Een goed antwoord is niet altijd een goede uitkomst.
Ik werk inmiddels bijna dagelijks met AI. Om teksten te schrijven, software te bouwen, vraagstukken te onderzoeken en soms gewoon om mijn eigen denken tegen het licht te houden.
En hoe langer ik ermee werk, hoe minder tevreden ik ben met één simpele maatstaf:
Was het antwoord goed?
Want dat zegt lang niet alles.
De afgelopen tijd merk ik dat mijn eigen manier van werken met AI verandert. Ik neem antwoorden minder snel aan. Ik stel andere vragen. Ik vraag expliciet om tegengeluid. Soms laat ik AI iets uitvoeren, soms wil ik juist zelf blijven nadenken.
En steeds vaker probeer ik ook te begrijpen waarom een antwoord ontstaat zoals het ontstaat.
Dat bracht me bij een andere vraag:
Waar kijk je eigenlijk naar als je wilt beoordelen of werken met AI goed heeft uitgepakt?
Het werd eerst veel te ingewikkeld
Je kunt daar behoorlijk diep op ingaan.
Het gekozen model doet ertoe. ChatGPT, Claude of Grok kunnen verschillend reageren.
De geschiedenis die je met een AI hebt opgebouwd kan invloed hebben. Net als de hoeveelheid context die beschikbaar is, het budget dat je inzet, de kwaliteit van je vragen en hoeveel tijd je een model geeft om na te denken.
Allemaal interessant.
Maar terwijl we steeds meer factoren toevoegden, dreigde het oorspronkelijke vraagstuk juist uit beeld te verdwijnen.
Uiteindelijk bleven voor mij drie eenvoudige perspectieven over.
Resultaat — wat kwam eruit?
Dit is de meest voor de hand liggende.
Was de tekst goed?
Werkt de software?
Klopt de analyse?
Was het advies bruikbaar?
Heeft het geholpen om een beslissing te nemen?
Bij veel eenvoudige toepassingen is dit waarschijnlijk voldoende.
Als ik AI vraag om een zin grammaticaal te verbeteren, hoef ik niet uitgebreid te reflecteren op wat dat met mijn ontwikkeling als mens heeft gedaan.
Soms is een broodje gewoon een broodje.
Maar zodra AI meer gaat doen dan alleen een eenvoudige taak uitvoeren, vind ik alleen naar het resultaat kijken steeds minder bevredigend.
Mens — wat gebeurde er met degene die AI gebruikte?
Dit vind ik inmiddels minstens zo interessant.
Heb ik na afloop meer begrepen?
Heb ik iets geleerd, of heb ik vooral een goed antwoord ontvangen?
Ben ik ergens beter in geworden?
Of ben ik juist afhankelijker geworden van AI om het te kunnen?
Heeft AI mijn nieuwsgierigheid vergroot?
Ben ik kritischer gaan denken?
Of hoefde ik juist steeds minder zelf na te denken?
Een AI kan een uitstekend resultaat produceren terwijl de gebruiker nauwelijks nog begrijpt hoe dat resultaat tot stand kwam.
Dat hoeft niet altijd een probleem te zijn.
Ik hoef bijvoorbeeld echt niet opnieuw met een papieren wegenkaart te leren navigeren omdat mijn navigatiesysteem dat prima van me heeft overgenomen.
Maar soms is het wél relevant.
Ik bouw momenteel met behulp van AI software. Natuurlijk wil ik dat die software uiteindelijk goed werkt.
Maar voor mij is het leren bouwen mét AI óók onderdeel van de opbrengst.
Het beste eindproduct is dan niet automatisch de beste uitkomst.
Proces — hoe zijn we hier gekomen?
Dan blijft er nog iets over.
Hoe betrouwbaar was de route naar het resultaat?
Welke informatie gebruikte de AI?
Welke aannames werden gemaakt?
Waar moest ik controleren?
Wanneer greep ik zelf in?
Begrijp ik voldoende van de redenering?
En wat gebeurde er toen AI een fout maakte?
Dat laatste overkwam mij onlangs tijdens een persoonlijke reflectie.
AI vulde een klein detail zelf in. Het verhaal klonk volkomen logisch.
Alleen: ik had het nooit gezegd.
Het interessante zat uiteindelijk niet alleen in het feit dat het antwoord fout was.
Veel interessanter vond ik de vraag:
Waarom klonk dat foutieve detail eigenlijk zo aannemelijk dat ik het gemakkelijk had kunnen accepteren?
Op dat moment werd het proces bijna interessanter dan het antwoord.
Drie vragen
Ik heb geen behoefte om hiervan een nieuw AI-framework, volwassenheidsmodel of matrix te maken.
Voorlopig vind ik drie vragen eigenlijk genoeg:
Resultaat — Wat leverde het op?
Mens — Wat deed het met mij?
Proces — Hoe zijn we hier gekomen?
Niet iedere AI-interactie hoeft uitgebreid langs alle drie.
Maar naarmate AI meer invloed krijgt op hoe we leren, denken, creëren en beslissen, vermoed ik dat alleen de eerste vraag steeds minder voldoende wordt.
We beoordelen AI nu vooral op wat het systeem produceert.
Misschien moeten we daarnaast beter leren kijken naar wat het gebruik van AI met de gebruiker doet.
En naar de kwaliteit van de weg waarlangs een uitkomst tot stand kwam.
Ik weet nog niet precies waar dit denken naartoe leidt.
Dat is eigenlijk ook de reden dat ik het opschrijf.
Wat mis ik?
Herken je het onderscheid tussen resultaat, mens en proces?
Heb jij weleens een uitstekend AI-resultaat gekregen, maar achteraf gedacht: ik weet eigenlijk niet of dit een goede manier van werken was?
Of maken we het hiermee juist ingewikkelder dan nodig?
Ik ben benieuwd.