Wat Anthropic's data echt zegt over AI succes in Nederland

Lisa Visser · 2026-01-23

Laatst dook ik in het Economic Index rapport van Anthropic, en wat me opviel is hoe concreet het beeld wordt van hoe we AI écht gebruiken. Het rapport analyseert een miljoen consumenteninteracties op Claude.ai plus nog eens een miljoen enterprise API calls. Allemaal van november 2025. Het mooie? Dit zijn echte observaties, geen standaard enquêtes onder managers. ### Beperkte use cases domineren Het valt op dat AI-gebruik zich concentreert rond een relatief klein aantal taken. De tien meest uitgevoerde taken zijn goed voor bijna een kwart van alle consumenteninteracties en bijna een derde van de zakelijke API-verkeer. En raad eens waar het vooral om draait? Code creëren en aanpassen. Die focus op AI als software-ontwikkelingshulpmiddel blijft constant. Het suggereert dat de waarde van modellen als Claude vooral in dit soort taken zit. Er zijn geen nieuwe, significante toepassingen bijgekomen. Wat betekent dit voor jou? Dat brede AI-implementaties minder kans van slagen hebben dan gerichte inzet op bewezen effectieve taken. ### Samenwerken wint van automatiseren Op consumentenplatforms zie je vooral collaboratief gebruik - waar gebruikers itereren op hun vragen tijdens een gesprek met de AI. Automatische workflows zijn minder populair. Bij zakelijk API-gebruik is het precies andersom: bedrijven proberen juist kosten te besparen door taken te automatiseren. Maar hier zit een interessante nuance. Claude presteert goed op korte taken, maar de kwaliteit daalt naarmate taken complexer worden en meer 'denktijd' vragen. Het is een beetje zoals koken: een simpele pasta lukt iedereen, maar een vijfgangenmenu vraagt om meer aandacht en correcties onderweg. - Automatisering werkt het best voor routine, goed gedefinieerde taken - Taken die mensen uren kosten hebben significant lagere slagingspercentages - Gebruikers die grote taken opbreken in behapbare stappen hebben meer succes ### Productiviteitswinst versus betrouwbaarheid Het rapport nuanceert die optimistische voorspellingen over AI en productiviteit. Claims dat AI de arbeidsproductiviteit met 1,8% per decennium verhoogt? Die moeten volgens het onderzoek naar 1-1,2% worden bijgesteld. Waarom? Omdat je extra arbeid en kosten moet meerekenen voor validatie, foutafhandeling en herwerking. Een 1% efficiëntiewinst over tien jaar is nog steeds economisch betekenisvol, maar besluitvormers moeten realistisch blijven. De potentiële winst voor een organisatie hangt ook af van of taken aan de AI worden gegeven als aanvulling op of vervanging van menselijk werk. Wat me echt trof is deze observatie: er is een bijna perfecte correlatie tussen de kwaliteit van de prompts die gebruikers geven en succesvolle uitkomsten. Met andere woorden, hoe jij AI gebruikt, bepaalt wat het oplevert. ### Belangrijkste inzichten voor leiders Als je AI wilt implementeren, begin dan specifiek en goed gedefinieerd. Zoek die taken waar grote taalmodellen bewezen effectief zijn. En onthoud dit: complementaire systemen (AI + mens) presteren beter dan volledige automatisering voor complexe taken. Het rapport laat zien dat de meeste queries bij LLM's komen vanuit kantoorfuncties. In armere landen zie je Claude vaker in academische settings. Reisagenten kunnen complexe planningstaken overlaten aan de AI en zich richten op transactioneel werk. Bij bijvoorbeeld property managers werkt het andersom: routine administratie kan de AI doen, terwijl taken die meer oordeel vereisen bij de mens blijven. Wat betekent dit voor jouw website of bedrijf? Focus op die taken waar AI écht verschil maakt. Begin klein, leer hoe je goede prompts schrijft, en verwacht niet dat alles volledig geautomatiseerd kan. De menselijke factor blijft cruciaal, zeker voor die complexere uitdagingen waar nuance en context belangrijk zijn.