71% van de mensen schat zijn AI-skills verkeerd in, zegt Stanford-expert

dinsdag, 10 maart 2026
Ivan Jans

De grote AI-realiteit: de meeste mensen weten niet goed waar ze staan

Kunstmatige intelligentie verandert razendsnel hoe we werken, leren en ondernemen. Maar volgens een opvallend experiment van een Stanford-onderzoeker leeft een groot deel van de bevolking met een verkeerde inschatting van zijn eigen AI-vaardigheden.

Kunstmatige intelligentie zit vandaag overal: in marketing, sales, administratie, klantenservice, contentcreatie en interne workflows. Maar hoewel steeds meer mensen AI gebruiken, blijkt dat velen hun eigen niveau verrassend slecht kunnen inschatten.

Volgens Stanford-docent en Workera-oprichter Kian Katanforoosh blijkt uit een grootschalige test bij meer dan 22.000 mensen dat 71% van de deelnemers zijn of haar AI-vaardigheden verkeerd inschat. Die bevinding werd onder meer besproken in een Forbes-artikel over zijn onderzoek en sluit aan bij inzichten die ook door Workera zelf werden gedeeld.

AI gebruiken is niet hetzelfde als AI beheersen

Een van de grootste misverstanden vandaag is dat mensen denken dat ze “goed met AI” zijn omdat ze af en toe ChatGPT, Gemini of Claude gebruiken. Maar AI gebruiken is nog iets anders dan AI echt begrijpen en strategisch inzetten.

Je kan daarin grofweg drie niveaus onderscheiden:

AI gebruiken – af en toe een prompt invoeren of iets laten samenvatten
AI integreren – AI opnemen in dagelijkse workflows en terugkerende processen
AI beheersen – AI doelgericht inzetten voor strategie, automatisering, analyse en besluitvorming

Pas op dat derde niveau wordt AI een echte hefboom voor productiviteit en groei. Dat idee sluit aan bij bredere analyses van onder meer McKinsey over de economische impact van generatieve AI, waarin duidelijk wordt gemaakt dat de grootste meerwaarde niet zit in losse experimenten, maar in een slimme integratie in volledige bedrijfsprocessen.

Volgens Katanforoosh gebruiken veel professionals AI nog op de verkeerde manier: als een snelle zoekmachine of tekstgenerator, terwijl het potentieel veel groter is.

Waarom zoveel mensen hun AI-niveau verkeerd inschatten

Dat 71% zijn AI-skills fout inschat, is eigenlijk minder vreemd dan het lijkt. Veel AI-tools voelen gebruiksvriendelijk aan. Je stelt een vraag, krijgt snel een professioneel klinkend antwoord, en al snel ontstaat het gevoel dat je de tool goed beheerst.

Maar gebruiksgemak is niet hetzelfde als expertise.

Dat fenomeen doet denken aan het bekende Dunning-Kruger-effect: mensen met beperkte kennis overschatten hun competentie vaak, terwijl sterkere profielen zichzelf net onzeker kunnen beoordelen. In de context van AI is dat extra relevant, omdat de technologie vaak heel overtuigend klinkt, ook wanneer de output onvolledig, fout of misleidend is.

Daar komt nog bij dat AI bijzonder snel evolueert. Wat vandaag “gevorderd” lijkt, kan binnen enkele maanden basiskennis zijn. Volgens het Future of Jobs Report van het World Economic Forum worden technologische geletterdheid, kritisch denken en levenslang leren dan ook almaar belangrijker op de arbeidsmarkt.

AI gebruiken als zoekmachine is te beperkt

Volgens Katanforoosh gebruiken veel professionals AI vandaag nog te oppervlakkig: als een soort slimme zoekmachine of snelle tekstgenerator. Dat is handig, maar het laat een groot deel van het potentieel onbenut.

De echte meerwaarde ontstaat pas wanneer AI wordt ingezet voor:

het versnellen van research en analyse
het structureren van complexe informatie
het verbeteren van communicatie en besluitvorming
het automatiseren van repetitieve taken
het ondersteunen van content, planning en strategie

Ook in organisaties zie je dat verschil duidelijk. Bedrijven die AI enkel sporadisch inzetten, halen meestal beperkte winst. Organisaties die AI koppelen aan processen, kennis, data en concrete doelstellingen, boeken veel sterkere resultaten.

Dat bredere perspectief zie je ook terug in het jaarlijkse Stanford AI Index Report, dat aantoont hoe AI-adoptie wereldwijd toeneemt, maar tegelijk duidelijk maakt dat effectieve implementatie iets heel anders is dan louter experimenteren.

Waarom 95% van de AI-agents faalt

De volgende grote hype in AI-land zijn zonder twijfel de zogenaamde AI-agents: systemen die niet alleen antwoorden geven, maar ook zelfstandig taken uitvoeren, beslissingen ondersteunen en workflows aansturen.

Volgens Katanforoosh loopt het daar in de praktijk nog vaak mis. Hij waarschuwt dat een groot deel van die projecten faalt zodra ze echt in productie moeten draaien. Niet omdat de technologie op zich waardeloos is, maar omdat bedrijven de implementatie onderschatten.

De grootste struikelblokken zijn meestal:

slechte of onvolledige data
vage of fout afgebakende doelstellingen
onvoldoende menselijke controle
zwakke integratie met bestaande software en processen

Dat beeld sluit aan bij bredere analyses over de kloof tussen AI-demo’s en echte bedrijfswaarde. Ook McKinsey schreef recent over waarom agents de volgende frontier van generatieve AI zijn, maar tegelijk ook waarom net betrouwbaarheid, governance en procesintegratie cruciaal zijn.

Met andere woorden: AI bouwen wordt steeds eenvoudiger. AI betrouwbaar laten werken in een echte organisatie is nog altijd een stuk moeilijker.

Veel bedrijven onderschatten hoe complex het is om AI betrouwbaar te maken in echte bedrijfsprocessen.

AI bouwen is relatief eenvoudig. AI laten werken in een organisatie is veel moeilijker.

De AI-vaardigheid die niet te vervangen is

Hoe slim AI ook wordt, volgens Katanforoosh blijft één menselijke vaardigheid absoluut cruciaal: kritisch denken.

AI kan informatie genereren, structureren, herschrijven en analyseren. Maar mensen moeten nog steeds zelf beoordelen:

of de juiste vraag gesteld is
of het antwoord inhoudelijk klopt
of de bron betrouwbaar is
of de output past binnen de context
of een AI-antwoord strategisch bruikbaar is

Net daarom draait de toekomst niet alleen om technologie, maar vooral om AI-geletterdheid: weten wat AI kan, wat het niet kan, wanneer je moet bijsturen, en hoe je output kritisch controleert.

Ook het Microsoft Work Trend Index 2024 wijst op die verschuiving. Werknemers gebruiken AI steeds vaker, maar organisaties hebben vooral nood aan mensen die AI-output kunnen interpreteren, evalueren en slim inzetten in hun rol.

Dat betekent dat de toekomst niet alleen draait om technologie, maar vooral om AI-geletterdheid.

Het 90-dagenplan om AI-vaardig te worden

Een hoopvolle boodschap van Katanforoosh is dat AI-vaardigheid niet alleen voor techneuten is weggelegd. Volgens hem kan je in ongeveer drie maanden al een sterke basis opbouwen, op voorwaarde dat je gericht oefent.

Zijn aanpak bestaat uit drie grote stappen:

1. Begrijp de fundamenten

Wie AI beter wil gebruiken, moet eerst de basis begrijpen: hoe modellen werken, waar hun beperkingen liggen, waarom data belangrijk is en hoe fouten ontstaan.

2. Experimenteer dagelijks

AI-vaardigheid bouw je niet op door er enkel over te lezen. Je moet ermee werken: schrijven, analyseren, samenvatten, vergelijken, structureren, automatiseren en verbeteren.

3. Meet waar je echt staat

Zelfinschatting alleen volstaat niet. Net omdat zoveel mensen hun niveau verkeerd beoordelen, is het nuttig om je vaardigheden via assessments, tests of praktijkopdrachten objectiever te bekijken.

Dat sluit aan bij de bredere evolutie richting skills-based learning, een visie die ook sterk wordt verdedigd door AI-pionier Andrew Ng en DeepLearning.AI. Het idee is simpel: in een AI-economie worden concrete vaardigheden en toepasbare kennis belangrijker dan louter diploma’s of theoretische titels.

Volgens hem duurt het vaak slechts 30 minuten om een eerste realistische inschatting van je AI-niveau te krijgen.

Diploma’s verliezen hun waarde

Een opvallende gedachte in dit debat is dat klassieke diploma’s stilaan minder doorslaggevend worden in sectoren waar AI een grote rol speelt. Werkgevers kijken almaar vaker naar praktische inzetbaarheid:

kan iemand met AI werken?
begrijpt die persoon de beperkingen?
kan hij of zij processen versnellen en verbeteren?
is er probleemoplossend vermogen aanwezig?

Dat betekent niet dat onderwijs onbelangrijk wordt. Wel dat de arbeidsmarkt steeds meer waarde hecht aan meetbare vaardigheden, praktijkervaring en leervermogen. Zeker in digitale functies wordt voortdurende bijscholing steeds normaler.

Dat sluit aan bij de visie van AI-pionier Andrew Ng, die al jaren pleit voor “skills-based learning” in plaats van traditionele academische trajecten.

Wie AI wil begrijpen, moet de juiste stemmen volgen

Omdat AI zo snel evolueert, is het niet eenvoudig om relevante informatie van hype te onderscheiden. Daarom is het slim om enkele betrouwbare stemmen en kennisplatformen te volgen.

Denk bijvoorbeeld aan:

Wie die bronnen regelmatig volgt, krijgt een veel realistischer beeld van waar AI vandaag echt staat — en waar de opportuniteiten liggen.

Zij behoren tot de onderzoekers die het AI-veld al jaren vormgeven.

Drie strategische lessen voor ondernemers en professionals

De boodschap van Katanforoosh is uiteindelijk helder: de toekomst zal niet bepaald worden door wie AI toevallig eens gebruikt, maar door wie AI echt leert begrijpen en toepassen.

Drie strategische conclusies springen eruit:

1. Bouw doelgericht AI-skills op

Iedere professional zal in meer of mindere mate AI moeten begrijpen. Niet noodzakelijk technisch, maar wel praktisch en kritisch.

2. Zie AI als co-piloot, niet als wondermiddel

AI is geen magische vervanger van menselijk inzicht. Het werkt het best als versterker van expertise, niet als blind autopilotsysteem.

3. Blijf permanent leren

De AI-wereld verandert te snel om stil te blijven staan. Wie vandaag niet actief leert, riskeert morgen al achterop te lopen.

Volgens hem zal de echte scheidslijn in de toekomst niet liggen tussen mensen en machines, maar tussen mensen die AI begrijpen en mensen die dat niet doen.

De echte kloof loopt niet tussen mens en machine

De scherpste vaststelling uit dit verhaal is misschien wel deze: de echte scheidslijn van de komende jaren ligt niet tussen mensen en AI, maar tussen mensen die AI begrijpen en mensen die enkel denken dat ze het begrijpen.

En precies daarom is die 71% zo relevant. Niet als spectaculair cijfer, maar als wake-upcall.

AI gebruiken is vandaag makkelijk.AI correct inschatten, kritisch controleren en strategisch toepassen: dát wordt het echte verschil.