AI-overbelasting is een echt probleem. Dit gebeurt er in je brein.

Rond 2024 is er iets veranderd. Het aantal mensen dat een specifieke soort cognitieve vermoeidheid beschrijft — niet helemaal burn-out, niet helemaal informatieoverload, maar iets op het snijvlak van beide — is scherp gestegen. De beschrijvingen zijn consistent: een gevoel van mentale verzadiging, moeite met onafhankelijk denken, verminderde tolerantie voor onzekerheid, en een ongemakkelijke afhankelijkheid van AI-tools die het denken op de een of andere manier moeilijker maken, niet makkelijker.

Dit is geen technofobie of nostalgie. Het weerspiegelt echte neurologische dynamiek die voorspelbaar is gezien wat we weten over hoe de hersenen informatie verwerken, cognitieve functies onderhouden en reageren op altijd beschikbare hulp. Dit gebeurt er — en wat het bewijs suggereert over hoe je hiermee om kunt gaan.

De nieuwe cognitieve omgeving

Vanaf 2025 interageren kenniswerkers in de meeste sectoren meerdere keren per dag met AI-tools — ChatGPT, Copilot, Gemini, Claude en tientallen gespecialiseerde tools. De gemiddelde gebruiker verstuurt dagelijks tientallen vragen. AI-gegenereerde content vormt nu een aanzienlijk deel van e-mailconcepten, vergaderingssamenvattingen, code, geschreven documenten en zoekresultaten.

Dit is een echt nieuwe cognitieve omgeving. Voor het eerst in de geschiedenis kan een groot deel van het cognitieve werk dat voorheen voortdurende inspanning vereiste — opstellen, samenvatten, zoeken, plannen, debuggen — bijna onmiddellijk worden overgedragen. De vraag is wat dit op de lange termijn met de hersenen doet.

Het antwoord, gebaseerd op wat we weten over cognitieve functie en cognitieve belasting, is complexer dan zowel de optimistische versie (AI vergroot menselijke capaciteiten) als de pessimistische (AI verzwakt menselijke capaciteiten). Beide gebeuren, op verschillende manieren, voor verschillende soorten denken.

Waarom AI-tools de cognitieve belasting kunnen verhogen in plaats van verlagen

De intuïtieve aanname is dat het overdragen van werk aan AI de cognitieve belasting verlaagt. In sommige opzichten doet het dat ook. Maar het onderzoek naar de theorie van cognitieve belasting (Sweller, 1988) maakt onderscheid tussen <em>intrinsieke</em> belasting (de complexiteit van de taak zelf), <em>extrinsieke</em> belasting (cognitieve eisen die ontstaan door hoe de taak wordt gepresenteerd), en <em>germane</em> belasting (de cognitieve inspanning die begrip en vaardigheden opbouwt).

AI-tools verminderen voornamelijk de intrinsieke en germane belasting — ze nemen het werk over dat anders inspanning zou vereisen en leren opleveren. Maar ze <em>verhogen</em> vaak de extrinsieke belasting: het evalueren van AI-uitvoer op nauwkeurigheid, het integreren van meerdere AI-gegeneerde onderdelen in samenhangend werk, het beheren van context over meerdere tools, beslissen wat je kunt delegeren en wat je zelf moet doen, en het behouden van toezicht op AI-processen. Dit zijn nieuwe cognitieve eisen die eerder niet bestonden.

Het resultaat voor veel mensen is een paradox: meer output, meer cognitieve vermoeidheid. Het werk voelt lichter in individuele momenten, maar vermoeiender over een dag. Dit is consistent met het onderzoek naar <em>beslissingsmoeheid</em> — de cumulatieve kosten van het maken van veel kleine beslissingen putten dezelfde prefrontale middelen uit als het maken van een paar grote.

AI-ondersteund werk verhoogt het aantal micro-beslissingen enorm: accepteer deze suggestie, wijs die af, herzie deze alinea, vraag die prompt opnieuw. Elke beslissing is snel, maar de totale belasting door honderden dagelijkse micro-beslissingen is aanzienlijk.

De automatiseringsparadox en vaardigheidsafname

Er is een goed gedocumenteerd fenomeen in de ergonomie en onderzoek naar menselijke factoren dat de <em>automatiseringsparadox</em> of <em>ironies van automatisering</em> wordt genoemd (Bainbridge, 1983): wanneer automatisering het routinematige werk afhandelt, worden menselijke operators minder bedreven in de vaardigheden die nodig zijn voor niet-routinematige situaties. Piloten die voor het grootste deel van hun vlucht op de automatische piloot vertrouwen, vertonen verminderde handvaardigheid. Radiologen die AI-diagnosetools gebruiken, hebben lagere detectiepercentages wanneer de AI iets mist.

Dezelfde dynamiek geldt voor cognitief werk. Schrijven, problemen redeneren, plannen en creatieve synthese zijn vaardigheden die zich ontwikkelen door oefening en afnemen zonder oefening. Wanneer AI de eerste versie, de synthese of de gestructureerde redenering afhandelt, krijgen die cognitieve paden minder oefening. De zorg is niet dramatisch — het betekent niet dat mensen vergeten hoe ze moeten denken — maar de geleidelijke afname van geoefende vaardigheden leidt tot een echte verandering in cognitieve capaciteit en zelfvertrouwen in de loop van de tijd.

Dit is iets anders dan simpelweg minder geoefend zijn in typen met een potlood. Schrijven — daadwerkelijk componeren, niet dicteren of bewerken — betrekt het werkgeheugen, conceptuele organisatie en reflectief denken op manieren die het bekijken en bewerken van AI-output niet volledig nabootst. Het cognitieve werk van componeren is generatief; het cognitieve werk van bewerken is evaluatief. Beide hebben waarde; ze zijn niet uitwisselbaar.

De laag van aandachtfragmentatie

Afgezien van cognitieve belasting en vaardigheidsafname, voegen AI-tools een extra laag van aandachtfragmentatie toe aan een omgeving die al verzadigd is met onderbrekingen. Elke chatinterface, codeerassistent en schrijftool is een potentiële bron van onderbreking — een vraag om te genereren, een resultaat om te controleren, een vervolg om te verfijnen.

De prefrontale cortex, die verantwoordelijk is voor langdurige aandacht en uitvoerende functies, maakt geen onderscheid tussen menselijke en AI-gegenereerde onderbrekingen. Het onderzoek naar de kosten van taakwisselen (Rubinstein et al., 2001) toont aan dat het wisselen tussen taken — zelfs kort — een cognitieve straf oplegt die zich gedurende de dag opstapelt. Het toevoegen van meerdere AI-tools aan een al gefragmenteerde werkomgeving verergert dit zonder dat veel mensen de bron van hun vermoeidheid herkennen.

De ironie is dat AI-tools vaak specifiek worden aangenomen om de cognitieve belasting te verminderen. Maar de toevoeging van nieuwe tools, nieuwe interfaces en nieuwe beslissingspunten verhoogt vaak de totale cognitieve vraag in plaats van deze te verminderen — althans totdat die tools voldoende zijn geïntegreerd om automatisch in plaats van opzettelijk te worden afgehandeld.

Wat je er echt aan kunt doen

<strong>Maak onderscheid tussen verminderen en afschuiven.</strong> Niet alle AI-ondersteuning heeft hetzelfde cognitieve effect. AI gebruiken om echt laagwaardige taken (opmaak, standaardteksten, repetitieve zoekopdrachten) af te handelen, vermindert de belasting zonder significante kosten voor vaardigheden. AI gebruiken om denken af te handelen waar je goed in wilt blijven — complex schrijven, doordachte analyses, creatieve probleemoplossing — vermindert de belasting ten koste van geoefende capaciteit. Bewust zijn van in welke categorie een bepaald gebruik valt, is het startpunt.

<strong>Bescherm ongestoorde denktijd.</strong> De cognitieve vaardigheden die het meest risico lopen door AI-ondersteuning zijn precies de vaardigheden die het waard zijn om te behouden: onafhankelijk redeneren, langdurig schrijven, complexe planning. Bewuste oefening van deze vaardigheden zonder AI-hulp — voor bepaalde periodes, aan taken die ertoe doen — is geen technofobie; het is dezelfde logica als een chirurg die handmatige technieken oefent, zelfs als er robotische hulpmiddelen beschikbaar zijn.

<strong>Verminder het aantal actieve AI-tools.</strong> De cognitieve kosten van het beheren van vijf verschillende AI-interfaces zijn hoger dan het goed beheren van één goed gekozen tool. De proliferatie van AI-tools creëert hetzelfde probleem van aandachtfragmentatie als de proliferatie van apps en meldingen. Consolidatie vermindert overbodige cognitieve belasting.

<strong>Pas dezelfde principes toe als bij algemene digitale wellness.</strong> AI-overload is een specifieke vorm van het bredere probleem dat Unwire aanpakt: cognitieve omgevingen die meer vragen dan ze bieden, aandachtfragmentatie die uitput zonder te herstellen, en een altijd beschikbare prikkel die het moeilijk maakt om los te koppelen. De interventies zijn consistent: gedefinieerde pauzes, omgevingsontwerp dat de interactie met AI beperkt, en regelmatige hersteltijd waarin de hersenen niet worden aangestuurd.

Het langere perspectief

De integratie van AI in kenniswerk zal niet omkeren. De vraag is hoe individuen navigeren in een omgeving die, per ontwerp, gericht is op maximale betrokkenheid en minimale wrijving — en wat dat over jaren, in plaats van dagen, doet voor de cognitieve gezondheid.

Het onderzoek naar digitale wellness in bredere zin suggereert dat de mensen die het beste navigeren in hoogtechnologische omgevingen niet degenen zijn die de meeste tools of de minste gebruiken, maar degenen die bewuste controle behouden over de voorwaarden van hun eigen aandacht: wanneer ze toegankelijk zijn, wanneer niet, wat ze uitbesteden en wat ze beschermen.

Die bewustheid is moeilijker vol te houden in een AI-verzadigde omgeving dan in een enkel smartphone-verzadigde. Maar het onderliggende principe — bescherm je vermogen om onafhankelijk te denken, herstel de basislijn van de hersenen door oprechte rust, en ontwerp je omgeving in plaats van erop te reageren — blijft hetzelfde.

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.