Dit is geen woedende tirade

Schrijven over technologie is altijd een valkuil. Het is makkelijk om te klinken als een doemdenker, die met zijn vuist zwaait naar elk nieuw hulpmiddel dat oude gewoonten verstoort. Dat is hier niet het geval.

Ik ben niet anti-technologie. Ik ben een nerd, een geek, en het soort persoon dat echt geniet van tools, systemen, software en vreemde kleine workflows die het leven makkelijker maken. Ik hou van goede tools. Ik hou van elegante systemen. Ik hou van het gevoel iets te ontdekken dat frictie uit een taak haalt zonder de betekenis van die taak weg te nemen.

Maar ik ben ook docent, en dat betekent dat ik elke dag de andere kant van de machine zie. Ik zie jongeren het langzame leerwerk overslaan omdat een tool de schooltaak voor hen kan uitvoeren. Het geeft het antwoord, maar het draagt geen kennis over. Het levert het product op, maar het maakt de leerling niet vaardiger.

Dat is het probleem dat ik in mijn eerdere essay, The Illusion We Call Intelligence, onderzocht: het gevaar is niet alleen dat AI taal kan genereren. Het gevaar is dat we gegenereerde output gaan verwarren met begrip, gemak met leren en vloeiendheid met denken. Een student kan een verzorgd alinea indienen en nog steeds niet weten hoe hij er een moet opbouwen. Een werknemer kan een rapport opleveren en toch het oordeel erachter niet begrijpen. De buitenkant verbetert terwijl het innerlijke vermogen verzwakt.

Dus dit gaat niet over een hekel hebben aan technologie. Het gaat erom te vragen wat technologie niet is.

De video en het idee van het “softwarebrein”

De hoofdvideo achter dit bericht is de Decoder-aflevering van Nilay Patel voor The Verge, “The People Do Not Yearn for Automation,” gepubliceerd op 23 april 2026. Patel is hoofdredacteur van The Verge en presentator van de Decoder-podcast. In de aflevering bekritiseert hij wat hij softwarebrein noemt: een manier om de wereld te zien als databases, lussen, inputs, outputs en systemen die wachten om geautomatiseerd te worden.

Patels punt is niet simpelweg dat AI onpopulair is. Zijn betoog is dat de techsector verkeerd begrijpt waarom mensen er een hekel aan hebben. De sector blijft het menselijk leven behandelen alsof het leesbaar kan worden gemaakt voor software, zolang er maar genoeg data wordt verzameld en genoeg lussen worden geautomatiseerd.

Dat kan misschien werken voor bedrijfsprocessen. Het werkt niet voor het leven.

Een bedrijf kan voorraad omzetten in een database. Een bezorgroute kan een optimalisatieprobleem worden. Een wachtrij voor klantenservice kan worden gesorteerd, getagd en doorgestuurd. Maar het menselijk leven is niet alleen een wachtrij. Het omvat aarzeling, tegenstrijdigheid, persoonlijke context, slechte timing, stilte, wrok, herinnering en waardigheid. Dit past niet netjes in een productroadmap.

Patels kritiek is belangrijk omdat hij niet alleen over AI praat. Hij heeft het over een breder technologisch patroon: de aanname dat iets, enkel omdat het in software kan worden gemodelleerd, ook rond software opnieuw ontworpen zou moeten worden. Het resultaat is een wereld waarin mensen worden gevraagd beter machineleesbaar, beter traceerbaar, voorspelbaarder en meer beschikbaar te worden voor systemen die gemak beloven.

Mensen wijzen technologie niet altijd af omdat ze die verkeerd begrijpen. Soms wijzen ze die af omdat ze begrijpen wat die van hen vraagt.

Waarom mensen de techsector wantrouwen

Dit sluit direct aan op een andere video: “The AI industry is ignoring how much people hate it,” een aflevering van The Tech Report gepresenteerd door Isaac Pound en gepubliceerd op 20 april 2026. Daarin betoogt Ed Zitron, auteur van Where’s Your Ed At en presentator van Better Offline, dat de AI-sector jarenlang het publiek heeft geprovoceerd en vervolgens verbaasd doet wanneer mensen boos worden.

Zitrons punt is duidelijk. Mensen hebben al te maken met stijgende kosten, baanonzekerheid, druk op de woningmarkt, zorgkosten en algemene instabiliteit. Dan verschijnen AI-leiders op het podium en vertellen ze dat veel banen kunnen verdwijnen, dat bedrijven enorme datacenters nodig hebben, dat modellen krachtig en gevaarlijk zijn, en dat dit allemaal onvermijdelijk is.

Vanuit Zitrons perspectief is het wantrouwen niet mysterieus. Mensen horen dreiging, hype en gevoel van recht. Ze zien bedrijven die om geld, data, energie, juridische vrijheid en publiek geduld vragen, terwijl ze vage beloften over toekomstige overvloed doen.

Dat is belangrijk, omdat de sector publieke woede vaak als een communicatieprobleem ziet. Als mensen AI maar beter zouden begrijpen, zo luidt de gedachte, dan zouden ze het accepteren. Maar vertrouwen ontstaat niet alleen door uitleg. Vertrouwen ontstaat door ervaring.

Mensen hebben al geautomatiseerde klantenservice meegemaakt die hen niet kon helpen, aanbevelingssystemen die aandacht manipuleren, platforms die data oogsten en producten die slechter worden nadat ze onvermijdelijk zijn geworden. Ze hebben techbedrijven openheid zien beloven en vervolgens gesloten ecosystemen zien bouwen. Ze hebben gezien hoe tools die als empowerment werden verkocht veranderden in systemen van toezicht, afhankelijkheid of kostenbesparing.

Zitron betoogt ook dat AI-bedrijven moeten ophouden modellen als menselijke metgezellen te laten aanvoelen en ze moeten gaan behandelen als gewone tools. Dat is belangrijk, omdat antropomorf ontwerp ervoor kan zorgen dat mensen systemen te veel vertrouwen die hen niet begrijpen. Een chatbot die “Ik begrijp het” zegt, kan geruststellend klinken, maar begrijpt niet in menselijke zin. Hij voorspelt, reageert en zet de interactie voort.

Dat verschil is niet klein. Het is het verschil tussen een tool en een relatie.

De kloof is niet toevallig

De kloof tussen mensen en technologie ontstaat doordat de prikkels verschillend zijn.

De sector ziet automatisering, schaal, efficiëntie en marktdominantie. Gewone mensen zien baanrisico, toezicht, verslechterde diensten, gebroken vertrouwen en tools die hen vaak minder menselijk laten voelen. Een bedrijf kan een klantenservicebot zien als efficiëntie. De klant kan het ervaren als vastzitten in een lus, zonder iemand aan de andere kant die verantwoordelijkheid draagt.

Dit is waarom algoritme-afkeer logisch is. Mensen vergeven menselijke fouten vaak makkelijker dan machinefouten, omdat menselijke fouten nog steeds verantwoordelijk aanvoelen. Een persoon kan uitleg geven, zich verontschuldigen, improviseren of context begrijpen. Een systeem kan dat vaak niet. Eén machinefout kan vertrouwen vernietigen, omdat de gebruiker geen duidelijke manier heeft om in beroep te gaan tegen een oordeel.

En zelfs wanneer een geautomatiseerd systeem statistisch goed is, kunnen mensen zich er toch tegen verzetten als het de autonomie, identiteit of waardigheid bedreigt. Een werknemer kan de software misschien niet haten omdat die nutteloos is. Hij of zij kan die haten omdat die hen observeert. Een leraar kan AI misschien niet afwijzen omdat het geen tekst kan produceren. Hij of zij kan het afwijzen omdat studenten het gebruiken om het denken te omzeilen dat de opdracht juist moest aanwakkeren.

Daar wordt het gesprek serieuzer. De vraag is niet of AI werkt. Soms werkt het. De vraag is welk soort werk het vervangt, welk soort mens het voortbrengt en welk soort relatie het creëert tussen mensen en instellingen.

De techindustrie behandelt wantrouwen vaak als irrationeel. Dat is het niet altijd. Soms is het herinnering. Mensen herinneren zich hoe hun zorg werd geautomatiseerd.

Werk, identiteit en onderwijs

AI zal werk beïnvloeden. Dat staat vast. Maar het zal niet elk land op dezelfde manier beïnvloeden.

Elke economie is anders opgebouwd. Sommige zijn sterk afhankelijk van diensten. Andere van productie, uitbesteding, toerisme, landbouw, geldzendingen, werk in de publieke sector, informeel werk of kleine bedrijven. Ook bevolkingen bewegen anders. Jongeren migreren, omscholen zich, verzetten zich, passen zich aan of verlaten hele sectoren, afhankelijk van lokale omstandigheden.

De impact van AI zal dus geen eenduidig verhaal van de “wereldeconomie” zijn. Het zullen veel nationale verhalen zijn, elk gevormd door arbeidsmarkten, onderwijssystemen, regelgeving, lonen, migratie en politieke keuzes. In het ene land kan AI witteboordenbanen in de dienstverlening bedreigen. In een ander kan het uitbesteding hervormen. In weer een ander kan het de kloof verdiepen tussen mensen die de tools kunnen gebruiken en mensen die erdoor worden aangestuurd.

Hetzelfde geldt voor onderwijs. Als studenten AI gebruiken om oefening over te slaan, kunnen ze betere opdrachten inleveren terwijl ze slechter leren. Dat is geen vooruitgang. Het is het uitbesteden van de inspanning die vaardigheid opbouwt. Een tool die voor de student antwoordt, leert de student niet automatisch iets bij.

Leren vereist wrijving. Het vereist de onhandige poging, de mislukte zin, de onafgemaakte gedachte, de correctie, de tweede poging. Als een tool dat allemaal wegneemt, kan het ook het pad wegnemen waarlangs bekwaamheid ontstaat.

Toegankelijke intelligentie klinkt als een geschenk. Maar als het het oordeel verzwakt, het geduld vermindert, oefening vervangt en mensen leert te vertrouwen op vloeiende output zonder die te begrijpen, kan het meer problemen veroorzaken dan het oplost.

Wat tech niet is

Technologie kan menselijk vermogen vergroten. Het kan ons helpen schrijven, rekenen, vertalen, organiseren, zoeken, ontwerpen en bouwen. Het kan moeilijk werk makkelijker maken. Het kan toegang openen waar die beperkt was.

Maar technologie is geen betekenis. Het is geen oordeel. Het is geen vertrouwen. Het is geen onderwijs. Het is geen zorg. Het is niet het geleefde proces waardoor iemand vaardiger wordt.

Dat onderscheid is belangrijk, omdat het AI-gesprek het vaak vervaagt. Het product voert de zichtbare taak uit, dus doen we alsof het het onzichtbare proces heeft vervangen. Het schrijft de alinea, dus doen we alsof het heeft geleerd. Het antwoordt de klant, dus doen we alsof er service heeft plaatsgevonden. Het vat de vergadering samen, dus doen we alsof er begrip is ontstaan.

Dat is de illusie. Niet dat de tools nutteloos zijn, maar dat output genoeg is.

Bekijk de video’s

Deze post schetst alleen het argument. Patel’s video is nuttig omdat die het wereldbeeld benoemt dat achter het probleem schuilgaat: software brain. Zitron’s interview is nuttig omdat het uitlegt waarom publieke woede over AI niet alleen angst voor verandering is, maar een reactie op bedreigingen, hype, baanonzekerheid en wantrouwen.

En mijn eigen standpunt, uit De illusie die we intelligentie noemen, is dat we moeten ophouden output met begrip te verwarren. Technologie moet menselijk vermogen vergroten. Ze moet ons niet leren het op te geven.

Bekijk Nilay Patel’s Decoder-aflevering, “The People Do Not Yearn for Automation,” hier:

Bekijk Ed Zitron op The Tech Report, “The AI industry is ignoring how much people hate it,” hier: