ESB zet woorden op een ontwikkeling die ik al langer zie: de grootste impact van AI zit niet in productiviteit, maar in vakontwikkeling.
De discussie over de impact van AI gaat vaak over productiviteit, automatisering en banen. Maar misschien vindt een veel fundamentelere verandering plaats: AI verandert ook de manier waarop professionals hun vak leren.
Juist werkzaamheden die relatief eenvoudig te automatiseren zijn, spelen vaak een belangrijke rol bij het opbouwen van ervaring en professioneel oordeelsvermogen. Dat roept een belangrijke vraag op: hoe zorgen organisaties ervoor dat de efficiëntiewinst van vandaag niet ten koste gaat van het vakmanschap van morgen?
De afgelopen twee jaar heb ik regelmatig geschreven over de impact van AI op de accountancy en andere kennisintensieve beroepen. Daarbij heb ik bewust geprobeerd de discussie weg te halen van de bekende vragen – welke banen verdwijnen en hoeveel efficiënter worden we – naar een vraag die volgens mij veel fundamenteler is: hoe ontwikkelen we in een wereld vol AI nog nieuwe experts?
Het recente ESB-artikel AI vraagt om herziening van expertiseontwikkeling van Mark Levels en Tim Schokker geeft woorden aan precies die ontwikkeling. Niet omdat AI ons werk overneemt, maar omdat AI de manier waarop professionals hun vak leren fundamenteel verandert.
Dat lijkt misschien een subtiel verschil, maar de gevolgen kunnen groot zijn.
AI en expertiseontwikkeling: productiviteit is maar één kant
In vrijwel ieder kennisintensief beroep ontstaat expertise niet in de collegebanken of door het lezen van handboeken alleen. Vakmanschap wordt gevormd in de praktijk. Door zelf analyses uit te voeren, fouten te maken, feedback te ontvangen, alternatieven af te wegen en gaandeweg patronen te leren herkennen. Juist de werkzaamheden die we vaak als routinematig bestempelen, vormen de basis voor professioneel oordeelsvermogen.
En precies daar ligt de uitdaging.
Wanneer AI steeds vaker de eerste analyse maakt, documenten opstelt, risico’s signaleert of conclusies formuleert, worden professionals zonder twijfel productiever. Dat is een enorme kans. Maar tegelijkertijd bestaat het risico dat starters minder gelegenheid krijgen om de ervaring op te doen die nodig is om uiteindelijk zelf expert te worden.
Waarom professioneel oordeel ervaring nodig heeft
Dat zie ik ook binnen de accountancy. Een accountant ontwikkelt zich niet uitsluitend door vaktechniek te bestuderen of AI-uitkomsten te beoordelen. Professioneel-kritisch oordeelsvermogen ontstaat door zelf dossiers op te bouwen, afwijkingen te onderzoeken, verbanden te leggen, gesprekken te voeren met collega’s en cliënten en voortdurend de vraag te stellen of een uitkomst daadwerkelijk logisch, volledig en voldoende onderbouwd is. Dat leerproces laat zich niet volledig automatiseren.
Misschien is dat wel de paradox van AI. Naarmate de technologie beter wordt in het uitvoeren van werkzaamheden die traditioneel door junior professionals werden verricht, ontstaat het risico dat juist de leerschool verdwijnt waarop toekomstige experts worden gevormd. We produceren mogelijk efficiëntere professionals, maar investeren we nog voldoende in de ontwikkeling van hun vakmanschap?
Daarmee verschuift de discussie over AI. Misschien moeten we AI niet alleen beoordelen op hoeveel tijd het bespaart, maar ook op wat het betekent voor de ontwikkeling van expertise. Niet alles wat geautomatiseerd kán worden, hoeft immers ook volledig geautomatiseerd te worden. Soms zit de grootste waarde van een taak niet in het eindresultaat, maar juist in het leerproces dat eraan voorafgaat.
AI moet niet alleen het werk, maar ook het leren verbeteren
Dat betekent overigens niet dat we terug moeten verlangen naar het verleden. Integendeel. AI biedt enorme kansen om repetitieve werkzaamheden te verminderen, analyses te versnellen en professionals meer ruimte te geven voor werkzaamheden waar mensen daadwerkelijk het verschil maken. Maar juist daarom zullen organisaties opnieuw moeten nadenken over opleiden, begeleiden en kennisoverdracht.
Misschien moeten we AI niet alleen ontwerpen om werk slimmer uit te voeren, maar ook om mensen slimmer te maken. Niet door het denken over te nemen, maar door het denken uit te dagen. Niet door ervaring te vervangen, maar door ervaring te versterken.
Want uiteindelijk ontstaat professionele expertise niet doordat iemand de juiste prompt weet te schrijven, maar doordat iemand begrijpt waarom een antwoord wel of juist niet klopt.
Mij betreft is dát wel de grootste uitdaging van AI. Niet hoeveel werk de technologie kan overnemen, maar hoe wij ervoor zorgen dat ook de volgende generatie professionals het vakmanschap ontwikkelt waarop organisaties, toezichthouders en de samenleving uiteindelijk blijven vertrouwen.
Ik ben benieuwd hoe anderen hiernaar kijken. Creëren we met AI betere professionals, of lopen we het risico dat we ongemerkt de leerschool verliezen waarop vakmanschap al generaties lang is gebouwd?
Bron
Levels, M. & Schokker, T. (2026). AI vraagt om herziening van expertiseontwikkeling. ESB. https://esb.nu/ai-vraagt-om-herziening-van-expertiseontwikkeling/