Hoe AI-geletterd ben jij?

Op de valreep kon ik mij nog aanmelden voor de online sessie AI en onderzoek tijdens de promovendikring op 10 november 2025. Het onderwerp sprak me aan: als opleider bij de NSPOH (team onderzoeksscholing) houdt het me steeds meer bezig hoe AI het leerproces van de AIOS sociale geneeskunde van de toekomst zal veranderen – en hoe we daar nu al op kunnen inspelen.

De voorbereiding bestond uit de basiscursus AI – handig, want mijn ‘basis’ kon wel wat bijgespijkerd worden, zo bleek. Tip: heb je kinderen, deel vooral ook de juniorversie. Want pas de generaties die hier vanaf de basisschool mee leren werken zullen echt AI-geletterd zijn.

Hoe leert AI?

Jeroen de Wilde (arts M&G, jeugdarts en docent-onderzoeker bij het LUMC) gaf een helder beeld: AI leert door enorme hoeveelheden data en scenario’s te verwerken. Mensen geven het start- en eindpunt aan; AI verkent vervolgens alle tussenliggende opties. Dat roept de vraag op: is dit vergelijkbaar met de manier waarop menselijke intelligentie tot stand komt? Het begrip wat intelligentie is, verandert onmiskenbaar met de toenemende mogelijkheden van AI. Hoe dan ook, het praktische effect is duidelijk: AI kan werkprocessen veel efficiënter en effectiever maken, vooral als je AI-geletterd bent. De impact wordt dan ook vaak vergeleken met de komst van de stoommachine.

Wat betekent AI voor onderzoek?

AI voegt waarde toe aan vrijwel elk onderdeel van het onderzoeksproces: van literatuuronderzoek en het samenvatten van evidence tot datacleaning, analyse en het schrijven van conceptteksten. Onderzoekers die AI doelgericht inzetten, werken tot wel 40% efficiënter dan degenen die het vooral als losse chatbot gebruiken. Achteroverleunen en vasthouden aan oude werkwijzen is in ieder geval geen optie meer.

Wat vraagt dit van ons als onderzoekers?

AI verandert nu al hoe we werken en onderzoeken. Toch blijft één cruciale rol voor onszelf: kritisch blijven beoordelen. Jij blijft eindverantwoordelijk. Controleer altijd de output, verifieer bronnen en beoordeel de methodologische kwaliteit.
Dat roept meteen een uitdaging op: als we bepaalde taken niet meer zelf uitvoeren, blijven we dan vaardig in het herkennen van fouten?
Misschien is het antwoord alleen te vinden door het gewoon te gaan doen.

Daarnaast kwamen tijdens de sessie praktische inzichten voorbij:

• Neem de tijd om instellingen te verkennen: schakel bijvoorbeeld het gebruik van jouw input uit en geef persoonlijke voorkeuren mee, zoals context, toon of schrijfstijl.
• Behandel AI als een collega: geef context, feedback en stel vervolgvragen.
• Investeer in goede prompts. Je kunt grote stappen maken door standaardpromptreeksen te formuleren voor terugkerende taken, of ‘chain-of-thought prompting’ toe te passen bij uitgebreide processen zoals een ZonMw-aanvraag.
• Wees kritisch bij evidence searches. De opbrengst van AI-tools bevat vaak nog weinig methodologische beoordeling. Neem daarom in je prompt expliciet de opdracht op om artikelen te toetsen met een validatiechecklist.
• Experimenteer met tools zoals NotebookLM, waarmee je eigen bronnen kunt uploaden, notities overzichtelijk kunt beheren en zelfs een podcast kunt laten maken om onderweg bij te leren.

Reflectie

De belangrijkste les voor mij: AI is een krachtig hulpmiddel – maar vooral als je het bewust én kritisch inzet. Dat vraagt om actieve verdieping in de mogelijkheden.
Tegelijkertijd blijven grote vragen bestaan. Hoe voorkomen we dat we afhankelijk worden van systemen die we niet meer volledig begrijpen? Hoe borgen we privacy en kwaliteit in een wereld waarin machtige bedrijven de infrastructuur bepalen? En wat betekent het dat AI-gebruik enorme hoeveelheden energie vraagt, terwijl we juist streven naar duurzaamheid?

Nog genoeg stof voor een volgende AI-sessie!