1. Inleiding

Onder personeelsverloop verstaan wij het voortdurende verlies van medewerkers door vertrek, vrijwillig of niet, en in dit artikel gaat het om de samenstelling ervan, niet om het tempo. De kosten van verloop in de IT zijn goed gedocumenteerd; het moment waarop het wordt herkend is dat niet. Schattingen van de vervangingskosten in de praktijkliteratuur lopen van ruwweg 90% tot 200% van het jaarsalaris zodra werving, inwerken en verloren productiviteit worden meegeteld. Toch volgen de meeste IT-afdelingen verloop via één achterlopend getal: het jaarlijkse verlooppercentage. Dat getal beantwoordt de vraag hoeveel mensen vertrokken, niet wie er vertrok of wat er met hen vertrok.

De kloof doet ertoe omdat IT-werk impliciete kennis in weinig hoofden concentreert. Een legacy-integratie, een ongedocumenteerd uitrolritueel, een back-upschema waaruit maar één beheerder ooit een restore heeft gedaan, of een leveranciersrelatie leeft vaak bij een of twee mensen. Wanneer die mensen vertrekken, faalt de afdeling niet onmiddellijk. Ze gaat langzaam achteruit, en die achteruitgang is onzichtbaar voor de metrieken die het management leest.

Webster (2008) gaf het selectieve patroon hierachter een naam: in grote IT-organisaties zijn de sterkste technische medewerkers degenen die het meest waarschijnlijk vertrekken, en de minst mobiele blijven. Hij noemde het het Dode Zee-effect. Zijn essay wordt door praktijkmensen veel geciteerd, maar is nooit tot een model uitgewerkt, en het zegt weinig over wanneer het effect zichtbaar wordt.

Dit artikel vult die lacune met één vraag: waarom herkennen IT-organisaties het Dode Zee-effect pas na het punt waarop het nog te keren is, en wat zou hen in staat stellen het eerder te herkennen?

Twee populaties en één markt. Een IT-afdeling heeft twee technische populaties die dit artikel van de eerste tot de laatste pagina uit elkaar houdt: software-engineers, die systemen bouwen en wijzigen en wier werk een spoor achterlaat in versiebeheer, en systeembeheerders, die infrastructuur, netwerken, databases, storage en operations draaiend houden en wier kennis procedureel is en vooral een spoor achterlaat in tickets, piketroosters en het geheugen. Beide groepen zijn onderhevig aan het Dode Zee-effect. Ze zijn er niet op dezelfde manier aan onderhevig: ze vertrekken in een ander tempo en langs andere routes, hun kennis gaat anders verloren en wordt anders hersteld, en de instrumenten die hun verlies zouden kunnen opmerken verschillen. Wie ze samenvoegt tot één categorie, zoals het essay van Webster en het grootste deel van de praktijkliteratuur doen, verbergt precies de verschillen die bepalen hoe lang de vertraging duurt. Waar dit artikel een cijfer, een bevinding of een aanbeveling geeft, geeft het die voor elke groep afzonderlijk, en zegt het waar ze overeenkomen.

Het artikel is geschreven voor de Nederlandse marktsituatie. Vier kenmerken daarvan raken het betoog direct en keren steeds terug. De meeste grote Nederlandse werkgevers en de hele publieke sector stellen technische beloning vast via collectieve arbeidsovereenkomsten (cao’s) met vaste schalen en jaarlijkse periodieken, zodat de salarisgroei van een sterke engineer die blijft traag en voorspelbaar is, en dat is precies de voorwaarde waaronder goed presterende medewerkers vertrekken (paragraaf 2.2). Het Nederlandse ontslagrecht vereist een preventieve toets door het UWV of de kantonrechter en een wettelijke ontslagvergoeding, zodat de medewerkers die blijven, eenmaal verankerd, moeilijk te verplaatsen zijn. Ondernemingsraden hebben instemmingsrecht over systemen die medewerkers monitoren en over de verwerking van personeelsgegevens, wat beperkingen oplegt aan hoe de indicatoren van paragraaf 6 gebouwd mogen worden. En de Nederlandse ICT-arbeidsmarkt werd in het vierde kwartaal van 2024 als zeer krap aangemerkt voor alle drie de ICT-beroepsgroepen die het UWV onderscheidt (UWV, 2025) en is sindsdien afgekoeld, met vacatures die vanaf hun piek in 2023 zijn gedaald tot circa 18,900 in het tweede kwartaal van 2026 terwijl de werkloosheid onder ICT’ers is gestegen (UWV, 2026); de hervatting van de handhaving op schijnzelfstandigheid in januari 2025 heeft tegelijk de freelanceroute versmald die beide groepen, en beheerders in het bijzonder, als uitweg gebruikten en die werkgevers als vervanging voor werving gebruikten (Minister van SZW & Staatssecretaris van Financiën, 2026). Geen van deze kenmerken is uniek voor Nederland, maar hun combinatie is dat wel, en het artikel claimt niet dat zijn cijfers ongewijzigd overdraagbaar zijn naar andere markten.

Het betoog verloopt als volgt. Paragraaf 2 bespreekt het Dode Zee-effect, de onderzoeksliteratuur die zijn kernbewering ondersteunt, de verwante constructen waarmee het vaak wordt verward, en de twee populaties zoals de Nederlandse markt ze presenteert. Paragraaf 3 benoemt de mechanismen die herkenning vertragen. Paragraaf 4 stelt een vijffasenmodel voor en paragraaf 5 leidt uit een minimaal model van kennisdekking zowel het lock-in-punt als de lengte van de vertraging af. Paragraaf 6 leidt voorlopende indicatoren af, paragraaf 7 volgt een gestileerde afdeling door de vijf fasen, paragraaf 8 bespreekt interventies, en paragraaf 10 zet beperkingen en een empirische onderzoeksagenda uiteen. Bijlage A geeft operationele definities voor elke indicator.

2. Achtergrond

2.1 Het Dode Zee-effect

Webster (2008) merkte op dat de competentieverdeling van een grote IT-afdeling, als alle andere factoren gelijk blijven, die van haar aangenomen medewerkers zou moeten weerspiegelen, maar in de praktijk in de loop van de tijd neerwaarts verschuift. De engineers die het best elders werk kunnen vinden, vertrekken wanneer zij op organisatorische disfunctie stuiten; wie blijft, graaft zich doorgaans in als onderhouder van kritieke systemen en wordt moeilijk te verwijderen. Hij noemde het patroon naar de Dode Zee, waar water alleen door verdamping verdwijnt en het zout achterblijft. Webster presenteerde het uitdrukkelijk als een tendens, niet als een wet: niet iedereen die blijft is ‘residu’, en goed geleide groepen vermijden het patroon volledig. Het essay verscheen op zijn blog als conceptversie van een hoofdstuk voor een boek dat nooit is gepubliceerd, en het concept heeft zich sindsdien vooral via praktijkkanalen verspreid.

2.2 Wie vertrekt: de literatuur over prestaties en verloop

De kernbewering, dat vertrekkers geen willekeurige steekproef uit het personeelsbestand zijn, heeft aanzienlijke empirische steun. Jackofsky (1984) stelde dat vrijwillig verloop curvilineair samenhangt met prestaties: zwak presterenden worden eruit geduwd, sterk presterenden worden eruit getrokken door aanbiedingen van buiten, en gemiddeld presterenden blijven. Trevor, Gerhart en Boudreau (1997) bevestigden dit bij 5,143 werknemers van één onderneming en vonden dat het uiteinde van de curve bij de sterk presterenden wordt gedreven door salarisgroei: waar de salarisgroei achterbleef, was het verloop onder toppresteerders extreem hoog. Salamin en Hom (2005) repliceerden de U-vorm in het Zwitserse bankwezen. Williams en Livingstone (1994) voerden een meta-analyse uit over 55 studies en vonden dat verloop zich alleen onder zwak presterenden concentreert waar beloning afhangt van prestaties; waar dat niet zo is, verzwakt of verdwijnt het verband.

Twee implicaties volgen hieruit voor de IT. Ten eerste is het Dode Zee-effect de toppresteerdersarm van een goed gevestigde curve, geen volkstheorie. Ten tweede zijn de omstandigheden die het voortbrengen specifiek: vlakke salarisgroei en zwakke prestatiedifferentiatie, beide gangbaar in grote bedrijfs- en overheids-IT.

2.3 Functioneel versus disfunctioneel verloop

Dalton, Todor en Krackhardt (1982) betoogden dat een ruw verlooppercentage misleidend is omdat het functioneel verloop (zwak presterenden die vertrekken, wat de organisatie helpt) samenvoegt met disfunctioneel verloop (goed presterenden die vertrekken en behouden hadden kunnen worden). Hun taxonomie loopt vooruit op het centrale meetprobleem dat dit artikel onderzoekt: een geaggregeerd verloopcijfer kan gezond lijken terwijl zijn samenstelling destructief is.

2.4 Wat vertrekt: kennisverlies

DeLong (2004) documenteerde hoe technologie-intensieve organisaties kritieke impliciete kennis verliezen door pensionering en onverwacht vertrek halverwege de loopbaan, en toonde aan dat het verlies doorgaans maanden of jaren na het vertrek aan de oppervlakte komt, wanneer zich een situatie voordoet die alleen de vertrokken medewerker wist af te handelen. Praktijkpublicaties uit dezelfde periode benoemden het probleem expliciet als personeelsverloop (workforce attrition); Kaplan (2009) en Manpower (2010) rapporteerden beide dat een aanzienlijk deel van de werkgevers geen proces had om de kennis van vertrekkende medewerkers vast te leggen.

2.5 Verwante constructen

Het Dode Zee-effect staat naast verschillende bekendere ideeën, en het is de moeite waard precies te zeggen hoe het van elk daarvan verschilt.

Busfactor. De busfactor van een systeem is het aantal mensen dat zou moeten vertrekken voordat het systeem niet langer onderhouden kan worden. Software-engineeringonderzoek heeft hem geoperationaliseerd op basis van versiebeheergeschiedenis (Cosentino, Cánovas Izquierdo & Cabot, 2015; Avelino et al., 2016). Het is een momentopname van kennisconcentratie op een bepaald tijdstip, en de gevestigde maten ervan zijn gebouwd op versiebeheer, dat vastlegt wat software-engineers doen maar niet wat beheerders doen; bijlage A breidt hem uit naar beheerde systemen. Het Dode Zee-effect is het proces dat de busfactor omlaag drijft; de busfactor is een van zijn beste metingen (paragraaf 6), geen concurrerende verklaring.

De wet van Brooks. Brooks (1975) merkte op dat het toevoegen van mensen aan een vertraagd softwareproject het nog verder vertraagt, omdat de overhead van inwerken en communicatie de toegevoegde capaciteit overtreft. De wet betreft een project in tijdnood. Paragraaf 8 generaliseert het mechanisme naar een team in samenstellingsnood: een team dat zijn sterkste leden heeft verloren, mist de capaciteit om nieuwe mensen in te werken, zodat het toevoegen van mensen om dezelfde reden mislukt, permanent in plaats van voor de duur van een project.

Functioneel en disfunctioneel verloop. Dalton et al. (1982) leverden de taxonomie; het Dode Zee-effect is het geval waarin verloop systematisch disfunctioneel is en het geaggregeerde cijfer dat verbergt. De bijdrage hier is het temporele argument: waarom de organisatie de disfunctie laat te weten komt.

Organisatorisch vergeten. De Holan en Phillips (2004) onderscheiden doelbewust vergeten van onbedoeld vergeten, en binnen het laatste het niet vastleggen van nieuwe kennis van het verval van reeds aanwezige kennis. Kennisverlies door verloop is onbedoeld verval. Het Dode Zee-effect voegt aan deze literatuur een selectiemechanisme toe: het is niet willekeurige kennis die vervalt, maar onevenredig vaak de kennis van degenen die het best kunnen vertrekken.

Absorptievermogen. Cohen en Levinthal (1990) betoogden dat het vermogen van een organisatie om nieuwe kennis te herkennen, op te nemen en toe te passen afhangt van de verwante kennis die zij al bezit. Het mechanisme in paragraaf 3.5 is absorptievermogen toegepast op mensen in plaats van op informatie: het vermogen van een team om een sterke nieuwe medewerker te behouden hangt af van de sterke collega’s die al aanwezig zijn. In paragraaf 5 verschijnt dit als het simpele feit dat kennisoverdracht een bron nodig heeft: zodra niemand meer over is die een systeem kent, kan het niemand meer worden aangeleerd.

Verlooptheorie. Een eeuw verlooponderzoek (Hom et al., 2017) heeft zich geconcentreerd op antecedenten op individueel niveau: waarom een bepaalde persoon besluit te vertrekken. Nyberg (2010) laat zien dat voor toppresteerders salarisgroei en promotiesnelheid die beslissing modereren. Het onderhavige artikel neemt de resultaten op individueel niveau als gegeven en stelt een vraag op teamniveau: wat de opeenvolging van zulke beslissingen doet met de samenstelling van wat overblijft, en wanneer iemand het merkt.

2.6 Twee populaties, twee arbeidsmarkten

De literatuur over prestaties en verloop behandelt werknemers als één populatie, gerangschikt naar prestatie. Voor het betoog hier moeten de technische medewerkers van een IT-afdeling in tweeën worden gesplitst, omdat het Dode Zee-effect werkt via drie dingen die systematisch verschillen tussen software-engineers en systeembeheerders: de vorm die hun kennis aanneemt, de route waarlangs zij vertrekken, en het spoor dat zij voor meting achterlaten.

Kennis. De kennis van engineers is deels gecodificeerd in de artefacten die zij produceren. Code, tests, schema’s en pipelines overleven hun auteur, slecht gedocumenteerd maar leesbaar. De kennis van beheerders is procedureel: hoe je een cluster laat omschakelen, in welke volgorde services herstart moeten worden, wat de ongedocumenteerde afhankelijkheid tussen de firewall en het batchvenster is, waarom de restore vanaf de op één na oudste snapshot moet gebeuren. Zij wordt verworven door te doen en bewaard in het geheugen, en zij wordt uitgeoefend op systemen waarvan het falen het hele bedrijf stillegt in plaats van één functie. In de termen van paragraaf 5 is een sterke beheerder moeilijker te vervangen door een sterke nieuwe medewerker dan een sterke engineer, omdat er minder te lezen en meer voor te doen is.

Uitstroomroutes in de Nederlandse markt. In het vierde kwartaal van 2024 merkte het UWV alle drie de ICT-beroepsgroepen die het onderscheidt, software- en applicatieontwikkelaars, database- en netwerkspecialisten, en ICT-gebruikersondersteuning, aan als geconfronteerd met een zeer krappe arbeidsmarkt (UWV, 2025); sindsdien is de markt afgekoeld, met ICT-vacatures die vanaf 2023 gestaag dalen en een aantal ICT’ers met een werkloosheidsuitkering dat is gestegen tot circa 6,400 in juli 2026, deels door reorganisaties in het bankwezen (UWV, 2026). Binnen dat gemeenschappelijke beeld vertrekken de twee groepen door verschillende deuren. Sterke engineers in een bedrijfs-IT-afdeling worden getrokken naar softwareproductbedrijven, scale-ups en consultancybureaus, waar de beloning door de markt wordt bepaald in plaats van door een cao-schaal en waar het werk bouwen is in plaats van onderhouden. Sterke beheerders worden getrokken naar managed-serviceproviders, cloud- en hostingbedrijven en, tot voor kort, naar het zelfstandig ondernemerschap: de zzp-route was jarenlang de standaardmanier voor een ervaren Nederlandse beheerder om zijn inkomen te verdubbelen terwijl hij hetzelfde werk voor dezelfde werkgever deed. De opheffing van het handhavingsmoratorium op 1 januari 2025 maakte opdrachtgevers voorzichtig met het inhuren van freelancers voor ingebedde rollen (Minister van SZW & Staatssecretaris van Financiën, 2026), wat die deur deels heeft gesloten en, zoals paragraaf 8 bespreekt, tegelijk een deel van de vluchtroute van de werkgever heeft afgesloten.

De kant die blijft. De Nederlandse institutionele context bepaalt ook wie er blijft. Cao-schalen met jaarlijkse periodieken betekenen dat een sterke engineer of beheerder die blijft binnen enkele jaren het einde van zijn schaal bereikt en daarna geen groei meer ziet, precies de voorwaarde waaronder Trevor et al. (1997) het verloop onder toppresteerders extreem hoog vinden. Ontslagbescherming betekent dat medewerkers die zich hebben verankerd niet zomaar verplaatst kunnen worden; de preventieve toets en de wettelijke transitievergoeding maken het residu uit Websters metafoor tot een duurzaam feit in plaats van een managementkeuze. Beide kenmerken gelden voor beide groepen. Het verschil is dat een verankerde beheerder de root-wachtwoorden en het piketrooster in handen heeft, zodat de verankering operationeel is en niet alleen organisatorisch.

Spoor. Ten slotte verschillen de twee groepen in wat zij voor meting achterlaten. Elke wijziging die een engineer aanbrengt wordt in versiebeheer aan hem toegeschreven, zodat kennisconcentratie uit de geschiedenis berekend kan worden (bijlage A). Het werk van een beheerder wordt, als het al wordt toegeschreven, vastgelegd in wijzigingstickets, incidentregistraties en piketroosters, die dunner zijn, minder consequent worden bijgehouden en vaak vastleggen wie de melding indiende in plaats van wie het werk verrichtte. Het praktische gevolg loopt door de rest van het artikel: het effect is bij beheerders moeilijker te zien, en de indicatoren voor hen moeten meer steunen op vragen en minder op berekenen.

Samengenomen stellen deze literaturen vast wie vertrekt, wat vertrekt en welke verwante ideeën al in gebruik zijn, en deze paragraaf heeft uiteengezet waarom de twee populaties afzonderlijk gevolgd moeten worden. Geen van deze literatuur gaat in op wanneer de organisatie het ontdekt. Dat is de bijdrage van de volgende paragrafen.

3. Waarom het effect vertraagd is

Het Dode Zee-effect is vertraagd omdat elk signaal dat het management ontvangt neutraal of vals geruststellend is totdat de schade structureel is. Nashua onderscheidt zes mechanismen. Ze zijn niet onafhankelijk; samen vormen ze een meetsysteem dat blind is voor precies de variabele die ertoe doet.

3.1 De personeelsomvang daalt, maar langzaam. Verloop wordt slechts gedeeltelijk opgevuld, zodat de personeelsomvang afglijdt in plaats van instort. Een afdeling die drie engineers verliest en er twee aanneemt, rapporteert een nettoverlies van één, een cijfer dat klein genoeg is om in de begrotingscyclus te worden opgenomen of als efficiëntie te worden gelezen. Het verlooppercentage, de enige verloopmetriek die de meeste IT-leiders zien, is een telling. Het kan het vertrek van de persoon die de factureringsintegratie begreep niet onderscheiden van het vertrek van iemand die binnen een week vervangen kon worden, en een langzaam krimpende telling verbergt dat wat vertrok onevenredig de top van de verdeling was. Dalton et al. (1982) maakten dit punt in het algemeen; in de IT, waar competentie tussen individuen een orde van grootte verschilt, is de maskering extreem. Voor beheerders is er nog een masker: een groter deel van hun vertrek neemt de vorm aan van gepland pensioen of interne overstap naar een servicemanagementrol, wat geen enkele verloopmetriek als verlies telt.

3.2 Systemen blijven draaien. Productiesoftware stopt niet wanneer haar auteur vertrekt. De kenniskloof wordt pas zichtbaar wanneer het systeem moet veranderen of faalt, en dat kan maanden of jaren later zijn (DeLong, 2004). Tot die tijd lijkt de afdeling te leveren zoals voorheen. Voor beheerde systemen is het punt nog scherper: een back-up die nooit is teruggezet, een certificaatvernieuwing die eens per jaar met de hand wordt gedaan, een set firewallregels die niemand anders heeft gelezen, blijven allemaal werken tot de dag dat ze dat niet meer doen, en die dag kan jaren na het vertrek van degene die ze begreep liggen. Operationele stabiliteit wordt gelezen als organisatorische gezondheid terwijl zij in feite momentum is. Voor engineers wordt de latentie bepaald door de wijzigingskalender: de kloof toont zich wanneer het systeem de volgende keer moet veranderen. Voor beheerders wordt zij bepaald door de storingskalender: de kloof toont zich wanneer het systeem de volgende keer stuk gaat, wat zeldzamer is en later komt.

3.3 Verankering van het residu lijkt op loyaliteit. Webster merkte op dat wie blijft doorgaans de verantwoordelijkheden op zich neemt die niemand anders wil en onderhoudsexpert wordt op kritieke systemen. Vanuit de stoel van het management leest dit als toewijding en laag risico: dit zijn de mensen die de systemen kennen en nooit vertrekken. De afhankelijkheid van de organisatie van hen groeit precies naarmate haar vermogen om hen te beoordelen krimpt, omdat de mensen die hun werk hadden kunnen beoordelen zijn vertrokken. Voor beheerders is de verankering letterlijk en niet alleen organisatorisch: de overgebleven beheerder houdt de geprivilegieerde accounts, de leverancierscontacten en het piketrooster in handen, en is onder het Nederlandse ontslagrecht hoe dan ook niet zomaar te verplaatsen. Voor engineers neemt zij de vorm aan van exclusief eigenaarschap van systemen die niemand anders kan bouwen.

3.4 Overlevingsbias in de rapportage. Informatie over de kwaliteit van engineering stroomt omhoog via engineers. Nadat de sterkste engineers zijn vertrokken, zijn de mensen die rapporteren over de staat van de systemen, de backlog en het team de overgebleven medewerkers, die geen prikkel en vaak geen referentiepunt hebben om achteruitgang te rapporteren. Exitgesprekken, het ene kanaal dat de visie van de vertrekkers vastlegt, worden doorgaans door HR gevoerd, geaggregeerd en gelezen als individuele grieven in plaats van als een patroon. De overlevingsbias is erger bij beheerders, wier rapportagekanaal het incident- en beschikbaarheidsdashboard is: een operationsteam dat zijn beste mensen heeft verloren, rapporteert groen tot de dag dat het rood rapporteert.

3.5 Feedback uit werving komt laat en wordt verkeerd toegeschreven. Wanneer de afdeling uiteindelijk probeert het verlies op te vullen met sterke nieuwe medewerkers, gebeuren er twee dingen. Sterke kandidaten merken de omgeving op tijdens de sollicitatiegesprekken of in de eerste maanden en vertrekken weer, wat vroegtijdige uitstroom oplevert. Wie blijft, wordt opgenomen in de werkwijze van het residu. Het management schrijft dit doorgaans toe aan een krappe arbeidsmarkt of slechte werving, niet aan de staat van het team waar de nieuwe mensen bij komen. De twee groepen falen hier verschillend. Sterke engineers worden gevonden en vervolgens verloren: zij accepteren, zien de omgeving en vertrekken binnen het jaar. Sterke beheerders worden vaker helemaal niet gevonden: de Nederlandse vijver is kleiner, de sterke zitten al bij serviceproviders of waren zelfstandig, en de vacature blijft maandenlang open, wat het management leest als een marktsignaal in plaats van een samenstellingssignaal.

3.6 De terugkoppeling versterkt zichzelf. Elk vertrek van een capabele engineer maakt de omgeving minder aantrekkelijk voor de volgende, verhoogt de belasting van wie overblijft en verlaagt de kwaliteitslat waartegen nieuwe medewerkers worden afgemeten. Het effect versnelt terwijl elke indicator die het management leest aanvaardbaar lijkt. Tegen de tijd dat de opleveringsmetrieken bewegen, is de afdeling voorbij wat wij het lock-in-punt noemen: de toestand waarin het overgebleven team een sterke nieuwe medewerker niet meer kan opnemen of behouden.

De vertraging is dus geen gebrek aan aandacht. Zij is de voorspelbare uitkomst van verloop meten als een telling, stabiliteit lezen als gezondheid, en voor informatie over wat verloren ging vertrouwen op de overlevenden.

Figuur 1 tekent de zes mechanismen als twee versterkende lussen en markeert waar de instrumenten van de organisatie zijn aangesloten. Beide lussen lopen via het vertrek van sterke engineers. De eerste (R1) loopt via de werklast: elk vertrek verhoogt de belasting van wie overblijft en verlaagt de aantrekkelijkheid van blijven. De tweede (R2) loopt via de beoordeling: elk vertrek verwijdert iemand die werk kan beoordelen en nieuwkomers kan inwerken, wat de kwaliteitslat verlaagt en de volgende sterke nieuwe medewerker vroeg doet vertrekken. De instrumenten die het management leest, verlooppercentage, personeelsomvang en opleveringsmetrieken, zijn aangesloten op de rand van de lussen, op de punten die het laatst bewegen. Op de variabelen in het centrum, het aandeel sterke engineers en de concentratie van kennis, staat helemaal geen instrument.

4. Een fasemodel van het vertraagde Dode Zee-effect

De mechanismen uit paragraaf 3 ontvouwen zich in een herkenbare volgorde. Wij bij Nashua beschrijven haar als vijf fasen, onderscheiden door de kloof tussen wat het management waarneemt en wat er in het team gebeurt (figuur 2). De fasen zijn geordend, niet getimed: de duur van elk hangt af van de organisatie, en wij koppelen er bewust geen tijdsduur aan.

Fase 4 is het kantelpunt. Daarvóór kan de afdeling nog herstellen met gewone retentie- en wervingsmaatregelen. Daarna verhinderen de normen, de belasting en de kennishiaten van het overgebleven team dat sterke nieuwe medewerkers wortel schieten, zodat dezelfde maatregelen falen en verkeerd worden gelezen als een marktprobleem. Het eerste ondubbelzinnige signaal voor het management (fase 5) komt één volle fase na het laatste moment waarop conventioneel ingrijpen nog gewerkt zou hebben.

De twee groepen doorlopen dezelfde vijf fasen, maar vertonen in elke fase een andere signatuur, en de vertraging tussen wat er gebeurt en wat er wordt gezien is voor beheerders in elke fase langer (tabel 1). Het verschil is het grootst in fase 2 en 5. In fase 2 is de kennisconcentratie van een engineeringteam in versiebeheer ten minste zichtbaar voor wie kijkt; die van een operationsteam is alleen zichtbaar voor het team zelf. In fase 5 faalt een engineeringteam op een wijziging, die gepland is en dus zichtbaar nadert; een operationsteam faalt op een incident, dat dat niet is.

Het model doet twee beweringen die getoetst kunnen worden. Ten eerste bestaat het lock-in-punt en is het identificeerbaar: voor elk kritiek systeem is het het moment waarop niemand meer over is die het kan wijzigen of herstellen, waarna de kennis alleen nog uit artefacten kan worden opgebouwd, als die er zijn. Ten tweede blijven de waarneembare indicatoren in de linkerkolom van figuur 2 binnen aanvaardbare grenzen tot fase 5, terwijl meetbare teameigenschappen in de rechterkolom (kennisconcentratie, kwaliteit van de vertrekkers, vroeg verloop) vanaf fase 1 bewegen. Paragraaf 5 laat zien dat beide volgen uit een model met één toestandsvariabele.

5. Een formele behandeling

Het fasemodel is verbaal. Om na te gaan of de vertraging een gevolg is van de mechanismen en geen retorisch hulpmiddel, schrijven wij het kleinste model op dat ze bevat. Het heeft één toestandsvariabele, de busfactor van een kritiek systeem, en vier snelheden. Alles wat het artikel meet (paragraaf 6) en alles waar de casus om draait (paragraaf 7) kan er direct uit worden afgelezen, en het verschil tussen de twee groepen komt binnen als een verschil in wat kennis is en hoe haar verlies wordt waargenomen, niet als een verschil in parameters die zijn gekozen om te passen.

5.1 Opzet

Beschouw één kritiek systeem en laat $k(t)$ het aantal mensen zijn dat het kan wijzigen of herstellen: zijn busfactor. Er gebeuren vier dingen met $k$, elk gekoppeld aan een mechanisme uit paragraaf 3.

1. Vertrek. Elke kenner vertrekt met hazard $\lambda$ per jaar en neemt de kennis mee: $k \to k-1$ met snelheid $\lambda k$. Dit is het Dode Zee-effect zelf; $\lambda$ is de vertrekhazard van de mensen die kritieke kennis bezitten, en dat zijn, volgens Websters argument en paragraaf 2.2, de sterken.

2. Overdracht. Elke kenner leidt met snelheid $\tau$ per jaar één collega op: $k \to k+1$ met snelheid $\tau k$. Overdracht heeft een bron nodig. Wanneer $k = 0$ is er niemand om van te leren, en dat is het lock-in-punt van paragraaf 4, nu exact: een systeem bevindt zich in lock-in wanneer zijn busfactor nul bereikt, omdat vanuit die toestand interne overdracht onmogelijk is.

3. Reconstructie uit artefacten. Wanneer $k = 0$ kan een nieuwkomer de kennis reconstrueren uit wat het systeem heeft achtergelaten, met snelheid $\alpha$. Voor software maken code, tests en schema’s $\alpha$ aanzienlijk; voor beheerde systemen, waarvan de kennis procedureel is, ligt $\alpha$ dicht bij nul. Dit is het ene structurele verschil tussen de groepen.

4. Waarneming. Het systeem wordt met snelheid $\mu$ per jaar getroffen door een gebeurtenis die diepe kennis vereist: een wijzigingsverzoek dat zijn binnenwerk raakt, of een incident dat meer vraagt dan een herstart. Als $k = 0$ wanneer de gebeurtenis zich voordoet, is het falen zichtbaar voor het management; anders wordt zij opgevangen en wordt er niets gezien. Voor engineers is $\mu$ de snelheid van diepe wijzigingen, voor beheerders die van diepe incidenten, en de tweede is lager.

Alleen de eerste drie snelheden bewegen $k$; de vierde bepaalt wanneer het management het ontdekt. Met $\alpha = 0$ is het proces een lineair geboorte-sterfteproces en heeft de kans dat een systeem met $k_0$ kenners op tijdstip $t$ nul heeft bereikt een gesloten vorm,

en zodra het op nul staat, is de verwachte tijd totdat het management een falen ziet eenvoudig

Vergelijking (1) zegt dat een systeem met één enige eigenaar ($k_0 = 1$) verloren gaat met kans $\lambda(1-e^{-(\lambda-\tau)t})/(\lambda - \tau e^{-(\lambda-\tau)t})$, die naar één stijgt zodra vertrek de overdracht overtreft; een systeem met twee kenners gaat verloren met het kwadraat daarvan, en daarom is de fase 2-indicator in paragraaf 6 het aantal systemen met busfactor één. Vergelijking (2) is de vertraging uit de titel van dit artikel in één symbool: de kloof tussen het verlies en de herkenning ervan wordt bepaald door hoe vaak de verloren kennis nodig is, en door niets anders. Een afdeling kan haar alleen verkorten door de kennis opzettelijk nodig te hebben, en dat is wat een disaster-recovery-test is.

5.2 Resultaat: eerst het verlies, later de herkenning, en bij beheerders nog later

Tabel 2 geeft illustratieve snelheden voor de twee groepen en de startdekking van de casusafdeling uit paragraaf 7: twaalf kritieke engineeringsystemen, waarvan drie met één enige eigenaar, en acht beheerde systemen, waarvan één met één enige eigenaar. De waarden zijn gekozen om rond te zijn en om drie ordeningen te respecteren die in paragraaf 2.6 zijn beargumenteerd: sterke engineers vertrekken sneller dan sterke beheerders; code kan na het vertrek van haar auteur worden gelezen, een procedure niet; en een wijziging die diepe kennis van een bepaald systeem vereist komt vaker voor dan een incident dat dat doet. Figuur 3 laat zien wat daaruit volgt, uit de gesloten vorm voor $\alpha = 0$ en anders uit simulatie.

Paneel A is het beeld van fase 2. De dekking erodeert in beide groepen vanaf het eerste jaar, en het aandeel systemen met één enige eigenaar, de indicator die een samenstellingsdashboard zou tonen, passeert de helft na 0.9 jaar bij engineers en 1.8 jaar bij beheerders. Het aandeel met niemand meer stijgt langzamer, en hier kruisen de groepen elkaar: engineers verliezen systemen sneller tot nul maar herstellen er enkele van uit de code, zodat hun curve afvlakt op ongeveer drie van de tien systemen; beheerders verliezen langzamer maar blijven, zonder iets om uit te reconstrueren, verliezen, en hebben vanaf het vierde jaar meer systemen op nul dan de engineers.

Paneel B is het beeld van fase 5, en de centrale bewering van het artikel in één figuur. Voor engineers is de mediane tijd tot het eerste systeem zonder dekking 0.6 jaar en de mediane tijd tot het eerste zichtbare falen 1.5 jaar: een herkenningsvertraging van 0.9 jaar, waarin het samenstellingsdashboard het verlies zou hebben getoond en het managementdashboard niets. Voor beheerders komt de eerste nul na 1.4 jaar en het eerste zichtbare falen na 3.0: een vertraging van 1.6 jaar, en een zichtbaar falen dat anderhalf jaar na dat van de engineers komt. De langzamere erosie bij beheerders, die hen de stabiele groep doet lijken, is precies wat hun falen later maakt, en hun lagere waarnemingssnelheid maakt het nog later.

Drie verdere resultaten volgen uit het model en zijn van belang voor paragraaf 8.

1. Overdracht beschermt de voorraad, niet de enige eigenaren. Verdubbeling van de overdrachtssnelheid $\tau$ vertraagt de erosie van de dekking van de afdeling (de helft-trigger schuift een jaar of meer op), maar verschuift de tijd tot de eerste nul nauwelijks, omdat een systeem met één eigenaar in een race zit tussen één vertrek en één overdracht, wat het gemiddelde van de afdeling ook is. Kennisspreiding werkt in fase 2, op de systemen die nog twee of meer kenners hebben; zij kan de systemen die al op één staan niet redden.

2. Retentie koopt overal tijd, maar minder dan men zou hopen. Verlaging van de vertrekhazard met een vijfde verschuift elke mijlpaal twee tot tien maanden naar achteren. Zij verandert de vorm van de curven niet, en verandert in het bijzonder de herkenningsvertraging niet, die uitsluitend van $\mu$ afhangt.

3. Waarneming is een hefboom, en alleen beheerders hebben hem nodig. Het eens per jaar uitvoeren van een disaster-recovery-test op elk beheerd systeem verhoogt hun effectieve $\mu$ van 0.4 naar 1.4. Het vertraagt het verlies geen dag, maar het verkort de mediane herkenningsvertraging van 1.6 jaar tot 0.7, zodat het operationsteam zijn eerste verloren systeem ontdekt in jaar 2.0 in plaats van jaar 3.0, terwijl er nog tijd is om voor de overige in actie te komen (streep-stiplijn in figuur 3B). Engineers hebben deze hefboom niet nodig, omdat de wijzigingskalender hun systemen voor hen test.

Tabel 3 verzamelt deze resultaten.

5.3 Wat het model niet beweert

Het model is een schets, geen kalibratie. De snelheden zijn gekozen om rond en correct geordend te zijn, niet geschat; systemen worden als onafhankelijk behandeld, hoewel in een echte afdeling dezelfde mensen er meerdere bezitten en één vertrek er meer dan één leegmaakt; en ‘kent het systeem’ is binair waar competentie dat niet is. Wat het model wél vaststelt, hangt niet van de waarden af. Gegeven dat kenners vertrekken, dat overdracht een bron nodig heeft en dat de verloren kennis maar af en toe nodig is, volgen voor alle waarden drie dingen: het verlies gaat aan de herkenning vooraf met een kloof waarvan de verwachte lengte het omgekeerde is van hoe vaak de kennis nodig is; systemen met één enige eigenaar zijn degene die verloren gaan, zodat het aantal ervan de voorlopende indicator is; en een groep waarvan de kennis procedureel is en waarvan het falen uit incidenten bestaat in plaats van uit wijzigingen, zal later worden herkend dan een groep waarvan de kennis in artefacten zit en waarvan het falen op de wijzigingskalender staat. De Nederlandse context komt binnen via $\lambda$, die de cao-schaal voor de sterksten verhoogt en het ontslagrecht voor de rest niet verlaagt, en via de recente sluiting van de freelanceroute, die de ene manier wegnam waarop een werkgever $k$ weer op één kon zetten nadat die nul had bereikt.

6. Vroege-waarschuwingsindicatoren

Als het model standhoudt, zou de afdeling moeten ophouden het verlooppercentage te volgen en moeten beginnen de samenstelling en de gevolgen van vertrek te volgen. Elke indicator in tabel 4 correspondeert met een mechanisme uit paragraaf 3 en beweegt in de aangegeven fase, ruim voordat de opleveringsmetrieken dat doen.

De indicatoren zijn voor beide groepen dezelfde; hun bronnen en hun betrouwbaarheid niet (tabel 2). Voor engineers kunnen de twee samenstellingsindicatoren die in fase 2 het meest tellen, busfactor en kennisconcentratie, uit de versiebeheergeschiedenis worden berekend zonder iemand iets te vragen. Voor beheerders moeten zij worden samengesteld uit wijzigings- en incidentregistraties en bevestigd door te vragen, wat ze zowel duurder als makkelijker te ontwijken maakt. Omgekeerd zijn de fase 1-indicatoren in één opzicht moeilijker voor engineers: een groter deel van hun vertrek gaat naar werkgevers die marktconform betalen, zodat de salariskloof bij vertrek informatief is, terwijl bij beheerders pensioneringen en overplaatsingen haar verdunnen en de vraag naar betreurd verlies gesteld moet worden over vertrek dat het verlooppercentage helemaal niet telt.

Operationele definities, gegevensbronnen en bekende valkuilen voor elke indicator staan in bijlage A. Drie observaties over de set. Ten eerste zijn de meeste indicatoren goedkoop: verscheidene vereisen alleen een andere doorsnede van gegevens die HR al bezit. Ten tweede zijn de indicatoren in fase 1 en 2 degene die ertoe doen, aangezien in fase 4 het lock-in-punt al is bereikt. Ten derde zijn de indicatoren compositioneel, niet geaggregeerd: zij vragen wie en wat, niet hoeveel. Dat is de verschuiving waartoe Dalton et al. (1982) vier decennia geleden opriepen en die de managementrapportage in de IT grotendeels niet heeft gemaakt.

7. Een geconstrueerde casus

De volgende casus is geconstrueerd, niet waargenomen. Zij bestaat om te laten zien hoe de vijf fasen er van binnenuit een organisatie uitzien en om het model van paragraaf 5 een concrete setting te geven. Zij is geen verslag over enige werkgever, en haar cijfers zijn illustratief in plaats van gemeten; haar waarde is dat elke gebeurtenis erin er een is die een lezer die in bedrijfs-IT heeft gewerkt zal herkennen.

7.1 Setting

Afdeling R is de interne IT-afdeling van een middelgroot Nederlands productiebedrijf. In jaar 0 heeft zij 60 technische medewerkers: 36 software-engineers in drie teams (ERP-integratie, logistiek en magazijnsystemen, een dataplatform) en 24 systeembeheerders in twee (infrastructuur en netwerk; databases, storage en werkplek). Zij onderhoudt ongeveer twintig productiesystemen die het bedrijf als kritiek beschouwt, twaalf in eigendom van de engineeringteams en acht van beheer. Het verloop ligt al tien jaar op 10 tot 13% per jaar, in lijn met de andere afdelingen van het bedrijf. De beloning volgt de bedrijfs-cao: vaste schalen met jaarlijkse periodieken, zodat een senior engineer en een senior beheerder die blijven binnen vier of vijf jaar het einde van hun schaal bereiken en daarna geen groei meer zien. Prestatiebeoordelingen bestaan, maar hebben geen effect op de beloning. Verscheidene beheerders zijn ouder dan vijftig.

7.2 De zes jaar

Tabel 6 vat samen wat het managementdashboard van de afdeling in elk jaar toonde en wat een samenstellingsdashboard, als het had bestaan, getoond zou hebben. De fasen van figuur 2 zijn gemarkeerd.

De twee groepen doorlopen de fasen niet gelijktijdig, de engineers steeds ruwweg één fase vooruit, en het management van de afdeling ziet één crisis waar er twee zijn. De tijdlijn is één plausibel pad door het model van paragraaf 5 bij de parameters van tabel 2: de engineers van afdeling R zien hun eerste falen in jaar 5, later dan de mediaan van het model van 1.5 jaar, en haar beheerders in jaar 6, tweemaal de mediaan van 3.0. In jaar 1 vertrekken twee van de sterkste engineers van de afdeling binnen vier maanden na elkaar. Elk vertrek heeft zijn eigen verklaring en elk wordt op zijn eigen merites aanvaard; niemand vraagt wat ze gemeen hebben. Beiden waren topkwartielpresteerders, beiden zaten al vier jaar in dezelfde salarisschaal, en beiden vertrokken voor een verhoging van ruwweg een kwart. Het verlooppercentage stijgt één procentpunt.

Jaar 2 is rustig. De personeelsomvang is met één gedaald, het verloop is weer binnen de marge en de systemen die de twee vertrekkers bouwden blijven draaien. De systemen die zij bezaten worden herverdeeld naar de ene overgebleven senior engineer in het integratieteam, die er al drie andere bezit. Aan de beheerkant lijkt het jaar nog rustiger. De senior storagebeheerder gaat volgens schema met pensioen, een vertrek dat niemand betreurt omdat het gepland was; de back-up- en restoreprocedures die hij vijftien jaar met de hand uitvoerde, worden in een vergadering van twee uur overgedragen aan de netwerkbeheerder, en worden nooit geoefend. De senior netwerkbeheerder neemt ontslag om freelancer te worden en wordt de maandag daarop op dagtarief teruggehuurd voor hetzelfde werk, wat de afdeling boekt als een besparing op de personeelsomvang en de beheerder als een verdubbeling van zijn inkomen; geen van beide verschijnt in het verloopcijfer als betreurd verlies. Twee vervangende aanstellingen bij engineering worden gedaan op juniorniveau, omdat het budget twee juniors of één senior toelaat en twee veiliger lijkt. Het aantal kritieke systemen met één enkele kennisdrager stijgt van zes naar acht aan de engineeringkant en van één naar vier aan de beheerkant.

Jaar 3 lijkt, vanaf het dashboard, het beste jaar van de periode. Het verloop is het laagst in vijf jaar, omdat de mensen die zouden zijn vertrokken al weg zijn. De kern met lange dienstverbanden wordt in de jaarlijkse beoordeling geprezen om haar stabiliteit. Eén senior engineer wordt aangenomen in het dataplatformteam en vertrekt na zeven maanden, met als reden dat hij niets veranderd krijgt; het exitgesprek wordt gearchiveerd onder ‘culturele fit’. Niemand buiten de afdeling heeft haar architectuur beoordeeld sinds de integratiearchitect vertrok. In januari beëindigt de juridische afdeling van het bedrijf, in reactie op de hervatte handhaving van de Wet DBA, het contract van de freelance netwerkbeheerder; hij wijst een aanbod af om terug te keren op een cao-salaris van ruwweg de helft van zijn dagtarief, en het firewall-landschap dat hij alleen begreep gaat over naar een collega die er nog nooit een regel op heeft gewijzigd. Er is in twee jaar geen disaster-recovery-test uitgevoerd; de beschikbaarheid is 99.9% en het beheerteam wordt opgehouden als toonbeeld van stabiliteit.

In jaar 4 merkt het management dat werven moeilijk is, en merkt het dat eerst bij de engineers. Drie senior engineers worden aangenomen; twee vertrekken binnen het jaar. De verklaring die wordt aangedragen en aanvaard is de arbeidsmarkt, en een externe recruiter wordt ingeschakeld. Binnen de afdeling hadden de twee vertrekkers elk een systeem gekregen dat niemand anders begreep, zonder iemand die hun werk kon beoordelen of hun vragen kon beantwoorden. De engineeringteams zijn het lock-in-punt voorbij: zij kunnen de mensen die hun achteruitgang zouden kunnen keren niet meer behouden. De beheerteams tonen dezelfde fase anders. Een vacature voor een senior beheerder staat het hele jaar open; twee kandidaten wijzen het aanbod af, één accepteert en trekt zich vóór aanvang terug na een gesprek met het team. Omdat er niemand wordt aangenomen, vertrekt er niemand vroeg, en de vacature verschijnt in het wervingsrapport als een marktprobleem in plaats van in welk verloopcijfer dan ook.

In jaar 5 wordt de achteruitgang van de engineers zichtbaar. De ERP-upgrade, afhankelijk van de integratielaag waarvan de architect vier jaar eerder vertrok, loopt negen maanden uit. Een wijzigingsverzoek voor de prijsengine kan niet worden ingepland omdat de enige engineer die hem kan aanpassen degene is die al zes andere systemen draagt. De kwestie bereikt de directie, die te horen krijgt dat de afdeling een verloopprobleem heeft. Het verloopprobleem is vier jaar oud; wat veranderd is, is dat het eindelijk een signaal heeft voortgebracht dat het management leest. De beheerteams, wier beschikbaarheidscijfer nog altijd 99.8% is, maken geen deel uit van het gesprek.

Jaar 6 brengt voor de engineers de standaardafloop van paragraaf 8: wijzigingswerk gaat naar een leverancier, het interne engineeringteam krimpt, en de kosten van de leverancier overtreffen wat een gedifferentieerd retentiebudget in jaar 1 gekost zou hebben met een orde van grootte. Het brengt ook fase 5 voor de beheerteams, een jaar later. Tijdens een storagemigratie moet de magazijndatabase worden teruggezet; de restore mislukt, omdat de procedure die de storagebeheerder vier jaar eerder achterliet een array beschrijft die drie jaar eerder is vervangen, en de enige die ooit een restore op de nieuwe array had uitgevoerd de freelance netwerkbeheerder was wiens contract in jaar 3 werd beëindigd. Het magazijn ligt twee dagen stil. De directie, die dacht het verloopprobleem het jaar daarvoor te hebben afgehandeld, krijgt te horen dat zij er een tweede heeft.

7.3 Het contrafeitelijke scenario

Stel dat afdeling R vanaf jaar 0 het samenstellingsdashboard van paragraaf 8 had gevoerd, met de daar voorgestelde triggerniveaus, afzonderlijk voor de twee groepen. Het betreurd-verliespercentage van 60% in jaar 1 zou de trigger van een derde hebben overschreden in het eerste kwartaal na het tweede vertrek, en een gezamenlijke beoordeling door de engineeringleiding en HR van wat de twee vertrekkers gemeen hadden hebben afgedwongen. Die beoordeling zou de salariskloof bij vertrek en de gemeenschappelijke salarisschaal hebben gevonden, en de goedkoopste interventie die op dat moment beschikbaar was, een retentieaanpassing voor de overgebleven topkwartiel-engineers, zou ruwweg een tiende van een senior vervangende aanstelling hebben gekost. Of zij goedgekeurd zou zijn is een andere vraag; het punt is dat de beslissing in jaar 1 aan iemand zou zijn voorgelegd in plaats van in jaar 5.

Was de eerste trigger genegeerd, dan zou de busfactortelling in jaar 2 de trigger van een kwart hebben overschreden, op welk moment gedwongen kennisspreiding over de elf systemen met één eigenaar nog mogelijk was, omdat de enige eigenaren er nog waren. In jaar 3 zou de senior nieuwe medewerker die na zeven maanden vertrok zijn geregistreerd als 50% vroeg verloop in een cohort van twee, een cijfer klein genoeg om aan te twijfelen maar groot genoeg om de vraag op te roepen waarom de afdeling hem niet kon behouden. Aan de beheerkant zouden de triggers later en stiller zijn afgegaan: de vraag naar betreurd verlies, gesteld over de pensionering en het freelancevertrek in jaar 2, zou de beheerteams op 100% betreurd verlies hebben gezet in een jaar waarin het verloopcijfer niets toonde; de busfactortrigger van een kwart zou hetzelfde jaar zijn afgegaan bij 4 van 8; en een DR-testtrigger, die dit artikel in bijlage A toevoegt voor beheerde systemen, zou in jaar 3 zijn afgegaan. Elke trigger koopt de organisatie één fase. De casus illustreert de centrale bewering van het model: de informatie die nodig was om te handelen bestond op elk moment, en de instrumenten van de organisatie waren er simpelweg niet op gericht, en voor een van de twee groepen werd zij niet eens verzameld.

7.4 Wat de casus laat zien

Vier kenmerken van de casus gaan over op echte afdelingen. Ten eerste was elk signaal in de linkerkolom van tabel 6 waar en werd het, zover het ging, correct gelezen; het falen zat in wat niet werd gemeten. Ten tweede was het jaar dat het beste leek (jaar 3) het laatste jaar waarin gewoon ingrijpen voor de engineers nog gewerkt zou hebben, en jaar 4 het laatste voor de beheerders. Ten derde was de rechterkolom voor de engineers berekenbaar uit gegevens die het bedrijf al bezat, uit versiebeheer, beoordelingen en wervingsadministratie, maar moest zij voor de beheerders worden samengesteld en nagevraagd, en daarom deed in de casus niemand het. Ten vierde liepen de twee groepen steeds één fase uiteen, hadden de vertrekken van de beheerders vormen die het verlooppercentage niet telt (pensionering, freelancen, een onvervulde vacature), en kwam hun fase 5 nadat de directie het probleem opgelost waande. Een afdeling die haar technische medewerkers als één populatie meet, zal één crisis zien en door de tweede worden verrast.

8. Implicaties voor IT-management

De praktische conclusie is dat het moment van ingrijpen meer uitmaakt dan de inhoud ervan. Dezelfde maatregelen die het effect in fase 2 keren, falen in fase 4.

8.1 Vóór lock-in

In fase 1 tot 3 bevat de afdeling nog mensen die werk kunnen beoordelen, nieuwe medewerkers kunnen opnemen en kennis kunnen overdragen. Interventies zijn hier conventioneel en goed onderbouwd door de literatuur:

• Gedifferentieerde retentie. Trevor et al. (1997) laten zien dat salarisgroei de sterkste hefboom is op het verloop van toppresteerders. Een retentiebudget dat op het topkwartiel wordt geconcentreerd, doet meer dan een generieke verhoging. In een cao-omgeving is het instrument de arbeidsmarkttoelage of een uitzondering op de inschaling, die de meeste Nederlandse cao’s beide toestaan en de meeste IT-afdelingen beide niet gebruiken. Voor engineers is de vergelijking die de toelage moet winnen een salaris bij een productbedrijf; voor beheerders was dat tot voor kort een freelance dagtarief, dat geen enkele toelage wint, en sinds 2025 is het een salaris bij een serviceprovider, dat wel te winnen is.

• Gedwongen kennisspreiding. Pairing, rotatie en documentatie-eisen verhogen de busfactor op kritieke systemen voordat iemand vertrekt. Het doel is een meetbare busfactor van minstens twee per productiesysteem. Voor engineers is dit grotendeels een zaak van codereview en rotatie over codebases. Voor beheerders is het een zaak van geoefende procedures: een restore, een failover of een certificaatrotatie die een tweede persoon daadwerkelijk onder toezicht heeft uitgevoerd, volgens schema, met het resultaat vastgelegd. Een runbook dat niet is geoefend, telt niet.

• Exitgesprekken gelezen als patroon. Betreurde verliezen moeten gezamenlijk worden beoordeeld, door de engineeringleiding en niet door HR alleen, met de expliciete vraag wat zij gemeen hebben.

• Externe beoordeling. Periodieke review van architectuur en code door mensen buiten het team levert het referentiepunt dat het team zelf, zoals paragraaf 3.4 laat zien, verliest. Voor beheer is het equivalent een disaster-recovery-test die door iemand buiten het team wordt bijgewoond, en een configuratiereview; een beschikbaarheidscijfer is geen review.

8.2 Volgorde per fase

Het formele model van paragraaf 5 geeft elke interventie een snelheid om op in te werken, en het fasemodel geeft elk een venster waarin zij nog werkt. Tabel 7 brengt de twee samen. Vóór het lock-in-punt werken interventies in op de vertrekhazard $\lambda$, de overdrachtssnelheid $\tau$ en, voor beheerders, de waarnemingssnelheid $\mu$; het model laat zien dat overdracht alleen systemen beschermt die nog twee of meer kenners hebben, dat retentie maanden koopt in plaats van jaren, en dat waarneming de ene hefboom is die de vertraging zelf verkort. Na het lock-in-punt zijn dezelfde hefbomen in beginsel nog beschikbaar, maar er is niets meer over om ze op te gebruiken: kennisspreiding heeft geen bron, retentie heeft niemand kritieks meer om te behouden, en een sterke nieuwe medewerker die wordt toegewezen aan een systeem met busfactor nul heeft niemand om van te leren en vertrekt of reconstrueert langzaam uit de artefacten die er zijn. De opties na lock-in werken in plaats daarvan in op de structuur van de afdeling, en daarom horen zij bij een ander managementniveau.

8.3 Een samenstellingsdashboard

De indicatoren van paragraaf 6 zijn alleen nuttig als iemand ze samen bekijkt, met de juiste cadans en met de bevoegdheid om te handelen. Drie ontwerpkeuzes volgen uit het model.

Eigenaar. Het dashboard behoort aan de engineeringleiding, niet aan HR. HR bezit het verlooppercentage en is daarvoor de juiste eigenaar, maar de samenstellingsindicatoren vereisen engineeringoordeel (welke systemen kritiek zijn, wie sterk is) en engineeringgegevens (versiebeheer). Een dashboard dat HR samenstelt en engineering ontvangt, herhaalt het overlevingsbiasprobleem van paragraaf 3.4 in een nieuwe vorm.

Cadans. Kwartaalsgewijs, met een voortschrijdend venster van vier kwartalen. Jaarlijkse beoordeling is te traag: in de casus van paragraaf 7 werd het lock-in-punt bereikt tussen twee jaarlijkse beoordelingen. Maandelijks is te ruisig voor een afdeling van zestig, waar één vertrek de meeste percentages met meerdere punten doet bewegen.

Drempels. Elke indicator heeft een vooraf afgesproken triggerniveau nodig, omdat een niveau dat achteraf wordt afgesproken zal worden gelegd waar de huidige waarde toevallig ligt. Redelijke uitgangspunten, aan te passen zodra een afdeling twee jaar eigen historie heeft: een betreurd-verliespercentage boven een derde; meer dan een kwart van de kritieke systemen op busfactor één; vroeg verloop boven een kwart in enig cohort; en twee opeenvolgende senior nieuwe medewerkers die binnen een jaar vertrekken. Een trigger schrijft geen specifieke actie voor; hij schrijft een beoordeling voor door iemand buiten de afdeling.

8.4 Na lock-in

In fase 4 en 5 faalt vervangende werving om twee redenen. De eerste is de wet van Brooks (1975) in een nieuwe vorm: mensen toevoegen aan een team dat de capaciteit mist om hen in te werken, vertraagt het team en drijft de nieuwe mensen weg. De tweede is dat de kwaliteitslat van de nieuwe medewerker wordt bepaald door het team waar hij bij komt, zodat een sterke nieuwe medewerker zich ofwel naar beneden aanpast ofwel vertrekt. Drie opties blijven over, geen van alle goedkoop:

1. Een nieuwe kern. Bouw een apart team met eigen normen, bemand van buiten, en migreer systemen er in de loop van de tijd naartoe. Het bestaande team wordt niet ontbonden, maar is niet langer de standaard van de organisatie.

2. Beheerste afbouw. Accepteer dat de afdeling kan onderhouden maar niet veranderen, bevries de scope dienovereenkomstig, en plan vervanging van systemen in plaats van vernieuwing van het team.

3. Externe capaciteit. Verplaats wijzigingswerk naar leveranciers of partners terwijl het interne team het beheer houdt. Dit is vaak wat standaard gebeurt, onopgemerkt, en het is van de drie de duurste wanneer eerlijk wordt gerekend. In Nederland is deze optie sinds 2025 versmald: de freelance beheerder die op dagtarief wordt teruggehuurd, jarenlang de standaardmanier om verloren kennis binnen bereik te houden, is nu een schijnzelfstandigheidsrisico voor de werkgever, en het alternatief, een managed-servicecontract, verplaatst de kennis permanent naar buiten de organisatie.

De rode draad is dat herstel na lock-in een structurele beslissing is die op een niveau boven de IT-afdeling wordt genomen. De afdeling zelf kan haar, per definitie van lock-in, niet nemen.

9. Discussie: waarom de vertraging blijft bestaan

Als de indicatoren goedkoop zijn en de mechanismen niet obscuur, waarom blijft de vertraging dan bestaan? Een deel van het antwoord is dat niemand de meting heeft opgeschreven, wat dit artikel probeert te verhelpen. Maar het grootste deel is dat de vertraging in stand wordt gehouden door kenmerken van hoe organisaties worden bestuurd, en die verdienen het benoemd te worden, omdat een indicator die ertegenin gaat zal worden genegeerd.

Gesplitst eigenaarschap van het signaal. Verloop is een HR-metriek; oplevering is een IT-metriek. De samenstelling van het vertrek valt daartussen. HR ziet dat iemand is vertrokken en waarom hij zei te vertrekken; engineering ziet dat een systeem moeilijk te wijzigen is geworden. Geen van beide ziet dat dit dezelfde gebeurtenis is, omdat geen enkel rapport ze verbindt. Het samenstellingsdashboard van paragraaf 8 is, mechanisch gezien, een koppeling tussen twee registratiesystemen die normaal niet worden gekoppeld.

Cadansmismatch. Het effect ontvouwt zich over jaren; de aandacht van het management is georganiseerd in kwartalen en jaarlijkse beoordelingen. Een langzaam proces dat met een snelle cadans wordt waargenomen, lijkt ruis, en de beweging van elk kwartaal is klein genoeg om te worden toegeschreven aan de bijzondere omstandigheden van dat kwartaal. Dalton et al. (1982) betoogden vier decennia geleden dat verloop gekarakteriseerd moet worden in plaats van geteld; het argument sloeg niet aan omdat karakteriseren vereist dat men over cadansen heen kijkt, en niets in de jaarcyclus dat beloont.

Elk vertrek krijgt een verhaal. Mensen vertrekken om redenen, en de redenen zijn waar: een verhuizing naar het buitenland, een start-up, de baan van een partner. De organisatie aanvaardt elk verhaal omdat elk klopt. Wat de verhalen gemeen hebben, dat de vertrekker sterk was, onderbetaald ten opzichte van de markt en in staat om te gaan, is nooit de opgegeven reden en wordt daarom nooit geaggregeerd. Het betreurd-verliespercentage bestaat om die aggregatie af te dwingen.

Stabiliteit wordt beloond. Laag verloop wordt gelezen als goed management en is vaak een expliciet managementdoel. In de casus van paragraaf 7 was het jaar met het laagste verloop het jaar waarin de afdeling werd geprezen, en het was ook het jaar waarin het lock-in-punt werd gepasseerd. Een doelstelling op het verlooppercentage, zonder doelstelling op zijn samenstelling, beloont precies de uitkomst waartegen het model waarschuwt: de sterken zijn vertrokken en de rest blijft.

De zichtbare kosten komen in het budget van iemand anders terecht. De besparingen van trage vervanging en junior aanstellingen verschijnen in het eigen budget van de afdeling in het jaar waarin zij worden gerealiseerd. De kosten verschijnen jaren later, in de vorm van een leverancierscontract, een uitgelopen programma of een mislukte wijziging, en worden geboekt op een programma, een leveranciersregel of een eenmalige post. De afdeling die de kosten veroorzaakte is zelden degene die ze in rekening gebracht krijgt, en de boekhouding sluit daarom nooit de lus die figuur 1 tekent.

De schaal is het plafond. Bij de meeste grote Nederlandse werkgevers en in de hele publieke sector is technische beloning een cao-schaal met jaarlijkse periodieken. Een sterke engineer of beheerder bereikt binnen enkele jaren het einde van de schaal, waarna de enige weg naar een hogere beloning promotie uit het technische werk of vertrek is. De schaal is ontworpen om eerlijk te zijn over de hele organisatie; haar effect op de technische populatie is dat zij de voorwaarde garandeert waaronder de sterksten vertrekken. De meeste cao’s staan uitzonderingen toe, in de vorm van een arbeidsmarkttoelage of inschaling in een hogere schaal, en de meeste IT-afdelingen weten dit niet of gebruiken het niet.

Het residu is beschermd. Het Nederlandse ontslagrecht vereist een redelijke grond, een preventieve toets door het UWV of de kantonrechter en een wettelijke transitievergoeding. Dit is een eigenschap van het stelsel, geen gebrek, maar het betekent dat de samenstelling van een team niet van onderaf gecorrigeerd kan worden zodra zij is verslechterd; de enige overgebleven hefboom is de top. Organisaties die het Dode Zee-effect behandelen als een prestatiemanagementprobleem, op te lossen door zwakke medewerkers te verwijderen, zullen in Nederland ontdekken dat het zo niet op te lossen is, en doen er beter aan het te voorkomen.

De indicatoren vereisen instemming. De indicatoren van paragraaf 6 verwerken persoonsgegevens van huidige en voormalige medewerkers, en verscheidene ervan, het prestatiekwartiel van vertrekkers en de beoordeling van betreurd verlies in het bijzonder, vormen een systeem voor het volgen van prestaties. Op grond van artikel 27 van de Wet op de ondernemingsraden heeft de ondernemingsraad instemmingsrecht over regelingen voor de verwerking van personeelsgegevens en voor het monitoren van medewerkers (Wet op de ondernemingsraden, art. 27 lid 1), en de Algemene verordening gegevensbescherming vereist een gedocumenteerd doel en een bewaartermijnschema. Niets hiervan verhindert het dashboard; het betekent wel dat de bouw ervan een beslissing is die met de ondernemingsraad wordt genomen, niet door de engineeringleiding alleen, en dat de gegevens over vertrekkers een bewaartermijn hebben waarna zij geaggregeerd of verwijderd moeten worden. Een afdeling die wil beginnen met meten, moet eerst dat gesprek beginnen.

De overlevenden schrijven de rapporten. Dit is paragraaf 3.4 herhaald als institutioneel feit: de mensen met de minste prikkel om achteruitgang te rapporteren, en het minste vermogen om haar te zien, zijn degenen van wie de organisatie haar informatie over het team betrekt. Externe beoordeling (paragraaf 6) is de enige remedie, en zij is impopulair om dezelfde reden waarom zij noodzakelijk is.

Geen van deze kenmerken is op zichzelf irrationeel. Samen garanderen zij dat een afdeling in fase 5 over haar samenstelling leert. Ze veranderen is moeilijker dan indicatoren toevoegen, maar de indicatoren zijn de plek om te beginnen, omdat zij de kenmerken zichtbaar maken.

10. Beperkingen en verder onderzoek

Dit is theoretisch onderzoek. Daaruit volgen drie beperkingen.

Selectie in het bewijs. De mechanismen in paragraaf 3 zijn ontleend aan gevallen waarin het effect optrad en uiteindelijk werd herkend. Afdelingen die het vermeden, of waarin capabele engineers vertrokken zonder de voorspelde achteruitgang, komen in de praktijkliteratuur niet voor. Het model kan daarom overschatten hoe vaak verloop van sterke presteerders tot lock-in leidt.

Het meten van ‘sterk’. Zowel het essay van Webster als dit artikel gaat ervan uit dat engineeringcompetentie gerangschikt kan worden. In de praktijk zijn prestatiebeoordelingen in de IT ruisig, en de mensen die het best geplaatst zijn om te oordelen zijn, volgens de eigen logica van het model, degenen die zijn vertrokken. Elke empirische toets heeft een competentiemaat nodig die onafhankelijk is van het bestudeerde team.

Stilering van het model en de casus. Het formele model van paragraaf 5 behandelt systemen als onafhankelijk, kennis als binair en snelheden als constant; de casus van paragraaf 7 is een composiet. Beide zijn hulpmiddelen om te laten zien dat het betoog coherent is, geen bewijs dat het waar is. De drie kwalitatieve resultaten van paragraaf 5 hangen niet af van de waarden van de snelheden; de genoemde jaren wel, en in een echte afdeling zouden de snelheden geschat moeten worden uit de registraties die bijlage A beschrijft.

Generalisatie. Het betoog is gebouwd op IT-afdelingen binnen grote Nederlandse organisaties, waar impliciete systeemkennis geconcentreerd is, de beloning een collectieve schaal volgt, ontslag beschermd is en de freelanceroute recent is versmald. Het is mogelijk niet overdraagbaar naar softwareproductbedrijven, consultancybureaus of kleine teams, waar de in paragraaf 2.2 benoemde voorwaarden verschillen, en evenmin ongewijzigd naar markten zonder collectieve loonschalen of met at-will-dienstverbanden, waar het residu uit Websters metafoor verwijderd kan worden in plaats van alleen voorkomen. De tweedeling is zelf een vereenvoudiging: data-engineers, platform-engineers en site-reliability-engineers zitten tussen de groepen in, en de cijfers van het artikel zouden voor hen afzonderlijk moeten worden uitgewerkt.

Het model levert hypothesen op die specifiek genoeg zijn om weerlegd te worden. Tabel 8 formuleert ze met de gegevens die elk vereist.

Drie onderzoeksontwerpen zouden deze hypothesen direct toetsen:

1. Retrospectieve samenstellingsanalyse. Reconstrueer voor afdelingen die zichtbare achteruitgang hebben ervaren het prestatiekwartiel en het systeemeigenaarschap van elke vertrekker over de voorgaande jaren uit HR- en versiebeheergegevens. Het model voorspelt dat de kwaliteit van de vertrekkers daalde en de kennisconcentratie steeg, enkele jaren voordat de opleveringsmetrieken bewogen.

2. Herkenningsvertraging per groep. Meet voor elk kritiek systeem dat busfactor nul bereikte de tijd tot het eerste eraan toegeschreven falen, en vergelijk softwaresystemen met beheerde systemen en geteste met ongeteste systemen. Het model voorspelt een langere vertraging voor beheerde systemen en een kortere waar disaster-recovery-tests worden uitgevoerd; een vertraging die niet korter wordt door testen zou de verklaring van het model voor waarneming weerleggen.

3. Indicatorvalidatie. Toets, waar de indicatoren van paragraaf 6 zijn verzameld, of zij voorlopen op de opleverings- en incidentmetrieken, en met hoeveel. Dit is de studie met de meest directe managementwaarde en de minste gegevensvereisten.

Versiebeheergeschiedenis is voor alle drie een onderbenutte bron. Commit-auteurschap, deelname aan reviews en bestandseigenaarschap in de tijd leveren een longitudinale registratie van wie wat wist, onafhankelijk van HR-beoordelingen, in precies de organisaties die het model beschrijft.

11. Conclusie

IT-organisaties herkennen het Dode Zee-effect laat omdat hun meetsystemen zo gebouwd zijn dat ze het missen. Verloop wordt geteld in plaats van gekarakteriseerd, operationele stabiliteit wordt gelezen als gezondheid, en de mensen die het verlies zouden kunnen rapporteren zijn degenen die zijn vertrokken. Wij bij Nashua hebben een vijffasenmodel voorgesteld waarin deze mechanismen een lock-in-punt voortbrengen één volle fase voordat het eerste ondubbelzinnige signaal het management bereikt, en een set compositionele indicatoren die eerder zouden bewegen. Het model is toetsbaar met gegevens die de meeste organisaties al bezitten.

Voor software-engineers is de conclusie dat het effect snel is, zichtbaar voor wie kijkt, en herstelbaar als het vroeg wordt opgemerkt. Sterke engineers vertrekken snel naar marktconform betaald werk, hun vertrek wordt als verloop geregistreerd, hun kennis zit deels in de code, en de samenstelling van het team kan uit versiebeheer worden afgelezen. In het model gaat het eerste systeem verloren na iets meer dan een jaar en wordt het verlies gezien na ongeveer drie, een vertraging van minder dan twee jaar. De hefbomen zijn beloning en overdracht: een gedifferentieerd retentiebudget binnen de ruimte die de meeste Nederlandse cao’s al bieden, en kennisspreiding toegepast voordat systemen bij één enige eigenaar terechtkomen, aangezien het model laat zien dat zij ze daarna niet meer kan redden.

Voor systeembeheerders is de conclusie dat het effect langzaam is, onzichtbaar voor wie niet vraagt, en moeilijker om van te herstellen. Sterke beheerders vertrekken langzamer, langs routes die het verlooppercentage niet telt (pensionering, overplaatsing, tot 2025 freelancen, en de onvervulde vacature), hun kennis is procedureel en laat geen artefact achter, en de samenstelling van het team kan niet worden berekend; zij moet worden samengesteld uit dunne registraties en bevestigd door te vragen. In het model gaat het eerste systeem verloren na iets minder dan drie jaar en wordt het verlies gezien na bijna zes, een vertraging van drie jaar die geen enkele retentiemaatregel verkort, omdat de vertraging wordt bepaald door hoe zelden de verloren kennis nodig is. De hefboom is oefening: geoefende overdrachten, en disaster-recovery-tests bijgewoond door iemand buiten het team, die volgens het model de vertraging van drie jaar tot zes maanden terugbrengen zonder het verlies een dag te vertragen, en die geen enkel engineeringteam nodig heeft omdat zijn wijzigingskalender hetzelfde werk doet.

Waarom de vertraging bij beheerders de langere is, volgt uit drie verschillen die het model uit elkaar houdt. Ten eerste is de vertraging het omgekeerde van hoe vaak de verloren kennis nodig is, vergelijking (2): de kennis van engineers wordt uitgeoefend op de wijzigingskalender, waar een wijziging die haar vereist per systeem elke twee of drie jaar komt, terwijl de kennis van beheerders wordt uitgeoefend op de incidentkalender, waar een failover, restore of upgrade die haar vereist ongeveer half zo vaak komt, zodat de kloof tussen het verliezen van de kennis en het ontdekken van het verlies tweemaal zo lang is. Ten tweede zit de kennis van een engineer deels in de code en kan zij daaruit worden gereconstrueerd; die van een beheerder is procedureel en laat geen artefact achter, zodat een beheerd systeem dat busfactor nul bereikt daar blijft, wat de periode verlengt waarin het verlies reëel en onzichtbaar is. Ten derde staat het falen bij engineering op de wijzigingskalender en ziet men het aankomen, als een programma dat uitloopt of een wijziging die niet kan worden ingepland; het falen bij beheer staat op de incidentkalender en komt zonder aanloop, als een restore die mislukt op de dag dat hij nodig is. Dat beheerders ook langzamer vertrekken, vertraagt het verlies zelf maar niet de ontdekking ervan, en daarom is de remedie voor hen oefening in plaats van beloning: een geoefende overdracht of een bijgewoonde hersteltest is een opzettelijk geplande gebeurtenis die de kennis nodig heeft, en zij haalt de ontdekking naar voren zonder op het incident te wachten.

Voor beide groepen is de praktische boodschap dezelfde, en in de Nederlandse context heeft zij een bijzondere scherpte. De vraag die over verloop gesteld moet worden is niet hoeveel mensen vertrokken, maar wie, wat zij meenamen, en of er nog iemand over is die het zou merken. In een markt waar het residu niet ontslagen kan worden en de sterksten volgens een schaal worden betaald, is het enige moment om haar te beantwoorden vóór het lock-in-punt, en de enige manier om haar voor beheerders te beantwoorden is vragen.

Bijlage A. Het meten van de indicatoren

Deze bijlage geeft voor elke indicator in tabel 4 een operationele definitie, een gegevensbron en de belangrijkste valkuil. Alle kunnen kwartaalsgewijs worden berekend uit registraties die de meeste organisaties al bijhouden; geen enkele vereist een enquête.

Betreurd-verliespercentage. Bij elk vrijwillig vertrek beantwoordt de leidinggevende van de vertrekker één vraag, vastgelegd door HR: zou u een tegenbod hebben gedaan om deze persoon te behouden? Het percentage is het aantal betreurde vertrekken gedeeld door alle vrijwillige vertrekken over vier voortschrijdende kwartalen. Valkuil: leidinggevenden oordelen achteraf royaler zodra bekend is dat een vertrek pijn heeft gedaan; leg het antwoord binnen een week na de opzegging vast.

Prestatiekwartiel van vertrekkers. De positie van elke vertrekker in de prestatieverdeling van de afdeling, genomen uit het gemiddelde van zijn laatste twee beoordelingen vóór de opzegging. Rapporteer het aandeel vertrekkers uit het topkwartiel. Valkuil: beoordelingen die naar het midden zijn samengedrukt verbergen het signaal; waar beoordelingen niet informatief zijn, vervang ze door een gedwongen rangschikking door twee leidinggevenden bij vertrek.

Salariskloof bij vertrek. Mediaan procentueel verschil tussen de nieuwe totale beloning van de vertrekker en zijn huidige, uit exitgesprekken. Valkuil: vertrekkers onderschatten of weigeren te antwoorden; een responspercentage onder de helft maakt het cijfer onbetrouwbaar, en het responspercentage zelf is dan de indicator.

Busfactor per kritiek systeem. Het aantal mensen dat verloren kan gaan voordat niemand van de overblijvers het systeem nog kan wijzigen of herstellen. Voor systemen onder versiebeheer kan hij uit de geschiedenis worden berekend zonder iemand iets te vragen. De methode van Avelino et al. (2016) kent elke ontwikkelaar $d$ een mate van auteurschap toe voor elk bestand $f$,

waarin $\mathrm{FA}$ 1 is als $d$ het bestand heeft aangemaakt, $\mathrm{DL}$ het aantal wijzigingen is dat $d$ erin heeft aangebracht en $\mathrm{AC}$ het aantal wijzigingen door anderen. Een ontwikkelaar telt als kenner van een bestand wanneer zijn genormaliseerde DOA minstens 0.75 van het maximum van het bestand is en de absolute waarde minstens 3.293. De busfactor wordt dan gevonden door ontwikkelaars te verwijderen in volgorde van het aantal gekende bestanden, totdat meer dan de helft van de bestanden van het systeem geen overgebleven kennende ontwikkelaar meer heeft. Voor beheerde systemen, die zich grotendeels buiten versiebeheer bevinden, wordt hetzelfde idee toegepast op andere registraties van wie wat deed: wijzigingstickets per systeem, incidentoplossingen per systeem, deelname aan het piketrooster en, waar infrastructuur als code is gedefinieerd, de configuratierepository. Een persoon telt als kenner van een beheerd systeem wanneer hij er in het afgelopen jaar wijzigingen of incidenten op heeft afgesloten zonder naar iemand anders te escaleren. Valkuil: deze registraties zijn dunner dan de commitgeschiedenis en schrijven werk vaak toe aan wie het ticket indiende in plaats van wie het uitvoerde; bevestig voor de meest kritieke systemen het berekende cijfer door het team te vragen wie het systeem vanaf nul zou kunnen herstellen, en beschouw aarzeling als een busfactor van één.

Kennisconcentratie-index. Het aandeel kritieke systemen met busfactor één. ‘Kritiek’ moet door het bedrijf worden gedefinieerd (systemen waarvan uitval omzet of compliance stillegt), niet door IT. Valkuil: de index kan worden gemanipuleerd door systemen op te splitsen; leg de systeemlijst voor minstens een jaar vast.

Aantal verweesde systemen. Het aantal kritieke systemen waarvan de auteur of primaire onderhouder is vertrokken en die zijn herverdeeld naar een bestaande eigenaar zonder overdrachtsperiode van minstens een maand overlap. Tel voor beheerde systemen een overdracht alleen als echt wanneer de nieuwe eigenaar de kritieke procedures (restore, failover, certificaatrotatie) minstens één keer onder toezicht heeft uitgevoerd; een runbook dat ongeoefend wordt overgedragen is geen overdracht. Bron: systeemeigenaarsregister, gekoppeld aan vertrekdata. Valkuil: eigenaarsregisters worden zelden bijgehouden; de eerste berekening vereist meestal reconstructie van het register, wat op zichzelf al informatief is.

Dienstjarenscheefheid. De verhouding tussen medewerkers met meer dan vijf dienstjaren en medewerkers met minder dan twee, afzonderlijk berekend voor engineers en beheerders. Een gezonde afdeling die zichzelf vernieuwt zit rond één; een afdeling waarvan de instroom is opgedroogd of niet blijft, klimt boven twee. Valkuil: een reorganisatie die mensen tussen afdelingen verplaatst, zet in sommige HR-systemen de dienstjaren op nul; gebruik dienstjaren bij de werkgever, niet bij de kostenplaats.

Frequentie van externe toetsing. Het aantal gelegenheden per jaar waarop code, architectuur of beheerpraktijk is beoordeeld door iemand buiten het team: een architectuurreviewboard, een beveiligingsaudit waarvan de bevindingen zijn besproken, een review door een collega-afdeling, een beoordeling door een externe consultant. Tel alleen reviews die schriftelijke bevindingen hebben opgeleverd. Valkuil: compliance-audits die documenten controleren in plaats van systemen, moeten niet worden meegeteld.

Vroeg verloop. Voor elk wervingscohort (aanstellingen in een bepaald halfjaar) het aandeel dat binnen twaalf maanden na de startdatum is vertrokken. Rapporteer per cohort, niet per kalenderjaar, zodat het cijfer voor een cohort eenmaal bekend is en niet verschuift. Valkuil: het cijfer loopt per constructie een jaar achter; combineer het met de acceptatiegraad van aanbiedingen, die dat niet doet.

Acceptatiegraad van aanbiedingen voor seniorfuncties. Het aandeel aanbiedingen voor seniorfuncties dat is geaccepteerd, over vier voortschrijdende kwartalen, en de geregistreerde redenen voor afwijzing. Valkuil: recruiters registreren de reden die het minst op het proces afstraalt; vraag het waar mogelijk de kandidaat rechtstreeks.

Actualiteit van disaster-recovery-tests (beheerders). Voor elk kritiek beheerd systeem het aantal maanden sinds een restore, failover of herbouw voor het laatst van begin tot eind is uitgevoerd door iemand anders dan de primaire eigenaar, met het resultaat vastgelegd. Deze indicator heeft geen engineeringequivalent en wordt hier toegevoegd omdat de casus van paragraaf 7 erom draait. Trigger: elk kritiek systeem boven twaalf maanden, of elk systeem waarvan de laatste test alleen is uitgevoerd door iemand die sindsdien is vertrokken. Valkuil: een test die is gestart en afgebroken wordt vaak als uitgevoerd gelogd; tel alleen tests met een vastgelegde uitkomst.

De set lezen. Geen enkele indicator is op zichzelf beslissend. Het patroon dat het model voorspelt is een stijging van betreurde verliezen en topkwartielvertrek (fase 1), gevolgd door een daling van de busfactor en een stijging van verweesde systemen (fase 2), gevolgd door een stijging van de dienstjarenscheefheid en een daling van externe toetsing (fase 3), en pas daarna een stijging van vroeg verloop en een daling van de acceptatie van senioraanbiedingen (fase 4). Een afdeling die de eerste twee bewegingen ziet heeft tijd; een die de laatste twee ziet heeft heel weinig.

Referenties

Avelino, G., Passos, L., Hora, A., & Valente, M. T. (2016). A novel approach for estimating truck factors. In Proceedings of the 24th IEEE International Conference on Program Comprehension (ICPC), 1–10. https://doi.org/10.1109/ICPC.2016.7503718 (author version: https://homepages.dcc.ufmg.br/~mtov/pub/2016-icpc.pdf)

Becker, W. J., & Cropanzano, R. (2011). Dynamic aspects of voluntary turnover: An integrated approach to curvilinearity in the performance–turnover relationship. Journal of Applied Psychology, 96(2), 233–246. https://doi.org/10.1037/a0021223

Brooks, F. P. (1975). The Mythical Man-Month: Essays on Software Engineering. Addison-Wesley.

Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10.2307/2393553

Cosentino, V., Cánovas Izquierdo, J. L., & Cabot, J. (2015). Assessing the bus factor of Git repositories. In Proceedings of the 22nd IEEE International Conference on Software Analysis, Evolution, and Reengineering (SANER), 499–503. https://doi.org/10.1109/SANER.2015.7081864

Dalton, D. R., Todor, W. D., & Krackhardt, D. M. (1982). Turnover overstated: The functional taxonomy. Academy of Management Review, 7(1), 117–123. https://doi.org/10.5465/amr.1982.4285499

De Holan, P. M., & Phillips, N. (2004). Remembrance of things past? The dynamics of organizational forgetting. Management Science, 50(11), 1603–1613. https://doi.org/10.1287/mnsc.1040.0273

DeLong, D. W. (2004). Lost Knowledge: Confronting the Threat of an Aging Workforce. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780195170979.001.0001

Hom, P. W., Lee, T. W., Shaw, J. D., & Hausknecht, J. P. (2017). One hundred years of employee turnover theory and research. Journal of Applied Psychology, 102(3), 530–545. https://doi.org/10.1037/apl0000103

Jackofsky, E. F. (1984). Turnover and job performance: An integrated process model. Academy of Management Review, 9(1), 74–83. https://doi.org/10.5465/amr.1984.4277940

Kaplan, B. (2009). Managing the risk of knowledge loss due to workforce attrition. Presentation to the SIKM Leaders Community, June 2009. https://www.slideshare.net/SIKM/managing-the-risk-of-knowledge-loss-due-to-workforce-attrition

Manpower Inc. (2010). Knowledge retention and transfer in the world of work. White paper, announced 13 April 2010. https://investor.manpowergroup.com/node/51361

Minister van Sociale Zaken en Werkgelegenheid & Staatssecretaris van Financiën. (2026, 12 February). Brief aan de Tweede Kamer inzake zelfstandig ondernemerschap: reactie op het position paper van VZN en handhaving op arbeidsrelaties (Kamerstukken II 2025/26, 31 311, nr. 304). https://zoek.officielebekendmakingen.nl/kst-31311-304.pdf

Nyberg, A. (2010). Retaining your high performers: Moderators of the performance–job satisfaction–voluntary turnover relationship. Journal of Applied Psychology, 95(3), 440–453. https://doi.org/10.1037/a0018869

Salamin, A., & Hom, P. W. (2005). In search of the elusive U-shaped performance–turnover relationship: Are high performing Swiss bankers more liable to quit? Journal of Applied Psychology, 90(6), 1204–1216. https://doi.org/10.1037/0021-9010.90.6.1204

Trevor, C. O., Gerhart, B., & Boudreau, J. W. (1997). Voluntary turnover and job performance: Curvilinearity and the moderating influences of salary growth and promotions. Journal of Applied Psychology, 82(1), 44–61. https://doi.org/10.1037/0021-9010.82.1.44. Open-access working paper: https://ecommons.cornell.edu/entities/publication/7dd1115c-022a-4dc6-9af7-7a4a31a0c19a

UWV. (2025, 18 December). Ontwikkeling krapte naar beroep 2024–2030. https://www.uwv.nl/assets-kai/files/3dadda9c-258e-4d9f-b60c-eac75496816b/ontwikkeling-krapte-naar-beroep-2024-2030.pdf

UWV. (2026, 8 October). ICT-beroepen: arbeidsmarktinformatie. https://www.uwv.nl/nl/arbeidsmarktinformatie/sector/ict

Webster, B. F. (2008, 11 April). The wetware crisis: The Dead Sea effect. Bruce F. Webster (blog). https://brucefwebster.com/2008/04/11/the-wetware-crisis-the-dead-sea-effect/

Wet op de ondernemingsraden, art. 27. https://wetten.overheid.nl/BWBR0002747

Williams, C. R., & Livingstone, L. P. (1994). Another look at the relationship between performance and voluntary turnover. Academy of Management Journal, 37(2), 269–298. https://doi.org/10.2307/256830