De sluipende uitholling van vakkennis door AI

Een rapport verschijnt in seconden. De analyse klinkt overtuigend. De medewerker klikt op akkoord. Maar wie kan nog uitleggen waarom de conclusie klopt? Daar begint het risico van kennisverlies door AI: werk wordt sneller afgerond, terwijl het inzicht achter dat werk minder aandacht krijgt.

AI kan veel voorwerk uit handen nemen. Toch is een organisatie kwetsbaar als steeds minder mensen het resultaat zelfstandig kunnen beoordelen. Wie alleen nog eindproducten ontvangt, oefent minder met de afwegingen die een professional goed maken. Het directe bedrijfsrisico zit dan al in het dagelijkse werk: vergeten hoe u een fout herkent, een uitzondering beoordeelt of een proces zonder hulp uitvoert.

Marktdruk maakt afhankelijkheid aantrekkelijk

Als een concurrent offertes sneller schrijft of administratief werk goedkoper uitvoert, ontstaat druk om mee te bewegen. Dat is begrijpelijk. Niemand wil uren besteden aan handwerk dat software goed kan voorbereiden.

Het wordt problematisch wanneer snelheid de enige maatstaf is. Een junior die vroeger zelf een dossier uitzocht, krijgt nu een kant-en-klare samenvatting. Een ervaren analist controleert alleen nog of een tekst er logisch uitziet. De doorlooptijd daalt, maar het werk waarin mensen hun inzicht ontwikkelen verdwijnt uit beeld.

Op korte termijn lijkt dat efficiënt. De rekening kan later komen, wanneer een ervaren collega vertrekt of een AI-systeem een overtuigende fout maakt. Dan blijkt of de organisatie nog mensen heeft die het vak achter de tekst beheersen.

Wat betekent gradual disempowerment?

In een position paper op ICML 2025 beschrijven Jan Kulveit en collega's gradual disempowerment: het risico dat mensen stapsgewijs invloed verliezen doordat maatschappelijke systemen steeds minder van menselijke arbeid en denkwerk afhankelijk worden. Hun analyse gaat over economie, cultuur en bestuur. Het is een onderbouwd risicoscenario, geen vastgestelde uitkomst voor ieder bedrijf.

Vertaald naar de werkvloer is de vraag: hoeveel regie houdt een team over als het steeds minder begrijpt van het werk dat het laat uitvoeren? Dat is onze praktische toepassing van het begrip. Het gaat niet alleen om de bevoegdheid om een systeem te stoppen, maar ook om de deskundigheid om te zien wanneer dat nodig is.

Het gevaar van frictieloze AI-systemen

Veel software is ontworpen om elke stap moeiteloos te maken. Voor een routinehandeling kan dat uitstekend werken. Bij kenniswerk kan een beetje moeite juist nodig zijn om een oordeel te vormen. Een scherm met één knop, 'Goedkeuren', maakt nog geen inhoudelijke controle.

Een onderzoek uit 2025 onder 319 kenniswerkers laat zien waarom dit aandacht verdient. Meer vertrouwen in generatieve AI hing samen met minder gerapporteerd kritisch denken. Tegelijk verschoof kritisch werk naar het verifiëren, inpassen en bewaken van AI-resultaten. Het onderzoek berust op zelfrapportage: het bewijst niet dat AI blijvend vaardigheden afbreekt.

De managementvraag blijft daarmee actueel. Heeft de beoordelaar de tijd, kennis en bevoegdheid om tegen een voorstel in te gaan? Of is 'menselijke controle' vooral een vinkje aan het einde van een geautomatiseerd proces? Lees ook wie verantwoordelijk is voor AI binnen een organisatie.

Strategische wrijving: laat mensen inhoudelijk kiezen

Met strategische wrijving bedoelen we een bewuste denk- of controlestap op een moment waarop een fout gevolgen heeft. Een verplichte klik is daarvoor onvoldoende. De stap moet iemand helpen de inhoud te doorgronden.

Dit sluit aan bij onderzoek naar cognitive forcing functions. In een experiment met 199 deelnemers verminderden ingrepen die actief nadenken uitlokten het blind volgen van AI-advies ten opzichte van eenvoudige uitleg bij dat advies. De effectiefste ontwerpen werden wel minder prettig gevonden. Dit was een specifieke beslisproef, geen bewijs dat iedere extra drempel in kantoorsoftware werkt.

Voor teams vertalen we dat naar vijf werkafspraken:

1. Vorm eerst een eigen oordeel. Laat een medewerker bij belangrijke analyses kort de verwachte uitkomst en aandachtspunten noteren voordat de AI-conclusie zichtbaar wordt.
2. Controleer de oorspronkelijke bron. Open bij bepalende feiten het document, de dataset of de publicatie. Een tweede AI-antwoord is geen onafhankelijke broncontrole.
3. Reken belangrijke bedragen opnieuw na. Gebruik een controleberekening in een spreadsheet of rekentool en beoordeel ook de gekozen invoer en aannames.
4. Leg de afweging vast. Vraag bij een besluit om de belangrijkste reden, een onzekerheid en een overwogen alternatief. 'De AI zegt het' is geen onderbouwing.
5. Oefen kerntaken ook zonder AI. Laat medewerkers periodiek zelf een analyse of steekproef uitvoeren en bespreek het verschil met het AI-resultaat.

Pas de zwaarte aan op het risico. Een concept voor een interne uitnodiging vraagt iets anders dan een financieel advies, een personeelsbesluit of informatie voor een klant. Leg die verschillen vast in uw AI-beleid, zodat teams weten wanneer een controle nodig is en wie deze uitvoert.

Praktijkvoorbeeld: een financiële analyse beoordelen

Stel dat een financieel team AI gebruikt om een kwartaalrapportage samen te vatten. Het model schrijft dat de marge is verbeterd door lagere inkoopkosten. De tekst klinkt zakelijk en de grafiek ziet er goed uit.

In een kwetsbaar proces leest iemand de samenvatting vluchtig en stuurt die door. In een zorgvuldig ingericht proces vergelijkt de analist de conclusie met de brongegevens, rekent de marge na en bekijkt of een andere productmix de verandering kan verklaren. Pas daarna volgt de toelichting voor het management.

Dit is een illustratief voorbeeld. Het laat zien wat kennisborging vraagt: iemand die de redenering kan toetsen en de ruimte krijgt om een aantrekkelijke conclusie af te wijzen. AI kan het voorwerk versnellen; de beoordelingscriteria blijven onderdeel van het vak.

Borg vakkennis voordat ze verdwijnt

Een training in prompten is een begin. Een weerbaar team heeft daarnaast afspraken nodig over wat mensen zelfstandig moeten blijven kunnen. Welke berekeningen moet een medewerker begrijpen? Welke bronnen moet een adviseur kunnen beoordelen? Wie kan een fout herstellen als de tool uitvalt?

Neem dat mee in begeleiding en werkoverleg. Laat ervaren collega's redeneringen toelichten, geef junioren echte oefentaken en bespreek waarom een AI-antwoord is afgewezen. Houd naast tijdwinst ook bij hoeveel correcties nodig zijn en of medewerkers hun beslissingen kunnen uitleggen.

Het AIP Duurzame AI Kompas helpt die samenhang aan te brengen. De mens-as gaat over vaardigheden en kritisch denken. De organisatie-as legt vast wie beslist en controleert. Technologie krijgt daarmee een duidelijke plek in een werkproces waarvan het team de kwaliteit kan bewaken.

Bescherm het denkkapitaal van uw organisatie

Wie alleen op snelheid stuurt, kan ongemerkt de expertise verwaarlozen die nodig is om AI te controleren. Dat maakt een organisatie afhankelijk, ook wanneer er formeel overal een mens op akkoord klikt.

Laat AI werk versnellen en organiseer het denkwerk dat mensen scherp houdt. Bouw gerichte controlemomenten in, blijf kerntaken oefenen en geef medewerkers de ruimte om een machine tegen te spreken.

Wilt u die werkwijze in uw team verankeren? Bekijk onze training AI-geletterdheid en verantwoord werken of bespreek een AI-training op maat. Zo oefent uw team met eigen casussen, broncontrole en inhoudelijke keuzes. Het opleidingenoverzicht helpt u een passend vertrekpunt te kiezen.

Veelgestelde vragen over AI en kennisverlies

Bronnen

• Kulveit en collega's (ICML 2025): Gradual Disempowerment — position paper over het risico van afnemende menselijke invloed.
• Lee en collega's (CHI 2025): generatieve AI en kritisch denken — zelfgerapporteerde ervaringen van 319 kenniswerkers.
• Buçinca, Malaya en Gajos (2021): To Trust or to Think — experiment met denkstappen tegen overmatig vertrouwen in AI.

De voorgestelde werkafspraken zijn onze praktische vertaling van deze inzichten. De onderzoeken tonen niet aan dat elk gebruik van AI automatisch tot kennisverlies leidt.