De Margedeflatie-Paradox

AI maakt alles goedkoper, sneller en beter. Dat klinkt als vooruitgang. Maar wat als diezelfde efficiëntie het vermogen om geld te verdienen langzaam ondermijnt?

---

01De verschuiving die nog geen naam had

AI maakt werk goedkoper. Daar begint meestal het optimistische verhaal.

Een bedrijf doet met minder mensen meer. Een freelancer levert sneller. Een ondernemer belt geen bureau meer voor werk dat vroeger weken duurde en duizenden euro's kostte. Op papier is dat pure vooruitgang: meer output, lagere kosten, betere toegang.

In diezelfde vooruitgang zit een keerzijde die zelden hardop wordt benoemd. Wat de één bespaart, mist de ander aan omzet. En als dat niet één sector raakt maar de hele laag van kenniswerk tegelijk, verandert efficiëntie langzaam in iets anders: inkomensdruk.

Dat is de margedeflatie-paradox. Productiviteit stijgt, en juist daardoor staan de marges onder druk.

Het werk verdwijnt niet. De marge op het werk verdwijnt.

Eerdere golven werkten anders. De industriële revolutie nam fysiek werk over en duwde mensen omhoog, naar het hoofd. Het internet maakte hele nieuwe beroepen die daarvoor niet bestonden. AI doet iets ongemakkelijkers: het automatiseert het denken zelf. En de vraag waar nog niemand een goed antwoord op heeft, is waar je mensen dan naartoe duwt.

02Wat margedeflatie is

Margedeflatie is het langzaam wegzakken van de verdienmarge op cognitief werk. Geen klassieke deflatie, waarbij de prijzen breed dalen. Iets specifiekers: de premie op kennis, ervaring en denkwerk verdampt.

Kennis was lang schaars, en die schaarste was het hele punt. De advocaat die het contractenrecht kende, de developer die een ingewikkelde applicatie kon bouwen, de consultant die een markt kon ontleden: ze werden betaald voor iets wat de klant zelf niet kon. Die ongelijkheid in kunnen was de basis van hun inkomen.

AI haalt die ongelijkheid weg. Niet door het werk te laten verdwijnen, maar door het voor iedereen bereikbaar te maken. De ondernemer bouwt met wat tooling wat eerst een team van vijf vroeg. De starter zet zijn eigen contracten in elkaar. De zzp'er doet zijn boekhouding zonder accountant. Het kan allemaal nét, en "nét" is genoeg om de prijs te breken.

Is dit niet gewoon commoditisering?

Een terechte tegenwerping. Prijzen die dalen zodra iets algemeen beschikbaar wordt, is een oud verhaal, zo oud als markten zelf. Baumol liet al zien dat winst in de ene sector de kosten in arbeidsintensieve sectoren opdrijft. Margedeflatie spreekt dat niet tegen. Het is een scherper, specifieker geval ervan.

Wat nieuw is, zijn twee dingen tegelijk. De snelheid: eerdere golven speelden zich af over decennia, lang genoeg om mensen te laten doorschuiven naar nieuw, hoger werk. En de breedte: dit raakt niet één beroep maar bijna de hele kennislaag in dezelfde paar jaar. Waar vroeger een trap omhoog stond, automatiseert deze golf juist de verdieping waar die trap naartoe liep. Dat is wat een bekend mechanisme verandert in iets waar je een naam voor nodig hebt.

03De keten die korter wordt

Dit is geen randverschijnsel, zeker niet hier. Nederland is een diensteneconomie in de letterlijkste zin. Het CBS zette de dienstensector in 2023 op 77% van de economie, tegen 49% in 1950. Vier van de vijf gewerkte uren gaan naar diensten. Wat met diensten gebeurt, gebeurt dus met vrijwel alles.

De economie is voor een groot deel een keten van mensen die elkaar diensten verkopen. Een startup huurt een developer. Die developer neemt een accountant. Die accountant koopt software. Dat softwarebedrijf huurt consultants. Elke schakel is iemands omzet, iemands loon, iemands belasting.

AI maakt die keten korter. Niet door schakels weg te halen, maar door de prijs per schakel onderuit te halen. Wat €120 per uur was, wordt €20. Soms nul.

Neem de oprichter die met AI zijn product bouwt en daarmee €200.000 aan bureaukosten uitspaart. Voor hem is dat winst. Voor het bureau is het €200.000 minder omzet, en drie developers die moeten gaan. Die drie verbouwen niet, boeken geen reis, en dat raakt weer de aannemer, de reisbranche, de volgende accountant. Wat de één bespaart, is vaak precies de omzet die de ander kwijtraakt. Doe dat een paar miljoen keer, wereldwijd, en je hebt geen incident maar een patroon.

Gemeten vandaag, verwacht morgen

Hier is het belangrijk om meten en inschatten uit elkaar te houden. Wat we nú al zien is bescheiden maar echt: een studie van Harvard en Imperial College (Demirci e.a., 2024) volgde twee miljoen freelance-opdrachten in 61 landen, en zag binnen acht maanden na ChatGPT het schrijfwerk met 30% dalen, software met 21%, design met 17%. Wat daarna komt, de zwaardere cijfers die je vaak voorbij ziet komen, is een inschatting op basis van het mechanisme, geen meting. De cijfers hieronder houden die twee uit elkaar: de balken tonen de verwachte structurele impact op de langere termijn, niet wat vandaag is gemeten. Het is een indicatieve projectie, geen meting.

Indicatieve projectie, geen meting.

Gemeten korte termijn (Demirci, 8 mnd): copywriting −30%, software −21%, design −17%.

Het patroon is steeds hetzelfde: hoe meer een vak draait op denkwerk en digitaal overdraagbaar is, hoe harder de marge zakt. Wat een lijf, een locatie of een vertrouwensband nodig heeft, houdt langer stand.

Het effect dat zichzelf voedt

Margedeflatie versterkt zichzelf. Goedkoper produceren betekent ook lagere drempels om mee te doen. Meer aanbieders, dus meer prijsdruk. Lagere prijzen, dus lagere inkomens. Lagere inkomens, dus minder besteding. En zo weer rond.

De eerlijke onzekerheid zit hierin: misschien maakt AI genoeg nieuwe vraag en compleet nieuw werk om die daling op te vangen. Misschien versnelt de toegenomen concurrentie de spiraal juist. Dat weten we niet. Maar zelfs als het ergens in het midden uitkomt, is de herverdeling van wie er nog verdient en wie niet groot genoeg om iets te betekenen.

04Juniors gaan eerst

De scherpste kant van margedeflatie zit niet bovenin, bij de senioren. Hij zit bij de instroom.

AI doet precies het werk waarmee je vroeger begon: de eerste analyse, de standaardoutput, het simpele productiewerk. Dat was nooit alleen werk. Het was de leerschool. Je deed het een paar jaar, je werd er goed in, je groeide door. Die leerschool wordt nu wegbezuinigd.

Het bedrijf dat eerst drie juniors aannam, neemt er nu één die met AI het werk van drie doet. De drempel om binnen te komen stijgt, want je moet vanaf dag één meteen iets opleveren. En de startsalarissen zakken, want er valt minder te onderhandelen.

Minder juniors nu betekent minder senioren over tien jaar. Het is het soort probleem dat een bedrijf pas ziet als het te laat is om het nog te repareren.

05Het 70K–150K-segment

De westerse middenklasse is gebouwd op de premie van kenniswerk. Advocaten, accountants, developers, product managers, designers, marketeers: zij zijn de ruggengraat van de bestedingen. Ze verdienen goed, geven makkelijk uit en kunnen veel lenen.

Deze groep wordt als eerste geraakt, en niet via werkloosheid. Via salaris. Wie weggaat wordt niet vervangen, teams krimpen stilletjes, en wie nieuw binnenkomt begint lager, want met AI ligt de lat per persoon hoger.

Maar het gaat niet gelijkmatig naar beneden. De middenklasse scheurt. Een kleine groep gebruikt AI als hefboom en wordt er veel productiever van; zij doen het werk van vijf en krijgen er tijd voor terug in plaats van een tekort aan geld. Een veel grotere groep heeft vaardigheden die simpelweg niet schaars genoeg meer zijn om de oude premie te dragen. Boven stijgt, onder zakt, en het midden valt weg.

De tweede as: niet alleen verdienste, ook afkomst

Eén kanttekening bij die K-vormige ontwikkeling. Zoals hierboven is hij een verhaal van kunnen: wie met AI overweg kan wint, wie dat niet kan verliest. Een prestatieverhaal. Maar er loopt een tweede lijn dwars doorheen, en die wordt steeds bepalender: wie erft, en wie niet. Dat heeft niets met inzet te maken en alles met geboorte.

Die tweede lijn bepaalt wie de klap echt voelt. Wie inkomensdruk krijgt maar vermogen achter zich heeft, een aanbetaling van de ouders of een huis dat overgaat, kan de pijn een generatie lang dempen. Wie diezelfde druk krijgt zonder buffer, ziet de werkelijke vorm van het systeem als eerste. Hoe meer je levensloop afhangt van erfenis in plaats van inkomen, hoe minder de K een verdienverhaal is en hoe meer een verdelingsvraag. (Die tweede lijn werken we apart uit in De Tweede As.)

Voorbeeld: de senior developer van toen en straks. Vandaag verdient een senior fullstack developer in Nederland €85.000 tot €95.000. Het bedrijf huurt hem in omdat complexe applicaties bouwen een schaarse vaardigheid is die jaren ervaring vraagt. Een paar jaar later doet een junior met AI vergelijkbaar werk in een fractie van de tijd. De senior wordt niet ontslagen, maar bij de volgende reorganisatie krimpt zijn team van acht naar vier. De nieuwe mensen komen binnen op €55.000 tot €65.000. Het werk bestaat nog. De premie op het werk is verdwenen.

06De huizenmarkt als spiegel

De Nederlandse huizenmarkt staat op een aanname die niemand uitspreekt: dat twee mensen met kenniswerk samen €70.000 tot €150.000 per persoon blijven verdienen. Elke hypotheek, elke taxatie, elke nieuwbouwberekening rust erop.

Er zit nog een laag onder, die vaak wordt overgeslagen. De prijzen zelf zijn niet uit de lucht komen vallen. Ze zijn voor een groot deel het resultaat van zeventien jaar goedkoop geld, dat huizen en andere bezittingen heeft losgezongen van wat mensen met werken verdienen (zie De Versnelling). De kwetsbaarheid is dus dubbel: hoge prijzen uit goedkoop geld, die nu de inkomensdruk uit AI tegenkomen. Twee dingen die los van elkaar ontstonden, en op hetzelfde punt samenkomen.

Daar bovenop nog gedrag. De koper van nu leent maximaal. Zegt de bank €800.000, dan kijkt het stel naar huizen van €750.000 tot €850.000. Geen marge, geen vet op de botten.

Een inkomen dat 30% zakt, trekt de leencapaciteit 35 tot 40% omlaag. En de huizenmarkt ís leencapaciteit. Je kunt een miljoen huizen tekortkomen, maar als niemand ze kan betalen doet dat tekort er niet toe. Prijzen zijn bovendien stug naar beneden, want verkopers wachten liever dan dat ze verlies pakken. Inkomen kan wél snel zakken. Wat je dan krijgt is geen crash maar een kloof die langzaam groter wordt. Geen klap. Een bevriezing.

Scenario ter illustratie, geen voorspelling.

De aflossingsvrije tijdbom

Daar komt iets bij dat niets met AI te maken heeft, maar er ongelukkig precies mee samenvalt. Bijna 45% van de Nederlandse hypotheekschuld is aflossingsvrij. Een groot deel van die contracten loopt volgens DNB tegelijk af, rond 2035–2038 en 2047–2052. De AFM schatte in 2021 dat 78.000 huishoudens hun hypotheek dan misschien niet rond krijgen; in een diepe recessie zo'n 147.000.

Vanaf mei en juni 2026 draaien meerdere grote banken de regels strakker: nog maximaal 30% van de woningwaarde aflossingsvrij. Tel op: lagere pensioenen straks, strengere herfinanciering, en de hypotheekrenteaftrek die na dertig jaar wegvalt. Plak daar de inkomensdruk van AI tegenaan, en er duwen drie dingen tegelijk tegen dezelfde markt.

07Twee klokken

De makkelijke versie van dit verhaal is: het gaat sneller dan je denkt. Dat klopt half. En de helft die niet klopt is belangrijk, want er lopen hier twee klokken, en ze tikken in een heel ander tempo.

De eerste klok is wat AI kan. Die loopt hard. Het verschil tussen de modellen van een paar jaar geleden en nu is geen stapje, het is een andere categorie. En er is bijna geen drempel: geen grote investering, geen ombouw, geen jaar implementeren. Wat technisch kan, kan vrijwel meteen.

De tweede klok is wanneer een bedrijf het ook echt doorvoert. Die loopt traag. Organisaties reorganiseren niet zodra iets kan. Contracten lopen door, teams blijven staan, processen veranderen langzaam. Zelfs bedrijven die hun geld verdienen met digitale verandering zitten zelf nog midden in de verbouwing. Tot het zich vertaalt in salarissen, in wie wel en niet wordt aangenomen, in bestedingen, gaan eerder twee tot vier jaar voorbij dan één.

En dan de adder. Dat het traag gaat, maakt het niet minder riskant. Misschien juist riskanter.

Want zolang de inkomens nog niet zijn gezakt, blijven mensen zich vastleggen op de inkomens van nu. Ze tekenen voor de hypotheek, de auto, de vaste lasten, alsof het oude salaris blijft. Elke maand dat het kunnen vooruitloopt op het doorvoeren, committeren meer mensen zich aan verplichtingen die alleen kloppen zolang de oude wereld bestaat. De schade komt niet in één klap. Hij stapelt zich op, stil, in het gat tussen wat al kan en wat nog niet is gebeurd.

Even ter oriëntatie, die eerste klok. Niet als voorspelling van wanneer de klap valt, maar om te laten zien hoe snel de basis is verschoven:

08Waar de waarde heen gaat

Als het midden onder druk komt, verdwijnt de waarde niet. Ze verschuift omhoog: naar de platforms en de infrastructuurlaag eronder.

AI versterkt winner-takes-all, en wel om een harde reden: AI is pas iets waard met data, distributie en rekenkracht, en die drie zitten bij een handvol bedrijven. De kleine consultant verliest zijn marge, maar Google vangt 'm op, want iedereen tikt zijn vraag daar in. De developer wordt goedkoper, maar Microsoft verdient meer, want iedereen wil Copilot.

Tegelijk houdt het fysiek schaarse zijn waarde. AI maakt geen grond, tovert geen koper uit de aarde, wekt geen stroom op, en laat ook niet zomaar nieuwe chipfabrieken verschijnen, wat de hardware-flessenhals (ASML, TSMC) eerder bij schaarste plaatst dan bij de platforms. Hoe meer het digitale gratis wordt, hoe kostbaarder het fysieke en het schaarse. Dat dit ook precies is waar kapitaal naartoe stroomt, weg van arbeid, is geen toeval. Het is dezelfde beweging, van een andere kant bekeken.

09Hoe het zich kan ontvouwen

Margedeflatie is geen gebeurtenis met een datum. Het is een proces, en een vervelend soort proces, want het ontwijkt precies de cijfers waarmee we het zouden willen volgen. De werkloosheid laat niks zien, want mensen worden niet ontslagen, ze worden niet vervángen. De functietitel blijft, de inhoud en het salaris veranderen eronder. De 'senior consultant' doet straks misschien hetzelfde als nu, maar voor minder, met minder collega's, met minder uitzicht. Dat soort verval staat in geen enkele macrostatistiek. En wat je niet meet, zie je als beleidsmaker niet, tot het er al lang is.

De fasen hieronder hangen bewust niet aan jaartallen. Het is een volgorde, geen dienstregeling, juist omdat de tweede klok traag en grillig loopt.

Fase 1: Het sijpelt binnen. Kleine teams die grote verslaan. Solo-ondernemers die bouwen waar eerst een bureau voor nodig was. De resultaten bereiken de directiekamer. De eerste vacaturestops, netjes verpakt als 'strategische heroriëntatie'. (Eind mei 2026 staan we vermoedelijk hier.)

Fase 2: Het kwartje valt. De eerste echte reorganisaties, en niet alleen in tech: ook consultancy, financiële dienstverlening, de advocatuur. Nieuwe mensen komen zichtbaar lager binnen. Het consumentenvertrouwen begint te schuiven.

Fase 3: De doorwerking. Kenniswerkers die minder besteden, raken horeca, winkels, de bouw. Het middensegment van de huizenmarkt loopt vast. Huizen staan langer te koop. Overbieden houdt op.

Fase 4: Het nieuwe normaal. Margedeflatie is een erkend begrip. Salarissen in de meest blootgestelde kenniswerksegmenten liggen structureel 20 tot 35% onder het niveau van 2024, het middensegment van de huizenmarkt heeft 10 tot 20% ingeleverd. De overheid komt met noodverband, maar de verschuiving zelf is al gebeurd. En omdat de tweede klok zo traag liep, is dit precies de fase waarin alle verplichtingen die op de oude inkomens zijn aangegaan, tegelijk zichtbaar worden.

10Meer is minder

De wrangste ironie: de wereld wordt objectief beter. Er komt meer, het is goedkoper, en kennis die vroeger achter een prijskaartje zat is nu voor iedereen. Dat is echt, en het is goed.

De klap op de bestedingen komt in twee fasen, en die worden makkelijk verward. Eerst worden diensten goedkoper, dus gebruiken mensen er meer van. Het volume stijgt. Dat voelt als groei. Pas daarna zakt de koopkracht, en daalt wat mensen in waarde echt besteden. Meer transacties, minder welvaart. De eerste fase verbergt de tweede, en dat is precies waarom de vroege signalen geruststellend lijken terwijl het mechanisme gewoon doorloopt.

Alles wat we eromheen gebouwd hebben, de hypotheken, de pensioenen, de manier waarop we uitgeven, waar de belastinginkomsten vandaan komen, is ontworpen voor een wereld waarin denkwerk schaars en duur is. Die vanzelfsprekendheid verdwijnt. En een nieuwe hebben we nog niet.

De landbouwrevolutie maakte voedsel goedkoper en haalde tegelijk de bodem onder miljoenen boeren vandaan. Dat duurde decennia. Deze keer wordt diezelfde beweging in een paar jaar geperst.

Wie het vroeg ziet, heeft een voordeel. Niet omdat hij de toekomst kent, maar omdat hij zich klaarzet voor meer dan één afloop. Lage vaste lasten. Vrij vermogen. Ruimte om te kiezen. Niet wachten tot het gebeurt, maar rekening houden met wat eraan komt.

11De vraag die overblijft

Dit is geen somber verhaal. Het is een nuchter verhaal. De techniek is echt transformatief en de voordelen zijn echt. Maar de overgang gaat pijn doen voor een grote groep die er niet op gebouwd is.

Misschien valt het mee. Misschien ontstaat er sneller nieuw werk dan er oud werk in prijs daalt. Dat zou kunnen. Maar het mechanisme eronder is nu al zichtbaar, voor wie kijkt. De vraag is of we eerlijk genoeg zijn om het te benoemen, en verstandig genoeg om ons voor te bereiden. Dat begint met herkennen. En herkennen begint met een naam.

De margedeflatie-paradox: hoe harder de output-efficiëntie stijgt, hoe meer de marge op datzelfde werk onder druk komt te staan.

Blijft één vraag over, simpel en venijnig: kan de economie sneller nieuwe waarde maken dan AI bestaande waarde goedkoop maakt? Daar draait alles om. En het antwoord bepaalt of het komende decennium er een wordt van iets nieuws, of van langzaam uitdunnen.

---

Bronnen

• Diensteneconomie Nederland. CBS (december 2024). Dienstensector 77% van economische output in 2023, 81% van gewerkte uren. cbs.nl/en-gb/news/2024/48
• Werkgelegenheid dienstverlening. Wereldbank / Trading Economics. 84,06% van werkgelegenheid in dienstensector (2022).
• Gemeten freelance-impact. Demirci, Hannane & Zhu (2024), Management Science. Twee miljoen opdrachten, 61 landen. −30% schrijfwerk, −21% softwaredev, −17% design binnen 8 maanden na ChatGPT.
• Aflossingsvrije hypotheken. DNB (januari 2026). Bijna 45% van NL hypotheekschuld aflossingsvrij; concentratie aflopende contracten 2035–2038 en 2047–2052.
• Financieel kwetsbare huishoudens. AFM (januari 2021). 78.000 huishoudens financieel kwetsbaar; bij diepe recessie tot 147.000.
• Strengere regels 2026. Radar / AVROTROS (maart 2026). Rabobank, ABN AMRO en Florius scherpen regels aan per mei/juni 2026; max 30% aflossingsvrij.
• Arbeidsmarkt Nederland. DNB / CBS (maart 2026). Participatiegraad 76%+ eind 2025, 97 vacatures per 100 werklozen.

Verwante stukken in het corpus: De Schaar · Het Biljoen · De Versnelling · De Tweede As