In een vergaderzaal van een middelgroot bedrijf valt deze zin steeds vaker. Iemand probeert een discussie te beslechten. Een ander vraagt waar de cijfers vandaan komen, hoe de leverancier eigenlijk presteert, of een nieuwe wet wel zo werkt als wordt aangenomen. En dan komt het antwoord. "Ik heb het aan ChatGPT gevraagd", of "Claude zegt het ook", of "kijk maar, hier staat het".
De discussie stopt vaak op dat moment. Dat gebeurt zelden omdat iedereen overtuigd is. Het gebeurt vaker omdat niemand weet wat er nog tegenin te brengen valt. Het voelt alsof er een autoriteit is aangeroepen die boven de tafel staat. En precies dat moment is zowel organisatorisch als filosofisch interessanter dan het lijkt.
Waarheid is altijd via een omweg bij ons gekomen
In het westerse denken hebben mensen waarheid bijna nooit zelf onderzocht. Eeuwenlang lag het gezag bij de kerk, bij koningen, bij traditie en bij autoriteitsfiguren als Aristoteles, wiens werk in de middeleeuwen een uitzonderlijke autoriteit kreeg. Wat de Verlichting veranderde, ergens tussen 1650 en 1800, was iets anders dan vaak wordt aangenomen. Waarheid werd door deze beweging niet ineens toegankelijker. Wat veranderde, was wie er gezag had om waarheid vast te stellen. De rede en het experiment kwamen in de plaats van de gewoonte en het geloof.
Ook na die verschuiving bleef waarheid een sociaal proces. Vrijwel niemand voert zelf experimenten uit. Wat in een organisatie als feit circuleert, is bijna altijd doorgegeven via een keten van vertrouwen. De wetenschapper deed het onderzoek, het tijdschrift publiceerde, de journalist vatte samen, de manager las het, het werd het uitgangspunt voor een besluit. Filosoof Bruno Latour liet in de jaren negentig zien dat ook wetenschappelijke kennis zo'n keten doorloopt.1 Dat maakt die kennis niet minder waardevol. Het maakt zichtbaar dat zelfs de meest objectieve waarheid leunt op een infrastructuur die mensen vertrouwen.
Daarmee komt een ongemakkelijk besef. Het uitbesteden van waarheid begon niet bij AI. Het is iets dat mensen altijd al hebben gedaan. Wat steeds verandert, is aan wie.
Het tijdperk waarin meerdere werkelijkheden naast elkaar leven
Tot betrekkelijk recent was het aantal bronnen waar mensen waarheid van afnamen redelijk overzichtelijk. Een handvol kranten, een paar omroepen, een sector aan vakbladen. Daar zat al genoeg variatie in om kritisch te lezen, maar de wereld voelde nog samenhangend. Er was iets als een gedeelde werkelijkheid, ook al verschilden mensen daarbinnen van mening.
Dat speelveld is fundamenteel veranderd. Iedereen kan publiceren, uitzenden, een gemeenschap bouwen en miljoenen mensen bereiken zonder enige redactionele tussenkomst. Figuren als Andrew Tate, anti-feministische bewegingen onder vrouwen, of welke andere stroming dan ook, danken hun bereik aan iets anders dan plotselinge overtuigingskracht. Het gezag dat vroeger filterde, is weggevallen, en in dat vacuüm ontstaat ruimte voor iedereen met een microfoon. Daardoor groeien parallelle werkelijkheden waarin twee mensen dezelfde feiten kunnen zien en tot tegenovergestelde conclusies komen. Niemand van beiden hoeft te liegen. Ze functioneren simpelweg in andere waarheidskaders.
Hannah Arendt schreef in 1967 al een doordringend essay over de relatie tussen waarheid en politiek.2 Haar observatie was dat feitelijke waarheid altijd kwetsbaar is, juist omdat ze niet ter discussie zou moeten staan. Wat, tegen feiten in, lang genoeg wordt herhaald, krijgt na verloop van tijd zijn eigen werkelijkheid. Dat is geen nieuw fenomeen. AI heeft het alleen versneld.
Waarom AI de crisis zichtbaar maakt in plaats van veroorzaakt
De aantrekkingskracht van AI als waarheidsbron is dat antwoorden er gezaghebbend uitzien. Een goed geformuleerde alinea voelt als kennis, ook als het in technische zin slechts een waarschijnlijkheidsverdeling over woorden is. Daar komt iets bovenop dat in psychologisch onderzoek al decennia bekend is als automation bias.3 Wanneer een geautomatiseerd systeem een antwoord geeft dat plausibel klinkt, neigen mensen ernaar dat antwoord te accepteren zonder verdere controle. Dat geldt voor luchtverkeersleiders met radarbeelden en voor artsen met diagnostische software. Het geldt nu ook voor managers met ChatGPT.
Tegelijk verdwijnen oude vuistregels. Een tekst was bewijs, totdat een taalmodel binnen seconden duizend woorden overtuigend ongelijk schrijft. Een foto was bewijs, totdat deepfakes alledaags werden. Een video was bewijs, totdat AI-gegenereerde beelden niet meer van echt te onderscheiden waren. De zin "als ik het zie zal het wel waar zijn" houdt langzaam op als betrouwbare leidraad voor professionals.
Onderzoek van onder andere Microsoft Research laat zien dat kenniswerkers bij veelvuldig gebruik van generatieve AI zelf rapporteren dat zij minder cognitieve inspanning leveren en hun kritische denkproces anders inzetten.4 Vooral wie veel vertrouwen heeft in AI-output, lijkt minder geneigd die output kritisch te controleren. De richting is helder, ook al geldt het niet voor iedereen even sterk. Wie het oordelen uitbesteedt, oordeelt na verloop van tijd minder scherp.
Van een informatieprobleem naar een oordeelsprobleem
En precies hier ligt een grote verschuiving voor het MKB. Informatie was lange tijd schaars. Wie ergens iets over wist of kon vinden, had een voorsprong. Die schaarste is verdwenen. Iedereen kan in twee minuten een redelijk antwoord krijgen op vrijwel elke vraag.
Wat schaars wordt, is iets anders. Het vermogen om een goed antwoord te onderscheiden van een goed klinkend antwoord. Het vermogen om vier perspectieven naast elkaar te leggen en te zien welk perspectief in welke context steekhoudt. Het vermogen om te zeggen "ik weet het nog niet" zonder dat het voelt als zwakte. Voor een directeur of teamleider in het MKB verschuift de kerncompetentie van weten naar oordelen.
Dat is een ander vak dan veel mensen gewend zijn. Oordeelskracht ontwikkelt zich door vertraging, door tegenspraak, door fouten maken en daarvan leren. Het ontwikkelt zich nauwelijks door snelle antwoorden te accepteren. Dat geeft een interessante spanning in een tijd waarin alles efficiënter lijkt te moeten.
Wat een MKB-ondernemer concreet kan organiseren
Een eerste verschuiving zit in de manier waarop AI wordt bevraagd. Een vraag als "geef mij het antwoord" levert altijd iets op, maar verbergt waar de twijfel zit. Een vraag als "welke verschillende perspectieven zijn op dit vraagstuk te verdedigen, en wat zijn de tegenargumenten van elk" levert iets fundamenteel anders op. De rol van AI verschuift dan van orakel naar gespreksgenoot.
Een tweede verschuiving zit in het gesprek binnen het bedrijf. Wanneer iemand in een vergadering naar ChatGPT verwijst als bron, is een goede tegenvraag waardevoller dan een tegenovergesteld standpunt. Waar is dat antwoord op gebaseerd? Welke aannames zitten erin verstopt? Wat zou dit antwoord onderuit kunnen halen? Karl Popper, die hier in de twintigste eeuw fundamenteel werk over deed, noemde dat de toets van falsifieerbaarheid. Een goed idee is altijd een idee dat in principe weerlegd zou kunnen worden.5
Een derde verschuiving is cultureel. Veel bedrijven belonen mensen die snel beslissen en zelfverzekerd communiceren. In een wereld waarin antwoorden onbeperkt en goedkoop zijn, wordt het juist waardevol om mensen te belonen die durven aarzelen. De medewerker die zegt "dat klopt niet helemaal, ik zoek het uit", brengt waarschijnlijk meer waarde dan de medewerker die binnen twee seconden ChatGPT citeert.
Wat de spiegel ons laat zien
De reflex om naar AI te wijzen als de oorzaak van het probleem klopt maar half. De waarheid is door AI niet kapotgemaakt. AI heeft zichtbaar gemaakt hoe sterk we al leunden op vertrouwen, en hoe weinig we zelf de gewoonte hadden om iets actief te onderzoeken. De technologie is daarbij vooral een spiegel.
Wat in die spiegel zichtbaar wordt, is een vraag die spannend is voor elke ondernemer. Wanneer was de laatste keer dat in het bedrijf iemand een aanname kritisch tegen het licht hield, omdat het kon? Wanneer was de laatste keer dat een vergadering eindigde met "ik weet het nog niet, ik kom erop terug"? Hoe vaak wordt twijfel beschouwd als professionaliteit, en hoe vaak als gebrek aan daadkracht?
De diepere uitdaging van deze tijd is misschien iets anders dan vaak wordt gedacht. Het gaat niet alleen om de macht van AI. Het gaat ook om iets bij onszelf. Menselijk oordeelsvermogen vraagt aandacht en oefening, en AI maakt het te makkelijk om die oefening over te slaan. Wie dat ziet, kan er iets aan doen. Grote programma's of nieuwe trainingen zijn daarvoor niet eens nodig. Het werkt al door in het dagelijkse werk de aarzeling weer ruimte te geven die ze altijd al verdiende.
- Latour, B. (1999). Circulating Reference: Sampling the Soil in the Amazon Forest. In Pandora's Hope: Essays on the Reality of Science Studies. Zie ook: Latour, B. & Woolgar, S. (1979; herziene editie 1986). Laboratory Life: The Construction of Scientific Facts. ↩
- Arendt, H. (1967). Truth and Politics. The New Yorker, 25 februari 1967. ↩
- Goddard, K., Roudsari, A., & Wyatt, J. C. (2011). Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association. ↩
- Lee, H.-P. H., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Microsoft Research / CHI 2025. ↩
- Popper, K. (1959). The Logic of Scientific Discovery. Engelse editie; oorspronkelijke Duitse editie Logik der Forschung, 1934/1935. ↩