📈 economics

From Clerks to Agentic-AI: How will Technology Change Labor Market in Finance?

Dit artikel documenteert hoe drie technologische golven de arbeidsmarkt in de financiële sector hebben veranderd door de productiviteit van bedrijven te analyseren via de verhouding tussen beheerde activa en het aantal werknemers.

Oorspronkelijke auteurs: Lu Yu, Xiang Li

Gepubliceerd 2026-04-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Lu Yu, Xiang Li

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Van Klerken tot AI-Agenten: Hoe Technologie de Wereld van Geld Verandert

Stel je voor dat de financiële wereld een enorme, drukke fabriek is. In deze fabriek worden geen auto's gebouwd, maar geld, risico's en vertrouwen. Een nieuw onderzoek van Lu Yu en Xiang Li kijkt naar wat er gebeurt als we in deze fabriek steeds slimmere machines zetten.

De kernboodschap is verrassend: AI zal niet direct iedereen ontslaan, maar het zal de manier waarop we werken volledig herschikken. Het is alsof we de fabriek niet slopen, maar de vloerplaat opnieuw tekenen.

Hier is hoe het werkt, vertaald in alledaags taal en met een paar leuke vergelijkingen:

1. De Drie Grote Golfbewegingen

De auteurs kijken naar drie golven van technologie die de financiële wereld hebben veranderd. Je kunt dit zien als drie verschillende seizoenen in de geschiedenis van de fabriek:

Golf 1: De Computer (Jaren '80 & '90)
- Vergelijking: Stel je voor dat iedereen vroeger met de hand schreef op papier. Toen kwamen de eerste computers en spreadsheets. Het was alsof we van een stalen pen overschakelden op een snelle typemachine.
- Gevolg: Het werk ging sneller, maar de mensen deden nog steeds bijna hetzelfde. Alleen dan met een sneller gereedschap.
Golf 2: De Index (Jaren 2000 - 2015)
- Vergelijking: Dit was als het invoeren van een recept. Vroeger moest een kok (beheerder) elke dag zelf beslissen welke groenten hij kocht. Nu zeggen we: "Volg dit recept exact." Dit is wat 'indexfondsen' doen.
- Gevolg: Veel beslissingen werden standaard. Je had minder koks nodig voor het simpele werk, maar je had nog steeds experts nodig om het recept te bewaken.
Golf 3: Agentic AI (Nu en de toekomst)
- Vergelijking: Dit is het echte wonder. Het is niet meer alleen een snellere typemachine of een recept. Dit is alsof je robot-assistenten hebt die niet alleen typen, maar ook lezen, samenvatten, plannen en beslissingen voorstellen. Ze kunnen een e-mail beantwoorden, een rapport schrijven en een risico signaleren.
- Gevolg: Deze robots nemen niet alleen het saaie werk over, maar ook taken die vroeger "menselijk inzicht" leken te vereisen.

2. Wat gebeurt er met de mensen? (De Productiviteit)

Veel mensen denken: "Als robots alles doen, worden mensen ontslagen." Het onderzoek zegt: Niet direct.

De "Koffie-Effect": Stel je voor dat een machine je koffie zet. Je bent niet direct ontslagen; je hebt nu juist meer tijd om belangrijke gesprekken te voeren met je klanten.
De cijfers: Bedrijven die veel over AI praten in hun verslagen, blijken per werknemer meer vermogen te beheren (meer "AUM"). Ze worden groter en efficiënter.
Maar... Hun inkomsten per werknemer dalen soms iets. Waarom? Omdat ze het geld dat ze besparen op het saaie werk, waarschijnlijk opnieuw investeren in de technologie of in andere dingen, in plaats van direct de salarissen te verlagen.

3. De Grote Verandering: Een Polder met Drie Zones

De financiële wereld wordt waarschijnlijk meer verdeeld (gesplitst) in drie groepen, net als een stad met drie wijken:

De Reuzen (Grote Banken):
- Vergelijking: Dit zijn de kasteelheren. Ze hebben de meeste data, de beste beveiliging en de diepste zakken om de duurste AI te kopen. Ze worden sterker en blijven de baas.
De Kleine Teams (Start-ups & Niche):
- Vergelijking: Dit zijn de slimme ambachtslieden. Dankzij AI kunnen ze nu doen wat vroeger alleen grote bedrijven konden. Een team van drie mensen kan nu een bedrijf runnen dat vroeger dertig mensen nodig had. Ze worden krachtiger.
Het Midden (De "Klerken"):
- Vergelijking: Dit zijn de mensen in het midden. Hun werk bestond vaak uit het overbrengen van informatie van A naar B, het controleren van standaardpapieren en het coördineren van流程.
- Het probleem: AI is nu goed in precies dat soort werk. De "middenlaag" krijgt de zwaarste klap. Hun unieke vaardigheid (coördinatie) wordt overbodig door de software.

4. Waarom is dit belangrijk?

De auteurs zeggen dat we niet moeten kijken naar "hoeveel mensen worden ontslagen", maar naar hoe het werk wordt herschikt.

Vroeger: Mensen deden het saaie werk, en de "slimme" mensen keken toe.
Nu: De AI doet het saaie werk én helpt de "slimme" mensen sneller te denken.
Toekomst: Mensen worden minder "uitvoerders" en meer "toezichthouders" en "strategen". Je moet niet meer weten hoe je een rapport schrijft (dat doet de AI), maar je moet weten wat er in moet staan en of het klopt.

Conclusie in één zin

Technologie in de financiële wereld is niet als een hamer die banen kapot slaat; het is meer als een nieuwe motor die de auto sneller maakt. De auto (het bedrijf) wordt groter en krachtiger, maar de bestuurder (de mens) moet leren hoe hij met de nieuwe besturing omgaat, terwijl de passagiers in het midden (de administratieve klerken) misschien moeten verhuizen naar een andere stoel.

Kortom: De banen verdwijnen niet allemaal, maar ze veranderen radicaal. De bedrijven die zich aanpassen, worden sterker; degenen die vasthouden aan de oude manier van werken, lopen het risico achter te blijven.

Titel: Van Klerken tot Agente AI: Hoe zal Technologie de Arbeidsmarkt in de Financiële Sector Transformeren?

Auteurs: Lu Yu (Georgetown University) en Xiang Li (Carnegie Mellon University)
Publicatiedatum: April 2026 (voorlopige versie)

1. Probleemstelling en Context

De financiële sector staat voor een nieuwe golf van automatisering door agente AI (AI-systemen die zelfstandig taken kunnen uitvoeren, plannen en workflows coördineren). De centrale vraag is niet simpelweg of AI banen zal elimineren, maar hoe automatisering de interne allocatie van taken verandert en wat de implicaties zijn voor arbeidsproductiviteit, schaalbaarheid en de vraag naar arbeid.

Het paper positioneert de huidige AI-golf niet als een plotselinge breuk met het verleden, maar als de derde in een reeks technologische transities:

Computerisering (1985-2000): Introductie van spreadsheets, terminals en elektronische handel.
Indexering (2000-2015): Opkomst van ETF's, passief beheer en regels-gebaseerde investeringen.
Agente AI (2015-heden): Automatisering van cognitieve taken zoals monitoring, samenvatting, drafting en workflow-coördinatie.

Het onderzoek probeert te begrijpen of de toename van automatisering leidt tot directe arbeidsvermindering of juist tot een herorganisatie van workflows waarbij de productiviteit eerst stijgt voordat loonkosten dalen.

2. Methodologie

Data en Steekproef:

Bron: Jaarverslagen en 10-K-indieningen van beursgenoteerde Amerikaanse financiële ondernemingen.
Steekproef: Een geconcentreerde steekproef van vijf grote instellingen (Bank of America, BNY Mellon, JPMorgan Chase, S&P Global, State Street) voor de AI-specifieke analyse, met een bredere panel van ca. 100-300 bedrijven voor robuustheidstests.
Tijdspanne: Gedecentraliseerd in drie periodes: Computerisering (1985-2000), Indexering (2000-2015), en AI/Automatisering (2015-heden).

Variabelen en Metingen:

Onafhankelijke Variabele (Automatiseringsintensiteit): Een maatstaf gebaseerd op tekstuele analyse van filings.
- Voor de AI-er: Gewogen telling van termen zoals "artificial intelligence", "machine learning", "generative AI", "autonomous agents", "robotic process automation" en "workflow automation".
- De telling wordt genormaliseerd per totaal aantal woorden in het document om een "AI-exposure"-variabele te creëren.
Afhankelijke Variabelen (Productiviteit en Arbeid):
- Omzet per werknemer: Brede maatstaf voor operationele productiviteit.
- Beheerde activa (AUM) per werknemer: Specifiek voor asset managers; meet schaalbaarheid in kennisintensieve sectoren.
- Arbeidskosten per werknemer: Directe proxy voor loonkostencompressie.

Econometrisch Model:
Het paper gebruikt een fixed-effects paneelmodel om binnen-bedrijfswijzigingen te analyseren:
$\log(1 + \text{outcome}_{it}) = \beta \cdot \text{ai\_exposure}_{it} + \text{firm FE} + \text{year FE} + \epsilon_{it}$
Dit model absorbeert tijd-vaste bedrijfseigenschappen en gemeenschappelijke macro-economische schokken. De auteurs benadrukken dat de resultaten beschrijvende associaties zijn en geen strikte causale identificatie bieden.

3. Belangrijkste Bijdragen

Historisch Kader: Het paper integreert de huidige AI-golf in een langere historische lijn van computerisering en indexering, wat inzicht geeft in de evolutionaire aard van technologische verandering in de financiën.
Nieuwe Maatstaf: Constructie van een filings-gebaseerde maatstaf voor "taak-automatiseringsintensiteit" die specifiek is afgestemd op verschillende technologische golven.
Scheiding van Productiviteit en Arbeidsaanpassing: Het paper toont aan dat productiviteitswinsten en veranderingen in de schaal van bedrijven vaak voorafgaan aan zichtbare verminderingen in arbeidskosten of personeelsaantallen.

4. Resultaten

A. Productiviteitstrends over de Eeuwen:

Er is een duidelijke stijgende trend in productiviteit (zowel omzet als AUM per werknemer) in de latere technologische periodes vergeleken met de pre-computerisering-periode.
De coëfficiënten voor de era-dummies stijgen van de computerisering-periode naar de indexering-periode en zijn het hoogst in de AI-periode. Dit suggereert dat productiviteitsgroei stapsgewijs is opgebouwd.

B. Impact van AI-Exposure op Operationele Uitkomsten:

AUM per werknemer: Positieve en significante associatie ( $\beta \approx 0,58$ ). Bedrijven met hogere AI-exposure beheren meer activa per werknemer, wat wijst op grotere schaalbaarheid.
Omzet per werknemer: Negatieve associatie ( $\beta \approx -0,05$ ). Dit suggereert dat bedrijven in de AI-fase mogelijk heroriënteren op andere diensten of dat de omzetstructuur verandert (bijv. meer focus op beheer dan op transactie-omzet).
Arbeidskosten per werknemer: Geen statistisch significant effect ( $\beta \approx 0,01$ , niet significant verschillend van nul).

C. Arbeidskosten en Herorganisatie:

Het gebrek aan directe loonkostencompressie suggereert dat AI eerst wordt gebruikt voor herorganisatie, schaalvergroting en taakherallocatie (bijv. toezicht houden op AI, uitzonderingen behandelen) voordat er sprake is van daadwerkelijke personeelsreductie.
De adoptie van AI is heterogeen: Grote instellingen zoals Bank of America tonen eerder een toename in AI-disclosure dan andere, wat wijst op een gefaseerde adoptie binnen de sector.

5. Betekenis en Conclusies

Transformatie in plaats van Vervanging:
De belangrijkste conclusie is dat technologie de arbeidsmarkt in de financiën transformeert door werk te herorganiseren in plaats van banen direct te elimineren. AI verlaagt de kosten van routine- en coördinatietaken, waardoor kleine teams capabeler worden en grote instellingen hun structurele voordelen (data, infrastructuur) kunnen versterken.

Polarisatie van de Industrie:

Grote Instellingen: Behouden hun voordeel door schaal en data.
Kleine Teams: Worden capabeler omdat de kosten voor onderzoeksondersteuning en monitoring dalen.
Middenlaag: Staat onder de grootste druk. Taken die historisch gericht waren op het coördineren van informatieflows (een tussenlaag van management of ondersteuning) worden het meest geautomatiseerd.

Theoretische Implicatie:
De bevindingen sluiten aan bij het taakgebaseerde kader van Autor en de onderscheiding tussen automatisering en augmentatie van Acemoglu en Restrepo. In de financiële sector lijkt automatisering momenteel meer te leiden tot schaling en workflow-herontwerp dan tot een onmiddellijk daling van de arbeidskosten per werknemer.

Beperkingen:
Het onderzoek is exploratief. De gebruikte maatstaf is gebaseerd op disclosure (wat bedrijven zeggen) en niet noodzakelijk op daadwerkelijke implementatie. De steekproef is klein (5 bedrijven voor de kernanalyse) en het model is beschrijvend, niet causaal.