Silicon Valley viert de Jevons-paradox. De werkvloer ruimt hem op
AI maakt kenniswerk goedkoop. De techsector belooft dat we daardoor meer waardevol werk gaan doen. In de verbetertrajecten die Bureau Tromp ondersteunt, ziet managing partner Boudijn Driesen wat er nog meer groeit: de stapel werk waar niemand om vroeg.
Sinds ruim een jaar zien we in onze trajecten en trainingen hetzelfde beeld. Teams die AI gebruiken, maken meer; meer rapporten, meer memo’s, meer conceptversies, meer dashboards. Logisch ook: iets maken kost bijna geen tijd meer, dus maak je het. Alleen wordt de vraag die daarbij hoort zelden gesteld: zat er iemand op te wachten?
Een voorbeeld dat we vaker tegenkomen. Een team laat trots een analyse zien die vroeger een week kostte en nu een middag. Knap werk. Tot je doorvraagt wie erom gevraagd heeft en wat ermee gaat gebeuren. Dan wordt het stil.
De geruststelling van de techsector
De techsector heeft hier een verklaring voor, en die klinkt vooral geruststellend. Box-CEO Aaron Levie schreef er eind 2025 een veelgedeeld essay over en Microsoft-CEO Satya Nadella tweette erover: de Jevons-paradox.
Die komt uit 1865. De Britse econoom William Stanley Jevons zag toen iets geks: stoommachines werden zuiniger en toch ging Engeland meer kolen verbruiken. Hoe kan dat? Simpel. Zuinige machines maakten stoomkracht goedkoop. Dingen die eerst te duur waren, konden nu wel. Dus kwamen er overal machines bij en steeg het totale verbruik.
Vervang kolen door kenniswerk en je hebt de belofte van Levie. AI maakt werk zo goedkoop dat we werk gaan doen dat anders bleef liggen: contracten die ongelezen bleven, projecten die nooit startten. Meer gebruik, meer waarde, iedereen blij.
Wat er ook bijkomt
Klopt dat? Deels. Onderzoekers van Stanford en BetterUp Labs vroegen het na bij 1.150 Amerikaanse kantoormedewerkers en introduceerden in Harvard Business Review een woord voor de andere kant: workslop. AI-werk dat er goed uitziet maar niemand verder helpt.
“Of jouw organisatie beter wordt van AI of vooral voller, is een keuze.”
Vier op de tien medewerkers kreeg het in een maand tijd binnen. Herstellen kostte gemiddeld bijna twee uur per geval. De maker won dus een uur en de ontvanger betaalde er twee.
Dat is precies wat wij op de werkvloer terugzien. AI maakt nuttig werk goedkoper, maar overbodig werk net zo goed. Er komt van allebei meer.
Een oude bekende: Overproductie
Voor wie met lean werkt, is dit een oude bekende. Overproductie: meer maken dan er gevraagd wordt, eerder dan nodig. In lean geldt het als de ergste verspilling, omdat alle andere eruit voortkomen. Wat je te veel maakt, moet ergens liggen, moet gecheckt worden en houdt mensen af van het werk dat er wél toe doet.
Er zat altijd een natuurlijke rem op overproductie van kenniswerk: tijd. Een rapport schrijven kostte dagen, dus dacht iemand eerst na of het nodig was. Die rem is nu weg. En dan geldt wat we in elk verbetertraject zien: een rommelig proces met AI erbovenop is hetzelfde rommelige proces, alleen sneller. Wie zijn chaos automatiseert, krijgt geautomatiseerde chaos.
De vraag die overblijft
Blijft over: wat doe je met de tijd die AI vrijspeelt bij werk dat wél nut heeft? Uit twintig jaar verbeterpraktijk weten we wat er gebeurt als niemand ingrijpt. Die tijd wordt opgevuld. Vanzelf wordt het nooit rust, kwaliteit of ontwikkeling. Vanzelf wordt het meer volume.
Daarom is dit uiteindelijk een vraag aan de leiding. Wat wij klanten meegeven, is simpel. Spreek af waar de vrijgekomen uren heen gaan: naar klanten, naar kwaliteit, naar het ontwikkelen van mensen of gewoon naar minder werkdruk. Beoordeel werk op wat het oplevert in plaats van op hoeveel het is. En durf te schrappen: benoem wat je voortaan weglaat.
Levie en Nadella hebben gelijk, het gebruik van AI explodeert. Of jouw organisatie daar beter van wordt of vooral voller, is een keuze. Het kan beter, maar iemand moet kiezen waar.
Over de auteur: Boudijn Driesen is managing partner bij Bureau Tromp.
