Waarom organisaties juist nu moeten investeren in leren, uitdaging en samenwerking
Kunstmatige intelligentie wordt razendsnel beter. Taken waarvoor ooit jarenlange ervaring nodig was, kunnen vandaag in enkele seconden door een AI-model worden uitgevoerd. Dat lijkt een enorme productiviteitswinst, maar volgens technologieonderzoeker Matt Beane schuilt daarin ook een onderschat gevaar. Niet omdat AI mensen vervangt, maar omdat het de manier waarop mensen nieuwe vaardigheden ontwikkelen fundamenteel verandert.
De universitair hoofddocent Technology Management aan de University of California Santa Barbara en auteur van The Skill Code waarschuwt dat organisaties zich blindstaren op efficiëntie, terwijl ze ongemerkt het fundament van hun toekomstige expertise afbreken.
De valkuil van het ‘goede genoeg’
AI produceert steeds vaker werk van een degelijk niveau. Geen absolute perfectie, maar wel een constante stroom van resultaten die voor veel toepassingen ruim voldoende zijn. Volgens Beane ontstaat hierdoor de zogenaamde B+-val.
Wanneer een AI-oplossing snel een acceptabel antwoord levert, verdwijnt de motivatie om zelf nog diep na te denken, alternatieven te onderzoeken of nieuwe technieken te leren. Mensen nemen genoegen met "goed genoeg" en verliezen langzaam het vermogen om uitzonderlijk werk af te leveren.
Op korte termijn stijgt de productiviteit.
Op lange termijn neemt het menselijke vakmanschap af.
Juist dat vormt volgens Beane een economisch risico van ongekende omvang.
De onzichtbare rekening van ontvaardiging
Veel organisaties zien alleen de directe winst van AI. Minder tijd, lagere kosten en hogere efficiëntie.
Wat nauwelijks zichtbaar is, is de rekening die later volgt.
Beginnende medewerkers krijgen steeds minder kansen om ervaring op te bouwen omdat AI steeds meer tussenstappen overneemt. Daardoor ontstaat een generatie professionals die wel AI kan gebruiken, maar onvoldoende begrijpt hoe het werk werkelijk in elkaar zit.
Zonder praktijkervaring verdwijnen essentiële vaardigheden langzaam uit organisaties.
Dat proces noemt Beane deskilling, oftewel het afnemen van menselijke expertise.
Twee soorten AI-gebruikers
Volgens Beane ontstaan er steeds duidelijker twee groepen professionals.
De eerste groep
gebruikt AI als hulpmiddel om zichzelf voortdurend te verbeteren. Zij controleren de output kritisch, experimenteren met nieuwe werkwijzen en blijven actief leren.
De tweede groep
laat AI vrijwel al het denkwerk uitvoeren. Zij accepteren de eerste uitkomst zonder verdere analyse en bouwen nauwelijks nog nieuwe kennis op.
Op korte termijn lijken beide groepen even productief.
Na enkele jaren groeit het verschil echter enorm. De eerste groep ontwikkelt zich verder, terwijl de tweede steeds afhankelijker wordt van AI.
AI gebruiken zonder in cirkels te blijven draaien
Een ander risico is dat mensen steeds meer tijd besteden aan het eindeloos verfijnen van prompts of het genereren van nieuwe antwoorden zonder werkelijk vooruitgang te boeken.
Ze verbruiken rekenkracht, produceren grote hoeveelheden tekst en blijven toch steken op hetzelfde kwaliteitsniveau.
Werkelijke vooruitgang ontstaat pas wanneer mensen AI combineren met kritisch denken, reflectie en eigen expertise.
Beloon mensen die verder gaan dan een B+
Veel organisaties belonen snelheid en efficiëntie.
Beane pleit juist voor het waarderen van medewerkers die verder kijken dan de eerste AI-oplossing.
Dat zijn de professionals die fouten ontdekken, nieuwe inzichten ontwikkelen, creatieve oplossingen bedenken en AI-uitkomsten durven te verbeteren.
Volgens hem zijn juist deze mensen straks van onschatbare waarde.
Waarom informeel leren belangrijker wordt dan ooit
Een opvallende observatie uit Beanes onderzoek is dat veel expertise ontstaat buiten officiële trainingen.
Beginnende medewerkers leren vaak door ervaren collega's te observeren, vragen te stellen en mee te kijken tijdens complexe werkzaamheden. Hij noemt deze mensen "shadow learners".
Wanneer AI steeds meer taken zelfstandig uitvoert, verdwijnen veel van deze natuurlijke leermomenten. Daarmee dreigt een cruciaal onderdeel van kennisoverdracht verloren te gaan.
De 3 bouwstenen van blijvende expertise
Volgens Beane blijft menselijk vakmanschap bestaan wanneer organisaties drie elementen bewust blijven stimuleren.
1. Uitdaging
Mensen leren het snelst wanneer ze net buiten hun comfortzone werken. AI mag ondersteunen, maar niet alle moeilijke keuzes overnemen.
Juist het worstelen met complexe problemen zorgt voor blijvende ontwikkeling.
2. Complexiteit
Professionals moeten het volledige systeem blijven begrijpen.
Wanneer AI slechts een eindantwoord presenteert zonder inzicht in de achterliggende processen, verliezen mensen het overzicht.
Wie alleen de uitkomst ziet, leert nauwelijks nog hoe alles samenhangt.
3. Verbinding
Leren is uiteindelijk een sociaal proces.
Vertrouwen, samenwerking en directe feedback vormen volgens Beane een essentieel onderdeel van professionele groei.
AI kan informatie delen, maar vervangt geen mentor, coach of ervaren collega.
Wat leiders vandaag al kunnen doen
Volgens Beane hoeven organisaties niet te wachten op toekomstige problemen.
Er zijn nu al concrete maatregelen mogelijk.
Maak leren zichtbaar
Stimuleer medewerkers om hun denkproces, fouten en experimenten openlijk te delen.N iet alleen successen, maar juist het leerproces verdient aandacht.
Blijf junior medewerkers aannemen
Hoewel AI veel routinetaken kan uitvoeren, blijven starters onmisbaar. Nieuwe medewerkers brengen frisse inzichten mee en dwingen ervaren collega's om hun eigen kennis opnieuw uit te leggen.
Beane noemt dit een omgekeerd leermeesterschap: ervaren professionals leren net zo goed van jong talent als andersom.
Gebruik AI als leerpartner
Laat AI ondersteunen bij analyses, ideeën en repetitieve werkzaamheden, maar zorg ervoor dat mensen zelf blijven nadenken, controleren en beslissingen nemen.
Wat als AI uiteindelijk overal beter in wordt?
De vraag die steeds vaker opduikt, is wat er gebeurt wanneer AI werkelijk beter wordt dan mensen in vrijwel alle cognitieve taken.
Beane gelooft dat menselijke waarde dan niet verdwijnt. Juist eigenschappen zoals nieuwsgierigheid, samenwerking, creativiteit, oordeelsvermogen en het vermogen om anderen te begeleiden worden belangrijker.
De organisaties die vandaag investeren in deze menselijke kwaliteiten bouwen niet alleen efficiëntere bedrijven, maar ook veerkrachtige teams die zich kunnen blijven aanpassen aan een wereld waarin AI steeds capabeler wordt.
De grootste uitdaging is daarom niet hoe snel AI zich ontwikkelt, maar hoe mensen kunnen blijven groeien in een tijd waarin technologie steeds meer werk uit handen neemt.
