Anthropic publiceerde op 22 april de resultaten van een uitgebreide studie onder 81.000 Claude gebruikers. De studie bestond uit open interviews over hun hoop en zorgen rond AI. De onderzoekers, Maxim Massenkoff en Saffron Huang, gebruikten Claude vervolgens zelf om die vrije antwoorden te classificeren: beroep, carrièrefase, productiviteitswinst, en of iemand zich zorgen maakte over z'n baan.
Er staan een paar bevindingen in die direct relevant zijn voor iedere organisatie die op dit moment nadenkt over AI-adoptie. Drie daarvan verdienen aandacht.
1. De mensen die het hardst versnellen, zijn het bangst
De eerste grafiek in het rapport is de belangrijkste. Op de x-as staat "observed exposure", Anthropic's eigen maat voor hoeveel van de taken binnen een beroep Claude al uitvoert. Op de y-as staat het percentage respondenten dat zegt bang te zijn z'n baan te verliezen aan AI.
De lijn loopt omhoog. Voor elke tien procentpunt meer blootstelling stijgt de baanangst met 1,3 procentpunt. Webontwikkelaars, programmeurs en grafisch ontwerpers zitten bovenaan. Basisschooldocenten, geestelijken en scheikundigen onderaan.
Ook interessant is figuur 6. Daar meten de onderzoekers niet blootstelling maar ervaren versnelling: hoeveel sneller ga jij door je werk dankzij AI? De relatie met baanangst is U-vormig. Mensen die zeggen dat AI hen vertraagt zijn ongerust, vaak creatieven die het gereedschap te stug vinden maar wel zien hoe de markt om hen heen verandert. Maar aan de andere kant van de curve zitten de mensen die melden dat ze nu dramatisch sneller werken. Ook zij zijn bang. En economisch klopt dat: als de tijd die nodig is om jouw taken te doen in een paar kwartalen halveert, wordt de vraag hoe lang jouw rol nog in die vorm bestaat urgent.
Dit is een patroon dat je binnen organisaties gaat zien ontstaan. De power users, de mensen die het enthousiast oppakken en hun output verdubbelen, zijn niet tegelijk de meest ontspannen collega's. Ze zien eerder dan anderen waar het heen gaat, zullen mogelijk af en toe zeggen dat ze slapeloze nachten hebben gehad. Althans, dat herken ik zelf heel sterk en hoor ik ook om mij heen regelmatig van actieve gebruikers.
2. De winst landt aan de uiteinden van de loonschaal
De tweede bevinding gaat over wie er productiever wordt. De onderzoekers scoorden elk antwoord op een schaal van 1 tot 7, waar 1 staat voor minder productief en 7 voor transformatief productiever.
Gemiddelde score: 5,1. Substantieel productiever dus. Maar de verdeling is niet vlak. Hoge inkomens (Q4) rapporteren de grootste winst. Logisch: softwareontwikkelaars, managers, adviseurs. Maar ook Q1, het laagste kwartiel, zit relatief hoog. Een bezorger die met Claude een e-commercebedrijf opzet. Een hovenier die een muziekapplicatie bouwt. Een klantenservicemedewerker die antwoorden sneller kan formuleren.
Het middenkader (Q2 en Q3) rapporteert de kleinste winst. Dat is een oncomfortabel patroon om als werkgever te zien. De mensen die veel worden betaald omdat ze veel expertise hebben, krijgen er nog een multiplier bovenop. De mensen aan de onderkant gebruiken AI om dingen te doen die ze zich eerder niet konden veroorloven, vaak buiten hun werk om. En het grote middensegment van kenniswerk (juridisch, wetenschappelijk, administratief) ziet vooralsnog de minste winst, soms omdat AI onvoldoende precies is voor hun werk, of omdat ze nog niet goed genoeg weten wat ze er uit kunnen halen of hoe ze er mee om moeten gaan..
Het type winst is ook veelzeggend:
48 procent van de respondenten die productiviteitseffecten noemen, beschrijft scope: dingen doen die eerder niet konden.
40 procent beschrijft speed: hetzelfde werk sneller.
12 procent noemt kwaliteit
2 procent noemt kosten.
AI is dus vooral een capaciteitsvergroter, niet een vervanger van input.
3. Vroege carrières voelen de druk harder
De derde bevinding is korter maar belangrijk. Voor ongeveer de helft van de respondenten kon Claude een carrièrefase afleiden. Early-career werknemers rapporteren baanangst ruim twee keer zo vaak als senior professionals (ongeveer 8 procent versus 4 procent). En waar 80 procent van de senior professionals zegt dat de winst van AI bij henzelf landt, zegt slechts 60 procent van de early-career mensen dat.
Met andere woorden: juniors voelen dat de productiviteitswinst niet volledig van hen is. Die gaat deels naar de werkgever, die meer werk verwacht, of naar de klant. Dat sluit aan bij eerder onderzoek van Anthropic zelf, dat voorzichtige signalen vond van vertragende aanwervingen van starters in de Verenigde Staten.
Wat betekent dit voor organisaties?
Drie dingen.
Eén. Als je AI introduceert, kijk naar de kansen als capaciteitsvergroter. De data laat zien dat de winst vooral in die scope zit: mensen kunnen meer. Communiceer dat ook zo. Het alternatief, framen als "we gaan hetzelfde werk met minder mensen doen", roept precies de angst op die power users al voelen, zonder dat je daarmee de adoptie versnelt.
Twee. Besteed aandacht aan je juniors. Zij voelen zich kwetsbaarder, en ze hebben gelijk: de taken waarmee je vroeger 'leerde werken' (zoals samenvatten, opstellen van concepten, basale analyse) zijn precies de taken die een model het eerst overneemt. Denk dus goed na over hoe hun leertraject eruitziet als het instapwerk wordt geautomatiseerd.
Drie. Let op het middensegment. Q2 en Q3 in de data zijn de mensen die het meest risico lopen zonder het meest te profiteren. Dit omdat ze vaak in rollen zitten waar zij simpelweg niet de ruimte en/of kennis hebben dit te ontwikkelen. Hier zit vaak de grootste organisatorische opgave: niet de tool introduceren, maar de rol opnieuw ontwerpen en hier ruimte voor vrijmaken voor latere winst.
Bron: Massenkoff, M. en Huang, S. (2026). What 81,000 people told us about the economics of AI. Anthropic, 22 april 2026.
