Welke vaardigheden tellen in de AI-samenleving?

Hoi, leuk dat je weer luistert naar een korte aflevering van AIToday Live. Mijn naam is Joop Snijder, Head of AI bij Info Support. Je herkent dit misschien, omdat je werkt met AI en dan sta je op een verjaardag en iemand vraagt wat je doet, je vertelt dat je met AI werkt en binnen drie zinnen valt het woord dat tegenwoordig overal valt. Ja, maar verleren we daar niet het denken. Dat is op zich een terechte vraag, maar het is ook een vraag die we al letterlijk eeuwen stellen telkens met een ander woord erin. Daar wil ik het vandaag over hebben. Ik zat te lezen in het boek Het AI van Columbus van Hans Hoornstra. En we gaan nog een uitgebreide opname maken met Hans. Dus ga die ook absoluut luisteren, gaan we het ook hebben over vaardigheden. Maar goed, Hans werd in 2023 uitgeroepen tot AI Person of the Year. En in zijn boek staat een overzicht dat me besluiten om deze aflevering te maken. Hij brengt in kaart welke vaardigheden de samenleving beloonde door de eeuwen heen. En tot ongeveer 1850 draaide het om lichaamskracht, ambacht en discipline. In de agrarische samenleving telden dat wat je met je handen kon. Daarna kwam de industrie en verschoof de waardering naar nauwkeurigheid, herhaalbaar werk en werken volgens instructies. En in de dienstensamenleving van de jaren 60 en 70 werden juist communicatie en sociale vaardigheden belangrijk. Daarna de informatiesamenleving met digitaal werken en informatie kunnen verwerken. Zo door de jaren, de decennia heen, krijg je allerlei verschuivingen. En wat me opvalt aan dat overzicht, is niet zozeer de inhoud, maar juist het patroon. Dus bij elke verschuiving raakten de oude vaardigheden op de achtergrond en kwamen nieuwe voor in de plaats. En niet dat je dat helemaal kwijtraakte per se. Maar in ieder geval dat het op een andere manier bekeken en gewaardeerd werd. De boer die zijn kracht inruilde voor een plek aan de lopende band. De administratief medewerker die leerde werken met een computer. Niemand vond dat vreemd, hoorde bij de overgang. En daar zit namelijk ook het misverstand in de discussie van vandaag de dag. We doen alsof het verliezen van vaardigheden iets nieuws is. Iets wat AI ons aandoet. Of beter gezegd wat we onszelf met AI aandoen. Maar dat is het niet helemaal. Dus we hebben altijd vaardigheden ingeleverd, zodra een nieuwe maatschappijvorm andere dingen ging belonen. De vraag is dus niet wat verliezen we. Die vraag hoort bij elke transitie en levert in die zin weinig nieuws op. De betere vraag is welke vaardigheden gaat de samenleving belonen waarin AI een onderscheidende rol speelt. We merken in die zin de eerste veranderingen al. Maar ik denk ook dat we echt nog wel aan het begin staan. Wie zoekt naar antwoorden op die vraag, komt in de meeste artikelen niet veel verder dan twee woorden. Kritisch denken, heb ik het al eerder over gehad. En dan haak ik voor een gedeelte af. Want ja, kritisch denken hadden we al nodig in die dienstensamenleving, in de informatiesamenleving. Het is een veilig antwoord, eigenlijk wat mij betreft niet heel veel zegt. Niet dat kritisch denken niet nodig is. Maar daarmee kijken we niet ver genoeg. Er zijn meerdere vaardigheden die meetellen. Scherp kunnen formuleren wat je precies wilt bereiken, bijvoorbeeld. Of goed kunnen delegeren, bepalen wat je zelf doet en wat je aan het systeem overlaat. Het kunnen vastleggen wie verantwoordelijk blijft voor de uitkomst en hoe je eigenlijk weet of AI goed genoeg is voor een taak. Stuk voor stuk zijn dat vaardigheden die de moeite waard zijn. Maar ik lig er nu drie uit die voor mij bovenaan staan. En geen van de drie is volledig nieuw. Maar ze krijgen in de AI-samenleving een gewicht dat ze daarvoor niet hadden. De eerste vaardigheid is oordelen onder onzekerheid. Dat betekent dat je moet kunnen oordelen en kiezen terwijl niet alles zeker is. En dat is echt groter, zelfs nog dan dat het klinkt. Het heeft weinig te maken met dat ene AI-antwoord wat je krijgt of zo. Het is de vaardigheid om te beslissen wanneer je het niet zeker kunt weten. Je weet niet wat er morgen gebeurt, niet volgende week, niet volgend jaar. Toch moet je nu kiezen. Je weegt af met de informatie die je vandaag hebt en wat je redelijkerwijs voorziet. Het verschil met hoe we het vaak doen zit in de houding. We zoeken graag eerst naar zekerheid en beslissen pas daarna. Deze vaardigheid draait dat om. Je beslist met wat je hebt en je kiest stappen die je kunt bijsturen. Loopt het anders dan gedacht of ontstaat er meer duidelijkheid, dan corrigeer je. Dus niet wachten tot het zeker is, maar bewegen op een manier die ruimte laat om te corrigeren. Simpel voorbeeld. Dus denk aan een weervoorspelling, 70% kans op regen. Dat is geen slap antwoord. Het vertelt je hoeveel vertrouwen je in de voorspelling mag stoppen. Maar het echte werk gaat verder dan het weer van morgen natuurlijk. Het gaat om waarschijnlijkheden over dingen die je veel minder goed kunt inschatten en om handelen terwijl die waarschijnlijkheden nog kunnen schuiven. Ja, dit speelt dus ook wanneer je met AI werkt. En dat is veel meer dan omgaan met een taalmodel. Je hebt te maken met antwoorden die elkaar tegenspreken, met ontbrekende context en met bronnen die niet overeenkomen. Antwoorden die heel overtuigend klinken, maar fout zijn. Want een vloeiend antwoord dat klopt, klinkt precies hetzelfde als een vloeiend antwoord dat niet klopt. Dus je controleert niet alleen of iets waar is. Je weegt hoe zeker je kunt zijn en je houdt rekening met de kans dat het model zelf naast zit. Je moet een beetje gaan kalibreren. Weten hoeveel gewicht een oordeel mag dragen en je beslissing zo inrichten dat je kunt bijsturen. Het tweede is denken in processen, een vaardigheid waarbij je dingen gaat overzien, dus niet in losse taken. En ik geef hier een voorbeeld uit geschiedenis. Het zal wat vaker langsgekomen zijn, maar toch. Dat is gewoon een heel goed voorbeeld. Toen fabrieken overgingen van stoom op elektriciteit, deden de eerste eigenaren iets begrijpelijks. Ze haalden de grote stoommachine eruit en zetten daar één grote elektromotor in de plaats. Zelfde gebouw, hetzelfde assen aan het plafond, dezelfde indeling. En de winst, die viel tegen. Want een grote sprong kwam pas toen iemand de fabriek opnieuw durfde in te delen. Een kleinere motor bij elke machine. De vloer anders ingericht. Het hele proces opnieuw bedacht rondom wat eigenlijk die kleine motoren nu mogelijk maakte. Toen pas schoot de productiviteit omhoog. Bij AI maken we vaak dezelfde eerste fout. We vragen waar kan ik AI inzetten in deze stap. Dat is de stoommachine vervangen door een motor. De betere vraag is als deze stap straks bijna gratis is, schaalbaar en deels vanzelf gaat, hoe zou het hele proces er dan uit moeten zien? Dat is een andere manier van denken dan tooltjes inzetten en dat is dan waar de winst zit. Durf je heb je de moed de lef om een proces te overzien en die echt stevig aan te pakken. Dan de derde laatste vaardigheid verbeeldingskracht. En dat bedoel ik niet te bedenken hoe je iets automatiseert wat vandaag ook al kan. Ik bedoel iets voorstellen dat er nu nog niet is, iets dat verder ligt dan waar je op dit moment naar kunt reiken. Het begint met het ter discussie stellen van wat we als een gegeven aannemen. De meeste grenzen waar we tegenaan lopen, voelen als natuurwetten. Maar zijn het vaak helemaal niet. Het zijn afspraken, gewoontes, beperkingen. Bijna beperkingen van gisteren zou ik willen zeggen. Het is verbeeldingskracht, dus de moed om daar overheen te denken. Denk aan de eerste smartphone. Je kunt hem opvatten als een telefoon met een camera erbij. Of je kon een gegeven loslaten. Dat een taxi bestellen betekent dat je belt en wacht. Wie dat losliet, stelde een andere vraag. Kan er een auto naar je toe komen met één druk op de knop. Dus daar kwamen diensten uit voort die nog niet bestonden. Dus niet uit het toestel, maar het lef om iets voor te stellen dat er nog niet was, diezelfde houding. Die gaat straks beloond worden in de AI-samenleving. De vraag is dus niet waarom dit niet kan, maar als dit wel zou kunnen, wat dan. Dus je denkt niet in falen, je denkt in mogelijkheden. En vervolgens heb je het lef nodig om er ook echt naar te streven, ook als je niet zeker weet of het lukt. En dan komen we erbij dat die vaardigheden die ik genoemd heb, dat is niet een willekeurig rijtje. Ze grijpen in elkaar. Het oordelen onder onzekerheid loopt er als een rode draad doorheen. En neem die systeemverbeelding. Je weet van tevoren niet precies hoe je tot zo'n voorstelling komt. Er is geen rechte lijn van vraag naar antwoord. Dus je werkt met halve ideeën met aannames met dingen die misschien kloppen. En dat is dan oordelen onder onzekerheid in zijn zuiverste vorm. En om bij die verbeelding te komen, moet je durven denken in processen. Je moet de bestaande gang van zaken durven openbreken en daarna opnieuw kiezen welke vorm je gaat proberen. Ook dat doe je zonder garantie dat het de juiste keuze is. Dus zo bezien staat oordelen onder onzekerheid niet gewoon op nummer één. Het zit verweven in de andere twee. En wie het niet kan verdragen om te kiezen onder onzekerheid, komt aan procesdenken en de verbeelding, de systeemverbeelding niet eens toe. Misschien mis je een vaardigheid die vaak genoemd wordt. Bijvoorbeeld goed kunnen omgaan met context. Het voeden van AI met de juiste informatie. Daar kies ik nu in deze aflevering bewust niet voor. En niet omdat het vandaag onbelangrijk is, maar omdat de techniek die kant juist makkelijker maakt. En wat nu nog een vaardigheid lijkt, lossen de systemen straks grotendeels zelf op. Dat geloof ik echt in. En hetzelfde geldt voor leren werken met machines. Dat gaat iedereen doen, net zoals iedereen leerde werken met een computer. Kijk, een vaardigheid die straks vanzelfsprekend is, maakt je niet onderscheidend. Wat mij in ieder geval hoopvol maakt, is dat dit geen verhaal is over wat we kwijtraken. Het is juist een verhaal over wat de moeite waard wordt om goed te kunnen. Dus oordelen onder onzekerheid, denken in processen en verbeelden wat er nu nog niet is. Dat zijn geen technische trucjes. Dat is denkwerk dat dicht bij ons als mens blijft. De vaardigheden die ik noem, sommige mensen hebben dat van nature, anderen zullen dit moeten gaan leren, jou de vraag. Ben jij hier al klaar voor voor deze transitie? Of welke vaardigheid ga jij morgen mee beginnen om die bij te gaan schaven, op te gaan doen. Ik ben heel erg benieuwd. Dankjewel weer voor het luisteren. Tot de volgende week.