Anthropic's AI Exposure Index: Wat Echte Gebruiksdata Betekent voor je Website
Op 5 maart 2026 publiceerde Anthropic "Labor Market Impacts of AI: A New Measure and Early Evidence", een onderzoekspaper van Maxim Massenkoff en Peter McCrory. Ze introduceren "observed exposure", een metriek die meet hoe AI daadwerkelijk wordt ingezet op de werkplek versus hoe het theoretisch ingezet zou kunnen worden. De kloof tussen theorie en praktijk blijkt enorm. En de beroepen die het hardst geraakt worden? Precies de kenniswerkers wiens dagelijks werk zich op het web afspeelt.
Als je een website bouwt of beheert, zit hier een signaal in dat je niet kunt negeren. Hetzelfde patroon dat zich afspeelt op de arbeidsmarkt, een gigantische kloof tussen wat AI kan doen en wat het daadwerkelijk doet, zie je ook op het web. De kloof tussen websites die agent-ready zouden kunnen zijn en die dat daadwerkelijk zijn is minstens zo groot.
Een nieuwe manier om AI's werkelijke impact te meten
Eerdere pogingen om AI's impact op banen te meten leunden op theoretische beoordelingen. Experts die inschatten of een LLM een bepaalde taak zou kunnen versnellen. Het Anthropic-team pakte het heel anders aan en combineerde drie databronnen:
- O*NET Database, taakdefinities van ~800 Amerikaanse beroepen
- Anthropic Economic Index, daadwerkelijke Claude-gebruikspatronen uit miljoenen conversaties
- Eloundou et al. (2023), theoretische LLM-haalbaarheidsscores (β-schaal: 1 = volledig haalbaar, 0,5 = tools nodig, 0 = niet haalbaar)
Het resultaat is "observed exposure", een metriek die taken weegt op theoretische haalbaarheid, daadwerkelijke gebruiksfrequentie, werkrelevantie, automatiseringsniveau en taakaandeel binnen beroepen. Voor het eerst zien we waar AI daadwerkelijk wordt ingezet. Niet waar het zou kunnen, maar waar het echt gebeurt.
De haalbaarheidskloof: theorie vs realiteit
De data laat zien dat daadwerkelijk AI-gebruik zich sterk concentreert op taken die theoretisch het meest haalbaar zijn. Maar het blijft ver achter bij volledige dekking:
97% van waarvoor mensen Claude daadwerkelijk gebruiken valt in categorieen die als theoretisch haalbaar zijn beoordeeld. Maar de dekking binnen die categorieen is verre van volledig. Dat is de haalbaarheidskloof: AI wordt gebruikt waar het werkt, maar het heeft nog lang niet alle taken bereikt die het theoretisch aankan.
AI-adoptie volgt een voorspelbaar pad. Het begint bij de makkelijkste taken en breidt geleidelijk uit. Hetzelfde patroon geldt voor websites. AI agents beginnen met het consumeren van gestructureerde, machineleesbare content en breiden dan uit naar complexere interacties. Of jouw website klaar is voor die uitbreiding, dat is een andere vraag.
Welke beroepen zijn het meest blootgesteld?
De meest blootgestelde beroepen zijn overwegend webgebaseerd kenniswerk. Precies de beroepen waar werknemers dagelijks werken met websites, SaaS-tools en digitale platforms:
Computerprogrammeurs staan bovenaan met 74,5% taakdekking. Driekwart van hun werktaken wordt nu met AI-assistentie uitgevoerd. Als front-end developer voel ik me hierdoor lichtelijk aangevallen. Klantenservicemedewerkers volgen met 70,1%, data-invoermedewerkers met 67,1%. Ondertussen registreert ongeveer 30% van alle beroepen nul AI-dekking. Koks, monteurs, barkeepers, badmeesters. De mensen die dingen doen die je niet kunt copy-pasten.
De adoptiekloof: theoretische vs daadwerkelijke blootstelling
De opvallendste bevinding is hoever het daadwerkelijke AI-gebruik achterblijft bij de theoretische capaciteit. De kloof tussen wat AI zou kunnen doen in een beroep en wat het daadwerkelijk doet is veelzeggend:
IT & Wiskundeberoepen hebben 94% theoretische blootstelling maar slechts 33% daadwerkelijk. Een kloof van 61 procentpunten. Eenenzestig. Die kloof ontstaat door juridische beperkingen, software-integratievereisten, verificatieprotocollen en modelbeperkingen. Precies dezelfde frictiepunten die AI-agentadoptie op het web vertragen. Websites die gestructureerde data missen, AI-crawlers blokkeren of geen machineleesbare interfaces bieden, creeren barrieres voor adoptie die hoe dan ook komt.
Wie zijn de blootgestelde werknemers?
De demografie van AI-blootgestelde werknemers vertelt een helder verhaal. Het zijn ervaren, hoogopgeleide, goedbetaalde professionals. De kenniswerkers die de digitale economie draaiende houden:
| Demografisch kenmerk | Blootgestelde werknemers | Niet-blootgestelde werknemers | Verschil |
|---|---|---|---|
| Vrouwelijke vertegenwoordiging | Hoger | Lager | +16 pp |
| Gemiddeld inkomen | Hoger | Lager | +47% |
| Houders van mastertitel | 17,4% | 4,5% | 3,5x |
| Westerse vertegenwoordiging | Hoger | Lager | +11 pp |
| Aziatische vertegenwoordiging | Hoger | Lager | ~2x |
Blootgestelde werknemers verdienen gemiddeld 47% meer en hebben 3,5 keer vaker een mastertitel. Dit is niet AI dat laaggeschoold werk vervangt. Het is AI dat de meest productieve, best betaalde werknemers versterkt. Hun werkend leven draait om digitale tools en webgebaseerde platforms. Als hun tools steeds meer AI agents incorporeren, moeten de websites die ze gebruiken bijblijven.
Impact op werkgelegenheid: de eerste signalen
De hoofdbevinding over werkgelegenheid klinkt eerst geruststellend: geen systematische toename van werkloosheid voor sterk blootgestelde werknemers sinds de lancering van ChatGPT eind 2022. Maar als je inzoomt vertelt de data een ander verhaal.
BLS-groeiprognoses correleren met blootstelling
De werkgelegenheidsprognoses van het Bureau of Labor Statistics tot 2034 tonen een duidelijke correlatie met daadwerkelijke AI-blootstelling:
Voor elke 10 procentpunten toename in daadwerkelijke AI-dekking dalen BLS-groeiprognoses met 0,6 procentpunten. Belangrijk: deze correlatie verschijnt alleen bij de daadwerkelijke blootstellingsmaatstaf, niet bij theoretische blootstelling alleen. Het BLS houdt dus al rekening met echte AI-adoptiepatronen. Dat valideert Anthropic's aanpak.
Het signaal bij jonge werknemers
De meest zorgwekkende bevinding gaat over jonge werknemers die instromen in blootgestelde beroepen. Werknemers van 22-25 jaar in AI-blootgestelde beroepen zien meetbaar verminderde instroom:
Baanvindingspercentages voor jonge werknemers in blootgestelde beroepen zijn met ongeveer 0,5 procentpunten gedaald sinds eind 2024, een reductie van 14% in wervingspercentages. Voor werknemers boven de 25 geen vergelijkbare daling. Dit sluit aan bij bevindingen van Brynjolfsson et al. Bestaande werknemers verliezen niet hun baan. Bedrijven nemen simpelweg minder junior werknemers aan, vermoedelijk omdat AI-tools taken overnemen die anders naar instapfuncties zouden gaan.
Dit heeft directe gevolgen voor het web. Als bedrijven junior werknemers vervangen door AI-tools, moeten de tools die deze bedrijven gebruiken, inclusief hun websites, interne platforms en klantgerichte diensten, naadloos samenwerken met AI agents. De verschuiving speelt zich al af op wervingsniveau.
De parallel met webgereedheid
De centrale bevinding van het Anthropic-rapport, een enorme kloof tussen theoretische AI-capaciteit en daadwerkelijke adoptie, komt precies overeen met wat ik zie bij AI-agentgereedheid op het web:
DE ARBEIDSMARKTKLOOF
94% van IT & Wiskundetaken is theoretisch automatiseerbaar, maar slechts 33% vertoont daadwerkelijk AI-gebruik. Diffusiedrempels — juridisch, software, verificatie — vertragen adoptie.
DE WEBGEREEDHEIDKLOOF
De meeste websites zouden AI agents kunnen bedienen, maar weinigen doen het daadwerkelijk. Ontbrekende gestructureerde data, geblokkeerde crawlers en afwezige machineleesbare interfaces creeren onnodige barrieres.
De parallellen zijn structureel:
| Arbeidsmarktpatroon | Webgereedheid-equivalent |
|---|---|
| Theoretische blootstelling (94%) vs daadwerkelijk (33%) | Websites die agents zouden kunnen bedienen vs die het daadwerkelijk doen |
| Juridische/softwarebarrieres vertragen adoptie | Ontbrekende robots.txt-regels, geblokkeerde AI-crawlers, geen gestructureerde data |
| Meest blootgesteld = hoogopgeleide kenniswerkers | Meest geraakt = webgebaseerde SaaS, e-commerce, contentplatforms |
| Werving van jonge werknemers vertraagt in blootgestelde sectoren | AI agents vervangen routinematige webtaken (zoeken, formulieren, data-extractie) |
| BLS voorspelt lagere groei voor blootgestelde beroepen | Niet-agentklare websites verliezen zichtbaarheid aan die zich aanpassen |
| Adoptie volgt haalbaarheid (β=1 taken eerst) | Agents beginnen met gestructureerde content, breiden dan uit naar complexe interacties |
Het adoptiemoment is nu
Dat AI-adoptie ver onder theoretische capaciteit ligt is eigenlijk goed nieuws voor website-eigenaren. Het betekent dat we in een transitievenster zitten. De kloof gaat dicht. Gebruik dat vandaag op 33% staat zal richting 94% uitbreiden naarmate integratiebarrieres vallen, modellen verbeteren en workflows volwassen worden.
De vraag is of jouw website klaar zal zijn wanneer dat gebeurt. Het parallelle onderzoek van het Yale Budget Lab bevestigt dat hoewel economie-brede verstoring nog niet zichtbaar is, de beroepssamenstelling wel degelijk verschuift. Zoals Fortune rapporteerde : de transitie is echt maar geleidelijk. Precies het soort verschuiving waarbij vroege voorbereiding zich terugbetaalt.
Wat dit betekent voor jouw website
Op basis van Anthropic's bevindingen zijn dit de gebieden waar webgereedheid het meest uitmaakt:
OPEN DE DEUR VOOR AI-CRAWLERS
Net zoals AI-adoptie begint met haalbare taken, beginnen agents met toegankelijke content. Zorg dat robots.txt AI-crawlers toestaat, bied een llms.txt aan en blokkeer niet de 13+ AI user-agents die het web indexeren.
MAAK JE DATA MACHINELEESBAAR
De 61-punts kloof tussen theoretische en daadwerkelijke blootstelling bestaat deels door slechte tooling. JSON-LD, Schema.org en gestructureerde data dichten de kloof tussen wat AI agents zouden kunnen extraheren en wat ze daadwerkelijk kunnen.
STEL AGENTPROTOCOLLEN BESCHIKBAAR
WebMCP, MCP-discovery, A2A Agent Cards en OpenAPI-specs geven AI agents de interfaces die ze nodig hebben. Het rapport toont dat adoptie capaciteit volgt — maak de capaciteit beschikbaar.
BOUW VERTROUWENSSIGNALEN
Blootgestelde werknemers zijn de meest opgeleide en best betaalde. Hun tools eisen beveiliging: HTTPS, HSTS, CSP, CORS-headers. AI agents — en de professionals die ze gebruiken — moeten je website vertrouwen.
Deze vier gebieden komen direct overeen met de vijf categorieen van de IsAgentReady-scanner. Ik heb die gebouwd om precies deze signalen te meten:
- AI Content Discovery (30%) — crawlertoegang, robots.txt, llms.txt, sitemaps. Zie hoe ChatGPT bronnen selecteert .
- AI Search Signals (20%) — JSON-LD, Schema.org, entity linking, FAQPage schema. Zie de Staat van AEO .
- Content & Semantics (20%) — SSR, koppenstructuur, semantische HTML, ARIA. Zie hoe agents je website zien .
- Agent Protocols (15%) — WebMCP, MCP, A2A, OpenAPI, agents.json. Zie wat is WebMCP .
- Security & Trust (15%) — HTTPS, HSTS, CSP, beveiligingsheaders.
Een early warning systeem — voor banen en websites
Anthropic positioneert dit onderzoek expliciet als een "early warning systeem", ontworpen om AI's arbeidsmarktimpact te volgen voordat er serieuze verstoring optreedt. Hetzelfde principe geldt voor webgereedheid. De data laat zien dat de golf aan het opbouwen is:
- 75% van programmeertaken heeft al AI-dekking
- Werving van jonge werknemers vertraagt al in blootgestelde beroepen
- BLS-prognoses houden al rekening met AI-gedreven groeivertragingen
- De kloof tussen theoretische en daadwerkelijke blootstelling sluit zich al
Als Anthropic, het bedrijf dat Claude bouwt, data publiceert waaruit blijkt dat daadwerkelijk AI-gebruik snel uitbreidt langs voorspelbare adoptiecurves, is dat een signaal. De websites waarmee deze AI-systemen interacteren moeten er klaar voor zijn. De bedrijven die hun websites nu agentklaar maken, profiteren als de adoptiekloof zich sluit. De rest mag achteraf inhalen. En de data zegt dat die transitie al gaande is.
Bronnen
- Labor Market Impacts of AI: A New Measure and Early Evidence — Anthropic Research — Massenkoff & McCrory (maart 2026). Primaire bron voor alle geciteerde statistieken.
- Appendix bij "Labor Market Impacts of AI" — Anthropic Research — Methodologische details en aanvullende data.
- Anthropic Economic Index: January 2026 Report — Anthropic Research — De onderliggende gebruiksdata die de observed exposure-metriek aandrijft.
- Evaluating the Impact of AI on the Labor Market — Yale Budget Lab — Onafhankelijke CPS-analyse die stabiliteit op economiebreed niveau toont.
- Incorporating AI Impacts in BLS Employment Projections — Bureau of Labor Statistics — Hoe het BLS rekening houdt met AI in beroepsgerichte groeiprognoses.
- IsAgentReady: De Staat van AEO — Belangrijkste Inzichten uit Vercel's 2026 Rapport
- IsAgentReady: Hoe AI Agents je Website Zien — De Accessibility Tree Uitgelegd