AI Career Pathways and Workforce Mobility

AI threatens not just individual jobs but the career pathways — the sequences of roles through which workers build skills and access higher-wage work — that underpin economic mobility for the 70 million Americans without four-year degrees.

What It Is

Opportunity@Work and Brookings (April 2026) introduced a pathway-centric framework for understanding AI’s labor market impact. Rather than analysing job-by-job disruption, they map occupations into three roles within mobility sequences: Origin occupations (accessible entry points), Gateway occupations (stepping-stone roles that connect entry-level to higher-wage work), and Destination occupations (higher-wage endpoints). The health of these pathways — particularly Gateway occupations — determines whether workers can ascend economically.

STARs (Skilled Through Alternative Routes) — workers without four-year degrees who have built skills via work experience, military service, apprenticeships, or community college — make up 62.3% of Gateway occupation workers. They are simultaneously the most dependent on pathway health and the most exposed to AI disruption of those pathways.

Why It Matters (for the Economy)

The pathway framing reveals a risk that job-level analysis misses: a Gateway occupation disrupted by AI doesn’t just displace its current workers; it also closes the route for Origin workers who would have moved through it. More than 23 million STARs have transitioned across occupations on upward pathways over the last 10 years. If AI erodes the Gateway roles that enable these transitions, the consequence is systemic: career ladders collapse rather than individual rungs breaking.

The framework also highlights the regional dimension. Labor markets are local — ~73% of US workers live and work in the same county. The concentration of AI-exposed Gateway occupations varies sharply by region, creating uneven geographic exposure: some metropolitan areas face acute pathway disruption while others are relatively insulated.

Evidence & Examples

15.6 million STARs (one-fifth of 70 million total) work in occupations in the top quartile of AI observed exposure (How AI may reshape career pathways to better jobs.md)
Nearly 11 million STARs are in Gateway occupations that are highly AI-exposed; six Gateway occupations alone account for almost 8 million STARs in high-exposure work — concentrated in clerical and administrative roles (How AI may reshape career pathways to better jobs.md)
12.9 million workers (~one-third of all workers) in Destination occupations are highly exposed to AI, including sales representatives, accountants and auditors, and financial managers (How AI may reshape career pathways to better jobs.md)
Only 51% of job pathways between Gateway and Destination occupations are not highly exposed to AI (How AI may reshape career pathways to better jobs.md)
3.5 million STARs account for 67% of workers who are both highly exposed to AI and have low adaptive capacity — the most vulnerable population (How AI may reshape career pathways to better jobs.md)
Regional variation: Palm Bay, FL (35.5%), Cape Coral, FL (34.7%), and Jacksonville, FL (33%) have the highest shares of STARs in highly exposed Gateway occupations; Midwest metros like Cincinnati (24.1%) and Milwaukee (24%) appear less exposed (How AI may reshape career pathways to better jobs.md)
Customer service representative roles illustrate the pathway mechanism: they are accessible from Origin roles (receptionists, cashiers, couriers) and enable transitions to Destination roles (HR assistants, sales reps). AI disruption of this Gateway would simultaneously harm both ends of the pathway (How AI may reshape career pathways to better jobs.md)

Tensions & Open Questions

AI exposure ≠ job loss. The Brookings framework explicitly notes that high exposure could mean augmentation rather than displacement. The outcome depends on deployment choices by firms and the evolution of AI capabilities.
New pathways may emerge. As some traditional pathways erode, AI may create new origin-gateway-destination sequences in fields that grow around AI tools. The open question is whether these new pathways will be accessible to STARs or primarily benefit college-educated workers.
Local response capacity: The report argues that maintaining mobility will require “strong and grounded local efforts” — but local workforce systems, ROMs, and training providers vary enormously in capacity and funding. What does effective local response actually look like at scale?
Dutch context — McKinsey NL report now located (web search, April 2026): McKinsey QuantumBlack published “Capturing the Generative AI Opportunity for the Dutch Labor Market” (November 2024). Key findings: even in the slower adoption scenario, gen AI could reduce total work hours needed by 15%; five sectors with high Dutch AI potential: finance/insurance, IT, administrative/government, education, professional services. A separate report (“Netherlands Advanced: Building a Future Labor Market that Works,” June 2024) found AI-driven productivity growth could reduce the projected 1.4 million-person Dutch labour shortage by 85–90% to just 100,000–200,000 by 2030 — reframing AI as a potential solution to the Netherlands’ structural labour shortage. Dutch STARs-equivalent faces a different exposure pattern than US STARs: Dutch labour shortage is in skilled manual, digital/tech, and health/social care, not administrative/clerical Gateway roles. This suggests the Dutch pathway disruption pattern is likely less acute in clerical roles but more acute in professional services. CBS data (Q3 2025): more unemployed than vacancies for first time in four years; 41% of Dutch workers believe AI could handle part of their work; CPB expects near-zero labour supply growth 2026–2040. [source needed — McKinsey QuantumBlack Nov 2024 / Jun 2024; mckinsey.com/capabilities/quantumblack/our-insights/capturing-the-generative-ai-opportunity-for-the-dutch-labor-market]
🔴 TODO (SUBSTANTIALLY NARROWED): McKinsey NL report content now summarised above. Physical ingestion to Raw/ still recommended for verbatim citation and full analysis.

AI Labor Displacement and Augmentation · Skill Partnerships Human-AI · AI Skill Formation and Deskilling · AI as a General Purpose Technology

AI, Loopbaanpaden en Arbeidsmarktmobiliteit

AI bedreigt niet alleen individuele banen, maar ook de loopbaanpaden — de reeksen functies waarmee werknemers vaardigheden opbouwen en toegang krijgen tot beter betaald werk — die de economische mobiliteit ondersteunen voor de 70 miljoen Amerikanen zonder vierjarige opleiding.

Wat Het Is

Opportunity@Work en Brookings (april 2026) introduceerden een padgericht kader voor het begrijpen van de impact van AI op de arbeidsmarkt. In plaats van verstoring per baan te analyseren, brengen ze beroepen in kaart in drie rollen binnen mobiliteitsreeksen: Herkomst-beroepen (toegankelijke instappunten), Doorgang-beroepen (tussenstappenfuncties die instapniveau met beter betaald werk verbinden) en Bestemming-beroepen (beter betaalde eindpunten). De gezondheid van deze paden — met name Doorgang-beroepen — bepaalt of werknemers economisch kunnen opklimmen.

STARs (Skilled Through Alternative Routes — vakbekwaam via alternatieve routes) — werknemers zonder vierjarige opleiding die vaardigheden hebben opgebouwd via werkervaring, militaire dienst, leerlingplaatsen of community college — vertegenwoordigen 62,3% van de werknemers in Doorgang-beroepen. Ze zijn tegelijkertijd het meest afhankelijk van de gezondheid van paden én het meest blootgesteld aan AI-verstoring van die paden.

Waarom Het Belang Heeft (voor de Economie)

Het padkader onthult een risico dat analyse op baanniveau mist: een Doorgang-beroep dat door AI wordt verstoord, verplaatst niet alleen zijn huidige werknemers; het sluit ook de route voor Herkomst-werknemers die er doorheen zouden zijn gegaan. Meer dan 23 miljoen STARs zijn de afgelopen 10 jaar via opwaartse paden van beroep veranderd. Als AI de Doorgang-rollen die deze overgangen mogelijk maken aantast, is het gevolg systemisch: loopbaanladders storten in in plaats van dat individuele sporten breken.

Het kader benadrukt ook de regionale dimensie. Arbeidsmarkten zijn lokaal — ~73% van de Amerikaanse werknemers woont en werkt in hetzelfde county. De concentratie van AI-blootgestelde Doorgang-beroepen verschilt sterk per regio, waardoor ongelijke geografische blootstelling ontstaat: sommige grootstedelijke gebieden worden geconfronteerd met acute padverstoringen, terwijl andere relatief beschermd zijn.

Bewijs & Voorbeelden

15,6 miljoen STARs (een vijfde van 70 miljoen in totaal) werken in beroepen in het bovenste kwartiel van de AI-waargenomen blootstelling (How AI may reshape career pathways to better jobs.md)
Bijna 11 miljoen STARs zijn in Doorgang-beroepen die sterk aan AI zijn blootgesteld; zes Doorgang-beroepen alleen al vertegenwoordigen bijna 8 miljoen STARs in sterk blootgesteld werk — geconcentreerd in administratieve en secretariële functies (How AI may reshape career pathways to better jobs.md)
12,9 miljoen werknemers (~een derde van alle werknemers) in Bestemming-beroepen zijn sterk blootgesteld aan AI, inclusief verkoopvertegenwoordigers, accountants en auditors, en financieel managers (How AI may reshape career pathways to better jobs.md)
Slechts 51% van de loopbaanpaden tussen Doorgang- en Bestemming-beroepen zijn niet sterk blootgesteld aan AI (How AI may reshape career pathways to better jobs.md)
3,5 miljoen STARs vertegenwoordigen 67% van de werknemers die zowel sterk zijn blootgesteld aan AI als een lage adaptieve capaciteit hebben — de meest kwetsbare bevolkingsgroep (How AI may reshape career pathways to better jobs.md)
Regionale variatie: Palm Bay, FL (35,5%), Cape Coral, FL (34,7%), en Jacksonville, FL (33%) hebben de hoogste aandelen STARs in sterk blootgestelde Doorgang-beroepen; Midwest-metro’s zoals Cincinnati (24,1%) en Milwaukee (24%) lijken minder blootgesteld te zijn (How AI may reshape career pathways to better jobs.md)
Klantenservicemedewerkersfuncties illustreren het padmechanisme: ze zijn toegankelijk vanuit Herkomst-functies (receptionisten, kassamedewerkers, koeriers) en maken overgangen mogelijk naar Bestemming-functies (HR-assistenten, verkoopvertegenwoordigers). AI-verstoring van dit Doorgang-beroep zou beide uiteinden van het pad tegelijkertijd schaden (How AI may reshape career pathways to better jobs.md)

Spanningsvelden & Openstaande Vragen

AI-blootstelling ≠ banenverlies. Het Brookings-kader stelt expliciet dat hoge blootstelling versterking kan betekenen in plaats van verdringing. De uitkomst hangt af van inzetbeslissingen van bedrijven en de ontwikkeling van AI-capaciteiten.
Nieuwe paden kunnen ontstaan. Terwijl sommige traditionele paden eroderen, kan AI nieuwe herkomst-doorgang-bestemming-reeksen creëren in vakgebieden die rondom AI-tools groeien. De open vraag is of deze nieuwe paden toegankelijk zullen zijn voor STARs of voornamelijk hoger opgeleide werknemers ten goede komen.
Lokale responscapaciteit: Het rapport betoogt dat het handhaven van mobiliteit “sterke en gewortelde lokale inspanningen” vereist — maar lokale arbeidsmarktsystemen, ROM’s en opleidingsinstellingen variëren enorm in capaciteit en financiering. Hoe ziet effectieve lokale respons er op schaal eigenlijk uit?
Nederlandse context — McKinsey NL-rapport nu gevonden (webzoekresultaat, april 2026): McKinsey QuantumBlack publiceerde “Capturing the Generative AI Opportunity for the Dutch Labor Market” (november 2024). Kernbevindingen: zelfs in het trager-adoptie-scenario zou generatieve AI de totaal benodigde arbeidsuren met 15% kunnen verminderen; vijf sectoren met hoog Nederlands AI-potentieel: financiën/verzekeringen, IT, administratie/overheid, onderwijs, professionele dienstverlening. Een afzonderlijk rapport (“Netherlands Advanced: Building a Future Labor Market that Works,” juni 2024) stelde vast dat AI-gestuurde productiviteitsgroei het verwachte Nederlandse arbeidstekort van 1,4 miljoen personen met 85–90% kon verminderen tot slechts 100.000–200.000 in 2030 — waarmee AI wordt geherpositioneerd als een potentiële oplossing voor het structurele arbeidstekort van Nederland. Het Nederlandse STARs-equivalent staat voor een ander blootstellingspatroon dan de Amerikaanse STARs: het Nederlandse arbeidstekort zit in geschoolde handarbeid, digitaal/tech en gezondheids-/sociale zorg, niet in administratieve/secretariële Doorgang-functies. Dit suggereert dat het Nederlandse padbeverstoringspatroon waarschijnlijk minder acuut is in administratieve functies, maar acuter in professionele dienstverlening. CBS-gegevens (Q3 2025): voor het eerst in vier jaar meer werklozen dan vacatures; 41% van de Nederlandse werknemers gelooft dat AI een deel van hun werk kan uitvoeren; het CPB verwacht bijna nulgroei van het arbeidsaanbod 2026–2040. [bron nodig — McKinsey QuantumBlack nov. 2024 / jun. 2024; mckinsey.com/capabilities/quantumblack/our-insights/capturing-the-generative-ai-opportunity-for-the-dutch-labor-market]
🔴 TODO (AANZIENLIJK VERNAUWD): De inhoud van het McKinsey NL-rapport is nu samengevat bovenstaand. Fysieke opname in Raw/ wordt nog steeds aanbevolen voor letterlijk citaat en volledige analyse.

Gerelateerde Concepten