In deze blog delen we bijdragen van raadsleden waarin zij vertellen hoe zij het raadswerk ervaren. Dit keer: Marcello Seri, fractievoorzitter van de Wetenschapsfractie, reflecteert op Generatieve AI. Deze blog dateert van juni 2026.

De originele blog is Engelstalig, dit is een machinevertaling.

Een beschouwing over generatieve AI en de universiteit

Onlangs woonde ik een interessante bijeenkomst bij, waar we debatteerden over de rol van de universiteit en hoe ons onderwijs zou moeten veranderen in een wereld die steeds meer wordt overgenomen door generatieve AI. Aangezien ik hierover een paar woorden moet opschrijven om met verschillende collega's te delen, kan ik dat net zo goed in een blogpost doen. Deze post combineert mijn gedachten met ideeën die ik uit het gesprek heb opgepikt. Waar mogelijk heb ik geprobeerd de juiste bronvermeldingen te zoeken en te vermelden.

Ja, dit gaat weer over generatieve AI. Als je overweldigd bent door alle ophef rond dit onderwerp, begrijp ik dat, en raad ik je aan dit tabblad te sluiten en vandaag iets leuks te gaan doen. Houd er ook rekening mee dat ik, tenzij anders aangegeven, het vakgebied tekort doe door met ‘AI’ specifiek generatieve AI te bedoelen, en dat ik hiermee in bijna alle gevallen tekstgebaseerde grote taalmodellen bedoel, meer dan welke andere media dan ook.

Om te beginnen werd ik verrast door een sterke drang bij een aanzienlijk deel van onze studenten om generatieve AI te omarmen ter vervanging van vaardigheden die als niet langer relevant worden beschouwd, zoals het schrijven van essays, het samenvatten van inhoud en, deels, zelfs het hebben van een menselijke docent. Dit heeft zeker geholpen om het toneel en de toon voor de discussie te zetten, en om de toegenomen kloof tussen studenten en docenten te benadrukken, evenals de noodzaak om de dialoog levend te houden en ons in te spannen om elkaar te begrijpen.

De intensieve marketing rond AI zorgt langzaam voor een verschuiving: van het leren van studenten om informatie te verzamelen en erover na te denken, naar het leren om AI-antwoorden en door AI aangeleverde bronnen kritisch te beoordelen. Maar als studenten niet weten hoe ze zelf betrouwbare bronnen kunnen vinden en hoe ze de relevante informatie uit de ruis kunnen filteren, hoe kunnen ze dan kritisch beoordelen wat AI hen biedt? Zeker nu we weten dat AI al vooringenomenheid inbouwt in zijn antwoorden [SciAdv25, LSE26], onder meer bij de bronkeuze, en dat het in feite niet zo goed is in het samenvatten [BBC25, TUE26].

Maar de marketing werkt, en sommige universiteiten zijn al begonnen om er volledig op in te zetten [Wonkhe26]. Er zijn redenen – waarvan we er hieronder enkele zullen bespreken – die de noodzaak onderstrepen om bepaalde dingen die we als academici en docenten doen te veranderen, of in ieder geval de manier waarop we ze doen. Maar ik denk dat er volledig op inzetten niet de oplossing kan zijn, net zomin als doen alsof er niets aan de hand is.

Dit roept een aantal vragen op:

Welke vaardigheden hebben we nodig, en hoe leiden we die op? Kunnen we het op een andere manier doen? Wat dragen we eigenlijk bij als universiteit?

Het is van belang te voorkomen dat universiteiten achterhaald raken en nog voordat we zelfs maar een poging doen om een antwoord te geven, denk ik dat het belangrijk is om alle kaarten op tafel te leggen en door de hype en marketing heen te kijken. Vooral nu durfkapitalisten beginnen aan te dringen op rendement op investeringen en de werkelijke, niet-gesubsidieerde kosten van de hele operatie aan het licht komen [Zitron26].

Een blik op de portemonnee

En dit is het eerste probleem. Het vragen van onbeperkt tokengebruik voor docenten en studenten zal, zelfs puur vanuit praktisch oogpunt, steeds duurder worden. Nu AI-aanbieders hun bedrijfslicenties omzetten naar facturering op basis van tokens, schieten de prijzen omhoog [Zitron26]. Dit zou geen verrassing moeten zijn: het stond al lang vast dat achter premiumabonnementen kosten van een orde van grootte onder het tapijt worden verborgen. Zie bijvoorbeeld de schatting in Willison26: tokens ter waarde van $ 2.180,16 voor $ 200.

Deze kosten hebben nu al een direct effect op de bedrijfsuitgaven, zie Willison26-1, of de vele, vele links in Zitron26]. Dit gaat zo ver dat een bedrijf onlangs ontdekte dat het 500.000.000 $ (ja, miljoenen, je leest het goed) verspilde omdat het er niet aan had gedacht het tokengebruik te beperken Axios26.

Wat we ook doen, we moeten ons dus bewust zijn van de mogelijk enorme kosten die schuilgaan achter het gebruik van deze tools binnen een onderneming of onderwijsinstelling. Tegelijkertijd wijst onderzoek al op grote zorgen op vele fronten.

Een blik op het onderzoek

Tegelijkertijd wijst onderzoek al op grote zorgen op vele fronten.

De eerste betreft het psychisch welzijn. Het gebruik van AI in het dagelijkse werk, zelfs als je weet hoe je het moet gebruiken, leidt tot een hoge cognitieve overbelasting door de voortdurende hoge aandacht die nodig is voor het kritisch evaluatiewerk [HB26, Forbes26, beide achter een betaalmuur]. Dit is dus niet iets dat de eisen aan medewerkers vermindert, maar juist meer van hen vraagt [HBR26-1, Forbes26-1, Forbes24, allemaal achter een betaalmuur; MIT25], wat uiteindelijk leidt tot een hoog risico op een burn-out als gevolg van al deze vragen.

Dit komt ook tot uiting in de toegenomen hoeveelheid slordig werk in de onderzoeksoutput. Recente studies die net zijn verschenen, tonen aan dat het aantal ingediende publicaties met 40% is gestegen, terwijl de kwaliteit van de publicaties achteruitgaat [Phys26, OrgSci26, PNAS26]. Ook hier gaat het niet alleen om de vraag of we samen meer kunnen doen en ons kunnen aanpassen aan wat er nodig is.

Uiteindelijk is het aan ons om te beslissen welke waarden onze keuzes bepalen, en ik zou willen stellen dat menselijke ontplooiing daarbij centraal moet blijven staan. Dit betekent dat we de zorgwekkende gevolgen van sommige van deze keuzes voor onze gezondheid als individuen en voor de gezondheid van onze onderzoeksgebieden niet mogen negeren.

Wat het beoordelingssysteem betreft, is de situatie al onbeheersbaarder en ongezonder geworden, en ook open onderzoeksdiensten zoals arXiv hebben het moeilijk onder de last van deze veranderingen [404-25, Futurism26, Science26].

Een bredere kijk op ethiek

En dit leidt natuurlijk tot de vaak over het hoofd geziene ethische discussie. Het is heel gemakkelijk om alle ethische bezwaren te ‘verwateren’ door te vragen naar de ethische implicaties en het waterverbruik van het bekijken van een Netflix-video of het uitvoeren van een Google-zoekopdracht. Maar dit is slechts een afleidingsmanoeuvre om te vermijden dat we het hebben over de diepere problemen achter onze huidige AI-goudkoorts:

• Datadiefstal: de meeste modellen worden getraind op gestolen, auteursrechtelijk beschermde data [EmpireOfAI].

• Hardwareverspilling: 70% van de datacenters staat leeg, maar toch haasten bedrijven zich om nog grotere te bouwen.

• Misbruik van regelgeving: bedrijven als Grok vervuilen regio’s straffeloos omdat ze te rijk zijn om aangepakt te worden [Politico25, EmpireOfAI].

• Milieukwesties: ik weet niet waar ik moet beginnen [Fortune26, NYTimes25, Atlantic26, EmpireOfAI, PulitzerCenter25]

• Uitbuiting: Onderbetaalde werknemers in ontwikkelingslanden zijn bezig met het labelen of filteren van gegevens die worden gebruikt om AI-modellen te trainen, wat vaak negatieve gevolgen heeft voor hun geestelijke gezondheid. [Arte25 – reportage blijft beschikbaar tot 2028, EmpireOfAI]

En temidden van dit alles blijven deze enorme datacenters, die haastig zijn opgezet om rekenkracht te vergaren en de belofte te waarmaken om overal AI-assistenten te installeren, 70-80% van de tijd aanstaan maar inactief zijn [Fortune25, LinkedIn25 – in deze laatste, minder officiële link worden veel referenties gegeven], en dan heb ik het nog niet eens over de wirwar van privacy- en beveiligingskwesties die verband houden met het gebruik van AI-tools en -agenten.

Ik vind dat studenten met ethische bezwaren het volste recht hebben om AI te weigeren, en net zoals vegetariërs vlees weigeren en we hen niet zouden dwingen om in de les een biefstuk te eten, voel ik me erg ongemakkelijk bij het opleggen van het gebruik van AI aan die studenten.

En ja, ik ben een hypocriet: ik kom hier om over ethische kwesties te preken, terwijl ik zelf nog steeds een actieve gebruiker ben. Het is een dubbelhartigheid waar ik nog steeds mee worstel. Maar wat we ook besluiten te doen, we mogen deze kwesties niet negeren.

Terug naar de arbeidsmarkt

Laten we nu, omwille van het argument, aannemen dat al het bovenstaande kan worden genegeerd en dat we de volgende generatie willen opleiden voor een nieuw banenlandschap. Hoe zal dat landschap er over 3-5 jaar uitzien, als ze de universiteit verlaten?

Ik denk niet dat we dat nu kunnen voorspellen. De marktreactie op AI schommelt enorm: Duolingo en anderen gingen volledig over op automatisering, om kort daarna weer op hun schreden terug te keren [Inc26]. Er zijn veel rapporten dat de meeste proefprojecten met AI bij bedrijven mislukken [MITReport25]. Veel van de ontslagen vinden plaats bij techbedrijven en zijn meestal een excuus om geld te besparen of naar andere investeringen te verschuiven [Guardian26, CNN26]. OpenAI en Anthropic zijn zelf begonnen het verhaal te verschuiven van ‘AI vervangt alle banen’ naar ‘AI vervangt bepaalde taken’ [BusinessToday26, Reuters26].

Maanden geleden luidde de boodschap nog dat bedrijven geen junioren meer zouden aannemen, om vervolgens te beseffen dat zodra de senioren vertrekken, er niemand is om hen te vervangen en dat de kosten voor het vanaf nul opleiden van een juniorontwikkelaar, zonder de deskundige begeleiding van een senior mentor, zowel in tijd als geld zullen oplopen [Dubach26, CharityMajors26, Willison26-2, HBR, Futurism26]. Ondertussen ‘leren’ ze, zoals de afgelopen maanden al zo vaak is gebeurd, gewoon met Claude Code en wissen ze plotseling hun productiedatabases waarvoor geen back-up is gemaakt…

Daarnaast bestaat het risico op storingen in de diensten, het uiteenspatten van de AI-zeepbel, nieuwe conflicten of het blokkeren van de toegang tot hun diensten door de VS en China. Wat gebeurt er in dat geval? Wie zal er dan van nut zijn als we alleen maar een groep prompt-evaluatoren hebben opgeleid?

Mijn hoop

Ik denk dat we ons ervan bewust moeten zijn dat een snel veranderende omgeving ook een grote mate van onzekerheid met zich meebrengt. Met name de interactie tussen bedrijven en AI, vooral gezien de hoeveelheid geld die in de marketing wordt gestoken, verandert snel. En we kunnen niet alleen kijken naar wat er nu gebeurt om een beslissing te nemen of te voorspellen wat er in de toekomst zal gebeuren.

Betekent dit dat we stil moeten blijven zitten? Persoonlijk denk ik van niet. Wat ik bepleit, is dat we op zijn minst de aanwijzingen uit onderzoeksresultaten moeten volgen, om onze beslissingen af te stemmen op wat we weten dat wel of niet werkt, waarbij we ons bewust blijven van de gevaren.

En soms betekent dit dat we met bepaalde veranderingen nog even moeten wachten totdat duidelijk is wat zinvol is, of dat we in ieder geval zelf de experimenten gaan uitvoeren. Maar niet als een blinde, onvoorwaardelijke sprong in het diepe; ik bedoel een degelijk experiment, met zorgvuldige monitoring, een beperkt bereik, waarbij we de resultaten kunnen zien en evalueren. En als het werkt, des te beter voor ons. En als het niet werkt, kunnen we een stapje terug doen, onze resultaten presenteren en een ander experiment proberen.

Dat is dus waar ik voor zou pleiten: flexibel zijn om een blik op de toekomst te behouden, in het besef dat de dingen zo snel veranderen en dat we dus niet echt een duidelijk doel hebben waar we naar moeten streven, en experimenteren met de mogelijkheden door het onderzoek nauwlettend in de gaten te houden, waarbij we volledige omarming vermijden totdat duidelijk is dat het gunstig is voor ons als mensen en als samenleving.

Onderwijs en de universiteit

In hoeverre kunnen we hier werkelijk een gemeenschappelijke visie en een gemeenschappelijke werkwijze hebben? In hoeverre moeten er werkelijk verschillen zijn tussen disciplines in de manier waarop AI wordt gebruikt?

Ik denk dat een gemeenschappelijke visie mogelijk is, maar dat we daarvoor vooraf onze waarden en prioriteiten moeten verduidelijken. Onlangs heeft Thereza Langeler ons erop gewezen dat dit heel duidelijk tot uiting komt in de recente encycliek *Magnifica Humanitas*. Ik citeer hier haar woorden uit de brief:

We worden opgeroepen om na te denken over de grote ‘bouwplaatsen’ van onze tijd en ons af te vragen: wat bouwen we? Terwijl de technologische ontwikkeling talen, relaties, instellingen en machtsvormen in hoog tempo verandert, moeten en kunnen we (…) kiezen aan welke projecten we werken en op welke manier, om zo de grootsheid van de mensheid, die ons als een geschenk is gegeven, te beschermen en te waarderen.
(…)
Het is niet mogelijk om één enkele, alomvattende definitie van AI te geven. Wat wel kan worden gesteld, is dat we de misvatting moeten vermijden om dit soort ‘intelligentie’ gelijk te stellen aan die van de mens. Deze systemen bootsen slechts bepaalde functies van de menselijke intelligentie na. Daarbij overtreffen ze de menselijke intelligentie vaak in snelheid en rekenkracht, wat op vele gebieden tastbare voordelen oplevert. Toch blijft deze kracht volledig gebonden aan gegevensverwerking. Zogenaamde kunstmatige intelligenties beleven geen ervaringen, beschikken niet over een lichaam, voelen geen vreugde of pijn, groeien niet door relaties en weten niet vanuit zichzelf wat liefde, werk, vriendschap of verantwoordelijkheid betekenen. Ze hebben evenmin een moreel geweten, aangezien ze geen onderscheid maken tussen goed en kwaad, de diepere betekenis van situaties niet doorgronden en geen verantwoordelijkheid dragen voor de gevolgen. Ze kunnen taal, gedrag en analytische vaardigheden nabootsen, of zelfs empathie en begrip simuleren, maar ze begrijpen niet wat ze voortbrengen, omdat ze het affectieve, relationele en spirituele perspectief missen waardoor mensen in wijsheid groeien. Zelfs wanneer deze instrumenten worden beschreven als in staat om te ‘leren’, verschilt hun manier van leren van die van een mens. Het is niet de ervaring van degenen die zich door het leven laten vormen en in de loop van de tijd groeien door keuzes, fouten, vergeving en trouw. Het is veeleer een vorm van statistische aanpassing op basis van gegevens en feedback, die zeer effectief kan zijn, maar geen innerlijke groei impliceert.'

Leren is een diep menselijke en sociale handeling. Het vereist een zorgvuldige selectie van het lesmateriaal en de oefeningen door de docent, op een manier die aansluit bij de klas, de plaats ervan in het curriculum, de beschikbare tijd en de relevantie voor de ontwikkeling van de studenten. Dit moet dynamisch worden aangepast aan elke groep studenten, waarbij geluisterd wordt naar hun zorgen en worstelingen, en waarbij in een wederzijds gesprek dat wederzijds begrip vereist, een gemeenschappelijke weg wordt gevonden. Een LLM kan dit alleen maar simuleren en een reactie ‘verzinnen’ die op het eerste gezicht passend lijkt, maar die vaker wel dan niet de nuances en het grotere geheel mist.

Dit betekent niet dat het geen nuttige rol kan spelen in verschillende onderdelen van het proces, maar ik vind het gevaarlijk om te denken dat het een integraal en centraal onderdeel ervan zal worden. Zeker nu er steeds meer bewijs is dat het schadelijk is voor de ontwikkeling van kritische vaardigheden [Berkeley26, Mit26, Hartman26, Futurism25]. Om nog maar te zwijgen van het feit dat toonaangevende studies die een positieve impact van AI op het onderwijs aantonen, steeds vaker worden ingetrokken [ArsTechnica26].

Ik ben het ermee eens dat er meer en beter kan worden gedaan, zoals bijvoorbeeld bepleit door Eric Bachman, om AI-geletterdheid te bevorderen en een interdisciplinair perspectief te bieden op de ethiek, psychologie en wetenschap achter AI. Ik denk dat we dit steeds vaker gaan doen, en onze universiteit beschikt direct over uitgebreide expertise op alle aspecten.

Ik zeg ook al lange tijd dat ik hoop dat deze disruptieve verandering de kans zal bieden om de manier waarop we lesgeven te herzien, en de focus te verleggen naar het bevorderen van het leerproces in plaats van het eindcijfer. Maar dit betekent niet dat we daarvoor al het andere moeten veranderen, of dat we erin moeten meegaan en onze studenten moeten afkwalificeren door “het aan ChatGPT over te laten” en de focus te verleggen naar het corrigeren van de antwoorden [CEPR26]. Zelfs als ze de indruk hebben dat dit is wat de maatschappij van hen verwacht. Recent onderzoek wijst in een vergelijkbare richting [Science26, achter betaalmuur].

Ik denk dat het deel uitmaakt van onze rol om door de ruis heen te prikken, ons te verzetten tegen de onzin en de discussie in een gezondere richting te sturen. En in dit geval willen we ervoor zorgen dat, wat we ook doen, AI ten dienste staat van het onderwijs, en niet andersom.

Laten we dus het midden vinden waar we de belangrijke zaken niet opgeven, waar we geletterdheid en kritisch denken bevorderen, en waar we niet afzien van het vormen van flexibele geesten die de wereld van de toekomst kunnen besturen.