Generatieve AI en productiviteit: wat experimenten aantonen

Samenvatting

Gecontroleerde experimenten tonen dat generatieve AI het werk versnelt bij afgebakende taken en vooral bij minder ervaren medewerkers, en dat de kwaliteit daalt zodra een taak buiten het kunnen van het model valt. Generatieve AI is software die op verzoek zelf tekst, samenvattingen of programmacode opstelt. Een gecontroleerd experiment is een onderzoek waarin een groep die het hulpmiddel gebruikt, wordt vergeleken met een vergelijkbare groep die het niet gebruikt. Dit artikel is een weging van gepubliceerd onderzoek van derden en geen eigen onderzoek van Simblos. Stand per 13 november 2026.

15%meer opgeloste klantvragen per uur met een AI-assistent, gemiddeld over 5.172 medewerkers (QJE, 2025)

19 procentpuntminder vaak een juist antwoord bij een taak buiten het kunnen van het model (HBS en BCG, 2023)

19% tragerwerkten ervaren ontwikkelaars met AI, terwijl zij meenden 20 procent sneller te zijn geweest (METR, 2025)

Wat hebben de experimenten gemeten?

De vijf studies meten elk een ander soort werk, maar vergelijken alle het resultaat met en zonder AI aan de hand van een uitkomst die niet door de deelnemer zelf is vastgesteld. Dat onderscheidt ze van enquêtes waarin gebruikers hun eigen tijdwinst opgeven.

Studie	Jaar	Deelnemers	Taak	Gemeten effect
Brynjolfsson, Li en Raymond (The Quarterly Journal of Economics)	2025	5.172 klantenservicemedewerkers	Klantvragen afhandelen met een AI-assistent	Gemiddeld 15% meer opgeloste vragen per uur; de winst ligt bij minder ervaren medewerkers
Noy en Zhang (Science)	2023	453 hoogopgeleide professionals	Zakelijke schrijftaken van 20 tot 30 minuten	40% minder tijd en 18% hogere beoordeelde kwaliteit
Dell'Acqua e.a. (Harvard Business School en BCG)	2023	758 consultants	Adviestaken binnen en buiten het kunnen van het model	Binnen: 12,2% meer taken, ruim 25% sneller, ruim 40% hogere kwaliteit. Buiten: 19 procentpunt minder vaak juist
METR	2025	16 ervaren ontwikkelaars, 246 taken	Programmeerwerk in eigen, vertrouwde projecten	19% langer bezig met AI; eigen schatting achteraf: 20% sneller
Fang e.a. (arXiv)	2025	Miljoenen gebruikers en producten op een webwinkelplatform	Zeven AI-toepassingen in online verkoop	Van geen aantoonbaar effect tot 16,3% meer verkoop

Vijf gecontroleerde studies naar het effect van generatieve AI op werk. Stand per 13 november 2026.

Het onderzoek van Brynjolfsson, Li en Raymond is het omvangrijkste en staat het dichtst bij klantcontact. In de eerdere versie als werkdocument (NBER, 2023) bedroeg de gemiddelde winst 14 procent en die voor nieuwe en minder vaardige medewerkers 34 procent. De meest ervaren medewerkers boekten volgens de tijdschriftversie een kleine winst in snelheid en een kleine daling in kwaliteit. De onderzoekers zien aanwijzingen dat de assistent de werkwijze van de beste medewerkers onder de overigen verspreidt.

Dell'Acqua en collega's lieten in het voorjaar van 2023 consultants van BCG met en zonder GPT-4 werken. Bij taken die het model aankon, rondden zij 12,2 procent meer taken af, en de onderste helft van de deelnemers verbeterde met 43 procent tegenover 17 procent voor de bovenste helft. Bij één taak die het model niet aankon, gaf de groep zonder AI in 84,5 procent van de gevallen het juiste advies; de groepen met AI kwamen op 60 tot 70 procent.

Het onderzoek van METR uit juli 2025 betrof ontwikkelaars in projecten waaraan zij al jaren bijdroegen. Vooraf verwachtten zij 24 procent sneller te zijn, in werkelijkheid deden zij 19 procent langer over hun taken, en achteraf meenden zij 20 procent sneller te zijn geweest. Wie negentien procent langer over zijn werk doet en meent twintig procent sneller te zijn geweest, heeft in elk geval een aangename werkweek gehad. In februari 2026 meldde METR dat een vervolgmeting onder 57 ontwikkelaars geen betrouwbaar cijfer opleverde, onder meer omdat 30 tot 50 procent van hen taken achterhield die zij niet zonder AI wilden uitvoeren. METR acht het waarschijnlijk dat het profijt begin 2026 groter is dan begin 2025, noemt het bewijs daarvoor zwak en merkt de uitkomst van 2025 aan als historisch.

Verwachte en gemeten versnelling van ervaren ontwikkelaars met AI (METR, 2025)

Een negatieve waarde betekent dat de taken met AI langer duurden.

Cijfers bij deze grafiek

Meting	Versnelling
Verwacht vooraf	24
Eigen inschatting achteraf	20
Gemeten	-19

Een gecontroleerd experiment onder vertegenwoordigers in zakelijke verkoop hebben wij niet gevonden. Het dichtst in de buurt komt het onderzoek van Fang en collega's naar zeven AI-toepassingen op een internationaal webwinkelplatform. De winst kwam daar vooral uit een hogere conversie en was het grootst bij minder ervaren klanten. Dit onderzoek meet de verkoop van een platform, niet de productiviteit van een verkoper.

Het patroon: de winst zit bij afgebakend werk en minder ervaring

Drie bevindingen keren in de studies terug, ongeacht het beroep dat is onderzocht.

De winst is het grootst bij minder ervaren medewerkers. Dat blijkt bij klantenservice, bij schrijftaken en bij advieswerk. Ervaren medewerkers beschikken al over de werkwijze die het model aanreikt en winnen dus minder.
De eigen indruk van tijdwinst is onbetrouwbaar. In het METR-onderzoek lag de eigen schatting ongeveer veertig procentpunten naast de gemeten uitkomst, en wel in de gunstige richting.
Buiten het kunnen van het model verslechtert het werk. Dell'Acqua en collega's spreken van een grillige grens: de onregelmatige scheidslijn tussen taken die een model goed uitvoert en ogenschijnlijk even moeilijke taken waarbij het faalt. Aan de taak zelf is niet af te lezen aan welke zijde van de grens zij ligt, en juist daarom is toezicht nodig.

De getallen zelf verouderen snel, omdat de experimenten zijn uitgevoerd met modellen die inmiddels zijn opgevolgd. Het patroon is duurzamer dan de percentages: waar de grens ligt verschuift, maar dat er een grens is, en dat gebruikers haar slecht waarnemen, is in geen van de studies weerlegd.

Welke verkooptaken vallen binnen de grens en welke niet?

Taken met een herkenbaar patroon en een controleerbare uitkomst vallen waarschijnlijk binnen de grens; oordelen met financiële gevolgen doen dat waarschijnlijk niet. Deze indeling is onze afleiding uit de studies en geen gemeten uitkomst voor verkoopwerk.

Waarschijnlijk binnen de grens: concepten voor antwoorden op terugkerende klantvragen, verslagen van klantgesprekken, het bijwerken van het CRM-systeem en de eerste opzet van een offertetekst. De uitkomst is door een collega in korte tijd te controleren.
Waarschijnlijk buiten de grens: het prijsoordeel, het onderhandelen over uitzonderingen op voorwaarden, de inschatting van wat een klantrelatie verdraagt en de beoordeling van afwijkend technisch werk. Het model beschikt hier niet over de kennis van de klant en de marge die uw verkoper wel heeft.

Voor de samenstelling van het team betekent dit dat nieuwe medewerkers het meeste profijt hebben, omdat zij sneller het niveau van hun ervaren collega's benaderen. Van uw beste verkopers mag u weinig tijdwinst verwachten. Bij hen ligt de waarde in de administratie die zij niet langer zelf hoeven te voeren.

Wat u ermee kunt: meet één cijfer voor en na

Het betrouwbaarste besluit over AI in de verkoop berust op één cijfer dat u voor en na de invoering op dezelfde wijze vaststelt. Kies deze week één taak, bijvoorbeeld het beantwoorden van offerteaanvragen, en leg uit het CRM-systeem vast wat de gemiddelde reactietijd over de afgelopen vier weken was. Laat vervolgens de helft van het team vier weken met het hulpmiddel werken en vergelijk beide helften op hetzelfde cijfer. Leg daarnaast één kwaliteitsmaat vast, zoals het aandeel antwoorden dat een collega moest verbeteren, zodat snelheid niet ten koste van juistheid gaat.

Vraag medewerkers gerust naar hun ervaring, maar behandel hun schatting van de tijdwinst als een mening en het gemeten cijfer als de uitkomst. Wie eerst wil vaststellen waar de omzet in het verkoopproces stagneert, kan dat doen in de AI-quickscan, het kosteloze eerste gesprek met Simblos.

Veelgestelde vragen

Hoeveel productiever maakt generatieve AI een medewerker? In het grootste praktijkonderzoek, onder 5.172 klantenservicemedewerkers, steeg het aantal opgeloste vragen per uur met gemiddeld 15 procent (The Quarterly Journal of Economics, 2025). Bij korte schrijftaken daalde de benodigde tijd met 40 procent (Science, 2023). De uitkomst hangt sterk af van de taak en van de ervaring van de medewerker.

Waarom hebben ervaren medewerkers minder profijt van AI? Ervaren medewerkers beheersen de werkwijze die het model aanreikt doorgaans al. In het klantenserviceonderzoek wonnen zij weinig snelheid en verloren zij iets aan kwaliteit, terwijl nieuwe medewerkers in de werkdocumentversie 34 procent productiever werden (NBER, 2023).

Is het METR-onderzoek waarin ontwikkelaars trager werden nog actueel? METR merkt de uitkomst van juli 2025 sinds februari 2026 zelf aan als historisch en acht het waarschijnlijk dat het profijt inmiddels groter is. De tweede bevinding blijft van belang: de deelnemers schatten hun eigen tijdwinst ruim te hoog in.

Hoe meet ik het effect van AI in mijn verkoopteam? Kies één taak en één cijfer, zoals de reactietijd op offerteaanvragen, en leg de stand over vier weken vast voordat u iets invoert. Laat daarna een deel van het team met het hulpmiddel werken en vergelijk het met het overige deel op hetzelfde cijfer en op één kwaliteitsmaat.