De New York Times deed iets wat elke MKB-ondernemer stiekem wil weten: ze zetten AI-agents aan het werk in echte kantoorbanen. Het resultaat is geen zwart-wit verhaal over banenverlies, maar een genuanceerd beeld dat elke ondernemer zou moeten lezen voordat hij personeelsbeslissingen neemt.
De test: AI-agents in het diepe
De NYT bouwde een interactieve testomgeving waarin AI-agents werden losgelaten op typische kantoortaken: e-mails beantwoorden, rapportages schrijven, data analyseren, planningen maken. Geen theoretische benchmark, maar realistische werkscenario's. De conclusie? AI-agents zijn verrassend goed in gestructureerde taken — en verrassend slecht in alles wat menselijk oordeel vereist.
De agents blonken uit in het samenvatten van lange documenten, het genereren van conceptteksten en het doorzoeken van databases. Maar zodra er context nodig was — "deze klant is boos omdat zijn bestelling vorige week ook al te laat was" — vielen ze door de mand. De agent wist niet wat "vorige week" betekende in relatie tot deze klant.
Wat dit betekent voor jouw bedrijf
Voor het MKB is dit geen ver-van-mijn-bedshow. De taken waarop AI-agents uitblinken — samenvatten, genereren, zoeken — zijn precies de taken waar jouw medewerkers de meeste tijd aan kwijt zijn. Uit CBS-cijfers blijkt dat Nederlandse MKB'ers gemiddeld 30% van hun werkweek besteden aan administratieve taken. Dat is het laaghangend fruit.
Maar de test toont ook de grens: AI kan een concept schrijven, maar niet beoordelen of de toon past bij een boze klant. Het kan data analyseren, maar niet aanvoelen dat de cijfers van afgelopen kwartaal vertekend zijn door een eenmalige gebeurtenis. Menselijk oordeel blijft de sleutel.
Drie taken die je vandaag kunt uitbesteden
1. Eerste concepten en samenvattingen
Laat AI de eerste versie schrijven van offertes, rapportages en klantmails. Jouw medewerkers worden redacteuren in plaats van schrijvers — dat scheelt 60-70% van de schrijftijd. Een accountantskantoor in Utrecht bespaart zo 8 uur per week per medewerker op dossieropmaak.
2. Data-analyse en trendspotting
AI is beter in patronen herkennen dan mensen. Laat het je verkoopdata analyseren, voorraadtrends spotten en afwijkingen signaleren. Een groothandel in Brabant ontdekte via AI-analyse dat 15% van hun retouren terug te voeren was op een productbeschrijving die consequent verkeerd werd begrepen.
3. Planning en logistiek
Routeplanning, personeelsroosters, voorraadbeheer — AI rekent sneller en beter dan elke menselijke planner. Een installatiebedrijf met 20 monteurs bespaarde 5 uur per week op routeplanning door een AI-systeem dat rekening houdt met verkeer, spoedklussen en monteur-specialisaties.
De echte les: AI maakt banen anders, niet overbodig
Verrassend genoeg is de grootste bevinding van de NYT-test niet dat AI banen overneemt, maar dat het de aard van werk verandert. De medewerker die vroeger 4 uur per dag documenten schreef, wordt nu een AI-operator die in 1 uur dezelfde output produceert — en de overige 3 uur besteedt aan klantcontact, strategie en creatief werk.
De Nederlandse realiteit: krapte als katalysator
In Nederland speelt een extra factor die de NYT-test extra relevant maakt: de arbeidsmarktkrapte. Met 133 vacatures per 100 werklozen (CBS, Q2 2026) kunnen MKB-bedrijven simpelweg niet aan voldoende personeel komen. AI is dan geen bedreiging voor banen — het is een oplossing voor een acuut capaciteitsprobleem.
Een horecagroothandel in Gelderland kon geen boekhouder vinden en zette AI in voor factuurverwerking. Resultaat: de bestaande financieel medewerker verwerkt nu 3x zoveel facturen en heeft tijd voor strategisch advies aan de directie. Geen ontslagen, wel 40% omzetgroei zonder extra personeel.
Dat is de kans voor het MKB: niet minder mensen, maar dezelfde mensen die waardevoller werk doen. De ondernemers die dit als eersten doorhebben, bouwen een team dat productiever is dan de concurrentie — zonder extra personeelskosten.
De vraag is niet of AI jouw baan kan doen. De vraag is of jij AI inzet voordat je concurrent dat doet.