De psychologie van verandering

Er is een reden waarom je dit boek leest. Misschien ben je nieuwsgierig. Misschien ben je bezorgd. Misschien heeft iemand je dit boek aanbevolen, of cadeau gedaan, en dacht je: laat ik eens kijken wat al die ophef over AI nou eigenlijk is. Misschien heb je zelf al ervaring met AI en wil je je beeld scherper krijgen. Misschien heb je nog nooit een taalmodel gebruikt en wil je weten of je iets mist.

Maar achter elk van die redenen zit een emotie. En die emotie is belangrijker dan je misschien denkt, want ze bepaalt grotendeels hoe je met deze technologie omgaat. Ze bepaalt of je experimenteert of vermijdt. Of je nieuwsgierig bent of defensief. Of je de kansen ziet of de bedreigingen. Of je morgen iets probeert of het nog een maand uitstelt.

Als je kijkt naar hoe mensen reageren op AI in hun werk, zie je grofweg vijf patronen. Ze lijken opvallend veel op de bekende vijf fasen van rouwverwerking die de Zwitsers-Amerikaanse psychiater Elisabeth Kubler-Ross beschreef, en dat is geen toeval. Want er wordt iets losgelaten: de zekerheid dat je werk is wat je dacht dat het was.

De eerste reactie is ontkenning. "Dit is een hype, het waait over." Of: "AI is niet goed genoeg voor mijn werk, mijn vakgebied is te complex, mijn klanten zouden het nooit accepteren." Het is een comfortabele positie. Het stelt je in staat om niets te veranderen, om door te gaan alsof het 2021 is, om de onrust die je misschien voelt op afstand te houden. Maar de feiten uit de vorige hoofdstukken laten zien dat AI niet overwaait. 75 procent van de kenniswerkers gebruikt het al. De modellen worden beter. Elke maand. De ontkenning beschermt je gevoel, maar niet je toekomst.

De tweede reactie is woede. "Dit is niet eerlijk. Ik heb jaren gestudeerd, jaren ervaring opgebouwd, tienduizenden uren gestopt in het beheersen van mijn vak, en nu kan een machine in seconden doen wat mij uren kostte?" De woede is begrijpelijk. Er zit een diep gevoel van onrechtvaardigheid in de gedachte dat iets wat jij met moeite hebt opgebouwd zo makkelijk kan worden gerepliceerd. Maar de woede is gericht op de verkeerde plek. De technologie is niet de vijand, net zoals de drukpers niet de vijand was van de monniken die manuscripten kopierden. De vraag is niet of je boos bent. De vraag is wat je doet met die boosheid.

De derde reactie is onderhandelen. "Oké, misschien kan AI sommige dingen, maar het kan niet wat ik kan. Het kan geen echte relaties opbouwen. Het kan geen originele ideeen bedenken. Het begrijpt de nuances van mijn vakgebied niet." Dit is de fase waarin mensen proberen grenzen te trekken tussen wat AI kan en wat alleen mensen kunnen. Het is een nuttige fase, want die grenzen bestaan echt. Maar ze verschuiven ook, en vaak sneller dan mensen verwachten. De grens die je vandaag trekt, loopt morgen misschien ergens anders. En de taken die je vandaag als uniek menselijk beschouwt, zijn dat misschien over twee jaar niet meer.

De vierde reactie is somberheid. "Als AI dit allemaal kan, wat is mijn bijdrage dan nog?" Dit is de fase die het minst zichtbaar is maar misschien het meest voorkomt. Veel mensen worstelen in stilte met de vraag wat hun werk nog waard is als een machine het ook kan. Ze praten er niet over met collega's, want het voelt kwetsbaar. Ze praten er niet over met hun leidinggevende, want het voelt als zwakte. Ze dragen het met zich mee als een onbehaaglijk gevoel dat ze niet helemaal kunnen plaatsen. Het raakt aan iets diepers dan productiviteit. Het raakt aan identiteit, aan zelfbeeld, aan het gevoel dat je ergens goed in bent en dat dat er iets toe doet.

In Nederland is die somberheid concreet meetbaar. Een onderzoek van vakbond CNV uit begin 2026, onder werknemers in de financiële sector, leverde cijfers op die moeilijk te negeren zijn. 86 procent merkte de invloed van AI al in het dagelijkse werk. 58 procent verwachtte dat hun werk binnen drie jaar ingrijpend zou veranderen. En 63 procent maakte zich zorgen over het voortbestaan van hun baan. Op de achtergrond speelden reorganisaties bij ING, ABN Amro, Rabobank, Achmea en andere grote instellingen, reorganisaties waarbij duizenden banen verdwenen die niet altijd terugkwamen in een andere vorm. Erik Maas, sectorleider bij CNV, vatte het onbehaaglijk samen: werknemers zagen links en rechts banen verdwijnen en wisten niet of ze de volgende waren.

Dat gevoel bleek niet beperkt tot de financiële sector. Het CBS publiceerde in februari 2026 een breder onderzoek onder alle werkenden in Nederland. De uitkomsten waren ontnuchterend. 43 procent van de werkenden gebruikte AI al bij het werk. 41 procent dacht dat AI hun werk gedeeltelijk zou kunnen overnemen, 4 procent verwachtte volledige vervanging. Driekwart van alle werkenden verwachtte dat er banen zouden verdwijnen. En van de mensen die dachten dat AI hun werk kon overnemen, maakte bijna de helft zich daar zorgen over. Opvallend was het verschil tussen gebruikers en niet-gebruikers: 56 procent van de mensen die daadwerkelijk met AI werkten, dacht dat het hun werk kon overnemen, tegenover 37 procent van de mensen die het nog niet gebruikten. Het lijkt erop dat hoe meer je met AI werkt, hoe beter je begrijpt wat het kan.

De vijfde reactie is aanvaarding. Niet passieve berusting, niet het schouderophalend accepteren van het onvermijdelijke, maar actieve erkenning: dit is de wereld nu, en ik ga uitzoeken hoe ik er het beste mee kan omgaan. Mensen in deze fase zijn niet per se optimistisch of pessimistisch over AI. Ze zijn pragmatisch. Ze experimenteren, ze leren, ze passen aan. Ze stellen vragen als "wat kan dit voor mij betekenen?" in plaats van "wat doet dit met mij?"

Het herkennen van deze fasen is nuttig, maar het roept ook een praktische vraag op: wat kun je er mee doen? Er zijn strategieën die niet uit de AI-wereld komen maar uit de psychologie, en die verrassend effectief zijn.

De eerste is het weekexperiment. Kies elke week een nieuwe, kleine AI-toepassing en probeer die uit. Niet om productief te zijn, niet om indruk te maken, maar om vertrouwd te raken. Angst neemt af door blootstelling. Elk experiment, ook de mislukte, verkleint de afstand tussen jou en de technologie. Het is de psychologische variant van wat we in hoofdstuk acht een gewoonte zullen noemen: niet een grote sprong maar een reeks kleine stappen.

De tweede is de competentie-inventaris. Schrijf op wat je weet en kunt dat niet makkelijk in tekst is vast te leggen. Je netwerk. Je reputatie. Je vermogen om een kamer te lezen. Je kennis van specifieke klanten, markten, culturen. Je intuïtie over wanneer iets klopt en wanneer niet. Dit is je "AI-proof" portfolio, en de kans is groot dat het langer is dan je denkt. De identiteitscrisis die veel mensen voelen, en die we later in dit hoofdstuk bespreken, wordt lichter als je concreet kunt benoemen wat jou onderscheidt.

De derde is het peergesprek. Praat met collega's over hoe zij zich voelen over AI. Niet over de techniek, niet over de tools, maar over de emotie. Psychologen kennen het fenomeen van "pluralistische onwetendheid": de situatie waarin iedereen denkt dat hij de enige is die onzeker is, terwijl vrijwel iedereen onzeker is. Het uitspreken van die onzekerheid doorbreekt het isolement. Je bent niet de enige die dit voelt. Vrijwel iedereen voelt het.

De vierde is de bewuste grensafbakening. Beslis voor jezelf welke delen van je werk je met AI doet en welke niet. Niet als permanente regel, maar als bewuste keuze die je regelmatig heroverweegt. De keuze geeft je regie. Je bent niet iemand aan wie de technologie overkomt. Je bent iemand die bewust bepaalt hoe je ermee omgaat. Dat verschil, het verschil tussen passief ondergaan en actief sturen, is psychologisch het verschil tussen machteloosheid en agency.

De meeste mensen doorlopen deze fasen niet netjes achter elkaar, als stappen op een trap. Ze springen heen en weer. Ze zijn op maandag overtuigd dat AI alles gaat veranderen en op vrijdag dat het toch niet zo'n vaart loopt. Ze beginnen de dag met enthousiasme over een slimme toepassing die ze hebben ontdekt en eindigen met frustratie over een hallucinatie die bijna tot een fout leidde. En dat is volkomen normaal. Het is de normale reactie van een mens die probeert om te gaan met iets wat groter is dan hij overziet.

Maar er speelt iets mee dat dieper gaat dan emotie, iets dat niet te maken heeft met hoe je je voelt maar met hoe je brein werkt. En het is bijzonder relevant voor hoe we over AI denken.

Onderzoekers van de University of Kansas ontdekten dat mensen systematisch het tempo van exponentieel groeien onderschatten. Dit klinkt misschien als een droge academische observatie, maar het is een fundamentele beperking van de menselijke cognitie die directe consequenties heeft voor hoe je de toekomst van AI inschat.

Ons brein denkt lineair. Als iets gisteren een klein beetje beter was dan eergisteren, verwachten we dat het morgen een klein beetje beter zal zijn dan vandaag. Dat is hoe de meeste dingen in ons dagelijks leven werken. Een boom groeit niet plotseling twee keer zo snel. Een rivier wordt niet in een jaar twee keer zo breed. Een kind leert niet in een maand twee keer zoveel als in de maand ervoor. Lineair denken is niet dom. Het is de standaardinstelling van een brein dat is geevolueerd in een wereld waar de meeste veranderingen geleidelijk verlopen.

Maar technologie groeit niet lineair. Technologie groeit exponentieel. En exponentieel groeien is iets waar ons brein fundamenteel niet goed in is. Het klassieke voorbeeld, dat in elk boek over technologie terugkomt maar dat nooit zijn kracht verliest omdat het zo tegenintuïtief is: stel dat je de keuze hebt tussen een miljard dollar cash of een cent die 64 keer verdubbelt. De meeste mensen kiezen het miljard. De cent die verdubbelt levert 184 biljard cent op, ofwel 184 miljard dollar.

Dit betekent iets concreets voor hoe we AI beoordelen. In hoofdstuk drie bespraken we al hoe de modellen van nu kwalitatief anders zijn dan die van twee jaar geleden. Maar ons brein behandelt die verbetering alsof ze lineair is: "het was toen niet zo indrukwekkend, dus nu zal het een beetje beter zijn." De werkelijkheid is dat het exponentieel verbetert. Je brein verwacht een paar procent vooruitgang. De werkelijkheid is een kwalitatieve sprong.

De onderzoekers van de University of Kansas voegden hier een psychologische dimensie aan toe die belangrijk is. "De meesten van ons willen niet leven in een wereld waarin AI slimmer is dan mensen," schreven ze. "En omdat we willen dat mensen superieur zijn aan AI, is de kans groot dat we ons hoofd in het zand steken." Het is een vorm van gemotiveerd redeneren: we onderschatten de voortgang van AI niet alleen omdat ons brein slecht is in exponentieel denken, maar ook omdat we het niet willen zien. Het is comfortabeler om te geloven dat AI een hype is die overwaait dan om onder ogen te zien dat de wereld fundamenteel aan het veranderen is.

Er zijn twee fouten die mensen maken in hun omgang met AI, en ze staan exact tegenover elkaar.

De eerste fout is overschatting. Dit zijn de mensen die elke output van AI klakkeloos accepteren. Die hun hele werkproces afhankelijk maken van een technologie die ze niet volledig begrijpen. Die de getande grens negeren en verrast zijn als AI hen op het verkeerde been zet. Het Harvard/BCG-onderzoek liet zien wat er gebeurt met deze mensen: ze presteren slechter dan collega's die helemaal geen AI gebruiken. Niet omdat AI slecht is, maar omdat zij het verkeerd gebruiken.

De tweede fout is onderschatting. Dit zijn de mensen die AI afdoen op basis van een ervaring uit 2023. Die niet meer hebben gekeken omdat het "niet zo goed was." Die ervan uitgaan dat wat ze toen zagen representatief is voor wat de technologie nu kan en straks zal kunnen. Ze missen de exponentieel groeiende curve. En tegen de tijd dat ze merken dat de curve hen voorbij is, hebben hun collega's die wel zijn meegegaan een voorsprong die steeds moeilijker in te halen is.

Beide fouten hebben dezelfde oorzaak: een gebrek aan regelmatige, kritische interactie met de technologie. De mensen die AI het best beoordelen zijn niet de enthousiastelingen en niet de sceptici. Het zijn de mensen die het elke dag gebruiken, die weten waar de grenzen liggen, en die merken hoe die grenzen verschuiven.

Een veelgehoorde aanname is dat jongere generaties automatisch beter zijn met AI. Ze zijn digitaal opgegroeid, ze zijn gewend aan nieuwe technologie, ze leren sneller. De werkelijkheid is genuanceerder. Ja, 58 procent van de mensen tussen 18 en 29 heeft ChatGPT gebruikt, het hoogste van alle leeftijdsgroepen. Maar gebruiken is iets anders dan effectief gebruiken. En sommige onderzoeken suggereren dat ervaren professionals, juist doordat ze diepere vakkennis hebben, AI effectiever kunnen aansturen dan jongere collega's die de materie minder goed kennen.

Een zestigjarige advocaat met dertig jaar ervaring die leert hoe ze AI moet inzetten, kan een krachtiger combinatie vormen dan een vijfentwintigjarige die de tool wel kent maar het vakgebied nog niet. De menselijke expertise verdwijnt niet. Ze wordt het cruciale ingrediënt dat bepaalt hoe waardevol de AI-output is. Zonder vakkennis kun je niet beoordelen of wat de machine je vertelt klopt. En als je niet kunt beoordelen of het klopt, ben je overgeleverd aan de getande grens.

Er is een diepere laag aan deze psychologie die zelden wordt besproken in de artikelen en presentaties over AI, maar die voor veel mensen de werkelijke bron van hun ongemak is.

Voor veel professionals is hun werk niet alleen iets wat ze doen. Het is een deel van wie ze zijn. Een schrijver is niet iemand die toevallig teksten produceert. Schrijven is een deel van haar identiteit, verweven met haar zelfbeeld, met hoe ze zichzelf ziet in de wereld. Een programmeur is niet iemand die toevallig code tikt. Het oplossen van complexe technische problemen is hoe hij zichzelf definieert. Een arts is niet iemand die toevallig diagnoses stelt. Het vermogen om te genezen is verweven met haar gevoel van doel en betekenis.

Als een machine dat ook kan, of in ieder geval iets produceert wat er verdacht veel op lijkt, raakt het aan iets diepers dan productiviteit of banen of economie. Het raakt aan de vraag: als AI kan wat ik kan, wat maakt mij dan bijzonder? Wat is mijn bijdrage? Waarom ben ik er?

Het zijn grote vragen, en het zou arrogant zijn om te doen alsof dit boek er een eenvoudig antwoord op heeft. Maar het begint met een onderscheid dat belangrijk is: AI kan outputs produceren die lijken op wat jij produceert. Het kan een tekst schrijven die er net zo uitziet als een tekst van jou. Het kan een analyse maken die er net zo uitziet als een analyse van jou. Maar het proces, de ervaring, het oordeelsvermogen, de menselijke context die jij meebrengt, dat kan het niet repliceren. Een AI kan een gedicht schrijven dat er net zo uitziet als een gedicht van een mens. Maar het heeft het gedicht niet geschreven vanuit verdriet, of vreugde, of de ervaring van een regenachtige novembermiddag. Het heeft patronen herkend en gecombineerd.

En hier raakt het identiteitsvraagstuk aan een ander ongemak, een dat steeds luider klinkt: de vraag van wie die patronen zijn.

AI-modellen zijn getraind op miljarden teksten, afbeeldingen, muziekstukken en codes, vaak zonder expliciete toestemming van de makers. Fotografen ontdekken hun beelden in de trainingsdata van beeldgenererende AI. Schrijvers vinden fragmenten van hun boeken terug in de output van taalmodellen. Illustratoren zien hun stijl gerepliceerd door systemen die nooit voor hun werk hebben betaald. Het is een van de meest omstreden aspecten van de huidige AI-revolutie: de technologie is gebouwd op het werk van miljoenen mensen die daar niet voor zijn gevraagd en er niet voor zijn gecompenseerd.

De rechtszaken stapelen zich op. The New York Times klaagde OpenAI aan wegens schending van auteursrecht. Beeldend kunstenaars spanden collectieve zaken aan tegen Stability AI en Midjourney. Getty Images procedeerde tegen bedrijven die hun beeldenbank hadden gebruikt als trainingsmateriaal. Het juridische landschap is nog volop in beweging. Maar los van de juridische vragen is er een morele vraag die voor veel creatieve professionals zwaarder weegt: is het eerlijk dat een machine leert van jouw levenswerk en vervolgens wordt ingezet om dat werk te vervangen?

Het is een vraag die geen simpel antwoord heeft. Maar het is wel een vraag die serieus genomen moet worden, juist als we beweren dat AI een kracht ten goede is.

De juridische dimensie is complex en nog volop in beweging. De kern van het debat draait om de vraag of het trainen van AI op auteursrechtelijk beschermd materiaal "fair use" is, vergelijkbaar met een mens die een boek leest en erdoor wordt beïnvloed, of diefstal op industriële schaal. De AI-bedrijven betogen het eerste. De makers betogen het tweede. De rechtszaken, van The New York Times versus OpenAI tot collectieve claims van beeldend kunstenaars tegen Stability AI en Midjourney, zullen de komende jaren precedenten scheppen die de hele industrie vormgeven.

In Europa biedt de AI Act een begin van een kader. AI-bedrijven moeten transparant zijn over welke data ze gebruiken voor training. Maar transparantie is niet hetzelfde als compensatie, en veel makers voelen dat het fundamentele probleem, dat hun werk zonder toestemming is gebruikt om systemen te bouwen die hen vervolgens beconcurreren, niet wordt geadresseerd door een transparantievereiste.

Er zijn praktische stappen die individuele makers nu al kunnen nemen. Visuele kunstenaars kunnen tools als Nightshade gebruiken, die onzichtbare patronen in afbeeldingen verwerken die AI-training verstoren. Schrijvers en uitgevers kunnen hun robots.txt-bestanden aanpassen om web scrapers te blokkeren. In Nederland bieden organisaties als Pictoright (voor beeldend kunstenaars) en Lira (voor schrijvers) collectieve belangenbehartiging en werken ze aan licentiemodellen die makers compenseren wanneer hun werk wordt gebruikt voor AI-training.

Maar er is ook een filosofische laag die eerlijk benoemd moet worden. Elke menselijke kunstenaar is ook "getraind" op het werk van voorgangers. Rembrandt leerde van zijn leermeesters. Elke schrijver heeft duizenden boeken gelezen die haar stijl hebben gevormd. Het verschil, en het is een wezenlijk verschil, is er een van schaal en intentie. Een mens die door Rembrandt wordt geïnspireerd, maakt nieuw werk vanuit een eigen perspectief. Een machine die elke Rembrandt heeft gescand, genereert "in de stijl van Rembrandt" op bestelling, voor commercieel gebruik, zonder ooit een penseel te hebben vastgehouden. Of dat juridisch gelijkwaardig is, zal de rechter bepalen. Dat het moreel niet gelijkwaardig voelt, is voor veel makers een zekerheid.

De eerlijke conclusie is dat dit vraagstuk niet zal zijn opgelost tegen de tijd dat je dit boek leest. Het is een debat dat jaren zal duren en dat de relatie tussen technologie en creativiteit fundamenteel zal herdefiniëren. Maar het is wel een debat dat gevoerd moet worden, niet ontlopen.

Het ongemak dat veel mensen voelen is reeel. Het moet serieus genomen worden, niet weggewuifd met platitudes over hoe AI "alleen maar een tool" is. Maar het is het ongemak van groei, niet van verlies. Het dwingt ons om scherper te definieren wat onze bijdrage is, wat we bijdragen dat een machine niet kan, wat ons menselijk maakt in ons werk. En die scherpte, die helderheid over je eigen waarde, is uiteindelijk niet bedreigend. Het is bevrijdend.

Uiteindelijk komt het neer op een keuze. Niet een eenmalige keuze die je maakt en dan vergeet, maar een dagelijkse keuze die je steeds opnieuw maakt.

Je kunt ervoor kiezen om AI te negeren en te hopen dat het overwaait. De data suggereert dat dit een riskante strategie is.

Je kunt ervoor kiezen om AI blindelings te omarmen en op alles te vertrouwen wat het produceert. De data suggereert dat dit een even riskante strategie is.

Of je kunt ervoor kiezen om een bewuste, kritische, voortdurend lerende relatie met deze technologie op te bouwen. Om te weten waar de getande grens ligt in jouw vakgebied, en om bij te houden hoe die grens verschuift. Om eerlijk te zijn over wat het met je doet, emotioneel en professioneel. En om die eerlijkheid te gebruiken als brandstof voor groei in plaats van als reden voor verlamming.

De volgende hoofdstukken van dit boek gaan over hoe je dat doet. Over de concrete modellen, strategieen en gewoonten die de mensen kenmerken die AI het effectiefst inzetten. Niet de mensen die het het meest gebruiken, maar de mensen die het het slimst gebruiken.