Veroorzaakt overmatige afhankelijkheid van AI een afname van het handelingsvermogen?

De snelle integratie van AI in werkprocessen heeft geleid tot een afname van de autonomie van mensen, waardoor menselijk oordeel en verantwoordelijkheid in vier fasen worden uitgehold.

Hoewel generatieve tools AI de initiële productiviteit verhogen, brengt overmatige afhankelijkheid het risico met zich mee van verlies van vaardigheden, ethische misstappen en milieuschade. Om deze trend te keren, is doelbewuste samenwerking, ethisch bestuur en behoud van menselijk toezicht nodig om duurzame prestaties te garanderen.

Toen OpenAI ChatGPT op 30 november 2022 introduceerde, was het een onderzoekspreview: een conversatiesysteem dat vervolgvragen kon beantwoorden, vloeiende teksten kon schrijven en miljoenen mensen hun eerste directe ervaring met generatieve AI kon geven. De aanvankelijke sfeer was experimenteel. Mensen testten het, maakten er grapjes over, daagden het uit, prezen het, waren er bang voor en deelden screenshots. Drieënhalf jaar later is de nieuwigheid infrastructuur geworden. Kunstmatige intelligentie is nu geïntegreerd in zoekmachines, kantoorsoftware, klantenserviceplatforms, programmeeromgevingen, schrijftools en bedrijfsprocessen.

Die verschuiving heeft een nieuw managementprobleem gecreëerd: het verval van de betrokkenheid van de organisatie.

Het verval van het handelingsvermogen is de geleidelijke uitholling van iemands vermogen en bereidheid om zorgvuldig te observeren, zelfstandig te denken, weloverwogen keuzes te maken en verantwoordelijk te handelen. Het ontstaat niet doordat AI inherent schadelijk is. Het ontstaat wanneer gemak de standaardinstelling wordt voor cognitie. Een hulpmiddel dat ons in eerste instantie helpt denken, kan om ons heen gaan denken, vervolgens voor ons, en uiteindelijk zonder dat we merken wat er is verzwakt.

De vier stadia van agentuurverval

De schaal van agentschapsverval kent vier stadia: experimenteren, integreren, vertrouwen en afhankelijk zijn. Sinds de lancering van ChatGPT hebben individuen en organisaties zich sneller door deze schaal bewogen dan hun bestuur, training en cultuur konden bijbenen. Ieder van ons bevindt zich in een andere fase van die reis – niemand is immuun.

Fase 1: experimenteren

De eerste fase is speels en praktisch. We vragen ChatGPT om e-mails op te stellen, artikelen samen te vatten, titels te genereren, teksten te vertalen, concepten uit te leggen, code te debuggen en eerste versies van documenten te produceren. Het zakelijke nut is direct merkbaar.

Er zijn bewijzen die de opwinding ondersteunen. Een grootschalig onderzoek, gepubliceerd in The Quarterly Journal of Economics, toonde aan dat toegang tot een generatieve AI-assistent de productiviteit van klantenservicemedewerkers gemiddeld met 15% verhoogde, met de grootste winst bij minder ervaren en lagergeschoolde werknemers. Kunstmatige intelligentie kan een junior medewerker helpen om duidelijker te spreken, een niet-moedertaalspreker om vloeiender te schrijven of een overbelaste manager om verspreide notities om te zetten in bruikbare teksten.

In deze fase heeft de mens nog steeds de leiding. Het instrument vergroot het bereik. Het risico is subtiel: vroege successen stimuleren de aanname dat snellere output beter werk betekent. Die aanname wordt wankel zodra taken oordeel, context, ethiek of verantwoording vereisen.

Fase 2: integratie

De tweede fase begint wanneer generatieve Kunstmatige intelligentie verschuift van een nevenexperiment naar een workflow. Het is niet langer een venster dat mensen af ​​en toe openen, maar een laag binnen het dagelijkse werk. Dit is waar de relatie verandert.

Steeds meer onderzoek toont aan dat het in deze fase niet alleen gaat om het vaker gebruiken van Kunstmatige intelligentie, maar ook om de integratie ervan in essentiële werkprocessen en besluitvormingsprocessen.Werknemers beschouwen AI-systemen steeds vaker als samenwerkingspartners in plaats van louter hulpmiddelen, en verwerken de output ervan direct in concepten, analyses en aanbevelingen. In bedrijfsomgevingen is Kunstmatige intelligentie nu geïntegreerd in klantenservice, programmeeromgevingen, juridisch onderzoek en financiële analyses, vaak als eerste aanspreekpunt in plaats van als secundaire ondersteuning.

Deze verschuiving gaat gepaard met een toenemend vertrouwen: experimenten tonen aan dat gebruikers vaak AI-suggesties opvolgen, zelfs wanneer deze in strijd zijn met hun eigen oordeel, vooral wanneer het systeem in eerdere taken goed heeft gepresteerd . Een intrigerende verwante bevinding is dat een lager vertrouwen in mensen correleert met een hoger vertrouwen in Kunstmatige intelligentie.

Hier begint de overgang van cognitieve ontlasting naar het ontlasten van overtuigingen. Cognitieve ontlasting, oftewel het gebruik van AI voor geheugen- of routinetaken, lijkt misschien relatief onschuldig. Maar naarmate de integratie dieper wordt, besteden mensen niet alleen de inspanning, maar ook de evaluatie uit.

Onderzoek naar automatiseringsbias en waardering voor algoritmen laat zien dat mensen eerder geneigd zijn AI-gegenereerde antwoorden als correct te accepteren, zelfs in aanwezigheid van tegenstrijdig bewijs. De vraag verschuift van “Is deze taak geschikt voor AI?” naar “Wat zei de Kunstmatige intelligentie?”. Die verschuiving is subtiel, maar verandert de plaats van oordeel.

De gevolgen zijn moeilijk te negeren. In de zaak Mata tegen Avianca Inc. werden advocaten gesanctioneerd nadat ze juridische documenten hadden ingediend met daarin verzonnen rechtszaken die door ChatGPT waren gegenereerd. In Canada oordeelde de rechtbank in de zaak Moffatt tegen Air Canada dat de luchtvaartmaatschappij aansprakelijk was nadat haar chatbot een klant misleidende informatie had gegeven over rouwtarieven. Deze incidenten illustreren een breder patroon waarbij geïntegreerde systemen meer worden vertrouwd dan ze daadwerkelijk betrouwbaar zijn, en waarbij verificatie soepel wordt vervangen door acceptatie.

Fase 3: vertrouwen

In de fase van afhankelijkheid wordt Kunstmatige intelligentie het standaard uitgangspunt. De persoon controleert de output nog steeds, maar de eerste stap is verschoven van menselijk denken naar machinale generatie.

Uit gegevens over de adoptie blijkt hoe snel deze fase zich heeft verspreid. Onderzoek van het Pew Research Center toonde aan dat 34% van de Amerikaanse volwassenen in 2025 ChatGPT had gebruikt, ongeveer het dubbele van het percentage in 2023. Onder werkende volwassenen had 28% het voor werk gebruikt. Gallup constateerde dat 45% van de Amerikaanse werknemers in het derde kwartaal van 2025 AI minstens een paar keer per jaar op het werk gebruikte, waarvan 23% het minstens een paar keer per week en 10% het dagelijks gebruikte.

Het gebruik zelf is niet het probleem. Het onkritische vertrouwen erop wel.

Een onderzoek van Microsoft Research uit 2025 ondervroeg 319 kenniswerkers en verzamelde 936 voorbeelden van het gebruik van generatieve AI op de werkvloer. Het onderzoek wees uit dat een groter vertrouwen in AI gepaard ging met minder kritisch denken, terwijl een groter vertrouwen in de eigen vaardigheden juist gepaard ging met meer kritisch denken. De les is simpel en ongemakkelijk: hoe meer mensen het instrument vertrouwen, hoe bewuster ze de gewoonte moeten koesteren om het te blijven bevragen.

De kosten hiervan worden nu ook binnen organisaties zichtbaar. BetterUp Labs, in samenwerking met Stanford Social Media Lab, heeft ‘ workslop ‘ omschreven als gepolijst, door AI gegenereerd werk dat inhoud mist en de denklast afwentelt op collega’s. In een enquête onder 1150 fulltime kantoorwerkers in de VS gaf 40% aan de afgelopen maand met workslop te maken te hebben gehad.

Elk incident kostte gemiddeld twee uur om op te lossen, met een geschatte kostprijs van $186 per werknemer per maand. Dit is een vorm van organisatieverval op teamniveau. De ene persoon bespaart tijd door het denkwerk uit te besteden. De andere persoon verliest tijd door het te moeten reconstrueren.

Fase 4: afhankelijk van

Afhankelijkheid ontstaat wanneer individuen of teams moeite hebben om te presteren, beslissingen te nemen of te verifiëren zonder AI. Deze fase is nog omkeerbaar, maar de waarschuwingssignalen zijn wel zichtbaar.

Een onderzoek uit 2025 van het Media Lab van het Massachusetts Institute of Technology (MIT) onderzocht het schrijven van essays met behulp van grote taalmodellen (LLM’s) en elektro-encefalografie (EEG), een methode om de elektrische activiteit in de hersenen te meten. Deelnemers die LLM’s gebruikten, vertoonden een zwakkere neurale connectiviteit, gaven aan minder eigenaar te zijn van hun essays en hadden meer moeite met het citeren van hun eigen werk dan degenen die zonder hulpmiddelen schreven.

Het onderzoek moet met de nodige voorzichtigheid worden geïnterpreteerd. Een latere wetenschappelijke reactie uitte zorgen over de steekproefgrootte, de reproduceerbaarheid en bepaalde aspecten van de EEG-analyse. Zelfs met die voorzichtigheid in gedachten, wijst het artikel op een vraag die elke business school, werkgever en leidinggevende zich zou moeten stellen: Wat gebeurt er met de ontwikkeling van vaardigheden wanneer het schrijven van de eerste versie steeds vaker wordt uitbesteed?

Op bedrijfsniveau manifesteert afhankelijkheid zich als schaalvergroting zonder diepgang. Uit een wereldwijd onderzoek van McKinsey uit 2026 naar AI bleek dat 88% van de organisaties AI in minstens één bedrijfsfunctie gebruikte, maar dat veel organisaties nog in een vroeg stadium verkeerden wat betreft het opschalen van AI en het realiseren van waarde op bedrijfsniveau. Hetzelfde onderzoek meldde negatieve gevolgen van AI-gebruik, waarbij onnauwkeurigheid een van de belangrijkste problemen was.

Afhankelijkheid heeft ook een planetaire dimensie. AI voelt immaterieel aan op het moment van gebruik. Maar in de wereld is het dat niet. Het Internationaal Energieagentschap voorspelt dat de elektriciteitsvraag van datacenters tegen 2030 meer dan zou kunnen verdubbelen tot ongeveer 945 terawattuur, waarbij AI volgens hun analyse van de energievraag van AI een belangrijke drijvende kracht is.

In haar rapport over de milieu- en menselijke effecten van generatieve AI merkt het Amerikaanse Government Accountability Office (GAO) eveneens op dat generatieve AI aanzienlijke energie- en waterbronnen verbruikt, terwijl bedrijven vaak onvoldoende details rapporteren voor een goede verantwoording. En tot nu toe zijn er geen wettelijke verplichtingen die hen dwingen transparant te zijn over hun ecologische voetafdruk.

Zelfbeschikking te midden van AI betekent nu meer dan alleen het beschermen van onze aandacht. Het betekent een koppeling tussen persoonlijk gemak, institutioneel ontwerp en planetaire kosten.

Hoe kunnen we het verval van de handelingsbekwaamheid tegengaan nu het nog kan?

Het verval van handelingsvermogen is tastbaar. Voorlopig is het echter ook omkeerbaar. De uitdaging is om van passieve acceptatie over te stappen naar doelbewuste samenwerking: mensen en AI die samenwerken op manieren die het oordeel, de vaardigheden, de verantwoordelijkheid en de zorg voor de bredere systemen waarvan het leven afhankelijk is, versterken.

Een praktisch uitgangspunt is het A-frame.

Bewustwording begint met het herkennen van het moment van delegeren. Voordat AI wordt ingezet, kunnen mensen zich afvragen: wat geef ik precies uit handen – het opstellen van documenten, de argumentatie, het oordeel, empathie, verificatie, verantwoording? Teams kunnen in kaart brengen waar AI in de workflows wordt geïntegreerd en bepalen waar menselijke controle essentieel is.

Waardering betekent dat we AI gebruiken waar het de menselijke capaciteit daadwerkelijk vergroot. Laat het samenvatten, vertalen, vergelijken, simuleren en blinde vlekken aan het licht brengen. Behoud het menselijke werk van het formuleren van het probleem, het bepalen van de waarden, het begrijpen van de context en het beslissen wat “goed” betekent.

Acceptatie vereist eerlijkheid over de beperkingen. AI kan zeker klinken en toch ongelijk hebben. Mensen kunnen zich productief voelen terwijl ze minder vaardig worden. Organisaties kunnen tools opschalen voordat ze hun beoordelingsvermogen hebben aangepast. Elke workflow met AI moet verificatiestandaarden, escalatieprocedures en momenten bevatten waarop mensen de onderliggende vaardigheid oefenen zonder automatisering.

Verantwoordelijkheid nemen transformeert handelen in besturen. Houd er persoonlijk een gewoonte van om belangrijke ideeën eerst door mensen te laten beoordelen. Eis in teams broncontroles, maak zinvol gebruik van AI openbaar, wijs menselijke verantwoordelijken aan voor beslissingen die door AI worden ondersteund, en betrek de impact op energie, water en infrastructuur bij de aanschaf en strategie van AI.

De volgende fase van AI zal organisaties belonen die autonomie als een waardevol bedrijfsmiddel beschouwen. Autonomie, oordeelsvermogen, vertrouwen en verantwoordelijkheid voor de planeet zijn geen onbelangrijke zaken. Ze vormen de basis voor duurzame prestaties. Bedrijven die deze waarden beschermen, zullen AI met meer discipline, creativiteit en legitimiteit inzetten.