AI maakt je sneller. Tot niemand meer weet hoe het werkt

De meest succesvolle digitale producten van deze tijd hebben één ding gemeen: ze maken je afhankelijk. Of zal ik zeggen … verslaafd?
Eerst was dat social media. Eindeloos scrollen, blijven kijken, blijven klikken.

Nu is er een nieuwe magneet: AI.

ChatGPT, Claude, Gemini en Grok vechten niet alleen om marktaandeel. Ze vechten om iets waardevollers: jouw aandacht. Maar eigenlijk om je denkwerk. En opvallend veel organisaties leveren dat vrijwillig aan.

Werken met AI voelt efficiënt.
Sneller een offerte. Sneller code. Sneller documentatie. Sneller antwoord op een lastige vraag.

Tot snelheid langzaam omslaat in gemakzucht.

Wie te veel aan AI uitbesteedt, krijgt wat maar verliest nog meer. Je krijgt tijd terug door werk uit handen te geven. Maar je verliest ook grip. Op keuzes. Op redeneringen. Op oorzaken en gevolgen. En precies daar begint het echte probleem.

Er is inmiddels zelfs een naam voor: cognitive debt.
Cognitieve schuld.

Cognitieve schuld ontstaat wanneer je wel output krijgt, maar het begrip niet meer opbouwt. Het ga zo: jij stelt je AI een vraag. De machine doet het werk. Jij ziet het resultaat. En ergens onderweg verdwijnt de kennis van hoe je software in elkaar zit, waarom processen lopen zoals ze lopen en waar je moet beginnen als het misgaat.

Waar we voorheen wisten waarom code is opgebouwd zoals het opgebouwd werd, is dat nu een black-box geworden. Dat is geen theoretisch risico, dat is een bedrijfsrisico waar nu direct op ingegrepen moeten worden.

Want systemen vallen niet om op het moment dat alles goed gaat. Ze vallen om zodra iets afwijkt. Dat begint vaak met een fout in de logica. Een verkeerde aanname. Een wijziging die op papier slim leek, maar in de praktijk schade veroorzaakt. En als je dan met AI geprogrammeerd hebt, blijkt ineens dat niemand meer echt weet hoe het werkt.

AI kan veel versnellen. Prima.
Maar hoe meer je overdraagt zonder begrip vast te houden, hoe groter de rekening later wordt.

Je kunt best denken mét AI.
Alleen moet je serieus oppassen dat AI niet in jouw plaats gaat denken.

Want als dat gebeurt, stapel je schuld op in stilte.

En stilte in IT is zelden goed nieuws.

AI schrijft de code. Maar wie begrijpt haar nog?

Cognitive debt in software die met AI gebouwd wordt

Misschien denk je nu, “tuurlijk, laten we eens lekker AI gaan bashen”, of “er is altijd wel iets aan te merken op welke werkwijze dan ook”. Dat laatste klopt en nee, ik ben juist helemaal niet van het ‘bashen’.

Waar ik wel van ben, is van optimalisatie. Van geld besparen en voorkomen van kosten daar waar we van tevoren kunnen voorzien dat dingen nu al of in de nabije toekomst fout gaan.

Een van die fenomen is cognitive debt. De eerste plekken waar cognitive debt nu al zichtbaar wordt, is softwareontwikkeling met AI.

Dat begint onschuldig.
Een ontwikkelaar laat een AI-model een functie schrijven. Daarna een API-call. Daarna een query. Daarna een complete module. Voor je het weet is het toetsenbord voornamelijk een promptinterface geworden. De programmeur beschrijft. De AI produceert.

Efficiënt? Zeker.
Risico vrij? Absoluut niet.
Hoe groot is het risico? Groter dan je wil.

Het probleem is niet dat AI code kan genereren. Het probleem is dat mensen die code te vaak vertrouwen zonder haar echt te begrijpen. Niet omdat iemand het niet kán begrijpen, maar omdat we daar de tijd niet meer voor nemen. AI is immers een tijdbespaarder. En daar ontstaat cognitieve schuld: wel output, geen begrip.

Sommigen zeggen dan dat je gewoon beter moet prompten. Dat je explicieter moet aangeven hoe security, schaalbaarheid, foutafhandeling of onderhoudbaarheid geregeld moeten worden. Alleen zit daar precies de zwakte. Een ervaren ontwikkelaar weet dat al zonder AI. En een junior hoort daarin begeleid te worden door iemand die het wél ziet voordat de code productie raakt.

AI verandert dat proces ongemerkt en ‘at lightspeed’.
Niet omdat de risico’s verdwijnen, maar omdat ze netter verpakt terugkomen. Of beter gezegd … vrijwel onzichtbaar.

Dat is ook het verschil met eerdere generaties ontwikkelversnellers. 4GL, ORM’s, database frameworks en low-codeplatforms waren ook bedoeld om bouwen sneller en goedkoper te maken. Daar kwam lang niet altijd mooie code uit, maar de uitkomst was in elk geval redelijk voorspelbaar. Dezelfde input gaf meestal dezelfde output. Fouten zaten daardoor vaker in de aannames van de ontwikkelaar dan in de generator zelf. En precies dat konden we dan snel opsporen wanneer iets niet goed werkte.

Bij AI ligt dat volstrekt anders.

Vraag tien keer om dezelfde oplossing en de kans is groot dat je tien varianten krijgt. Niet alleen de prompt speelt mee, maar ook context, sessiegeschiedenis en niet in de laatste plaats het modelgedrag. Dat maakt AI bruikbaar voor brainstorms, eerste versies van content en ruwe versnelling. Maar voor softwarebouw is het tegelijk een structureel risico.

Want software vraagt om reproduceerbaarheid.
Om uitlegbaarheid.
Om keuzes die je later nog kunt volgen, testen, aanpassen en verdedigen.

Want weet je nog, toen we code leerden schrijven, moest dat gepaard gaan met commentaar, uitleg van de keuzes en de waarom. Dat werd er ingehamerd in opleidingen en met goede en terechte reden.

Wie blind bouwt op deels niet-deterministische codegeneratie, eindigt met software die voor nu wel werkt, maar waarvan niemand nog precies weet waarom. En zodra er iets breekt, begint het echte gedoe, gaat de tijd lopen en wordt de echte rekening gepresenteerd.

Dan moet je niet alleen de fout vinden.
Dan moet je eerst reconstrueren wat je eigenlijk gebouwd hebt.

Dat is geen versnelling meer.

Dat is schuld met rente.

Je workflow leeft. Maar weet iemand nog waarvan?

AI bouwt niet alleen software. Het kruipt ook je processen in.

Cognitive debt stopt niet bij code. Het sluipt net zo hard je bedrijfsprocessen binnen.

Steeds meer organisaties richten workflows in met AI en no-code- of automationtools zoals n8n. Het idee is aantrekkelijk: processen ontwerpen op functioneel niveau, zonder gedoe met techniek. Minder afhankelijk van specialisten. Sneller live. Meer output.

Dat klinkt efficiënt. En op papier is het dat ook. 
In de praktijk ontstaat vaak hetzelfde probleem als bij AI-gegenereerde software: snelheid wint het van begrip.

De mensen die workflows bouwen, worden meestal afgerekend op productiviteit. Hoeveel staat er live? Hoe snel is iets ingericht? Hoeveel handwerk is weggehaald? Veel minder vaak gaat het over de kwaliteit eronder. Over foutpaden. Over uitzonderingen. Over controles. Over de vraag wat er gebeurt als iets nét anders loopt dan verwacht.

En precies daar bouw je cognitieve schuld op.

Want zodra AI-assistenten of half-autonome tools meeschrijven aan je processen, verdwijnt langzaam het overzicht. Eerst weet je nog ‘ongeveer’ hoe een workflow in elkaar zit. Daarna alleen nog waar hij begint en eindigt. En een tijdje later weet niemand nog echt welke logica ertussen draait.

Dat is geen detail. Dat is een risico.

Want een workflow is geen plaatje op een whiteboard. Het is een reeks beslissingen die echte gevolgen heeft. Voor klantdata. Voor facturen. Voor offertes. Voor bestellingen. Voor geld.

En hoe autonomer die tools worden, hoe gevaarlijker blind vertrouwen wordt. Zodra processen zichzelf lijken te bouwen, raak je niet alleen grip kwijt op de techniek, maar ook op de operatie.

En als er dan ineens iets misgaat, begint dezelfde ellende als bij slechte software:

Eerst uitzoeken wat er gebeurt,
dan pas waarom.

Tegen die tijd is de schade vaak al onderweg.

Een tweede AI is geen oplossing voor de missers van de eerste

“Dan laten we AI de fout toch gewoon opsporen?”

Dat klinkt slim.
Tot je er iets langer over nadenkt.

Want als AI heeft meegebouwd aan de fout, waarom zou diezelfde AI hem dan ineens wél scherp zien?

Mensen lezen vaak over hun eigen missers heen. Dat is precies waarom je reviews, second opinions en frisse blikken nodig hebt. Bij AI speelt hetzelfde probleem, alleen dan op grotere schaal. De bekendste modellen zijn getraind op grotendeels dezelfde publieke bronnen en gebouwd volgens vergelijkbare principes. Ze verschillen in toon, snelheid en verpakking, maar niet fundamenteel in hoe beperkt hun begrip is.

En dat laatste is het echte punt.

De huidige generatie LLM’s begrijpt je probleem niet. Ze herkent patronen in taal en voorspelt welk antwoord waarschijnlijk past. Dat is iets anders dan snappen wat er in je proces, architectuur of software werkelijk misgaat.

Dus ja, AI kan helpen bij analyse. Het kan logs samenvatten, hypotheses aandragen en documentatie doorzoeken. Nuttig. Maar dat is nog iets heel anders dan zelfstandig de oorzaak vinden van schade die mede is ontstaan door eerder AI-gebruik.

Wie denkt dat een tweede AI de fouten van de eerste wel even oplost, stapelt vaak vooral extra schijnzekerheid boven op een bestaand probleem.

Dan krijg je geen controle terug.
Dan krijg je meer output zonder meer begrip.

En precies zo groeit cognitive debt verder, zelfs tijdens de reparatie.

AI is geen vakmanschap. Het is gereedschap

Toen ik in de VS op school zat, leerde ik houtbewerken. Daar ontdekte ik iets simpels dat verrassend veel zegt over hoe je met technologie om moet gaan.

Zelfs schuurpapier moet je leren gebruiken.

Op het eerste gezicht lijkt het eenvoudig. Een velletje papier. Beetje wrijven. Klaar. Maar zo werkt het niet. Gebruik je de verkeerde korrel, dan maak je het oppervlak juist grover. Blijf je te lang doorgaan, dan beschadig je het werkstuk. En tijdens het schuren moet je blijven kijken, voelen, beoordelen en bijsturen. Zodra het papier meer kapotmaakt dan verbetert, is het tijd om over te schakelen.

Met AI is het niet anders.
Alleen is de impact vele malen groter.

AI kan je werk versnellen. Het kan patronen zichtbaar maken, ruwe versies opleveren en denkwerk ondersteunen. En dat is een zegen. Want het versnelt weldegelijk. Maar alleen als jij nog steeds snapt wat je aan het doen bent, waar je op moet letten en wanneer je moet ingrijpen.

Dat is precies het punt.

De AI van vandaag is nog niet volwassen genoeg om je processen, je software of je bedrijfslogica zelfstandig te laten beheren. Daarvoor is de foutmarge te grillig en de schade te echt.

Als hulpmiddel is AI sterk.
Als vervanger van begrip is het gevaarlijk.

Vergeet niet dat AI wil dat je terug blijft komen, net zoals social media platforms. Daarom zal AI je daarin blijven aanmoedigen, bijna ‘vriendjes’ worden, antwoorden geven vaak compleet met zelf-validatie.

Gebruik AI als goed gereedschap:

bewust, gecontroleerd en met vakmanschap.

Want uiteindelijk blijft dezelfde regel gelden:

niet de tool draagt het risico,
maar degene die hem gebruikt.

Gebruik AI zonder je autoriteit kwijt te raken

Bij Sciante gebruiken we AI volop, als assistent. En het voegt echt veel toe: sneller analyseren, slimmer ondersteunen, efficiënter werken. Niet als vervanger van vakmanschap, maar als versterker ervan.

Daarom bouwen we ook onze eigen AI-oplossingen. Om onze klanten te helpen te versnellen, te optimaliseren en fors geld te besparen. Want dat is de kern van al onze werk: zoveel geld besparen dat er budgetten vrijkomen die je weer elders kan gebruiken.

Wij noemen dat Computer Aided Human Intelligence.

Wil je weten hoe je dat in jouw organisatie toepast?
Zodat je wél de winst pakt, maar niet eindigt met nieuwe afhankelijkheid of cognitive debt?

Plan direct een gesprek met ons in.
In 30 minuten zie je het verschil tussen AI gebruiken en jezelf eraan uitleveren.