Inleiding

“Zie AI gewoon als je stagiair.” Je hoort het vaak, en niet alleen op een verjaardagsfeestje. Het komt terug in boeken, lezingen, tv-shows en LinkedIn-posts van de nieuwe generatie populaire AI-experts. Het klinkt vriendelijk, geruststellend zelfs. Alsof je AI gewoon een beetje moet begeleiden, wat feedback moet geven — en dan komt het vanzelf goed.

Maar die metafoor klopt niet. Sterker nog: ze leidt ons af van wat er écht nodig is om AI zinnig en duurzaam in te zetten in je organisatie.

Want wie AI ziet als een stagiair, denkt vooral aan gemak. Aan werk uitbesteden, aan sneller kunnen. Maar wie kijkt naar de lange termijn – naar wendbaarheid, skillsontwikkeling en vertrouwen in technologie – moet andere vragen stellen. Bijvoorbeeld: wát leert AI eigenlijk? En belangrijker nog: leren wij zelf nog mee?

AI is géén collega in opleiding

Een stagiair is een mens. Iemand die leert, meedenkt, afwegingen maakt. Iemand die kan twijfelen, morele overwegingen maakt en context begrijpt. AI doet dat niet.

AI is een verzamelnaam voor een breed scala aan systemen. Sommige leren van directe interactie met hun omgeving (zoals een robotstofzuiger die obstakels ontwijkt). Andere zijn vooraf getraind op enorme hoeveelheden data, zoals een taalmodel dat zinnen aanvult. Wat ze gemeen hebben: ze herkennen patronen, maar begrijpen de wereld niet zoals wij.

AI voorspelt. Het herkent patronen in data en gebruikt die, in het geval van Generative AI, om een volgend woord, een beeld of een antwoord te genereren. Maar het weet niet waar het over gaat. Geen context. Geen betekenis. Geen begrip van wat belangrijk is en wat bijzaak.

Toch behandelen we AI vaak alsof het begrijpt wat we bedoelen. Alsof het intenties heeft, vragen stelt of context snapt. Die neiging om menselijke eigenschappen toe te kennen aan iets wat geen mens is – zoals dieren, voorwerpen of technologieën – noemen we anthropomorfisme. In het geval van AI is dat extra verraderlijk, omdat de technologie volledig draait op wiskundige modellen en statistiek, niet op begrip of bewustzijn. We doen dat onbewust – omdat de output van AI overtuigend voelt. Maar wat we zien is een slimme illusie, gebaseerd op data. Je krijgt zelden domme antwoorden, maar vaak wel halve waarheden – overtuigend verpakt.

AI leert, maar niet zoals wij

AI leert – maar niet zoals mensen. Een stagiair leert door te doen, stelt vragen, reflecteert op feedback en past zijn gedrag aan. Hij leert niet alleen wat er beter kan, maar ook waarom. Die combinatie van ervaring, reflectie en betekenis is wat menselijk leren krachtig maakt.

AI daarentegen leert op andere manieren:

• Sommige systemen leren tijdens gebruik, zoals zelfrijdende auto’s of robotstofzuigers die gedrag aanpassen op basis van directe ervaring.
• Andere systemen, zoals veel taalmodellen, worden vooraf getraind op grote hoeveelheden data. Ze veranderen pas als ontwikkelaars ze expliciet opnieuw trainen.
• Er zijn ook AI-toepassingen met ‘geheugen’ over meerdere sessies, maar dat is niet hetzelfde als begrijpen of kritisch reflecteren.

Wat al deze vormen van AI gemeen hebben: ze herkennen patronen in data. Dat kunnen kleuren zijn, vormen, woordcombinaties of gedragspatronen. Maar ze begrijpen niet wat ze herkennen. Ze hebben geen besef van context, geen ethiek, geen intuïtie.

Zelfs met een human-in-the-loop blijft AI een patroonherkenner. Geen denker. Geen beoordelaar met context. Geen stagiair.

En juist dáár zit het risico: als je AI verwart met menselijk redeneren, neem je beslissingen op basis van schijnzekerheid. Dan lijkt het alsof het systeem ‘snapt’ wat je bedoelt – terwijl het simpelweg terugvalt op statistiek.

Een voorbeeld: zien wij een dier, of ziet AI iets anders?

Neem onderstaande afbeelding als voorbeeld:

Afbeelding afkomstig uit: Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). “Why Should I Trust You?”: Explaining the Predictions of Any Classifier. Paper gepresenteerd op KDD ’16 – Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.

Link naar de publicatie: https://arxiv.org/abs/1602.04938

Voor ons mensen is het duidelijk: we kijken naar een dier. We proberen te bepalen of het een husky of een wolf is. Want dat is waar de foto om draait – toch?

Maar AI weet niet wat een dier is. Het weet niet wat een wolf is. Het ‘begrijpt’ niets. Het herkent alleen patronen die vaak samengingen met een bepaald label. Je kunt je de bovenste rij foto’s voorstellen als een goede representatie van wel duizenden foto’s waarop het AI systeem getraind is om wolven en husky’s te herkennen. In de onderste rij zie je hoe het getrainde AI systeem in werkelijkheid in staat is om, op basis van de trainingsdata, wolven van husky’s te onderscheiden. Niet zo best dus: 2 van de 5 foto’s heeft AI fout geïdentificeerd!

Hoe kan dat? In veel trainingsdata stonden wolven vaker op foto’s met sneeuw, en husky’s vaker op straat of in een tuin.

Dus wat leert AI?

Niet “dit heeft scherpe tanden” of “dit is een roofdier”, of andere kenmerken, maar:

“sneeuw = wolf”

“gras / asfalt = husky”

Het model kijkt niet zoals jij kijkt. Het redeneert niet zoals een stagiair zou doen, die begrijpt wat het onderwerp van de foto is. Het selecteert puur statistische verbanden. En daar ontstaat het risico.

En daar begint bias

Bias in AI ontstaat vaak precies op dit punt: het systeem leert van patronen, maar niet van betekenis. Als die patronen ongelijk verdeeld zijn, leert AI ongelijkheid – zelfs als de intentie neutraal was.

En als we niet begrijpen hoe AI redeneert, nemen we al snel beslissingen op basis van schijnzekerheid. Dan denken we dat de AI kijkt naar het onderwerp van de foto, terwijl het oplet op de achtergrond. Of denken we dat het een objectieve beslissing maakt, terwijl het zich baseert op scheve data.

Wat we dan missen

Door AI als stagiair te zien, missen we het grotere plaatje. We focussen op korte-termijnwinst (tijdwinst, productiviteit), maar vergeten de basisvraag: hoe bouw je een organisatie die op de lange termijn veerkrachtig blijft in een wereld vol technologie?

Duurzaamheid gaat hier over meer dan milieu. Het gaat ook over:

• Hoe zorg je dat mensen meebewegen met technologische veranderingen?
• Hoe voorkom je dat kennis verdampt zodra de tool verandert?
• Hoe ontwikkel je vaardigheden die ook over vijf jaar nog relevant zijn?

Wendbaar worden begint met begrijpen

Organisaties die AI slim inzetten, beginnen niet bij de tool, maar bij het inzicht. Begrijp me niet verkeerd: tools kunnen absoluut helpen. Ze kunnen processen versnellen, werk leuker maken en zelfs nieuwe mogelijkheden ontsluiten. Maar alléén tools inzetten — of het klakkeloos overnemen van prompts van anderen — is geen strategie.

Wat wél werkt:

• Begrijpen waarom een tool doet wat ‘ie doet.
• Inzien welke aannames en patronen onder de uitkomsten liggen.
• Kritisch durven zijn op de input, de context én het effect van wat eruit komt.

Organisaties die dat durven, investeren in digitale én ethische geletterdheid. Ze nemen de tijd om te begrijpen wat AI wel doet – en wat juist niet. En ze maken ruimte voor reflectie, zodat mensen niet alleen snel kunnen handelen, maar ook bewust.

Dát is duurzame wendbaarheid. Niet elke nieuwe hype najagen, maar met een stevig kompas navigeren door verandering.

Praktisch gezien betekent dat bijvoorbeeld:

• Teams trainen om AI-resultaten kritisch te beoordelen.
• Skills ontwikkelen die niet afhankelijk zijn van één platform of tool.
• Leren samenwerken met technologie – niet alleen er blind op vertrouwen.

Tot slot

AI is geen stagiair. Het is een hulpmiddel dat je kunt inzetten als verlengstuk van je denken en doen. Maar alleen als je weet waarom je het inzet, en wat je ermee wilt bereiken.

In mijn werk help ik organisaties om precies dat scherp te krijgen. Met een Master of Science in Behavioural Sciences en Human Resource Development weet ik hoe mensen leren, hoe organisaties veranderen en waar technologie ondersteunend is – en waar juist niet. Niet vanuit hype of angst, maar met het oog op duurzame inzetbaarheid, slimme keuzes en lange-termijnimpact.

Want in een wereld die voortdurend verandert, is inzicht het meest duurzame wat je mensen kunt geven.