Interviews

Dr. Anthony Lee, voorzitter en CEO van Westcliff University – Interviewserie

Antoine Tardif
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenDe arbeidsmarktbereidheid vereist nu menselijk toezicht op AI-output en…
Meer weergeven
  • De arbeidsmarktbereidheid vereist nu menselijk toezicht op AI-output en verantwoordelijk oordeel.
  • AI-geletterdheid moet in het curriculum van elke discipline worden verweven en niet als een toevoeging worden behandeld.
  • Beoordeling moet authentiek redeneren en toegepaste competentie meten, niet alleen geautomatiseerde productie.

Dr. Anthony M. Lee is de voorzitter van Westcliff University in Irvine, Californië, een van de snelst groeiende universiteiten in de VS, die in het afgelopen decennium is gegroeid van minder dan een paar honderd studenten tot meer dan 3.000 studenten. Dr. Lee heeft leidinggevende functies bekleed bij verschillende universiteiten en scholen in de VS en internationaal. Vanuit zijn expertise in innovatieve hybride en online programma’s heeft Dr. Lee nieuwe programma’s gelanceerd die technologie combineren met traditioneel onderwijs op de campus voor een verbeterde leerervaring. Hij heeft scholen succesvol door het accreditatieproces geleid op universitair en K-12 niveau. Zijn ervaring heeft hem een leider gemaakt in veel kritische gebieden binnen het hoger onderwijs, waaronder marketing, financiën, bedrijfsvoering, naleving van regelgeving en accreditatie.

Hoe is uw definitie van voorbereiding op de arbeidsmarkt geëvolueerd in het tijdperk van generatieve AI en automatisering?

Voorbereiding op de arbeidsmarkt betekende vroeger technische competentie en de mogelijkheid om onmiddellijk bij te dragen binnen een gedefinieerde rol. In de tijd van generatieve AI is die definitie niet langer voldoende, omdat de aard van het werk zelf verandert.

Tegenwoordig betekent goed voorbereid zijn effectief functioneren in omgevingen waar intelligentie wordt verdeeld tussen mensen en machines, waar tools voortdurend evolueren en waar de uitvoering van werk steeds vaker technologisch wordt ondersteund. Het concurrentievoordeel ligt niet langer alleen in het kennen van een taak, maar in weten hoe je problemen formuleert, AI-resultaten controleert, aannames onderzoekt en oordeelt binnen de beperkingen van de praktijk.

We zien een verschuiving van taakuitvoering naar cognitief toezicht. Werk op instapniveau wordt opnieuw gedefinieerd. Routineproductie kan worden geautomatiseerd, verantwoordelijkheid niet. Dat legt meer nadruk op kritisch denken, ethisch redeneren, contextueel bewustzijn en de mogelijkheid om door AI gegenereerde resultaten om te zetten in verantwoorde beslissingen.

Bij Westcliff zien we voorbereiding op de arbeidsmarkt als de integratie van domeinexpertise, AI-beheersing en gedisciplineerd menselijk oordeel. Studenten moeten begrijpen hoe generatieve systemen functioneren, waar ze meerwaarde bieden en waar ze risico’s opleveren. Nog belangrijker, ze moeten leren hoe ze kunnen samenwerken met deze systemen zonder intellectuele verantwoordelijkheid uit te besteden.

Ons model voor praktijkgericht leren is ontworpen rond gestructureerde betrokkenheid bij opkomende technologieën in authentieke contexten. Het doel is niet alleen toolvaardigheid, maar adaptieve capaciteit, de mogelijkheid om effectief te blijven als tools veranderen.

In deze tijd zullen professionals die uitblinken degenen zijn die AI doordacht kunnen aansturen, kritisch kunnen onderzoeken en verantwoordelijk blijven voor de resultaten waarop AI invloed heeft, in plaats van met AI te concurreren. Dat is wat voorbereiding op de arbeidsmarkt nu vereist.

Wat betekent het voor een instelling om AI serieus te nemen op het niveau van het curriculum en de instelling, in plaats van het te behandelen als een add-on?

AI is niet zomaar een extra onderwijshulpmiddel. Het verandert de architectuur van het onderwijs zelf.

AI serieus nemen begint met herontwerp. Elk vakgebied moet onderzoeken hoe generatieve systemen professionele verwachtingen veranderen en definiëren wat vaardigheid met ondersteuning van AI vereist. Beoordeling moet redenering en toegepaste competentie meten, niet alleen uitvoer.

Maar serieus nemen vraagt ook om institutionele coherentie. AI-geletterdheid mag niet beperkt blijven tot losse cursussen. Professionalisering van docenten, bestuur, beoordelingsstrategie en toezicht op leveranciers moeten op elkaar worden afgestemd vanuit het duidelijke principe dat technologie academische kwaliteit moet versterken, niet verwateren.

Op dat punt wordt AI onderdeel van de intellectuele infrastructuur van de universiteit. Het vormt hoe leren wordt gestructureerd, hoe meesterschap wordt aangetoond en hoe institutionele geloofwaardigheid wordt onderhouden in een arbeidsmarkt waar menselijk oordeel en machinecapaciteit naast elkaar opereren. Dat is de manier waarop we bij Westcliff vooruitgang boeken.

Hoe vinden jullie een balans tussen fundamentele menselijke vaardigheden en studenten leren effectief met AI samen te werken?

Ik zie dit niet als een afweging waarbij het ene ten koste gaat van het andere. Generatieve AI maakt fundamentele menselijke vaardigheden juist waardevoller.

Wanneer routinematige cognitieve productie goedkoop wordt, wordt redeneren op een hoger niveau het onderscheidende vermogen. Kritisch denken betekent betere vragen formuleren en machinegegenereerde uitvoer onderzoeken. Oordeel betekent weten wanneer je op een systeem moet vertrouwen en wanneer je moet pauzeren. Ethiek wordt praktisch en gaat over het begrijpen van de gevolgen van het inzetten van intelligente systemen op grote schaal.

Studenten moeten leren denken in omgevingen waarin AI aanwezig is. Prompting is een startpunt, maar cognitief toezicht is de diepere vaardigheid. Afgestudeerden moeten conclusies kunnen formuleren en verdedigen die mede tot stand komen met behulp van intelligente systemen, maar er niet door worden bepaald.

Bij Westcliff behandelen we AI-beheersing als een versterker van fundamentele vaardigheden. Studenten werken met intelligente hulpmiddelen terwijl ze verantwoordelijk blijven voor helderheid, geloofwaardigheid en de gevolgen van hun werk. Op lange termijn zullen professionals die uitblinken intellectuele diepte combineren met het vermogen om zich aan technologische veranderingen aan te passen. AI biedt snelheid en schaal; menselijk onderscheidingsvermogen, verantwoordelijkheid en leiderschap blijven onmisbaar.

Welke delen van het hoger onderwijs zijn het meest kwetsbaar voor verstoring door AI, en welke gebieden zijn veerkrachtiger dan mensen verwachten?

De meest kwetsbare gebieden zijn gebaseerd op informatietransfer en gestandaardiseerde uitvoer. Als een model voornamelijk afhankelijk is van het overbrengen van lesstof of beoordelingen die productie meten, zal AI het snel uitdagen.

Hoger onderwijs is veerkrachtiger waar gestructureerde ontwikkeling, begeleiding, praktijkervaring, teamwerk, klinisch leren en de vorming van een professionele identiteit centraal staan. AI kan deze ervaringen ondersteunen, maar kan de groei die door feedback en verantwoordelijkheid ontstaat niet vervangen.

De scheidslijn is ontwerp. Instellingen die zich voornamelijk zien als inhoudsleveranciers zijn kwetsbaar. Diegenen die opereren als doelbewust ontworpen leersystemen, gefocust op redenering, toegepaste competentie en meetbare groei, blijven zeer relevant.

AI verhoogt de standaard voor wat een diploma moet vertegenwoordigen.

Hoe moeten universiteiten het ontwerp van diploma’s heroverwegen nu AI de tijd die nodig is om vaardigheden te verwerven verkort en de instapdrempels verlaagt?

Terwijl AI de tijd verkort die nodig is om technische vaardigheden te verwerven, moeten universiteiten verduidelijken waar een diploma waarde toevoegt.

Als tools taakvaardigheid versnellen, moet hoger onderwijs zich richten op wat niet kan worden geautomatiseerd, conceptuele diepte, gestructureerd probleemoplossend denken, ethisch oordeel en duurzame prestaties onder beperkingen.

Diploma-ontwerp moet modulair en toegepast zijn, maar coherent. Het doel is cumulatieve competentie, integratie van technische vaardigheid met redenering en adaptiviteit.

AI verlaagt de instapdrempels. Universiteiten moeten reageren door de drempel voor integratie, oordeel en aangetoonde capaciteit te verhogen. Een diploma moet duurzame bekwaamheid aantonen, niet alleen kennismaking met een onderwerp.

Bij Westcliff zien we diploma’s als dynamische ecosystemen in plaats van vaste lineaire progressies. Combineerbare deelkwalificaties en stapsgewijze leertrajecten stellen studenten in staat opnieuw te gaan leren wanneer sectoren veranderen, met behoud van samenhang en inhoudelijke kwaliteit. Flexibiliteit is belangrijk, maar intellectuele vooruitgang is belangrijker.

Wat is de rol van AI in beoordeling en certificering?

AI dwingt het hoger onderwijs om een realiteit onder ogen te zien die al vóór deze technologie bestond. Veel traditionele beoordelingen maten productie in plaats van begrip. Als een taak nu met minimale inspanning kan worden geautomatiseerd, moeten we ons afvragen of het ooit redenering heeft vastgelegd.

Beoordeling moet verschuiven naar authentieke demonstratie van competentie, mondelinge toelichting en verdediging, scenariogebaseerd probleemoplossend denken, iteratieve verbetering, toegepaste simulaties en portfolio-bewijs dat denken zichtbaar maakt. In een AI-omgeving is wat telt niet alleen het eindproduct, maar het cognitieve proces erachter.

Bij Westcliff zijn we overgestapt op mondelinge en iteratieve beoordelingsmodellen die studenten verplichten om hun redenering in real-time te formuleren en te verdedigen. AI kan helpen door adaptieve prompts te genereren en schaalbare feedback te ondersteunen, maar ontwerpverantwoordelijkheid blijft menselijk. Instellingen moeten ervoor zorgen dat ze het denken van de student evalueren, niet modeluitvoer.

Certificering gaat steeds meer over geverifieerde bekwaamheid in plaats van de tijd die iemand aan onderwijs heeft besteed. Werkgevers willen bewijs van toegepaste competentie en verantwoordelijk oordeel. Instellingen die beoordeling proactief herontwerpen, versterken de geloofwaardigheid van hun diploma’s.

Als het op een verantwoorde manier wordt geïmplementeerd, legt AI bloot waar academische standaarden moeten worden verhoogd.

Hoe pakken jullie bestuur en toezicht aan bij het introduceren van AI in onderwijs en administratie?

We benaderen AI zoals we elk systeem zouden benaderen dat het academische niveau en de institutionele geloofwaardigheid materieel beïnvloedt. Bestuur begint met duidelijke doelstellingen, gedefinieerde grenzen en duidelijke verantwoordingslijnen.

Effectief toezicht zorgt ervoor dat innovatie vertrouwen versterkt in plaats van ondermijnt. Dat betekent strikte gegevensbescherming en -beveiliging, toetsing op vooringenomenheid en eerlijkheid wanneer systemen studentenresultaten beïnvloeden, en transparantie over welke tools worden gebruikt en hoe gegevens worden verwerkt.

Het vereist ook het bijwerken van integriteitskaders om huidige realiteiten te weerspiegelen in plaats van verouderde aannamen. Professionalisering van docenten is cruciaal zodat adoptie intentioneel is en aansluit bij leerdoelen, in plaats van gefragmenteerd of reactief te zijn.

Toen we AI-ondersteunde beoordelingsmodellen introduceerden bij Westcliff, was toezicht ingebed in het ontwerp. Docenten bewaakten de implementatie, evalueerden de impact en verfijnden processen op basis van bewijs. Leveranciersbeoordeling is continu, niet episodisch. Instellingen moeten regelmatig de aansluiting op academische standaarden en studentenbescherming opnieuw evalueren.

Het doel is verantwoorde innovatie.

Welke misvattingen hebben docenten meestal over AI, en welke mentaliteitsverandering is vereist?

Twee misvattingen komen vaak naar voren. De eerste is dat AI voornamelijk een probleem van fraude is. De tweede is dat het alleen een productiviteitstool is. Geen van beide opvattingen volstaat op zichzelf. Fundamenteler gezien weerspiegelt AI een verschuiving in hoe kennis wordt gegenereerd, geëvalueerd en toegepast.

Wanneer instellingen AI alleen als een integriteitsprobleem behandelen, kiezen ze voor beperking. Wanneer ze het alleen als efficiëntie behandelen, onderschatten ze de implicaties. De belangrijkere vraag is hoe leren te ontwerpen zodat redenering zichtbaar en verantwoord blijft in een AI-omgeving.

De noodzakelijke mentaliteitsverandering is van controle naar ontwerp. Dit stelt docenten in staat een nog centralere rol te vervullen als architecten van leerervaringen die oordeel, synthese en toegepaste competentie benadrukken.

Met institutionele ondersteuning, gedeelde praktijken en coherente governance kunnen docenten echt vooruitgang boeken waar AI de lat voor doordachte pedagogie verhoogt en academisch ontwerp belangrijker maakt dan ooit tevoren.

Hoe moeten universiteiten studenten voorbereiden op een arbeidsmarkt waar functies voortdurend veranderen en AI werk op instapniveau opnieuw definieert?

Functies op instapniveau hebben traditioneel gediend als leerschool voor routineproductietaken. In veel sectoren neemt AI nu een groot deel van dat vroegstadiumwerk over. Als gevolg daarvan wordt van afgestudeerden verwacht dat zij eerder op een hoger niveau functioneren.

Voorbereiding moet zich richten op capaciteiten die moeilijk te automatiseren zijn: probleemformulering, communicatie, besluitvorming en verantwoord toezicht op intelligente systemen. Studenten moeten kunnen omgaan met onzekerheid en onduidelijkheid in omgevingen waarin hulpmiddelen evolueren en functies voortdurend veranderen.

Universiteiten moeten adaptieve competenties benadrukken die contexten overstijgen in plaats van alleen smalle specialisatie. Gestructureerd, projectgebaseerd leren met echte beperkingen is essentieel. Wanneer studenten complexe problemen oplossen en hun aanbevelingen verdedigen, oefenen ze het soort verantwoord denken dat werkgevers steeds meer waarderen.

AI-geletterdheid moet een basisvaardigheid worden. Niet iedereen hoeft modellen te bouwen, maar iedereen moet begrijpen hoe intelligente systemen beslissingen binnen hun beroep beïnvloeden.

De arbeidsmarkt zal blijven verschuiven. De verantwoordelijkheid van het hoger onderwijs is niet om elke rol te voorspellen, maar om afgestudeerden op te leiden die over rollen heen kunnen bewegen, continu kunnen leren en significante bijdragen kunnen leveren in omgevingen die worden gevormd door versnellende technologie.

Wat zou aangeven dat een universiteit zich met succes heeft aangepast aan AI-gedreven verandering in plaats van alleen te overleven?

Succes zal worden gemeten door resultaten en niet door publieke profilering of oppervlakkige succesindicatoren.

Een universiteit heeft zich echt aangepast wanneer haar curriculum en de beoordelingsmodellen zijn herontworpen rondom bekwaamheid in de praktijk in plaats van het overbrengen van leerstof. Docenten kunnen laten zien dat zij het leren doordacht ontwerpen, in plaats van achter te lopen bij de invoering van nieuwe werkwijzen. Studenten kunnen duidelijk hun redenering formuleren en verdedigen op manieren die niet op aanvraag kunnen worden gegenereerd.

Institutionele aanpassing is ook zichtbaar in governance. AI-gebruik is transparant, toezicht is ingebed en we kunnen aantonen dat vertrouwen in academische resultaten sterker wordt in plaats van afneemt.

De betrouwbaarste aanwijzing is externe validatie. Werkgevers erkennen dat afgestudeerden weloverwogen oordeelsvermogen, praktische bekwaamheid, besluitvorming en vaardigheid in AI-omgevingen demonstreren.

Aanpassing betekent flexibiliteit zonder compromis. De instelling evolueert naarmate technologie vordert, terwijl ze strikte standaarden en ethische duidelijkheid handhaaft. Bij Westcliff geloven we dat we een onderwijsmodel ontwikkelen dat geloofwaardig, veerkrachtig en waardevol blijft terwijl AI het landschap blijft herschikken.

Bedankt voor het geweldige interview. Lezers die meer willen weten over deze onderwijsinstelling, kunnen terecht bij Westcliff University.

Antoine is een visionaire leider en medeoprichter van Unite.AI, gedreven door een onwankelbare passie om de toekomst van AI en robotica vorm te geven en vooruit te helpen. Als serieondernemer gelooft hij dat AI de samenleving net zo ingrijpend zal veranderen als elektriciteit. Hij spreekt vaak enthousiast over het potentieel van baanbrekende technologieën en artificiële algemene intelligentie (AGI).

Als futurist onderzoekt hij hoe deze innovaties onze wereld zullen vormgeven. Daarnaast is hij oprichter van Securities.io, een platform dat zich richt op investeringen in geavanceerde technologieën die de toekomst opnieuw definiëren en hele sectoren veranderen.