Onderzoek  ›  Casebibliotheek  ›  Case 15: Jevons Paradox / Rebound Effect
Case 15 / 31  •  Thema: Optimaliseren

Jevons Paradox / Rebound Effect

Een taak goedkoper maken kan het totale gebruik zo sterk verhogen dat een deel van de efficiëntiewinst verdwijnt.

Jevons merkte op dat efficiënter gebruik van steenkool niet noodzakelijk minder totaalverbruik betekende. Moderne reboundtheorie maakt dat preciezer: lagere effectieve kosten kunnen extra vraag uitlokken. Goedkopere productie met AI kan daardoor meer controle- en onderhoudswerk achteraf veroorzaken.

✓
OnderzoeksstatusOnderzoekslijn in ontwikkeling
☆
AI-relevantieAI kan een bestaand effect versterken
⚙
KernideeRebound / induced demand
⌾
OnderbouwingBronnen en beperkingen samengevat; onafhankelijke review staat nog open.
◇
CasetypeEconomische paradox / rebound effect
“
In één zin

Een taak goedkoper maken kan het totale gebruik zo sterk verhogen dat een deel van de efficiëntiewinst verdwijnt.

Het verhaalOver hoe de case ontstaat en ons denken kan misleiden.

In 1865 betoogde William Stanley Jevons dat efficiëntere stoomtechnologie het gebruik van steenkool kon uitbreiden. Rebound vermindert de verwachte besparing. Bij 100% rebound verdwijnt die besparing volledig; pas boven 100% is er backfire, ook Jevons-paradox genoemd.

Wat weten we?Bewijs, onderzoek, kritische inzichten en wat we nog niet weten.

Rebound en volledige backfire moeten afzonderlijk worden beoordeeld. Omvang en oorzaken verschillen per context; kenniswerkrebound en verificatie-backfire blijven hier onderzoeksvragen.

Wat is het mechanisme?Welke verklaring het best past bij wat we zien.

Totaal middelengebruik = middelengebruik per item × aantal items. Kies eerst de eenheid, bijvoorbeeld minuten, euro’s of energie. Een lagere kost kan het aantal items beïnvloeden.

Wat verandert AI?Hoe AI het mechanisme kan versterken of zichtbaar maken.

Te onderzoeken AI-toepassing: AI kan de marginale productiekost van sommige taken verlagen. Of daardoor volume en totale reviewlast toenemen, hangt af van gebruik en systeemgrenzen en moet worden getoetst.

Wat willen we testen?Welke vraag we concreet verder willen onderzoeken.

Voorgestelde toets, nog niet uitgevoerd: Vergelijk menselijke productie met AI-ondersteunde productie bij dezelfde vereiste kwaliteit. Leg vooraf resource-eenheid, systeemgrens en meetperiode vast. Meet productie, volume, verificatie en onderhoud. Vergelijk het totale gebruik met een vergelijkbare situatie zonder efficiëntieverbetering én met de verwachte besparing bij gelijkblijvend volume. Alleen een door de efficiëntieverbetering veroorzaakt totaalgebruik boven de eerste vergelijking telt hier als backfire.

Wat nemen we mee?Wat deze case voorlopig betekent — en waar de grenzen liggen.

Productiviteit per taak en organisatorische efficiëntie zijn verschillende uitkomsten.

Kies vooraf dezelfde resource-eenheid, systeemgrens en meetperiode. Rebound compenseert verwachte besparing; backfire vereist méér totaal middelengebruik dan in de vergelijkbare situatie zonder efficiëntieverbetering, met bewijs voor dat oorzakelijke verband. Een stijging tegenover een historisch meetpunt alleen volstaat niet.

BronnenPrimaire en belangrijkste wetenschappelijke bronnen.

Jevons (1865; geraadpleegd: herziene tweede editie, 1866), The Coal Question, hoofdstuk VII, PDF p. 75–76.

Gillingham, Rapson & Wagner (2015), werkpaper, p. 3–5: rebounddefinitie en vergelijking bij gelijkblijvende productkenmerken.

Jevons en Gillingham, Rapson en Wagner onderbouwen de historische casus en de definitie van rebound. De geraadpleegde edities en passages staan hierboven. De toepassing op AI-kenniswerk blijft een onderzoekshypothese.

Geef feedback

Schema op groot formaat