Recensie van ‘Hoe mensen ChatGPT gebruiken’

Ik ben Ilya Romanov en ik werk aan een AI-product in stealth mode. In mijn vorige artikel sprak ik over een (niet echt?) disruptieve MIT-rapport over AI en omzetresultaten. Een andere veelbesproken rapport is verschenen—“Hoe mensen ChatGPT gebruiken”. De openingszin “Over het algemeen concluderen we dat ChatGPT economische waarde biedt door middel van besluitvorming, wat vooral belangrijk is in kennisintensieve banen” deed me nadenken over de vraag of er eindelijk een bewezen record is van AI die op een tastbare manier bijdraagt aan een werkproces en omzetresultaten. Laten we nu dieper ingaan!

Het rapport en het team

‘Hoe mensen ChatGPT gebruiken’ is opgesteld door onderzoekers van OpenAI en de Harvard-econoom David Deming. Hun gecombineerde expertise in AI-engineering, privacy-bewakende gegevensanalyse en economisch beleid maakte het mogelijk om deze uitgebreide, grootschalige empirische studie van ChatGPT te creëren.

De studie is gebaseerd op een indrukwekkende verzameling van 1,5 miljoen conversaties met ChatGPT. Het team gebruikte de privacy-bewakende funnel om gebruikers anoniem te maken, terwijl ze nog steeds de intentie achter de berichten begrepen. In wezen werden alle ChatGPT-conversaties door een geautomatiseerd filter gehaald dat alle namen of persoonlijke gegevens verwijderde voordat onderzoekers ze zagen. Deze gezuiverde, machine-gegenereerde labels (zoals onderwerp of intentie) werden geanalyseerd. Om basisdemografische achtergronden, zoals opleiding of beroep, te koppelen, werkte het team in een beveiligde clean-room-omgeving waarin ze alleen geaggregeerde gegevens over groepen van minstens 100 gebruikers konden ophalen, zodat geen enkele persoon of bericht ooit kan worden geïdentificeerd of opnieuw geïdentificeerd.

Bevindingen

De krachtige verklaring in de ‘Samenvatting’ is een van de belangrijkste inzichten over hoe AI waarde levert in de moderne economie. In tegenstelling tot de vele ‘automatiseer-het-alles’-oplossingen die de laatste tijd zijn ontstaan, wordt ChatGPT voornamelijk gebruikt als een besluitvormingstool en niet als een puur takenautomatiseringsplatform. Het rapport introduceert twee soorten taken die ChatGPT door gebruikers wordt gegeven: ‘Vragen’ en ‘Doen’. De eerste verwijst naar banen zoals het zoeken naar informatie, adviseren of begeleiden voor betere beslissingen (‘Wat is het verschil tussen correlatie en oorzakelijkheid?’). De tweede is het daadwerkelijk uitvoeren van specifieke taken zoals het opstellen van e-mails, het schrijven van rapporten en zelfs het creëren van code (‘Schrijf een e-mail aan mijn manager waarin ik zeg dat ik niet in staat was om Sales te bereiken, hoewel ik meerdere keren heb gebeld.’).

Interessant is dat het rapport onderscheid maakt tussen werk- en niet-werkconversaties. Alle niet-werkconversaties maken maar liefst 70% uit in 2025, wat een scherpe stijging is ten opzichte van 53% in 2024. Persoonlijke interacties draaien voornamelijk om alledaagse taken (‘hoe-te’-advies en tutoring) en schrijfhulp (bewerking of vertaling). Deze toename en de context van gebruik positioneren ChatGPT als een dagelijkse metgezel—de nieuwe Google, zeg maar—voor exploratie, creatief werk en besluitvorming buiten de werkplek.

Het rapport onthult dat 49% van alle berichten ‘Vragen’ zijn in vergelijking met slechts 40% ‘Doe’-prompts. Het trucje is dat ‘Vragen’-berichten sneller groeien en hogere tevredenheidsbeoordelingen van ChatGPT-gebruikers ontvangen. In juli 2024 waren ‘Vragen’ en ‘Doe’ bijna gelijk, en maakten ze 46% van alle ChatGPT-berichten uit. Tot juni 2025 was ‘Vragen’ gestegen tot 51,6%, wat een absolute toename van 5,6 procentpunt betekent, wat neerkomt op een relatieve toename van 12%, terwijl ‘Doe’ daalde tot 34,6%, wat een relatieve daling van 25% betekent.

Wat betekent deze divergentie? Het economische voordeel, zo stelt het rapport, ligt in snellere en beter geïnformeerde besluitvorming in kennisintensieve banen, wat de productiviteit verhoogt. In kennisintensieve banen, waar bedrijfsresultaten rechtstreeks worden beïnvloed door de kwaliteit en snelheid van beslissingen, kan toegang tot beter verwerkte informatie, alternatieve perspectieven en uitstekende analytische ondersteuning de prestaties van werknemers aanzienlijk verbeteren.

De basis voor de conclusie is de bevindingen. Enerzijds zijn gebruikers met een masterdiploma ongeveer 2 procentpunten meer geneigd om ChatGPT te gebruiken voor ‘Vragen’ en 1,6 procentpunten minder geneigd om ‘Doe’-berichten te sturen in vergelijking met minder opgeleide gebruikers. In dezelfde lijn zijn gebruikers in hoogbetaalde wetenschappelijke en technische beroepen meer geneigd om AI te gebruiken voor ‘Vragen’—47% van de werkgerelateerde berichten zijn ‘Vragen’ in computergerelateerde banen.

De onzichtbare besluitvormingscapaciteiten die veruit de menselijke hersenen overtreffen, kunnen worden weerspiegeld in geld—niet in termen van de omzet die OpenAI maakt (een verbijsterende 13 miljard dollar aan jaarlijkse terugkerende omzet, per begin augustus van dit jaar), maar in consumentensurplus. Simpel gezegd is consumentensurplus de kloof tussen het maximumbedrag dat iemand bereid is te betalen voor een dienst en het daadwerkelijke bedrag dat hij betaalt. Bijvoorbeeld, ik ben bereid om 100 dollar te betalen voor een maandabonnement op ChatGPT, maar ik betaal 20 dollar, dus het consumentensurplus is 80 dollar.

Op grote schaal, zoals het onderzoek van Collis en Brynjolfsson (2025) aantoonde, is het consumentensurplus minstens 97 miljard dollar in de VS alleen. En het lijkt erop dat mensen gemiddeld 98 dollar moeten worden betaald om te stoppen met het gebruik van generatieve AI voor een maand. De waarde die ChatGPT heeft voor gebruikers in zowel werk- als niet-werkcontexten is enorm, en het is veilig om te zeggen dat er in een bedrijfscontext een nog groter financieel voordeel is.

Waarom vragen?

Toen ik het team achter dit rapport onderzocht en (geen verrassing!) Perplexity uitnodigde om met me te denken over dit rapport, kon ik niet helpen me af te vragen waarom mensen vragen stellen in plaats van doen met ChatGPT.

Om het in meer wetenschappelijke termen te zeggen, zou ik graag verwijzen naar een onderzoek dat in het rapport wordt genoemd. Ide en Talamas (2025) presenteerden twee rollen die AI speelt op de werkplek: collega die leveringen doet, d.w.z. werk doet, en co-piloot die probleemoplossing verhoogt zonder enige einduitvoer. De gegevens uit ‘Hoe mensen ChatGPT gebruiken’ ondersteunen het co-pilootparadigma: opnieuw stellen mensen vragen in plaats van doen met ChatGPT (49% vs 40%) en neemt vragen toe en ‘beslissingen nemen en problemen oplossen’ staat hoog in de top van werkactiviteiten in elke onderzochte beroepsgroep. In een notendop biedt ChatGPT raad in plaats van werk in de meeste gevallen.

Dus, AI is een co-piloot (wist Microsoft iets toen ze hun AI-hulpmiddel zo noemden… als je mijn drift begrijpt) in de meeste gevallen. Maar waarom? Scroll door LinkedIn en je ziet ‘Automatiseer dit’ en ‘Automatiseer dat’.

Ik heb er ook over nagedacht, toen ik het rapport las en honderden enthousiaste LinkedIn-berichten van AI-enthousiasten die eindelijk dat script vonden om AI te laten werken. Mijn veronderstelling is dat deze dominantie van vragen boven doen met ChatGPT mogelijk slechts een weerspiegeling is van de beperkingen van het model (of de beperkingen van het verleden) en niet van een fundamentele voorkeur van het publiek voor AI als co-piloot. Het is waarschijnlijk dat, zodra er een echt krachtige agente AI-oplossing is, gebruikers AI steeds vaker als een echte collega in plaats van een adviseur zullen gebruiken. Simpel gezegd, mensen willen AI gebruiken als een collega, maar er zijn nog steeds beperkingen.

Uit mijn ervaring en wat ik tijdens de CustDev-interviews hoorde, neem ik aan dat er één ernstig nadeel is dat AI nog niet kan overwinnen. Ten eerste ontbreekt het aan context. Ten tweede kan niet elk stuk werk worden opgesplitst in een eenvoudige prompt (of ik ben gewoon niet geduldig genoeg).

Laat me dit toelichten. Omdat AI geen context heeft, kan het niet losgelaten worden als het gaat om inhoudscreatie. Het moet worden bewaakt en de prompt moet mogelijk worden herzien voor een beter resultaat. IBM legde het idee uit in wetenschappelijke termen. Mensen verzamelen een rijke situatiebegrip dankzij onophoudelijke perceptie, geheugen en wereldervaring, terwijl AI-assistenten puur werken door het voorspellen van het volgende token (~woord) op basis van een vaste ‘contextwindow’ van recente invoer. AI heeft een kortetermijngeheugen en eerder informatie gaat verloren zodra de geheugencapaciteit is vol.

Grote taalmodellen hebben moeite met multi-stap complexe taken. De prestaties en coherentie verslechten naarmate taken worden gecombineerd, Prompt Drive legt uit. Er is een aanpak om deze beperking te overwinnen—de zogenaamde divide-and-conquer-aanpak. Echter, het erkent dat geen enkele prompt alle nuances kan vangen, dus AI blijft een uitstekende co-piloot terwijl het een beperkte collega is.

Nu heb ik nagedacht over ChatGPT. Repliceert dit percentage (49% vs 40%) zich met andere AI-hulpmiddelen?

• 60% van de berichten die naar Perplexity AI worden gestuurd, zijn onderzoeksgerichte verzoeken in plaats van pure inhoudscreatie, volgens App Labx.
• DeepSeek R1 scoort hoog als een geavanceerde collega voor logische taken en co-piloot voor keten van gedachten-assistentie, volgens zijn intern rapport.
• GitHub Co-pilot (de hint zit in de naam, toch?) is ontworpen voor editorsuggesties voor code, debugging en leerhulp. Het is veilig om aan te nemen dat de rol is om te helpen in plaats van te doen.
• Microsoft Copilot laat een ongeveer gelijke verdeling zien tussen vragen en doen, wat de gebruiks patronen voor ChatGPT weerspiegelt.

Dus—wat laten de bevindingen ons zien? Zoals ik het zie, is AI een krachtige booster voor kennisintensief werk dat besluitvorming versnelt en zich vertaalt in directe tijdsbesparingen en indirecte omzetwinsten. AI te weerstaan ten gunste van ‘menselijke aanraking’ of ‘unieke inhoud’ betekent op de lange termijn verliezen. Mensen gebruiken ChatGPT en andere AI-assistenten om besluitvorming te verbeteren, niet om een menselijke beslissingsnemer te vervangen.

Zal het patroon veranderen? Zullen mensen massale hersenverval zien als gevolg van het steeds vaker delegeren van werk aan AI? Blijf op de hoogte voor mijn volgende artikel over hoe AI de menselijke hersenen en cognitieve vaardigheden beïnvloedt.