De ladder die onderaan afbrak

Daan begon negen maanden geleden als junior beleidsadviseur bij een middelgrote gemeente. Waar zijn voorgangers hun eerste jaar sleten met het doorploegen van honderden pagina's aan bestemmingsplannen, bezwaarschriften en subsidieaanvragen, deed Daan dat in een fractie van de tijd. Hij sleepte de pdf-bestanden naar zijn AI-assistent, vroeg om een puntsgewijze samenvatting van de risico's en had binnen drie minuten een foutloze memo klaar. Zijn leidinggevende prees zijn tempo: Daan verwerkte in zijn eentje het volume waar vroeger drie starters voor nodig waren. Tot hij vorige week aanschoof bij een overleg over een vastgelopen bouwproject. Toen een wethouder vroeg waarom een specifieke clausule over stikstofcompensatie in 2021 was afgewezen, keek iedereen naar Daan. Hij had de samenvatting van dat dossier diezelfde ochtend nog gelezen, maar in zijn hoofd was niets blijven hangen behalve de grote lijn. De senior collega naast hem noemde moeiteloos het jaartal, de betrokken ambtenaar en de reden van het besluit, opgedaan in jaren van saai handwerk dat Daan nooit had hoeven doen.

Het voorwerk leek tijdverspilling, tot het wegviel

Decennialang bestond de start van bijna elk intellectueel beroep uit eentonig handwerk. De beginnende advocaat las duizenden pagina's jurisprudentie door om één voetnoot te vinden. De jonge arts ploegde labuitslagen na. De beginnende programmeur schreef eenvoudige tests en zocht urenlang naar een ontbrekende puntkomma. Niemand deed dat werk omdat het zo inspirerend was; het was de klus die overbleef voor wie onderaan de ladder begon.

Voor organisaties leek AI daarom een zegen: haal het saaie voorbereidende werk weg, en starters kunnen meteen op strategisch niveau meepraten. Maar die gedachte berustte op een denkfout over hoe mensen leren. Het saaie voorwerk was geen verspilde tijd. Het was de steiger waar het latere vakmanschap op steunde.

Waarom het brein moeite nodig heeft om te begrijpen

De Amerikaanse psycholoog Robert Bjork muntte in de jaren negentig de term desirable difficulties, wenselijke moeilijkheden. Zijn onderzoek toonde aan dat leren pas beklijft wanneer het brein weerstand ontmoet. Wanneer informatie moeiteloos naar binnen glijdt, via een heldere samenvatting of een overzichtelijk dashboard, ontstaat de illusie van begrip. Je herkent de logica, maar je slaat de onderliggende patronen niet op in je langetermijngeheugen.

Filosoof en wetenschapper Michael Polanyi wees al eerder op het bestaan van stilzwijgende kennis, tacit knowledge: de intuïtie die een expert bezit maar niet in regels kan vangen. Een ervaren timmerman voelt aan het hout of het gaat splinteren; een doorgewinterde journalist ruikt wanneer een bron iets verzwijgt. Die intuïtie ontstaat niet door het lezen van samenvattingen, maar door honderden uren van fysiek of mentaal contact met het ruwe materiaal.

Door het ploeteren over te slaan, wint een starter tijd maar verliest hij de kans om een intern referentiekader op te bouwen. Daan kende de antwoorden van de machine, maar miste het vermogen om zelf te beoordelen of het antwoord klopte.

Het patroon dat zich overal herhaalt

Dit fenomeen beperkt zich niet tot gemeentehuizen. In de softwareontwikkeling zien techbedrijven dat beginnende programmeurs met behulp van AI-assistenten binnen enkele dagen complexe applicaties bouwen, maar vastlopen zodra er een dieper architectuurprobleem ontstaat waar het taalmodel geen pasklaar antwoord op heeft. Wie nooit zelf urenlang geheugenlekken heeft opgespoord, herkent de symptomen ervan niet wanneer het systeem crasht.

Hetzelfde tekent zich af in het onderwijs en de journalistiek. Studenten die hun papers laten structureren door een chatbot leveren verzorgde teksten af, maar missen de worsteling met de blanco pagina waarin gedachten zich slijpen tot scherpe argumenten. De buitenkant oogt volwassen, maar het fundament ontbreekt.

Wat Daan nu anders doet

De oplossing is niet om terug te keren naar de typemachine of AI te verbieden. Een machine die routinetaken versnelt is een enorme hefboom voor wie het vak al beheerst. Maar voor wie het vak nog moet leren, vraagt het om een bewuste keuze: welke wrijving besteed je uit, en welke wrijving houd je vast om te groeien?

Daan gebruikt zijn AI-assistent nog steeds voor het opmaken van tabellen en het controleren van spelling. Maar twee ochtenden per week pakt hij de ruwe dossiers er weer zelf bij. Hij bladert door de bijlagen, leest de afwijzingen en zoekt handmatig naar de inconsistenties. Het kost hem meer tijd en het voelt soms omslachtig, maar wanneer er over drie jaar weer een vraag over een stikstofclausule voorbijkomt, hoeft hij niet meer naar zijn scherm te kijken om te weten wat het antwoord is.