Negentien ervaren Poolse endoscopisten, allemaal met meer dan tweeduizend colonoscopieën op hun naam, kregen in hun ziekenhuis AI-ondersteuning bij het opsporen van poliepen. Het systeem markeert verdachte plekken op het scherm terwijl de arts kijkt.
Onderzoekers vergeleken vervolgens iets wat je makkelijk over het hoofd ziet: hoe die artsen presteerden bij onderzoeken wáár de AI níet aan stond. Vóór de invoering vonden ze bij 28,4 procent van die colonoscopieën een adenoom. Erna nog maar bij 22,4 procent.
Zes procentpunt lager, ongeveer een vijfde minder. Bij dezelfde artsen, in dezelfde ziekenhuizen, binnen enkele maanden.
Die studie verscheen in augustus 2025 in The Lancet Gastroenterology & Hepatology en is tot nu toe het sterkste bewijs dat AI-gebruik een vaardigheid kan uithollen op een manier die er voor iemand anders werkelijk toe doet. Het is ook een van de weinige studies in dit dossier die de toets der kritiek doorstaat.
Waarom dit onderwerp zoveel rommelig bewijs kent
Sinds Sam Altman er eind juli over begon, is “cognitieve atrofie” een gespreksonderwerp. In de podcast Invest Like the Best zei de OpenAI-topman: “One that I don’t think gets much attention is how are we going to avoid cognitive atrophy?” Hij vroeg zich hardop af hoe we deze hulpmiddelen kunnen gebruiken en tegelijk onze hersenen blijven oprekken.
Dat is een opmerkelijke uitspraak van iemand die het product verkoopt. Het is alleen geen bewijs, en Altman is geen cognitiewetenschapper.
Het bewijs dat wél bestaat, is grillig verdeeld. De bekendste bron, de MIT-studie “Your Brain on ChatGPT”, is nog steeds een preprint — meer dan een jaar na verschijnen niet peer-reviewed, met 54 deelnemers en ongeveer negen per conditie in de sessie waarop de kernclaim rust. Er is een formele methodologische kritiek tegen ingediend. De onderzoekers publiceerden zelfs een lijstje met koppen die media níet zouden moeten gebruiken, waaronder “LLM’s laten je stoppen met denken”, en noemden hun conclusies voorlopig.
Dat de zwakste studie de bekendste werd, zegt iets over hoe dit onderwerp zich verspreidt.
Beginner-tipEen preprint is een wetenschappelijk artikel dat de auteurs online zetten vóór andere onderzoekers het hebben nagekeken. Dat is normaal en nuttig, want het gaat sneller. Maar het betekent dat niemand de methode nog kritisch heeft doorgelicht. Bij een klein aantal deelnemers is dat verschil groot: toeval kan dan makkelijk voor een effect worden aangezien.
Het scharnierpunt: mét of zonder grenzen
De studie die het meest verheldert, komt uit een Turkse middelbare school. Onderzoekers van onder meer de University of Pennsylvania gaven bijna duizend scholieren toegang tot GPT-4 bij wiskunde, in een gerandomiseerd experiment dat in juni 2025 in PNAS verscheen.
Met AI-toegang schoten de prestaties omhoog: 48 procent beter bij de kale chatbot. Toen de toegang wegviel, scoorde diezelfde groep echter 17 procent slechter dan leerlingen die nooit AI hadden gehad.
De onderzoekers testten ook een tweede variant: een AI-tutor met pedagogische grenzen ingebouwd, die niet zomaar antwoorden gaf maar de leerling door de stof loodste. Die groep presteerde nog beter tijdens het gebruik, én liet het negatieve effect achteraf níet zien.
Dezelfde technologie, twee uitkomsten. Het verschil zat in hoe hij was ingericht.
Aan Harvard vond een gerandomiseerd experiment onder 194 natuurkundestudenten iets vergelijkbaars: een speciaal ontworpen AI-tutor leverde méér leerwinst op in minder tijd dan klassikaal actief leren, dat zelf al als de gouden standaard geldt. De auteurs benadrukten expliciet dat hun tutor was gebouwd volgens dezelfde onderwijskundige principes als de les — en contrasteerden dat met eerder werk waarin ongestuurd ChatGPT-gebruik weinig opleverde.
Het grootste bewijsstuk voor datzelfde scharnier komt niet uit een experiment maar uit de praktijk. Drie economen volgden dertig maanden lang 26.811 Chinese leerlingen van 12 tot 18 jaar, met per vak zowel het huiswerkcijfer als de bestede tijd. Wie op AI overstapte zag zijn huiswerkcijfer met 18 procent stijgen en de doorlooptijd met 30 procent dalen — en zakte binnen een halfjaar 20 procent op toetsen zonder hulpmiddelen (Bron: CEPR).
Maar het verlies bleek geconcentreerd bij ongeveer 80 procent van de gebruikers, herkenbaar aan een extreem korte huiswerktijd met hoge cijfers. Leerlingen die met AI werkten en er evenveel tijd in bleven steken, verloren volgens de auteurs weinig. Dezelfde technologie, weer twee uitkomsten — dit keer met de doorlooptijd als scharnier in plaats van de inrichting van de tutor. We bespreken die studie apart in AI-huiswerk verlaagt examencijfers met 20%.
De les uit de cockpit
Dit is geen nieuw verschijnsel, en dat maakt het geloofwaardiger.
In 2016 lieten de Duitse onderzoekers Andreas Haslbeck en Hans-Juergen Hoermann 126 willekeurig geselecteerde verkeersvliegers in een simulator een handmatige precisienadering vliegen. Wat voorspelde hoe goed dat ging? Niet de totale vliegervaring, en ook niet hoe lang geleden ze hun opleiding hadden afgerond. Wél hoe recent ze zelf hadden gevlogen. Langeafstandsvliegers, die per maand veel minder starts en landingen maken, presteerden slechter.
De luchtvaart heeft daar een naam voor: automation dependency. De FAA waarschuwde er al in 2013 voor. Air France 447 is het staande casusvoorbeeld.
Wat die vliegers verloren, was niet hun vakkennis. Het was hun handvaardigheid — het deel dat je alleen behoudt door het te doen. Precies zoals de Poolse endoscopisten geen slechtere artsen werden, maar slechtere kijkers zodra de markeringen van het scherm verdwenen.
Je merkt het niet aan jezelf
Er is nog een bevinding die dit onderwerp lastig maakt, en die gaat over zelfkennis.
Onderzoeksinstituut METR liet in 2025 zestien ervaren open-source-ontwikkelaars 246 echte taken uitvoeren in hun eigen codebases, met en zonder AI-assistentie. Vooraf verwachtten ze 24 procent sneller te worden. Achteraf dachten ze 20 procent sneller te zijn geweest. In werkelijkheid waren ze 19 procent langzamer.
METR merkt zelf op dat dit resultaat inmiddels historisch is en niet per se geldt voor de tools van vandaag. Maar de kalibratiekloof blijft het punt: het gevoel dat AI je helpt, is geen betrouwbare meting van of AI je helpt.
Hetzelfde geldt voor het onderzoek van Microsoft Research en Carnegie Mellon onder 319 kenniswerkers, gepresenteerd op CHI 2025. Daar bleek meer vertrouwen in AI samen te hangen met minder kritisch denken. Alleen: het was zelfrapportage, en de auteurs schreven zelf dat deelnemers “minder moeite bij het gebruiken van AI” verwarden met “minder kritisch denken”. De studie meet waargenomen inspanning, geen vaardigheidsverlies. Koppen die daar “AI erodeert kritisch denken” van maakten, gingen verder dan de data.
Onderwijskundig adviseur Laura Koenders van de Universiteit Utrecht vatte het probleem scherp samen in haar dossier over generatieve AI in het onderwijs: performing is niet hetzelfde als learning. In veel studies die positieve effecten vinden, gebruikten deelnemers de AI tijdens de meting zelf. Dan lever je een beter product af, maar weet je nog niets over wat iemand heeft geleerd.
Wat er in Nederland gebeurt
Nederlands empirisch onderzoek naar vaardigheidsverlies door AI is er niet. Niet bij TNO, niet bij het SCP, niet bij een universiteit. Het harde bewijs komt uit Polen, Turkije, de Verenigde Staten en Duitsland; het Nederlandse materiaal bestaat uit duiding, beleid en adoptiecijfers.
Wat we wel weten: het CBS vroeg in Belevingen 2025 aan volwassenen wat ze van AI verwachten, en 64 procent noemde “verlies van kennis en vaardigheden van personeel” als gevolg. De zorg is er dus, de meting niet.
Onder scholieren is de adoptie inmiddels vrijwel volledig. Een peiling van Scholieren.com onder zo’n 650 middelbare scholieren, gepubliceerd in november 2025, vond dat bijna 90 procent generatieve AI voor school gebruikt en ruim 35 procent (bijna) dagelijks. Het was een zelfselecterende online-peiling onder bezoekers van een huiswerksite, dus indicatief in plaats van representatief. Maar één antwoord uit die peiling blijft hangen: “Je doet minder zelf. Ik denk dat de mensheid luier gaat worden.”
Dat zeggen de leerlingen zelf, over zichzelf.
De conclusie die het bewijs draagt
“AI maakt ons dommer” is niet wat hier staat. Geen enkele van deze studies onderbouwt dat.
Wat ze samen wél onderbouwen, is preciezer en bruikbaarder. Vaardigheid die je niet oefent, verdwijnt — en AI maakt niet-oefenen buitengewoon aantrekkelijk. Waar het gebruik met grenzen is ingericht, blijft de vaardigheid overeind of neemt hij toe. Waar de AI zonder meer het werk overneemt, presteer je op het moment zelf beter en sta je zwakker zodra hij wegvalt.
Dat verplaatst de vraag van de technologie naar de inrichting. Voor een school: krijgen leerlingen een tutor die doorvraagt, of een antwoordmachine. Voor een ziekenhuis: houden endoscopisten sessies zonder markering, om scherp te blijven. Voor jezelf: welk deel van je werk besteed je bewust niet uit.
Altman zei in datzelfde gesprek nog iets dat langer meegaat dan zijn waarschuwing. De wereld heeft misschien een nieuw woord nodig, opperde hij, voor het soort oordeelsvermogen waar mensen heel goed in zijn en waar AI diep mee worstelt.
Dat woord bestaat al. Het heet vakmanschap, en het is onderhoudsgevoelig.