Hoe ik voorkom dat AI mij dommer maakt

Angst, voor de eigen baan, voor de maatschappij… en het eigen brein. Toen ik de afgelopen week eens de meest gestelde vragen na mijn keynotes op een rij zette, sprong er één bovenuit: ‘is AI echt zo slecht voor je brein?’

Die vraag zegt in mijn optiek minder over technologie en meer over onze angst om denkvermogen kwijt te raken.

Ik zie bijna dagelijks hoe die angst wordt gevoed. Het MIT Media Lab-onderzoek ‘Your Brain on ChatGPT‘ werd snel gebracht als “AI maakt je dom”. De werkelijkheid is in mijn optiek echt genuanceerder. Geen hersenschade, wel andere denkgewoonten: minder betrokkenheid, zwakker geheugen, minder eigenaarschap.

Dat patroon kennen we. Plato vreesde dat schrijven ons geheugen zou aantasten. Rekenmachines zouden ons dom maken. Smartphones onze aandacht vernietigen. Telkens bleek niet de technologie het probleem, maar hoe gedachteloos we haar gebruiken.

AI is anders omdat ze zo verleidelijk goed is in alles. Schrijven, samenvatten, analyseren, brainstormen. Daardoor ontstaat het risico van wat ik voor mezelf een AI-brein noem: niet minder intelligent, wel minder scherp. Minder frictie, minder worsteling, minder eigen perspectief.

Onderzoek bevestigt dat risico én de nuance. Scholieren die GPT zonder begeleiding gebruikten, scoorden later 17 procent lager. Tegelijkertijd laten studies van de The World Bank, Harvard University en Stanford University zien dat AI enorme leerwinst kan opleveren, mits ingezet als tutor en niet als antwoordenmachine.

Het verschil zit hem in mijn optiek dus niet in AI, maar in hoe je haar inzet.

Dit zijn de regels die ik zelf hanteer om scherp te blijven:

1) Ik denk vóór ik prompt
Voordat ik AI open, schrijf ik eerst mijn eigen standpunt of vraag op. Soms rommelig, soms half. Pas daarna mag AI meedenken. Nooit andersom.

2) Ik schrijf altijd eerst zelf
Elke tekst begint zonder AI. Pas als er een volledige eerste versie staat, gebruik ik AI als redacteur, nooit als auteur.

3) Ik los niet alles meteen op
Als iets schuurt, laat ik het liggen. Geen snelle samenvatting, geen directe AI-oplossing. Ik dwing mezelf om langer in onzekerheid te blijven.

4) Ik kies bewust voor minder
Ik bepaal elke week twee of drie dingen die echt tellen. Ideeën die “wel leuk” zijn, laat ik liggen, ook als AI ze snel uitvoerbaar maakt.

5) Ik plan menselijke frictie in
Elke dag tijd zonder scherm. Elke week fysieke inspanning. Zo vaak mogelijk echte gesprekken in plaats van calls. Dit staat letterlijk in mijn agenda.

AI beschadigt je hersenen niet. Onbewust gebruik kan wel je denkgewoonten afvlakken. De echte vraag is dus niet wat AI met ons brein doet, maar welke delen van ons denken we vrijwillig uitbesteden.

In 1961 stond John F. Kennedy voor een groep ingenieurs bij NASA. De Verenigde Staten liepen achter in de ruimtewedloop en de technische onzekerheden waren enorm. Toch ging het in zijn woorden nauwelijks over raketten of berekeningen.

Hij sprak over richting. Over het vermogen om een ambitie te formuleren die groot genoeg was om keuzes af te dwingen, ook als de weg ernaartoe nog onduidelijk was. Niet de technologie stond centraal, maar het kompas.

Die scène komt steeds vaker in me op wanneer gesprekken over AI en strategie elkaar kruisen. Niet omdat AI hetzelfde is als de NASA van toen, maar omdat de kernvraag identiek is: begrijpen leiders voldoende wat er gebeurt om scherpe keuzes te maken?

Veel van mijn klanten investeren inmiddels fors in AI. Er draaien pilots, er zijn dashboards, er wordt geëxperimenteerd met generatieve modellen. Tegelijkertijd hoor ik van veel leiders terug, dat ze het gevoel hebben dat het niet echt landt. Projecten concurreren met elkaar, teams spreken verschillende talen en bestuurders voelen zich afhankelijk van specialisten zonder zelf het overzicht te hebben. De kloof zit hem hier in mijn optiek zelden in technologie, maar bijna altijd in strategische fluency.

Strategische fluency is geen technische vaardigheid. Het is het vermogen om te begrijpen waar AI waarde kan toevoegen, waar niet, en hoe initiatieven zich verhouden tot bredere bedrijfsdoelen. Leiders met strategische fluency hoeven geen modellen te bouwen, maar kunnen wel de juiste vragen stellen. Ze zien AI niet als innovatie op zich, maar als onderdeel van een samenhangend verhaal over groei, risico en verantwoordelijkheid.

Wat daarbij opvalt, is dat veel organisaties AI benaderen alsof het een losse versnelling is. Meer data, snellere analyses, efficiëntere processen. De praktijk laat iets anders zien. AI werkt eerder als een vergrootglas. Wat strategisch helder is, wordt scherper. Wat diffuus is, wordt pijnlijk zichtbaar. Zonder duidelijke prioriteiten leidt AI tot fragmentatie, niet tot versnelling.

Hier helpt een eenvoudig denkkader: zie AI als een nieuwe medewerker aan de bestuurstafel. Een medewerker die extreem snel patronen ziet, maar geen gevoel heeft voor context, ethiek of lange termijn. Die medewerker kan briljant zijn, mits goed aangestuurd. Zonder kaders gaat hij alle kanten op. Governance is in dat beeld geen rem, maar de functiebeschrijving. Het bepaalt waar AI mag meedenken, waar besluiten vallen en wie verantwoordelijkheid draagt.

Recente analyses laten zien dat organisaties die governance vroeg betrekken bij AI-initiatieven sneller schaal bereiken en minder last hebben van versnippering. Niet omdat ze voorzichtiger zijn, maar omdat ze duidelijker zijn. Strategische fluency betekent hier: begrijpen dat snelheid zonder richting uiteindelijk vertraging oplevert.

Tegelijkertijd is er spanning. Bestuurders voelen de druk om mee te gaan, terwijl onzekerheid blijft bestaan. Wat als we kansen missen? Wat als we te veel vertrouwen op systemen die we niet volledig doorgronden? Die spanning verdwijnt niet door meer experimenten, maar door beter strategisch gesprek. AI dwingt leiders om explicieter te worden over aannames, waarden en keuzes. Dat is ongemakkelijk, maar ook gezond.

Wat nu al zichtbaar is, is dat de meest succesvolle AI-toepassingen voortkomen uit organisaties waar strategie geen jaarlijks document is, maar een continu gesprek. Daar wordt AI niet ingezet om beslissingen te automatiseren, maar om besluitvorming te verrijken. Scenario’s worden scherper, trade-offs explicieter, en blinde vlekken sneller herkend.

Strategische fluency vraagt daarom iets fundamenteels van leiderschap. Minder leunen op controle, meer op begrip. Minder focus op tools, meer op samenhang. Het is het verschil tussen vragen wat AI kan, en vragen wat wij willen dat het doet.

In een tijd waarin technologie sneller beweegt dan organisaties, is strategische fluency in mijn optiek geen luxe, maar een vorm van volwassenheid. De vraag die blijft hangen is eenvoudig, maar niet gemakkelijk: als iemand vandaag met frisse ogen naar jouw AI-initiatieven kijkt, zien zij dan richting, of vooral activiteit?

Diamantorganisaties en centaur teams

AI verandert steeds meer bedrijven op twee manieren tegelijk. De vorm van organisaties verschuift van piramide naar diamant. Minder brede onderkant, meer zwaarte in het midden. Taken die vroeger leerwerk waren, zoals eerste analyses, samenvattingen en controles, worden steeds vaker door systemen opgepakt. Wat overblijft, is werk dat vraagt om context, afweging en verantwoordelijkheid. Daardoor wordt het midden van de organisatie belangrijker dan ooit.

Tegelijk verandert de manier waarop teams werken. Steeds vaker ontstaan centaur teams: mensen en AI die samen één taak uitvoeren. Mensen bepalen richting, betekenis en grenzen. AI verkent opties, rekent door, vergelijkt patronen en versnelt het proces. Dat kan tot betere besluiten leiden, niet omdat AI slimmer is, maar omdat het menselijk oordeel wordt ondersteund door meer perspectief en snelheid.

Hier ontstaat ook spanning. De diamant roept de vraag op waar talent zich nog ontwikkelt als instapwerk verdwijnt. Wie leert het vak, wie maakt fouten, wie groeit door. De centaur roept een andere vraag op: wie blijft wakker als systemen steeds overtuigender klinken. Automatisering helpt, maar eigenaarschap kan niet worden geautomatiseerd.

Wat ik zie bij leiders die hier bewust mee bezig zijn, is dat het gesprek verschuift. Minder focus op efficiency alleen, meer aandacht voor hoe besluiten tot stand komen. Minder praten over tools, meer over verantwoordelijkheden, toezicht en professionele oordeelsvorming. AI wordt dan geen trucje, maar een vast onderdeel van hoe teams denken en werken.

Dit is geen verre toekomst. Deze herontwerpen gebeuren nu. In advies, finance, overheid, marketing, zorg. Minder lagen, andere rollen, nieuwe combinaties van mens en technologie. Wie dit reduceert tot kostenbesparing, mist de kern. Het gaat over hoe organisaties slimmer, zorgvuldiger en consistenter kunnen beslissen in een wereld die sneller beweegt.

Misschien is dat de echte leiderschapsvraag van dit moment: als je organisatie een diamant wordt en je teams steeds meer op centaurs lijken, waar borg je dan menselijk oordeel, vakmanschap en moreel kompas in besluiten die steeds sneller genomen worden?

De meest interessante technologie van dit moment zit niet meer in schermen of gadgets. Ze zit in onze slaap, in onze mond en zelfs op onze nagels. Drie voorbeelden die laten zien hoe innovatie steeds persoonlijker en lichamelijker wordt.

Talloze ziekten voorspellen via één nacht slaap

Een nieuwe studie in Nature Medicine laat zien hoe krachtig slaapdata kan zijn. Onderzoekers ontwikkelden SleepFM, een AI-model dat is getraind op meer dan 585.000 uur aan slaapmetingen. Op basis van één nacht slaap kan het model onder andere het risico op dementie, hartfalen en een hartaanval voorspellen, met nauwkeurigheden rond de 80 tot 85 procent. Dat is vaak jaren voordat klachten zichtbaar worden. Tegelijk roept dit voor mij wel vragen op; hoe betrouwbaar zijn zulke voorspellingen op individueel niveau en wat doen we met die kennis? Vroeg weten kan helpen bij preventie, maar kan ook onrust veroorzaken.

Muziek luisteren via een lolly

Een product dat tegelijk absurd en slim aanvoelt: een lolly die muziek afspeelt via botgeleiding. Lollipop Star stuurt trillingen via het kaakbot direct naar het binnenoor, terwijl je een fruitige smaak proeft. Je hoort muziek zonder oordopjes, simpelweg door een lolly in je mond. Het is geen wereldschokkende innovatie, maar wel een mooi voorbeeld van hoe bestaande technologie nieuwe vormen krijgt. De vraag is of dit een gimmick blijft of dat botgeleiding vaker opduikt in onverwachte, alledaagse producten.

Nagellak die van kleur verandert

Met iPolish wordt zelfs nagellak dynamisch. Het concept laat gebruikers digitaal van kleur wisselen zonder opnieuw te lakken. De technologie combineert een speciale toplaag met aansturing via een app, waardoor je nagels zich aanpassen aan je outfit of stemming. Praktisch gezien roept dat vragen op over duurzaamheid, kosten en dagelijks gebruik. Tegelijk past het in een bredere trend waarin mode en technologie steeds meer samenvallen. Flexibel en persoonlijk instelbaar.

Ook deze maand mag ik weer met een aantal organisaties werken rondom AI. 

Ik zie dat het vaak wordt gepresenteerd als een versneller. In de praktijk zie ik iets anders gebeuren. Niet omdat de technologie tekortschiet, maar omdat ze genadeloos zichtbaar maakt waar organisaties al langer mee worstelen. AI versnelt niet alleen processen, maar ook onzekerheid over vakmanschap, sturing en leiderschap. Juist daarom schuurt het.

Wat me opvalt in gesprekken met leiders en teams, is hoe snel initiatief verschuift. Mensen die eerder aan de zijlijn stonden, bouwen nu in korte tijd prototypes, analyses en plannen. Dat brengt energie en creativiteit. Tegelijk schuift ervaring vaak pas laat aan. Het resultaat oogt overtuigend, maar mist soms stevigheid. Besluiten worden genomen op basis van werk dat technisch klopt, maar inhoudelijk nog niet is doorleefd. Organisaties die hier volwassen mee omgaan, laten ruimte voor verkenning, maar zorgen dat ervaring het laatste woord heeft. Niet om te vertragen, maar om richting te geven.

Diezelfde spanning zie ik terug in hoe AI wordt georganiseerd. Sommige bedrijven trekken alles naar het centrum uit angst voor risico’s. Andere laten iedereen vrij experimenteren in de hoop op versnelling. Beide bewegingen slaan door. Te veel controle smoort initiatief. Te veel vrijheid leidt tot versnippering en vermoeidheid. Wat overeind blijft, is de behoefte aan heldere kaders die beschermen waar het moet en ruimte laten waar het kan.

Ook het idee dat AI automatisch leidt tot plattere organisaties blijkt hardnekkig en misleidend. Formeel verdwijnen lagen, maar in de praktijk neemt de druk toe. Managers krijgen meer mensen onder zich, terwijl het werk complexer wordt en afstemming belangrijker. Zonder herontwerp van hoe werk loopt, ontstaat geen wendbaarheid maar overbelasting. AI werkt hier alleen als het administratieve ballast wegneemt, zodat leiders weer kunnen doen waar ze het verschil maken: richting geven, afwegen en verbinden.

Snelheid speelt in al deze gesprekken een hoofdrol. Iedereen wil vooruit. Tools zijn snel inzetbaar, maar organisaties veranderen niet op commando. Besluiten worden genomen, pilots gestart, maar de uitvoering stokt omdat processen, prikkels en gedrag niet meebewegen. Wat ontbreekt is vaak het besef dat sommige onderdelen juist vertraging nodig hebben. Reflectie, eigenaarschap en het uitdiepen van ideeën laten zich niet forceren. Wat te makkelijk ontstaat, wordt zelden gedragen.

Ten slotte zie ik hoe verandering wordt gestuurd. Soms met stevige top-down druk, soms met het idee dat het vanzelf wel groeit. In het eerste geval ontstaat compliance zonder overtuiging. In het tweede geval losse initiatieven zonder schaal. De beweging komt pas echt op gang wanneer leiders zelf zichtbaar leren, richting geven zonder dicht te regelen en succes niet afmeten aan gebruik, maar aan effect.

Wat deze spanningen gemeen hebben, is dat ze niet verdwijnen. AI dwingt leiders om expliciet te worden over keuzes die lang impliciet waren. Over kwaliteit. Over tempo. En over vertrouwen in mensen.

Organisaties die hier sterk uitkomen, zoeken geen definitieve antwoorden. Ze bouwen het vermogen om bij te sturen terwijl alles in beweging is. Ze zien spanning niet als iets dat opgelost moet worden, maar als een signaal dat richting geeft.

AI vraagt geen perfecte strategie. Het vraagt leiders die het ongemak durven verdragen en daar niet voor weglopen. Precies daar ontstaat vooruitgang.

In de jaren vijftig waarschuwde Herbert Simon, Nobelprijswinnaar en een van de grondleggers van besluitvormingstheorie, voor iets wat destijds futuristisch klonk. Hij stelde dat organisaties steeds vaker beslissingen zouden nemen op basis van systemen en modellen, niet alleen op basis van menselijk oordeel. Wat hem vooral bezighield was niet de technologie zelf, maar wat dat zou doen met verantwoordelijkheid. Wie neemt een besluit als het denkwerk elders plaatsvindt?

Die vraag voelt vandaag opvallend actueel.

Steeds meer AI-systemen doen aanbevelingen, prioriteren opties of handelen zelfs zelfstandig. Niet spectaculair, maar stil en efficiënt. Een algoritme dat sollicitaties voorselecteert. Een systeem dat bepaalt welke klant aandacht krijgt. Bovendien Een model dat een risico inschat en daarmee de richting van een besluit al vastlegt. Op papier neemt de leider nog steeds het besluit. In de praktijk is de keuze vaak al technisch voorgevormd.

Dat is geen probleem op zich. Het wordt pas spannend als we blijven doen alsof besluitvorming nog hetzelfde werkt als tien jaar geleden.

Veel beslissingen voelen menselijk, maar zijn dat steeds minder. Ze worden beïnvloed door datasets, aannames in modellen en optimalisaties die ooit logisch leken, maar zelden opnieuw ter discussie worden gesteld. De leider komt later in het proces binnen, vaak op het moment dat er nog maar weinig echte keuzevrijheid over is.

Wat hier gebeurt, is geen machtsgreep van technologie. Het is een verschuiving van het beslissingsmoment.

Een eenvoudig denkkader helpt dit te begrijpen: het verschil tussen keuze en kader. Leiders blijven keuzes maken, maar technologie bepaalt steeds vaker het kader waarbinnen die keuzes plaatsvinden. Wat zichtbaar is, wat meetelt, wat logisch voelt. Wie dat kader niet begrijpt of bevraagt, neemt formeel besluiten, maar stuurt inhoudelijk minder dan gedacht.

De positieve kant is duidelijk. Systemen kunnen patronen zien die mensen missen. Ze brengen consistentie, snelheid en schaal. Ze helpen om bias te verminderen en om complexe situaties hanteerbaar te maken. Veel organisaties zouden zonder deze ondersteuning simpelweg vastlopen.

De keerzijde is subtieler. Als het kader verschuift zonder expliciete aandacht, verschuift ook verantwoordelijkheid. Niet omdat leiders die willen afstaan, maar omdat ze zich verplaatsen naar een ander niveau. Van inhoud naar proces. Van afweging naar validatie. Dat voelt veilig, maar het is ook een verschraling van leiderschap.

Het risico zit niet in foute beslissingen, maar in onzichtbare aannames. Wie bepaalt welke data relevant is? Welke waarden zijn ingebouwd in optimalisaties? Wat gebeurt er als efficiëntie structureel zwaarder weegt dan menselijk oordeel? Dit zijn geen technische vragen. Dit zijn leiderschapsvragen.

Wat deze tijd vraagt, is geen afwijzing van technologie, maar hernieuwde aandacht voor waar besluiten echt ontstaan. Niet alleen aan het einde van de keten, maar aan het begin. Daar waar systemen worden ontworpen, gekozen en ingepast in organisaties.

Herbert Simon had gelijk, al kon hij de schaal niet voorzien. Technologie neemt geen beslissingen. Maar ze verandert wel wie ze neemt, en vooral wanneer dat gebeurt.

De vraag voor leiders is daarom niet of ze controle houden, maar of ze nog weten waar die controle begint en eindigt. Dat inzicht bepaalt of technologie een versterking wordt van leiderschap, of een stille verschuiving waar pas later woorden voor worden gevonden.

Ik merk de laatste tijd een specifiek patroon in werk dat ik ontvang. Bijna elke dag. Van klanten, medewerkers, zakenpartners… bijna iedereen. Het ziet er verzorgd uit, leest soepel en lijkt af. Toch blijft na het lezen een ongemakkelijk gevoel hangen: dit helpt me niet verder. Het voelt niet fout, maar leeg.

Dat gevoel blijkt opvallend goed te corresponderen met wat onderzoekers inmiddels “workslop” noemen. In recent onderzoek onder ruim duizend fulltime werknemers zegt 40% dat zij in de afgelopen maand AI-gegenereerd werk ontvingen dat professioneel oogt, maar inhoudelijk weinig bijdraagt. Respondenten schatten dat ongeveer 15% van alle werkcontent die zij ontvangen hieronder valt. Dat is geen randverschijnsel meer, dat is structureel.

Veel output, weinig effect

De impact zit vooral in wat erna komt. Gemiddeld kost het bijna twee uur om één geval van workslop te herstellen: herlezen, interpreteren, corrigeren, opnieuw maken. Omgerekend betekent dat een verborgen kostenpost van ongeveer 186 dollar per medewerker per maand. Voor een organisatie van 10.000 mensen loopt dat richting $9 miljoen per jaar aan verloren productiviteit. Tegelijk geeft 95% van de organisaties aan geen meetbare opbrengst te zien van hun investeringen in generatieve AI. Veel output, weinig effect.

Wat mij persoonlijk het meest raakt, zijn de relationele gevolgen. Meer dan de helft van de ontvangers voelt irritatie, ruim een derde verwarring en één op de vijf zelfs ergernis. Bijna de helft beoordeelt collega’s die workslop sturen als minder creatief, minder capabel of minder betrouwbaar. Een derde wil liever niet meer met die persoon samenwerken. Dat is geen soft sentiment, dat is schade aan samenwerking.

Het interessante is dat het onderzoek een duidelijk onderscheid laat zien in houding. Mensen die AI gebruiken om hun eigen denken te versterken, leveren aantoonbaar betere output dan mensen die AI gebruiken om denken te vermijden. Het probleem is dus niet AI, maar cognitieve uitbesteding zonder eigenaarschap.

Workslop is in mijn optiek geen technologische bijwerking, maar een kwaliteitscrisis die door AI zichtbaar en schaalbaar is geworden. Wie AI inzet zonder duidelijke normen, verplaatst werk in plaats van het te verminderen. Wie AI gebruikt als denkpartner, wint juist scherpte. De vraag is niet of we AI gebruiken. De vraag is of we nog herkennen wanneer werk echt iets bijdraagt.