De ontwikkeling waarbij AI niet alleen reagert op vragen, maar ook zelfstandig onderzoeks-taken plant, uitvoert en bijstuurt wordt ook wel aangeduid als AI-mediated research. Daarbij voeren AI-systemen een groot deel van de cognitieve stappen in het onderzoek uit, zoals het doorzoeken van literatuur, het leggen van verbanden en het formuleren van hypothesen. De mens blijft nodig, maar verschuift naar een rol waarin hij of zij richting geeft, keuzes maakt en resultaten beoordeelt.

Ontwikkelingen binnen organisaties als Google DeepMind laten zien hoe ver dit al gaat. Systemen zoals AlphaFold kunnen eiwitstructuren voorspellen op een schaal en snelheid die voorheen jaren onderzoek per eiwit vereisten, terwijl toepassingen zoals de “AI co-scientist” laten zien hoe meerdere AI-componenten inmiddels al samenwerken om onderzoeksvragen te analyseren en nieuwe hypothesen te genereren.

Zo beschrijft Meike Wijers in NRC hoe een Australische ondernemer, zonder biomedische achtergrond, met hulp van AI een gepersonaliseerd kankervaccin voor zijn hond ontwikkelde. Door DNA van tumor- en gezonde cellen te analyseren met onder meer AI-tools wist hij een behandelstrategie te ontwerpen die leidde tot een zichtbare vermindering van tumoren (op basis van deze casus). Ook in de nieuwsbrief van Erwin Blom een mooi voorbeeld waarbij een patiënt met een zeldzame vorm van kanker ongeveer 25 terabyte aan biologische data verzamelde en met AI analyseerde. Dit werd gebruikt om de behandeling gericht aan te passen op basis van specifieke eiwitafwijkingen. Deze voorbeelden laten zien dat AI niet alleen helpt om sneller te werken, maar ook de toegang tot onderzoek verandert: complexe analyses worden bereikbaar voor kleinere teams en soms zelfs individuen.

Ook op systeemniveau verandert er veel. AI-systemen splitsen een enkele onderzoeksvraag vaak op in meerdere zoekacties die parallel worden uitgevoerd, soms tientallen tegelijk. Daardoor wordt literatuur niet meer lineair doorzocht, maar via brede, gelijktijdige verkenningen. Hierdoor vervaagt het onderscheid tussen individuele interactie en daadwerkelijk kennisgebruik. Onderzoek wordt daarmee minder een stap-voor-stapproces en meer een iteratieve samenwerking tussen mens en systeem.

Deze ontwikkeling brengt voordelen en nieuwe vragen met zich mee. Onderzoek kan sneller en op grotere schaal plaatsvinden, maar het wordt moeilijker om alle uitkomsten goed te controleren. Dat wordt ook wel de verification gap genoemd: AI kan meer produceren dan mensen kunnen verifiëren. Daarnaast wordt het lastiger om te bepalen wat “gebruik” van onderzoek nog betekent, omdat één vraag al kan leiden tot een groot aantal onderliggende zoekacties en analyses.

Een ding is zeker, AI-mediated research is geen toekomstmuziek meer. We zien het in de praktijk. AI maakt onderzoek sneller en breder en kan bijdragen aan het genereren van nieuwe hypothesen en inzichten. Tegelijk verschuift de kern van wetenschap van het produceren van kennis naar het beoordelen en begrijpen ervan. Dat vraagt om nieuwe manieren van controleren, meten en organiseren van kennis, en om blijvende menselijke betrokkenheid bij wat uiteindelijk als betrouwbare kennis wordt gezien.

Bronnen

• Van der Graaf, M. (2026). When machines do the research: Agentic AI, AI-mediated research and its effects on Open Science and academic libraries. Pleiade Management & Consultancy.
• Gottweis, J., Natarajan, V., et al. (2025). Towards an AI co-scientist. arXiv.
• Wylie, L. (2026). AI-mediated research discovery in action: What two months of real usage data reveals. Wiley.
• Wijers, M. (2026, 8 april). Primeur: voor het eerst maakte een niet-wetenschapper vanaf nul een gepersonaliseerd kankervaccin, voor zijn hond. NRC.
• Blom, E. (2026, 10 april). De bottleneck is niet meer de wetenschap: hoe AI kankeronderzoek democratiseert. FMT Handpicked.