Terwijl kunstmatige intelligentie miljarden verslindt en oplevert, schuiven techreuzen een groeiend leger onzichtbare werkers naar de rand van de economie.
Onder de glanzende beloftes van AI‑revolutie groeit in de Verenigde Staten een stille crisis. Terwijl winsten exploderen, leven duizenden mensen die de modellen trainen met plots wegvallende opdrachten, dalende uurlonen en nul zekerheid.
Een goudmijn voor investeerders, een valkuil voor werkers
De AI‑industrie presenteert zich als de nieuwe motor van welvaart. In de eerste helft van 2025 zou bijna de volledige groei van het Amerikaanse bbp te danken zijn aan bedrijven rond kunstmatige intelligentie. Voor aandeelhouders klinkt dat als muziek in de oren.
Tegelijk kondigen grote techbedrijven massa‑ontslagen aan, zelfs wanneer hun kwartaalcijfers netjes groen kleuren. Amazon schrapte tienduizenden banen, terwijl andere spelers volledige afdelingen opdoekten. De boodschap is duidelijk: de sector groeit, maar niet voor iedereen.
AI creëert nieuwe rijkdom, maar de mensen die de systemen draaiende houden, krijgen vooral onzekerheid en druk terug.
De kern van de paradox zit in een nieuwe arbeidslaag: miljoenen microtaken die nodig zijn om taalmodellen, zoekalgoritmes en automatische filters slimmer te maken. Deze opdrachten worden uitbesteed aan freelancers en uitzendkrachten over de hele wereld. Ze labelen data, controleren antwoorden, melden fouten en schrijven voorbeeldteksten.
Dat werk kost veel tijd, vraagt concentratie en vaak emotionele veerkracht. De vergoeding blijft laag, de contracten kort, de machtsbalans scheef. De modellen worden beter, de algoritmes waardevoller, maar de mensen daarachter blijven vervangbaar.
Het Mercor-dossier: 5.000 mensen uitgeschakeld met één e‑mail
De Amerikaanse firma Mercor laat scherp zien hoe broos die nieuwe AI‑banen zijn. Het bedrijf werkt voor grootmachten als Meta en OpenAI en beheerde een omvangrijk project met de naam Musen. Meer dan 5.000 mensen voerden daar taken uit om AI‑systemen te testen, corrigeren en aanscherpen.
Volgens betrokkenen kregen veel werkers de indruk dat het werk tot het einde van het jaar zou doorgaan. Sommigen hadden hun planning, huurcontract of zorgkosten afgestemd op dat vooruitzicht. Tot er plots een bericht kwam: het project stopte onmiddellijk.
Van de ene dag op de andere verloren duizenden mensen hun inkomstenbron, zonder ontslagbescherming, zonder transitievergoeding, zonder vangnet.
➡️ Werken tot je erbij neervalt – waarom de pensioenleeftijd een gezondheidsrisico is geworden
➡️ Wat het effect is van wisselende watertemperatuur bij het gieten
➡️ Geliefde nivea-crème ontmaskerd: wat dermatologen al jaren fluisteren maar consumenten nooit mochten weten
➡️ Liefdewerk onder het minimumloon: waarom thuiszorgers wél geven en de staat niet betaalt
➡️ Waarom bepaalde geuren je in één seconde terugbrengen naar je jeugd
➡️ De wandelmythe doorprikt: waarom te veel stappen voor senioren volgens huisartsen eerder schaadt dan baat
➡️ Linkerzij-liggen onder vuur: artsen botsen keihard over risico’s voor reflux, darmen en angstzaaierij
➡️ Waarom je kleine signalen van afwijzing zo scherp voelt
Kort daarna dook een nieuw project op: Nova. De taken leken sterk op die van Musen, de inhoud was nagenoeg identiek. Alleen het uurtarief daalde, met ongeveer vijf dollar per uur. Voor mensen die toch al op het minimum rekenden, is dat verschil schrijnend.
Kortere klussen, lagere tarieven, meer stress
Het Mercor‑verhaal staat niet alleen. Steeds meer platforms en tussenbedrijven schuiven naar een model met:
- korte opdrachten zonder garantie op vervolgwerk;
- flexibele, dalende uurtarieven;
- strenge evaluaties en automatische beoordelingen;
- weinig of geen contact met een echte manager;
- diskwalificatie bij de minste fout of vertraging.
Wie blijft, voelt de druk stijgen. Deadlines worden korter, volumes groter, en kwaliteitscriteria strenger. Veel werkers durven geen pauze te nemen uit angst minder opdrachten te krijgen. De afhankelijkheid van één platform of opdrachtgever groeit.
De onzichtbare laag onder “slimme” systemen
AI wordt vaak verkocht als zelflerend en autonoom. In de praktijk is er een enorme menselijke laag nodig om fouten op te vangen, gevoelige inhoud uit te filteren en antwoorden begrijpelijk te maken. Zonder deze laag zouden veel modellen simpelweg niet bruikbaar zijn.
| Type taak | Voorbeeld | Impact op AI‑systeem |
|---|---|---|
| Datacuratie | Teksten selecteren, spam of haatdragende inhoud verwijderen | Verhoogt veiligheid en betrouwbaarheid van het model |
| Annotatie | Labels toekennen aan zinnen, beelden of audiofragmenten | Maakt training van nauwkeurige modellen mogelijk |
| Evaluatie | Antwoorden van AI beoordelen op juistheid en toon | Stuurt het model bij via fine‑tuning |
| Contentcreatie | Voorbeelden schrijven waar het model van leert | Vergroot de taalrijkdom en contextgevoeligheid |
Veel van deze taken zijn mentaal belastend. Moderators krijgen gewelddadige of expliciete inhoud te zien. Annotators moeten urenlang minutieuze beslissingen nemen. De vergoeding weerspiegelt die belasting zelden.
Zonder deze “onzichtbare arbeidersklasse” stort een groot deel van de huidige AI‑golf in, maar hun namen komen in geen enkel persbericht voor.
Optimistische CEO’s, cynische realiteit
Topfiguren uit de sector schetsen een positief toekomstbeeld. Leidinggevenden bij grote spelers praten over een samenwerking tussen mens en machine die onze levenskwaliteit moet verhogen. Sommigen dromen luidop van een bijna utopische situatie, waarin technologie saaie taken overneemt en mensen zich op creatief werk richten.
Op de werkvloer klinkt iets anders. Daar draait “samenwerking” vaak uit op mensen die de gaten dichten van nog onvolmaakte systemen, met tijdelijke contracten en een loon dat per taak wordt uitbetaald. Veel werkers combineren meerdere platforms om rond te komen, wat leidt tot werkweken die ruim boven de klassieke 40 uur uitkomen.
Wat deze evolutie zegt over de arbeidsmarkt
De manier waarop AI‑werk wordt georganiseerd, fungeert als laboratorium voor de bredere arbeidsmarkt. Wanneer deze aanpak zich verspreidt, dreigen steeds meer sectoren af te glijden naar:
- extreem flexibele contracten zonder collectieve bescherming;
- algoritmen die bepalen wie werk krijgt en wie niet;
- een permanente wedstrijd tussen werkers wereldwijd, met loonconcurrentie als gevolg;
- versplinterde carrières, opgebouwd uit losse microprojecten.
Voor beleidsmakers, vakbonden en juristen rijst de vraag hoe je rechten en zekerheid kunt organiseren in een economie waarin een algoritme de rol van werkgever overneemt. Het klassieke onderscheid tussen werknemer en zelfstandige vervaagt, met alle juridische discussies van dien.
Wat kan er veranderen – en voor wie?
De huidige situatie is geen natuurwet. Verschillende routes liggen open, al botsen ze vaak met de drang naar kostenbesparing. Denk aan minimumtarieven per uur in plaats van per taak, transparante algoritmen voor taakverdeling of toegang tot sociale bescherming voor platformwerkers.
Voor Europese lezers biedt dit alles een concrete waarschuwing. De VS fungeert vaak als proeftuin. Wat daar normaal wordt, steekt later de oceaan over. Bedrijven die nu hun AI‑processen uitrollen in Nederland of België, nemen vaak dezelfde logica van uitbesteding en flexibiliteit mee.
Wie vandaag met AI experimenteert, test tegelijk nieuwe verhoudingen tussen kapitaal, technologie en arbeid. Die keuzes bepalen straks hoe wij allemaal werken.
Praktische vragen voor wie met AI‑opdrachten werkt
Mensen die zelf zulke opdrachten overwegen, kunnen een paar concrete punten checken:
- Hoe stabiel is de opdrachtduur werkelijk? Vraag naar schriftelijke bevestiging.
- Wordt het loon per uur of per taak berekend, en hoe realistisch is de tijdsinschatting?
- Welke data verwerk je, en welke emotionele belasting brengt dat mee?
- Heb je alternatieve inkomstenbronnen als het platform plots stopt?
- Bestaat er een vorm van beroep of bezwaar tegen ratings en blokkeringen?
Voor studenten, freelancers of mensen in carrièreswitch kan AI‑gerelateerd klikwerk op korte termijn een inkomen bieden. Zonder duidelijke afspraken over loon, werktijd en bescherming kan dezelfde “kans” makkelijk omslaan in een valkuil van permanente onzekerheid.
Wie naar de toekomst van AI kijkt, vergeet snel dat elk “slim” systeem vandaag nog leunt op vele uren menselijk monnikenwerk. Zolang die bijdrage nauwelijks erkend en slecht betaald blijft, bouwt de sector zijn miljardenbusiness op een bodem die blijft schuiven. De vraag is niet alleen hoe krachtig de volgende generatie modellen wordt, maar ook wie er straks nog bereid is om ze tegen dumpingtarieven menselijk te houden.
