Deze verschuiving van hoe we naar AI kijken hangt samen met de snelle verspreiding van AI in de afgelopen jaren. Systemen die ooit in onderzoeksomgevingen werden ontwikkeld, zijn nu geïntegreerd in alledaagse praktijken, van zoekmachines en aanbevelingssystemen tot toepassingen in de publieke en private sector. Tegelijkertijd is duidelijk geworden dat deze systemen niet neutraal zijn. We kennen inmiddels voorbeelden waarin algoritmen besluitvorming beïnvloeden of verstoren.

De kern van de benadering van Farrell en collega’s is dat de recente, grote AI-modellen geen autonome intelligenties zijn, maar systemen die menselijke kennis samenvatten en herstructureren. Net als markten, statistieken of bureaucratische categorieën produceren zij vereenvoudigde representaties van een complexe werkelijkheid. Deze representaties zijn noodzakelijk selectief en daardoor altijd onvolledig: ze maken bepaalde patronen zichtbaar en laten andere buiten beeld. Deze “lossy” vorm van kennis is geen fout die eenvoudig kan worden opgelost, maar een structurele eigenschap. Juist doordat complexiteit wordt teruggebracht, kunnen deze systemen op schaal worden gebruikt.

Daarmee vervullen AI-systemen niet alleen een informatiefunctie, maar ook een coördinerende rol. Door informatie te structureren en te standaardiseren maken zij het mogelijk dat mensen en organisaties hun handelen op elkaar afstemmen zonder volledige kennis van de onderliggende complexiteit. In die zin lijken ze op sociale technologieën zoals markten en bureaucratieën, die via prijzen of categorieën collectieve actie organiseren.

Deze systemen bouwen direct voort op menselijke activiteit. Ze zijn getraind op grote hoeveelheden door mensen geproduceerde data en worden verder verfijnd met menselijke feedback. Wie een AI-systeem gebruikt, maakt daarmee gebruik van een geconcentreerde vorm van collectieve kennis en arbeid. Wat als “intelligent gedrag” verschijnt, is in feite het resultaat van patronen in menselijke data. De vraag verschuift daarmee van wat AI kan naar wat er in de data zit en wie daar invloed op heeft.

Een gevolg hiervan is dat AI niet alleen bestaande waarden beïnvloedt, maar deze mede vormt. De WRR stelt dat het onvoldoende is om AI te toetsen aan een vaste lijst van waarden, omdat systeemtechnologieën juist de context veranderen waarin die waarden betekenis krijgen. De auto bijvoorbeeld veranderde niet alleen mobiliteit, maar ook de inrichting van steden. Elektriciteit maakte nieuwe vormen van industriële organisatie mogelijk. Het internet leidde tot nieuwe economische structuren en machtsposities rond platformbedrijven. AI past in dit patroon, maar onderscheidt zich door de combinatie van snelheid, schaal en directe invloed op kennisproductie.

Tegelijkertijd roept AI spanningen op die kenmerkend zijn voor culturele technologieën. Eén daarvan is de verhouding tussen producenten en distributeurs van informatie. Makers van content zijn afhankelijk van systemen om hun werk te verspreiden, terwijl diezelfde systemen waarde kunnen onttrekken aan die content. Een eenvoudig voorbeeld: je stelt een vraag aan een AI en krijgt meteen een duidelijk antwoord. Dat antwoord is gebaseerd op informatie uit veel verschillende bronnen, zoals artikelen en websites. Maar omdat je het antwoord direct krijgt, ga je die bronnen vaak niet meer bekijken.

Daardoor verschuift de aandacht van de mensen die de informatie hebben gemaakt naar het platform dat het antwoord geeft. Door de schaal en snelheid van AI-systemen kan deze verschuiving groter worden, waardoor meer waarde terechtkomt bij partijen die de technologie beheren. Dit raakt aan de verdeling van waarde en aan de positie van arbeid, die vaak minder zichtbaar is maar essentieel blijft.

Daarnaast beïnvloeden deze systemen welke kennis zichtbaar wordt en welke niet. Net als statistieken of economische indicatoren sturen AI-systemen de aandacht naar wat meetbaar en herkenbaar is binnen hun modellen. Dit kan ertoe leiden dat besluitvorming zich richt op wat zichtbaar is, terwijl andere perspectieven naar de achtergrond verdwijnen. AI-systemen functioneren daarmee als filters: ze bepalen niet alleen wat we weten, maar ook wat buiten beeld blijft.

Ook is het nog de vraag of AI leidt tot meer homogeniteit of juist meer diversiteit in cultuur en kennis. Omdat modellen vooral goed presteren op veelvoorkomende patronen, bestaat het risico dat dominante perspectieven worden versterkt. Tegelijkertijd bieden deze systemen mogelijkheden om verschillende perspectieven te combineren en nieuwe inzichten te genereren. Welke kant het opgaat, hangt af van ontwerpkeuzes en gebruik.

In het onderwijs bijvoorbeeld verschuift de nadruk van kennisreproductie naar interpretatie en kritisch gebruik van informatie. In de politie beïnvloeden systemen voor risicoprofilering hoe dreiging wordt gedefinieerd en welke groepen aandacht krijgen. In de zorg veranderen AI-toepassingen de organisatie van medische kennis en de verhouding tussen data en professionele expertise. In al deze domeinen verandert AI niet alleen processen, maar ook hoe beslissingen tot stand komen.

Over deze sectoren heen ontstaat een consistent beeld: AI verandert niet alleen wat er gebeurt, maar vooral hoe kennis wordt geproduceerd, gefilterd en gebruikt. Daarmee verschuiven ook machtsverhoudingen, vaak richting partijen die deze systemen ontwikkelen en controleren. Tegelijkertijd blijft een deel van deze infrastructuur buiten zicht, bijvoorbeeld in de vorm van datacenters, energieverbruik en mondiale productieketens. Dit roept aanvullende vragen op over duurzaamheid en afhankelijkheid.

AI vraagt om een andere benadering van beleid en governance. In plaats van te focussen op afzonderlijke toepassingen is het nodig te sturen op de onderliggende infrastructuur van kennis, coördinatie en macht. Dat betekent ook dat governance niet alleen technisch of juridisch is, maar expliciet politieke en normatieve keuzes omvat. Daarbij is samenwerking tussen technische en sociale disciplines noodzakelijk om zowel de werking van systemen als hun maatschappelijke gevolgen te begrijpen.

Het publieke debat over AI wordt op dit moment vaak vooral gedomineerd door speculaties over toekomstige superintelligentie, terwijl de huidige systemen al diep ingrijpen in maatschappelijke structuren. Door AI te begrijpen als culturele infrastructuur verschuift de aandacht naar de vraag hoe deze systemen onze samenleving vormgeven, wie daarvan profiteert en wie afhankelijk wordt. Juist daar ligt de kern van de opgave.

Bronnen

• Farrell, H., Gopnik, A., Shalizi, C. R., & Evans, J. A. (2025). Large AI models are cultural and social technologies. Science, 387 (6739), 1153–1156.
• Wetenschappelijke Raad voor het Regeringsbeleid (WRR). (2021). Opgave AI: De nieuwe systeemtechnologie.