Ambitieuze student moet méér kunnen dan AI begrijpen, waarschuwen universiteiten en bedrijven

Kennis van AI-taalmodellen zoals ChatGPT was tot voor kort een directe voorsprong op de arbeidsmarkt. Inmiddels verandert dat razendsnel. Universiteiten, recruiters en technologiebedrijven zien dat vrijwel iedere student toegang heeft tot dezelfde AI-tools en die ook gebruikt. Daardoor verschuift de waarde van “AI begrijpen” naar iets fundamenteel anders: originele denkkracht, specialistische kennis en het vermogen om AI kritisch te sturen.

Die ontwikkeling verandert niet alleen hoe studenten leren, maar ook hoe bedrijven talent beoordelen. Het Financieele Dagblad schrijft dat inzicht in generatieve AI inmiddels bijna een basisvaardigheid begint te worden in plaats van een onderscheidende competentie. Dat heeft grote gevolgen voor onderwijs, carrièrekansen en de manier waarop kenniswerk wordt georganiseerd.

De opkomst van generatieve AI heeft de toegang tot complexe taken sterk verlaagd. Studenten kunnen met een paar prompts programmeercode genereren, academische teksten laten samenvatten, presentaties bouwen of datasets analyseren. Waar technische kennis vroeger een hoge drempel vormde, nemen taalmodellen een groot deel van die uitvoering over.

Juist daardoor ontstaat een nieuw probleem: wanneer iedereen dezelfde AI-systemen gebruikt, wordt het steeds moeilijker om jezelf inhoudelijk te onderscheiden. Werkgevers kijken daarom minder naar het simpele gebruik van AI-tools en meer naar wat iemand toevoegt bóvenop die technologie.

Dat betekent concreet dat menselijke vaardigheden belangrijker worden. Bedrijven zoeken steeds vaker mensen die AI-output kunnen controleren, fouten herkennen, complexe context begrijpen en beslissingen kunnen nemen op basis van nuance en ervaring. De waarde verschuift van produceren naar interpreteren.

Die trend is zichtbaar in vrijwel iedere kennisintensieve sector. In consultancy, softwareontwikkeling, marketing, juridisch werk en onderzoek neemt AI steeds meer routinetaken over. Daardoor verandert ook het profiel van jonge professionals. Organisaties zoeken niet langer alleen iemand die efficiënt werkt met AI, maar vooral iemand die begrijpt waar AI tekortschiet.

Dat verklaart waarom universiteiten hun onderwijs versneld aanpassen. Traditionele opdrachten verliezen namelijk hun functie wanneer een taalmodel binnen seconden een overtuigend essay of analyse kan schrijven. Opleidingen experimenteren daarom steeds vaker met mondelinge examens, praktijkprojecten en opdrachten waarbij studenten moeten uitleggen hoe zij AI hebben ingezet en waarom bepaalde keuzes zijn gemaakt.

De discussie gaat daarmee over veel meer dan fraude of plagiaat. Onderwijsinstellingen proberen opnieuw te definiëren wat echte kennis eigenlijk betekent in een tijdperk waarin informatieproductie grotendeels geautomatiseerd raakt.

Volgens verschillende onderzoekers ontstaat nu een fundamentele verschuiving van reproductie naar begrip. Studenten moeten minder bewijzen dat ze informatie kunnen herhalen en meer laten zien dat ze verbanden begrijpen, redeneringen kunnen beoordelen en zelfstandig conclusies kunnen trekken.

Dat sluit aan bij een bredere internationale ontwikkeling binnen AI. Onderzoekers van Stanford University en andere instituten waarschuwen al langer dat generatieve AI vooral sterk is in patroonherkenning en taalproductie, maar veel zwakker blijft in diep begrip, causaliteit en verantwoordelijkheid. Juist daar ontstaat de nieuwe economische waarde van menselijke expertise.

Ook binnen de technologiesector groeit die zorg. MIT-hoogleraar Pattie Maes zei eerder in het FD dat zelfs de bedrijven achter moderne taalmodellen niet volledig begrijpen hoe sommige AI-systemen precies tot hun antwoorden komen. Dat vergroot volgens experts het belang van menselijke controle en kritisch toezicht.

Voor studenten betekent dit dat algemene AI-kennis waarschijnlijk snel een minimale basisvoorwaarde wordt. Net zoals internetvaardigheden of Microsoft Office ooit standaardcompetenties werden, ontwikkelt AI-gebruik zich richting een universele vaardigheid die bijna iedereen bezit.

De echte voorsprong ontstaat daardoor elders.

Studenten die AI combineren met diepgaande expertise in bijvoorbeeld geneeskunde, economie, techniek, rechten of wetenschap krijgen waarschijnlijk de sterkste positie op de arbeidsmarkt. AI functioneert daarbij niet als vervanging van expertise, maar als versterker ervan. Hoe meer domeinkennis iemand bezit, hoe krachtiger AI als hulpmiddel wordt.

Dat creëert ook een nieuwe vorm van ongelijkheid. Mensen die alleen vertrouwen op standaard AI-output riskeren middelmatige resultaten die nauwelijks onderscheidend zijn. Mensen die sterke inhoudelijke kennis combineren met kritisch denkvermogen kunnen dezelfde AI-tools juist veel effectiever inzetten.

De impact daarvan reikt verder dan individuele carrières. Onderwijsinstellingen staan voor een strategische uitdaging: hoe leid je studenten op voor een economie waarin kennisproductie grotendeels wordt geautomatiseerd, maar menselijke interpretatie belangrijker wordt dan ooit?

Die vraag raakt de kern van het huidige AI-tijdperk. Technologie maakt informatie toegankelijker, maar verhoogt tegelijk de waarde van mensen die informatie kunnen beoordelen, contextualiseren en vertalen naar echte beslissingen.

Precies daar lijkt de nieuwe elite van de AI-economie te ontstaan