Ervaring behouden, capaciteit vergroten: waarom AI-bijscholing van oudere medewerkers effectiever is dan nieuw aannemen Retain Experience, Expand Capacity: Why AI Upskilling of Older Employees Is More Effective Than Hiring New

Er loopt een stilzwijgende aanname door de meeste AI-adoptieplannen: de mensen die AI het best zullen gebruiken, zijn degenen die zijn opgegroeid met technologie. De jongere medewerkers. De digital natives. En dus wordt de standaardstrategie: neem nieuwe mensen aan met AI-vaardigheden, laat de ervaren medewerkers het zelf uitzoeken of laat ze vertrekken. Deze aanname klopt niet. Niet een beetje fout. Meetbaar, kostbaar fout. De medewerkers met 15 of 20 jaar domeinkennis zijn precies degenen die het meeste halen uit AI-tools, omdat AI alleen zo nuttig is als het oordeel dat op de output wordt toegepast. En oordeel is iets dat u niet kunt werven op een contract van zes maanden.

There is a quiet assumption running through most AI adoption plans: the people who will use AI best are the ones who grew up with technology. The younger hires. The digital natives. And so the default strategy becomes: hire new people with AI skills, let the experienced staff figure it out or move on. This assumption is wrong. Not a little wrong. Measurably, expensively wrong. The employees with 15 or 20 years of domain knowledge are exactly the ones who get the most out of AI tools, because AI is only as useful as the judgment applied to its output. And judgment is something you cannot recruit for on a six-month contract.

The hiring fallacy

De aannamefout

53% of companies say they prefer hiring new AI talent over retraining existing employees. That number comes from Deloitte's 2023 workforce survey, and it tells you something important about how organisations think about capability. They see AI skill as a thing you either have or you don't. Like a certification. Like a degree.

53% van de bedrijven zegt de voorkeur te geven aan het aannemen van nieuw AI-talent boven het omscholen van bestaande medewerkers. Dat cijfer komt uit Deloitte's 2023 personeelsenquête, en het vertelt iets belangrijks over hoe organisaties denken over capaciteit. Ze zien AI-vaardigheid als iets dat je hebt of niet hebt. Zoals een certificaat. Zoals een diploma.

But AI skill is not like that. It is more like cooking. Anyone can follow a recipe, but the person who has been cooking for 20 years produces better meals because they understand flavour, timing, and what to do when something goes wrong. The recipe is the AI tool. The cooking experience is the domain knowledge. You need both. And one of them takes two decades to build.

Maar AI-vaardigheid is niet zo. Het lijkt meer op koken. Iedereen kan een recept volgen, maar de persoon die al 20 jaar kookt, maakt betere maaltijden omdat die smaak, timing begrijpt en weet wat te doen als er iets fout gaat. Het recept is de AI-tool. De kookervaring is de domeinkennis. Je hebt beide nodig. En een ervan kost twee decennia om op te bouwen.

IBM Institute for Business Value (2023): 87% van de leidinggevenden verwacht dat AI de vaardigheidsvereisten voor de meeste functies zal veranderen. Slechts 35% heeft een plan om die vaardigheidskloof aan te pakken. De overige 65% doet willekeurige training en hoopt op het beste.

IBM Institute for Business Value (2023): 87% of executives expect AI to change the skills requirements for most roles. Only 35% have a plan to address that skills gap. The other 65% are doing ad-hoc training and hoping for the best.

What the data actually says about experienced employees and AI

Wat de data daadwerkelijk zegt over ervaren medewerkers en AI

MIT's Work of the Future programme studied how employees at different proficiency levels perform with the same AI tools. The finding that surprised people: employees at Level 3 proficiency (the ones who understand their domain well enough to evaluate and improve AI output) outperformed Level 1 and 2 users by 35 to 40%. Same tools. Same access. Different results.

Het Work of the Future-programma van MIT onderzocht hoe medewerkers op verschillende vaardigheidsniveaus presteren met dezelfde AI-tools. De bevinding die mensen verraste: medewerkers op vaardigheidsniveau 3 (degenen die hun domein goed genoeg begrijpen om AI-output te evalueren en te verbeteren) presteerden 35 tot 40% beter dan niveau 1 en 2 gebruikers. Dezelfde tools. Dezelfde toegang. Andere resultaten.

And who reaches Level 3 fastest? Not the 25-year-old with a computer science degree. The 50-year-old who has been doing the work for two decades and can immediately tell when the AI produces something that does not match reality. Domain knowledge is not a nice-to-have in AI adoption. It is the multiplier.

En wie bereikt niveau 3 het snelst? Niet de 25-jarige met een informaticadiploma. De 50-jarige die het werk al twee decennia doet en onmiddellijk kan zien wanneer de AI iets produceert dat niet overeenkomt met de werkelijkheid. Domeinkennis is geen leuk extraatje bij AI-adoptie. Het is de vermenigvuldiger.

The real cost of replacing instead of retraining

De werkelijke kosten van vervangen in plaats van omscholen

Replacing an experienced employee costs 50 to 200% of their annual salary when you add recruitment, onboarding, the productivity dip during the learning curve, and the institutional knowledge that walks out the door. Training that same employee in AI costs a fraction of that. And the return is faster, because they already know what questions to ask and what good output looks like in their specific domain.

Het vervangen van een ervaren medewerker kost 50 tot 200% van hun jaarsalaris als u werving, inwerkperiode, de productiviteitsdip tijdens de leercurve, en de institutionele kennis die de deur uitloopt optelt. Diezelfde medewerker trainen in AI kost een fractie daarvan. En het rendement is sneller, omdat ze al weten welke vragen ze moeten stellen en hoe goede output eruitziet in hun specifieke domein.