AI en vaardigheden: wat wil je zelf blijven kunnen?

Een hulpmiddel verandert de verdeling van het werk

Een rekenmachine neemt berekeningen over, een navigatie-app helpt een route vinden en een tekstverwerker verandert schrijven. Zulke vergelijkingen maken begrijpelijk dat technologie gewoontes kan verplaatsen. Ze bewijzen niet wat AI met iedere gebruiker of met intelligentie in het algemeen doet.

Kijk liever naar de concrete taak. Welk deel laat je uitvoeren en welk deel blijft bij jou? Bij een zakelijke tekst kun je formuleren uitbesteden terwijl je doel en argumenten zelf bepaalt. Maar als je ook de argumenten overneemt zonder ze te begrijpen, is de overdracht groter dan alleen sneller schrijven.

Dat verschil hoeft geen moreel oordeel over hulpmiddelen te worden. Je hoeft niet alles zelf te kunnen. De vraag is welke zelfstandigheid nodig is voor de verantwoordelijkheid die je draagt. Een ondernemer die een berekening gebruikt om een investering te beoordelen, moet de aannames bijvoorbeeld kunnen begrijpen en laten controleren.

Presteren met hulp is niet hetzelfde als leren

Een beter eindantwoord kan verhullen dat je tijdens het proces weinig hebt geoefend. Voor een eenmalige, laagdrempelige klus hoeft dat niet altijd een probleem te zijn. Wanneer je juist een vaardigheid wilt opbouwen, moet je wel weten welke oefening overblijft.

Onderzoeker Hamsa Bastani beschrijft bij Wharton een experiment met wiskundeleerlingen waarin antwoordgerichte AI-hulp anders uitwerkte dan hulp met didactische begrenzing en hints. De prestaties tijdens oefenen en op een zelfstandige toets liepen uiteen. Dit is onderzoek in een specifieke onderwijscontext, geen bewijs voor algemene IQ-daling of voor alle huidige AI-toepassingen. Knowledge at Wharton · interview met onderzoeker Hamsa Bastani

De bruikbare vraag voor je eigen leerproces is daardoor eenvoudig: kan ik het later zonder deze hulp uitleggen of uitvoeren? Je hoeft een schooltoets niet na te bootsen. Probeer na een oefensessie in je eigen woorden uit te leggen wat je hebt gedaan, waar je over twijfelt en waarom een oplossing werkt.

Maak onderscheid tussen drie soorten taken

Sommige handelingen wil je vooral kwijt. Andere wil je begrijpen om een resultaat te kunnen beoordelen. En een derde groep wil je zelf goed blijven uitvoeren omdat zij bij je vak, plezier of zelfstandigheid hoort. Die groepen hoeven niet voor iedereen gelijk te zijn.

Kies bijvoorbeeld een routinebericht dat je liever niet steeds opnieuw typt, een analyse waarvan je de uitgangspunten moet kunnen toetsen en een schrijfvaardigheid die je wilt ontwikkelen. Je kunt AI bij alle drie gebruiken, maar de verdeling van het werk hoort dan verschillend te zijn.

Bij het routinebericht controleer je de inhoud en toon. Bij de analyse vraag je naar aannames en oorspronkelijke gegevens. Bij het leren schrijf je misschien eerst zelf en laat je daarna feedback geven. Dat zijn mogelijke werkwijzen, geen bewezen universeel beste volgorde. Hun waarde zit in het aansluiten op je eigen bedoeling.

Houd oefenruimte voor wat belangrijk blijft

Als je een vaardigheid belangrijk vindt, geef haar dan een plek waarin AI niet meteen de hele oplossing levert. Begin zelf aan een redenering, maak een eerste schets of probeer een probleem zonder antwoordvoorbeeld te doorgronden. Je kunt daarna gerichte hulp vragen bij het punt waar je vastloopt.

Vraag liever om een aanwijzing dan om een compleet antwoord wanneer leren het doel is. Laat een begrip met een nieuw voorbeeld uitleggen en controleer of je het vervolgens op een andere situatie kunt toepassen. Een tekst herkennen als logisch is iets anders dan zelf de stappen kunnen zetten.

Maak die oefenruimte haalbaar. Je hoeft niet iedere taak twee keer te doen of alle voordelen van de tool op te geven. Kies één vaardigheid waarvan je het belangrijk vindt dat je er zelfstandig op kunt terugvallen. Dat geeft meer richting dan de algemene eis dat je voortaan ‘kritisch moet blijven’.

Je vak is groter dan één handeling

Zorgen over vaardigheden raken ook de arbeidsmarkt. Als een taak wordt geautomatiseerd, kan de waarde van omliggende taken veranderen: een goede vraag formuleren, kwaliteit beoordelen of met mensen afstemmen. Het is verstandig om die verschuiving te onderzoeken zonder al te weten welk compleet beroep zal verdwijnen.

De ILO maakt in haar analyse onderscheid tussen potentiële blootstelling van taken aan generatieve AI en de werkelijke gevolgen voor banen. Dat voorkomt dat een geslaagde demonstratie meteen als voorspelling voor de hele arbeidsmarkt wordt gebruikt. International Labour Organization

Bespreek in je werk daarom welke kennis nodig blijft om de uitkomst te controleren. Wie herkent een onrealistische aanname? Wie kan uitleg geven aan een klant? Als alle oefening bij beginners verdwijnt, hoe leren zij dan later de beoordeling die je van ervaren mensen verwacht? Dat zijn concrete organisatievragen, geen onvermijdelijke toekomst.

Kies wat de vrijgekomen ruimte waard is

De aflevering stelt ook de vraag wat je doet met gemak en bespaarde tijd. Meer kunnen produceren is één mogelijkheid. Ruimte voor verdieping, contact of een activiteit buiten het scherm is een andere. Welke uitkomst je wilt, bepaalt mede hoe je een tool beoordeelt.

In het artikel over een tweede brein staat de organisatie van informatie centraal. Hier gaat het om wat jij met die informatie kunt doen. Een goed archief is waardevol, maar je wilt ook voldoende begrip behouden om te merken wanneer het antwoord niet past.

Luister aflevering 75 en kies daarna één vaardigheid die je zelf wilt blijven kunnen. Bepaal welke rol AI daarbij mag krijgen: uitvoeren, uitleggen of feedback geven. Zo wordt de vraag of AI ons ‘dommer maakt’ een gerichtere keuze over hoe jij wilt werken en leren.

Bronnen en verantwoording

Dit artikel vertrekt vanuit het podcastgesprek. De gelinkte onderzoeken en officiële informatie vormen aanvullende context. Broncontrole: 29 oktober 2026.

1. Aflevering 75: Maakt AI ons echt dommer? Lessen uit het verleden — Mindshift Podcast · Bram en Ricardo
2. Without Guardrails, Generative AI Can Harm Education — Knowledge at Wharton · interview met onderzoeker Hamsa Bastani (2024)
3. How might generative AI impact different occupations? — International Labour Organization (2025)