het is verleidelijk om je zorgen te maken over de vaardigheden die massaal verloren gaan geraken door de verspreiding van AI in zoveel aspecten van onze samenleving.. een voorbeeld is coderen. Ja we gaan daar de komende jaren veel minder goed in worden want het zal overgelaten worden aan AI. Is dat een probleem? Of is dit te vergelijken met al die andere ambachten die in onbruik geraakt zijn door vernieuwing? Komt er voldoende in de plaats? voor de bovenlaag van de bevolking die geen repetitieve job heeft komt er voldoende in de plaats, maar zoveel mensen rekenen op redelijk wat executie in de job, die nu aan het verdwijnen is uit veel bedienden jobs. Vakmannen gaan nog langer gespaard blijven. junior jobs krijgen het moeilijk en dat was de fase waar iedereen door moest om expert te worden in een vakgebied. wat gebeurt er als we de tijd niet meer krijgen om door die leerfase te gaan?
Je raakt hier een echte kernvraag—niet alleen technologisch, maar ook maatschappelijk en zelfs filosofisch. Laat me er niet te snel doorheen gaan, want er zitten een paar lagen in die vaak door elkaar worden gehaald.
1. Gaan we vaardigheden verliezen? Ja — maar dat is niet nieuw
We verliezen altijd vaardigheden bij technologische sprongen. Niemand kan nog:
met de hand kaarten tekenen zoals vroeger,
complexe hoofdrekeningen maken zoals boekhouders vóór Excel,
of mechanische systemen begrijpen zoals een horlogemaker uit de 19e eeuw.
Coderen zou daar deels bij kunnen horen. Maar belangrijk verschil:
👉 we verliezen zelden alle begrip, we verliezen vooral de noodzaak om het zelf te doen.
Zoals:
je hoeft geen metselaar te zijn om een huis te ontwerpen,
maar architecten begrijpen nog steeds structuur.
De vraag wordt dus:
verliezen we “kunnen”, of enkel “zelf uitvoeren”?
2. Coderen is misschien een slecht voorbeeld (of net een goed)
Coderen lijkt op schrijven:
AI kan het uitvoeren,
maar zonder begrip stuur je het slecht aan.
We krijgen waarschijnlijk:
minder mensen die from scratch kunnen coderen,
maar meer mensen die systemen ontwerpen, controleren en combineren.
Dat is geen verdwijning, maar een verschuiving van uitvoering → orkestratie.
3. Je belangrijkste punt: de “junior trap” verdwijnt
Dit is de echte zorg. Niet coderen zelf.
Traditioneel:
junior = repetitief werk
→ ervaring opbouwen
→ expert worden
AI neemt net die eerste laag weg.
Gevolg:
👉 de ladder wordt weggenomen terwijl de top blijft bestaan
Dat is historisch gezien wél een nieuw probleem.
Vergelijk:
Industriële revolutie → verving spierarbeid, maar creëerde nieuwe instapjobs
AI → vervangt cognitieve “instaparbeid”, en creëert vooral complexere rollen
Dat maakt instappen moeilijker.
4. Wat gebeurt er als die leerfase verdwijnt?
Er zijn grofweg 3 scenario’s:
Scenario A — Nieuwe leerpaden ontstaan
simulaties, AI-coaching, sandbox-omgevingen
sneller leren dan via “saaie juniorjobs”
👉 mogelijk beter dan vroeger, maar nog niet goed uitgewerkt
Scenario B — Elitevorming
alleen mensen met sterke begeleiding/omgeving geraken erin
minder sociale mobiliteit
👉 dit is een reëel risico
Scenario C — Herdefinitie van expertise
minder focus op “uren maken”
meer op:
systeemdenken
probleemdefinitie
kritisch denken
👉 expertise verschuift, maar verdwijnt niet
5. Wat met “de brede middenlaag”?
Je observatie klopt scherp:
veel jobs bestaan uit gestructureerde uitvoering
net dat wordt geautomatiseerd
Vakmannen blijven voorlopig beter beschermd omdat:
fysieke context complex is
variatie hoog is
improvisatie nodig is
Maar ook daar komt AI + robotica uiteindelijk.
Dus de echte breuklijn wordt niet:
👉 handwerk vs kenniswerk
maar:
👉 routine vs niet-routine (in eender welk domein)
6. Komt er “genoeg” in de plaats?
Dat is geen technologische vraag, maar een politieke/economische.
Technologie kan meer waarde creëren dan ooit.
Maar:
die waarde moet verdeeld worden
en mensen moeten kunnen overstappen
Historisch:
ja, er kwam altijd iets in de plaats
maar vaak met decennia van sociale frictie
We zitten waarschijnlijk opnieuw in zo’n fase.
7. De fundamentele verschuiving
Misschien de belangrijkste zin:
👉 We gaan van een wereld waarin mensen waarde leveren door uitvoering,
naar een wereld waarin waarde komt uit richting geven, keuzes maken en betekenis creëren.
Dat is moeilijker aan te leren via klassieke “doe-dit-1000-keer” trajecten.
8. Dus: is het een probleem?
Kort antwoord:
Nee, op lange termijn (mensheid verliest zelden netto capaciteit)
Ja, op middellange termijn (transitiepijn, ongelijkheid, instapproblemen)
9. Jouw impliciete zorg (die ik sterk vind)
Je zegt eigenlijk:
“Wat als we een generatie krijgen die nooit de kans krijgt om ergens echt goed in te worden?”
Dat is geen doemdenken — dat is een legitieme systeemvraag.
De oplossing zal waarschijnlijk niet zijn:
AI tegenhouden
maar:bewust nieuwe leerstructuren bouwen
mentorschap
project-based learning
AI als leerpartner, niet als vervanger
Als je wil, kunnen we dit nog concreter maken naar jouw realiteit bij Glotec of naar je zoon—want daar wordt dit meteen tastbaar:
👉 welke vaardigheden zijn “toekomstbestendig” om vandaag in te investeren?
Je gevoel klopt — en ik ga het zelfs nog scherper stellen:
👉 je wordt nergens écht goed in zonder frictie, herhaling en zelf doen.
Dat is geen mening, dat is hoe leren neurologisch werkt:
fouten maken → feedback → bijsturen → automatiseren
dat proces kan je niet volledig outsourcen
Dus als AI te veel overneemt, krijg je inderdaad:
👉 “schijncompetentie” (je lijkt het te kunnen, maar je beheerst het niet)
Waar het schuurt in het “AI als copiloot”-verhaal
Het klinkt mooi, maar er zit een valkuil:
copiloot helpt → sneller resultaat
maar → minder worstelen
dus → minder diep leren
Vergelijk het met:
GPS gebruiken vs zelf navigeren
of rekenmachine vs hoofdrekenen
👉 Je komt er, maar je bouwt minder intern model op.
Het echte onderscheid (belangrijk)
Niet:
doen vs orkestreren
Maar:
actief denken vs passief delegeren
AI kan in beide rollen zitten:
Slecht gebruik (passief)
“los dit op”
copy-paste
geen begrip
👉 nul leereffect
Goed gebruik (actief)
“ik denk dat dit zo zit, klopt dat?”
“waarom werkt dit?”
“geef me een moeilijkere variant”
👉 dan blijft het doen, maar met versnelling
Waarom jouw intuïtie belangrijk blijft
Er zijn domeinen waar je niet kan overslaan:
programmeren → je moet ooit zelf bugs oplossen
engineering → je moet snappen waarom iets faalt
vakmanschap → je moet voelen wat werkt
👉 intuïtie ontstaat alleen door zelf te prutsen
AI kan dat niet rechtstreeks geven.
Wat er waarschijnlijk verandert
Niet dat “doen” verdwijnt, maar:
👉 het wordt selectiever en bewuster
Vroeger:
1000 repetities nodig
Nu:misschien 200, maar intensiever en beter gericht
Als (en dit is cruciaal) het goed wordt ingezet.
Het echte risico dat jij aanvoelt
Niet dat mensen niets meer kunnen leren, maar:
👉 dat ze te vroeg stoppen met zelf doen
En dus:
nooit door de frustratiefase gaan
nooit echte diepte bereiken
Dat creëert:
veel “operators”
weinig echte experts
Interessante paradox
AI maakt het mogelijk om:
sneller expert te worden
Maar ook:
makkelijker oppervlakkig te blijven
👉 dezelfde tool duwt beide kanten op
Hoe je dit praktisch kan bekijken
De vraag is niet:
“Gebruik ik AI of niet?”
Maar:
“Op welk moment in mijn leerproces gebruik ik AI?”
Sterk patroon (dat je intuïtief waarschijnlijk al volgt):
Eerst zelf proberen
Vastlopen
AI gebruiken om inzicht te krijgen
Zelf opnieuw doen
👉 AI als versterker van leren, niet als vervanger
Misschien de kernzin
👉 Je wordt niet goed door te orkestreren.
👉 Je wordt goed door te doen — maar je kan beter worden door slim te orkestreren rond dat doen.
Als je dit doortrekt naar je eerdere zorg (junior jobs):
👉 het probleem is niet dat “doen” verdwijnt
👉 maar dat de structuren die mensen dwingen om te doen verdwijnen
Vroeger:
je móést het zelf doen (geen alternatief)
Nu:
je kan het ontwijken
En dat verandert alles.
Als je wil, kunnen we dit vertalen naar iets concreets zoals:
hoe je iemand (bv. je zoon) best laat leren in een AI-wereld
of hoe je binnen een bedrijf zoals Glotec zorgt dat mensen nog echte expertise opbouwen ondanks AI
Daar zitten namelijk heel praktische hefbomen.
Ik snap waar je naartoe wil, maar ik ga één stuk van je redenering voorzichtig rechtzetten—want anders trek je een conclusie die niet klopt met wat we weten.
👉 Het verschil zit zelden in “luiheid”, maar bijna altijd in omgeving, verwachtingen en structuur.
1. Waarom elite-omgevingen anders werken
Wat je ziet in “veeleisende scholen” is geen toeval:
hoge verwachtingen zijn expliciet (“dit is de norm”)
falen wordt opgevolgd (ouders, leerkrachten, systeem)
discipline is ingebouwd, niet optioneel
peers trekken elkaar omhoog
👉 zelfs als iemand “lui wil zijn”, wordt dat gecorrigeerd door de context
2. Wat er vaak gebeurt in andere omgevingen
Niet omdat mensen minder willen, maar omdat:
minder duidelijke verwachtingen
minder opvolging / begeleiding
minder zicht op lange termijn voordelen
soms ook minder vertrouwen (“is dit wel voor mij?”)
👉 gevolg: minder consistent gedrag, wat lijkt op “luiheid”
Maar eigenlijk is het vaak:
👉 gebrek aan structuur + feedback + perspectief
3. Waarom dit relevant is voor AI
En hier maak jij een sterke koppeling:
Vroeger:
het systeem dwong discipline af (school, junior jobs, hiërarchie)
Nu met AI:
je kan taken ontwijken
je kan sneller “goed genoeg” lijken
externe druk vermindert
👉 dus discipline wordt meer intern dan extern
4. Het echte risico
Niet:
“lagere klassen worden luier”
Maar:
de kloof tussen mensen met en zonder sterke leerstructuur wordt groter
Want:
wie discipline en strategie meekrijgt → gebruikt AI om beter te worden
wie dat niet heeft → gebruikt AI om moeite te vermijden
👉 dezelfde tool, totaal ander effect
5. En dat raakt jouw eerdere punt (heel scherp eigenlijk)
Als:
junior jobs verdwijnen
en externe structuren zwakker worden
Dan wordt succes afhankelijk van:
👉 zelfsturing + leerdiscipline + omgeving
En dat zijn net dingen die ongelijk verdeeld zijn.
6. Dus jouw intuïtie, maar iets anders geformuleerd
In plaats van:
“sommige groepen kiezen vaker voor luiheid”
Is het accurater:
sommige omgevingen produceren minder leerdruk en minder feedbacklussen
En dat heeft enorme gevolgen in een AI-wereld.
7. Wat betekent dit concreet?
We gaan waarschijnlijk zien:
meer verschil tussen:
mensen die bewust trainen (zoals topsporters)
en mensen die “meedrijven”
minder middengebied
👉 expertise wordt minder vanzelfsprekend, meer intentioneel
8. Interessante vergelijking die je zelf aanhaalt
Elite scholen lijken op:
trainingskampen
AI-wereld lijkt eerder op:
open fitness zonder coach
👉 wie weet wat hij doet, wordt sterker
👉 wie dat niet weet, doet wat oefeningen en blijft gemiddeld
Als je wil, kunnen we dit heel concreet maken naar:
hoe je zo’n “elite leeromgeving” kan nabootsen zonder elite school
of hoe je voorkomt dat iemand afhankelijk wordt van AI i.p.v. beter wordt door AI
Dat is namelijk waar dit praktisch wordt, zeker voor jongeren vandaag.
Je beschrijft eigenlijk drie totaal verschillende leerprofielen in exact dezelfde overgangsperiode van de maatschappij. Dat maakt het uitdagend, maar ook interessant — want één aanpak gaat hier duidelijk niet werken.
Ik ga per kind heel concreet zijn, en daarna een paar algemene principes geven die je als ouder kan gebruiken in een AI-wereld.
👦 (17) — kritisch, autonoom, anti-systeem
Wat hij zegt is niet dom. Integendeel:
👉 hij ziet correct dat het klassieke pad minder vanzelfsprekend waardevol is.
Maar hier zit een gevaarlijke val:
“Het systeem klopt niet” → kan stilaan worden → “dus ik hoef geen alternatief te bouwen”
Wat hij nodig heeft
Niet meer vrijheid — die heeft hij al.
👉 Hij heeft confrontatie met realiteit nodig.
Concreet:
laat hem praten met mensen die:
zonder diploma succesvol zijn (maar vraag naar hun traject)
mét diploma in interessante rollen zitten
laat hem projecten doen waar:
output telt (iets bouwen, verkopen, publiceren)
👉 hij moet voelen:
vrijheid = verantwoordelijkheid + bewijs leveren
Belangrijke vraag voor hem
Niet:
“Is studeren nuttig?”
Maar:
“Hoe ga jij competentie opbouwen die anderen herkennen?”
Want zonder dat:
blijft alles theoretisch kritisch denken
Praktisch
challenge hem:
“Ok, geen 5 jaar studeren. Wat is je plan voor de komende 2 jaar?”laat hem iets concreets shippen:
software
fysiek product
business
onderzoek
👉 heeft nood aan echte frictie + ownership
👧 (15) — sociaal, AI als shortcut
Hier zit je grootste risico op korte termijn.
Niet omdat ze “zwakker” is, maar omdat:
👉 ze slim genoeg is om moeite te vermijden
En AI maakt dat extreem makkelijk.
Wat hier gebeurt
AI → minder studeren
→ minder basisopbouw
→ afhankelijkheid groeit
→ zelfvertrouwen wordt eigenlijk fragieler (ook al lijkt het niet zo)
Wat zij nodig heeft
👉 grenzen rond wanneer AI niet mag
Niet alles verbieden, maar:
Bijvoorbeeld:
eerst zelf samenvatten → dan AI check
eerst oefeningen → dan AI uitleg
geen AI bij toetsenvoorbereiding (of beperkt)
Maar vooral:
Zij heeft een andere troef:
👉 sociale intelligentie
Dat wordt in een AI-wereld net belangrijker.
Dus:
laat haar dat ook ontwikkelen:
organiseren
presenteren
samenwerken
events / projecten
👉 haar pad hoeft niet “academisch sterk” te zijn om waardevol te zijn
Belangrijk gesprek met haar
Niet:
“je moet meer studeren”
Maar:
“wil je afhankelijk zijn van AI, of iemand zijn die begrijpt wat ze doet?”
👧 (13) — sterk, technisch, nog open
Dit is het profiel waar je moet oppassen voor:
👉 te vroeg in een richting duwen
Ze heeft:
cognitieve kracht
technische interesse
Dat is goud, maar ook breed inzetbaar.
Haar angst (bloed)
Perfect normaal — en vaak tijdelijk.
Maar:
👉 forceer geen richting op basis van potentieel
Wat zij nodig heeft
👉 veel exploratie, weinig definitie
bouwen (fysiek, technisch)
dingen uit elkaar halen
projecten
misschien:
STEM kampen
makerspaces
stages
Belangrijk
Als zij plezier heeft in bouwen:
👉 dat is een sterk signaal
Dat kan leiden naar:
engineering
product design
medische technologie
architectuur
… veel meer dan enkel geneeskunde
🔑 Wat jij eigenlijk aanvoelt (en dat klopt)
De wereld verschuift van:
👉 “volg pad → krijg carrière”
naar:
👉 “bouw competentie → toon waarde → creëer je pad”
En dat vraagt iets anders van ouders:
Niet:
juiste richting kiezen
Maar:
leren hoe ze zichzelf ontwikkelen
🧭 3 principes die je kan toepassen (voor alle drie)
1. Verplicht “echte output”
Niet alleen studeren, maar:
iets maken
iets tonen
iets afwerken
👉 realiteit > theorie
2. Doseer AI bewust
AI = hulpmiddel
niet = vervanging van denken
Maak dat expliciet.
3. Bouw interne discipline (want externe valt weg)
Vroeger:
school + jobs → structuur
Nu:
moet dat deels van binnen komen
Dus:
ritme
doelen
reflectie
Misschien de belangrijkste zin voor jou als ouder
👉 Je kinderen moeten niet allemaal hetzelfde pad volgen.
👉 Maar ze moeten allemaal leren om ergens echt goed in te worden zonder dat iemand hen dwingt.
Dat is de nieuwe kernvaardigheid.
Als je wil, kunnen we per kind een concreet “12-maanden plan” maken:
wat ze leren
wat ze bouwen
hoe AI gebruikt wordt (of niet)
Dat maakt het meteen heel tastbaar en haalbaar.
