Er is iets aan het verschuiven in hoe we naar ons eigen werk kijken, en dat heeft minder te maken met wat generatieve AI kan en meer met wat het blootlegt. Zolang technologie vooral ondersteunend was, bleef veel vakmanschap impliciet, verscholen in ervaring, routine en het vermogen om dingen “ongeveer goed” te doen zonder dat iemand daar echt vragen bij stelde.
Maar op het moment dat een systeem binnen seconden een antwoord geeft dat in eerste instantie overtuigend klinkt, verandert de dynamiek, omdat de vraag niet langer is of je iets kunt produceren, maar of je kunt beoordelen wat je voor je hebt.
En precies daar wordt het interessant, omdat middelmatigheid ineens zichtbaar wordt op een manier die eerder niet bestond.
Niet omdat generatieve AI beter is, maar omdat het sneller is in het genereren van iets dat goed genoeg lijkt om serieus genomen te worden, waardoor het onderscheid verschuift van produceren naar duiden. Waar professionals voorheen waarde toevoegden door iets te maken , een analyse, een tekst, een conclusie, ligt de waarde nu steeds meer in het vermogen om te beoordelen, te wegen en te begrijpen wat er werkelijk staat, inclusief de aannames, beperkingen en implicaties die niet expliciet worden genoemd.
Dat klinkt als een nuanceverschil, maar het is een fundamentele verschuiving.
Want zodra een systeem in staat is om in korte tijd een plausibel antwoord te genereren, wordt duidelijk wie verder kijkt dan de eerste indruk en wie blijft hangen in de vorm. Een goed geformuleerde analyse is niet hetzelfde als een goede analyse, maar zolang niemand het verschil actief maakt, blijven die twee dicht bij elkaar liggen. Generatieve AI duwt ze uit elkaar, omdat de vorm steeds beter wordt, terwijl de inhoud afhankelijk blijft van degene die ermee werkt.
Daarmee ontstaat een ongemakkelijke spiegel.
Professionals die gewend waren te vertrouwen op ervaring en routine merken dat dat niet altijd voldoende is om de kwaliteit van output te beoordelen, terwijl degenen die echt begrijpen hoe iets in elkaar zit, juist sneller doorhebben waar het wringt, waar aannames te simpel zijn en waar conclusies niet volgen uit de data. Het verschil zit dan niet in snelheid of toegang tot informatie, maar in diepgang van begrip.
En dat verschil wordt groter.
Wat deze ontwikkeling extra interessant maakt, is dat de discussie vaak blijft hangen in de vraag of generatieve AI betrouwbaar is, terwijl dat eigenlijk de verkeerde vraag is. Elk model heeft beperkingen en zal fouten maken, maar dat geldt net zo goed voor mensen. De relevante vraag is niet of generatieve AI het goed doet, maar of de professional die ermee werkt in staat is om te herkennen wanneer iets niet klopt en waarom.
Daarmee verschuift de verantwoordelijkheid.
Niet weg van de professional, maar juist naar de kern van het vak, omdat het vermogen om te beoordelen, te twijfelen en door te vragen belangrijker wordt dan het vermogen om snel iets te produceren. In een omgeving waarin iedereen toegang heeft tot dezelfde tools en dezelfde output kan genereren, wordt vakmanschap zichtbaar in wat je ermee doet, niet in het feit dat je het hebt.
Dat is geen comfortabele ontwikkeling, omdat het betekent dat een deel van het werk dat jarenlang als waardevol werd gezien, minder onderscheidend wordt. Tegelijkertijd biedt het ook iets anders, namelijk de kans om terug te gaan naar waar het werkelijk om draait: begrijpen wat je doet en waarom je het doet.
En misschien is dat wel de meest eerlijke manier om naar generatie AI te kijken.
Niet als vervanging van professionals en ook niet als wondermiddel dat alles oplost, maar als een mechanisme dat zichtbaar maakt waar het verschil zit tussen iemand die iets kan reproduceren en iemand die het daadwerkelijk begrijpt.
Generatieve AI maakt niemand beter of slechter.
Het maakt alleen zichtbaar wie dat al was.
