Sociale media gaven miljoenen mensen een stem en verscherpten tegelijk onze tegenstellingen. AI kan precies hetzelfde. De vraag is welke kant we kiezen.

Ik ben opgegroeid in de socialistische zuil. Thuis keken we naar de VPRO, luisterden we naar de VARA en lazen we de Volkskrant. Dat was het zo’n beetje.

Niet omdat iemand mij verbood Trouw of zelfs De Telegraaf (stel je voor) te lezen, maar omdat je er in de praktijk nauwelijks mee in aanraking kwam. Wilde je iets lezen of horen dat buiten je eigen zuil viel, dan moest je daar behoorlijk je best voor doen.

Ik vertel dat niet uit nostalgie. Ik vertel het omdat we het tegenwoordig voortdurend hebben over polarisatie, sociale media en algoritmes, maar soms vergeten waar we vandaan komen.

En omdat ik denk dat met kunstmatige intelligentie dezelfde vraag opnieuw op tafel ligt. Alleen kunnen we deze keer misschien bewuster kiezen wat we ermee doen.

Poortwachters die verdwenen

Vroeger hadden we poortwachters.

Redacteuren van kranten, radio en televisie bepaalden voor een belangrijk deel welke informatie, ideeën en belangen naar boven kwamen. Dat gaf structuur, maar ook macht aan een relatief kleine groep. En zeker in een verzuild land als Nederland hield het mensen behoorlijk binnen hun eigen wereld.

Het internet en vooral sociale media braken dat systeem open. Ineens had je geen redacteur meer nodig om iets te kunnen delen. Groepen die eerder nauwelijks gehoord werden, konden zelf hun ideeën en informatie verspreiden.

Dat is een reëel emancipatoir effect geweest. Ik denk dat we dat soms vergeten, omdat we het tegenwoordig vooral over de schaduwkanten van sociale media hebben.

Maar er gebeurde ook iets anders.

Dezelfde technologie die hielp om oude zuilen open te breken, bleek ons ook in nieuwe, soms veel kleinere hokjes te kunnen duwen. Op sommige terreinen zijn tegenstellingen scherper geworden, en sociale media maken die tegenstellingen bovendien veel zichtbaarder.

De gebruikelijke verklaring is dan:

Het algoritme.

Ik denk dat die verklaring te makkelijk is.

Het is niet alleen het algoritme. Het zijn ook onze hersenen.

Toen platforms konden meten wat mensen daadwerkelijk lazen, deelden en aanklikten, ontdekten ze iets wat psychologen al langer kennen: Negatieve informatie trekt onze aandacht.

In een groot onderzoek naar online nieuws analyseerden Robertson en collega’s meer dan 105.000 verschillende koppen uit ruim 22.000 experimenten. Negatieve woorden in een kop bleken de kans dat mensen erop klikten te verhogen (Robertson e.a., 2023).

Ook Facebook ontdekte hoe krachtig negatieve emoties zijn. Uit interne documenten bleek dat een boze-emoji-reactie op een bepaald moment vijf keer zo zwaar werd meegewogen als een gewone like. Berichten die woede opriepen, konden daardoor meer bereik krijgen (The Washington Post, 2021).

Dat klinkt als bewijs dat algoritmes ons polariseren. Maar het algoritme heeft onze gevoeligheid voor negatieve informatie niet uitgevonden. Het heeft haar ontdekt.

Onze hersenen hebben een negativiteitsbias: negatieve informatie krijgt vaak relatief veel gewicht en trekt sterk onze aandacht. Sociale media hebben die menselijke eigenschap niet geschapen. Ze hebben haar gevonden en er vervolgens (commercieel heel begrijpelijk) gebruik van gemaakt.

En daar komt nog iets bij.

We zijn niet alleen gevoelig voor negatieve informatie. We hebben ook de neiging om informatie te zoeken, te onthouden en te interpreteren op manieren die passen bij wat we al denken. Combineer die twee en je hebt een behoorlijk krachtige cocktail.

Heb je eenmaal een stevige overtuiging (over asielzoekers, criminaliteit, klimaat, Trump, Elon Musk, links, rechts of techbedrijven) dan is het tegenwoordig heel eenvoudig om een eindeloze hoeveelheid informatie te vinden die jouw wereldbeeld bevestigt. Voor je het weet zit je in je eigen echoput.

Waar vroeger redacteuren en omroepen mede bepaalden welke informatie je bereikte, zijn we nu voor een belangrijk deel zelf poortwachter geworden. We kunnen eindeloos selecteren wat we willen zien, volgen en geloven.

En nu komt AI

AI kan dit probleem nog veel groter maken. AI heeft namelijk een eigenschap die behoorlijk gevaarlijk kan zijn:

het is heel goed in jou gelijk geven.

Heb je een overtuiging? AI kan er argumenten voor vinden. Heb je een vijandbeeld? AI kan je helpen het te onderbouwen.

Denk je dat je medewerker ongemotiveerd is? AI kan alle signalen op een rij zetten die daarbij passen. Ben je ervan overtuigd dat AI onze banen gaat vernietigen? Een chatbot kan moeiteloos een indrukwekkende lijst argumenten produceren waarom je gelijk hebt.

Wie AI alleen vragen stelt vanuit zijn bestaande overtuigingen, krijgt misschien geen ruimer wereldbeeld. Hij krijgt een beter beargumenteerde echoput.

Maar hier wordt het ineens erg boeiend. Want dezelfde technologie kan ook precies het tegenovergestelde doen.

Vraag AI om je ongelijk te geven

Neem eens een overtuiging waar je behoorlijk zeker van bent. En vraag AI niet om argumenten vóór jouw standpunt te verzamelen.

Vraag:

“Geef me tien goede redenen waarom mijn overtuiging niet klopt.”

En daarna:

“Onderbouw het tegenovergestelde standpunt zo overtuigend mogelijk.”

Of:

“Welke feiten, argumenten of perspectieven zou iemand die het fundamenteel met mij oneens is aandragen?”

Of nog een stap verder:

“Welke aannames maak ik zonder dat ik het zelf doorheb?”

Dan verandert de functie van AI. Van een machine die antwoorden produceert in een instrument dat je eigen denken uitdaagt.

En daar is inmiddels interessante experimentele ondersteuning voor.

Onderzoekers Thomas Costello, Gordon Pennycook en David Rand lieten 2.190 mensen die in complottheorieën geloofden gesprekken voeren met een AI die specifiek inging op hun overtuigingen en daar feitelijke tegenargumenten tegenover zette.

Gemiddeld nam de overtuiging in de complottheorie met ongeveer 20 procent af. Dat effect was twee maanden later nog grotendeels aanwezig (Costello, Pennycook & Rand, 2024, Science).

Dat betekent natuurlijk niet dat AI altijd gelijk heeft.

Integendeel.

AI kan fouten maken, biases bevatten en met indrukwekkend zelfvertrouwen onzin produceren. Maar dat is hier ook helemaal niet het punt.

Je vraagt AI niet om te bepalen wat jij moet geloven. Je gebruikt AI om te onderzoeken wat jij misschien over het hoofd ziet.

Dat is een wezenlijk verschil.

Probeer het eens op je werk

Denk ook eens aan overtuigingen die we dagelijks op ons werk hebben:

“Deze medewerker is gewoon niet gemotiveerd.”

“Mijn leidinggevende vertrouwt mij niet.”

“Onze medewerkers zitten helemaal niet op AI te wachten.”

“Deze reorganisatie gaat nooit werken.”

“Het management luistert toch niet.”

Of misschien nog ongemakkelijker:

“Ik ben een goede leidinggevende.”

Neem één overtuiging waar je behoorlijk zeker van bent en leg die aan AI voor:

“Dit is mijn overtuiging. Geef me tien plausibele redenen waarom ik het verkeerd zou kunnen zien. Welke aannames maak ik? Welke informatie ontbreekt? Geef daarna het sterkste argument voor het tegenovergestelde standpunt.”

Je hoeft je daarna helemaal niet te laten overtuigen. Misschien concludeer je zelfs dat je oorspronkelijke standpunt uitstekend overeind blijft.

Prima.

Maar je hebt iets gedaan wat mensen uit zichzelf vaak lastig vinden:

je hebt actief gezocht naar informatie die je eigen gelijk kan ondermijnen.

Dit raakt voor mij aan de kern van wat ik bedoel met Floreren met AI. De meeste gesprekken over AI gaan nu over wat de technologie van ons kan overnemen. Sneller schrijven. Samenvatten. Analyseren. Presentaties maken. Administratie automatiseren.

Allemaal nuttig. Maar misschien ligt een veel interessantere mogelijkheid ergens anders.

AI niet gebruiken om ons denken uit te besteden, maar om ons denken beter te maken.

Probeer het deze week eens. Neem niet een overtuiging waar je een beetje over twijfelt. Neem er eentje waarvan je echt behoorlijk zeker bent.

En vraag AI:

“Geef me de sterkste argumenten waarom ik ongelijk heb.”

En kijk wat er gebeurt.

PS. Neem ik mijn eigen medicijn eigenlijk ook?

Toen ik dit stuk schreef, vroeg ik me ineens af: zit ik hier nu vooral anderen te vertellen dat ze hun overtuigingen moeten onderzoeken?

Dus voor wie zich dat ook afvraagt: ik probeer mijn eigen medicijn inderdaad regelmatig te nemen ;-).

Sterker nog, dit is een van de manieren waarop AI mij de afgelopen maanden het meest heeft geholpen. Niet door mijn ideeën steeds beter te onderbouwen, maar juist door ze aan te vallen.

Een beetje Popperiaans eigenlijk: niet voortdurend zoeken naar bewijs dat je gelijk hebt, maar serieus proberen je eigen ideeën onderuit te halen.

Een voorbeeld.

Ik noem mezelf al jaren de grondlegger van werkgeluk in Nederland. Daar zijn goede argumenten voor. Ik begon er rond 2003 professioneel mee, toen het begrip werkgeluk nog nauwelijks werd gebruikt.

Maar een tijdje geleden vroeg ik AI niet:

“Kun je aantonen dat ik de grondlegger van werkgeluk in Nederland ben?”

Ik vroeg precies het tegenovergestelde:

“Probeer deze claim onderuit te halen.”

Zoek mensen die vóór mij al met werkgeluk bezig waren. Reconstrueer de geschiedenis van werkgeluk in Nederland vanaf de jaren negentig. Zoek mogelijke concurrenten voor die titel. Kijk waar mijn verhaal niet klopt. En onderzoek of ik mezelf misschien belangrijker maak dan historisch gerechtvaardigd is.

Die zoektocht was uiteindelijk veel interessanter dan wanneer ik AI simpelweg had gevraagd mijn gelijk te bevestigen.

Maar daardoor wordt het ook ongemakkelijk. Maar mijn ervaring is dat het pas echt interessant wordt als je AI loslaat op een overtuiging waarvan je eigenlijk graag wilt dat hij waar is.

Misschien is dat daarom wel de beste test. Neem niet een willekeurige mening waar je weinig bij te verliezen hebt. Neem een overtuiging over jezelf, je werk of je vakgebied waar je behoorlijk aan gehecht bent.

En vraag AI niet:

“Kun je aantonen dat ik gelijk heb?”

Maar:

“Probeer serieus aan te tonen dat ik ongelijk heb.”

En kijk wat er overblijft.

Bronnen

• Robertson, C.E. e.a. (2023), Negativity drives online news consumption, Nature Human Behaviour.

• The Washington Post (26 oktober 2021), Facebook prioritized ‘angry’ emoji reaction posts in news feeds, op basis van interne Facebook-documenten.

• Costello, T.H., Pennycook, G. & Rand, D.G. (2024), Durably reducing conspiracy beliefs through dialogues with AI, Science.

Werkgeluk lijkt op AI. Ik besef dat dat een rare zin is om een artikel mee te openen. Maar het is precies waarom ik denk dat we nu, aan het begin van het AI-tijdperk, op het punt staan om een fout te herhalen die ik al twintig jaar zie gebeuren met welzijn op de werkvloer. Laat me uitleggen hoe.

Twintig jaar knokken voor een plek op de agenda

Sinds 2003 houd ik me bezig met werkgeluk. Voor medewerkers zelf is het nooit een moeilijk verkoopverhaal geweest: mensen willen met plezier, voldoening en zingeving werken. Dat verlangen is er altijd geweest.

Het lastige zat ergens anders. Het zat bij de directietafel. Bij de MT’s en de raden van bestuur waar het budget vandaan moest komen. Iedereen zei dat werkgeluk belangrijk was. Tot het puntje bij paaltje kwam. Zodra alle prioriteiten op een rijtje moesten, wonnen andere factoren het bijna altijd: verzuimcijfers, productiviteit, harde targets.

De echte doorbraak kwam pas toen bestuurders en leidinggevenden doorkregen dat welzijn geen onbelangrijke bijzaak is, maar direct doorwerkt in verzuim, verloop, samenwerking en psychologische veiligheid. Op het moment dat dat besef landde, zag ik steeds hetzelfde aha-erlebnis ontstaan: oh wacht, dit is dus ook gewoon een verstandige investering.

De valkuil die kwam daarna

Maar met die doorbraak kwam ook een valkuil, en die heb ik in de praktijk terug zien komen. Zodra een organisatie of team met welzijn aan de slag gaat vanuit het motief om vooral verzuim te verlagen of productiviteit te verhogen, zie ik in de praktijk vaak iets misgaan.

Waarom? Mijn vermoeden is dat mensen haarfijn aanvoelen wanneer welzijn vooral instrumenteel wordt ingezet. Zodra de boodschap eigenlijk wordt we investeren in jou omdat we daar zelf beter van worden, bestaat het risico dat het effect juist kleiner wordt.

Mensen voelen het verschil tussen oprechte aandacht en aandacht die vooral een middel lijkt voor iets anders. Dat klinkt misschien zweverig, maar het raakt aan iets heel concreets: vertrouwen. Wanneer medewerkers het gevoel hebben dat hun organisatie daadwerkelijk om hun welzijn geeft, kan dat vertrouwen versterken. Wanneer ze vooral een instrumenteel motief ervaren, kan precies het tegenovergestelde gebeuren.”

Mijn ervaring, na twintig jaar, is dan ook: begin nooit met werkgeluk omdat je verzuim of verloop wilt verlagen. Begin ermee omdat je mensen simpelweg gunt dat ze met plezier, voldoening en zingeving werken. Minder verzuim, minder verloop en hogere productiviteit kunnen daar vervolgens waardevolle bijeffecten van zijn.

Draai die volgorde om, en je loopt het risico dat het averechts werkt.

Juist omdat je dan het vertrouwen van je mensen kunt verliezen. En vertrouwen is het cement tussen mensen, tussen teams, binnen een organisatie. Zonder dat cement stort de rest in.

Hetzelfde patroon, nu met AI

Ik vermoed dat we nu rond AI een vergelijkbaar patroon zien ontstaan. En dat is waarom ik dit artikel schrijf.

Grofweg zie ik twee paden waarlangs organisaties AI introduceren. Het eerste pad is: we kiezen voor AI om de productiviteit en efficiëntie te verhogen, om met minder mensen meer te kunnen doen. Ik heb de indruk dat dit, vaak onuitgesproken, het dominante motief is. En ik vermoed dat we daarmee, net als bij werkgeluk, een psychologische fout kunnen maken.

Je ziet de eerste tekenen daarvan nu al, vooral in Amerika. Zij lopen met dit soort ontwikkelingen meestal op ons voor. Gallup deed in mei 2026, samen met Bentley University, onderzoek onder ruim 3.200 Amerikanen. 39% denkt inmiddels dat AI meer kwaad dan goed doet (dat is een stijging ten opzichte van 31% een jaar eerder).

Slechts 27% vertrouwt bedrijven om AI verantwoord in te zetten. Onder jongvolwassenen van 18 tot 29 jaar (de generatie die nu de arbeidsmarkt betreedt) is het beeld nog somberder: 47% denkt dat AI meer schade dan goed doet, en nog maar 20% vertrouwt bedrijven op dit vlak.

En dat wantrouwen blijft niet bij passief toekijken. Writer en Workplace Intelligence ondervroegen begin 2026 zo’n 2.400 kenniswerkers in de VS, het VK en Europa, en vonden dat 29% van de werknemers toegeeft actief de AI-strategie van hun werkgever te saboteren. Bijvoorbeeld door bijvoorbeeld bewust matige kwaliteit te leveren of ongeautoriseerde ‘schaduw-AI’ te gebruiken. Onder Gen Z loopt dat op tot 44%. Slechts 16% gelooft dat hun organisatie AI invoert vanuit echte bedrijfswaarde, en 13% geeft toe AI-gebruik gewoon te faken. De belangrijkste reden die saboteurs noemen: angst om overbodig te worden.

Of Nederland dezelfde kant op gaat, weten we niet. Maar ik zie weinig reden om ervan uit te gaan dat wij immuun zijn voor dit wantrouwen. Ik verwacht dat we dezelfde beweging hier gaan zien, tenzij we er nu bewust anders mee omgaan.

Het tweede pad: floreren met AI

Er is volgens mij een tweede pad, en dat is ook waar mijn missie ligt.

AI biedt volgens mij een enorme mogelijkheid om mensen meer te laten floreren. Maar dan moet dat wel de expliciete doelstelling worden. Niet als bijzaak, niet als marketing-frame achteraf, maar als het fundamentele uitgangspunt waarmee je AI in je team of organisatie introduceert.

Voor Floreren met AI gebruik ik drie psychologische basisbehoeften als fundament: autonomie, verbondenheid en competentie. Dat is geen toevallige keuze. Dit zijn de drie psychologische basisbehoeften uit de zelfdeterminatietheorie van Deci en Ryan en het is dezelfde bril waarmee ik al jaren naar werkgeluk kijk. De vraag die daarmee centraal komt te staan, is niet hoe zetten we AI in om sneller of goedkoper te werken, maar: hoe kan AI de autonomie, de verbinding en de competentie van onze mensen vergroten?

Dat noem ik floreren met AI. En precies zoals bij werkgeluk geldt: het is geen trucje. Je kunt dit niet doen als slimme framing om AI makkelijker geaccepteerd te krijgen. Het moet een oprechte overtuiging zijn. Dat je oprecht gelooft dat AI mensen kan helpen om meer te floreren, en dat je daar bewust op stuurt. Als dat lukt, kunnen mensen zich competenter en autonomer gaan voelen en zichzelf met AI versterken. En ja, mogelijk stijgt daardoor ook de productiviteit.

Maar volgens mij moet dat niet het startpunt zijn. Precies zoals bij werkgeluk: zet je de volgorde om, dan loop je het risico het vertrouwen te ondermijnen dat mensen juist nodig hebben om mee te bewegen.

Waarom dit nu beslissend is

Dit is precies waarom bewustwording voor mij het kernwoord is. Hoe we naar AI kijken, en vanuit welke motivatie we het invoeren, bepaalt in grote mate welke plek AI krijgt in onze organisaties en in de samenleving. Dat gaat niet vanzelf goed. Er zit een bewuste keuze in, die we allemaal moeten maken. Individueel, maar zeker ook als leidinggevende, bestuurder of coach.

Als we die keuze niet bewust maken, is de kans groot dat andere belangen de richting vanzelf gaan bepalen. De weerstand die je nu al ziet ontstaan, zou dan weleens geen incident kunnen zijn, maar een begrijpelijke psychologische reactie. En zulke weerstand kan zich als een olievlek verspreiden. Niet alleen door de samenleving, maar ook door je eigen team en je eigen organisatie.

De vraag die daarmee centraal komt te staan, is niet hoe zetten we AI in om sneller of goedkoper te werken, maar: hoe kan AI de autonomie, de verbinding en de competentie van onze mensen vergroten?

Dat brengt me bij mijn missie voor de komende tijd: onderzoeken hoe we dat pad van floreren met AI concreet vorm kunnen geven. Niet als abstract ideaal, maar als iets wat leidinggevenden, HR-professionals en coaches vandaag al kunnen toepassen. Dat is waar ik de komende tijd mee aan de slag ga en over ga schrijven, en ik neem je daar graag in mee.

Ik ben benieuwd hoe jij dit ziet, en welk pad jouw organisatie op dit moment eigenlijk aan het kiezen is. Bewust of onbewust. Laat het me weten in de reacties.

Bronnen

• Gallup & Bentley University, Americans Cool Toward AI (mei 2026), gebaseerd op een steekproef van 3.270 Amerikaanse volwassenen.

• Writer & Workplace Intelligence, onderzoek onder 2.400 kenniswerkers in de VS, het VK en Europa (april 2026), zoals gerapporteerd door Fortune en Fast Company.

• Deci, E. L. & Ryan, R. M., zelfdeterminatietheorie (autonomie, verbinding, competentie als psychologische basisbehoeften).

Het was 1992, misschien 1991. Ik ging met mijn toenmalige vriendin naar een congres hier in Leiden. Het was een filosofiecongres over virtual reality en dat was georganiseerd door (continentale) filosofen, zogenaamde Heideggerianen.

Ik had geen actieve rol en zat gewoon tussen het publiek.

Er stonden een paar keynote-sprekers op het programma en die gingen bijna allemaal over hetzelfde: waarom VR zo slecht was.

Ze hadden er stuk voor stuk goede redenen voor. Het zou ons denkvermogen aantasten. Het zou ons weghalen bij ons mens-zijn. En misschien wel de belangrijkste: het zou gewoon niet werken. Niet effectief zijn. Nooit praktisch bruikbaar worden.

De hele ochtend ging over waarom virtual reality niet deugde, niet zou werken en gevaarlijk was voor de mensheid.

Je moet je even voorstellen hoe VR er toen bij lag.

Het was vooral een theoretisch construct. Iets waar filosofen over konden speculeren, maar wat vrijwel niemand daadwerkelijk had meegemaakt.

Ik toevallig wel.

Ik was de dag daarvoor bij ESTEC geweest in Noordwijk. En daar stond één van de eerste virtual-reality-opstellingen van Nederland. En ik had de mazzel dat ik dat zelf mocht ervaren.

Ik liep in virtual reality als astronaut door de ruimte.

Op een gegeven moment kwam er een balk op me af zwaaien.

En ik bukte.

Mijn lichaam reageerde alsof dat ding me echt voor mijn hoofd zou raken.

Dat is wat me het meest bijbleef: hoe echt het voelde.

Dus toen die zaal in Leiden zich vol overtuiging vastbeet in dit werkt niet en dit gaat nooit werken, stak ik mijn vinger op.

Ik vertelde wat ik de dag daarvoor had meegemaakt. Hoe goed het eigenlijk al werkte. En hoe waardevol zoiets bijvoorbeeld zou kunnen zijn voor astronauten, die op die manier situaties konden oefenen zonder dat er echte balken tegen hun hoofd kwamen.

De zaal viel eerst stil.

En toen explodeerde hij. Mensen begonnen te roepen. Eén van de aanwezigen (naar later bleek een professor) hield in het Duits een soort donderpreek over waarom wat ik zei onmogelijk waar kon zijn en hoe gevaarlijk het wel niet was om dit te beweren.

Ik heb overigens nooit kunnen achterhalen wat hij precies zei.

En het bleek ook helemaal niet de bedoeling te zijn dat iemand (in dat geval ik) weerwoord gaf.

Verbouwereerd verliet ik de zaal.

Wat me vooral verbaasde was niet dat mensen kritisch waren op virtual reality. Daar was alle reden toe. Misschien hadden sommige filosofen zelfs wel gelijk met hun zorgen over technologie, vervreemding en wat het met ons mens-zijn zou kunnen doen.

Wat ik niet begreep, was iets anders. Waarom waren ze niet nieuwsgierig?

Er stond iemand in die zaal die de technologie waar ze de hele ochtend over spraken daadwerkelijk had ervaren. Je hoeft mijn ervaring niet meteen te geloven. Je hoeft er ook niet enthousiast van te worden.

Maar zou je niet ten minste willen weten: Hoe was het?

Waarom ik hier ruim dertig jaar later weer aan moet denken?

Ik moet de laatste tijd opvallend vaak aan die ochtend denken.

Vanwege AI.

Ook nu zijn er ontzettend veel mensen met uitgesproken meningen. Positief en negatief.

En laat ik daar meteen duidelijk zijn. Er zijn genoeg redenen om kritisch te zijn op AI.

Wat doet het met onze banen? Met onze creativiteit? Met ons denkvermogen? Kunnen we de grote technologiebedrijven wel vertrouwen? En wat moeten we eigenlijk vinden van al die tech bro’s die ons vertellen hoe de toekomst eruit gaat zien?

Ik weet de antwoorden op veel van die vragen ook niet.

Wat me wel opvalt, is dat sommige van de meest stellige oordelen komen van mensen die nog nauwelijks serieus met AI hebben gewerkt. Die ChatGPT één of twee keer een vraag hebben gesteld, een teleurstellend antwoord kregen en op basis daarvan hun oordeel hebben gevormd.

Dat vind ik oprecht fascinerend. Niet omdat hun kritiek daarmee waardeloos is. Maar omdat ik me afvraag hoeveel je van een technologie kunt begrijpen zonder haar daadwerkelijk te ervaren.

AI lijkt wat mij betreft een beetje op zwemmen

Je kunt iemand tot in detail uitleggen hoe zwemmen werkt. Inclusief alle natuurkundige wetten van ons drijfvermogen. Hoe de perfecte borstcrawl eruit ziet. De stand van je handen. Je ademhaling. Je kunt eindeloos filmpjes bekijken van Pieter van den Hoogenband en wetenschappelijke artikelen lezen over hydrodynamica.

Maar daarmee kun je nog niet zwemmen.

Daarvoor moet je uiteindelijk het water in.

Met AI is volgens mij iets vergelijkbaars aan de hand. Je kunt er eindeloos over lezen. Podcasts luisteren. Krantenartikelen volgen. Je kunt zelfs behoorlijk goed begrijpen hoe de technologie erachter werkt.

Maar uiteindelijk moet je het ook ervaren.

En dan niet één keer een vraag stellen alsof ChatGPT een soort Google is. Maar er echt eens induiken.

Pak iets waar je normaal een uur mee bezig bent. Kijk wat er gebeurt als je AI erbij betrekt. Gebruik het om een idee aan te vallen waar je zelf enthousiast over bent. Laat het kritiek geven op iets wat je geschreven hebt. Probeer iets te leren wat je moeilijk vindt. Laat het een rol spelen in een echt probleem uit je werk.

En kijk dan wat er gebeurt.

Misschien word je enthousiaster.

Misschien juist kritischer.

Allebei prima.

Maar je oordeel is daarna waarschijnlijk interessanter dan ervoor.

Misschien moeten we niet kiezen tussen omarmen en afwijzen

Dat is misschien wel wat me het meest stoort aan een deel van de huidige discussie.

Alsof er maar twee kampen zijn.

Je hebt de enthousiastelingen die bij iedere nieuwe AI-versie roepen dat alles nu echt gaat veranderen.

En je hebt de critici die vooral vertellen wat er allemaal verloren dreigt te gaan.

Ik voel me eerlijk gezegd bij geen van beide helemaal thuis. Ik denk dat AI enorme mogelijkheden biedt. En ik denk dat er reële risico’s zijn.

Die twee dingen kunnen tegelijkertijd waar zijn.

Sterker nog: misschien kun je juist kritischer worden op AI wanneer je er veel mee werkt.

Je ontdekt waar het fantastisch in is. Maar ook waar het hallucineert. Waar het je naar de mond praat. Waar het middelmatige antwoorden geeft die heel overtuigend klinken. Waar je zelf lui van kunt worden. En waar je ineens merkt dat je iets aan het uitbesteden bent wat je eigenlijk helemaal niet wilt uitbesteden.

Dat vind ik minstens zo interessant als alle productiviteitswinst.

Dus spring het water in

Mijn oproep is daarom niet:

Omarm AI.

En ook niet:

Vertrouw AI.

Mijn oproep is veel eenvoudiger:

Word nieuwsgierig.

Ga niet alleen aan de kant van het zwembad staan en beredeneren waarom zwemmen geweldig of verschrikkelijk is.

Spring er eens in.

Probeer. Experimenteer. Maak fouten. Kijk waar het je helpt en waar niet. Ontdek wat je ermee wilt uitbesteden, maar misschien nog belangrijker: wat je juist zelf wilt blijven doen.

En blijf ondertussen kritisch.

Want zelf ervaren betekent natuurlijk niet dat je vervolgens alles maar moet accepteren.

Integendeel.

Misschien is dat wel één van de belangrijkste vaardigheden in het AI-tijdperk: nieuwe technologie durven gebruiken zonder je oordeel eraan uit te besteden.

En als je besluit aan de kant te blijven staan?

Dat mag natuurlijk.

Maar ik denk wel dat daar consequenties aan kunnen zitten.

Toen de computer opkwam, konden mensen lange tijd zeggen: “Nee hoor, ik blijf gewoon met pen en papier werken.”

Dat kon.

Tot het op een gegeven moment niet meer kon. Of AI zich precies zo gaat ontwikkelen weet ik niet. Misschien gaat het veel sneller. Misschien blijkt een deel van de huidige hype over vijf jaar behoorlijk overdreven.

Maar juist daarom wil ik het zelf ervaren. Ik wil niet dat anderen voor mij bepalen wat ik ervan moet vinden. Niet de techbedrijven. Niet de AI-goeroes.

Maar ook niet de mensen die vooral vertellen waarom het allemaal verschrikkelijk is.

Ik wil zelf kijken. Zelf proberen. Zelf nadenken. En zelf blijven kiezen.

En uiteindelijk zelf bepalen welke rol AI in mijn werk en leven krijgt.

Dat is ongeveer wat ik bedoel met floreren met AI.

Nieuwsgierig onderzoeken wat deze technologie met ons doet. Waar ze ons sterker kan maken. Waar ze ons misschien juist zwakker maakt. En hoe we daarin zoveel mogelijk zelf de regie op kunnen houden.

En ik ben oprecht benieuwd naar jouw ervaring.

Ben jij al het water ingesprongen? En zo ja: wat ben je over AI anders gaan denken dan voordat je het serieus ging gebruiken?

We spreken elkaar snel weer.

Onno

De machines waarmee we onszelf begrijpen

Hoe wij naar mensen en onze psychologie kijken, is altijd sterk beïnvloed door metaforen. Elke keer dat er een nieuwe, dominante technologie opkomt, gaan we niet alleen die technologie gebruiken. We gaan onszelf ermee vergelijken. De metafoor van het moment wordt, vaak ongemerkt, het model waarmee we de mens probeerden te begrijpen. En dat is voor leidinggevenden relevanter dan het misschien klinkt. Want de metafoor waarmee we naar mensen kijken, bepaalt uiteindelijk ook wat we van mensen gaan vragen.

Dat patroon waarbij metaforen bepalen hoe we kijken loopt van de vloeistoffen van de oude Grieken, via de stoommachine van Freud en de computer van de cognitieve revolutie, tot kunstmatige intelligentie vandaag. Maar bij AI gebeurt er iets dat nog niet eerder gebeurde. Daar wil ik graag met jullie naar kijken.

Maar laten we starten bij het begin.

Een korte geschiedenis van de mens-als-machine

De oudste poging om het innerlijk leven systematisch te verklaren komt van de Griekse geneeskunde. Hippocrates beschreef de mens aan de hand van vier lichaamssappen (bloed, gele gal, zwarte gal en slijm) die in de juiste balans voor gezondheid en karakter zorgden. Het was, naar de maatstaven van die tijd, de meest geavanceerde “technologie” om het lichaam te begrijpen: vloeistoffen, druk en menging. Deze humorenleer bleef meer dan achttien eeuwen dominant.

Zo’n tweeduizend jaar na Hipprocrates leverde een nieuwe technologie een nieuwe metafoor: hydraulica. In de zeventiende-eeuwse tuinen van Franse kastelen bewogen mechanische standbeelden op waterdruk. René Descartes was erdoor gefascineerd en beschreef het lichaam als een hydraulisch systeem: zenuwen als buizen waardoor “dierlijke geesten” stroomden, precies zoals waterdruk de bewegende beelden in de tuinen aandreef.

De bekendste toepassing van dit patroon is die van Sigmund Freud, aan het einde van de negentiende en begin twintigste eeuw. De stoommachine was toen de meest indrukwekkende technologie van de tijd: een systeem waarin druk wordt opgebouwd, waar je zelf geen direct zicht op hebt, maar dat wel degelijk invloed heeft en tot een explosie kan leiden als die druk niet ergens wordt afgevoerd. Freuds mens heeft als het ware een onzichtbare machinekamer waarin psychische druk wordt opgebouwd.

Midden twintigste eeuw volgde de volgende metaforische omslag: de “cognitieve revolutie”. De metafoor was nu de computer, en die bracht nieuwe woorden mee: input en output, geheugen, verwerkingscapaciteit en vooral het onderscheid tussen hardware en software. De mens kreeg een fysiek “apparaat” (het brein) en een los daarvan te bestuderen “programma” (de gedachten). Als gedachten software zijn, kun je ze in kaart brengen en herprogrammeren. Een idee dat decennia later rechtstreeks doorwerkt in bijvoorbeeld cognitieve gedragstherapie.

AI draait de metafoor om

De computer werd gebruikt als metafoor om de menselijke geest te begrijpen. Maar AI is juist ontwikkeld vanuit de ambitie om aspecten van menselijke intelligentie in machines na te bootsen. En vervolgens houden we het resultaat daarvan weer naast onszelf om te vragen: wat vertelt AI ons over de mens? We kijken dus in een spiegel die we gedeeltelijk naar ons eigen beeld hebben gebouwd.

Maar AI stelt nieuwe psychologische vragen

Een large language model (LLM) krijgt enorme hoeveelheden voorbeelden te zien en leert patronen waarmee het vervolgens nieuwe output kan genereren. Het heeft niet voor iedere mogelijke vraag vooraf een antwoord opgeslagen. Er ontstaat gedrag dat we niet regel voor regel in het systeem hebben geschreven. En daardoor worden oude psychologische vragen opeens opnieuw interessant.

Hoeveel van menselijk denken bestaat eigenlijk uit patroonherkenning? Hoeveel van wat wij creativiteit noemen is het opnieuw combineren van bestaande elementen? Hoeveel kennis zit expliciet in ons hoofd en hoeveel zit impliciet verscholen in aangeleerde patronen? Hoe belangrijk is taal voor wat wij denken noemen? Wat is begrijpen eigenlijk? Kun je intelligent gedrag vertonen zonder de wereld te ervaren zoals een mens dat doet?

De overgang naar AI als volgende metafoor heeft ook een ongemakkelijk vervolg. Welke onderdelen van wat wij altijd als uniek menselijk beschouwden, blijken helemaal niet uniek menselijk te zijn? Of nog scherper gesteld. Hoeveel van wat wij als intelligent, creatief of oorspronkelijk menselijk gedrag beschouwen, zou je ook kunnen verklaren als geavanceerde patroonherkenning en voorspelling?

Van informatieverwerking naar voorspelling?

Misschien wordt de dominante psychologische metafoor van het AI-tijdperk daarom niet: de mens als kunstmatige intelligentie. Misschien wordt hij subtieler: de mens als voorspellend systeem. Een systeem dat voortdurend patronen leert, verwachtingen vormt, fouten corrigeert, context gebruikt en op basis van eerdere ervaringen probeert te voorspellen wat hierna komt. Dat raakt aan hedendaagse ideeën over het brein als voorspellend systeem, zoals we die onder andere terugzien in het werk van Lisa Feldman Barrett.

Met de opkomst van AI verschuift onze vraag. De computermetafoor vroeg: hoe verwerkt een mens informatie? De AI-metafoor zou ons kunnen laten vragen: hoe construeert een mens op basis van eerdere ervaringen voortdurend een waarschijnlijke werkelijkheid?

En dan worden begrippen als context, training, feedback, bias, generalisatie en leren opeens psychologische metaforen. En dat gebeurt nu al in onze dagelijkse taal. Mensen hebben een “bias”. We moeten iemand “herprogrammeren”. Onze mentale “bandwidth” is op. We zitten in een “feedback loop”. We moeten onszelf “updaten”. En tegenwoordig zelfs: welke data heb jij eigenlijk gebruikt om jezelf te trainen? Technologische taal kruipt ongemerkt ons mensbeeld binnen.

Maar AI kan ons ook op een andere manier veranderen

Misschien gaan we AI niet alleen gebruiken om te ontdekken waarin we op machines lijken. AI dwingt ons ook om opnieuw te bepalen waarin we geen machine willen zijn.

Als een AI razendsnel teksten kan produceren, wordt snelheid misschien minder interessant. Als AI enorme hoeveelheden informatie kan verwerken, wordt kennis reproduceren misschien minder onderscheidend. Als AI perfecte zakelijke teksten schrijft, kan een enigszins onvolmaakte menselijke stem juist waardevoller worden. Als AI kan optimaliseren, wordt de vraag belangrijker wat we eigenlijk willen optimaliseren. En als machines steeds beter worden in het beantwoorden van vragen, neemt misschien juist de waarde toe van degene die een interessante vraag kan stellen.

Dat zou een fascinerende omkering zijn. Eeuwenlang gebruikten we onze beste machines om te begrijpen wat een mens is. Nu bouwen we voor het eerst machines die een deel van onze cognitieve prestaties kunnen evenaren of overtreffen. Daardoor kan de centrale psychologische vraag veranderen van hoe werkt de mens? naar wat willen we dat mens-zijn betekent?

En daarmee komen we vreemd genoeg weer terug bij Plato. Niet bij de vraag hoe krachtig de paarden zijn (de rede en de begeerte die hij in de Phaedrus als het span voor de wagenmenner beschreef). Maar bij de vraag: wie houdt de teugels vast, en waar willen we eigenlijk naartoe?

Dat zou weleens de belangrijkste psychologische vraag van het AI-tijdperk kunnen worden.

Wat betekent dit voor leiders, HR en coaches?

En daar zit voor organisaties misschien wel het grootste risico. Onze metaforen bepalen niet alleen hoe we mensen begrijpen, maar ook wat we bij mensen proberen te verbeteren. In het industriële tijdperk lag de nadruk op efficiëntie en standaardisering. In het computertijdperk op informatieverwerking en productiviteit. Wat gebeurt er als we in het AI-tijdperk vooral snelheid, output en optimalisatie als maatstaf voor mensen gaan gebruiken?

AI verdiept dit vraagstuk: voor het eerst kijken we in een technologische spiegel die we deels zelf hebben gebouwd. En voor het eerst kunnen we, voordat de metafoor zich ongemerkt in onze taal en ons zelfbeeld nestelt, bewust kiezen welke vragen we ermee willen stellen. Niet alleen: “hoe werkt de mens en hoe maken we hem efficiënter?”, maar ook: “wat willen we dat mens-zijn blijft betekenen als een machine steeds meer kan overnemen?

Voor wie leiding geeft aan mensen tijdens deze transformatie is dit denk ik veel meer dan een filosofische vraag. Het is de cruciale vraag die bepaalt of AI in jouw organisatie gaat voelen als bedreiging voor wat mensen waardevol maakt, of als aanleiding om mensen te ondersteunen zodat zij meer kunnen gaan floreren met AI.

Misschien is dat wel de opdracht voor leiders in het AI-tijdperk: niet alleen onderzoeken welke menselijke taken AI kan overnemen, maar vooral welke menselijke kwaliteiten we willen versterken. Niet mensen steeds meer op machines laten lijken, maar machines gebruiken om mensen meer mens te laten zijn.

Daar wil ik de komende jaren actief aan bijdragen. Niet vanaf de zijlijn, maar met mijn voeten in de modder: onderzoeken, experimenteren, fouten maken en samen met mensen en organisaties ontdekken hoe AI ons niet alleen productiever kan maken, maar vooral ook autonomer, competenter en betekenisvoller kan laten werken. Kortom: hoe we kunnen floreren met AI.

Bronnen:

• Humorism — Wikipedia

• Hippocrates & Galen – The Four Humors, Health Psychology (Lumen Learning)

• “Descartes thought that the brain was a kind of hydraulic...” — Metaphors of the Mind, University of Virginia

• “Freud compared the brain to a steam engine” — Metaphors of the Mind, University of Virginia

• Releasing the Pressure: A Dive into Freud’s Hydraulic Model of the Mind

• Cognitive revolution — Wikipedia

• Bechtel & Abrahamsen — geschiedenis van symbolische en connectionistische tradities in de vroege cognitiewetenschap, ScienceDirect

• Large language models as models of human cognition: limits and pitfalls — arXiv (2402.04470)

• Metaphors of AI indicate that people increasingly perceive AI as warm and human-like — Communications Psychology (2025)

Mohsen Joshanloo volgde ruim 6.000 volwassenen bijna twintig jaar lang. Hij onderzocht de relatie tussen persoonlijkheid en psychologisch welbevinden.
Hij keek niet alleen naar verschillen tussen mensen, maar vooral naar verandering binnen dezelfde persoon over tijd.

We denken vaak: Iemands persoonlijkheid bepaalt hoe gelukkig iemand is.
Dat klopt deels. Mensen met meer openheid, extraversie en emotionele stabiliteit ervaren gemiddeld meer welbevinden.

Dit onderzoek laat iets anders zien: Welbevinden is niet alleen een uitkomst. Het lijkt ook een ontwikkelkracht te zijn. Wanneer mensen meer psychologisch welbevinden ervaren, ontwikkelen zij zich over de jaren richting meer: openheid, extraversie, vriendelijkheid en consciëntieusheid

Met andere woorden: mensen worden niet alleen gelukkiger door wie ze zijn. Hun welbevinden lijkt ook samen te hangen met wie ze worden.

Dat is een belangrijk inzicht. Want misschien hoeven we mensen minder vaak te “repareren” en moeten we vooral de omstandigheden creëren waarin mensen kunnen groeien:

🔵 Meer autonomie.
🟡 Meer zingeving.
🟣 Meer verbinding.
🟢 Meer waardering.
🔴 Meer ruimte om sterke kanten in te zetten.

Het meest verrassende resultaat uit dit onderzoek? De relatie tussen neuroticisme en welbevinden. Tussen mensen is de relatie duidelijk. Mensen die hoog scoren op neuroticisme ervaren gemiddeld minder welbevinden.

Maar binnen dezelfde persoon over tijd vond Joshanloo geen duidelijk voorspellend verband tussen neuroticisme en later psychologisch welbevinden.

Een medewerker die piekert, onzeker is of gevoelig reageert, is dus niet automatisch vastgezet op een laag werkgelukspad. Als iemand nieuwe dingen blijft proberen, vragen stelt en contacten opzoekt, dan kan dat juist een route zijn naar meer psychologisch welbevinden.

Voor organisaties die innovatie willen stimuleren biedt dit onderzoek misschien wel de grootste les. Organisaties vragen steeds meer openheid, flexibiliteit en veranderbereidheid. Zeker nu, met AI, arbeidsmarktkrapte en voortdurende transitie.

Openheid ontstaat niet door mensen te vertellen dat ze moeten veranderen. Openheid lijkt eerder te groeien in contexten waarin mensen invloed ervaren, betekenis zien, hun bijdrage herkennen en zich veilig genoeg voelen om te experimenteren.

Voor HR betekent dit: maak werkgeluk onderdeel van talentontwikkeling en verandervermogen.

Voor leidinggevenden: probeer mensen niet gelukkig te maken, maar creëer de voorwaarden waarin zij eigen leiderschap kunnen nemen.

Voor coaches: focus niet alleen op klachtenreductie of zwaktes. Help mensen ontdekken waar hun energie, groei en betekenis zitten.

Meer lezen? --> Bron: Joshanloo, M. (2022). Reciprocal relationships between personality traits and psychological well-being. British Journal of Psychology.

Ik liep boardrooms in met stapels onderzoek. Retentiecijfers. ROI-berekeningen van werkgeluk. Bewijs dat de Big Five wetenschappelijk staat en DiSC niet. Grafieken over levensfasen versus generatiedenken. Ik had de wetenschap aan mijn kant.

Maar er veranderde weinig.
Sterker nog.
Vaak had ik zelfs het gevoel dat ik het tegenovergestelde bereikte.

Er ging bij mij pas echt een lampje branden toen ik dit onderzoek* tegenkwam uit Yale.

In dat onderzoek legden ze meer dan 1000 mensen een statistisch probleem voor. Over een neutraal onderwerp (huidcrème). De slimmere mensen deden het beter. Logisch.

Daarna presenteerden ze exact dezelfde tabel, maar nu ging het over een thema dat de identiteit van de personen raakte (wapenverbod en criminaliteit).

Toen gebeurde er iets heel anders. De slimste mensen deden het veel slechter. Zij werden het meest gepolariseerd. Conservatieven lazen de data als bewijs voor hun standpunt. Progressieven zagen het tegenovergestelde. Ze zagen dezelfde getallen maar trokken tegengestelde conclusies. En hoe hoe slimmer de mensen hoe slechter de interpretatie.

Dat is precies waarom zoveel evidence-based thema’s in organisaties vastlopen: niet omdat de feiten zwak zijn, maar omdat ze botsen met identiteit.

Ze noemen dit fenomeen #Identity-#protective #Cognition. Ons brein is niet gebouwd om waarheid te vinden. Het is gebouwd om onszelf te beschermen.

De slimste CFO, de scherpste directeur; zij zijn het best uitgerust om jouw onderzoek vakkundig af te breken. Ze vinden de methodologische zwakheden. De uitzonderingen. De alternatieve verklaringen.

Meer data geven aan een scepticus werkt averechts. En hoe slimmer ze zijn hoe meer ze de neiging hebben om vooral hun eigen overtuigingen te versterken. Zelfs wanneer dit volstrekt onlogisch is.

Wat werkt wel? 😅

Vertel een verhaal.

Dus niet (wat mijn neiging is): hier is het bewijs, verander je mening. Maar: kijk eens wat er bij iemand anders gebeurde.

Waarom werkt dit wel? Een verhaal triggert geen identiteitsbedreiging. De lezer trekt zelf de conclusie. En een conclusie die je zelf trekt, voelt niet als aanval. Dat voelt als inzicht.

Als ik dit twintig jaar eerder had geweten, had ik minder PowerPoints gemaakt. Meer verhalen verzameld. Minder bewezen.

Overtuigen begint niet bij het hoofd van de ander. Het begint bij herkenning.
De wetenschap steunt me daarin maar dat vertel ik je liever in een verhaal 😉

Is dit herkenbaar? Heb jij ook geprobeerd iemand te overtuigen met onderzoek en zag jij ook de weerstand alleen maar groeien?

Wil je thema’s als werkgeluk, welzijn en veerkracht steviger positioneren binnen MT’s, besturen en meer ‘blauwe’ organisaties? Ik heb daar een praktische #PDF over gemaakt met tips die ik ook in mijn opleidingen gebruik. Laat hieronder even een bericht achter, dan stuur ik hem je toe. Nog niet verbonden? Nodig me gerust uit.