De AI-paradox: waarom meer technologie juist meer menselijk inzicht vereist

Een team demonstreert trots hun AI-dashboard. Indrukwekkend systeem. Patronen herkennen, risico's voorspellen, aanbevelingen doen.

Dan stelt iemand één vraag: "Maar waarom denkt het dat dit het probleem is?"

Stilte. Niemand wist het.

Ze hadden een prachtige oplossing gebouwd voor een probleem dat ze niet begrepen.

Mijn take: naarmate AI slimmer wordt, wordt het paradoxaal genoeg BELANGRIJKER dat wij begrijpen wat er speelt. Niet minder. Meer.

Het gemak van automatie, het gevaar van oppervlakkigheid

We zijn verliefd op efficiency. En terecht — AI kan in seconden doen wat ons uren kost. Datasets analyseren, trends spotten, voorspellingen maken. Het is verleidelijk om deze systemen de touwtjes te laten overnemen.

Maar hier ligt het probleem: AI is briljant in het vinden van patronen, maar heeft geen idee wat die patronen betekenen in de echte wereld.

In mijn werk met informatiemanagement en organisatietransformaties zie ik dit steeds vaker. Teams implementeren slimme systemen die symptomen detecteren, maar niet de onderliggende dynamiek begrijpen. Een AI ziet dat projecten vaak vertragen in fase drie. Prima. Maar waarom? Gebrek aan resources? Onduidelijke requirements? Teamdynamiek? Politieke druk?

Een algoritme kan je vertellen dát er een patroon is, maar niet wat het veroorzaakt. En dat 'waarom' is waar de échte waarde zit. Want zonder dat inzicht los je niets structureels op — je plakt alleen maar pleisters op symptomen.

Menselijk inzicht: de schakel die AI mist

Dit is waar we vaak de fout in gaan: we denken dat technologie ons werk overneemt, terwijl het in werkelijkheid ons werk verandert. De vraag is niet meer 'Hoe analyseren we deze data?' maar 'Wat vertelt deze data ons eigenlijk over de mensen, processen, en dynamieken in onze organisatie?'

Tijdens het opzetten van een informatiemanagement afdeling naar een volledig functionerend team — heb ik geleerd dat systemen slechts zo goed zijn als het begrip waarmee je ze implementeert. We hadden alle tools: BiSL-frameworks, Agile methodieken, slimme dashboards.

Maar wat het verschil maakte? Begrijpen hoe mensen écht werkten. Wat hun frustraties waren. Waar bottlenecks ontstonden niet door slechte processen, maar door miscommunicatie of onduidelijke verwachtingen.

AI kan je vertellen dat er een bottleneck is. Maar alleen menselijk inzicht kan je vertellen dat die bottleneck ontstaat omdat twee afdelingen verschillende definities hanteren voor hetzelfde begrip. Of omdat er een cultuurverschil speelt. Of omdat iemand zich niet gehoord voelt.

Dit vraagt om een andere skillset. Niet alleen technisch begrip, maar ook: nieuwsgierigheid, empathie, het vermogen om vragen te stellen die verder gaan dan het oppervlak, en de moed om aan aannames te twijfelen.

En hier wordt het interessant: juist in een wereld vol AI wordt díe menselijke dimensie je unique selling point.

5 concrete stappen om menselijk inzicht te versterken naast AI

1. Stel de domme vragen — vraag niet 'Wat zegt de data?' maar 'Waarom denken we dat deze data relevant is?' Durf te vragen wat iedereen denkt te weten. Vaak blijken de meest basale aannames de zwakste schakels.

2. Ga het gesprek aan met wie het systeem gebruikt — implementaties falen zelden door techniek, maar door gebrek aan adoptie. Praat met eindgebruikers. Niet één keer, maar doorlopend.

3. Bouw brug-teams — zorg dat er altijd mensen zijn die zowel de technologie als de business-context begrijpen. In mijn ervaring komt 80% van de problemen voort uit de kloof tussen IT en business.

4. Experimenteer klein, leer groot — begin met pilots. Niet om te testen of de technologie werkt, maar om te leren wat het met je organisatie doet. Welke nieuwe vragen roept het op?

5. Train op kritisch denken — investeer in mensen die leren interpreteren, contextualiseren, en doorvragen. AI kan data produceren tot je erbij neervalt — maar alleen mensen kunnen betekenis geven aan die data.

Laten we samen nadenken

Ik ben benieuwd naar jullie ervaringen: waar zie jij dat technologie helpt, maar menselijk inzicht het échte verschil maakt? Of andersom: waar gaat het mis omdat we té veel vertrouwen op wat systemen ons vertellen?

Laten we het gesprek aangaan. Want hoe meer AI doordringt in ons werk, hoe belangrijker het wordt dat we hierover met elkaar blijven nadenken.