Generative AI and Early-Career Hiring: Counts, Entry Rates, and the Employment Base

Het verhaal over hoe nieuwe technologie de beroepsbevolking verandert, wordt vaak verteld als een plotselinge verschuiving, een moment waarop machines het overnemen en mensen worden achtergelaten. Maar de werkelijkheid is meestal subtieler en ontvouwt zich in de stille mechanica van werving en baanstabiliteit, lang voordat de krantenkoppen verschijnen. Economen bestuderen deze verschuivingen door naar twee verschillende manieren te kijken om werk te meten: het ruwe aantal mensen dat wordt aangenomen, en de snelheid waarmee die aannames plaatsvinden in verhouding tot de omvang van de bestaande beroepsbevolking. Stel je een fabrieksvloer voor waar het totale aantal werknemers krimpt; zelfs als de fabriek evenveel nieuwe mensen aanneemt als voorheen, kan de snelheid van aanname in verhouding tot het totale personeelsbestand er anders uitzien. Het begrijpen van het verschil tussen een simpel aantal nieuwe werknemers en de wiskundige snelheid van aanname is cruciaal, omdat een daling in het aantal nieuwe werknemers niet altijd betekent dat werkgevers gestopt zijn met het zoeken naar talent. Het kan simpelweg betekenen dat de vijver van ervaren werknemers waaruit zij werven van omvang of samenstelling is veranderd. Dit onderscheid wordt vooral belangrijk bij het onderzoeken van hoe kunstmatige intelligentie, specifiek de nieuwe generatie tools die kunnen schrijven en redeneren zoals mensen, jonge mensen die hun carrière proberen te starten, beïnvloedt.

Een recente studie door onderzoeker Yi Wu aan de University of Texas at Austin onderzoekt precies deze vraag. Het artikel vraagt zich af of de opkomst van generatieve AI heeft geleid tot een specifieke daling in de werving van werknemers in de beginfase van hun carrière, gedefinieerd als zij tussen de 22 en 34 jaar oud, vergeleken met oudere, gevestigde werknemers. Om het antwoord te vinden, vertrouwde de onderzoeker niet op enquêtes of gissingen over wat bedrijven dachten. In plaats daarvan maakte zij gebruik van een enorme, gedetailleerde overheidsdataset genaamd de Quarterly Workforce Indicators. Deze data volgt echte wervingsmomenten over duizenden industrieën in de Verenigde Staten, waarbij onderscheid wordt gemaakt tussen "alle nieuwe werknemers" en "stabiele nieuwe werknemers". Een stabiele werknemer is een specifiek type arbeidsrecord: het wordt alleen geteld wanneer een nieuwe werknemer lang genoeg in de baan is gebleven om te worden beschouwd als een voltijds, stabiel onderdeel van de beroepsbevolking gedurende een heel kwartaal. Door zich te concentreren op deze stabiele werknemers, kijkt de studie naar de banen die echt beklijven, in plaats van naar kortstondige of tijdelijke posities.

De onderzoeker vergeleek industrieën die sterk blootgesteld zijn aan taalgebaseerde kunstmatige intelligentie met industrieën die minder blootgesteld zijn. De blootstelling werd gemeten aan de hand van de mate waarin de typische taken in een industrie afhankelijk zijn van vaardigheden die AI-tools nu kunnen uitvoeren, zoals schrijven, coderen of het analyseren van tekst. De studie vond dat na 2022, toen deze AI-tools breed beschikbaar kwamen, het aantal stabiele nieuwe werknemers voor jonge werknemers aanzienlijk sterker daalde in de industrieën met een hoge blootstelling dan in de industrieën met een lage blootstelling. Deze daling was niet slechts een kleine fluctuatie; het was een duidelijke, meetbare afname. De studie vond echter ook dat deze daling veel uitgesprokener was voor stabiele werknemers dan voor alle werknemers, wat suggereert dat de impact van AI specifiek de banen raakt die leiden tot langdurige werkgelegenheid.

Hier neemt het verhaal een verrassende wending. Wanneer de onderzoeker de cijfers ontleedde om te zien waarom de telling van jonge werknemers daalde, ontdekte zij dat de daling niet werd gedreven door een plotselinge, statistisch significante verandering in hoe vaak bedrijven jonge mensen aannamen in verhouding tot hun huidige personeelsbestand. In plaats daarvan was de daling bijna volledig gelokaliseerd in de omvang van de beroepsbevolking zelf. De studie splitste de telling van werknemers in twee delen: de wervingssnelheid (hoeveel nieuwe mensen worden aangenomen per eenheid van bestaand personeel) en de werkgelegenheidsbasis (het totaal aantal stabiele werknemers dat al op de loonlijst staat). De data toonden aan dat de wervingssnelheid voor jonge werknemers geen statistisch betrouwbare daling vertoonde. Sterker nog, de geschatte coëfficiënt voor de snelheid was positief maar onnauwkeurig, en het teken varieerde afhankelijk van hoe de data werd getransformeerd, wat betekent dat het bewijs voor een duidelijke daling in de instroom minder stevig wordt ondersteund. De gehele daling in het aantal jonge werknemers kwam voort uit het feit dat de vijver van stabiele, ervaren werknemers in deze industrieën kromp of op een manier veranderde die de noemer verminderde.

Deze bevinding daagt een veelvoorkomende aanname uit. Men zou verwachten dat als AI menselijk werk vervangt, bedrijven simpelweg minder vaak jonge mensen zouden aannemen tegen dezelfde snelheid als voorheen. De studie suggereert een ander mechanisme. De daling in het aantal jonge werknemers lijkt een gevolg te zijn van een langetermijntrend in de samenstelling van de beroepsbevolking die al vóór de pandemie aan de gang was, en die daarna voortduurde. De "werkgelegenheidsbasis" voor jonge werknemers in door AI-blootstelling getroffen industrieën was al dalend, en de nieuwe AI-tools hebben de wervingsactiviteit niet noodzakelijkerwijs plotseling tot stilstand gebracht. De wervingstekorten zijn geconcentreerd in de krimpende vijver van stabiele banen die ingevuld kunnen worden. De studie merkt expliciet op dat dit patroon zichtbaar was in de data vóór de brede adoptie van de bekendste AI-chatbots, wat suggereert dat de krachten die hier spelen dieper en ouder zijn dan de recente technologische boom.

Het onderzoek keek ook of deze trend een plotselinge breuk met het verleden was of een voortzetting van een ouder patroon. Door de gegevens van na 2023 te vergelijken met de trends die werden gezien tussen 2017 en 2019, vond de studie dat de daling in het aantal werknemers na 2023 licht versnelde. Echter, zelfs deze versnelling werd primair gedreven door veranderingen in de werkgelegenheidsbasis, en niet door een plotselinge instorting van de wervingssnelheid. De studie stelt zorgvuldig dat hoewel de cijfers een duidelijke correlatie laten zien tussen AI-blootstelling en minder jonge werknemers, dit niet bewijst dat AI de enige oorzaak is. Andere factoren, zoals het economisch herstel van de pandemie of andere industriële veranderingen, zouden ook een rol kunnen spelen. Toch suggereert het bewijs dat de daling in het aantal jonge werknemers niet simpelweg het resultaat is van bedrijven die minder mensen aannemen per bestaande werknemer; de wervingssnelheid bleef relatief stabiel, terwijl het totale aantal beschikbare stabiele posities voor jongeren afnam.

Een van de belangrijkste lessen van het artikel is het onderscheid tussen een telling en een snelheid. Als je alleen naar het totale aantal jonge mensen kijkt dat wordt aangenomen, ziet het eruit als een ramp voor hun carrièreperspectieven in AI-zware velden. Maar als je kijkt naar de snelheid waarmee zij worden aangenomen in verhouding tot de omvang van de beroepsbevolking, is het beeld veel minder dramatisch. De studie concludeert dat de werkgelegenheidsbasis evenveel aandacht verdient als de instroom van werknemers wanneer we proberen te begrijpen hoe technologie de arbeidsmarkt verandert. De daling van het aantal jonge werknemers is reëel, maar is geconcentreerd in de noemer — de omvang van de stabiele beroepsbevolking — in plaats van in de teller, die de wervingsactiviteit zelf vertegenwoordigt. Dit betekent dat het verhaal van AI en werknemers aan het begin van hun carrière niet alleen gaat over bedrijven die stoppen met werven, maar over een complexe verschuiving in de structuur van de beroepsbevolking die voorafging aan de huidige AI-golf en die bepaalt wie er wel en niet wordt aangenomen.

De studie beweert niet dat zij het mysterie heeft opgelost van hoe AI de toekomst van werk zal beïnvloeden, noch suggereert zij dat de situatie hopeloos is. Zij biedt simpelweg een helderder, preciezer kaart van wat er nu gebeurt. Door de wervingssnelheid te scheiden van de werkgelegenheidsbasis, onthult het onderzoek dat de daling van de jonge werknemers geen plotselinge, scherpe afwijzing van jong talent door werkgevers is. In plaats daarvan is het een reflectie van een bredere, langzamer bewegende verandering in de samenstelling van de beroepsbevolking in industrieën waar AI het meest relevant is. De bevindingen suggereren dat de uitdagingen waar werknemers aan het begin van hun carrière voor staan, diep geworteld zijn in de structuur van deze industrieën, en dat het begrijpen van de omvang en stabiliteit van de beroepsbevolking net zo belangrijk is als het tellen van de nieuwe werknemers. Uiteindelijk biedt het artikel een stille maar krachtige correctie op het narratief: het probleem is niet noodzakelijkerwijs dat bedrijven minder jongeren aannemen, maar dat het landschap waarin zij werven fundamenteel is verschoven, en dat die verschuiving begon lang voordat de eerste AI-chatbot online kwam.