Als iedereen AI gebruikt, slijt de vaardigheid die AI waardevol maakt

Stel je voor: het is 2028. Je team draait al twee jaar op AI voor offertes, analyses, code en klantmails. Het werkt, het is sneller, niemand wil nog terug. En dan valt het model uit, verdrievoudigt de leverancier de prijs, of blijkt een antwoord subtiel verkeerd en ziet niemand het. Op dat moment ontdek je iets ongemakkelijks: je mensen kunnen het werk niet meer zelf. Niet omdat ze dom zijn geworden, maar omdat ze twee jaar lang het denkwerk hebben uitbesteed.

Dat is geen sciencefiction, het is de logische uitkomst van hoe de meeste bedrijven AI nu invoeren: als productiviteitsknop, niet als ontwerpvraag. Mijn stelling is simpel. Wie AI omarmt zonder bewust te ontwerpen voor het behoud van menselijke vaardigheid, koopt vandaag snelheid en levert morgen zijn grip in. En de rekening komt precies op het moment dat je het je het minst kunt veroorloven.

De stille kostenpost heet cognitive debt

Het ongemakkelijke is dat de afkalving niet voelt als verlies. Ze voelt als vooruitgang. Je levert sneller, je output ziet er beter uit, dus je concludeert dat het goed gaat. Onder die gladde oppervlakte gebeurt iets anders. In een MIT-experiment waarin proefpersonen essays schreven, vertoonde de groep die met ChatGPT werkte de laagste hersenactiviteit en kon 83% van de AI-gebruikers achteraf geen enkele zin uit hun eigen tekst citeren. Ze hadden de tekst geproduceerd, maar nooit echt gedacht. De onderzoekers noemden het cognitive debt: een schuld die je opbouwt door denkwerk uit te besteden, en die je pas merkt als je hem moet aflossen.

Een experiment met studenten is nog geen bedrijfsrisico. Maar bestuurders zien hetzelfde patroon nu al in hun eigen organisaties. Uit BCG-onderzoek onder zeventig topbestuurders blijkt dat de helft de afkalving van vaardigheden nu al waarneemt, en ruim 60% binnen drie tot vijf jaar een wezenlijke bedreiging verwacht. Het gevaar dat zij beschrijven is niet dat een individu iets verleert. Het is wat BCG distributed de-skilling noemt: een collectieve erosie die de intelligentie en veerkracht van een hele organisatie ondermijnt, omdat honderden mensen tegelijk dezelfde spier laten verslappen.

Vaardigheid is geen kostenpost, het is je onderhandelingspositie

Waarom zou je je hierom druk maken als het werk gewoon af komt? Omdat vaardigheid niet alleen bepaalt of je het werk kunt doen, maar ook hoeveel macht je hebt over de partij die het van je overneemt.

Een team dat het zelf nog kan, gebruikt AI als hefboom: het herkent een slecht antwoord, corrigeert het, en kan terugvallen op eigen kunde als dat nodig is. Een team dat het verleerd is, gebruikt AI als kruk. Het verschil wordt zichtbaar op de slechtste momenten. Als je leverancier de prijs verhoogt, kun je dan weglopen, of zit je vast? Als het model een hallucinatie produceert, ziet iemand het dan nog? Dat AI-hallucinaties geen bug zijn maar een structureel bedrijfsrisico is precies daarom zo gevaarlijk: de enige verdediging is een mens die scherp genoeg is om de fout te ruiken, en die mens kweek je niet als je hem twee jaar lang hebt laten meelopen op de automaat.

Zo bekeken is vaardigheidsbehoud geen zachte HR-ambitie maar hard risicomanagement. Het is hetzelfde mechanisme dat speelt bij afhankelijkheid van één leverancier: de afhankelijkheid voelt comfortabel tot het moment dat je eruit wilt, en dan blijkt de uitgang dichtgegroeid. Bij vendor lock-in gijzelt je software je data. Bij skill lock-in gijzelt het model je oordeelsvermogen.

Maar dit is toch gewoon de volgende rekenmachine?

De sterkste tegenwerping is historisch en terecht. We hebben dit eerder gedaan. De rekenmachine nam het hoofdrekenen over, de GPS nam ons richtingsgevoel af, en de wereld is niet ingestort. Mensen besteden al sinds de eerste turfstreep denkwerk uit aan gereedschap. Waarom zou AI anders zijn?

Het antwoord zit in een onderscheid dat BCG scherp stelt: eerder gereedschap ondersteunde het denken, generatieve AI vervangt het steeds vaker. Een rekenmachine doet de vermenigvuldiging, maar jij bepaalt nog welke som relevant is en of de uitkomst klopt. Een taalmodel doet de analyse, schrijft de conclusie en stelt de aanbeveling op. Het neemt niet één stap over, maar de hele denkketen, inclusief het oordeel. En juist oordeel, kritisch denken en originaliteit zijn de vaardigheden die je niet uit een handleiding terughaalt als ze eenmaal weg zijn.

Daar komt bij dat het niet zwart-wit is. De neurowetenschapper Vivienne Ming vatte het bondig samen: hoe je AI gebruikt, niet hoe vaak, bepaalt het effect op je brein. Dezelfde tool kan je scherper of luier maken. Dat verschil is geen eigenschap van de technologie. Het is een ontwerpkeuze van degene die de werkflow inricht.

Verdediging is een ontwerpkeuze, geen cursus

Hier slaan de meeste bedrijven de plank mis. Ze behandelen vaardigheidsbehoud als een trainingsprobleem: nog een workshop, nog een AGV-achtige plicht afvinken. Maar een cursus die botst met hoe het werk dagelijks verloopt, verliest het altijd van de gewoonte. Behoud van vaardigheid is geen ding dat je toevoegt, het is een eigenschap van hoe het werk is ontworpen.

Vaardigheidsretentie is het bewust inrichten van werk zo dat mensen de oordeelsvorming blijven oefenen die AI ook zou kunnen doen, zodat het team scherp blijft in plaats van stilletjes afhankelijk te worden. Het verschil zit niet in meer leren, maar in hoe de taak zelf is gebouwd. Drie principes maken dat concreet:

• Mens in de oordeelslus: laat AI het concept maken, maar leg de beslissing, de eindcheck en de verantwoordelijkheid bij een mens die het ook zelf had kunnen. De AI stelt voor, de mens beschikt, en oefent zo zijn oordeel.
• Rotatie tussen leunen en zelf doen: niet elke taak hoort op de automaat. Bewaar bewust een deel van het werk, juist het lastige, waar mensen het zonder AI doen, zodat de spier in conditie blijft.
• Zichtbaar maken wat verdwijnt: afkalving is onzichtbaar tot het te laat is. BCG adviseert daarom om vaardigheidsontwikkeling expliciet te meten in plaats van aan te nemen dat ze vanzelf gebeurt.

Dit raakt aan een breder probleem dat ik vaker zie: het intuïtieve gevoel dat AI productief werkt is een gevaarlijke blinde vlek, omdat verborgen correctietijd het echte rendement vertekent. Wie alleen op gevoel stuurt, ziet noch de verborgen kosten van vandaag noch de afkalving van morgen.

De praktische kant, hoe je AI-gebruik van een eenmalige workshop naar een structurele dagelijkse vaardigheid brengt, werk ik uit in mijn gids over een team trainen in AI van losse workshop naar dagelijks gebruik. En dat het geen vrijblijvende ambitie is helpt: de AI-geletterdheidsplicht is al van kracht en vraagt om continue borging in plaats van een eenmalige cursus, precies de gewoonte die vaardigheid scherp houdt.

De vaardigheid die je beschermt, bepaalt of AI je sterker of afhankelijker maakt

De verleiding is om dit te lezen als een pleidooi tegen AI. Dat is het niet. Ik bouw zelf elke dag met deze modellen en ik zou er niet meer zonder willen. Het punt is een ander: juist omdat AI zo goed is, wordt de vaardigheid eronder kostbaarder, niet overbodig. Een team dat alleen nog kan wat het model kan, heeft geen voorsprong, het heeft een afhankelijkheid.

De bedrijven die over twee jaar winnen, zijn niet degene die het hardst op de productiviteitsknop drukten. Het zijn degene die AI inzetten en tegelijk hun mensen scherp hielden, zodat ze de hefboom hebben zonder de kruk. Dat is geen kwestie van meer trainen of harder adopteren. Het is een kwestie van ontwerpen: bepalen welk denkwerk je weggeeft en welk je bewust bij mensen houdt. Wie die keuze niet maakt, maakt hem alsnog, alleen dan onbewust, en betaalt de cognitive debt met rente.