Investeringen in AI kunnen de macro-economische productiviteitsgroei eerst laten terugvallen voordat die versnelt. DNB-econoom Mark Mink beschrijft dit op 11 november als de J-curve van productiviteit: bedrijven maken kosten en passen hun organisatie aan voordat de opbrengsten zichtbaar worden. Voor deze Macro Outlook van donderdag 12 november staat de timing van die economische winst centraal.
| Wat je moet weten |
|---|
| Mark Mink publiceerde zijn DNB-blog over de economische effecten van AI op 11 november 2026. |
| De J-curve beschrijft hoe investeren en aanpassen vooraf kunnen gaan aan hogere productiviteit. |
| DNB onderscheidt toegang tot technologie, gebruik en verspreiding, en verplaatsing van arbeid en kapitaal. |
| De blog geeft geen vaste datum of groeipercentage voor een Nederlandse AI-productiviteitswinst. |
In zijn analyse van AI en de economie noemt Mink de technologie een breed toepasbare basistechnologie, vergelijkbaar met de computer en het internet. Mensen moeten ermee leren werken en bruikbare toepassingen moeten zich verspreiden. De beschikbaarheid van een model is daarmee een ander economisch gegeven dan een gemeten stijging van de productie per gewerkt uur.
De invoering telt mee voordat de opbrengst er is
Een fictief rekenvoorbeeld maakt dat tijdsverschil zichtbaar. Stel dat een organisatie normaal 1.000 vergelijkbare dossiers in 100 arbeidsuren verwerkt. Dat zijn tien dossiers per uur. Tijdens een invoeringsperiode blijven die 1.000 dossiers gelijk, maar kosten training en aanpassing twintig extra uren. De verhouding daalt dan naar 8,33 dossiers per uur, ongeveer 16,7 procent lager. Dat is onze illustratie van een overgangsfase, geen door DNB gemeten bedrijfsresultaat of voorspelling.
Als dezelfde fictieve organisatie daarna 1.200 gelijkwaardige dossiers in 100 uur verwerkt, komt zij uit op twaalf dossiers per uur. Tegenover de oorspronkelijke tien is dat 20 procent meer. Dit latere resultaat volgt alleen als de veronderstelde tijdsbesparing daadwerkelijk optreedt en de kwaliteit gelijk blijft. Extra herstelwerk of controle kan de berekende winst verkleinen. Het voorbeeld laat zien waarom invoeringskosten en blijvende opbrengsten over verschillende perioden moeten worden beoordeeld.
DNB bekijkt daarnaast hoe arbeid en kapitaal terechtkunnen bij bedrijven waar toepassingen het productiefst zijn. Een efficiƫntere werkwijze bij ƩƩn organisatie verhoogt niet automatisch in dezelfde mate de productiviteit van de hele Nederlandse economie. Succesvolle toepassingen moeten zich breder verspreiden en productieve bedrijven moeten kunnen groeien, schrijft Mink. De schaal waarop een resultaat wordt gemeten is dus minstens zo belangrijk als het resultaat zelf.
Een groeiverhaal zonder ingeprijsde uitkomst
Voor beleggers die Nederlandse bedrijven beoordelen, scheidt dit drie vragen: hoeveel wordt er geĆÆnvesteerd, welk deel van het werk verandert en wanneer verschijnt een meetbare opbrengst? De blog levert een mechanisme om die vragen te ordenen, geen winstprognose voor een beursfonds. Ook een koersdoel voor bitcoin of een renteverwachting valt er niet uit af te leiden.
Mink noemt toegang tot Amerikaanse rekenkracht en cloud bij geopolitieke spanningen een aandachtspunt voor Europa. Zelfs bij een bruikbare toepassing blijft beschikbaarheid dus een afzonderlijke voorwaarde. Het door DNB geschetste groeipad hangt af van toegang, organisatorische aanpassing en verspreiding; het begint niet vanzelf bij het aankopen van een AI-abonnement.






