Het gesprek vertrekt vanuit Merleau-Ponty’s verschuiving van het cartesiaanse ‘ik denk’ naar het ‘ik kan’, die ik eerder beschreef in mijn blog Ik kan, dus ik ben. Menselijke ervaring en bewustzijn beginnen in dit perspectief niet bij abstract denken, maar bij een lichaam dat waarneemt, handelt en zich door ervaring tot de wereld leert verhouden. Vanuit die gedachte benaderen we AI niet in de eerste plaats als middel om werk efficiënter te maken, maar als mogelijk verlengstuk van menselijk handelen en denken.

Een terugkerende vraag in het gesprek is het verschil tussen ‘wat levert AI op?’ en ‘wat kan ik ermee?’. In organisaties wordt technologie volgens ons al snel beoordeeld op tijdwinst en efficiëntie. Een toepassing als Autoscriber, die gesprekken vastlegt en samenvat, is daarvan een voorbeeld. Minder hoeven typen kan nuttig zijn, bijvoorbeeld omdat een zorgprofessional daardoor meer aandacht aan een patiënt kan geven. Tegelijk blijft zo’n toepassing vooral een verbetering van iets wat al gebeurde: een gesprek voeren en daar vervolgens een verslag van maken. De vraag is daarom of AI alleen bestaand werk sneller uitvoert of ook nieuwe vormen van professioneel handelen mogelijk maakt.

Gerjanne heeft als verpleegkundig specialist door jarenlang gesprekken te voeren een eigen manier ontwikkeld om snel de essentie van een patiëntgesprek vast te leggen. Een automatische samenvatting met Autoscriber levert haar op dit moment weinig op, omdat de tool (te) veel registreert, terwijl zij door ervaring selecteert wat relevant is. Voor een minder ervaren collega of iemand die andere soorten gesprekken voert, kan dezelfde toepassing wel behulpzaam zijn. Dat leidt tot de vraag of haar terughoudendheid tegenover een nieuwe technologie weerstand tegen verandering is, of een professioneel oordeel dat de technologie in deze vorm nog te weinig toevoegt.

Hier raakt het gesprek direct aan Merleau-Ponty. Veel vakmanschap ontstaat door doen. Een ervaren timmerman gebruikt een hamer vrijwel zonder iedere beweging bewust te plannen. Een ervaren automobilist berekent niet voortdurend de positie en afmetingen van de auto. Auto en bestuurder vormen in het handelen als het ware één praktisch geheel. Hetzelfde geldt in professionele situaties. Een ervaren verpleegkundige die bloed afneemt, hoeft niet iedere beweging bewust te plannen. Door oefening zijn waarnemen en handelen op elkaar afgestemd geraakt. Een hulpmiddel kan zo onderdeel worden van iemands praktische ‘ik kan’.

Dat opent een andere manier om naar AI te kijken. AI hoeft niet in de eerste plaats menselijke handelingen te vervangen. Het kan ook een hulpmiddel worden dat het menselijke vermogen uitbreidt. In het gesprek ontstaat bijvoorbeeld het idee om een toepassing als Autoscriber niet vooral voor verslaglegging te gebruiken, maar om in tientallen of honderden gesprekken verbanden te herkennen die voor één professional moeilijk te overzien zijn. Op het niveau van één patiënt zou AI mogelijke aandachtspunten kunnen expliciteren; over langere tijd zou het patronen kunnen signaleren. De professional blijft degene die het gesprek voert, waarneemt, beoordeelt en handelt, terwijl AI de informatie rond dat handelen kan structureren en met elkaar in verband kan brengen. Dat is de stap van samenvatten naar het ondersteunen van inzicht.

In het gesprek maken we ook onderscheid tussen menselijke en kunstmatige intelligentie. AI kan snel veel informatie verwerken, verbanden leggen en kennis toegankelijk maken. Mensen handelen ook vanuit hun ervaring en vanuit wat er op dat moment in een concrete situatie gebeurt. Iemand die vaak met kwetsbare materialen werkt, weet bijvoorbeeld vanzelf hoe voorzichtig hij iets moet vastpakken. Een zorgprofessional kan tijdens een gesprek merken dat er iets verandert en daarop zijn handelen aanpassen. Zulke voorbeelden laten zien dat professioneel handelen meer is dan kennis toepassen.

De conclusie is niet dat AI dit soort vaardigheden nooit zal kunnen ontwikkelen. Merleau-Ponty laat wel zien dat intelligentie meer is dan kennis hebben of een examen goed maken. Mensen leren ook door te doen, te ervaren en aan te voelen wat een situatie vraagt. De huidige AI heeft die lichamelijke ervaring van de wereld niet. Of technologie dat ooit op een vergelijkbare manier kan ontwikkelen, weten we nog niet.

Daarmee ontstaat ook een vraag voor het opleiden van professionals. Als praktisch kunnen door ervaring wordt ontwikkeld, wat gebeurt er dan wanneer beginnende verpleegkundigen, juristen of andere professionals al vroeg taken aan AI overlaten? AI kan beginners toegang geven tot kennis en hen sneller op weg helpen, maar kan ook leerervaringen vervangen die nodig zijn om zelfstandig vakmanschap te ontwikkelen. We trekken hier nog geen concrete conclusie uit. Wel betekent het dat het onderwijs kritisch moet kijken naar de verhouding tussen theoretische kennis, praktijkervaring en technologie, en naar de manier waarop die worden getoetst.

Het schrijven van een theoretische tekst wordt bijvoorbeeld een minder vanzelfsprekende maat voor zelfstandig begrip en kunnen wanneer AI dat schrijven sterk kan ondersteunen. Praktisch handelen en reflecteren op concrete situaties kunnen daardoor meer gewicht krijgen in de professionele ontwikkeling. Dat roept opnieuw de vraag op of beroepsonderwijs sterker vanuit leren in de praktijk moet worden georganiseerd.

Ik gebruik zelf AI onder andere om sneller toegang te krijgen tot verschillende kennisgebieden, informatie met elkaar te verbinden en mijn denkproces te ondersteunen. Dat is deels efficiëntie: onderzoek dat vroeger veel meer tijd kostte, kan sneller verlopen. Maar ik krijg ook toegang tot verbanden en perspectieven die ik zonder die ondersteuning mogelijk niet, of pas veel later, had gevonden.

Daar staat een risico tegenover. Wie AI gebruikt om een vakgebied te verkennen waarin hij zelf geen formele scholing heeft, moet kritisch blijven op de kwaliteit van de antwoorden en kan fundamentele kennis of vaardigheden overslaan. Dat geldt in mijn eigen geval bijvoorbeeld voor filosofie. AI vergroot mijn toegang tot een vakgebied, maar maakt mij daarmee nog geen geschoold filosoof. Ook dat maakt de relatie tussen technologie en leren tot meer dan een efficiëntievraag.

De belangrijkste conclusie van het gesprek is daarom dat Merleau-Ponty een bruikbaar perspectief biedt om AI niet uitsluitend als concurrerende intelligentie of efficiëntie-instrument te bekijken. Wanneer het menselijke ‘ik kan’ het uitgangspunt is, kan AI worden onderzocht als hulpmiddel rond dat handelen: om informatie te verwerken, verbanden zichtbaar te maken, reflectie te ondersteunen en mogelijk het leren te versnellen.

De eerdere vergelijking met de hamer of de auto is daarbij niet letterlijk, maar richtinggevend. Merleau-Ponty gebruikte zulke voorbeelden om te laten zien hoe hulpmiddelen onderdeel kunnen worden van ons praktische handelen. De toepassing van dat idee op AI is onze eigen doordenking: kan ook AI zo worden opgenomen in professioneel handelen dat er werkelijk een nieuw ‘ik kan’ ontstaat?

Dat betekent dat we niet alleen moeten vragen welke menselijke taak AI kan overnemen, maar vooral welk nieuw menselijk kunnen kan ontstaan wanneer professionele ervaring en AI elkaar aanvullen.

Die vraag voorkomt dat efficiëntie het enige criterium wordt. Tegelijk vraagt zij aandacht voor vakmanschap: welke vaardigheden moeten mensen zelf blijven ontwikkelen, welk professioneel oordeel mag niet verdwijnen en waar voegt AI
werkelijk iets toe wat mensen alleen moeilijk kunnen?

Ons gesprek eindigde daarmee bij een tweezijdige conclusie. AI kan menselijk handelen uitbreiden, maar alleen wanneer duidelijk blijft wat de professional zelf moet kunnen en ervaren. De uitdaging is te onderzoeken hoe AI werkelijk een verlengstuk van professioneel handelen kan worden zonder het ervaringsleren waarop dat handelen rust uit te hollen. AI als verlengstuk van wat ik noem het professionele kunnen.