Als AI het denkwerk overneemt: wat moet een student nog leren?

Mijn denken over AI in het onderwijs verandert bijna iedere maand. Mijn zoektocht naar een goede plek voor AI in de opleidingen van BKOU beweegt daarin mee. Nog niet zo lang geleden ging de discussie vooral over de vraag of studenten ChatGPT mochten gebruiken. Inmiddels kunnen AI-systemen veel meer dan een tekst produceren: ze zoeken informatie, analyseren gegevens, gebruiken software en voeren steeds langere werkprocessen uit. De vraag is daarom niet meer alleen of een student AI mag gebruiken, maar wat een student zelf moet kennen en kunnen wanneer AI een steeds groter deel van het werk kan doen.

Door Gert Jan Schop

AI neemt steeds meer werkprocessen over

OpenAI spreekt zelfs over een intern systeem dat het bedrijf zelf eind 2026 als AGI (artificiële algemene intelligentie: een AI-systeem dat op veel verschillende gebieden zelfstandig kan redeneren en handelen) zou kunnen beschouwen. Of die voorspelling uitkomt, weet ik niet. De definitie is rekbaar en de afzender heeft er belang bij om de ontwikkeling groot neer te zetten. Toch is de onderliggende beweging serieus genoeg om nu te handelen. Ik zie kansen voor rijkere feedback, beter oefenen en professionals die meer kunnen bereiken dan voorheen. Tegelijk vind ik de ontwikkeling spannend, omdat AI ook precies het denkwerk kan overnemen waarmee mensen leren.

Voor beroepsopleidingen raakt dit de kern. We leiden mensen op om informatie te verzamelen, een vraagstuk te analyseren, een plan te maken en een advies te onderbouwen. Precies die werkzaamheden kunnen steeds vaker deels door AI worden uitgevoerd. De vraag is daarom niet meer alleen of een student AI mag gebruiken. De belangrijkere vraag is wat een student zelf moet kennen en kunnen wanneer AI een steeds groter deel van het werk kan doen.

Een beter product is nog geen beter leren

In een recente scoping paper over AI in het onderwijs beschrijft Dirk Van Damme de prestatieparadox. Een student kan met AI een beter product maken zonder de kennis en vaardigheden achter dat product beter te beheersen. Een verzorgde analyse, een professioneel advies en correcte vaktaal kunnen de indruk van deskundigheid geven. Toch weten we dan nog niet of de student het vraagstuk begrijpt, fouten herkent en in een andere situatie opnieuw tot een goed oordeel kan komen.

Dat verschil is bij BKOU extra relevant. Onze studenten zijn werkende professionals. Zij brengen ervaring mee en willen nieuwe kennis direct toepassen in hun organisatie. Dat maakt het onderwijs praktisch en betekenisvol. Het maakt de verleiding om snel tot een bruikbaar resultaat te komen ook groot. Wie naast werk en privé een opleiding volgt, heeft weinig tijd. Een AI-tool die binnen een minuut een analyse of hoofdstuk oplevert, is dan aantrekkelijk. Het resultaat kan bruikbaar zijn, terwijl een belangrijk deel van het leren is overgeslagen.

Leren vraagt soms om schuren

Leren is niet altijd efficiënt. Zelf formuleren, twijfelen, een onhandige eerste poging doen, verschillende verklaringen vergelijken en ontdekken dat je redenering niet klopt, kosten tijd. Juist in dat proces kan kennis zich vastzetten en ontstaat professioneel oordeel. Ik noem dat het proces van schuren: het ongemak dat hoort bij iets nog niet begrijpen en er toch mee doorgaan.

Daar zit voor mij een ongemakkelijke vraag. Studenten komen naar BKOU om zich te ontwikkelen en nieuwe kennis op te doen. Maar durven zij, en durven wij als docenten, lang genoeg in dat schuren te blijven wanneer AI direct een overtuigend antwoord geeft? Als wij iedere moeilijkheid snel laten oplossen, maken we de opdracht aangenamer, maar mogelijk ook armer. Tegelijk wil ik inspanning niet romantiseren. Omslachtig werk is geen doel. AI kan juist goede feedback geven, alternatieven laten zien, taalbarrières verkleinen en tijd vrijmaken voor analyse en afweging. Het gaat dus om het moment waarop ondersteuning het eigen denken versterkt of juist vervangt.

​

Kennis blijft nodig, juist door AI

De gedachte dat kennis minder belangrijk wordt omdat AI alles kan opzoeken, overtuigt mij niet. Wie weinig van een onderwerp weet, kan moeilijk beoordelen of een antwoord klopt, welke informatie ontbreekt of welke aanname niet past bij de praktijk. Een AI-systeem kent de geschiedenis, verhoudingen en gevoeligheden binnen een organisatie alleen voor zover iemand die goed aanlevert. Ook kan het niet de verantwoordelijkheid overnemen voor belangen, risico’s en gevolgen.

Onderzoek naar de zogeheten agency gap sluit hierbij aan. Studenten die bij AI-gebruik zelf het initiatief houden, uitkomsten volgen en de uiteindelijke beslissingen nemen, rapporteren meer reflectie en kritisch denken. Dat onderzoek bewijst niet dat één aanpak overal werkt, maar de richting past bij wat ik in beroepsonderwijs belangrijk vind: de student blijft eigenaar van het vraagstuk en aanspreekbaar op de keuzes. Goed prompten is dan niet genoeg. Studenten moeten leren als opdrachtgever en toezichthouder op AI te handelen.

Het AI-kompas van BKOU

We hebben daarom een AI-kompas opgesteld. De kernvraag bij iedere leeractiviteit en toets is: welke kennis, denkstappen en professionele afwegingen moet de student zelf beheersen, welke werkzaamheden mag AI ondersteunen of uitvoeren, en welk bewijs hebben we nodig om de competentie van de student geloofwaardig te beoordelen?

Soms werkt een student zelfstandig en is AI niet of beperkt beschikbaar. Soms ondersteunt AI met uitleg, feedback, structuur of alternatieven, terwijl de student de kern van het denkwerk uitvoert. En soms wordt AI volledig onderdeel van het beroepsmatige proces. De student mag dan grotere taken uitbesteden, maar moet de opdracht afbakenen, context en grenzen meegeven, de uitvoering controleren en ingrijpen wanneer dat nodig is.

Deze manier van werken heeft ook gevolgen voor beoordeling. Een eindproduct alleen is niet meer voldoende. We willen ook zicht krijgen op bepalende keuzes, controles en bijstellingen. Dat kan via een korte mondelinge verdediging, een aangepaste casus, procesinformatie of toepassing in de eigen organisatie. AI bepaalt bij BKOU geen criteriumscores of cijfer. De docent beoordeelt en blijft verantwoordelijk.

AI in het onderwijs blijft volop in ontwikkeling

Ik presenteer dit niet als een afgerond antwoord. De technologie ontwikkelt sneller dan onderwijsbeleid kan worden geschreven. Ook het onderzoek kent nog beperkingen. Veel studies zijn kortdurend, kleinschalig en meten vooral de directe kwaliteit van prestaties. Over blijvende kennis, zelfstandige beheersing en toepassing in nieuwe situaties weten we veel minder. Dat vraagt om bescheidenheid én om experimenteren.

Bij BKOU gaan we daarom werken, volgen en bijstellen. Per module maken we duidelijker wat studenten zelf moeten doen, waarbij AI mag helpen en wanneer zij AI professioneel moeten leren aansturen. We bouwen momenten in waarop studenten stilstaan bij wat zij weten, wat zij hebben uitbesteed en wat zij nu zelfstandig kunnen. Ook kijken we kritisch naar onze opdrachten en beoordelingen.

Wat AI vraagt van professionals

AI maakt leren niet overbodig. Het maakt scherper zichtbaar welke vorm van leren we waardevol vinden. Voor studenten ligt daar een spannende kans. Wie kennis opbouwt, het eigen oordeel behoudt en niet ieder ongemak direct laat verdwijnen, kan AI veel beter gebruiken.

Voor werkgevers is uiteindelijk niet alleen een mooi product van belang. Zij hebben professionals nodig die begrijpen wat er gebeurt, kunnen bijsturen als de situatie verandert en verantwoordelijkheid nemen voor het resultaat. Dat is de ontwikkeling waarop wij bij BKOU willen blijven inzetten.

– Gert Jan Schop is organisatieadviseur, ondernemer en algemeen directeur van Bedrijfskunde Opleiding Utrecht (BKOU). Hij heeft ruim 30 jaar ervaring met strategie, bedrijfsvoering en verandermanagement. Bij BKOU geeft hij les in Verandermanagement & Organisatiekunde en begeleidt hij afstudeerders. Daarnaast adviseert hij organisaties bij complexe verandertrajecten. Praktisch, scherp en altijd met oog voor mensen.