Het leren van een nieuwe vaardigheid gaat altijd gepaard met een onzeker begin, waarin het bewustzijn groot is dat kennis ontbreekt. Elke stap kost relatief veel tijd en zo nu en dan loop je vast. De frustratie van deze fase heeft echter een rol. Het is precies in die worsteling waar het leerproces plaatsvindt. En dat leerproces staat onder druk. Dit is een van de gevolgen van integratie van AI waar zelden bij wordt stilgestaan, maar een enorme impact zal hebben op organisaties.
Een nieuwe koers leren varen
Een paar maanden geleden ben ik benoemd tot transitiemanager van DCVF. Een nieuwe functie, ontworpen voor een nieuwe situatie voor creatieve bureaus zoals wij.
Het eerste wat me meteen duidelijk was, is dat we als bureau vooral moeten leren veranderen. Niet eenmalig, van A naar B, maar constant opnieuw met de razendsnelle ontwikkelingen mee kunnen bewegen. Oftewel, we moeten een nieuwe koers leren varen en deze constant kunnen bijsturen.
Het tweede besef was dat de integratie van AI, impact heeft op alle facetten van het bureau. De werkwijze uiteraard, maar ook de skills die daarvoor nodig zijn, de werkcultuur, het businessmodel – en zo kan ik nog even doorgaan.
En juist door de integrale impact is het cruciaal dat we leren hoe AI ons denken en doen beïnvloedt, zodat we de gevolgen ervan kunnen overzien, of op zijn minst kunnen inschatten. Daarom ben ik de gedragswetenschap ingedoken. In deze column introduceer ik twee papers: een theorie en een framework, die mij richting geven bij de integratie van AI in ons bureau.
Een nieuw systeem in ons brein
Net als Google na de opkomst van het internet hèt startpunt van de zoektocht naar informatie is geworden, worden AI-modellen zoals ChatGPT, Gemini en Claude steeds vaker het startpunt van een denkproces en de uitvoering van taken op kantoor. Voor bijvoorbeeld uitleg, ordening of verkenning. De manier waarop AI wordt ingezet, beïnvloedt vervolgens hoe mensen tot ideeën, analyses en beslissingen komen.
Wanneer je een vraag stelt aan een AI-model, krijgt je direct een geformuleerd uitgangspunt aangereikt. Een interpretatie van het probleem, een selectie van relevante elementen en een voorgestelde structuur. Het bepaalt met deze input niet alleen je startpunt, maar ook hoe je er verder over nadenkt. En waar je überhaupt aandacht voor hebt. Wat door het model wordt benoemd, krijgt gewicht. Wat niet wordt genoemd, blijft vaak buiten beschouwing. AI beïnvloedt daarmee niet alleen antwoorden, maar ook de vragen die worden gesteld en de perspectieven die worden verkend.
Ook wetenschappers geven een signaal dat we de invloed op ons denken serieus moeten nemen, met een paper over dit nieuwe denken. De onderzoekers noemen het ‘systeem 0’. Hun theorie bouwt voort op het denken van Daniel Kahneman, die systeem 1 en systeem 2 introduceerde2. Zij voegen hier nu een derde systeem aan toe: System 0. Een externe, artificiële laag die informatie voorbereidt voordat mensen hun intuïtieve (System 1) of reflectieve (System 2) denkprocessen inzetten.
Cognitive offloading
System 0 kent geen eigen betekenis en neemt geen beslissingen, maar structureert de input waarop menselijk denken zich baseert, door een vertrekpunt te presenteren. En zoals gezegd beïnvloedt dit hoe en zelfs óf men hier vervolgens over nadenkt. Doordat de output vaak coherent en plausibel lijkt zijn we geneigd de input en de aannames waarop het gebaseerd is klakkeloos over te nemen en er dus niet meer kritisch op te reflecteren.
Het grote probleem van cognitive offloading naar AI is dat we door niet meer kritisch na te denken, ook niet meer leren. Stel je eens voor dat je vandaag ophoudt met je te ontwikkelen in je vak. Waar sta je dan over 10 jaar? Je groeit inhoudelijk niet door. Sterker nog, je raakt steeds verder afhankelijk van AI die jouw taken uit handen neemt met output die je steeds slechter goed kunt controleren. Deze negatieve spiraal willen we zien te voorkomen.
Zoektocht naar richtlijnen
Daarom ben ik op zoek gegaan naar richtlijnen hoe we AI kunnen integreren op zo’n manier dat het ons versterkt en niet verzwakt. Daar komen een hele hoop existentiële vragen bij kijken. In het kort is onze visie dat AI onze creativiteit moet versterken. Daar zit immers onze waarde als bureau. Dus creatieve concepten bedenken, doelgroepen analyseren en meedenken met klanten zijn cruciale skills die we moeten blijven doorontwikkelen. Om daar meer ruimte aan te geven hebben we gekozen om andere onderdelen te automatiseren en (gedeeltelijk) met AI aan te vullen. Daarmee kiezen we er dus bewust voor hier niet in te groeien, maar in te versnellen. Denk bijvoorbeeld aan het opmaken van vele versies van dezelfde visual. Dat vergt weinig creativiteit en kan AI prima. Dat toekomstige designers hier (handmatig) minder in onderlegd zullen zijn nemen we daarbij voor lief. We hebben liever dat zij zich focussen op het bedenken van goede visuals zelf.
Kritische vragen die ik mezelf stelde:
- Welke vaardigheden zijn onmisbaar voor het bedrijf?
- Waar zit ons groeipotentieel in tijden van AI?
- En welke taken besteed ik volledig uit aan AI? Oftewel, welke vaardigheden kunnen we vergeten?
Het SCAN-framework
Gelukkig zijn er nog meer wetenschappers bezig met vraagstukken rondom het toepassen van AI. Zo publiceerden Fendi Tsim en Alina Gutoreva onlangs het SCAN-framework. Zij nemen de invloed van ‘systeem 0’ (AI als structureel startpunt dat ons denken beïnvloedt) als uitgangspunt en plotten hier de vaardigheden van de gebruiker en GenAI op, om te adviseren op welke manier diegene AI het beste kan gebruiken voor deze taak.
Afbeelding 1. Visualisatie van SCAN
Het SCAN-framework onderscheidt vier vormen van mens–AI-samenwerking:
- Substitute: taken die we automatiseren;
- Aid: taken waarbij AI ondersteunt waar menselijke kennis nog onvolledig is;
- Complement: taken waarin mens en AI samenwerken vanuit verschillende kwaliteiten;
- Non-negotiable: taken die principieel menselijk blijven, zoals normatieve afwegingen, betekenisgeving en eindverantwoordelijkheid.
Het belang van een bewuste strategie
Het framework laat zien dat dezelfde taak, afhankelijk van hoe AI wordt ingezet, kan bijdragen aan vaardigheidsopbouw of aan vaardigheidsverlies. In een eerste fase kan AI ondersteuning bieden bij het uitvoeren en begrijpen van nieuwe taken (aid). Maar wanneer diezelfde taken structureel worden uitbesteed (substitute), neemt de hoeveelheid oefening af, waardoor de vaardigheid zich niet meer ontwikkelt. Wat resteert is beoordelingsvermogen zonder productievaardigheid. Mensen herkennen kwaliteit, maar missen ervaring om die zelfstandig te realiseren (complement). Na verloop van tijd verschuift de taak opnieuw richting ondersteuning (aid), omdat de onderliggende kennis is afgenomen.
Deze dynamiek ontwikkelt zich geleidelijk en blijft vaak onopgemerkt. Daarom is een concrete strategie voor de integratie van AI zo belangrijk. Dus verdiep je in de impact van AI op het denken en doen van je werknemers, en maak (bijvoorbeeld met behulp van het SCAN-framework) beleid voor omgang met AI specifiek voor jouw organisatie, waarin per hoofdtaak benoemd wordt op welke manier AI toegepast mag worden. En vergeet daarbij vooral het belang van leren niet. Zéker voor junior medewerkers, maar eigenlijk gun ik iedereen een leven lang leren.