AI-toepassing bij offshorepersoneel in 2026

De vergelijking met de technologiesector biedt nuttige context. Het percentage regelmatige gebruikers bij Sourcefitligt 3,7 punten onder het resultaat voor de Amerikaanse technologiesector, terwijl het percentage dagelijkse gebruikers 4,5 punten hoger ligt en het percentage mensen dat de technologie überhaupt gebruikt 12,8 punten hoger ligt. Dit wijst erop dat de offshore-werknemers in deze steekproef niet afwachten tot de invoering van AI van start gaat. Het gebruik is nu al vergelijkbaar met dat van digitaal intensieve beroepsgroepen, hoewel uit het onderzoek niet blijkt waarom dit verschil bestaat.

Voor klanten is de belangrijke vraag dan ook niet of offshore-professionals AI zullen gebruiken. Het gaat erom of regelmatig individueel gebruik wordt ondersteund door goedgekeurde tools, passende controles en workflows die activiteiten omzetten in meetbare verbeteringen. Een hoge acceptatiegraad is een teken dat men er klaar voor is, maar geen bewijs van hogere productiviteit, betere kwaliteit of lagere kosten.

Dat patroon is van belang omdat het de belangrijkste belemmering voor de invoering buiten de individuele medewerker plaatst. Slechts 17,6% gaf aan dat het voor hun werk slechts in beperkte mate relevant was, terwijl toegang, beheer en ondersteuning de antwoorden domineerden. Sourcefit heeft de groep van 77,1% na de enquête ingedeeld; dit moet dan ook worden gezien als een operationele interpretatie en niet als een oordeel over verantwoordelijkheid door de respondenten.

Voor klanten is de volgorde van de stappen van cruciaal belang. Teams moeten toegang hebben tot goedgekeurde tools en duidelijke grenzen voor het gebruik van gegevens, voordat een brede training daadwerkelijk waarde kan opleveren. Mensen opleiden in het gebruik van applicaties waartoe ze geen toegang hebben, of experimenteren aanmoedigen zonder vastgestelde controles, leidt waarschijnlijk eerder tot frustratie en onbeheersbare risico’s dan tot een blijvende acceptatie.

Het contrast met het cijfer van Mercer – 40% van de werknemers wereldwijd maakt zich zorgen – is opvallend, maar niet direct vergelijkbaar omdat de vragen, steekproeven en onderzoeksopzet verschillen. De variatie binnen de steekproef van de ‘ Sourcefit ’ is beter bruikbaar: de bezorgdheid varieerde van 0% tot 22,6% over veertien klantenteams met ten minste vijftien reacties. Een enkel organisatiebreed gemiddelde kan daarom betekenisvolle verschillen op accountniveau verhullen.

Voor klanten biedt een lage algemene bezorgdheid nuttige ruimte voor verantwoorde verandering. Dit wijst erop dat veel teams wellicht openstaan voor rolspecifieke AI-ondersteuning, terwijl de verschillen tussen klanten pleiten voor gerichte communicatie in plaats van een uniform programma. Managers moeten in kaart brengen waar de onzekerheid zich concentreert, uitleggen hoe rollen zich kunnen ontwikkelen en nieuwe tools koppelen aan duidelijke verwachtingen ten aanzien van menselijke controle.

Het patroon van die waarde is net zo belangrijk. Schrijven en onderzoek maken 66,2% uit van de toepassingen die de respondenten het nuttigst vonden; taken die vaak via een browser kunnen worden uitgevoerd zonder dat de onderliggende dienstverlening opnieuw hoeft te worden ontworpen. De acceptatie lijkt sneller te zijn gegaan dan de integratie.

Voor klanten zal het volgende voordeel waarschijnlijk voortvloeien uit de toepassing van AI binnen herhaalbare werkprocessen, zoals klantenondersteuning, gegevensverwerking en kwaliteitscontrole. Deze toepassingen zijn moeilijker te implementeren, maar kunnen worden beoordeeld aan de hand van operationele maatstaven, waaronder servicekwaliteit, doorlooptijd, nauwkeurigheid en herwerk.

Dit verschil is commercieel gezien van belang omdat werknemers bij dezelfde werkgever in dienst zijn, maar in verschillende klantomgevingen werken. De uitkomst wijst beleidsmakers op verschillen in de toegang tot hulpmiddelen, het beleid, de inrichting van werkprocessen en de managementpraktijk, in plaats van geografie als standaardverklaring te beschouwen.

De tabel is geanonimiseerd en heeft een beschrijvend karakter. Er wordt geen rangorde aangegeven op basis van de prestaties van klanten, noch wordt uitgelegd waarom er verschillen tussen teams bestaan. Wel wordt duidelijk gemaakt waar een inkoper het ontwerp van voorzieningen, machtigingen en workflows veel nauwkeuriger kan onderzoeken.

Het steekproefproces begon met de volledige werknemerslijst van Knit . Sourcefit verwijderde één EOR-account, gebruikers van klanten, testgegevens en dubbele records, en vergeleek vervolgens de overgebleven records met de HR-werknemerslijst om te controleren of de werknemers nog in dienst waren. De uiteindelijke analysebasis bevat 1.968 unieke responsrecords, waarvan 1.860 werknemers waren die dagelijks door klanten werden aangestuurd en 108 managers of interne medewerkers van Sourcefit .

Dit is een grote steekproef uit de praktijk, maar het is geen wereldwijde benchmark voor het personeelsbestand. De gegevens zijn afkomstig van één werkgever en 87,4% van de geanalyseerde respondenten was gevestigd in de Filippijnen. Vergelijkingen tussen landen zijn daarom louter beschrijvend, terwijl de bevindingen over door klanten geleide teams een centralere rol spelen in het onderzoek. Het aantal bevestigde respondenten en het aantal unieke records zijn afzonderlijke maatstaven en moeten precies zo worden weergegeven als in de tabel is aangegeven.

De voltooiingsgraad bedroeg 94,71%. De toegang tot het systeem werd pas vrijgegeven na het invullen van de enquête, tegen het einde van de veldwerkperiode, waardoor de deelname toenam en de vertekening door vrijwillige respons werd verminderd. Het nadeel hiervan is dat sommige medewerkers wellicht snel hebben gereageerd om weer toegang te krijgen. Op 15 juli, voordat de toegangsbeperking werd geactiveerd, had ongeveer 82,6% van de medewerkers de enquête ingevuld. Dit biedt nuttige context, maar neemt die beperking niet weg.