OpenAI’s analyse van 800.000 ChatGPT-berichten verzonden door Amerikaanse professionals laat zien dat bijna één op de zes werkgerelateerde prompts het model nu vraagt om taken uit te voeren die traditioneel bij een ander beroep horen. Als je routineus schrijven en samenvatten weglaat, springt dat cijfer naar 43,5 %. Deze verschuiving verandert de manier waarop werknemers hun dag indelen al, en het is het meest relevant voor de kleinste bedrijven, waar elke extra vaardigheid weken aan wachttijd op een specialist kan besparen.

Waarom de cijfers ertoe doen

De studie toonde aan dat cross-functionele verzoeken zich concentreren in bepaalde functies. Marketing en engineering lopen voorop, waarbij marketinggerelateerde vragen voorkomen in 8,9 % van de berichten uit andere rollen — het hoogste percentage in de dataset. Een verkoper kan ChatGPT vragen om cijfers over de klantlevensduurwaarde (customer lifetime value) door te rekenen die normaal gesproken door een data-analist worden afgehandeld, terwijl een marketeer een defecte link kan oplossen of on-page SEO kan aanpassen voordat er een engineer wordt ingeschakeld.

Voor eigenaren van kleine bedrijven is het effect nog sterker. Eigenaren stellen nu juridische beoordelingsnotities op, maken snelle financiële prognoses en voeren ad-hoc analyses uit die voorheen een jurist of CFO vereisten. In teams van twee tot vijf personen valt 18,9 % van de door AI gegenereerde taken buiten de kernrol van de werknemer, tegenover 16,3 % in ondernemingen met meer dan honderd medewerkers. De rekensom is simpel: grotere bedrijven kunnen het verzoek doorsturen naar een gespecialiseerde collega; kleine ondernemingen moeten het probleem zelf oplossen.

Het voordeel: snelheid en scherpere overdrachten

Wanneer een werknemer een eerste analyse of een ruwe juridische samenvatting genereert, wordt de overdracht aan een specialist sneller en gerichter. De specialist ontvangt een helderdere probleemstelling, beter voorbereide gegevens en minder e-mails met de vraag "kunt u uitleggen wat u nodig heeft?". Dat verkort de wachttijden, vermindert interne frictie en verhoogt de kwaliteit van de verzoeken.

Wat er op het spel staat

De studie beweert niet dat AI experts overbodig zal maken. Het presenteert de technologie als een frontlinie-beantwoorder die het probleem dichter bij de bron brengt.

Hoe bedrijven zich kunnen aanpassen

  • Breng beslispunten in kaart – Identificeer waar een verzoek doorgaans vertraging oploopt en test of AI een bruikbaar eerste concept kan produceren.
  • Stel autoriteitsgrenzen vast – Geef aan welke resultaten goedkeuring nodig hebben van een gekwalificeerde professional.
  • Train voor de nieuwe set vaardigheden – Bied micro-learning aan over prompting, het interpreteren van AI-suggesties en het herkennen van waarschijnlijke fouten.
  • Meet de impact – Houd de bespaarde tijd bij de overdrachten bij in verhouding tot eventuele stijgingen in foutpercentages of herstelwerkzaamheden.

Kleine vs. grote organisaties: uiteenlopende paden

De volgende grens

De gegevens van OpenAI leggen een praktijk vast die zich snel ontwikkelt. Naarmate modellen betrouwbaarder en domeinspecifieker worden, zal het aandeel cross-functionele taken waarschijnlijk stijgen. Organisaties die AI slechts als een productiviteitstool beschouwen in plaats van als een katalysator voor het herontwerpen van workflows, riskeren achterop te raken. Degenen die nu processen herontwerpen — door te beslissen welke beslissingen menselijk blijven en welke door AI ondersteund kunnen worden — zullen profiteren van snellere cycli en wendbaardere teams.

Kernpunt: AI verplaatst de eerste reactie op een probleem al naar de oorsprong ervan, vooral in kleine bedrijven waar elke extra capaciteit vertraging vermindert. Het echte voordeel komt niet voort uit het hernoemen van functies, maar uit het heroverwegen van wie wat doet en waar een machine veilig kan bijspringen.