Welkom bij de afdeling Onderzoek en Strategie van [bedrijfsnaam] in de snel veranderende wereld van vandaag.

Voor mensen die regelmatig AI gebruiken, kan zich een interessante tegenstrijdigheid voordoen. Taken die voorheen uren onderzoek, schrijven of probleemoplossing vergden, kunnen nu in minuten worden voltooid. Tegelijkertijd maakt AI het mogelijk om onbekende wetenschappelijke vragen te onderzoeken, complexe projecten te ontwikkelen en ideeën te verkennen die voorheen onbereikbaar leken.
Deze ervaringen kunnen twee heel verschillende indrukken achterlaten. Enerzijds lijkt AI de intellectuele mogelijkheden van mensen te vergroten. Anderzijds kan het een subtielere vraag oproepen: als een machine steeds meer denkwerk verricht, wat gebeurt er dan met onze eigen cognitieve vermogens?
In het publieke debat wordt dit vaak voorgesteld als een keuze tussen twee mogelijkheden. Ofwel maakt AI ons slimmer door onze mogelijkheden uit te breiden, ofwel maakt het ons minder capabel door mentale sluiproutes aan te moedigen. Onderzoeksresultaten worden vaak gepresenteerd als bewijs voor de ene of de andere kant, zelfs wanneer de studies zeer verschillende aspecten van cognitieve prestaties onderzoeken.
Maar er is een nuttigere manier om te begrijpen wat er gebeurt. AI verandert de verdeling van cognitieve taken tussen mens en machine. Of die verandering gunstig is, hangt niet alleen af van hoeveel denkwerk er bespaard blijft, maar ook van welke mentale processen worden vervangen, welke actief blijven en welke nieuwe vormen van denken mogelijk worden.
Het menselijk denkvermogen is altijd afhankelijk geweest van externe hulpmiddelen. Schrijven stelt ons in staat informatie op te slaan zonder alles te hoeven onthouden. Rekenmachines verminderen de noodzaak tot hoofdrekenen. Navigatiesystemen helpen ons onbekende bestemmingen te bereiken zonder zelf een gedetailleerde route uit te stippelen.
Deze technologieën verminderen bepaalde cognitieve eisen, maar we interpreteren elke vermindering van mentale inspanning doorgaans niet als een verlies aan intelligentie. De belangrijke vraag is wat we met die bespaarde inspanning kunnen doen en of de overgedragen vaardigheid nog steeds belangrijk is voor onze doelen.
AI introduceert een complexere versie van deze relatie. In tegenstelling tot een rekenmachine kan een groot taalmodel verklaringen genereren, argumenten ordenen, bewijsmateriaal vergelijken, oplossingen voorstellen en concurrerende ideeën evalueren. Het kan daardoor taken overnemen die voorheen aanzienlijk redeneervermogen vereisten, en niet slechts geheugen of rekenkracht.
Stel je voor dat iemand een zakelijk voorstel aan het voorbereiden is. AI zou achtergrondinformatie kunnen verzamelen, het document structureren en een gepolijste eerste versie produceren. De persoon in kwestie zou veel minder tijd aan de taak hoeven te besteden, terwijl hij of zij toch een aanzienlijk oordeelsvermogen behoudt bij het bepalen of de aanbevelingen passend zijn.
Een andere mogelijkheid is dat ze de uitkomst zonder veel onderzoek accepteren en zowel de analyse als een groot deel van het oordeel delegeren. Het zichtbare resultaat zou er dan hetzelfde uit kunnen zien, maar de onderliggende cognitieve activiteit zou heel anders zijn.
Minder mentale inspanning betekent niet noodzakelijkerwijs minder betekenisvol denken. Evenzo betekent het produceren van geavanceerd werk niet noodzakelijkerwijs dat de persoon een geavanceerd begrip ervan heeft ontwikkeld.
Er zijn gegronde redenen om te onderzoeken of uitgebreide AI-ondersteuning de cognitieve betrokkenheid verandert.
Een onderzoek uit 2025 van Microsoft Research en Carnegie Mellon University analyseerde 319 kenniswerkers en 936 voorbeelden van het gebruik van generatieve AI. De onderzoekers ontdekten dat meer vertrouwen in AI samenhing met minder zelfgerapporteerde inspanning op het gebied van kritisch denken, terwijl meer vertrouwen in de eigen vaardigheden juist samenhing met meer kritische betrokkenheid.
Interessant genoeg observeerden de onderzoekers ook een verschuiving in de aard van kritisch denken. In plaats van zich primair te richten op het produceren van informatie, beschreven werknemers steeds vaker dat ze de output van AI controleerden, reacties integreerden en toezicht hielden op de algehele taak.
Dit suggereert dat AI het denken wellicht niet simpelweg overbodig maakt. Het kan de plek waar het denken plaatsvindt veranderen.
Een andere veelbesproken studie van het MIT Media Lab onderzocht het schrijven van essays onder verschillende omstandigheden, waaronder schrijven zonder hulp en schrijven met ChatGPT. De onderzoekers rapporteerden verschillen in EEG-connectiviteitspatronen, herinnering en het gevoel van eigenaarschap van de deelnemers over hun werk.
Deze bevindingen roepen belangrijke vragen op over wat er gebeurt wanneer mensen aanzienlijke delen van een leerintensieve taak delegeren. Verschillen in hersenactiviteit tijdens een experiment zijn echter niet gelijk aan bewijs van afnemende intelligentie of blijvende cognitieve schade.
Het onderscheid is belangrijk omdat een vermindering van de cognitieve activiteit tijdens een bepaalde taak op verschillende mogelijkheden kan duiden, waaronder verminderde betrokkenheid, veranderde strategieën of een grotere afhankelijkheid van externe hulp. Om te bepalen wat deze veranderingen betekenen voor het blijvend behoud van cognitieve vaardigheden, is aanvullend onderzoek nodig.
Het bestaande onderzoek geeft ons dus wel redenen om te onderzoeken hoe AI het denken beïnvloedt, maar biedt geen solide basis om te stellen dat gewoon AI-gebruik mensen over het algemeen slimmer of minder intelligent maakt.

Een nuttige manier om deze verschillen te onderzoeken, is door drie brede patronen van AI-interactie te bekijken. Dit zijn verklarende categorieën in plaats van een wetenschappelijk gevalideerde classificatie, en de meeste interacties in de praktijk omvatten een combinatie ervan.
De eerste is cognitieve substitutie. Hierbij voert de AI een groot deel van het redeneerwerk uit en ontvangt of gebruikt de persoon voornamelijk het resultaat. Een LLM vragen om een lang document samen te vatten, een standaardrapport op te stellen of een administratieve taak uit te voeren, kan een efficiënte en volkomen geschikte toepassing van de technologie zijn.
Het potentiële probleem ontstaat wanneer de gedelegeerde activiteit ook iets is dat de persoon moet leren. Een student die herhaaldelijk kant-en-klare uitleg krijgt zonder zelf tot begrip te komen, mist mogelijk kansen om te oefenen met het ophalen van informatie, redeneren en integreren van nieuwe kennis.
Het tweede patroon is cognitieve samenwerking. In plaats van simpelweg een antwoord te ontvangen, werkt de persoon samen met AI om ideeën te ontwikkelen, alternatieven te vergelijken, hiaten te identificeren en een oplossing te verfijnen. De technologie neemt een deel van de informatieverwerking voor haar rekening, terwijl de mens actief betrokken blijft bij het bepalen wat belangrijk is.
Iemand die bijvoorbeeld onderzoek doet naar een onbekend wetenschappelijk onderwerp, zou AI kunnen gebruiken om terminologie uit te leggen, theorieën te vergelijken, zwakke punten in een argumentatie te vinden en concepten uit verschillende disciplines met elkaar te verbinden. De interactie kan zo een proces van ontdekking worden in plaats van louter het verkrijgen van antwoorden.
Het derde patroon is de cognitieve uitdaging. Hierbij wordt AI doelbewust ingezet om de redenering van de persoon te toetsen. Iemand formuleert een eerste interpretatie, vraagt het systeem om zwakke punten te identificeren, evalueert concurrerende verklaringen en herziet zijn of haar standpunt.
Dit kan aanzienlijke eisen stellen aan evaluatievermogen, cognitieve flexibiliteit en metacognitief bewustzijn – het vermogen om het eigen denken te onderzoeken en te reguleren. Het kan ook aannames blootleggen die anders onbetwist zouden blijven.
Geen van deze benaderingen is universeel superieur. Het delegeren van een routinetaak kan verstandig zijn, terwijl zelfstandig redeneren essentieel kan zijn bij het leren van een nieuwe vaardigheid. Het belangrijke onderscheid is of het interactiepatroon overeenkomt met het beoogde cognitieve resultaat.

Een van de meest interessante potentiële voordelen van AI krijgt relatief weinig aandacht in discussies over cognitieve achteruitgang: het zou het scala aan intellectuele activiteiten dat mensen willen of kunnen ondernemen, kunnen vergroten.
Veel complexe projecten vereisen van oudsher aanzienlijke voorkennis. Iemand die geïnteresseerd is in computationele biologie, techniek, geavanceerde statistiek of onbekende gebieden binnen de filosofie, stuitte voorheen wellicht op obstakels die zinvol onderzoek onmogelijk maakten.
AI kan een aantal van die barrières wegnemen door onbekende concepten uit te leggen, problemen op te splitsen in behapbare onderdelen, technische taal te vertalen en feedback te geven tijdens het onderzoek.
Dit zou mensen in staat kunnen stellen zich te verdiepen in vragen die ze anders nooit zouden overwegen. De totale hoeveelheid intellectuele verkenning in hun leven zou kunnen toenemen, zelfs als de inspanning die nodig is voor individuele deeltaken afneemt.
Een persoon zou bijvoorbeeld minder tijd kunnen besteden aan het doorzoeken van technische documentatie, maar aanzienlijk meer tijd aan het evalueren van hypotheses, het leggen van conceptuele verbanden of het testen van alternatieve oplossingen.
Er is echter een belangrijke beperking. Toegang tot geavanceerde analyses is niet hetzelfde als het bezitten van een diepgaand begrip. AI kan complexe materie toegankelijk laten lijken, maar laat tegelijkertijd lacunes achter in het vermogen van de gebruiker om deze uit te leggen, te verifiëren of zelfstandig toe te passen.
Het potentiële voordeel schuilt niet alleen in de toegang tot meer geavanceerd materiaal, maar vooral in wat iemand daadwerkelijk leert door die toegang.
Een bijzonder onthullend experiment, gepubliceerd op CHI 2026, onderzocht hoe het tijdstip waarop AI-ondersteuning werd ingezet, de prestaties op het gebied van kritisch denken beïnvloedde.
Onderzoekers bestudeerden 393 deelnemers die een taak uitvoerden waarbij ze informatie moesten evalueren en een onderbouwde beslissing moesten nemen. Zowel het moment waarop deelnemers toegang hadden tot een leerplatform als de beschikbare tijd varieerden.
De resultaten lieten een belangrijke omkering zien. Wanneer de tijd beperkt was, verbeterde de beschikbaarheid van AI vanaf het begin de prestaties. Wanneer deelnemers voldoende tijd hadden, verslechterde vroege of continue toegang tot AI de prestaties in vergelijking met situaties waarin deelnemers zelfstandig redeneerden.
Dezelfde technologie leverde dus verschillende effecten op, afhankelijk van de omstandigheden waaronder deze werd gebruikt.
Deze bevinding zet vraagtekens bij het idee dat AI-ondersteuning slechts één consistent cognitief gevolg heeft. Onder tijdsdruk kan ondersteuning mensen helpen hun verwerkingsbeperkingen te overwinnen. Wanneer er meer tijd is voor diepgaande, onafhankelijke betrokkenheid, kan het te vroeg introduceren van AI de mate waarin iemand het probleem onderzoekt, beïnvloeden.
Het werpt ook een bredere vraag op: de cognitieve waarde van hulp hangt deels af van wat de taak van de persoon vraagt. Het snel nemen van een veeleisende beslissing en het ontwikkelen van zelfstandig redeneervermogen zijn verwante doelen, maar ze zijn niet identiek.
De wellicht belangrijkste onbeantwoorde vraag betreft wat er gebeurt nadat de AI niet langer beschikbaar is.
Iemand kan een taak met hulp buitengewoon goed uitvoeren, zonder dat dit noodzakelijkerwijs betekent dat hij of zij daardoor beter wordt in het zelfstandig uitvoeren van die taak. Omgekeerd kan een moeilijke leerervaring een bescheiden direct resultaat opleveren, terwijl er tegelijkertijd inzicht wordt ontwikkeld dat later van waarde blijkt.
Dit zijn verschillende uitkomsten, die zich over verschillende tijdschalen uitstrekken.
De directe prestaties geven aan wat het gecombineerde mens-AI-systeem kan bereiken. Onafhankelijke capaciteit betreft wat de persoon nog steeds kan begrijpen, onthouden, beoordelen of uitvoeren zonder dat systeem.
Dit onderscheid is vooral belangrijk in het onderwijs en bij de ontwikkeling van vaardigheden. Het opzoeken van informatie, het formuleren van verklaringen, het maken van fouten en het corrigeren van misverstanden kunnen allemaal bijdragen aan het leerproces. Als AI deze activiteiten consequent elimineert, kan het ook kansen wegnemen om de onderliggende vaardigheden te ontwikkelen.
Het zou echter eveneens misleidend zijn om te concluderen dat elke gedelegeerde taak gelijkstaat aan verloren cognitieve ontwikkeling. Het vermijden van repetitief informatievergaren kan meer tijd vrijmaken voor analyses op een hoger niveau, en het ontvangen van passende begeleiding kan moeilijk te leren leerprocessen toegankelijker maken.
De relevante vraag is niet hoeveel moeite er is gedaan, maar wat die moeite heeft bijgedragen aan een blijvend begrip.

Er is nog een subtiele mogelijkheid die het overwegen waard is.
Door AI gegenereerde uitleg wordt vaak in vloeiende, georganiseerde taal gepresenteerd. Een complex onderwerp kan ineens helder lijken doordat het systeem de argumentatie heeft opgebouwd, de terminologie heeft gedefinieerd en de relevante concepten met elkaar heeft verbonden.
Die helderheid kan echt nuttig zijn. Maar een uitleg begrijpen tijdens het lezen is niet altijd hetzelfde als de redenering zelfstandig kunnen reconstrueren.
Dit leidt tot een potentieel metacognitief probleem. Mensen beoordelen hun begrip mogelijk deels op basis van hoe gemakkelijk informatie wordt gepresenteerd, in plaats van op basis van of ze de informatie zelf kunnen uitleggen of toepassen.
Hetzelfde probleem kan zich voordoen bij het evalueren van conclusies die door AI zijn gegenereerd. Als het systeem zowel het antwoord als de onderbouwing daarvan produceert, heeft de persoon mogelijk minder onafhankelijke referentiepunten om zwakke punten te identificeren.
Dit betekent niet dat AI-uitleg per definitie misleidend is. Het betekent wel dat vloeiende assistentie de signalen kan veranderen die mensen gebruiken om te bepalen of ze iets voldoende begrijpen.
Naarmate AI geavanceerder wordt, kan het onderscheid tussen het ontvangen van een overtuigende uitleg en het vermogen om die uitleg te beoordelen steeds belangrijker worden.
Onderzoek begint situaties aan het licht te brengen waarin AI-ondersteuning de prestaties verbetert, cognitieve strategieën verandert of de behoefte aan zelfstandig handelen vermindert. Wat echter veel minder duidelijk is, is hoe verschillende patronen van herhaald gebruik de cognitieve vaardigheden beïnvloeden over een periode van maanden of jaren.
Veel bestaande studies onderzoeken relatief korte interventies, specifieke educatieve taken of onmiddellijke prestaties. Andere studies baseren zich op zelfgerapporteerde inspanning of indirecte metingen van cognitieve activiteit.
Deze benaderingen kunnen betekenisvolle effecten aan het licht brengen, maar ze bewijzen niet of uitgebreid gebruik van LLM leidt tot brede, blijvende veranderingen in intelligentie, geheugen, redeneervermogen of cognitieve flexibiliteit.
De langetermijnuitkomsten kunnen ook sterk verschillen per individu. Iemand die AI voornamelijk gebruikt om onbekende uitdagingen te vermijden, kan een heel andere ervaring hebben dan iemand die het gebruikt om steeds ambitieuzer intellectueel werk na te streven.
Zelfs dan mag een meer veeleisende interactie niet automatisch gelijkgesteld worden aan een groter cognitief voordeel. Inspanning kan productief, onnodig of misplaatst zijn, afhankelijk van de omstandigheden.
Om deze verschillen te begrijpen, is onderzoek nodig dat niet alleen de blootstelling aan AI bestudeert, maar ook de cognitieve activiteiten die tijdens het gebruik plaatsvinden en de vaardigheden die daarna behouden blijven.
De vraag of AI ons minder laat nadenken is begrijpelijk, maar onvolledig.
AI kan de benodigde inspanning voor bepaalde taken verminderen, terwijl het de complexiteit van andere taken juist vergroot. Het kan redeneren vervangen, samenwerking ondersteunen, aannames ter discussie stellen of toegang bieden tot intellectuele activiteiten die voorheen onbereikbaar leken.
Deze effecten kunnen tegelijkertijd voorkomen bij dezelfde persoon, in hetzelfde project of tijdens dezelfde werkdag.
Waar het om draait, is de veranderende relatie tussen cognitieve inspanning, menselijk oordeel, taakuitvoering en leren. Iemand kan meer bereiken door bepaalde vaardigheden minder te oefenen, of nieuwe vormen van expertise ontwikkelen door steeds meer op hulp te vertrouwen voor bekende taken.
De wetenschap heeft nog niet vastgesteld wat deze veranderingen zullen betekenen voor onze cognitieve vermogens op de lange termijn. Maar het biedt nu al een overtuigende reden om verder te kijken dan de simpele aanname dat minder inspanning cognitieve achteruitgang betekent, of dat betere resultaten met behulp van AI noodzakelijkerwijs cognitieve verbetering betekenen.
De meer onthullende vraag is misschien niet of AI meer van ons denkwerk overneemt, maar hoe de betrokkenheid ervan het denkproces verandert dat nog steeds van ons is.
Welkom bij de afdeling Onderzoek en Strategie van [bedrijfsnaam] in de snel veranderende wereld van vandaag.
Een op bewijs gebaseerde discussie over de vraag of activiteiten zoals kruiswoordpuzzels en Sudoku de hersengezondheid daadwerkelijk verbeteren, met een verduidelijking van wat ze wel en niet bevorderen, en waarom de voordelen vaak verkeerd worden begrepen.
Bekijk deze uitstekende inzichten over de rol van neurowetenschap in sportprestaties.
Ontdek de opmerkelijke neuroplasticiteit van je hersenen.