Wat de UWV Spanningsindicator zegt over personeelstekort en waar AI wél capaciteit kan vrijmaken

De arbeidsmarkt blijft krap, vooral in beroepen waar mensen fysiek aanwezig moeten zijn. Ontdek waar AI en automatisering wél kunnen helpen om meer gedaan te krijgen met hetzelfde team.

TL;DR

De arbeidsmarkt koelt af, maar blijft krap - Volgens UWV is de arbeidsmarkt in het eerste kwartaal van 2026 nog altijd krap, ondanks een daling van het aantal vacatures.
Voor 87 van de 93 beroepsgroepen is de arbeidsmarkt krap of zeer krap - Vooral zorg, techniek en onderwijs blijven moeilijk te vervullen.
Niet elk personeelstekort is met AI op te lossen - Bij verpleegkundigen, loodgieters en leerkrachten blijft fysieke aanwezigheid noodzakelijk.
AI helpt vooral bij kenniswerk, administratie, data en besluitvorming - Denk aan juristen, managers, planners, backoffice-teams en beleidsmedewerkers.
De kans zit in capaciteit vergroten, niet mensen vervangen - Door repetitief werk te automatiseren kan hetzelfde team meer werk aan zonder extra druk.

Automatiseer één tijdrovend proces op onze kosten.

Binnen 14 dagen live.Vooraf leggen we de KPI's vast.KPI's behaald? Dan gaan we samenwerken.

Waarom de UWV Spanningsindicator belangrijk is voor werkgevers

Veel MKB-bedrijven merken het dagelijks: vacatures blijven langer open, medewerkers zitten vol en groei wordt afgeremd doordat er simpelweg te weinig mensen beschikbaar zijn.

De UWV Spanningsindicator maakt dat probleem concreet. UWV berekent de spanning op de arbeidsmarkt door het aantal openstaande vacatures te delen door het aantal mensen dat korter dan 6 maanden een WW-uitkering ontvangt. Deze groep geeft volgens UWV het beste beeld van mensen die direct beschikbaar zijn voor werk.

Vanaf een waarde van 1,5 spreekt UWV van een krappe arbeidsmarkt. Vanaf 4,0 is de arbeidsmarkt zeer krap. In het eerste kwartaal van 2026 bleef de vraag naar medewerkers groter dan het aanbod van direct beschikbare werkzoekenden.

Dat betekent dat werkgevers niet alleen moeten nadenken over werving, maar ook over een andere vraag:

Hoe zorgen we dat het huidige team meer capaciteit krijgt, zonder mensen verder te overbelasten?

Wat de cijfers laten zien

Volgens UWV nam de spanning binnen veel beroepen in het eerste kwartaal van 2026 iets af. Toch merken werkgevers daar vaak weinig van. Voor 87 van de 93 beroepsgroepen is de arbeidsmarkt nog altijd krap of zeer krap.

De grootste krapte zit vooral in sectoren waar fysieke aanwezigheid noodzakelijk is. Denk aan:

Verpleegkundigen
Verzorgenden
Loodgieters en pijpfitters
Machinemonteurs
Leerkrachten basisonderwijs
Technische beroepen
Beroepen in zorg en welzijn

Dat zijn functies waar automatisering niet simpelweg het werk kan overnemen. Een verpleegkundige moet aan het bed staan. Een loodgieter moet op locatie zijn. Een leerkracht moet in de klas aanwezig zijn.

Maar dat betekent niet dat AI hier geen rol speelt. De vraag is alleen: waar in het proces zit werk dat niet per se door die schaarse professional gedaan hoeft te worden?

Het verschil tussen fysiek werk en ondersteunend werk

Bij arbeidsmarktkrapte wordt vaak te breed over AI gesproken. Alsof AI overal hetzelfde effect heeft.

Dat klopt niet.

Er is een groot verschil tussen:

Werk dat fysiek op locatie moet gebeuren
Werk dat bestaat uit informatie verwerken, plannen, controleren, samenvatten of beslissingen voorbereiden

Bij de eerste categorie is AI vooral ondersteunend. Bij de tweede categorie kan AI direct capaciteit vrijmaken.

Een verpleegkundige kan niet worden vervangen door een chatbot. Maar AI kan mogelijk wel helpen bij verslaglegging, planning, overdracht, triage, protocollen opzoeken of het samenvatten van patiëntinformatie.

Een leerkracht kan niet verdwijnen uit het klaslokaal. Maar AI kan wel helpen met lesvoorbereiding, differentiatie per leerling, feedback op werk, voortgangsoverzichten en communicatie met ouders.

Een manager in de zorg blijft verantwoordelijk voor mensen en beslissingen. Maar AI kan helpen om data sneller te analyseren, signalen te herkennen en rapportages automatisch voor te bereiden.

Waar AI direct capaciteit kan vrijmaken

De grootste kans ligt bij functies waar veel informatie door mensenhanden gaat. Denk aan tekst, documenten, e-mails, spreadsheets, CRM-data, rapportages en planningen.

Voorbeelden van werk dat vaak geschikt is voor AI of automatisering:

Handmatig gegevens overnemen tussen systemen
Rapportages samenstellen uit meerdere bronnen
E-mails classificeren en opvolgen
Documenten controleren op ontbrekende informatie
Notulen maken van gesprekken
Actielijsten genereren uit meetings
Klantvragen samenvatten
Dossiers voorbereiden
Managementinformatie verzamelen
Beslissingen ondersteunen met data

Dit soort werk komt veel voor bij MKB-bedrijven. Niet omdat medewerkers inefficiënt zijn, maar omdat processen vaak organisch zijn gegroeid. Er is een CRM, een boekhoudpakket, een mailbox, een Excel-bestand en misschien nog een projectmanagementtool. Het werk zit precies tussen die systemen in.

Daar ontstaat de capaciteitswinst.

Voorbeeld 1: juristen en andere tekstwerkers

In de UWV-lijst zie je ook beroepen waarbij veel met tekst wordt gewerkt. Juristen zijn daar een goed voorbeeld van.

Een jurist moet wetten interpreteren, belangen afwegen en advies geven. Dat blijft mensenwerk. Maar een groot deel van de voorbereiding bestaat uit informatie zoeken, documenten vergelijken, relevante passages markeren en conceptteksten opstellen.

AI kan daar ondersteunen door:

Lange documenten samen te vatten
Relevante passages te vinden
Conceptbrieven op te stellen
Verschillen tussen versies te signaleren
Veelgestelde vragen voor te bereiden
Interne kennis sneller doorzoekbaar te maken

Het doel is niet dat AI de juridische beslissing neemt. Het doel is dat de jurist minder tijd kwijt is aan zoeken, kopiëren en voorbereiden, en meer tijd overhoudt voor beoordeling en advies.

Voorbeeld 2: managers in zorginstellingen

Managers in de zorg werken vaak met veel verschillende informatiestromen. Denk aan roosters, bezetting, verzuim, cliëntdata, budgetten, kwaliteitsrapportages en interne meldingen.

Als die data verspreid staat over meerdere systemen, kost het veel tijd om overzicht te krijgen. Zeker in een krappe arbeidsmarkt is dat riskant. De manager wordt dan zelf de bottleneck.

AI en automatisering kunnen helpen door:

Data uit meerdere systemen samen te brengen
Afwijkingen automatisch te signaleren
Rapportages klaar te zetten
Trends in verzuim of bezetting zichtbaar te maken
Beslisnotities voor te bereiden
Acties te prioriteren

Zo kan één manager meer overzicht houden zonder dat het werk simpelweg zwaarder wordt. Dat is belangrijk, want als een manager uitvalt door overbelasting, wordt het personeelstekort alleen maar groter.

Voorbeeld 3: technische bedrijven met veel administratie

Bij technische beroepen is het fysieke werk vaak niet te automatiseren. Een monteur moet nog steeds naar de klant. Een installateur moet nog steeds de installatie plaatsen. Een engineer moet nog steeds inhoudelijk beoordelen wat technisch klopt.

Maar rondom dat werk zit vaak veel administratie:

Werkbonnen verwerken
Foto’s en rapportages koppelen aan dossiers
Offertes opstellen
Materialen controleren
Planning bijwerken
Klantupdates sturen
Facturatie voorbereiden

Als monteurs of engineers dit handmatig moeten doen, gaat schaarse technische capaciteit verloren aan administratief werk.

Automatisering kan hier direct helpen. Bijvoorbeeld door werkbonnen automatisch om te zetten naar factuurregels, foto’s aan het juiste project te koppelen of klantcommunicatie automatisch klaar te zetten.

Het patroon: laat mensen hun brein gebruiken

De belangrijkste vraag is niet: “Welke banen kan AI vervangen?”

De betere vraag is:

Welke taken houden mensen tegen om het werk te doen waarvoor ze eigenlijk zijn aangenomen?

Bij krapte wil je dat verpleegkundigen zo veel mogelijk bezig zijn met zorg. Dat leerkrachten bezig zijn met onderwijs. Dat juristen bezig zijn met beoordeling. Dat managers bezig zijn met beslissingen. Dat monteurs bezig zijn met techniek.

Elke minuut die zij kwijt zijn aan onnodige administratie, zoeken, overtypen of rapporteren, is capaciteit die je verliest.

AI en automatisering zijn daarom vooral interessant als ze mensen terugbrengen naar hun kernwerk.

5 signalen dat jouw team capaciteit kan winnen met AI

1. Medewerkers voeren dezelfde gegevens meerdere keren in

Als klantgegevens, uren, afspraken of projectinformatie in meerdere systemen worden overgetypt, is dat een duidelijk automatiseringssignaal.

Oplossing: systemen koppelen zodat data automatisch wordt doorgestuurd.

2. Rapportages kosten elke week of maand opnieuw tijd

Als iemand steeds dezelfde exports maakt en samenvoegt in Excel, is het proces klaar voor automatisering.

Oplossing: automatische rapportages op basis van live data uit je systemen.

3. Informatie staat verspreid over mailboxen, documenten en tools

Als medewerkers veel tijd kwijt zijn aan zoeken, ontstaat er verborgen capaciteitsverlies.

Oplossing: centrale kennisbank of AI-assistent die informatie uit bestaande bronnen kan doorzoeken.

4. Managers nemen beslissingen op basis van verouderde data

Als rapportages pas beschikbaar zijn nadat iemand ze handmatig heeft samengesteld, loop je achter de feiten aan.

Oplossing: dashboards en AI-samenvattingen die automatisch worden bijgewerkt.

5. Schaarse specialisten doen veel administratief werk

Als dure of moeilijk vindbare medewerkers veel tijd kwijt zijn aan randzaken, is dat een directe rem op groei.

Oplossing: administratieve taken automatiseren zodat specialisten zich richten op hun kernwerk.

Waar je als MKB-bedrijf het beste kunt beginnen

Begin niet met “we moeten iets met AI”. Begin met het proces waar de meeste capaciteit weglekt.

Een praktische aanpak:

Kies één team waar de werkdruk hoog is.
Vraag welke taken elke week terugkomen.
Noteer welke taken bestaan uit zoeken, controleren, overtypen, samenvatten of rapporteren.
Meet hoeveel tijd dit kost.
Kies één proces dat binnen 2 tot 4 weken verbeterd kan worden.
Automatiseer dat proces.
Meet opnieuw hoeveel tijd is vrijgekomen.

Zo maak je AI concreet. Niet als experiment, maar als capaciteitsoplossing.

Waarom dit juist nu belangrijk is

De arbeidsmarkt wordt misschien iets minder gespannen, maar voor veel werkgevers is het probleem nog lang niet opgelost. Volgens UWV zijn er nog altijd veel meer vacatures dan direct beschikbare werkzoekenden. Vooral in zorg, techniek en onderwijs blijven tekorten groot.

Wachten tot de arbeidsmarkt vanzelf ontspant is daarom geen strategie.

Bedrijven die nu leren om slimmer met capaciteit om te gaan, bouwen een structureel voordeel op. Niet doordat ze harder werken, maar doordat ze minder tijd verliezen aan werk dat software beter kan voorbereiden, verzamelen of automatiseren.

Conclusie: personeelstekort los je niet alleen op met werving

De UWV Spanningsindicator laat zien dat personeel vinden nog steeds lastig is. Vooral in beroepen waar fysieke aanwezigheid nodig is, blijft de druk groot.

Maar dat betekent niet dat bedrijven machteloos zijn.

De oplossing ligt niet altijd in meer vacatures plaatsen. Soms ligt de grootste winst in het beter benutten van het team dat er al is.

Door administratief werk te verminderen, systemen te koppelen en AI in te zetten voor tekst, data en rapportage, ontstaat er capaciteit zonder extra mensen aan te nemen.

Dat is precies waar de kansen liggen voor MKB-bedrijven: niet mensen vervangen, maar mensen vrijmaken voor het werk waar ze echt waarde toevoegen.

Frequently Asked Questions

Wat is de UWV Spanningsindicator?

De UWV Spanningsindicator laat zien hoe krap de arbeidsmarkt is. UWV berekent dit door het geschatte aantal openstaande vacatures te delen door het aantal mensen dat korter dan 6 maanden een WW-uitkering ontvangt. Hoe hoger de waarde, hoe moeilijker het gemiddeld is om vacatures te vervullen.

Wanneer is de arbeidsmarkt krap of zeer krap?

Volgens de UWV-methodiek is de arbeidsmarkt krap bij een waarde van 1,50 tot 4,00. Vanaf 4,00 is de arbeidsmarkt zeer krap.

Kan AI personeelstekorten oplossen?

Niet volledig. AI kan fysieke aanwezigheid niet vervangen bij bijvoorbeeld zorg, techniek of onderwijs. AI kan wel ondersteunend werk verminderen, zoals administratie, rapportages, planning, documentverwerking en informatie zoeken. Daardoor krijgt het bestaande team meer capaciteit.

Voor welke functies is AI het meest kansrijk?

AI is vooral kansrijk bij functies met veel tekst, data, administratie of terugkerende processen. Denk aan juristen, managers, planners, backoffice-medewerkers, recruiters, consultants, administratieve teams en financiële afdelingen.

Hoe helpt AI bij beroepen waar fysiek werk nodig is?

AI helpt daar vooral rondom het fysieke werk. Bijvoorbeeld bij verslaglegging, roosters, overdrachten, klantcommunicatie, werkbonnen, rapportages en planning. Daardoor houden professionals meer tijd over voor hun echte werk.

Waar moet een MKB-bedrijf beginnen met AI en automatisering?

Begin met één proces dat vaak terugkomt en veel handmatig werk bevat. Denk aan rapportages, gegevens overzetten, documenten verwerken of e-mails opvolgen. Automatiseer eerst dat proces, meet de tijdwinst en bouw daarna verder.

Wat de UWV Spanningsindicator zegt over personeelstekort en waar AI wél capaciteit kan vrijmaken