AI maakt ons niet slimmer, zoals sommigen denken!

Waarom technologie ongelijkheid juist vergroot, terwijl het lijkt haar op te heffen

1 — De belofte en het bedrog

Alsof er eindelijk iemand hardop zei wat iedereen hoopte. De spreker spreidde zijn armen en glimlachte. “Met AI krijgt iedereen er IQ-punten bij en hoe beter de AI, hoe meer extra punten.”  Het was een soort belofte… Dat gevoel leeft bij velen die af en toe gebruik maken van taalmodellen zoals bijvoorbeeld ChatGPT. Zelfs een knullige vraag levert nu al een antwoord waar je ‘U’ tegen zegt… Straks, als AI nog veel beter is, worden we dus allemaal ongeveer gelijk en even slim?

Het klinkt aantrekkelijk en bijna moreel geruststellend. Alsof een oud probleem—ongelijkheid—eindelijk opgelost kon worden zonder pijn, zonder conflict, zonder moeilijke keuzes. Een software-update, en we zijn er. Het idee dat niemand achter hoeft te blijven, dat technologie ons collectief optilt, past perfect in het verhaal dat we onszelf graag vertellen. Dat vooruitgang neutraal is. Dat toegang gelijkstaat aan kans. Dat slimmer gereedschap automatisch leidt tot slimmere mensen. Maar wat op dat podium werd gepresenteerd, was geen wetenschap. Het was ‘wishful thinking’. Gevaarlijk denken zelfs!

Want de ongemakkelijke waarheid is deze: AI maakt ons niet slimmer. Het maakt ons juist meer ongelijk.
Niet omdat technologie kwaadaardig is, maar omdat ze feilloos versterkt wat er al was.

2 — De anatomie van een misverstand

De mythe van de collectieve IQ-bonus 

De belofte uit het filmpje suggereert dat intelligentie werkt als optelling: basisvermogen (100) plus AI (100) is gelijk aan verbeterd vermogen (200). Maar in werkelijkheid functioneert AI als een vermenigvuldiger (een hefboom) en dus niet als een additieve constante. Dat (mathematische) onderscheid is cruciaal.

Additief model (de belofte):

   Gemiddelde (100) + AI (100) = 200

   Bovengemiddelde (120) + AI (100) = 220

Hefboom model (voorbeeld van de werkelijkheid):

   Gemiddelde met AI (100) × 1,5 = 150

   Bovengemiddelde met AI (120) × 2,0 = 240

In het additieve model blijft de kloof gelijk (20 punten verschil).
In het multiplicatieve model verviervoudigt de kloof bijna (van 20 naar 90 punten). En cruciaal: die vermenigvuldigingsfactor wordt hoger voor de meer capabele gebruikers omdat zij de meta-vaardigheden bezitten die nodig zijn om AI effectief in te zetten.

Stel je twee mensen voor die dezelfde AI-tool gebruiken:

De eerste is een medewerker met tien jaar werk-ervaring en brede AI-ervaring. Hij leest het gegenereerde antwoord, fronst, ziet wat ontbreekt en stelt een betere vervolgvraag. Hij herschrijft, nuanceert, verwerpt de helft en behoudt het deel over dat zijn eigen redenering versterkt of verlegt zelfs zijn fundament naar alternatieven en zoekt verder door, zelfs met andere modellen.

De tweede is een student in zijn eerste jaar. Hij leest hetzelfde antwoord en voelt opluchting. Het klinkt logisch. Het is helder geformuleerd. Hij levert het in. Geen afwegingen, verfijningen of verder zoeken.

Beiden zijn wellicht sneller klaar met hun opdracht dan zonder AI, maar slechts één van hen is ook wijzer geworden.

Dit verschil zie je niet altijd gelijk al in de kwaliteit van de tekst die ze produceren, maar pas later—in beslissingen, in leervermogen, in zelfstandigheid.

Technologie verdeelt dus geen intelligentie maar ze versnelt bestaande patronen. Zoals een vergrootglas geen extra licht creëert, maar de bestaande licht-intensiteit concentreert. Wie al weet hoe hij moet denken en vragen, krijgt betere antwoorden. Wie al weet hoe hij moet twijfelen, krijgt scherpere inzichten. Wie dat (nog) niet kan, leert vooral hoe hij moet accepteren. Dit is het antwoord… geen verdere overwegingen…

Dit is geen mening, maar iets dat wat we consequent terugzien wanneer mensen langdurig met zulke systemen werken.

De eigenlijke vraag is dus niet: Wie wordt slimmer door AI, maar: wie leert ermee ‘denken’ en wie leert ermee ‘stoppen met denken’?

We verwarren intelligentie steeds vaker met snelheid. Met vloeiendheid, correct klinkende zinnen. Maar intelligentie is geen antwoordmachine. Intelligent gedrag bestaat uit meer dan het reproduceren van kennis of goede teksten. Het vraagt om het vermogen om te vertragen t.b.v. overzicht en inzicht. Om context te herkennen. Om te voelen dat iets te eenvoudig klinkt voor een complex probleem.

Dat vermogen ontstaat niet door consumptie, maar door oefening. Door fouten maken. Door ongemak.

Er bestaat geen empirisch bewijs dat AI-gebruik ons brein fundamenteel verandert. Sterker nog: neuropsychologisch onderzoek toont aan dat echte cognitieve groei alleen ontstaat door actieve, langdurige en reflectieve oefening—van zelf formuleren, zelf falen, zelf corrigeren. Niet door passief consumeren van AI-antwoorden. Wanneer antwoorden moeiteloos verschijnen, verdwijnt precies dát proces. Niet omdat mensen dommer worden. Maar omdat twijfel geen ruimte meer krijgt.

3 — Het sluipende gevaar

Gemak vervangt Denken

Technologie verlaagt drempels. Dat is waar. Ze helpt structureren, samenvatten, ordenen. Maar alleen voor wie al weet wat hij zoekt—en wanneer iets niet klopt. Voor anderen wordt ze geen hulpmiddel, maar een stem. Een stem die steeds overtuigender klinkt en als ‘waarheid’ (en dus al norm) gaat gelden.

Een student kan een essay uitleggen, maar niet meer uitleggen waarom het klopt. Een ambtenaar klikt door omdat het systeem ‘groen’ zegt. Een burger vertrouwt een automatisch gegenereerde brief omdat die professioneel oogt. Ze denken dat ze begrijpen. Ze herhalen wat ze lezen. Maar begrijpen is iets anders dan kunnen navertellen.

Voor gebruikers met lagere capaciteiten kan onbegeleide AI-toegang uitkomsten produceren die slechter zijn dan helemaal geen AI.
Drie mechanismen drijven dit contra-intuïtieve resultaat:

1. De vertrouwen-competentie kloof

AI-systemen reageren met hoge taalkundige vaardigheid en schijnbare zekerheid, ongeacht de nauwkeurigheid van de output. Gebruikers die domeinkennis missen, kunnen geen onderscheid maken tussen zelfverzekerd klinkende fouten en echte expertise. Dit creëert een illusie van competentie die besluitvorming aanmoedigt op basis van gebrekkige informatie—overschatting van begrip.

2. Vaardigheidsatrofie en cognitieve uitbesteding

Menselijke cognitieve capaciteiten ontwikkelen zich door inspannende oefening. AI vermindert die inspanning, waardoor mogelijk vaardigheidsverwerving wordt voorkomen. Onderwijspsychologie toont aan dat leren productieve worsteling vereist—moeilijkheden tegenkomen, fouten maken en problemen doorwerken. Wanneer AI deze worsteling wegneemt, verwijdert het mogelijk ook het leermechanisme zelf—afname van inspanning.

3. Automatiseringsbias en verantwoordelijkheidsdiffusie

Automatiseringsbias—de neiging om geautomatiseerde suggesties te verkiezen zelfs wanneer ze in strijd zijn met menselijk oordeel—treft alle gebruikers, maar minder-capabele gebruikers missen het vertrouwen en de vaardigheden om AI-aanbevelingen te negeren. Dit creëert een gevaarlijke feedbackloop waarin degenen die AI-outputs het meest moeten bevragen, het minst toegerust zijn om dat te doen—uitgestelde twijfel.

En technologie twijfelt niet. Ze presenteert. Met zelfvertrouwen. Ook wanneer ze ongelijk heeft.

Wie loopt het grootste risico?

Niet de expert. Niet de criticus. Maar degene die geen referentiekader heeft om te corrigeren.

Denk aan een oudere die een zorg-app gebruikt. De interface suggereert zekerheid. Ze volgt wat er staat. Ze heeft geen reden om aan te nemen dat het profiel waarop de aanbeveling is gebaseerd verouderd is.

Denk aan een laaggeletterde burger die een automatisch gegenereerd overheidsbericht ontvangt. Het taalniveau is correct. De implicaties zijn dat niet.
Denk aan jongeren die schooltaken maken met digitale hulp, zonder onderscheid te kunnen maken tussen plausibel en correct.
Dit zijn geen randgevallen. Dit zijn structurele groepen. En precies daar groeit geruisloos ongelijkheid.

4 — Wat de data werkelijk laten zien

Op korte termijn lijkt alles mee te vallen. Prestaties stijgen. Productiviteit neemt toe. De verschillen lijken zelfs kleiner te worden.

Maar wie langer kijkt, ziet iets anders.

Studies van Stanford en MIT (2023) tonen een consistent patroon: laagpresteerders boeken initiële winst in outputkwaliteit, maar leren vooral gebruik. Hoogpresteerders leren strategie. Na verloop van tijd groeit het verschil in leervermogen, zelfstandigheid en kritisch oordeel. Niet explosief. Maar gestaag. Jaar na jaar.

Cruciaal: laagpresterende werknemers vertoonden verminderde prestaties wanneer AI-assistentie werd verwijderd, wat wijst op afhankelijkheid in plaats van vaardigheids­ontwikkeling.

De OESO’s Digital Economy Outlook waarschuwt dat zonder opzettelijke interventie, AI bestaande digitale kloven zal vergroten. Het patroon is duidelijk: technologietoegang alleen drijft geen gelijkheid—de capaciteit om die technologie effectief te gebruiken is de bepalende factor.

De technologie egaliseert de output. Maar polariseert de ontwikkeling. Of zoals iemand het treffend zei: AI geeft je een vis—en verkoopt het alsof je leert vissen.

Tegenwerpingen die niet volstaan: 
“Maar AI helpt laagpresteerders toch het meest?” In productiviteit, ja, maar niet in hun duurzame cognitieve groei.
“Iedereen heeft toch toegang tot dezelfde tools?” Toegang zonder vaardigheid is geen gelijkheid. Het is blootstelling.
“Nieuwe technologie veroorzaakt altijd ongelijkheid.” Precies. En dat is geen excuus, maar voorkennis. Daar moet je dus iets mee…

5 — Wat er nodig is (en wat niet)

Onderwijs: van toolgebruik naar denkdiscipline

Leer jongeren niet hoe ze AI gebruiken, maar wanneer ze haar niet moeten geloven. Laat ze fouten analyseren. Laat ze uitleggen waarom een antwoord overtuigend klinkt—en waarom dat gevaarlijk kan zijn.
Meet niet alleen wat studenten leren, maar ook wat ze niet meer oefenen.

Publieke sector: ontwerp voor verschil, niet voor het gemiddelde

Stop met systemen die impliciet uitgaan van digitale vaardigheid. Maak zichtbaar wanneer communicatie automatisch is gegenereerd. Bied altijd een menselijk alternatief—niet als gunst, maar als recht.

Technologie: frictie als ethische keuze

Ontwerp systemen die soms vertragen. Die vragen stellen in plaats van antwoorden geven. Die onderscheid maken tussen leren en produceren.
Niet alles wat efficiënt is, is wenselijk.

Voor burgers: denkvermogen actief onderhouden

Plan momenten zonder digitale tussenkomst. Houd bij wanneer technologie je sneller maakt—en wanneer ze je denken overneemt. Stel jezelf regelmatig één simpele vraag:
Ben ik wijzer geworden—of alleen efficiënter?

Conclusie: De ongemakkelijke waarheid…

AI maakt niemand slimmer. Het maakt slim handelen makkelijker—voor wie al slim handelde.

De echte uitdaging is dus niet hoeveel antwoorden we krijgen, maar of we ons denkvermogen overeind houden (of zelfs stimuleren) terwijl/doordat technologie meedraait.
Dat is geen technisch probleem maar een maatschappelijke keuze. Een keuze die vraagt om kritisch onderwijs, wijs beleid en ontwerp dat beschermt wat kwetsbaar is.

De vraag is niet of technologie onze toekomst bepaalt maar of wij dat nog zélf doen. Want uiteindelijk draait het niet om kunstmatige intelligentie. Het draait om menselijke wijsheid.

 

Voor de puritein:

In mijn blog hanteer ik “intelligentie” niet in psychometrische zin, maar functioneel: als het vermogen om kennis te verwerven, te structureren, kritisch te evalueren en toe te passen in context. In de literatuur wordt dit doorgaans beschreven als een combinatie van cognitieve vaardigheden, metacognitie en transfervermogen.
Mijn kernstelling is dat AI deze functionele intelligentie niet additief vergroot, maar differentieel versterkt. Gebruikers met reeds ontwikkelde metacognitieve controle en domeinkennis leren strategie en vergroten hun oordeelsvermogen, terwijl gebruikers zonder die basis vooral output consumeren. Dat vergroot op termijn verschillen in leervermogen en zelfstandige besluitvorming, los van iemands gemeten IQ.
Ik onderschrijf het begripsmatige onderscheid dus volledig; mijn zorg betreft het bredere effect van AI op de ontwikkeling en toepassing van die onderliggende vermogens.

 

Jeroen Teelen

8 januari 2026