In de jaren vijftig ontdekte de Britse chirurg Wilfred Ninewells iets verontrustends. Jonge artsen die werden opgeleid met de nieuwste operatietechnieken konden ingewikkelde ingrepen uitvoeren. Maar als de technologie faalde, als het apparaat uitviel of het onverwachte gebeurde, stonden ze met lege handen. Ze hadden nooit geleerd om zonder de technologie te werken.
De technologie had het vak toegankelijker gemaakt. En tegelijkertijd de bodem eruit gehaald.
Precies dat gebeurt nu met AI in organisaties. En bijna niemand heeft het door.
De onzichtbare verschuiving
AI is spectaculair goed in juniorwerk. Eerste concepten schrijven, data samenvatten, vergaderingen notuleren, onderzoek structureren, code genereren. Het werk waar nieuwe medewerkers traditioneel mee beginnen.
Dat is efficiënt. Het is ook een probleem.
Want dat juniorwerk is hoe mensen het vak leren. Een marketeer die honderd klantteksten heeft geschreven, ontwikkelt gevoel voor toon en publiek. Een analist die maanden handmatig data heeft opgeschoond, begrijpt intuïtief waar de fouten zitten. Een consultant die tientallen onderzoeksrapporten heeft samengevat, leert onderscheid maken tussen signaal en ruis.
AI slaat die fase over. Een junior kan nu direct "redacteur" zijn: AI-output beoordelen, bijsturen, goedkeuren. Dat ziet er productief uit. Het voelt als een promotie. Maar het creëert redacteuren die nooit hebben leren schrijven.
Waarom het ertoe doet
Het effect is niet zichtbaar op korte termijn. De output ziet er goed uit. De KPI's verbeteren. Het team lijkt productiever.
Op lange termijn erodeert er iets. De kritische blik die nodig is om AI-output te beoordelen, is gebouwd op ervaring met het werk zelf. Als je nooit een klantmail hebt geschreven, hoe weet je dan of de AI-versie goed is? Als je nooit een dataset hebt opgeschoond, hoe herken je dan een fout in de AI-analyse?
Er ontstaat een generatie medewerkers die het dashboard kunnen bedienen maar de machine niet begrijpen. Dat gaat goed tot het fout gaat. En bij AI gaat het altijd een keer fout. Zeker als AI drift optreedt en de output langzaam degradeert zonder dat iemand het verschil nog herkent.
Wat je eraan doet
De oplossing zit in een bewuste keuze: welk werk moet een junior nog steeds handmatig doen, ook al kan AI het sneller?
Definieer leertaken. Per rol, per team: welke taken zijn essentieel voor het opbouwen van vakkennis? Schrijf die op. Bescherm ze. Een junior die nooit handmatig een klantonderzoek heeft gedaan, mist een laag begrip die geen AI-tool kan compenseren.
Maak AI een tutor, geen vervanging. De krachtigste inzet van AI voor juniors is als sparringpartner. Laat de junior het werk doen. Laat AI feedback geven, alternatieven voorstellen, fouten aanwijzen. Zo bouw je vaardigheid op met AI als versneller van het leerproces, in plaats van een omweg eromheen.
Stel de betekenisvraag. Check elk kwartaal bij het team: is het werk dat overblijft na AI-inzet meer of minder zinvol dan daarvoor? Dat is wat wij de Meaning Test noemen. Zinvol betekent: het vereist oordeelsvermogen, het bouwt expertise op, het geeft het gevoel ergens aan bij te dragen. Als AI tien uur per week bespaart en die tien uur vullen zich met meer administratie, dan heb je het werk niet verbeterd. Je hebt het verschoven.
Het grotere beeld
De organisaties die dit goed doen, denken na over AI als een mensenvraagstuk. De technologie is het makkelijke deel. De moeilijke vraag is: hoe zorgen we dat onze mensen beter worden, niet alleen sneller? Een goede AI workshop begint precies daar: bij de mensen, niet bij de technologie.
Dat vereist een ongemakkelijk gesprek. Het vereist dat managers zeggen: "Ik weet dat AI dit sneller kan, maar ik wil dat jij het eerst zelf doet." Dat voelt inefficiënt. Het is een investering.
De Britse chirurgen losten het uiteindelijk op door simulatietraining in te voeren. Niet om de technologie af te schaffen, maar om ervoor te zorgen dat de fundamenten stevig bleven. De technologie werd krachtiger. De mensen erachter ook.
Dat is het model. AI die werk beter maakt en mensen die meegroeien. Allebei. Tegelijk.