De afgelopen jaren hebben we kunstmatige intelligentie vooral leren kennen als hulpmiddel. AI hielp ons bij het schrijven van teksten, het analyseren van data, het beantwoorden van vragen en het automatiseren van routinematige werkzaamheden.
Het dominante beeld was dat van een slimme assistent die informatie toegankelijker maakt en ons helpt betere beslissingen te nemen. Maar wat als AI niet langer primair wordt ingezet om mensen te informeren? Wat als AI wordt ingezet om mensen te overtuigen?
Die vraag drong zich bij ons op na het lezen van berichten over een klacht van artsen tegen Philip Morris. Volgens de critici gebruikt de tabaksfabrikant een AI-gestuurde tool die burgers argumenten aanreikt om politieke besluitvorming rond vapen en rookvrije alternatieven te beïnvloeden.
De discussie gaat vanzelfsprekend over tabak, volksgezondheid en regelgeving, maar daaronder ligt een veel grotere ontwikkeling verborgen. Misschien kijken we hier wel naar de geboorte van een compleet nieuwe vorm van lobbyen.
Traditioneel was lobbyen een activiteit voor gespecialiseerde professionals. Organisaties stuurden vertegenwoordigers naar Den Haag, Brussel of Washington om beleidsmakers te informeren, te overtuigen en hun belangen onder de aandacht te brengen. Dat model kent beperkingen. Lobbyisten kosten geld. Hun tijd is schaars. Hun bereik is beperkt.
Generatieve AI verandert die economische werkelijkheid fundamenteel. Een AI-systeem kan tegelijkertijd duizenden gesprekken voeren, miljoenen gebruikers bereiken, argumenten genereren, tegenargumenten weerleggen en zelfs gepersonaliseerde boodschappen samenstellen. Waar vroeger een team van communicatiespecialisten nodig was, kan nu een enkele AI-oplossing op wereldschaal opereren. De AI-lobbyist slaapt niet, wordt nooit moe en kent geen kantooruren. Dat maakt deze ontwikkeling interessant, maar ook ongemakkelijk.
Veel mensen beschouwen een gesprek met een AI-systeem nog steeds als een vorm van informatievoorziening. Dat voelt logisch. Je stelt een vraag en krijgt een antwoord.
Toch zit daar een belangrijk verschil met een traditionele zoekmachine.
Een zoekmachine toont links waaruit je zelf een keuze maakt. Een generatief AI-model formuleert een antwoord. Het selecteert informatie, kiest woorden, bepaalt welke argumenten worden benadrukt en welke nuances worden weggelaten. Dat lijkt een klein verschil, maar het is in werkelijkheid enorm.
Op het moment dat een AI-systeem niet alleen informatie presenteert maar actief argumenten opbouwt, ontstaat een instrument dat veel dichter tegen overtuiging aan zit dan tegen objectieve informatievoorziening. De gebruiker ervaart een gesprekspartner.
De eigenaar van het systeem beschikt over een beïnvloedingskanaal.
Het zou een vergissing zijn om deze discussie uitsluitend te voeren in de context van de tabaksindustrie. Als deze technologie werkt, zal iedere belangengroep haar willen inzetten. Politieke partijen kunnen AI inzetten om hun standpunten te promoten. Milieuorganisaties kunnen AI gebruiken om draagvlak voor duurzaamheidsmaatregelen te vergroten. Vakbonden kunnen werknemers mobiliseren. Werkgeversorganisaties kunnen economische argumenten benadrukken. Technologiebedrijven kunnen regelgeving proberen te beïnvloeden. En zo kunnen we even doorgaan…
Zelfs volledig legitieme organisaties zullen de verleiding voelen. Waarom zou je immers geen gebruikmaken van een technologie die miljoenen mensen tegelijk kan bereiken?
Daarmee ontstaat een wereld waarin niet alleen mensen lobbyen, maar ook algoritmen.
Het grootste risico zit niet eens in de boodschap zelf. Het risico zit in de onzichtbaarheid van de agenda achter die boodschap. Wanneer iemand een advertentie ziet, begrijpt hij meestal dat sprake is van commerciële communicatie. Wanneer een politicus een speech houdt, weet het publiek doorgaans vanuit welke partij of ideologie wordt gesproken.
Bij AI is dat veel minder duidelijk. Gebruikers ervaren AI vaak als neutraal, rationeel en objectief. Dat vertrouwen kan terecht zijn, maar het kan ook misplaatst blijken wanneer de achterliggende instructies, trainingsdata of doelstellingen een specifieke richting op sturen. De cruciale vraag wordt daardoor niet langer of een antwoord technisch correct is. De cruciale vraag wordt wie heeft bepaald dat dit antwoord gegeven moest worden.
Voor data-professionals, auditors en toezichthouders ligt hier een fascinerend nieuw werkterrein. We hebben de afgelopen decennia uitgebreide raamwerken ontwikkeld voor financiële verslaggeving, interne beheersing, informatiebeveiliging en privacy. Voor vrijwel ieder belangrijk bedrijfsproces bestaat tegenwoordig een vorm van toezicht, certificering of assurance.
Voor beïnvloedingsalgoritmen bestaat zo’n volwassen raamwerk nog nauwelijks.
Toch zullen dezelfde vragen vroeg of laat gesteld moeten worden
En misschien wel de belangrijkste vraag van allemaal: kan een gebruiker zien wanneer hij wordt geïnformeerd en wanneer hij wordt beïnvloed? Dat onderscheid wordt steeds lastiger.
De afgelopen twee jaar ging het debat vooral over productiviteit. Hoeveel tijd kan AI besparen? Welke werkzaamheden kunnen worden geautomatiseerd? Welke functies veranderen? Dat zijn belangrijke vragen, maar misschien niet de belangrijkste.
De meest ingrijpende verandering zou wel eens kunnen zijn dat AI uitgroeit tot het krachtigste communicatie- en beïnvloedingsinstrument dat ooit is ontwikkeld. Niet omdat de technologie slimmer is dan mensen. Niet omdat AI zelfstandig politieke doelen nastreeft. Maar omdat zij op ongekende schaal argumenten kan produceren, verspreiden en personaliseren.
De discussie rondom Philip Morris is daarom waarschijnlijk geen incident. Het is mogelijk een eerste glimp van een toekomst waarin lobbyisten niet langer alleen in vergaderzalen zitten, maar ook in onze browsers, apps en chatvensters.
De vraag is niet of die ontwikkeling gaat plaatsvinden.De vraag is vooral of we tijdig leren herkennen wanneer ChatGPT verandert in ChatPR.