Ruim vier jaar geleden schreef Stanford-econoom Erik Brynjolfsson een opvallend vooruitziend essay over kunstmatige intelligentie. Op een moment dat ChatGPT nog niet eens als publiek product bestond. Generatieve AI was dus ook nog geen vast onderdeel van ons dagelijkse werk. Toch waarschuwde Brynjolfsson al voor een ontwikkeling die vandaag bijzonder actueel is: de AI paradox.
We dreigen AI namelijk vooral te gebruiken om mensen te vervangen, terwijl de grootste waarde juist kan ontstaan wanneer technologie menselijke capaciteiten vergroot en versterkt. De kern van zijn verhaal is dan ook: hoe meer we met AI kunnen automatiseren, hoe verleidelijker volledige automatisering wordt. Maar wie te veel uit handen geeft, kan juist essentiële vaardigheden als kennis, onderscheidend vermogen, creativiteit en uiteindelijk economische waarde verliezen.
Automations versus augmentation
Brynjolfsson publiceerde The Turing Trap in het voorjaar van 2022. Zijn analyse draaide om een onderscheid dat inmiddels veel relevanter is geworden. Technologie kan menselijke arbeid vervangen, maar technologie kan mensen ook in staat stellen iets te doen wat eerder niet mogelijk was.
Dat verschil noemt hij automation tegenover augmentation. Bij automation neemt technologie bestaand werk over. Bij augmentation versterkt technologie wat mensen kunnen waarnemen, onderzoeken, maken en beslissen.
Het opmerkelijke is de timing. ChatGPT werd pas op 30 november 2022 publiek gelanceerd. De explosie aan generatieve AI die daarop volgde, moest nog beginnen. Vier jaar later bevindt AI zich niet langer aan de rand van organisaties. Volgens de Stanford AI Index 2026 gebruikte 88 procent van de onderzochte organisaties in 2025 AI. Generatieve AI werd bij 70 procent in minstens één bedrijfsfunctie toegepast. Tegelijk bleef het gebruik van autonome AI-agents binnen vrijwel alle bedrijfsfuncties nog beperkt.
Brynjolfsson beschreef dus niet simpelweg een mogelijk toekomstscenario. Hij legde een spanning bloot die inmiddels zichtbaar wordt in de dagelijkse praktijk.
Wat houdt de AI paradox in?
De AI paradox ontstaat wanneer organisaties automatisering verwarren met waardecreatie.
Een bestaande handeling goedkoper uitvoeren kan waardevol zijn. Een rapport sneller samenvatten, informatie classificeren of een eerste concept laten opstellen bespaart tijd. Daar is weinig mis mee. Het probleem ontstaat wanneer kostenbesparing het volledige beeld van AI bepaalt.
Stel dat vrijwel ieder bedrijf binnen enkele seconden een acceptabele tekst, analyse, website of presentatie kan produceren. De hoeveelheid beschikbare output stijgt dan significant. Juist daardoor wordt die standaardoutput minder onderscheidend. Wat technisch indrukwekkend is, hoeft economisch dus niet schaars te blijven.
Brynjolfsson maakt daarvoor een belangrijk historisch punt. Een groot deel van onze welvaart ontstond niet doordat we bestaande producten eindeloos goedkoper gingen produceren. Veel waarde ontstond juist doordat technologie nieuwe producten, diensten en manieren van werken mogelijk maakte. Het vliegtuig maakte niet alleen bestaand vervoer efficienter. Het maakte een compleet andere vorm van mobiliteit mogelijk. Digitale technologie maakte niet alleen winkels goedkoper. Ze maakte nieuwe marktplaatsen, diensten en bedrijfsmodellen mogelijk.
Daar ligt ook de paradox van AI. Automatisering is makkelijk voor te stellen omdat we beginnen bij werk dat al bestaat. Veel moeilijker is de vraag welke nieuwe waarde mogelijk wordt wanneer mens en machine iets samen kunnen wat geen van beide afzonderlijk kon.
Vier jaar later zien we beide kanten tegelijk
Inmiddels is er voldoende praktijkonderzoek om te zien dat generatieve AI daadwerkelijk productiviteit kan verhogen.
Een veelbesproken onderzoek van Brynjolfsson, Danielle Li en Lindsey Raymond onder ruim 5.000 medewerkers in klantcontact liet zien dat ondersteuning door generatieve AI de productiviteit gemiddeld met 14 procent verhoogde. Bij minder ervaren medewerkers bedroeg de stijging zelfs 34 procent. De technologie leek kennis en werkwijzen van ervaren collega’s toegankelijker te maken voor anderen.
Dat is een treffend voorbeeld van menselijke versterking. De medewerker verdwijnt niet uit het proces. AI helpt die medewerker sneller toegang te krijgen tot relevante kennis en betere werkwijzen.
Maar aan de andere kant zien we inmiddels ook signalen waarvoor Brynjolfsson waarschuwde. Microsoft Research onderzocht in 2025 hoe 319 kenniswerkers generatieve AI gebruikten. Een hogere mate van vertrouwen in AI hing samen met minder kritisch denkwerk. Tegelijk veranderde de aard van het denkwerk. Professionals besteedden meer aandacht aan het controleren van informatie, het combineren van antwoorden en het bewaken van het proces.
Dat is misschien wel de meest concrete vorm van de AI paradox op individueel niveau. AI kan iemand productiever maken en tegelijkertijd bepaalde cognitieve vaardigheden minder intensief laten gebruiken.
Wie AI gebruikt om beter na te denken, kan sterker worden. Wie AI structureel gebruikt om niet meer na te hoeven denken, loopt een heel ander risico.
Als iedereen hetzelfde automatiseert verschuift de waarde
Voor bedrijven speelt nog een tweede effect.
Wanneer AI vooral wordt ingezet om bestaande productie goedkoper te maken, ontstaat al snel een wedstrijd om efficientie. Concurrenten krijgen immers toegang tot vergelijkbare modellen en mogelijkheden. Teksten worden goedkoper. Analyses worden sneller. Software kan met minder handelingen worden ontwikkeld. Eenvoudige kennisvragen worden toegankelijker.
Daarmee verdwijnt de waarde van professioneel werk niet. De plaats waar die waarde ontstaat, verschuift wel.
Dat is nu al zichtbaar in kennisintensieve sectoren. Een eerste analyse maken wordt eenvoudiger. Informatie verzamelen kost minder tijd. Een standaardvraag beantwoorden kan steeds vaker met ondersteuning van AI. Daardoor neemt het relatieve belang toe van werkzaamheden waarin context, interpretatie, verantwoordelijkheid, creativiteit en vertrouwen een rol spelen.
Voor de fiscale praktijk is dat onderscheid ook bijzonder relevant. Een fiscaal antwoord bestaat namelijk zelden alleen uit het vinden van informatie. Het gaat ook om de actualiteit en kwaliteit van de bron, de toepassing op een specifieke situatie, uitzonderingen, samenhang tussen regels en de gevolgen van verschillende keuzes.
Juist op dat punt kan AI twee kanten op werken. Het systeem kan worden gebruikt als vervanging van professionele beoordeling. Het kan ook worden gebruikt om een professional sneller toegang te geven tot betrouwbare informatie, meer scenario’s te onderzoeken en meer aandacht over te houden voor interpretatie.
Die toepassingen lijken technisch op elkaar. Economisch en professioneel zijn ze fundamenteel verschillend.
De grootste uitdaging zit uiteindelijk bij de mens
Er speelt bovendien een risico dat minder zichtbaar is dan een fout AI-antwoord.
Wanneer een organisatie steeds meer denkwerk automatiseert, kan zij geleidelijk het vermogen verliezen om de uitkomst van die automatisering goed te beoordelen. Om een fout te herkennen is immers kennis nodig. Om een uitzonderlijke situatie te zien, moet iemand begrijpen wat normaal is. En om een model tegen te spreken, is voldoende professioneel zelfvertrouwen nodig.
Daar ontstaat een ongemakkelijke situatie. Hoe beter AI wordt, hoe makkelijker het wordt om erop te vertrouwen. Maar hoe groter dat vertrouwen wordt, hoe belangrijker het menselijke vermogen wordt om te bepalen wanneer dat vertrouwen niet terecht is.
Onderzoek van de OECD uit 2026 past in dat beeld. AI vermindert volgens de organisatie niet simpelweg de behoefte aan menselijke vaardigheden. Werkgevers zien juist een groeiend belang van vaardigheden rond data, probleemoplossing, creativiteit en innovatie. Training blijkt bovendien samen te hangen met positievere resultaten van AI-gebruik op prestaties en arbeidsomstandigheden.
Ook wetgeving beweegt in deze richting. De Europese AI-verordening stelt voor AI-systemen met een hoog risico expliciete eisen rond menselijk toezicht. Dat toezicht moet daadwerkelijk in staat zijn om prestaties te beoordelen, beperkingen te begrijpen en waar nodig in te grijpen.
Menselijke betrokkenheid is daarmee niet slechts een tijdelijke oplossing totdat technologie goed genoeg wordt. In veel toepassingen wordt zij juist onderdeel van goed ontworpen technologie.
Van automatiseringsvraag naar ontwerpvraag
Misschien is daarom niet de interessantste vraag welke werkzaamheden AI kan overnemen.
Veel interessanter is wat professionals dankzij AI kunnen doen wat daarvoor praktisch onmogelijk, te tijdrovend of te kostbaar was.
Denk aan het doorzoeken en verbinden van grote hoeveelheden vakinformatie. Het sneller vergelijken van verschillende interpretaties. Het signaleren van afwijkingen in omvangrijke gegevensstromen. Het doorrekenen van meerdere scenario’s. Of het toegankelijk maken van specialistische kennis zonder dat de professionele beoordeling uit het proces verdwijnt.
Daar begint augmentation.
Dat vraagt meer verbeeldingskracht dan automatisering. Voor een bestaande taak is immers al duidelijk wat het gewenste resultaat is. Nieuwe toepassingen vereisen dat organisaties opnieuw nadenken over wat zij eigenlijk proberen te bereiken.
Daarmee blijkt Brynjolfssons observatie uit 2022 opvallend actueel. De grootste uitdaging rond AI is uiteindelijk niet alleen technisch. De technologie ontwikkelt zich razendsnel. De moeilijkere opgave is bepalen waarvoor we haar willen gebruiken.
Conclusie: AI kan niet zonder de mens
De waarde van AI ontstaat niet door de mens weg te ontwerpen
De AI paradox laat zien waarom meer automatisering niet automatisch meer waarde betekent.
AI kan routinematig werk versnellen en kosten verlagen. Dat blijft relevant. Maar wanneer organisaties daar stoppen, benutten zij slechts een deel van de mogelijkheden. Bovendien kunnen te veel afhankelijkheid, verlies van vaardigheden en steeds minder onderscheidende output nieuwe kwetsbaarheden veroorzaken.
De vooruitziende blik van Brynjolfsson uit 2022 zit daarom niet in een voorspelling dat AI mensen massaal zou vervangen. Zijn belangrijkere boodschap is dat we zelf invloed hebben op de richting waarin technologie zich ontwikkelt en wordt toegepast.
Vier jaar later wordt die keuze concreter.
Gebruiken we AI vooral om hetzelfde werk met minder mensen te doen, of gebruiken we AI om mensen beter werk te laten doen en nieuwe waarde mogelijk te maken?
Voor kennisintensieve beroepen is dat onderscheid bepalend. Niet de hoeveelheid werk die een AI-systeem kan overnemen, maar de kwaliteit van de samenwerking tussen technologie en menselijke expertise zal steeds sterker bepalen waar professionele waarde ontstaat.
Dat vraagt om technologie die bronnen inzichtelijk maakt, ruimte laat voor controle en de professional ondersteunt bij het vormen van een eigen oordeel. Precies daar wordt AI meer dan een automatiseringsmachine. Dan wordt het een instrument dat menselijk vakmanschap kan vergroten.
Ook samen met AI naar een hoger niveau groeien?
