*An English-language synopsis as well as music video is provided at the end of this entry.

De belofte van kunstmatige intelligentie is verleidelijk: minder zoeken, minder schrijven, minder wachten en minder fouten. AI maakt werk sneller, eenvoudiger en comfortabeler. Maar wat gebeurt er wanneer technologie niet alleen administratieve lasten wegneemt, maar ook het twijfelen, proberen, interpreteren en oordelen?

Misschien is frictieloze AI niet uitsluitend de oplossing, misschien wordt zij ook een probleem.

Want juist cognitieve frictie, de mentale weerstand die ontstaat wanneer een antwoord niet direct beschikbaar is, dwingt ons om aandachtig te kijken, alternatieven af te wegen en verantwoordelijkheid te nemen.

Wanneer AI die weerstand structureel verwijdert, winnen organisaties mogelijk productiviteit, maar verliezen zij ongemerkt iets anders: het menselijke vermogen om zelfstandig te denken wanneer het er werkelijk toe doet.

De vraag is daarom niet alleen hoeveel werk AI kan overnemen. De fundamentelere vraag is welke moeite we de mens niet mógen ontnemen.

Frictie lijkt inefficiënt, maar is vaak functioneel

In veel organisaties geldt frictie als iets negatiefs. Processen moeten soepeler, doorlooptijden korter en medewerkers productiever. Vanuit dat perspectief lijkt generatieve AI de ideale technologie. Een medewerker hoeft niet langer uren te zoeken, een eerste versie te schrijven of verschillende scenario’s zelf uit te werken. Eén goede opdracht aan een AI-systeem kan voldoende zijn.

Dat levert onmiskenbaar voordelen op: niet iedere vorm van moeite verdient bescherming. Niemand wordt een betere professional van het handmatig overtypen van gegevens, het eindeloos zoeken naar standaardinformatie of het opnieuw maken van een vrijwel identieke rapportage.

Maar er bestaat een belangrijk verschil tussen overbodige procesfrictie en waardevolle cognitieve frictie.

Procesfrictie vertraagt zonder iets toe te voegen. Cognitieve frictie vertraagt omdat iemand moet begrijpen, vergelijken, twijfelen of beslissen. Die vertraging is niet altijd een defect in het werkproces, soms ís zij het werk.

Een jurist die een tegenargument formuleert, een arts die afwijkende signalen probeert te duiden, een beleidsadviseur die belangen tegen elkaar afweegt of een leidinggevende die een ongemakkelijk gesprek voorbereidt, produceert niet alleen een uitkomst. Tijdens het proces ontwikkelt die professional ook beoordelingsvermogen.

Dat vermogen ontstaat zelden zonder inspanning.

AI verandert niet alleen wat we doen, maar hoe we leren

De grootste impact van AI ligt mogelijk niet in de taken die verdwijnen, maar in de ervaringen die medewerkers niet meer opdoen.

Veel deskundigheid wordt opgebouwd door herhaling: zelf een eerste analyse maken, een verkeerde inschatting corrigeren, feedback ontvangen en gaandeweg patronen leren herkennen. Wanneer AI steeds vaker de eerste versie, de analyse en het handelingsadvies levert, wordt de professional direct naar de rol van beoordelaar verplaatst.

Dat lijkt aantrekkelijk, maar beoordelen is niet noodzakelijk eenvoudiger dan produceren. Om een goed antwoord van een overtuigend klinkend maar onjuist antwoord te onderscheiden, is juist domeinkennis nodig. Wie onvoldoende eigen ervaring heeft opgebouwd, kan de kwaliteit van AI-uitkomsten moeilijk vaststellen.

Hier ontstaat een paradox: hoe beter AI wordt in het leveren van plausibele antwoorden, hoe minder zichtbaar het wordt of de gebruiker nog in staat is die antwoorden zelfstandig te controleren.

Voor ervaren professionals kan AI een krachtige versterker zijn. Zij beschikken over referentiekaders, herkennen uitzonderingen en weten wanneer een uitkomst niet klopt. Voor starters kan dezelfde technologie de leerlijn inkorten waarop dat beoordelingsvermogen normaal gesproken wordt ontwikkeld; de 'kanaries in de kolenmijn'. 

De organisatie krijgt dan op korte termijn meer output, maar bouwt op langere termijn een tekort aan zelfstandig vakmanschap op.

Van automatisering naar Human Hollowing

Dit mechanisme kan leiden tot wat ik Human Hollowing noem: formeel blijft de mens onderdeel van het proces, maar inhoudelijk worden steeds meer onderdelen van het denken aan technologie overgedragen.

De medewerker schrijft nog steeds het rapport, maar AI formuleerde de argumentatie. De professional neemt nog steeds de beslissing, maar het systeem bepaalde welke informatie relevant was. De leidinggevende blijft verantwoordelijk, maar het handelingsadvies kwam uit een model waarvan de aannames nauwelijks werden onderzocht.

De mens verdwijnt niet uit het organogram, wel kan zijn cognitieve rol langzaam worden uitgehold.

Dat wordt vaak pas zichtbaar wanneer het systeem faalt, een uitzonderlijke situatie ontstaat of een beslissing publiekelijk moet worden verantwoord. Dan blijkt dat iemand formeel verantwoordelijk is gebleven voor een proces dat hij of zij inhoudelijk steeds minder beheerst.

Human Hollowing is daarom niet alleen een ontwikkelvraagstuk, het is ook een governance- en continuïteitsrisico. Dan wordt 'AI-RTO: Artificial Intelligence Recovery Time Objective.' relevant.

Het Cognitive Allocation Principle

De kern kan worden samengevat in het Cognitive Allocation Principle:

De waarde van AI wordt niet bepaald door hoeveel werk AI verricht, maar door welke cognitieve activiteiten de mens blijft uitvoeren.

Organisaties dienen dus niet alleen taken te verdelen tussen mens en technologie. Ze dienen te bepalen wie observeert, interpreteert, twijfelt, beslist, controleert, leert en uiteindelijk verantwoordelijkheid draagt.

Dat vraagt om een andere benadering van AI-implementatie. De dominante vraag luidt nu vaak: Waar kunnen we tijd besparen? Een betere vraag is: Welke menselijke vermogens willen we door het werk blijven ontwikkelen?

Het Human Capital Allocation Framework sluit hierop aan. Bij iedere AI-toepassing moet niet alleen worden vastgesteld wie de taak uitvoert, maar ook:

• wie het probleem definieert;

• wie alternatieven formuleert;

• wie de uitkomst kritisch controleert;

• wie mag afwijken van het advies;

• wie van fouten leert;

• en wie aantoonbaar verantwoordelijk blijft.

Wanneer al deze cognitieve activiteiten naar AI verschuiven, resteert voor de mens vooral goedkeuren. Maar een mens die uitsluitend op “akkoord” mag klikken, vormt geen betekenisvolle menselijke controle.

Van gebruiksrecht naar recht op frictie

We spreken veel over het recht om AI te gebruiken en het recht om niet uitsluitend door een algoritme te worden beoordeeld. Daar zou een derde principe aan kunnen worden toegevoegd: het recht op cognitieve frictie.

Dat is geen pleidooi voor inefficiëntie of een romantisering van ouderwets werken. Het betekent dat professionals voldoende ruimte moeten behouden om zelf te onderzoeken, te oefenen, tegenspreken en beslissen. Niet ondanks de komst van AI, maar juist omdat zij anders steeds afhankelijker worden van systemen die ze geacht worden te controleren.

Zo’n recht zou in de praktijk kunnen betekenen dat:

• beginnende professionals eerst een eigen analyse maken voordat zij AI raadplegen;

• bij beslissingen met grote gevolgen altijd een zelfstandig menselijk oordeel wordt vastgelegd;

• medewerkers AI-uitkomsten zonder negatieve consequenties mogen betwijfelen;

• teams periodiek zonder AI oefenen om kritieke kennis en vaardigheden beschikbaar te houden;

• productiviteitsmetingen niet alleen output, maar ook leren, vakmanschap en beslisvermogen waarderen.

Niet alle medewerkers hebben voortdurend dezelfde hoeveelheid frictie nodig. Een ervaren expert kan routinetaken vergaand automatiseren zonder direct deskundigheid te verliezen. Een starter die hetzelfde doet, kan precies de ervaringen overslaan die nodig zijn om expert te worden. Cognitieve taakverdeling moet daarom ook rekening houden met loopbaanfase, ervaring en de strategische kennisbehoefte van de organisatie.

De keuze in de bestuurskamer

De inzet van AI wordt vaak gepresenteerd als een technologische of operationele beslissing. In werkelijkheid is het een keuze over de toekomstige kwaliteit van menselijk kapitaal.

Wie bepaalt welke cognitieve activiteiten behouden blijven? Wie is eigenaar van de ontwikkeling van professioneel beoordelingsvermogen? En hoe wordt zichtbaar of efficiëntiewinst leidt tot afhankelijkheid, verschraling van vakmanschap of verlies van organisatorisch geheugen?

Dat kan niet uitsluitend aan individuele medewerkers of IT-afdelingen worden overgelaten. Bestuurders, HR, Leren & Ontwikkelen en de vakinhoudelijke organisatie moeten gezamenlijk vaststellen welke menselijke capaciteiten strategisch en kritisch zijn. Vervolgens dienen zij AI zo te ontwerpen dat die capaciteiten worden versterkt of ten minste regelmatig worden geoefend.

Daarbij passen andere indicatoren dan alleen tijdwinst en productiviteit. Organisaties dienen ook te meten:

• of medewerkers nog zelfstandig tot een oordeel kunnen komen;

• hoeveel belangrijke besluiten zonder kritische toets worden overgenomen;

• of starters voldoende gelegenheid krijgen om expertise op te bouwen;

• hoe vaak medewerkers AI corrigeren of gemotiveerd tegenspreken;

• en hoe lang kritieke processen zonder AI verantwoord kunnen doorgaan.

Dat zijn geen zachte HR-indicatoren, het zijn vroege signalen van menselijke-kapitaalschuld en organisatorische kwetsbaarheid.

Niet de mens in de lus, maar de mens in ontwikkeling

'Human in the loop' is een geruststellende formulering. Maar alleen aanwezig zijn in een proces is onvoldoende. De relevante vraag is of de mens nog werkelijk denkt, leert, kan ingrijpen en verantwoordelijkheid kan dragen.

De opdracht voor organisaties is daarom niet om zoveel mogelijk cognitieve frictie te elimineren. Zij dienen onderscheid te maken tussen moeite die mensen belemmert en moeite die mensen vormt.

AI mag ons bevrijden van zinloos werk. Maar zij mag ons niet ongemerkt beroven van de ervaringen waarmee we deskundigheid, autonomie en karakter ontwikkelen.

De beslissende vraag van het AI-tijdperk wordt:

Welke cognitieve frictie dienen we bewust te behouden om ervoor te zorgen dat mensen ook zonder AI kunnen blijven denken, oordelen en handelen?

Want soms is de moeite die we proberen weg te automatiseren precies datgene wat ons bekwaam houdt.

Willem E.A.J. Scheepers, AI Implementer

The Price of Effortless AI

As AI makes work faster and easier, organisations risk removing more than administrative burden: they may also remove the thinking processes through which professionals develop judgement, autonomy and expertise.

This article argues for preserving cognitive friction—the effort involved in questioning, interpreting, comparing and deciding. Not all friction is valuable: repetitive bureaucracy should disappear. But the struggle involved in forming an independent analysis or weighing difficult alternatives is often where professional capability is built.

This matters especially for early-career professionals. If AI consistently produces the first analysis, draft and recommendation, people may become reviewers before they have developed the knowledge needed to assess AI critically. The result is Human Hollowing: people remain formally accountable, while their substantive cognitive role gradually erodes.

The Cognitive Allocation Principle offers a practical response: the value of AI is not determined by how much work it performs, but by which cognitive activities people continue to undertake. Organisations should deliberately allocate problem definition, critical judgement, dissent, learning and accountability—not merely tasks—between humans and AI.

The central question is therefore no longer how to make work completely frictionless, but which forms of cognitive effort must be retained to ensure that people can still think, judge and act when AI cannot.