'De verschuiving is van kenniswerk naar betekeniswerk'

Marco Derksen houdt zich al ruim dertig jaar bezig met technologie. Van huis uit is hij scheikundige, maar begin jaren negentig studeerde hij al af op AI. “Dat is nu een mooie binnenkomer in lezingen,” zegt hij. “Ik zeg dan altijd dat ik iets te vroeg gepiekt heb. Toen ik op de markt kwam, was er geen baan in te vinden. Hoe snel kan de wereld veranderen.”

Via internet, data, marketing en communicatie kwam Derksen uiteindelijk terecht in de publieke sector. Hij werkt voor organisaties in zorg, onderwijs, politie, omroepen en overheid. Niet alleen rond technologie zelf, maar vooral rond de vraag wat een veranderende samenleving vraagt van bestuur, management, leiderschap en organisatie.

Sinds ChatGPT eind 2022 doorbrak, is AI voor hem opnieuw een centraal onderwerp geworden. “Ik had wel echt het gevoel: wacht even, nu zou het wel eens echt door kunnen zetten.”

Voor Wat Blijft sprak ik met hem over AI in organisaties, de grenzen van efficiëntie, de waarde van reflectie en waarom menselijke kracht misschien juist zit in wat niet direct productief lijkt.

Je bent begin jaren negentig al afgestudeerd op AI. Wat voor AI was dat toen?

“Ik heb scheikunde gedaan, en daarbinnen zat ik aan de wiskundige en statistische kant. Chemometrie heette dat, een beetje zoals econometrie. We werkten toen al met heel veel data. Multivariate data-analyse, lineaire regressie, dat soort dingen.

Maar er waren problemen die zo complex waren dat je ze met de standaardtechnieken niet opgelost kreeg. Eind jaren tachtig kwamen neurale netwerken en genetische algoritmes op. Dat noemden we toen soft modeling.

Bij hard modeling heb je een wiskundig model en data, en dan ga je parameters inschatten. Bij soft modeling hadden we eigenlijk vooral data nodig en het goede antwoord. Daarmee probeerden we de neurale netwerken te trainen tot we een model hadden dat voldoende betrouwbare voorspellingen kon doen (supervised learning).

In de scheikunde, biochemie en farmaceutische industrie zagen we ineens toepassingen waarbij je op basis van veel data modellen kon bouwen die je zelf nooit zo had bedacht. Ik hield me bezig met analysemethodes voor van alles en nog wat, van olie tot tabletten. Daar heb ik toen AI-modellen voor ontwikkeld.”

Dus de Marco Derksen van nu had ook bij DeepMind kunnen belanden?

“Het grappige is dat veel grootheden van nu ongeveer in dezelfde periode zijn afgestudeerd als ik. Alleen zij zijn doorgegaan. Ik ben de marketing- en communicatiehoek ingerold.

Maar je ziet wel: de mensen van toen zijn nu de hoogleraren en grote namen op AI-gebied.

Tegelijk is AI een containerbegrip. Of het nou kankeronderzoek is of Google Maps, overal zit AI achter. Nu is het voor veel mensen vooral een nieuwe vorm van googlen geworden. Dat maakt het voor organisaties ook ingewikkeld. Waar hebben we het eigenlijk over?”

Is AI fundamenteel anders geworden dan toen?

“De technische achterkant is in essentie niet eens zo heel veel veranderd. Het is vooral veel groter geworden. Het aantal neuronen in zo’n netwerk is niet meer te bevatten. De infrastructuur is totaal anders. De schaal is anders.

Maar de leeralgoritmes zijn nog steeds familie van wat er toen al was. Supervised learning, unsupervised learning, patroonherkenning, machine learning. Die begrippen speelden toen ook al.

Wat nu anders is, is dat de massa het gebruikt. ChatGPT heeft ervoor gezorgd dat iedereen ermee kon spelen. Daardoor werd het ineens een maatschappelijk onderwerp.”

Wat zie je nu gebeuren in organisaties?

“Ik zie AI overal op de agenda staan. In de zorg, het onderwijs, de politie, de publieke sector. Maar het is nog heel erg zoeken hoe je dit structureel doet.

Je ziet veel kleinschalige successen. Mensen gebruiken AI om teksten te schrijven, plaatjes te maken, samenvattingen te maken. Allemaal nuttig. Maar de echte uitdaging is: hoe krijg je dit op organisatieniveau goed ingebed?

Daar worstelen organisaties enorm mee.”

Je werkt veel met publieke organisaties. Wat maakt AI daar ingewikkeld?

“In de publieke sector gaat het al snel over privacy, verantwoordelijkheid, beleid en legitimiteit. Bij de politie bijvoorbeeld wordt al jaren met AI gewerkt. Veel mensen onderschatten dat.

De politie heeft een dedicated AI-team met tientallen mensen: promovendi, data scientists, specialisten. Kijk bijvoorbeeld maar eens in het nationale AI-register, daar staan ook al meerdere algoritmes van de politie. En dan heb je het alleen nog over wat zichtbaar is.

Maar tegelijk mogen politiemensen geen ChatGPT of Copilot gebruiken. Intern wordt gewerkt aan een veilige PolitieGPT, net zoals Defensie en andere organisaties dat doen. Maar zo’n intern systeem haalt het voorlopig nog niet bij ChatGPT of Gemini.

En als mensen eenmaal hebben ervaren hoe goed die externe tools werken, krijg je ze niet zomaar terug in een intern systeem. Dat is een uitdaging.

Vroeger hadden we shadow IT. Nu krijg je shadow AI.”

Dat is logisch. Mensen gebruiken wat werkt.

“Precies. Alleen is het voor een organisatie als de politie heel gevoelig. Er hoeft maar één ding fout te gaan en de politie ligt meteen onder een vergrootglas van Bits of Freedom, Amnesty of de media.

Dat is in het verleden ook al eens gebeurd. Bij de outlet in Roermond was veel diefstal. Met sensing en camera’s boven de snelweg is toen een systeem gebouwd dat vroegtijdig een indicatie gaf dat bepaalde groepen mogelijk richting de outlet gingen. Dat systeem was aan de achterkant gebaseerd op algoritmen. Daar is veel ophef over ontstaan en uiteindelijk is het stopgezet.

Terecht dat je daar kritisch naar kijkt. Maar het maakt organisaties ook voorzichtig, soms bijna schizofreen. Waar kan het nou wel? Waar niet? Wat mag? Wat moet je juist niet willen?”

Denk je dat AI blijft? Of zitten we ook in een bubbel?

“AI gaat niet meer weg. Daar ben ik van overtuigd. Het blijft een hulpmiddel. Alleen zijn we nog volop aan het zoeken hoe we het gebruiken.

Voor mij is dit de kern van digitale transformatie. Als nieuwe technologie beschikbaar komt, passen we die eerst toe in de bestaande context. Dan optimaliseren we wat we al deden. Sneller, goedkoper, efficiënter.

Maar de echte kracht van technologie zit in de vraag hoe je dingen fundamenteel anders kunt doen.

Bij AI zie je precies hetzelfde. Nu gebruiken we het vooral voor dingen die we al deden: teksten schrijven, beelden maken, samenvatten, voorbereiden. Prima. Daar leer je van.

Maar de grote kansen zitten in dingen waar we eerder niet aan toekwamen, of die voor mensen te complex waren.”

Kun je daar een voorbeeld van geven?

“Bellingcat en Bureau Dupin vind ik mooie voorbeelden. Bureau Dupin is een community van mensen die cold cases onderzoekt. Een oud-politieman heeft dat opgezet. Daar zit een groep mensen achter die allerlei losse stukjes informatie verzamelt: mediafragmenten, krantenknipsels, kleine brokjes.

Met AI kun je daar patronen uithalen die je vroeger niet of nauwelijks zag. Niet omdat AI het hele werk overneemt, maar omdat het helpt om door een enorme hoeveelheid fragmenten heen te kijken.

Dat vind ik interessant. Niet: hoe maken we het bestaande proces iets efficiënter? Maar: wat konden we eerst niet, en nu misschien wel?”

Je schreef ook over AI en de energietransitie.

“Ja, in opdracht van Economische Zaken heb ik een essay geschreven voor regionale energietransitieclubs.

Ook daar zie je dat AI nu vooral wordt gebruikt om bestaande processen te optimaliseren. De opbrengst van zonnepanelen verbeteren. Windmolens efficiënter inzetten. Dat is nuttig.

Maar interessanter vind ik de vraag of AI kan helpen bij een ander energiesysteem. Een systeem waarin je steeds opnieuw belangen tegen elkaar afweegt. Boeren, burgers, energieleveranciers, landschap, ecologie, natuur. Dat is voor mensen al snel te complex.

Daar kan AI een rol spelen. Niet als vervanging van politiek of menselijk oordeel, maar als hulpmiddel om afwegingen zichtbaar te maken die eerder te ingewikkeld waren.”

Veel discussie over AI gaat over kostenbesparing. Vind je dat te smal?

“Kostenbesparing is logisch, maar ook beperkt. Ik zie het bij mezelf. Ik had van 2007 tot 2013 een bureau met vijftien mensen. Nu werk ik alleen. Ik werk voor de bibliotheeksector, zorg, politie, publieke omroepen, regionale omroepen. Heel verschillende domeinen.

Voor al die domeinen heb ik een eigen omgeving gemaakt met een kennisbank aan de achterkant. Daarmee kan ik klankborden, stukken maken, eerdere interviews terughalen, patronen zien. Zonder AI had ik daar een hele rits mensen voor nodig gehad.

Dus ja, het maakt mij efficiënter. Maar belangrijker is dat ik werk kan doen dat ik anders niet in mijn eentje had kunnen doen.”

Dat raakt aan een bredere vraag: hoeveel kennis in organisaties wordt eigenlijk niet gebruikt?

“Daar zit veel waarde. Maar je moet het niet onderschatten.

Het idee dat je alle kennis uit een organisatie even in een systeem stopt en dat het dan klaar is, klopt niet. In een organisatie als de politie zit kennis in allerlei systemen, documenten, praktijken en hoofden. Een afdeling in Groningen gebruikt andere taal dan een team in Limburg of Amsterdam.

Techniek is dan niet de grootste uitdaging. De uitdaging zit in mensen, processen, gewoonten en organisatie. Een Politie-OS klinkt inspirerend, maar voordat je dat op schaal hebt, ben je jaren verder.

Digitale transformatie kost gewoon tientallen jaren.”

Dus opnieuw beginnen is makkelijker dan een bestaand systeem veranderen?

“Ja, maar ook dan loop je tegen wetten, regels, systemen, klanten en de samenleving aan. Een echte systeemverandering doe je niet alleen.

Dat vind ik interessant aan geschiedenis. Ik lees steeds meer geschiedenis. Carlota Perez is voor mij een belangrijke denker. Zij heeft eerdere industriële revoluties bestudeerd. De patronen die zij beschrijft zie je nu ook weer terug.

Technologie komt niet los de wereld in. Ze moet landen in instituties, gewoonten, regelgeving, cultuur. Dat kost tijd.”

Stel: je hebt een bedrijf met tien mensen. Waar begin je dan met AI?

“De reflex is om te kijken naar wat je nu doet en daar AI op te zetten. Dat is prima om te leren spelen. Kijk wat veel tijd kost. Kijk wat je steeds opnieuw doet. Kijk waar technologie nu een antwoord kan bieden.

Maar de echte vraag zit ergens anders: wat kun je nu nog niet?

Daarvoor moet je even boven je eigen werk gaan hangen. Reflecteren. Lezen. Vakantie nemen. Ideeën opdoen buiten je eigen sector.

De uitdaging is niet alleen: hoe gebruik ik AI? De uitdaging is: hoe kom ik tot nieuwe ideeën buiten het gebied dat ik al ken?”

Dat vraagt om iets wat juist schaars lijkt te worden: tijd om na te denken.

“Precies. Daar zit voor mij een belangrijke menselijke kracht.

De kracht van de mens zit in reflectie, aandacht, perspectief. Niet meteen zwart-wit denken. Niet alleen maar reageren op prikkels.

Ik loop iedere ochtend anderhalf uur. Ik sta om vijf uur, half zes op en ga wandelen. Gewoon om in de natuur na te denken. Ik merk dat ik dat nodig heb. De rest van de dag ben ik veel met de computer bezig, met informatieverwerking. Er komen zoveel prikkels op me af dat ik elke dag tijd nodig heb om dat te laten bezinken.

De een mediteert. Ik wandel. Maar daar zit een belangrijk deel van menselijke kracht: reflecteren, aandacht hebben, je verbinden met je omgeving en daar ideeën uit halen.”

AI bespaart tijd. Maar gebruiken we die tijd ook goed?

“Dat is precies de vraag. De reflex is: mooi, dan kunnen we meer doen. Maar dat is niet vanzelf beter.

Ik hoorde afgelopen jaar een voorbeeld van Janine Vos van Rabobank. In de klantenservice werd AI gebruikt om na elk gesprek automatisch een samenvatting te maken. Dat scheelde per gesprek anderhalve of twee minuten. De eerste reflex is: dan kunnen medewerkers meer gesprekken voeren.

Maar ze zagen ook meer burn-outs en meer cognitieve belasting. Want de makkelijke dingen worden door AI gedaan. De mens houdt vooral de complexe gevallen over.

Vroeger zaten er in werk ook adempauzes. Kleine taken waarbij je even kon herstellen. Die verdwijnen.

Mijn vrouw vertelde iets vergelijkbaars uit het ziekenhuis. Vroeger moest ze voor een dossier naar de kelder lopen. Nu is alles direct beschikbaar via het elektronisch patiëntendossier. Efficiënter, zeker. Maar die paar minuten lopen waren ook tijd om te laten bezinken wat er net in een gesprek was gezegd.

Dat soort momenten verdwijnen ongemerkt.”

Je zegt dus eigenlijk: efficiëntie haalt ook rust uit systemen.

“Ja. En daarom moeten we opnieuw leren ruimte in te bouwen.

Ik zeg in lezingen en colleges wel eens, half serieus maar eigenlijk bloedserieus, dat iedere politieagent, iedere verpleegkundige en iedere docent dagelijks minimaal een uur in het gras zou moeten liggen.

Daar wordt dan om gelachen. Maar ik meen het echt. We moeten dat soort ruimte organiseren. Anders rennen we alleen maar verder in die informatiegekte.”

Als kennis altijd oproepbaar is, wat blijft er dan over?

“Dan moet je als mens naar iets anders. Dat is volgens mij ook jouw zoektocht: wat blijft er over?

De menselijke kracht zit juist in wat niet eenduidig is. In context. In perspectief. In betekenis. In rare combinaties. In grenzen opzoeken.

AI-systemen zijn, zeker bij kunst en cultuur, getraind op de massa. Daardoor bewegen ze vaak naar het midden. De mens kan buiten dat midden stappen. Niet iedereen natuurlijk. Veel mensen vinden middelmaat prima. Maar vernieuwende mensen zoeken de randen op.

Daar zit waarde.”

Jij noemt dat een verschuiving van kenniswerk naar betekeniswerk.

“Ja. Dat is voor mij een belangrijke zin.

Vroeger zat een deel van mijn toegevoegde waarde in kennis hebben, kennis ontwikkelen en toegang tot kennis. Maar als kennis in overvloed beschikbaar wordt en iedereen erbij kan, verschuift mijn rol.

Dan gaat het meer om betekenis geven aan wat we zien, lezen en horen.

Context begrijpen. Richting geven aan informatie. Verschillende perspectieven erbij betrekken. Er iets van maken dat past bij deze situatie, deze organisatie, deze mensen, dit moment.

Dat zijn menselijke aspecten die AI niet zomaar overneemt.”

Maar AI kan ook betekenis geven, toch?

“Tot op zekere hoogte. Maar mijn betekenis komt ook voort uit mijn leven. Uit een wandeling. Uit een filosofieboek dat ik toevallig las. Uit iets wat ik in de natuur zie. Uit een gesprek. Uit ervaring.

AI kan helpen om informatie te ordenen, verbanden te vinden, teksten te maken. Maar de vraag blijft: wat doet het met jou? Wat neem je mee? Wat beklijft?

Daar worstel ik zelf ook mee. Doordat je zo snel kunt produceren, blogs schrijven, boeken samenvatten, ben ik na twee weken soms alweer kwijt of ik iets nou wel of niet gelezen heb.

Ik ben aan het zoeken hoe ik dingen langer vasthoud. Ik heb nu een dagelijks ritueel waarin ik kort teruglees wat ik heb gedaan. En ik wil kijken of ik daar wekelijks of maandelijks een grotere samenvatting van kan maken. Welke boeken, podcasts en ideeën zijn er eigenlijk langsgekomen?

Ik kijk bijna niet meer terug. En dat is niet goed.”

Dat herken ik. Een boek kun je met AI snel maken, maar daarmee heb je het nog niet verwerkt.

“Precies. Je kunt in een treinreis misschien een boek maken. Dan staat het op papier. Maar heb je het dan ook paraat als je er later met iemand over praat?

Dat is de vraag.

Het gaat niet alleen om productie. Het gaat ook om verwerking. Wat wordt onderdeel van je denken? Wat kun je later meenemen in een gesprek, lezing of beslissing?

Daar moeten we nieuwe vormen voor vinden. Hoe combineer je de kracht van AI met de kracht van wie wij als mens zijn?”

Wat betekent dat voor organisaties?

“Dat ze niet alleen moeten vragen: hoe worden we efficiënter? Ze moeten ook vragen: wat willen we met de ruimte die ontstaat?

Als AI samenvat, schrijft, ordent en analyseert, dan komt er tijd vrij. Maar die tijd wordt snel weer gevuld met meer werk, meer output, meer overleg, meer informatie.

De menselijke waarde zit misschien juist in het vertragen. Terugkijken. Patronen herkennen. Betekenis geven. Mensen verbinden. Ervaringen delen.

Organisaties moeten dat serieus nemen. Anders wordt AI vooral een versneller van bestaande druk.”

En tegelijk ben je geen AI-pessimist.

“Nee. Ik ben super gefascineerd. Maar ik zie de negatieve kanten ook. Zeker bij een aantal grote techbazen. Maar ik vind het zonde als die kritiek ertoe leidt dat mensen niet meer zien wat er ook goed kan.

Ik zit in het midden. Ik geef geen jubelverhaal over alles wat er kan. Maar ik ben ook niet iemand die zegt dat je het maar aan de kant moet schuiven.

Er liggen echt mooie kansen.”

Waar liggen die kansen volgens jou het meest?

“In dingen die we eerder niet konden.

Niet alleen een verslag sneller maken, maar uit een groot archief patronen halen. Niet alleen een tekst schrijven, maar kennis uit gesprekken, documenten en ervaringen opnieuw bruikbaar maken. Niet alleen een proces optimaliseren, maar andere afwegingen mogelijk maken.

Neem interviews. Vroeger moesten die allemaal worden uitgeschreven. Dat was veel werk. Nu kan dat grotendeels automatisch. Dat is efficiëntie.

Maar het wordt pas echt interessant als je uit honderden interviews patronen kunt halen. Wat komt steeds terug? Welke ideeën zijn door de jaren heen veranderd? Welke thema’s zagen we toen nog niet, maar nu wel?

Daar zit voor mij de waarde.”

Dus wat blijft?

“Betekenis geven. Reflectie. Context. Ervaring. Aandacht. Het vermogen om buiten het midden te stappen. En de vraag durven stellen wat je met vrijgekomen tijd doet.

AI maakt kenniswerk niet waardeloos. Maar het verandert wel waar de waarde zit.

Wie alleen sneller wil produceren, gaat vooral meer produceren. Wie tijd maakt om beter te kijken, kan iets anders doen: begrijpen wat er eigenlijk aan de hand is.”