'DFI Human-AI Interaction Beyond Productivity. Towards Meaningful Human Control.'

AI verandert de manier waarop organisaties werken. Medewerkers produceren sneller rapportages, analyseren grotere hoeveelheden informatie en nemen beslissingen met ondersteuning van algoritmen. Organisaties investeren in AI om productiviteit te verhogen, kosten te verlagen en processen te verbeteren.

Maar achter deze ontwikkeling schuilt een vraag die veel minder aandacht krijgt.

Wat gebeurt er met de mensen die steeds intensiever met AI samenwerken?

Worden zij deskundiger, zelfstandiger en beter in staat complexe beslissingen te nemen? Of ontstaat geleidelijk een situatie waarin professionals wel verantwoordelijk blijven, maar steeds minder zelfstandig kunnen beoordelen wat AI voorstelt?

Dat onderscheid kan bepalend worden voor de kwaliteit van toekomstige organisaties.

Productiviteit is niet hetzelfde als goede samenwerking

De economische mogelijkheden van generatieve AI zijn inmiddels in verschillende onderzoeken aangetoond.

Brynjolfsson, Li en Raymond (2025) onderzochten de invoering van generatieve AI bij medewerkers van een klantenserviceorganisatie. Zij vonden een gemiddelde productiviteitsverbetering van ongeveer 15 procent. Vooral minder ervaren medewerkers profiteerden.

Dat is een belangrijk resultaat. AI kan kennelijk helpen om kennis en werkwijzen toegankelijk te maken die anders vooral bij ervaren professionals aanwezig zijn. Maar hogere productiviteit zegt niet automatisch iets over de ontwikkeling van zelfstandig professioneel oordeel.

Een medewerker kan dankzij AI sneller werken, zonder daardoor beter te worden in het zelfstandig oplossen van problemen. Sterker nog: wanneer AI steeds vaker analyses voorbereidt, alternatieven formuleert en conclusies presenteert, kan het voor medewerkers minder noodzakelijk worden om die denkstappen zelf uit te voeren.

Of dit daadwerkelijk leidt tot verlies van vaardigheden, hangt af van de manier waarop AI wordt gebruikt en hoe werkprocessen worden ingericht.

De vraag is daarom niet alleen hoeveel productiviteit AI oplevert, maar ook welke menselijke competenties daardoor worden ontwikkeld, behouden of mogelijk verzwakt.

De menselijke aanwezigheid garandeert geen menselijke controle

Een tweede belangrijk inzicht komt uit onderzoek naar de samenwerking tussen mensen en AI.

Vaccaro, Almaatouq en Malone (2024) analyseerden experimentele onderzoeken waarin prestaties van mensen, AI en combinaties van beide werden vergeleken. Hun meta-analyse laat zien dat mens-AI-combinaties gemiddeld beter kunnen presteren dan mensen alleen, maar niet vanzelfsprekend beter dan de beste afzonderlijke partij.

Dat onderscheid is cruciaal. Een organisatie kan AI introduceren, medewerkers betrokken houden en toch minder goede beslissingen nemen dan mogelijk zou zijn. Het probleem is dat menselijke betrokkenheid vaak wordt verward met menselijke controle.

Neem een HR-professional die een AI-advies ontvangt over de geschiktheid van een sollicitant. Formeel neemt de medewerker de beslissing. Maar wat betekent dat wanneer de medewerker onvoldoende begrijpt hoe het advies tot stand kwam, geen tijd heeft voor onafhankelijke beoordeling of nauwelijks ruimte ervaart om ervan af te wijken? 

Dan bestaat het risico dat de menselijke beoordeling vooral een administratieve bevestiging van een AI-uitkomst wordt. De verantwoordelijkheid blijft bij de mens, terwijl de feitelijke invloed op het besluit verschuift naar het systeem.

AI verandert ook de waarde van expertise

Onderzoek van Dell'Acqua en collega's naar kenniswerk laat zien dat AI aanzienlijke prestatieverbeteringen kan opleveren bij taken die binnen de mogelijkheden van het systeem vallen. Maar wanneer AI buiten die mogelijkheden wordt ingezet, kunnen professionals door overtuigend gepresenteerde, onjuiste antwoorden juist slechter presteren. Dat roept een interessante vraag op.

Wat betekent professionele deskundigheid wanneer AI steeds vaker het eerste antwoord levert?

Traditioneel wordt expertise onder meer opgebouwd door ervaring, oefening, het herkennen van patronen en het maken en corrigeren van fouten. In een AI-ondersteunde werkomgeving verandert dat proces.

De professional moet niet alleen inhoudelijk deskundig zijn, maar ook kunnen beoordelen wanneer AI betrouwbaar is, wanneer aanvullende verificatie nodig is en wanneer een advies moet worden verworpen. Dat vereist een combinatie van vakkennis, kritisch denkvermogen en inzicht in de beperkingen van AI.

Organisaties die uitsluitend investeren in AI-geletterdheid, maar onvoldoende aandacht besteden aan het behoud van zelfstandige expertise, lopen daarom een risico. Ze kunnen medewerkers opleiden om AI effectief te gebruiken, zonder voldoende te investeren in hun vermogen om zonder AI tot een verantwoord oordeel te komen.

Zes dimensies van mens-AI-samenwerking

Om deze ontwikkeling systematisch te onderzoeken heb ik binnen Damies Future Intelligence het DFI Human-AI Interaction Framework ontwikkeld. Het framework onderscheidt zes samenhangende dimensies.

1. Human Agency — menselijke autonomie

In hoeverre behouden professionals de mogelijkheid om zelfstandig doelen te bepalen, keuzes te maken en hun werkzaamheden vorm te geven?

2. Decision Authority — beslissingsbevoegdheid

Wie neemt uiteindelijk de beslissing? En beschikt die persoon ook daadwerkelijk over de informatie en bevoegdheden om van AI af te wijken?

3. Accountability — verantwoordelijkheid

Is duidelijk wie verantwoordelijk is voor AI-ondersteunde beslissingen? En sluit die verantwoordelijkheid aan op de feitelijke mogelijkheden om de uitkomst te beïnvloeden?

4. Human Capability — menselijke competentie

Beschikken medewerkers over de vakinhoudelijke en analytische vaardigheden om AI-resultaten kritisch te beoordelen?

5. Human Learning — menselijk leren

Draagt AI bij aan duurzame professionele ontwikkeling? Of verdwijnen belangrijke leermomenten doordat het systeem steeds meer denkwerk overneemt?

6. Psychological Safety — psychologische veiligheid

Durven medewerkers AI-uitkomsten ter discussie te stellen, fouten te melden en afwijkende professionele oordelen te verdedigen?

Dwars door deze dimensies loopt een zevende vraagstuk: Organizational Power. Wie krijgt meer invloed door AI? Wie bepaalt welke systemen worden ingezet? En wie draagt de gevolgen wanneer AI-ondersteunde beslissingen verkeerd uitpakken?

Het framework is een conceptueel analysekader, gebaseerd op relevante inzichten uit wetenschappelijk onderzoek. Het geïntegreerde model is nog niet empirisch gevalideerd als meetinstrument.

Van human-in-the-loop naar betekenisvolle menselijke controle

Veel organisaties hanteren het principe human-in-the-loop: een mens blijft betrokken bij AI-ondersteunde besluitvorming. Maar betrokkenheid alleen is onvoldoende.

Betekenisvolle menselijke controle vereist volgens het DFI-framework vijf voorwaarden:

• Understanding: de medewerker begrijpt de relevante werking en beperkingen van AI.

• Authority: de medewerker beschikt over daadwerkelijke beslissingsbevoegdheid.

• Capability: de medewerker kan AI-uitkomsten zelfstandig beoordelen.

• Intervention: de medewerker kan ingrijpen, corrigeren of stoppen.

• Safety: de medewerker kan AI tegenspreken zonder negatieve consequenties.

Ontbreekt één van deze voorwaarden, dan kan menselijke controle in de praktijk aanzienlijk worden verzwakt. Een medewerker die een AI-besluit begrijpt maar niet mag corrigeren, heeft onvoldoende controle.

Hetzelfde geldt voor een medewerker die wel mag ingrijpen, maar niet over de noodzakelijke deskundigheid beschikt. Of voor een professional die een fout herkent, maar uit angst voor negatieve gevolgen besluit te zwijgen.

Wat dienen bestuurders anders te gaan meten?

Organisaties meten AI-succes vaak aan de hand van productiviteit, tijdsbesparing, kostenreductie en gebruiksintensiteit. Die indicatoren blijven belangrijk, maar ze vertellen slechts een deel van het verhaal.

Een organisatie kan uitstekende AI-productiviteitscijfers presenteren terwijl medewerkers afhankelijker worden van systemen die zij steeds minder goed begrijpen.

Daarom zouden bestuurders ook andere vragen dienen te stellen.

• Kunnen medewerkers complexe taken nog zelfstandig uitvoeren?
• Hoe vaak worden AI-adviezen inhoudelijk gecontroleerd?
• Wie heeft de bevoegdheid om een AI-gestuurd proces te stoppen?
• Worden medewerkers aantoonbaar deskundiger door AI-gebruik?
• En voelen zij zich vrij om onjuiste AI-uitkomsten te melden?

Deze vragen verschuiven de aandacht van uitsluitend technologische prestaties naar de kwaliteit van mens-AI-samenwerking.

De volgende fase van AI-transformatie

De invoering van AI wordt vaak gepresenteerd als een technologisch verandertraject. Maar naarmate AI dieper doordringt in besluitvorming, analyse en uitvoering, wordt het steeds nadrukkelijker een vraagstuk van organisatieontwerp, leiderschap en menselijke ontwikkeling.

De belangrijkste bestuurlijke uitdaging is niet alleen om AI steeds meer werkzaamheden te laten uitvoeren. Het is om organisaties zo in te richten dat mensen, juist door de samenwerking met AI, beter kunnen blijven denken, leren, beoordelen en verantwoordelijkheid nemen.

Om deze vraagstukken praktisch te onderzoeken is het DFI Human-AI Interaction Framework ook beschikbaar via de Human-AI Interaction Strategist, een gespecialiseerde GPT waarmee professionals en organisaties hun eigen situatie kunnen analyseren.

Een aanvullende methodologische verdieping verschijnt op mijn WordPress-blog Beyond Human-in-the-Loop: Measuring Meaningful Human Control in AI Organizations. 

De toekomst van werk wordt niet alleen bepaald door wat AI kan overnemen, maar ook door wat organisaties hun medewerkers laten behouden.

Autonomie. Vakmanschap. Verantwoordelijkheid. En de vrijheid om zelfstandig te blijven denken.

Willem E.A.J. Scheepers — Damies Future Intelligence (DFI)

Wetenschappelijke referenties

Vaccaro, M., Almaatouq, A., & Malone, T. W. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour. DOI: 10.1038/s41562-024-02024-1.

Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at Work. The Quarterly Journal of Economics. DOI: 10.1093/qje/qjae044.

Dell'Acqua, F., et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science. DOI: 10.1287/orsc.2025.21838.