De wetenschappelijke literatuur laat zien dat generatieve AI de productiviteit daadwerkelijk kan verhogen. In een veelgeciteerde studie voerden kenniswerkers schrijftaken gemiddeld ongeveer 40 procent sneller uit, terwijl de kwaliteit van hun werk eveneens toenam (Noy & Zhang, 2023). Ook een veldexperiment van Harvard Business School en Boston Consulting Group liet zien dat consultants met ondersteuning van GPT-4 gemiddeld betere resultaten behaalden bij geschikte kennisintensieve taken. Tegelijkertijd bleek dat dezelfde technologie bij taken buiten haar sterke toepassingsgebied juist tot slechtere beslissingen kon leiden (Dell’Acqua et al., 2026). De productiviteitswinst is daarmee goed onderbouwd. Minder duidelijk is welke gevolgen intensief gebruik heeft voor de manier waarop mensen denken, leren en gezamenlijk kennis ontwikkelen.

Een terugkerend thema in de literatuur is cognitieve uitbesteding (cognitive offloading): mensen besteden een deel van hun denkwerk uit aan externe hulpmiddelen (Risko & Gilbert, 2016). Dat is op zichzelf niet nieuw; ook rekenmachines, navigatiesystemen en zoekmachines doen dit. Bij generatieve AI gaat het echter steeds vaker om hogere cognitieve processen, zoals redeneren, schrijven, structureren, argumenteren en samenvatten. Wanneer deze ondersteuning uitgroeit van hulpmiddel tot standaardroute voor vrijwel iedere cognitieve taak, kan de bereidheid om zelf te analyseren, te reflecteren en alternatieven te onderzoeken geleidelijk afnemen.

In een eerdere reflectie heb ik dit beschreven als het risico van cognitieve luiheid: niet omdat mensen minder intelligent worden, maar omdat zij minder vaak de mentale inspanning leveren die nodig is om kennis, expertise en een eigen oordeel op te bouwen (Derksen, 2025). Recente onderzoeken laten zien dat intensief gebruik inderdaad kan samenhangen met minder kritische reflectie en minder eigen cognitieve inspanning, vooral wanneer AI zonder actieve controle wordt gebruikt (Lee et al., 2025).

Vanuit de cognitieve psychologie kan dit ook worden begrepen als een verschuiving van inspannend, analytisch denken naar sneller en intuïtiever denken, zoals beschreven door Kahneman. Generatieve AI automatiseert steeds meer tussenstappen in het denkproces. Dat maakt kenniswerk efficiënter, maar kan er ook toe leiden dat mensen minder vaak bewust overschakelen naar het langzamere, reflectieve denken dat nodig is voor complexe oordeelsvorming.

Ook in het onderwijs zijn aanwijzingen gevonden dat de manier waarop AI wordt gebruikt bepalend is voor het leerresultaat. Een grootschalig experiment onder bijna duizend middelbare scholieren liet zien dat leerlingen met toegang tot GPT-4 tijdens het oefenen betere prestaties leverden, maar dat een deel van deze winst verdween zodra de AI niet langer beschikbaar was. De onderzoekers concludeerden dat AI vooral leerwinst oplevert wanneer leerlingen worden gestimuleerd zelf te redeneren en AI te gebruiken als ondersteuning in plaats van als antwoordmachine (Bastani et al., 2025).

Naast individuele cognitieve effecten besteden onderzoekers steeds meer aandacht aan de sociale kant van kennisontwikkeling. Ideeën ontstaan zelden volledig individueel, maar worden gevormd door gesprekken, discussie, feedback en tegenspraak. Juist die sociale interactie helpt om aannames zichtbaar te maken, argumenten aan te scherpen en gezamenlijk betekenis te geven aan complexe vraagstukken. Onderzoek naar creativiteit laat zien dat AI de kwaliteit van individuele ideeën kan verhogen, maar dat verschillende gebruikers vaker tot vergelijkbare oplossingen komen, waardoor de diversiteit van nieuwe ideeën afneemt (Doshi & Hauser, 2024).

Daarbij ontstaat nog een subtieler risico. Generatieve AI voelt vaak als een gesprekspartner, maar is in werkelijkheid vooral een systeem dat voortbouwt op de vragen, aannames en voorkeuren van de gebruiker. Daardoor kan geleidelijk een persoonlijk spiegelpaleis ontstaan: een omgeving waarin ideeën vooral worden bevestigd, verfijnd en uitgebreid binnen het eigen denkkader. Het spiegelpaleis is daarmee geen eigenschap van AI zelf, maar van de interactie tussen mens en AI. De gebruiker ervaart een dialoog, terwijl de noodzakelijke tegenspraak die ontstaat in gesprekken met collega’s, vakgenoten of andere perspectieven juist kan ontbreken.

Wetenschappelijke inzichten over onder meer confirmation bias, automation bias, epistemic bubbles en sociale kennisvorming suggereren dat kritisch denken niet uitsluitend een individueel proces is, maar juist ontstaat door confrontatie met andere opvattingen en ervaringen (Nguyen, 2020; Risko & Gilbert, 2016). Vanuit deze theoretische inzichten is het aannemelijk dat cognitieve luiheid en het spiegelpaleis elkaar kunnen versterken. Naarmate AI vaker de eerste gesprekspartner wordt, neemt niet alleen de mentale inspanning af, maar mogelijk ook de kans dat eigen aannames door anderen worden bevraagd en bijgesteld.

De literatuur schetst geen eenduidig negatief beeld. Vanuit de theorie van distributed cognition wordt denken gezien als een proces dat altijd al verdeeld is over mensen, hulpmiddelen en hun omgeving (Hutchins, 1995). In die benadering is AI geen vervanger van menselijke intelligentie, maar een cognitief hulpmiddel dat analyseren, structureren en reflecteren kan ondersteunen. Ook de leerwetenschappen benadrukken dat AI vooral waardevol is wanneer het mensen aanzet tot nadenken, alternatieven aandraagt en vragen stelt, in plaats van uitsluitend antwoorden te geven. De vraag is daarom niet óf AI menselijke intelligentie vervangt, maar onder welke voorwaarden zij die versterkt.

Generatieve AI zal de komende jaren waarschijnlijk een vanzelfsprekend onderdeel worden van vrijwel iedere kennisintensieve werkomgeving. De uitdaging is daarom niet alleen productiever te werken, maar vooral ervoor te zorgen dat efficiëntie niet ten koste gaat van nieuwsgierigheid, kritisch denken en gezamenlijke betekenisgeving. Uiteindelijk is de belangrijkste vraag niet hoeveel werk AI ons uit handen neemt, maar of zij ons helpt de wereld beter te begrijpen, of dat wij ongemerkt een steeds groter spiegelpaleis bouwen waarin we niet langer vooral nieuwe inzichten ontmoeten, maar steeds vaker een verfijnde versie van onze eigen overtuigingen.

Bronnen

• Bastani, H., et al. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122.
• 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, 37(2), 403–423.
• Derksen, M. (2025, 14 oktober). AI en het risico van cognitieve luiheid. LinkedIn-nieuwsbrief.
• Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290.
• Hutchins, E. (1995). Cognition in the Wild. MIT Press.
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Lee, H., et al. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article 1121, pp. 1–22). Association for Computing Machinery.
• Nguyen, C. T. (2020). Echo chambers and epistemic bubbles. Episteme, 17(2), 141–161.
• Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192.
• Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688.
• Vygotsky, L. S. (1978). Mind in Society: The Development of Higher Psychological Processes. Harvard University Press.