AI kan direct antwoorden genereren, maar wat gebeurt er met het menselijke oordeelsvermogen? Nieuw onderzoek laat zien hoe het gebruik van AI van invloed kan zijn op kritisch denken, redeneren en vaardigheidsontwikkeling.
Kunstmatige intelligentie ontwikkelt zich sneller dan vrijwel iedereen had verwacht. Elke week is er een nieuwe aankondiging: een nieuw model, een nieuw verhaal over hoe ergens de productiviteit is verdubbeld. Het is verleidelijk om te denken dat we eindelijk een hulpmiddel hebben gevonden dat wrijving uit het denken zelf wegneemt. Een recent onderzoeksartikel van Anthropic waarschuwt echter dat je die aanname kritisch moeten blijven bekijken.
AI voelt sneller – maar word je er ook beter van?
In een gecontroleerd experiment voerden ontwikkelaars identieke programmeertaken uit met een bibliotheek waarmee geen van hen eerder had gewerkt. De helft had toegang tot een AI‑assistent, de andere helft werkte zonder. Na afronding van de taak werden beide groepen getest op conceptueel begrip, code lezen en foutopsporing. Tijdens deze test was het gebruik van AI niet toegestaan.
De resultaten waren opvallend. De ontwikkelaars die het sterkst op AI vertrouwden, scoorden lager op alle onderdelen, met de grootste terugval bij het opsporen van fouten. De groep zonder AI maakte onderweg meer fouten en deed er iets langer over, maar juist die fouten bleken van waarde te zijn.
Het worstelen met fouten dwong hen om echt te begrijpen wat zij aan het bouwen waren. AI liet de taak eenvoudiger aanvoelen, maar leverde per saldo geen significante tijdswinst op. De belangrijkste conclusie is dat wie sterk op AI vertrouwde, aan het einde van het werk minder begrip had.
Hoe mensen AI daadwerkelijk gebruiken
De onderzoekers identificeerden zes patronen in het gebruik van AI. Aan het ene uiterste stond volledige delegatie: het model een vraag stellen, het antwoord kopiëren en doorgaan. Deze groep scoorde rond de dertig. Aan het andere uiterste stond een patroon dat zij “genereren gevolgd door begrijpen” noemden: de ontwikkelaar liet AI iets genereren, maar analyseerde het resultaat vervolgens kritisch, stelde vragen en probeerde te begrijpen waarom het werkte. Deze groep scoorde in de tachtig. Het verschil zat niet in toegang tot technologie, maar in de vraag of de mens zelf aan het stuur bleef.
Ik werk inmiddels lang genoeg in de consultancy om dit patroon direct te herkennen. Veel leiders proberen momenteel te bepalen hoe ze met AI om moeten gaan. Ze willen hun teams richtlijnen geven over wanneer je AI gebruikt, hoe je het gebruikt en hoe je voorkomt dat het een hulpmiddel wordt waarvan mensen afhankelijk raken. Dat is geen hypothetische zorg. Het onderzoek van Anthropic laat zien dat dit nu al gebeurt, in een gecontroleerde setting en bij ervaren professionals.
Dit probleem is niet nieuw.
Bij het lezen van dit onderzoek valt vooral op hoe herkenbaar het is. De terminologie mag nieuw zijn, het onderliggende principe is dat niet. Al meer dan zestig jaar werkt Kepner‑Tregoe vanuit een eenvoudige overtuiging: rationeel denken is een discipline, geen instinct. Het vraagt om bewuste oefening en consistente toepassing. We bouwen vaardigheden op door cognitieve inspanning, juist in situaties met onzekerheid en fouten. Als AI die inspanning wegneemt, brokkelt vaardigheidsontwikkeling af. Als AI juist gestructureerd redeneren versterkt, kan vaardigheidsontwikkeling versnellen. Het verschil zit niet in het hulpmiddel zelf, maar in de procesdiscipline eromheen. Precies die discipline helpt KT al decennialang bij het opbouwen van duurzame denkvaardigheden bij organisaties.
Sterker nog, de bevindingen uit het onderzoek sluiten naadloos aan op de KT-methodieken. Situatie Beoordeling vraagt van ons om alle aandachtspunten eerst te scheiden en te verduidelijken voordat we handelen. Veel organisaties richten zich op één vraag: versnelt AI het uitvoeren van taken? Twee andere kritische vragen worden vaak als ondergeschikt gezien: belemmert AI de ontwikkeling van vaardigheden, en behouden mensen het vermogen om AI‑output verantwoord te beoordelen en aan te sturen? Wanneer leiders zich vooral op snelheid richten, kunnen zij de doorvoer verhogen, maar tegelijk het beoordelingsvermogen en de diagnostische vaardigheden ondermijnen waarop de organisatie leunt. Als we AI het proces laten aansturen in plaats van ondersteunen, zullen de diagnostische vaardigheden waarop onze operatie draait geleidelijk afnemen.
Waar de echte vaardigheidskloof zichtbaar wordt
De bevindingen rond foutopsporing zijn bijzonder relevant. Het grootste verschil tussen beide groepen zat in het diagnosticeren en corrigeren van fouten. “Debuggen” is in essentie gestructureerd redeneren onder onzekerheid. Het is de praktische toepassing van KT Probleem Analyse: het onderscheiden van wat er gebeurt en wat niet, en het analyseren van afwijkingen op basis van wat, waar, wanneer en in welke mate.
Die discipline ontstaat door herhaling. Wanneer AI fouten onmiddellijk oplost, verdwijnt die herhaling. het model geeft een antwoord, de mens neemt het over, en het eigen denkvermogen verliest aan kracht.
Voordat leiders besluiten hoe ze AI in werkprocessen integreren, zijn zij aan hun organisatie verplicht om een gedisciplineerde KT-beslissingsanalyse uit te voeren. Er zijn doelstellingen waaraan moet worden voldaan, afwegingen die moeten worden begrepen en risico’s die moeten worden voorzien.
KT’s Potentiële ProbleemAnalyse stelt niet alleen de vraag wat er mis kan gaan, maar ook waarom het mis zou gaan en hoe je vroege waarschuwingssignalen kunt herkennen. De geleidelijke uitholling van diagnostische expertise door ondoordachte inzet van AI is precies het soort sluipende risico dat geen alarmbellen doet afgaan totdat het te laat is.
Wat topperformers anders doen
Natuurlijk is hier ook sprake van een kans. De best presterende deelnemers in het onderzoek vermeden AI niet. Zij gebruikten het als denkpartner. Zij lieten output genereren en onderzochten die vervolgens kritisch, stelden vragen en toetsten aannames. Zij bleven mentaal betrokken en bleven zelf nadenken. Dat is precies wat Potentiële-kansenanalyse stimuleert: gedisciplineerd menselijk oordeelsvermogen dat wordt versterkt in plaats van vervangen.
De organisaties die succesvol zijn in een door AI ondersteunde economie, zijn niet per se degenen die nieuwe tools het snelst adopteren. Het zijn organisaties die AI inbedden in een cultuur van gedisciplineerd denken: een cultuur die erop staat dat AI het werk versnelt zonder het menselijk oordeel te vervangen, en die de cognitieve vaardigheden beschermt die nodig zijn voor goed toezicht en verantwoord gebruik.
De vraag die het waard is om te stellen, is of jouw organisatie een gestructureerd kader heeft voor de manier waarop AI wordt geïmplementeerd, of dat die inzet simpelweg gebeurt. Al meer dan zes decennia helpt Kepner Tregoe organisaties om met meer discipline en structuur te denken, juist onder druk. De komst van AI maakt die missie niet overbodig, maar juist urgenter.
Als dit onderwerp voor jou als leider relevant is, dan is het onderzoeksartikel van Anthropic, How AI Impacts Skill Formation, gepubliceerd op 3 februari 2026, absoluut de moeite waard om te lezen.
https://arxiv.org/pdf/2601.20245
https://www.anthropic.com/research/AI-assistance-coding-skills
