Ik had me voorgenomen een column te schrijven die klinkt als een klok. Goede opbouw, goede argumentatie, inspirerende voorbeelden en een heldere conclusie. Tja. Zo is het niet gegaan. Het is chaos in mijn hoofd, ik heb vlinders in mijn buik – of is het buikpijn? Vlinders en chaos, dat klinkt bekend. De vlinder die in Zuid-Amerika met zijn vleugels slaat en daarmee in Nederland een storm veroorzaakt. Of juist voorkomt. Dat kan echt, maar alleen als de atmosfeer zwanger is van verandering. En als er iets aan de hand is, is het dat: de lucht ís zwanger van verandering, het is de AI die knetterend in de atmosfeer hangt. Het beste wat ik nu kan doen is u, lezer, meenemen in die geladen atmosfeer, die ik overal om me heen voel en zie.
Een paar weken geleden liep ik een Fontys-collega uit een ander domein, Mens en Maatschappij, tegen het lijf. Ze begon bevlogen te vertellen hoe AI haar werk veranderd had. Claude helpt haar op verschillende manieren. De meest voor de hand liggende is het ondersteunen bij routinematige taken. Maar zij heeft nu ook een kritische sparringpartner erbij, die haar uitdaagt aannames te toetsen, ideeën aan te scherpen. Die haar helpt zich voor te bereiden op een belangrijk gesprek, waarin ze Claude kan vertellen met wie ze dat gesprek heeft, en vragen hoe ze dat gesprek dan het beste aan kan vliegen. En, als niet-IT’er, is ze nu ook aan het programmeren geslagen wat haar in staat stelt snellere data-analyses te maken, en betere beslissingen te nemen. De opbrengst voor haar: 10% minder werkdruk, meer ruimte voor wat écht telt: meer aandacht voor mensen en meer slagkracht. Dit alles na een cursus van 1 dag per week, 18 weken lang. Ervaring in de IT niet vereist.
Ik hoef niet heel vaak of heel lang bij het koffieapparaat rond te hangen om meer van dit soort succesverhalen te horen. In mijn eigen instituut loopt een pilot rond het coachen van studenten aan de hand van hun portfolio. Die gaat als volgt. Coachingsgesprekken met studenten worden opgenomen en getranscribeerd. Dan gaan verschillende “custom GPT’s” – een chat met een vooaf gedefinieerde instructie en extra toegevoegde kennis – aan de slag. De eerste helpt vooral om de belangrijkste aspecten op een overzichtelijke manier uit het gesprek te halen: welke feedback, feed up en feed forward zijn gegeven? Wat is het sentiment uit het gesprek, ging alles goed, waren er twijfels? De tweede GPT is een soort formatieve assessment-mentor, die de student helpt bij de diepere verwerking van de feedback. Deze vraagt door om de student aan het denken te zetten, en te helpen om een actieplan te maken of bij te stellen. De derde GPT ten slotte is getraind op in ons onderwijs toegepaste theorie over leren en feedback, en helpt de docenten te reflecteren op hun coaching en gespreksvoering, zowel individueel als in intervisie in het team.
Dit alles geeft een zeer welkome kwaliteitsimpuls aan de coaching. Die was juist door genAI-tools onder druk komen staan: studenten vullen hun portfolio in toenemende mate met AI-gegenereerde content, en het valt niet mee daardoorheen de eigen ontwikkeling van de student scherp te krijgen. Gesprekken hebben met hulp van de GPT’s nu een stuk meer diepgang. De docent hoeft niet bezig te zijn met administratieve handelingen en kan verder doorvragen. Geschreven feedback wordt veel beter van kwaliteit én beter verwerkt door de student. Ook over de coachingsgesprekken heen komt het proces van de student veel beter in beeld. Collega’s leren meer van elkaar.
Deze verhalen doen mijn professionele wereld op haar grondvesten schudden. Er hangt bij ons in het instituut een enorme spanning in de lucht. Ik voel daarbij een mengsel van opwinding en paniek. Een vlinder van opwinding, die fladdert van opwinding, omdat dit mensen écht gaat helpen om meer impact te maken, beter te werken. De voorbeelden hierboven laten dat wat mij betreft overtuigend zien. Een worm van paniek, die knaagt en mij buikpijn geeft. Omdat het nu zo snel gaat dat ik me afvraag of het ons lukt om ons op tijd aan te passen aan deze nieuwe werkelijkheid. Of wij onze studenten nog de opleiding bieden die ze nodig hebben. En, op mezelf betrokken: of de dingen waar ik goed in ben over een jaar nog wel relevant zijn. En wat moet ik dan? Kan ik me snel genoeg ontwikkelen waar dat nodig is? Word ik overbodig of kan ik mezelf opnieuw uitvinden, kan ik gaan samenwerken met die AI?
Ik ben de uitdaging maar eens voorzichtig aangegaan.
Bij het schrijven van deze column heb ik gebruik gemaakt van verschillende op LLM’s gebaseerde tools. Deze zijn alle maximaal een paar maanden oud. Ik heb bij wijze van oefening de vraag gesteld wat de impact van genAI op het beroep en de opleiding van IT-professionals is. Elicit helpt om snel literatuuronderzoek te doen en kan grote hoeveelheden tekst voor je samenvatten. Consensus heeft een iets andere insteek, het zoekt vooral naar – what’s in a name – hetgeen waar consensus over is in de literatuur. Beide baseren zich op wetenschappelijk onderzoek en geven netjes referenties naar publicaties. Een derde tool is Stanfords Co-Storm: die maakt bij een vraag een panel van verschillende virtuele experts voor je, waar je mee in discussie kunt gaan.
Wat ze allemaal sterk naar voren brengen is het belang van ethiek. Met macht komt verantwoordelijkheid, en de LLM-tools worden gezien als een machtig middel. Ook krijg ik veel informatie over de veranderingen in het onderwijs zelf. Daarbij gaat het erover hoe LLM’s ingezet kunnen worden in de vorm van didactische tools. Maar eigenlijk ben ik op zoek naar wat er in het IT-onderwijs anders moet. Moeten alle studenten nog leren coderen? Moeten we meer nadruk leggen op formele methoden, op testen, andere dingen? Moeten we vooral mensen uit andere domeinen opleiden om in hun context AI te gebruiken – zoals mijn collega in het eerste voorbeeld laat zien – of moeten wij onze IT-studenten vooral leren zich snel in andere domeinen in te werken, zoals een stagiair van ons die met geavanceerd prompten van de wet- en regelgeving van de toeslagen kinderopvang met een LLM semi-automatisch een digitaal aanvraagformulier maakte? En daarvoor zich het juridische en fiscale jargon eigen moest maken? Om antwoord op dit soort vragen te krijgen had ik het meest aan Co-Storm. Daar kon ik op een natuurlijke manier doorvragen, nieuwe elementen in de discussie inbrengen en kreeg ik een goed inhoudelijk gesprek.
Dit experiment was vooral ook bedoeld om me na te laten denken over mijn eigen werk. Ik ben lector Interaction Design, een onderwerp dat alleen maar bestaat in de verbinding met een ander domein. Wat mij in mijn onderzoek heeft geholpen – en waar ik stiekem best trots op ben – is dat ik me snel in zo een ander domein kan verdiepen om de brug te slaan. Zoals onderwijs, ouderenzorg, GGZ en de digitalisering van het MKB. Met tools als Elicit en Consensus wordt de drempel hier enorm verlaagd en kunnen veel meer mensen dat, en ook nog veel sneller. Onderzoeksvoorstellen schrijven, een andere kerncompetentie van een lector, wordt met een beetje goed getrainde LLM ook een heel stuk gemakkelijker. Net als het schrijven van rapporten of papers (de meeste chatbots), het maken van podcasts (Poidcast) of presentaties (Synthesia). Dat betekent dat veel meer mensen kunnen wat nu voorbehouden is aan een select gezelschap. Dat is misschien slecht voor mijn positie – omdat ik vrijwel alle subsidieaanvragen schrijf bepaal ik in hoge mate de koers van mijn onderzoeksgroep –, maar goed voor de samenleving omdat veel meer mensen succesvol innovatief onderzoek kunnen oppakken. Dit is een ontwikkeling die David Author, hoogleraar aan het MIT, toejuicht [1]. Zijn stelling is dat de ‘middenklasse’ door AI geholpen wordt de positie – die zij verloren heeft door mechanisering en automatisering – te herbouwen. Die middenklasse, dat is de onderzoeker in mijn team die nu zijn of haar eigen aanvraag kan schrijven. De verpleegkundige die alle kennis die een ervaren specialist heeft met een LLM beschikbaar krijgt. De administrateur die geen dure fiscalist meer nodig heeft om de wet- en regelgeving te kennen. De docent, die het kennismonopolie nu definitief kwijtraakt aan de student.
Dit is niet bedoeld als wanhoopsverhaal; tegen de achtergrond van vergrijzing, structurele tekorten op de arbeidsmarkt, de ‘war on talent’ is dit misschien zelfs wel hoopvol. Maar het is ook wel heel erg spannend. De ontwikkelingen gaan zo snel. Die onderzoeker in mijn team, wordt die misschien weer ingehaald door een LLM? Die student, die het kennismonopolie van de docent doorbreekt, is wat die leert toekomstbestendig? Of wordt dat ook door een LLM overgenomen?
Net voordat ik deze column af had, liet een collega mij kennis maken met Cursor, een LLM die weer een stap verder gaat. Die kan mij vertellen welke onderzoeksfinancieringen er zijn, hoe kansrijk ze zijn, wat ik moet doen om die kans te vergroten. Die kan me zelfs helpen bij het aanscherpen van mijn vragen op dit gebied, of als ik dat vraag betere vragen te stellen. Dingen waarvan ik dacht dat dat nou net unieke expertise was van een lector. Eerlijk gezegd: ook niet de dingen die ik nou het leukste vind in mijn baan. Maar wel waar ik me mee kan onderscheiden.
Tot slot daarom een vraag: Als u erover nadenkt hoe uw professionele leven er over 1, 2, 5 jaar uitziet. Voelt u dan vlinders in de buik? Of krijgt u buikpijn?
Mark de Graaf, lector Interaction Design, Fontys
[1] https://www.noemamag.com/how-ai-could-help-rebuild-the-middle-class/
