Hoe AI echt gebruikt wordt: Anthropic's verrassende inzichten

Lisa Visser · 2026-01-23

Heb je je ooit afgevraagd hoe mensen en bedrijven eigenlijk met AI werken? Anthropic's Economische Index geeft ons een zeldzaam kijkje achter de schermen. Het rapport analyseert maar liefst een miljoen consumenteninteracties op Claude.ai en nog eens een miljoen enterprise API-aanroepen uit november 2025. Het mooie is: dit zijn echte observaties, geen standaard enquêtes. We krijgen dus te zien wat er écht gebeurt, niet wat mensen zeggen dat ze doen. ### Beperkte use cases domineren Wat blijkt? Het gebruik van AI clustert 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 alle zakelijke API-verkeer. En raad eens wat er bovenaan staat? Codecreatie en -aanpassing. Dat zal je niet verbazen, maar het is wel opvallend hoe consistent dit patroon blijft. De waarde van modellen zoals Claude lijkt vooral rond dit soort taken te draaien. Dit betekent iets belangrijks: brede, algemene AI-implementaties werken waarschijnlijk minder goed dan gefocuste inzet op taken waar taalmodellen hun waarde al bewezen hebben. ### Samenwerken wint van automatiseren Hier wordt het interessant. Op consumentenplatforms zien we vooral collaboratief gebruik - mensen die in gesprek blijven met de AI en hun vragen bijstellen. Bij bedrijven is het precies andersom: daar proberen ze kosten te besparen door taken te automatiseren. Maar er zit een addertje onder het gras. Claude presteert goed op korte taken, maar hoe complexer de taak wordt, hoe meer de kwaliteit achteruitgaat. Langer 'denktijd' nodig? Dan zie je de resultaten verslechteren. Wat betekent dit in de praktijk? Automatisering werkt het best voor: - Routine, goed gedefinieerde taken - Simpelere processen met minder logische stappen - Taken waar snelle reacties mogelijk zijn Taken die mensen normaal gesproken uren kosten? Die hebben significant lagere slagingspercentages. Voor langere taken moeten gebruikers outputs blijven bijstellen en corrigeren. ### De kunst van het opdelen Hier komt een belangrijke les: gebruikers die grote taken opbreken in behapbare stappen hebben veel meer succes. Of ze dat nu interactief doen of via API, het principe blijft hetzelfde. De observaties tonen ook aan dat de meeste queries komen uit kantoorfuncties. Alleen in armere landen zien we vaker academisch gebruik. Neem reisagenten - die kunnen complexe planningswerk uitbesteden aan de AI, terwijl ze zelf de meer transactionele taken behouden. Bij bijvoorbeeld property managers werkt het precies andersom: routine administratie kan de AI overnemen, maar taken die meer oordeel vereisen blijven bij de menselijke professional. ### Productiviteitswinst: minder dan gedacht Dit is misschien wel het meest verrassende inzicht. Claims dat AI de arbeidsproductiviteit met 1,8% per jaar verhoogt? Die moeten waarschijnlijk bijgesteld worden naar 1-1,2%. Waarom? Omdat je extra arbeid en kosten moet meerekenen voor validatie, foutafhandeling en herwerking. Een efficiëntiewinst van 1% over een decennium is nog steeds economisch betekenisvol, maar het is wel minder spectaculair dan vaak wordt voorgespiegeld. De potentiële winst voor een organisatie hangt ook af van een cruciale vraag: vullen de taken die je aan de AI geeft het menselijk werk aan, of vervangen ze het? In dat laatste geval hangt het succes af van hoe complex het werk eigenlijk is. ### De kwaliteit van je prompts bepaalt alles Dit vond ik persoonlijk fascinerend: er is een bijna perfecte correlatie tussen de kwaliteit van gebruikersprompts en succesvolle uitkomsten. Hoe mensen AI gebruiken, bepaalt dus wat het oplevert. Het is een beetje zoals koken - met goede ingrediënten en een duidelijk recept krijg je een beter resultaat. Met vage instructies en slechte ingrediënten wordt het nooit wat. ### Wat betekent dit voor jou? Als je met AI aan de slag wilt, zijn dit de belangrijkste lessen: - Begin specifiek, niet breed. Focus op taken waar AI bewezen effectief is - Samenwerking tussen mens en AI werkt vaak beter dan volledige automatisering - Investeer in het leren schrijven van goede prompts - het maakt echt verschil - Reken op lagere productiviteitswinsten dan de hype suggereert - Breek complexe taken op in kleinere stappen Zoals een ervaren ontwikkelaar me ooit zei: "AI is een geweldige assistent, maar geen vervanging voor menselijk denken." Dat blijkt maar weer eens uit deze data.