AI kan en neemt ook steeds meer werk van ons over. Analyseren, samenvatten, structureren, schrijven en ideeën aandragen. Dat biedt enorme mogelijkheden. Toch schuilt juist in dat gemak ook een risico dat een stuk minder aandacht krijgt.
Niet dat AI af en toe een fout maakt. Ook niet dat bepaalde werkzaamheden verdwijnen. Een veel fundamenteler risico is dat we AI zo vanzelfsprekend gaan vinden en gebruiken, dat we steeds minder vaak zelf nadenken.
En daarmee kunnen we precies die menselijke vaardigheden verzwakken of zelfs kwijtraken die in een wereld vol AI steeds belangrijker worden.
Want juist de menselijke vaardigheden worden steeds belangrijker.
The Associated Press publiceerde onlangs een artikel over vaardigheden waarin mensen voorlopig een duidelijke voorsprong blijven houden op AI. Experts noemen onder meer empathie, het opbouwen van relaties, kritisch denken, ethisch oordeel en het vermogen om in onduidelijke situaties afgewogen beslissingen te nemen.
Inc. bouwde daarop voort en omschreef deze eigenschappen als vaardigheden die juist waardevoller worden naarmate AI meer routinematige taken overneemt. De interessante vraag is volgens het artikel dan ook niet alleen hoeveel mensen met AI kunnen werken, maar vooral of organisaties voldoende investeren in de menselijke kwaliteiten die bepalen hoe goed AI uiteindelijk wordt gebruikt.
Ook onderzoek van PwC wijst in die richting. In de Global AI Jobs Barometer 2026 analyseerde PwC meer dan een miljard vacatures in 27 landen en gebieden. En juist bij functies die sterk door AI veranderen, neemt het belang toe van vaardigheden als beoordelingsvermogen, empathie en creativiteit.
Dat klinkt geruststellend. AI neemt bepaalde taken over, maar de typisch menselijke eigenschappen blijven belangrijk. En toch zit daar een ongemakkelijke paradox in. Want wat gebeurt er met die eigenschappen als we ze steeds minder gebruiken?
Het gevaar begint bij de eerste gedachte
Stel dat je een creatief concept nodig hebt voor een campagne. Nog niet zo lang geleden zou je waarschijnlijk eerst zelf nadenken. Wat willen we bereiken? Wat maakt dit onderwerp interessant? Waar zit de spanning? Welke onverwachte invalshoek zou kunnen werken?
Misschien kwamen de eerste ideeën nergens in de buurt van het uiteindelijke concept. Dat maakte ze niet nutteloos. Verre van zelfs. Tijdens dat proces verkende je het probleem. Je maakte associaties, verwierp mogelijkheden en ontdekte richtingen waar je aanvankelijk niet aan had gedacht.
Nu is het heel verleidelijk om ChatGPT, Copilot of een andere AI-tool te openen en te vragen om tien creatieve concepten. Binnen enkele seconden staan ze op je scherm. Dat lijkt efficiënter. Maar er gebeurt tegelijkertijd iets anders. Nog voordat je zelf een richting hebt gevormd, krijg je richtingen aangereikt. Vanaf dat moment denk je niet meer vanuit een leeg speelveld. Je reageert op wat AI heeft voorgesteld.
De kans bestaat daardoor dat je vooral gaat verbeteren, combineren en selecteren binnen een denkruimte die al voor je is afgebakend. En misschien staat daar een uitstekend idee tussen. Dat kan. Maar het kan ook zo zijn dat het interessantste idee juist volledig buiten die ruimte lag.
Eerst het probleem begrijpen
Hetzelfde gebeurt bij complexere zakelijke vraagstukken.
Vraag AI welke strategie jouw bedrijf moet volgen en je krijgt waarschijnlijk binnen korte tijd een overtuigend antwoord. Vraag hoe je een organisatorisch probleem moet oplossen en er verschijnt een helder stappenplan.
Dat kan bijzonder nuttig zijn. Maar een goed geformuleerd antwoord betekent nog niet dat echt de juiste vraag is gesteld.
Misschien kijken we wel naar het verkeerde probleem. Misschien nemen we een aanname als vanzelfsprekend aan die juist ter discussie zou moeten staan. Misschien ligt er een mogelijkheid die niet goed past binnen de gebruikelijke oplossingsrichtingen en daardoor nauwelijks naar voren komt.
Daarom begint goed gebruik van AI niet met een prompt. Het begint met zelf kritisch nadenken.
Wat speelt hier werkelijk? Wat probeer ik te bereiken? Welke informatie heb ik? Wat weet ik juist nog niet? Welke aannames maak ik? Welke verschillende verklaringen zijn mogelijk? En welke richting lijkt mij op basis van mijn kennis en ervaring voorlopig het meest logisch?
Pas daarna kan AI een waardevolle gesprekspartner worden. Niet om het denken over te nemen, maar om het verder te brengen.
Een samenvatting is nog geen inzicht
Dat geldt net zo goed voor de enorme hoeveelheden informatie die AI voor ons kan analyseren. Neem klantinformatie. Een platform als Dovetail kan informatie uit gesprekken met (potentiële) klanten verzamelen, ordenen en inzichtelijk maken. Dat kan enorm helpen. Patronen die voorheen pas na uren analyseren zichtbaar werden, kunnen veel sneller naar boven komen.
Maar ook hier blijft kritisch denken noodzakelijk.
Stel dat uit de analyse blijkt dat klanten een bepaalde functionaliteit ingewikkeld vinden. Dat klinkt als een belangrijk inzicht. Maar hoeveel klanten hebben dat daadwerkelijk gezegd? Drie? Dertig? Driehonderd?
En waren het allemaal vergelijkbare klanten? Waren het ervaren gebruikers of juist nieuwe klanten? Stelden de Account Managers vragen waardoor het onderwerp vanzelf naar voren kwam? Of begonnen klanten er uit zichzelf over?
Nog interessanter is soms de vraag wat klanten níét hebben gezegd.
Misschien praten ze uitgebreid over gebruiksgemak, terwijl niemand een voordeel noemt waarvan de organisatie zelf overtuigd is dat het doorslaggevend is. Juist het ontbreken van die reactie kan belangrijke informatie bevatten.
AP wijst in zijn artikel dan ook op het menselijke vermogen om tussen de regels door te lezen en aandacht te hebben voor wat niet expliciet wordt uitgesproken. Dat vermogen speelt volgens de geraadpleegde experts een belangrijke rol bij empathie en menselijke interactie.
AI kan namelijk patronen vinden in wat aanwezig is. De professional moet ook blijven nadenken over wat ontbreekt, wat buiten beeld blijft en welke vragen nog niet zijn gesteld.
Kritisch denken moet je blijven oefenen
Dat maakt kritisch denkvermogen misschien wel een van de belangrijkste professionele vaardigheden in het AI-tijdperk.
Volgens een van de experts die AP sprak, heb je juist inhoudelijke kennis en kritisch denkvermogen nodig om te kunnen vaststellen wanneer AI ernaast zit. Wie onvoldoende van een onderwerp weet, kan een overtuigend geformuleerd maar onjuist antwoord immers moeilijk herkennen.
Daar komt nog iets bij. Goed beoordelingsvermogen ontstaat niet vanzelf. Het ontwikkelt zich door ervaring. Door te oefenen. Door zelf problemen op te lossen, fouten te maken, alternatieven af te wegen en achteraf te ontdekken waarom een bepaalde keuze wel of niet werkte.
Juist daar ontstaat een nieuwe uitdaging.
PwC signaleert dat AI een deel van het routinematige werk overneemt waarmee jonge professionals traditioneel ervaring opdeden. Tegelijkertijd vragen functies waarin AI een grote rol speelt juist eerder om vaardigheden als strategisch denken, leiderschap en beoordelingsvermogen. Organisaties zullen daarom opnieuw moeten nadenken over de manier waarop professionals deze ervaring opbouwen.
Dat is geen argument om AI minder te gebruiken. Wel om bewust te blijven nadenken over wat we eraan uitbesteden. En hoe we er mee omgaan.
Wie iedere eerste analyse, ieder concept en iedere oplossing door AI laat produceren, wint misschien tijd. Maar diezelfde persoon krijgt ook minder gelegenheid om zelfstandig te analyseren, verbanden te leggen en een eigen oordeel te ontwikkelen.
AI moet het denken groter maken
De oplossing is daarom niet ingewikkeld. We hoeven AI niet buiten de deur te houden. Integendeel. We moeten alleen voorkomen dat AI automatisch de eerste denker in het proces wordt. Vorm eerst zelf een beeld. Denk na over het probleem. Bepaal wat je weet en wat je wilt weten. Formuleer een voorlopige richting of hypothese. Zet daarna pas AI in.
Laat het systeem vervolgens tegenargumenten zoeken. Vraag welke mogelijkheden je over het hoofd ziet. Laat informatie structureren. Vraag om alternatieve verklaringen. Gebruik AI om je redenering uit te dagen, bronnen te vinden of grote hoeveelheden informatie sneller te verwerken.
Dan gebeurt er iets wezenlijk anders.
AI bepaalt niet langer het speelveld waarbinnen jij denkt. Jij bepaalt het speelveld en gebruikt AI om het groter te maken.
De professional blijft aan het stuur
Dat principe geldt uiteraard ook voor fiscaal en financieel professionals.
In een eerder artikel schreven we al waarom AI een hulpbron moet blijven en nooit leidend mag worden in het professionele oordeel. Een fiscalist, accountant of financieel professional moet eerst zelf begrijpen welk vraagstuk hij wil oplossen, welke informatie relevant is en welke richting nader onderzocht moet worden.
Dit artikel voegt daar een belangrijke reden aan toe.
We moeten dat niet alleen doen omdat AI fouten kan maken. We moeten het ook doen omdat ons eigen vermogen om kritisch te denken, verbanden te leggen en afgewogen beslissingen te nemen alleen waarde houdt wanneer we het blijven gebruiken.
Juist vanuit die gedachte kan een systeem als Nextens Tex waarde toevoegen. Niet door het professionele oordeel over te nemen, maar door de professional sneller toegang te geven tot relevante fiscale informatie en de bronnen waarop een antwoord is gebaseerd. Daarmee kan AI helpen om een eigen redenering verder te onderzoeken, te controleren en te onderbouwen.
De echte winst van AI zit uiteindelijk dan ook niet in het uitbesteden van ons denken.
Die zit in het versterken ervan.
Leid jij of laat je je leiden ?
