De Anthropic Economic Index laat zien waar Nederlanders een AI-model écht voor gebruiken. De cijfers zijn niet wat de adoptiecijfers je vertellen.
TL;DR
- Nederland staat op plek 11 van 121 landen in AI-gebruik, met een index van 3,9. We gebruiken bijna vier keer zoveel als je op basis van de bevolkingsomvang zou verwachten.
- Toch gaat 44,5 procent van de Nederlandse gesprekken over privézaken en maar 40,8 procent over werk. Wereldwijd is die verhouding precies andersom.
- Bij bedrijven blijft het achter: 22,7 procent van de bedrijven met tien of meer werknemers gebruikte AI in 2024, en maar 15 procent van de AI-projecten wordt echt uitgerold.
- AI is niet de spellingchecker geworden. Proeflezen is 0,67 procent van de gesprekken, zakelijke mail schrijven 2,49 procent. Het model schrijft de eerste versie, de mens corrigeert.
- Juist die zakelijke teksten (7,13 procent van alle gesprekken) krijgen door artikel 50 van de EU AI Act een machineleesbaar merkteken.
- De kloof is geen luiheid maar regeldruk: AVG, security, AI Act en DORA kosten weken per tool, en een individu heeft die stap niet.
Vorige week zocht ik in de Anthropic Economic Index op waar Nederland staat, en ik bleef hangen bij twee cijfers. Van alle Nederlandse gesprekken met Claude gaat 44,5 procent over privézaken en 40,8 procent over werk. Wereldwijd is die verhouding precies andersom.
Dat lijkt een detail, maar het botst met wat het CBS meet: in 2024 gebruikte 22,7 procent van de Nederlandse bedrijven met tien of meer werknemers AI-technologie. De mensen zijn dus verder dan de organisaties waar ze werken.
Wat deze cijfers wel en niet zijn
De Economic Index (opent in nieuw venster) van Anthropic is geen enquête. Niemand kreeg de vraag of hij AI gebruikt. Er is gekeken waar de gesprekken echt over gingen.
Die gesprekken zijn daarna gekoppeld aan O\*NET. Dat is een openbare Amerikaanse lijst waarin per beroep staat welke taken erbij horen. Voor een verzekeringsadviseur staat er bijvoorbeeld "klantvragen beantwoorden" en "polissen vergelijken". Zo kun je zien welk soort werk mensen aan een model geven, zonder dat je weet wie die mensen zijn.
Dat is eerlijker dan mensen zelf laten invullen wat ze doen. Het is ook beperkter, want er zit geen enkel kenmerk van de gebruiker in. Leeftijd, geslacht, opleiding en bedrijfsgrootte ontbreken allemaal. Je ziet wat er gevraagd wordt, maar niet door wie.
Nederland staat in deze cijfers op plek 11 van 121 landen. Dat komt uit de usage index. Die werkt zo. Je pakt het aandeel van een land in al het wereldwijde gebruik. Dat deel je door het aandeel van dat land in alle werkende mensen ter wereld. Komt daar 1,0 uit, dan gebruikt dat land precies zoveel AI als je op basis van het aantal inwoners zou verwachten. Komt er 2,0 uit, dan is het twee keer zoveel.
Nederland zit op 3,9. We gebruiken dus bijna vier keer zoveel als je zou verwachten. Duitsland zit op 2,4, Spanje op 2,7 en Japan op 1,9. Australië staat bovenaan met 6,4.
Het cijfer dat me het meest verbaasde
Wereldwijd gaat 43,4 procent van de gesprekken over werk, 40,2 procent over privé en 16,5 procent over studie. In Nederland is dat 40,8 procent werk, 44,5 procent privé en 14,6 procent studie.
Nederland is dus een van de weinige koplopers waar privé wint van werk. In Brazilië gaat 57,4 procent van het gebruik over werk, in de Verenigde Arabische Emiraten 54,6 procent en in Israël 53,3 procent. Wij gebruiken het veel, maar vooral buiten kantoor.
Je ziet het terug in de onderwerpen. Hobby's en leefstijl is bij ons 12,58 procent van alle gesprekken, tegen 9,49 procent wereldwijd. Dat is een derde meer dan gemiddeld. Daarbinnen zitten koken (1,50 procent), verbouwen (0,90 procent), gamen (1,06 procent), trainingsschema's (0,70 procent) en tuinieren (0,38 procent). Uitzoeken en vergelijken is 12,49 procent tegen 10,94 wereldwijd, met beleggingsvragen en productvergelijkingen als grootste posten.
De andere kant is net zo duidelijk. Softwareontwikkeling is bij ons 9,59 procent tegen 11,51 procent wereldwijd, en leren en onderwijs 9,30 tegen 13,23 procent. We bouwen er dus minder mee en we leren er minder mee dan de rest van de wereld.
Wat we werkelijk vragen
Tekst schrijven is met 22,51 procent het grootste onderwerp, bijna gelijk aan het wereldgemiddelde van 22,72 procent. De onderverdeling is interessanter dan dat totaal, want de dataset gaat drie niveaus diep.
In gesprekken over AI op het werk hoor ik al twee jaar dezelfde geruststelling: dat mensen het vooral gebruiken om hun eigen tekst wat op te poetsen. Een spellingcontrole met extra hersens. In de cijfers zie ik dat niet terug.
Proeflezen is 0,67 procent van alle Nederlandse gesprekken, vertalen 0,34 procent, samenvatten 0,48 procent en toon aanpassen 0,56 procent. Alles wat je onder verbeteren en opschonen zou scharen, komt samen op ongeveer 3,4 procent.
Zakelijke mail en brieven schrijven staat in zijn eentje al op 2,49 procent. Marketingteksten op 1,53 procent, socialposts op 1,38 procent, presentaties op 1,26 procent en SEO-teksten op 0,47 procent. En dan de categorie die ik het meest verrassend vind: schrijven over jezelf is samen 4,77 procent, met scripties (2,17 procent), sollicitatiebrieven (0,83 procent), cv's (0,43 procent) en stageverslagen (0,42 procent).
Dat scriptiecijfer betekent dat één op de vijftig Nederlandse gesprekken met dit model over een scriptie gaat. Voor één dataset over één maand vind ik dat veel.
Het model schrijft dus de eerste versie en de mens doet daarna de correctieslag. De meeste organisaties hebben in hun beleid precies de omgekeerde volgorde staan.
Juist deze teksten krijgen straks een watermerk
Kijk nog eens naar dat rijtje: mail, marketingteksten, socialposts, presentaties, SEO-teksten. Dat is precies de content waar artikel 50 van de EU AI Act over gaat.
Sinds 2 augustus 2026 geldt de transparantieplicht uit dat artikel. Wie een chatbot inzet, moet zeggen dat het een chatbot is. Bij deepfakes en bij AI-gegenereerde tekst over zaken van algemeen belang moet je dat zichtbaar melden. De boetes lopen op tot 15 miljoen euro of 3 procent van de wereldwijde jaaromzet.
Het stuk dat de meeste mensen gaat raken is lid 2: de machineleesbare markering. Modellen moeten hun eigen uitvoer voorzien van een merkteken dat een computer kan herkennen, ook als jij het zelf niet ziet. Nieuwe generatieve systemen moeten dat vanaf 2 augustus 2026 meteen aan boord hebben. Systemen die er al waren, kregen uitstel tot 2 december 2026.
Die plicht ligt bij de aanbieder van het model, niet bij jou als schrijver. Maar dat is juist het punt. Het gebeurt automatisch, in de uitvoer, bij precies die 7,13 procent aan zakelijke tekst waar we het hierboven over hadden. Ik schreef eerder over hoe SynthID en C2PA dat technisch doen.
Wat mij betreft is dat de belangrijkste les uit deze cijfers voor het komende jaar. Als je organisatie afspraken maakt over AI en tekst, dan gaan die niet meer alleen over kwaliteit. Ze gaan over de vraag wat er in je documenten zit dat een ander kan uitlezen.
Volg mij op LinkedIn
Elf provincies, elf verhalen
Voor het eerst zijn er ook cijfers per provincie. Let op wat ze wel en niet zeggen. Het gaat om het aandeel in het Nederlandse gebruik, niet om gebruik per inwoner. Noord-Holland staat bovenaan omdat er veel mensen wonen.
Noord-Holland en Zuid-Holland zijn samen goed voor 61,4 procent van al het Nederlandse gebruik. Noord-Brabant volgt met 9,6 procent, daarna Utrecht (6,45), Gelderland (6,26), Overijssel (3,82), Limburg (3,61), Flevoland (3,42), Groningen (2,45), Fryslân (1,35) en Drenthe (0,86).
De verdeling binnen elke provincie zegt meer dan het volume. In Limburg gaat 27,1 procent van het gebruik over studie en in Groningen 23,4 procent, tegen 14,6 procent landelijk. Dat zijn Maastricht en de universiteit van Groningen. Gelderland is juist het meest op werk gericht, met 45,3 procent.
En dan een uitschieter die ik niet had zien aankomen. Drenthe is de kleinste provincie in volume, maar heeft met 14,81 procent het hoogste aandeel softwareontwikkeling van het land. Noord-Holland komt niet verder dan 8,64 procent. Overijssel heeft met 27,02 procent de meeste technische en wiskundige taken. Fryslân schrijft het meest, met 25,76 procent tekstwerk.
Voor de hoofdvraag van dit stuk verandert dat weinig. Wel laat het zien dat een landelijk gemiddelde je niets vertelt over jouw werkvloer. Dat moet je zelf bekijken.
Waarom dit een bestuurlijk probleem is
Als ik de twee bronnen naast elkaar leg, wordt het ongemakkelijk.
Aan de ene kant staat Nederland op plek 11 van 121 landen, met een index van 3,9. Aan de andere kant meet het CBS dat in 2024 22,7 procent van de bedrijven met tien of meer werknemers (opent in nieuw venster) AI-technologie gebruikte. In 2025 was dat bij microbedrijven 13,8 procent en bij het grootbedrijf 66,2 procent (opent in nieuw venster).
De SparkOptimus-benchmark van juni 2026 (opent in nieuw venster) laat zien dat 40 procent van de medewerkers dagelijks AI-tools gebruikt, terwijl maar 15 procent van de AI-projecten echt wordt uitgerold. Dat komt uit gesprekken met ruim vijftig beslissers, dus het is geen representatieve steekproef. De richting is duidelijk genoeg.
Ik wil eerlijk zijn over de zwakke plek in deze vergelijking. Het CBS meet of een bedrijf een van zeven vastgestelde AI-technieken inzet. De Economic Index meet waar gesprekken over gingen. Dat zijn twee verschillende dingen en je kunt ze niet zomaar op elkaar delen. Maar juist dat verschil is het punt. De ene meting kijkt naar wat een organisatie besluit, de andere naar wat mensen doen.
Ik zie in de markt waar dat verschil vandaan komt. Mensen proberen zelf tools uit en bouwen hun eigen custom GPT's, voor hun werk en voor thuis. Vaak met tools die hun organisatie niet heeft goedgekeurd.
Wat ik daarbij opvallend vind, is dat dat volkomen logisch is. Wie in financiële dienstverlening werkt, moet bij elke nieuwe tool langs de AVG, een securitytoets, de AI Act en sinds januari 2025 ook DORA. Daar komt de gewone vraag bovenop of er budget voor is. Zo'n beoordeling kost weken. In diezelfde weken verschijnt er een nieuwe versie van het model, of een tool die interessanter is dan degene die nog in de toetsing zit. Een individu heeft die stap niet, dus die is altijd sneller.
Ik schreef eerder dat shadow AI blokkeren niet werkt, en dit is het cijfer onder die stelling. Mensen wachten niet tot hun organisatie een AI-strategie heeft. Ze gebruiken het gewoon, en als het op kantoor niet kan, dan thuis.
Het CBS vroeg aan bedrijven die AI overwogen maar niet begonnen wat hen tegenhield. Ongeveer 75 procent noemde gebrek aan ervaring. Dat is een kennisprobleem en geen geld- of techniekprobleem, in een land waar de bevolking tot de intensiefste gebruikers ter wereld hoort. De kennis is er dus wel, alleen zit die bij de mensen en niet in de procedure. Dat sluit aan bij wat ik eerder schreef over de blinde vlek in de boardroom.
Wat ik hiermee zou doen
Ik bouw zelf al twee jaar tools met Claude Code en Cursor, zonder dat ik ontwikkelaar ben. Ik weet dus uit ervaring hoe snel het gat groeit tussen wat iemand in zijn eentje voor elkaar krijgt en wat er formeel is afgesproken. Drie dingen zou ik daarom anders aanpakken.
1. Vraag niet of mensen AI gebruiken, vraag waarvoor
Een adoptiepercentage zegt je bijna niets. De vraag die er wel toe doet, is welke taken je mensen aan een model geven. Als het bij jou net zo ligt als in deze cijfers, dan gaat het niet om correctiewerk maar om eerste versies van mail, presentaties en teksten. Dat vraagt om afspraken over wie de tweede versie maakt en wie verantwoordelijk is voor wat er naar buiten gaat. Een toolkeuze lost dat niet op.
2. Haal het privégebruik naar binnen
Als 44,5 procent van het Nederlandse gebruik privé is, dan zit een deel van je mensen 's avonds thuis vaardigheden op te bouwen die je overdag niet gebruikt. Dat is zonde, en het is ook een risico, want ze werken zonder afspraken over data en verantwoordelijkheid. Ik schreef eerder over de vier soorten AI-gebruikers in je organisatie. De eerste stap is nog steeds dat je weet wie waar zit.
3. Verkort de toetsing in plaats van de ambitie
Dat maar 15 procent van de projecten wordt uitgerold, is het cijfer waar ik het meest van schrik. Niet omdat proeven mislukken, want dat hoort erbij, maar omdat de toetsing vaak langer duurt dan de tool zelf meegaat. Zolang je bij elke tool opnieuw vanaf nul begint met AVG, security, AI Act en DORA, wint het individu altijd. De uitweg zit wat mij betreft in een vaste route die je één keer inricht en daarna per tool doorloopt.
Nog één ding over die cijfers
Ik gebruik hier één dataset van één aanbieder, over één maand, zonder gegevens over de gebruikers. Wie ChatGPT, Gemini of Copilot gebruikt, zit er niet in. Het is dus geen doorsnede van Nederlands AI-gebruik, maar van Nederlands Claude-gebruik.
Er zit ook geen reeks in de tijd, dus je kunt er niet uit aflezen dat iets stijgt of daalt. Anthropic zegt dat er zelf nadrukkelijk bij, en ik houd me daaraan. Bij dit soort cijfers is de verleiding groot om een lijn te trekken die er niet is.
Toch is het de meest concrete bron die ik ken over waar mensen een taalmodel echt voor gebruiken. De patronen zijn te uitgesproken om weg te wuiven. Als je land op plek 11 van 121 staat en het gebruik vooral thuis plaatsvindt, dan hoef je je mensen niet meer te overtuigen van AI. Dan is de enige vraag die er nog toe doet hoe lang het bij jou duurt voordat iets goedgekeurd op hun bureau ligt.
Bronnen
* De volledige dataset, methodologie en definities: Anthropic Economic Index (opent in nieuw venster) * AI-gebruik door Nederlandse bedrijven met tien of meer werknemers: CBS AI-monitor 2024 (opent in nieuw venster) * AI-gebruik door Nederlandse microbedrijven, MKB en grootbedrijf: CBS, 16 maart 2026 (opent in nieuw venster) * Dagelijks AI-gebruik door medewerkers en het aandeel projecten dat wordt uitgerold: SparkOptimus-benchmark via Consultancy.nl, 22 juni 2026 (opent in nieuw venster)