug. 2028.
digital-strategy.ec.europa.eu
ManpowerGroup & Experis (2026). Talent Shortage Survey: 39.063 werkgevers in 41 landen; AI development (20%) en AI literacy (19%) voeren de moeilijkst te vinden skills aan. Experis Tech Talent Outlook Q3: 4.497 techwerkgevers in 42 landen; AI development 34%, communicatie en samenwerking 41%. Een kleinere Talent Solutions/Everest Group-studie bij 80 senior HR- en talentleiders in de VS en het VK vond meer dan 90% AI-adoptie in talent acquisition, maar minder dan 5% transformationele resultaten; 54% rapporteerde een moeilijker kandidaatsignaal door AI-gebruik.
Talent Shortage · Experis · Talent Solutions
PwC (15 juni 2026). Global AI Jobs Barometer 2026. Analyse van meer dan 1 miljard vacatures; 2,4 miljoen entry-level jobs in de VS tonen dat sterk AI-blootgestelde juniorrollen 7x vaker traditioneel senior skills vragen.
pwc.com
METR (2026). Task-Completion Time Horizons of Frontier AI Models. Historische trend van snel groeiende taak-horizon, met sterke nadruk op softwareachtige taken; geen garantie dat dit tempo lineair doorzet.
metr.org
World Economic Forum (2026). Global Cybersecurity Outlook 2026. AI als versneller voor zowel verdediging als aanval, met governance en human expertise als belangrijke randvoorwaarden.
weforum.org
NATO (13 jan. 2026). Alliance Digital Strategy. Richting voor data, AI, human-machine collaboration, situational awareness en verantwoord gebruik.
nato.int
Methodologische noot. De cijfers meten verschillende populaties en use cases en zijn niet rechtstreeks onderling vergelijkbaar. Labels als “gemeten” verwijzen naar de genoemde bron; 2027- en 2031-scenario's zijn ADS-analyses. METR's taak-horizon is sterk softwaregericht en mag niet een-op-een naar alle sectoren worden geextrapoleerd. De Talent Solutions-studie is een kleine VS/VK-steekproef en wordt niet als wereldwijde benchmark gebruikt.