De AI-assistent blijkt een complete afdeling

Waarom mijn metafoor over de nieuwe werkplek van AI alweer te voorzichtig was.

Een paar dagen nadat ik mijn artikel Van prompt naar werkplek: een fundamentele paradigmashift had gepubliceerd, luisterde ik naar de podcast van Lex Fridman met David Heinemeier Hansson, een wereldberoemde programmeur van open source software, beter bekend als DHH. Hij vertelde hoe zijn manier van werken met AI-agents in korte tijd opnieuw was veranderd.

Ik hield zijn verhaal in gedachten naast de metafoor uit mijn eigen artikel en merkte dat ik de ontwikkeling alweer te voorzichtig had beschreven.

In dat artikel vergeleek ik de chatbot uit 2023 met een redelijk slimme assistent aan de andere kant van de wereld. Je kon die persoon een vraag sturen en kreeg snel een antwoord terug, maar daarna moest je zelf weer verder. De huidige generatie AI-agents vergeleek ik met een assistent die als nieuwe medewerker daadwerkelijk bij je komt werken. Die krijgt een werkplek, toegang tot relevante bestanden en hulpmiddelen, kan meerdere stappen uitvoeren en controleert het eigen werk.

Hoewel die metafoor an sich nog steeds klopt, blijkt die nieuwe medewerker twee eigenschappen te hebben die ik nog niet had meegenomen. Deze nieuwe medewerker kan namelijk zelfstandig andere assistenten (agents) inschakelen en zo tijdelijk een heel projectteam organiseren. En steeds vaker hoef je niet eens meer precies te vertellen hoe het werk moet worden aangepakt. Je legt een probleem of nog half uitgewerkt idee neer, waarna AI zelf een route voorstelt die beter kan zijn dan de route die jij vooraf had bedacht.

De mogelijkheden die AI je hiermee biedt zijn veel groter. Tegelijk verandert opnieuw wat er van je wordt gevraagd om hier handig en verstandig mee om te gaan.

De assistent komt niet alleen

DHH beschrijft in de podcast hoe aanvankelijk één AI-agent een taak voor hem uitvoerde. Daarna kwamen er systemen die zo'n opdracht zelf konden opdelen. Een hoofd-agent kon verschillende deelproblemen bij afzonderlijke subagents neerleggen en hun resultaten vervolgens weer samenbrengen. Werk dat eerst na elkaar werd gedaan, kon ineens gelijktijdig plaatsvinden, door gespecialiseerde subagents. In zijn eigen programmeerwerk zag hij taken daardoor veel sneller en beter verlopen.

Een subagent is in gewone taal niet veel meer dan een tijdelijke extra AI-medewerker met een afgebakende opdracht. De hoofd-agent kan bijvoorbeeld één subagent onderzoek laten doen, een tweede iets laten bouwen en een derde het resultaat kritisch laten controleren. Iedere subagent werkt in een eigen context en rapporteert terug. Daarna beoordeelt de hoofd-agent wat bruikbaar is, lost tegenstrijdigheden op en maakt er één geheel van.

En zo blijkt de assistent/nieuwe medewerker uit mijn metafoor dus ook een soort teamleider te zijn.

Dit voelt wellicht als een klein verschil in techniek, maar in de metafoor is het een enorme uitbreiding. Je hebt niet één medewerker aangenomen die de dag en nacht voor je kan werken. Je hebt iemand binnengehaald die voor iedere opdracht een tijdelijk projectteam kan samenstellen, werk kan verdelen en dat team weer kan opheffen zodra de klus klaar is.

Stel dat een docent geschiedenis een interactieve leeromgeving wil laten maken waarin leerlingen onderzoeken hoe in 1842 over kinderarbeid werd gedacht. In de vorige versie van mijn metafoor zou de AI-assistent daarvoor bronnen verzamelen, personages uitwerken, de omgeving bouwen, testen en verbeteren. Dat was al een grote stap ten opzichte van een chatbot die alleen een tekst aanlevert.

Met een heel projectteam kan de assistent het werk anders organiseren. Eén projectteamlid zoekt betrouwbare primaire en secundaire bronnen. Een andere vergelijkt de opdracht met de leerdoelen en denkt na over de opbouw van het leerproces. Een derde bouwt de omgeving. Een vierde test of de personages niet te karikaturaal worden, of leerlingen werkelijk verschillende perspectieven moeten afwegen en of de taal toegankelijk is. De assistent (teamleider) brengt de uitkomsten bij elkaar, laat problemen herstellen en levert één werkend geheel op.

De docent hoeft dat digitale team niet zelf bij elkaar te zoeken of iedere overdracht te organiseren. Dat doet de assistent allemaal zelfstandig. De versnelling zit in de snelheid van de modellen én in het vermogen om werk op te delen en gelijktijdig uit te voeren.

De assistent bepaalt steeds vaker de route

Het tweede punt uit het gesprek met DHH vond ik nog ingrijpender om te bevatten. Hij beschreef hoe hij zijn agents eerst nog heel nadrukkelijk bestuurde. Hij vertelde wat hij wilde, waar de relevante informatie stond en stuurde bij wanneer het systeem afdwaalde. Inmiddels geeft hij in zijn eigen werk alleen een probleem of een vaag idee aan de agent. De agent stelt dan zelf voor waar het project naartoe moet en welke route daarvoor logisch is.

Kortom, de assistent bemoeit zich nu ook met het plan zelf.

In menselijke organisaties vinden we dat meestal een teken van een goede medewerker. Een beginnende assistent wacht op instructies en voert die nauwkeurig uit. Een ervaren collega zegt soms: “Ik begrijp wat je probeert te bereiken, maar volgens mij is de oplossing die je vraagt niet de beste.” Zo iemand ziet een ontbrekende stap, stelt een andere aanpak voor of wijst erop dat het onderliggende probleem ergens anders zit.

AI-agents beginnen steeds vaker dat gedrag te vertonen. Je vraagt om een PowerPoint en de agent merkt op dat het leerdoel waarschijnlijk beter wordt bereikt met een korte diagnostische opdracht en een klassengesprek. Je wilt een algemene oefenomgeving voor de hele klas en het systeem ziet in eerder werk dat twee groepen leerlingen op heel verschillende misvattingen vastlopen. Of je vraagt om een toets, terwijl uit de leerdoelen en het beschikbare materiaal blijkt dat leerlingen vooral moeten leren argumenteren en een schriftelijke kennistoets dat nauwelijks zichtbaar maakt.

Wat dit voor leerlingen en studenten betekent

Dezelfde ontwikkeling die docenten meer uitvoeringskracht geeft, is natuurlijk ook beschikbaar voor leerlingen en studenten. Ook zij krijgen meer dan een chatbot die een antwoord schrijft. Hun systeem kan de opdracht analyseren, onderzoek verdelen, bronnen verzamelen, een product bouwen, kritiek organiseren en het eindresultaat verbeteren.

Daarmee wordt een ingeleverd product nog minder vanzelfsprekend bewijs van wat iemand zelf kan. Een verzorgd essay kon al door een chatbot zijn geschreven. Straks kan een compleet project het resultaat zijn van een digitaal team dat ook de planning, taakverdeling, broncontrole en vormgeving heeft verzorgd. Alleen naar het eindproduct kijken vertelt dan bijna niets meer over waar het denken van de student zat.

Dat betekent niet dat we zulke systemen uit het onderwijs moeten weren. Buiten de school zullen leerlingen en studenten er juist mee moeten leren werken. Iemand die later een digitaal team kan aansturen, de uitkomsten kan beoordelen en verantwoordelijkheid kan nemen voor beslissingen, bezit een waardevolle vaardigheid. Maar dan moeten we in opdrachten zichtbaar maken welk denkwerk bij de leerling hoort.

Een student kan bijvoorbeeld AI inzetten om verschillende oplossingsroutes te ontwikkelen, maar moet kunnen uitleggen waarom één route is gekozen. Een groep kan agents onderzoek laten doen, maar moet de kwaliteit en herkomst van de gebruikte bronnen verdedigen. Een leerling kan een simulatie laten bouwen, maar moet tijdens een gesprek laten zien welke historische keuzes erin zitten en wat er zou veranderen wanneer een bron anders wordt geïnterpreteerd. Het proces, de gemaakte afwegingen en het vermogen om het resultaat te bevragen worden belangrijker.

Van werkplek naar organisatie

Mijn metafoor had dus een vervolg nodig. De AI-assistent kreeg een werkplek. Nu blijkt die een tijdelijk team te kunnen samenstellen en neemt de assistent steeds vaker initiatief in de aanpak. Soms voert die onze opdracht uit. Soms komt die terug met de mededeling dat we waarschijnlijk de verkeerde opdracht hebben gegeven.

Toch wil ik de metafoor niet onbeperkt oprekken. Een groep agents is geen echte afdeling. Er is geen gedeelde menselijke ervaring, geen betrokkenheid bij leerlingen en geen collega die moreel of juridisch de gevolgen draagt. Agents kunnen rollen verdelen en werk integreren, maar de verantwoordelijkheid blijft voorlopig bij de mensen en organisaties die het systeem inzetten. Een in de praktijk steeds lastiger uitgangspunt vermoed ik.

Daarom wordt de inrichting van die digitale werkomgeving zo belangrijk. Welke bronnen gelden als betrouwbaar? Welke gegevens mogen worden gebruikt? Welke acties mogen zelfstandig plaatsvinden? Waar is menselijke toestemming nodig? Hoe leggen we keuzes vast? En vooral: waaraan herkennen we dat het resultaat goed onderwijs ondersteunt in plaats van alleen professioneel geproduceerd materiaal oplevert?

In mijn vorige artikel schreef ik dat de kernvaardigheid verschuift van prompten naar opdrachtgeverschap. Na het gesprek met DHH denk ik dat die formulering nog steeds klopt, maar dat de lat hoger ligt dan ik toen beschreef. We geven richting aan een systeem dat zelf capaciteit organiseert, voorstellen doet en een groot deel van de uitvoering uit handen neemt.

Uitvoering wordt daardoor veel minder schaars. Een agentteam kan in korte tijd meerdere routes onderzoeken en versies bouwen. Onze aandacht, ons oordeel en onze bereidheid om verantwoordelijkheid te nemen, groeien niet in hetzelfde tempo mee.

Daar zit volgens mij de echte onderwijsopgave. Niet zoveel mogelijk werk aan AI overdragen en ook niet krampachtig vasthouden aan iedere handeling die we altijd zelf hebben gedaan. We moeten leren onderscheiden waar geautomatiseerde uitvoering ruimte maakt voor beter onderwijs en waar menselijk oordeel zichtbaar aan het stuur moet blijven.

De vraag die ik na dit tweede deel overhoud, is daarom concreter dan in het eerste: als AI het werk kan uitvoeren én het team en de route kan kiezen, welke onderwijsbeslissingen willen we dan nooit stilzwijgend meegeven?

Ik ben benieuwd hoe jij daarover denkt. Waar zou zo'n digitaal team jou werkelijk kunnen helpen? En bij welke keuze wil jij als docent, schoolleider of onderwijsprofessional zelf nadrukkelijk degene blijven die beslist?

Marcel Mutsaarts is oprichter van AI voor Docenten (aivoordocenten.nl).