Het was een bekend tafereel. Een artsenkamer, een net te ongemakkelijke stoel, een paar grijze mannen die me aankijken. We zijn de hoffelijkheden voorbij. De jeugd, interesses, hobby’s. Ik weet dat de vraag gaat komen. Alleen nog niet uit welke mond.
Dan komt hij toch nog uit een onverwachte hoek.
‘En eehh, meneer Vijlbrief, doet u eehh ook nog wat aan wetenschap?’
Nu is het veranderd. Op een congres of nascholing is de vraag niet meer wat je aan wetenschap doet, maar of je ook al wat met AI doet.
Het is een licht ongemakkelijke vraag. Denk ik.
De wetenschapsvraag was ongemakkelijk omdat hij me positioneerde. Mijn antwoord plaatste me ergens in een hiërarchie: meer of minder, hoger of lager. Maar de vraag zelf had een gedeelde grond. Iedereen wist ongeveer wat wetenschap was, wat meedoen betekende en wat als antwoord telde.
De AI-vraag heeft die grond niet.
‘We hebben een pilot met Gleamer.’ Is dat genoeg? ‘We zijn ons aan het oriënteren.’ Is dat te weinig? ‘We hebben een werkgroep.’ Is dat een antwoord of een manier om het antwoord uit te stellen?
Niemand weet precies wat een goed antwoord is. Dat is waar het ongemak zit.
De vraag begint trouwens tegenwoordig niet meer bij de collega. Hij begint bovenaan. De Raad van Bestuur wil dat we iets doen met AI. Wat precies, daar denken we zelf maar even over. Grassroots ofzo. McKinsey-onderzoek meldde dat ongeveer de helft van de Amerikaanse zorgorganisaties generatieve AI heeft geïmplementeerd, maar liet tegelijk zien hoe moeilijk dat woord ‘geïmplementeerd’ eigenlijk is. Een chatbot? Een transcriptietool? Een pilot? Een PowerPoint met ambitie?
Goed. We starten een pilot voor fractuurdetectie.
Een paar maanden later werkt de pilot. Het algoritme markeert fracturen. Missers worden redelijk opgevangen. Valspositieven zijn beheersbaar. De gebruikers zijn niet ontevreden. De leverancier heeft een nette evaluatie. De afdeling kan zeggen dat ze AI gebruikt.
Maar wat hebben we nu vastgesteld?
Dat we minder fracturen missen, misschien. Dat de workflow het aankan, waarschijnlijk. Dat we als afdeling ‘iets met AI’ doen, met name dat denk ik.
Maar zijn we beter geworden in ons werk?
Niet omdat de techniek niet werkt. Die werkt vaak goed. Het probleem is subtieler. We doen wat van ons gevraagd wordt, zonder dat we goed kunnen vaststellen of we er als professionals, als zorg beter van zijn geworden.
Het tegenovergestelde is zelfs denkbaar. Een algoritme dat goed fracturen vindt, kan de aandacht weghalen bij andere vragen die in een verslag horen. Het kan een jonge radioloog net iets te vroeg ontslaan van de noodzaak om het patroon zelf te leren herkennen. Het kan de aanvrager het gevoel geven dat de bevinding klaar is voordat iemand de betekenis ervan in deze patiënt heeft gewogen.
Dat zijn geen argumenten om de pilot te stoppen. Het zijn argumenten om betere vragen te stellen.
Alleen passen die vragen niet goed in het standaardrapport van een pilot. Daarin staat sensitiviteit, specificiteit, gebruikerstevredenheid, doorlooptijd en implementatiegraad. Zelden staat erin of onze aandacht is verschoven. Of onze AIOS anders leren kijken. Of het gesprek met de kliniek beter is geworden. Of we nog kunnen uitleggen welk deel van het werk om oordeel vraagt.
Daar wringt iets dat ouder is.
We hadden lang een soort antwoord op wat AI niet kon. Patroonherkenning was de machine, oordeel was de mens. Het fractuuralgoritme past netjes in dat schema. De machine vindt iets. De dokter begrijpt wat het betekent.
Maar dat onderscheid wordt minder comfortabel.
Ethan Mollick wees er onlangs op dat de nieuwste agentic modellen (GPT5.5) goed worden in bepaalde vormen van oordeel. Anders zouden ze de complexe taken waarin ze beter worden niet kunnen uitvoeren. Hij heeft gelijk in wat hij meet. Wat hij oordeel noemt, is een tactische capaciteit: een taak opbreken in stappen, keuzes maken, tussentijds corrigeren, fouten herstellen.
Dat is niet hetzelfde als wat een ervaren clinicus doet wanneer een onverwachte combinatie van bevindingen moet worden gewogen in een specifieke patiëntsituatie. Maar het verschil is dunner aan het worden dan we graag dachten.
En dan komt het ongemakkelijkste.
We zijn al heel lang bezig om vast te stellen waarin het uniek menselijke zit. Het was taal, totdat het dat niet meer was. Werktuigen. Abstract redeneren. Creativiteit. Oordeel. Steeds trokken we een lijn, en steeds bleek die lijn minder stevig dan gedacht.
Frans de Waal liet iets soortgelijks zien voor dieren. Pas toen onderzoekers tests ontwierpen die recht deden aan de zintuigen en motoriek van een soort, bleek hoeveel intelligentie er zat waar we het niet hadden gezocht. De intelligentie was er al. Alleen onze tests waren op onszelf afgestemd.
Wat AI ons nu laat zien is niet dat het ons inhaalt. Het is dat we al die tijd niet zo zeker wisten waar onze uniciteit echt zat. Wij zelf wisten dat niet. Maar zolang er geen machine was die ons bevroeg, hoefden we het ook niet te weten.