Taak‑georiënteerd vs. mens‑georiënteerd: waarom de volgende benchmark voor AI ons moet zijn

Elke paar maanden verschijnt er een nieuw model dat de AI‑leaderboards opschudt. Volgens het 2026 AI Index Report van Stanford hebben frontier‑modellen in één jaar ongeveer 30 procentpunten gewonnen op de Humanity’s Last Exam, een benchmark die speciaal is ontworpen om moeilijk te zijn voor AI. Sprongen die vroeger jaren duurden, gebeuren nu binnen enkele maanden, en de industrie beschouwt elke nieuwe topscore als bewijs dat AI beter wordt.

Ik betwist de vooruitgang niet. Deze systemen zijn opmerkelijk in wat ze zijn ontworpen om te doen. Maar ik heb bijna twee decennia psychologie gestudeerd voordat ik naar AI overstapte, en ik blijf terugkomen op een vraag die geen van deze benchmarks beantwoordt. Waar worden de modellen precies beter in, en voor wie? Een model kan elke nauwkeurigheid‑gebaseerde leaderboard overtreffen en toch de gebruiker op bepaalde manieren slechter af laten komen. Er bestaat geen test die de impact van AI op gebruikers meet, en dat verdient meer aandacht.

Twee verschillende soorten afstemming

De AI-sector spreekt voortdurend over afstemming, maar het gesprek gaat meestal over de vraag of een model instructies correct volgt en geen schadelijke inhoud produceert. Dit is taakgerichte AI: geoptimaliseerd om de voorliggende opdracht juist en efficiënt uit te voeren.

Er is echter nog een manier om afstemming te benaderen en mensen te beschermen. Mensgerichte AI beoordeelt wat een interactie na afloop doet met de persoon aan de andere kant van het scherm. Kan diegene de volgende moeilijke beslissing beter zelf nemen, of is hij afhankelijker geworden van het systeem? Taakafstemming meet de uitvoer; menselijke afstemming meet het na-effect.

Deze twee doelen botsen niet altijd. Een snel en nauwkeurig antwoord op een technische vraag dient beide. Maar wanneer er niet één juist antwoord bestaat, wordt het verschil in afstemming zichtbaar.

Wat ranglijsten niet laten zien

De meest aangehaalde benchmarks in de sector testen bijvoorbeeld wedstrijdwiskunde en programmeertaken op repositoryschaal. Dat zijn waardevolle vaardigheden, maar iedere vraag heeft een juist antwoord en modellen zijn gebouwd om dat te vinden.

Dat werkt voor objectieve problemen, maar mensen gebruiken AI voor meer dan wiskunde, programmeren en eenvoudig onderzoek. Ze stellen vragen over hun loopbaan en verwerken moeilijke gesprekken met hun partner. Er is geen test die beoordeelt of een model zulke vragen goed heeft behandeld, omdat er geen objectieve waarheid is om het antwoord aan te toetsen. De relevante informatie zit in de vrager zelf en zelfs de uitgebreidste prompt geeft het model daar geen toegang toe.

Verantwoordelijke AI vult een deel van de ruimte die deze benchmarks openlaten, maar ook dat werk is gericht op het beperken van schade in plaats van op beter menselijk denken. De huidige veiligheidsmaatregelen moeten voorkomen dat een model helpt bij iets gevaarlijks. Ze onderzoeken niet of duizenden gewone gesprekken die elke veiligheidscontrole doorstaan mensen ook leren minder op hun eigen oordeel te vertrouwen.

Hoe modellen afhankelijkheid creëren

Elk model dat ik heb getest, neigt naar volledigheid, snelheid en stelligheid. Dat wordt tijdens de training beloond en is nuttig bij een kapotte softwarebuild of een juridische deadline. Wanneer een beslissing afhangt van iemands waarden en geschiedenis, kan hetzelfde instinct tegen de gebruiker gaan werken.

Onderzoek laat al zien dat dit meer is dan een hypothese. OpenAI en het MIT Media Lab voerden een paar onderzoeken naar affectief gebruik van ChatGPT en ontdekten dat mensen die AI als vriend zagen en haar langer gebruikten vaker negatieve gevolgen meldden, waaronder meer eenzaamheid en emotionele afhankelijkheid; een patroon dat ook werd besproken door MIT Technology Review. Daarnaast vond een 2025‑studie gepubliceerd in het tijdschrift Societies een duidelijke negatieve samenhang tussen veelvuldig gebruik van AI-tools en scores voor kritisch denken. Dit werd verklaard door wat onderzoekers cognitieve uitbesteding noemen: de neiging om een denktaak aan een hulpmiddel over te dragen in plaats van haar zelf uit te werken.

Dit betekent niet dat mensen minder AI moeten gebruiken. We moeten wel beseffen dat er aan de subjectieve kant iets verloren gaat wanneer een systeem elk type vraag op dezelfde manier oplost, en dat vrijwel niemand dit verlies nu meet.

Give Direct Answers Their Due

Ik wil duidelijk maken waar taakgerichte AI wél past, want dit stuk pleit niet voor een model dat over alles aarzelt. Bij een serverfout of fiscale deadline is een snel, direct en gezaghebbend antwoord nuttig; reageren met een open vraag zou dat niet zijn. Het probleem ontstaat wanneer we bij een mogelijke scheiding hetzelfde instinct toepassen als bij het debuggen van code.

Wat we in plaats daarvan moeten meten

Als de sector zowel mens- als taakgerichte AI wil behandelen, moeten toekomstige evaluaties naast nauwkeurigheid en redeneerdiepte enkele andere eigenschappen opnemen.

Terughoudendheid. Het vermogen om een moment te herkennen waarop het oplossen van de vraag voor de gebruiker meer schaadt dan helpt, en zich dienovereenkomstig in te houden.

Gekalibreerde vraagstelling. Vragen in plaats van vertellen, wanneer een probleem subjectief is of verbonden met iemands identiteit en waarden in plaats van een feit dat in een database staat.

Het moment lezen. Het onderscheid maken tussen een verzoek dat een direct, uitgebreid antwoord vereist en een verzoek dat ruimte nodig heeft voor de persoon om het zelf te verwerken.

Het decennialange onderzoek van Albert Bandura naar zelfeffectiviteit toonde aan dat mensen vertrouwen opbouwen door hun eigen ervaringen van beheersing, niet door te zien hoe iemand of iets anders het probleem voor hen oplost. Dit principe is een halve eeuw ouder dan AI en hoort thuis in de manier waarop we de technologie ontwerpen en beoordelen.

Wat vooruitgang hierna moet betekenen

Niets hiervan pleit voor het vertragen van technische vooruitgang. Ik verwelkom betere programmeer- en redeneervaardigheden. Maar een scorekaart die alleen taakvoltooiing meet, vertelt ons dat AI slimmer wordt en niets over de vraag of gebruikers beter zelfstandig leren denken.

Dat zou ik graag zien veranderen. Naarmate deze systemen meer kunnen, zouden de mensen die ze gebruiken ook vaardiger moeten worden. We hebben bewezen dat AI ons op een test kan verslaan. De volgende test moet beoordelen of AI ons helpt beter te denken, lang nadat het gesprek is afgelopen.