OpenAI’s analyse van meer dan 800.000 werkgerelateerde ChatGPT-zoekopdrachten laat zien dat 43,5% van de verzoeken op specialistisch niveau wordt afgehandeld door gebruikers die buiten hun primaire functie vallen, een trend die het bedrijf “task crossover” noemt. Deze bevinding is belangrijk omdat het wijst op een snelle herstructurering van hoe bedrijven expertise inzetten en hoe individuen hun professionele vaardigheden definiëren.

De gegevens achter “task crossover”

OpenAI koppelde elke zoekopdracht aan een standaardberoep met behulp van de Amerikaanse beroepsdatabase O*NET. Na het wegfilteren van algemene activiteiten zoals het opstellen van e-mails of het plannen van afspraken, richtte de studie zich op hoogwaardige competenties die normaal gesproken domeinspecifieke training vereisen. Van de resterende zoekopdrachten vroeg bijna de helft ChatGPT om taken uit te voeren die tot een andere beroepscategorie behoren dan die van de gebruiker zelf.

Waar de verschuiving plaatsvindt

De crossover piekt in marketing en engineering.

  • Marketingprofessionals wenden zich tot ChatGPT voor technische probleemoplossing en data-analyse — taken die normaal gesproken door engineers of data scientists worden afgehandeld.
  • Engineers vragen het model om contracten te beoordelen en websiteproblemen op te lossen, rollen die traditioneel worden vervuld door juridische teams of front-end teams.

Kleine bedrijven versterken dit patroon. Met krappe budgetten voor specialisten kan een enkele werknemer ChatGPT gebruiken als een “force multiplier”, waarmee een portfolio aan functies wordt afgehandeld die anders meerdere nieuwe medewerkers zou vereisen.

Waarom de crossover belangrijk is voor werk en AI

De gegevens wijzen op een verschuiving van “specialist” naar “augmented generalist”. Nu prompt-crafting een vaardigheid op zich wordt, kan diepgaande, gesiloiseerde kennis plaatsmaken voor AI-versterkte veelzijdigheid. Oprichters en ontwikkelaars voelen nu de druk om grote taalmodellen (LLM's) verder te pushen dan eenvoudige tekstgeneratie en hoogwaardige redeneringen te leveren in de juridische sector, financiën of engineering. Het verlagen van de drempel voor technische taken zou het werven, trainen en zelfs de functietitels kunnen hervormen.

Risico's en tegenargumenten

Niet iedereen omarmt de verschuiving. Critici waarschuwen dat het delegeren van specialistisch werk aan een AI de expertise kan verwateren, verborgen fouten kan introduceren en organisaties kan blootstellen aan compliance-risico's. De studie houdt niet bij hoe vaak door AI gegenereerde resultaten worden gevalideerd, en kwantificeert ook niet de potentiële kosten van fouten in sectoren met een hoog risico, zoals contractrecht of engineering-ontwerp. Deze zorgen suggereren dat AI weliswaar de capaciteit kan vergroten, maar ook een vals gevoel van competentie kan creëren.

Waar u op moet letten

  • Toolontwikkeling: Toekomstige LLM-upgrades moeten het domeinspecifieke redeneren en de foutcontrole verbeteren om te voldoen aan de eisen van task crossover.
  • Organisatiebeleid: Bedrijven kunnen nieuwe interne richtlijnen opstellen voor AI-ondersteund werk, vooral in gereguleerde sectoren.
  • Signalen op de arbeidsmarkt: Recruiters zouden “AI-augmented generalist” als competentie kunnen gaan vermelden, en trainingsprogramma's zouden kunnen verschuiven naar prompt-engineering vaardigheden.

Belangrijkste conclusies

  • Task crossover is verantwoordelijk voor 43,5% van de specialistische zoekopdrachten, wat wijst op een aanzienlijke overlap van professionele functies.
  • Marketing en engineering leiden de verschuiving, waarbij AI wordt gebruikt voor taken die traditioneel tot andere specialismen behoren.
  • Kleine bedrijven vertrouwen op AI om tekorten aan talent op te vullen, waardoor een enkele werknemer effectief een multidisciplinaire operator wordt.
  • De trend brengt zowel kansen als risico's met zich mee, wat leidt tot oproepen voor sterkere AI-validatie en nieuwe normen op de werkplek.