AI-hype herkennen: 6 vragen die je moet stellen

Leuk dat je weer luistert naar de korte aflevering van AIToday Live. Ik ben Joop Snijder van Info Support. Vandaag gaan we het hebben over de vragen die je moet stellen bij elk AI-bericht. Iemand stuurt je een bericht door. AI vervangt binnen twee jaar de helft van alle kantoorbanen. Of juist dit nieuwe model verandert alles. Je leest het, je voelt iets kriebelen. en voordat je het weet stuur je het zelf door naar een collega met een berichtje daarbij. Moeten wij hier iets mee? Is het herkenbaar? Nou, voor mij in ieder geval wel. We worden dagelijks bijna bedolven onder AI-nieuws. En het tempo is toch wel hijgerig, mogen we zeggen, toch. Daarom vandaag een korte aflevering met een iets andere insteek. Geen praktijkverhaal, maar een gereedschapskist van anderen. Zes vragen, vier trucs die je straks meteen kunt gebruiken. en naast AI-berichten in je inbox zou kunnen leggen. Of naast het volgende AI-voorstel op je bureau. En ik zeg het maar meteen, ik heb de inhoud vrijwel letterlijk overgenomen en vertaald. En waarom? Omdat het zo goed is. Ik kwam erop, namelijk via een artikel van Bart Molsbergen op LinkedIn over de mediahype rond AI. Daarin stond een link naar de Hype Literacy Toolkit van DW Akademie, de Duitse organisatie voor mediaontwikkeling. Het is een gratis cursus voor journalisten. De toolkit is dus ook bedoeld voor journalisten. Maar eigenlijk iedereen die met berichtgeving over AI te maken heeft, zou zichzelf deze vragen steeds kunnen stellen. En daarom vond ik het ook zo goed en heb ik het ook gewoon zo overgenomen. En wie heeft er nou niet mee te maken met het nieuws wat je krijgt, de artikelen die je deelt. Misschien schrijf je een update voor je directie. En dan ben jij eigenlijk ook gewoon een doorgeefluik. Dus luister even mee. Kijk, wat de hype is en wat het doet, dat is wel even belangrijk. En de makers beginnen met een definitie. Hype is een fascinatie voor de toekomst, schrijven zij. Overdreven en onrealistische beloften over wat een technologie gaat opleveren gekoppeld aan een schril optimisme. En dat optimisme trekt de aandacht van investeerders, technologen, politici, journalisten en het brede publiek. En dan komt wat mij betreft eigenlijk de belangrijkste zin. Hype voelt als een natuurkracht rondom technologische ontwikkeling. Maar dat is het natuurlijk niet. Hype wordt gemaakt. Machtige spelers doen beloften om geld en prestige aan te trekken om de agenda te bepalen en zichzelf neer te zetten als bijna de hoeders van de toekomst. En daarmee sluiten ze alternatieven af en smoren ze zelfs tegenstemmen. Dat is de kern. Hype is geen weerbericht dat je overkomt, er zit een afzender achter. Die afzender heeft een belang. Kijk maar naar de afgelopen weken. Klinkt een luide oproep om de ontwikkeling van AI te vertragen. Nota bene van de makers van die modellen zelf. En tegelijkertijd buitelen ze over elkaar heen met de lancering van nieuwe modellen. Dus onthoud, ook hier weet je: een oproep tot vertraging is een verhaal over de toekomst van afzenders met een belang. En dat speelt net zo goed binnen de muren van je eigen organisatie. De leverancier die een AI-hulpmiddel voor wat dan ook. Planning of risicobeheer, komt pitchen. Het adviesrapport dat zegt dat je nu moet instappen. Ook dat zijn toekomstbeloften met een afzender en een belang. Hou dat beeld vast. Want daar gaan de vragen meteen daarover. Kijk, waarom zou je dit nou moeten kunnen? De goede vragen stellen. Volgens de makers spelen namelijk journalisten een centrale rol in welke verhalen aandacht krijgen. Wiens stem gezaghebbend klinkt en welke toekomstbeelden geloofwaardig worden. Dus zij zeggen: hypgeletterdheid. Die hypegeletterdheid gaat daarom over democratische verantwoording. Begrijpen hoe er over de toekomst wordt onderhandeld en wiens belangen die onderhandeling domineren. Dat klinkt heel groot, maar vertaal het eens naar jouw organisatie. Wie bepaalt in jouw managementteam welk AI-verhaal geloofwaardig is. Het slide-deck van de leverancier of de ervaring van de mensen die er dagelijks mee werken. Precies daar helpen de vragen die nu komen. En voor de duidelijkheid, ik ga je niet vertellen wat je van AI moet vinden. Ik wijs je juist op deze gereedschapskist om goede vragen te stellen, zodat je beargumenteerde keuzes kan maken die goed zijn voor jou en je organisatie. Nou, laten we nou eens even kijken heel concreet naar die vragen. De toolkit vat het samen in zes aanwijzingen, elk met vragen die je zelf kunt stellen. En ik loop ze even met je door. En nogmaals, de makers geven ze voor journalisten, maar de vragen werken net zo goed voor een directiebesluit of een projectplan als een journalistiek artikel. Laten we beginnen met één. Zorg voor verschillende bronnen. Vraag jezelf af: bestaat mijn bronnenlijst vooral uit mensen die baat hebben bij het succes van deze technologie? En wie ontbreekt er? De makers geven als voorbeeld een bedrijf voor het delen van ritten bijvoorbeeld. Dus spreek dan ook naast de oprichters en investeerders ook de chauffeurs, de taxibond en passagiers uit verschillende inkomensgroepen. Twee. Ga verder dan je eigen ervaring. Je hebt iets geprobeerd en het werkte fantastisch. Mooi. Maar is jouw ervaring representatief voor de gemiddelde gebruiker. Wie heeft geen toegang tot deze technologie of kan die helemaal niet betalen. En krijgt daar toch last van de gevolgen daarvan. Drie. Vraag wie er baat bij heeft. Wie heeft er belang bij om een technologie op een bepaalde manier op het toneel te zetten. Wie wint er geld mee? Prestige, misschien zelfs politiek voordeel, zichtbaarheid of de macht om een bepaalde agenda erdoorheen te drukken. Vraag vier. Pas op voor het verhaal van critici tegenover experts. Deze vind ik echt wel heel belangrijk. In berichtgeving heten namelijk voorstanders vaak experts en mensen met bezwaren heten critici. Alsof die alleen vanuit weerstand spreken en niet vanuit kennis. Terwijl ethici, arbeidssociologen en onderzoekers vaak diepe vakkennis hebben over de gevolgen. Het is de vraag: wie krijgt het label expert op welk vakgebied? Wordt de deskundigheid van de tegenstemmen erkend. En dit speelt niet alleen in de media. In een projectoverleg gebeurt natuurlijk precies hetzelfde. De een heet expert, de collega met bezwaren heet lastig. Stel dan precies deze vraag juist. Vijf. Je benoem ook onzekerheden, zeggen zij. Voorspellingen doen zich in het AI-debat graag voor als bewijs. 70% kans op algemene kunstmatige intelligentie voor 2030 AGI. Dat klinkt als berekening, maar het rust op aannames, economische belangen en ook echt wel selectief optimisme. Vraag dan wie doet deze voorspelling? Welk belang heeft die persoon erbij, welke data ondersteunt de claim. En is die onafhankelijk door vakgenoten beoordeeld of gewoon een anekdote. Des ontwikkel toch ook iets van historisch besef. Er zijn soortgelijke claims eerder gedaan over andere technologieën. Wat gebeurde er toen echt. De makers wijzen erop dat een doorbraak zelden uit de lucht valt. Wat een revolutie heet, is meestal de som van duizend kleine stappen. Geschiedenis herhaalt zich niet precies. Maar zij rijmt wel. Dan de retorische trucs die ze aanhalen. In de uitgebreide cursus benoemen de makers ook de trucs waarmee hype werkt. En ik noem het kort hier omdat je ze best wel heel vaak tegenkomt. Modewoorden bijvoorbeeld die een onzeker vakgebied samenpersen tot een zelfverzekerd etiket waar iedereen zijn eigen hoop op kan projecteren. Vraag dan wat bedoelt de spreker hier nu concreet mee. Je kent het wel, de valse urgentie die wordt gecreëerd. Als je nu niet erin stapt, dan mis je de boot, de trein. Terwijl kijk gewoon eens wat het doet voor jouw organisatie. Grootse voorspellingen is er ook zo in. Alles wordt anders. Hele sectoren worden omgegooid en vraag dan vergeleken met welke uitgangssituatie. En wat gebeurde er met eerdere voorspellingen van dit kaliber. En tot slot de investeringshype. Financieringsrondes worden gepresenteerd als bewijs dat iets werkt. Maar risicokapitaal is een verplichting en geen prestatie. Dat is gewoon geld dat moet worden terugverdiend. Dus vraag ook daar: hoe verhoudt de waardering zich tot de echte omzet, echte gebruikers en aantoonbare impact. Wat kun je hier nou zelf mee doen? Je kan gewoon eens. Kiezen ze een bericht van de afgelopen week dat je opviel, en lopen ze deze zes vragen na. Meer niet. Ik denk dat je zult merken dat je anders gaat lezen. En daar anders misschien ook op gaat reageren. Dus beoordeel je vaker AI-voorstellen als projectleider, bestuur of beleidsadviseur. Als je dat doet, maak de zes vragen dan een vast onderdeel van het beoordelingsproces. Dan hangt nuchterheid niet meer af van wie er toevallig aan tafel zit. Die volledige toolkit is gratis, echt heel cool. En vind je via de link in de shownotes. En bedenk zo als altijd: AI is niet de oplossing voor elk probleem, maar onmisbaar waar het past. Dank je wel weer voor het luisteren. Wil je nou geen aflevering missen? Abonneer je dan even op AIToday Live in je favoriete podcast. Tot de volgende week.