AI verkleint opleidingskloof in werkexperiment

Generatieve AI kan prestatieverschillen tussen mensen met verschillende opleidingsniveaus tijdelijk sterk verkleinen. In een gerandomiseerd experiment met 1.174 volwassenen daalde de gemeten kloof bij een zakelijke probleemopdracht met ongeveer driekwart wanneer deelnemers een AI-assistent mochten gebruiken. Het vervolg van het onderzoek is minstens zo belangrijk: zodra de assistent verdween, kwam een aanzienlijk deel van het verschil terug.

De onderzoekers Guillermo Cruces, Diego Fernández Meijide, Sebastian Galiani, Ramiro Gálvez en María Lombardi lieten volwassenen van 25 tot en met 45 jaar een werkachtige zakelijke probleemtaak uitvoeren. Deelnemers kregen een financiële prikkel om goed te presteren. Een willekeurig gekozen groep mocht daarbij een generatieve AI-assistent gebruiken; de controlegroep voerde dezelfde opdracht zonder AI uit. Daarna volgde voor iedereen een tweede onderdeel zonder assistent.

De studie verscheen eerder als NBER-werkdocument en is deze week ook op arXiv geplaatst. Dat betekent dat de resultaten openbaar en bespreekbaar zijn, maar nog niet hetzelfde gewicht hebben als een definitief artikel dat het volledige beoordelingsproces van een wetenschappelijk tijdschrift heeft doorlopen.

In de controlegroep scoorden deelnemers met meer opleiding gemiddeld 0,548 standaarddeviatie hoger dan deelnemers met minder opleiding. Met AI daalde dat verschil naar 0,139 standaarddeviatie. Omgerekend werd ongeveer 75 procent van de aanvankelijke kloof gedicht. Beide groepen presteerden beter met AI, maar de relatieve winst was groter bij de groep met minder opleiding.

Uit de geanalyseerde chatgesprekken bleek dat deelnemers met minder opleiding veel bruikbare hulp uit de assistent haalden. Mensen met meer opleiding gebruikten het systeem op verschillende punten echter nog steeds iets effectiever. AI trok de prestaties dus naar elkaar toe, zonder verschillen in kennis en aanpak volledig weg te nemen.

Het tweede, niet-ondersteunde deel maakt de uitkomst nog genuanceerder. Deelnemers die eerst AI hadden gebruikt, presteerden later niet slechter dan de controlegroep. Bij deelnemers met minder opleiding bleef een deel van de verbetering behouden. Toch ontstond opnieuw een duidelijke opleidingskloof zodra niemand meer over de assistent beschikte.

Ook eigen inspanning maakte verschil. Intensief gebruik van de AI hing samen met betere prestaties tijdens de ondersteunde opdracht, ongeacht hoeveel tijd de deelnemer zelf investeerde. Bij de latere opdracht zonder AI waren de resultaten vooral beter wanneer intensief AI-gebruik was gecombineerd met aanhoudende eigen inspanning. Alleen een antwoord overnemen leverde dus minder blijvende winst op dan actief met de uitleg en aanpak werken.

De aantrekkelijkste conclusie is dat generatieve AI kennisverschillen kan verkleinen. Een medewerker die minder ervaring heeft met een zakelijke analysetaak kan sneller tot een bruikbaar resultaat komen wanneer een assistent informatie structureert, alternatieven aanreikt en een eerste uitwerking maakt. Dat kan organisaties helpen om talent breder te benutten en nieuwe medewerkers sneller op weg te helpen.

De gevaarlijkste conclusie zou zijn dat opleiding en begeleiding daardoor overbodig worden. De studie laat juist zien dat onderliggende verschillen weer zichtbaar worden zodra het hulpmiddel wegvalt. Bovendien gebruikten hoger opgeleide deelnemers de AI op onderdelen effectiever. Een organisatie die alleen toegang tot een chatbot regelt, kan de tijdelijke productiviteitswinst dus verwarren met duurzame ontwikkeling van vaardigheden.

Voor werkgevers past hier een combinatie van toegang, oefening en controle. Medewerkers moeten leren welke context een model nodig heeft, hoe ze een antwoord bijsturen en hoe ze cijfers, bronnen en aannames controleren. In onze uitleg over AI-geletterdheid op het werk staat welke organisatorische afspraken daarbij horen. De recente uitleg over artikel 4 van de EU AI Act en AI-geletterdheid laat bovendien zien dat dit niet alleen een productiviteitsvraag is.

Een goede invoering begint niet met de opdracht “gebruik voortaan AI”, maar met een afgebakende werktaak. Laat medewerkers eerst zonder hulp beschrijven hoe ze de taak aanpakken. Geef daarna een vaste oefening met AI, inclusief relevante context en kwaliteitscriteria. Bespreek vervolgens gezamenlijk welke delen van het antwoord bruikbaar waren, welke fouten optraden en welke controles noodzakelijk bleken. Sluit af met een vergelijkbare taak zonder assistent om te testen wat iemand werkelijk heeft geleerd.

Dat principe sluit aan bij onze praktijkgids AI op je werk, waarin werknemers en teams met checklists, invulbare opdrachten en een oefenplan van twee weken leren om AI controleerbaar in hun werkritme op te nemen. Wie vooral betere opdrachten wil schrijven, kan ook beginnen met de uitleg hoe je een matig ChatGPT-antwoord alsnog bruikbaar maakt.

Eén online experiment is geen bewijs dat AI in iedere baan driekwart van alle opleidingsverschillen wegneemt. De deelnemers maakten één type zakelijke probleemtaak in een gecontroleerde setting. De uitkomst kan anders zijn bij langdurige projecten, fysieke beroepen, creatieve werkzaamheden, specialistisch advies of taken waarbij fouten grote gevolgen hebben. Ook zegt een verschil in standaarddeviaties niet rechtstreeks hoeveel minuten, euro’s of banen worden gewonnen.

De waarde van het onderzoek zit daarom niet in een universeel percentage, maar in het mechanisme dat zichtbaar wordt. AI kan mensen tijdens een taak dichter bij elkaar brengen, vooral wanneer het systeem een tekort aan ervaring of structuur opvangt. Duurzame ontwikkeling vraagt echter nog steeds om begrip, oefening en eigen inspanning.

Voor werkgevers is de beste investering dus niet alleen een licentie, maar een leerproces waarin medewerkers met én zonder AI moeten laten zien dat ze de taak beheersen.