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

Iets veranderde rond 2024. Het aantal mensen dat een specifiek soort cognitieve uitputting beschrijft — niet helemaal burn-out, niet helemaal informatie-overload, maar iets op het snijvlak van die twee — steeg sterk. De beschrijvingen lijken op elkaar: een gevoel van mentale overbelasting, moeite om zelfstandig te denken, minder tolerantie voor onzekerheid en een ongemakkelijke afhankelijkheid van AI-tools, waardoor denken op de een of andere manier moeilijker voelt, niet makkelijker.

Dit is geen technofobie of nostalgie. Het weerspiegelt echte neurologische dynamiek die voorspelbaar is op basis van wat we weten over hoe de hersenen informatie verwerken, cognitieve functies in stand houden en reageren op altijd beschikbare hulp. Dit is wat er gebeurt — en wat het bewijs zegt over hoe je ermee omgaat.

De nieuwe cognitieve omgeving

In 2025 gebruiken kenniswerkers in de meeste sectoren meerdere keren per dag AI-tools — ChatGPT, Copilot, Gemini, Claude en tientallen gespecialiseerde tools. De gemiddelde gebruiker verstuurt dagelijks tientallen vragen. AI-gegenereerde content vormt inmiddels een aanzienlijk deel van e-mailschetsen, samenvattingen van vergaderingen, code, geschreven documenten en zoekresultaten.

Dit is echt een nieuwe cognitieve omgeving. Voor het eerst in de geschiedenis kan een groot deel van het cognitieve werk dat vroeger blijvende inspanning vroeg — schrijven, samenvatten, zoeken, plannen, debuggen — vrijwel direct worden uitbesteed. De vraag is wat dit op de lange termijn met de hersenen doet.

Het antwoord, op basis van wat we weten over cognitieve functies en cognitieve belasting, is complexer dan zowel de optimistische versie (AI vergroot menselijke mogelijkheden) als de pessimistische versie (AI laat menselijke vermogens afnemen). 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 werk uitbesteden aan AI de cognitieve belasting verlaagt. In sommige opzichten doet het dat ook. Maar onderzoek naar cognitieve belastingtheorie (Sweller, 1988) maakt onderscheid tussen intrinsieke belasting (de complexiteit van de taak zelf), extrinsieke belasting (cognitieve eisen die ontstaan door de manier waarop de taak wordt gepresenteerd) en relevante belasting (de cognitieve inspanning die begrip en vaardigheid opbouwt).

AI-tools verminderen vooral de intrinsieke en leerrelevante belasting — ze nemen werk over dat anders inspanning zou kosten en tot leren zou leiden. Maar ze verhogen vaak de irrelevante belasting: AI-uitvoer beoordelen op nauwkeurigheid, meerdere door AI gegenereerde onderdelen samenvoegen tot samenhangend werk, context bewaken over meerdere tools heen, beslissen wat je delegeert en wat je zelf doet, en toezicht houden op AI-processen. Dit zijn nieuwe cognitieve eisen die er eerder niet waren.

Voor veel mensen levert dat een paradox op: meer output, meer cognitieve vermoeidheid. Het werk voelt op losse momenten lichter, maar over een hele dag juist uitputtender. Veel mensen beschrijven dit als besluitvormingsmoeheid: een lange reeks kleine afwegingen voelt net zo vermoeiend als een paar grote. Waarom dat gebeurt, is in onderzoek omstreden, maar het gevoel van mentale vermoeidheid na uren van voortdurende microbeslissingen komt vaak voor.

AI-ondersteund werk vergroot het aantal microbeslissingen enorm: deze suggestie accepteren, die afwijzen, deze alinea aanpassen, die prompt opnieuw invoeren. Elke beslissing is snel, maar samen wegen honderden van zulke microbeslissingen per dag aanzienlijk zwaar.

De automatiseringsparadox en vaardigheidsachteruitgang

Er is in onderzoek naar ergonomie en menselijke factoren een goed gedocumenteerd fenomeen dat de automatiseringsparadox of automatiseringsironieën wordt genoemd (Bainbridge, 1983): als automatisering het routinewerk overneemt, worden menselijke bedieners minder bedreven in de vaardigheden die nodig zijn voor niet-routinesituaties. Piloten die voor het grootste deel van hun vluchten op de autopilot vertrouwen, laten minder goede handmatige besturingsvaardigheden zien. Radiologen die AI-diagnosetools gebruiken, laten lagere detectiecijfers zien wanneer de AI iets mist.

Diezelfde dynamiek geldt voor cognitief werk. Schrijven, nadenken over problemen, plannen en creatieve synthese zijn vaardigheden die zich ontwikkelen door oefening en zonder oefening achteruitgaan. Wanneer AI de eerste versie, de synthese of het gestructureerde redeneren overneemt, krijgen die cognitieve paden minder oefening. De zorg is niet dat het dramatisch is — dat betekent niet dat mensen vergeten hoe ze moeten denken — maar dat de geleidelijke achteruitgang van geoefende vaardigheden na verloop van tijd echt invloed heeft op cognitieve bekwaamheid en zelfvertrouwen.

Dit staat los van simpelweg minder geoefend zijn in schrijven met de hand. Schrijven — daadwerkelijk formuleren, niet dicteren of redigeren — doet een beroep op het werkgeheugen, de conceptuele ordening en reflectief denken op manieren die het beoordelen en bewerken van AI-uitvoer niet volledig evenaart. Het cognitieve werk van formuleren is generatief; het cognitieve werk van redigeren is evaluatief. Beide zijn waardevol; ze zijn niet onderling uitwisselbaar.

De laag van aandachtversnippering

Los van de cognitieve belasting en vaardigheidsachteruitgang voegen AI-tools nog een extra laag van aandachtversnippering toe aan een omgeving die al vol onderbrekingen zit. Elke chatinterface, programmeerassistent en schrijftool is een mogelijke bron van onderbreking — een prompt om iets te genereren, een resultaat om te controleren, een vervolgvraag om bij te schaven.

De prefrontale cortex, die de aanhoudende aandacht en executieve functies aanstuurt, maakt geen onderscheid tussen onderbrekingen die door mensen zijn gemaakt en onderbrekingen die door AI zijn gegenereerd. Onderzoek naar de kosten van taakwisselingen (Rubinstein et al., 2001) laat zien dat schakelen tussen taken — zelfs heel even — een cognitieve tol eist die zich gedurende de dag opstapelt. Meerdere AI-tools toevoegen aan een al versnipperde werkomgeving maakt dit erger, zonder dat veel mensen de bron van hun vermoeidheid herkennen.

De ironie is dat AI-tools vaak juist worden ingevoerd om de cognitieve belasting te verlagen. Maar het toevoegen van nieuwe tools, nieuwe interfaces en nieuwe beslismomenten vergroot vaak juist de totale cognitieve vraag in plaats van die te verkleinen — tenminste totdat die tools zo goed zijn geïntegreerd dat je ze automatisch afhandelt in plaats van er bewust over na te denken.

Wat je er concreet aan kunt doen

Maak onderscheid tussen verminderen en uitbesteden. Niet elke AI-hulp heeft hetzelfde cognitieve effect. AI inzetten voor echt laagwaardige taken (opmaak, standaardtekst, repetitieve zoekopdrachten) verlaagt de belasting zonder veel verlies aan vaardigheden. AI gebruiken voor denkvaardigheden die je wilt behouden — complexe teksten schrijven, beredeneerde analyse, creatieve probleemoplossing — verlaagt de belasting ten koste van geoefende bekwaamheid. Bewust bepalen in welke categorie een bepaald gebruik valt, is het vertrekpunt.

Bescherm ongestoorde denktijd. De cognitieve vaardigheden die het meest risico lopen door het uitbesteden aan AI zijn precies de vaardigheden die het waard zijn om te behouden: zelfstandig redeneren, geconcentreerd schrijven en complexe planning. Deze vaardigheden bewust oefenen zonder hulp van AI — gedurende afgebakende periodes, bij taken die ertoe doen — is geen technofobie; het is dezelfde logica als een chirurg die handmatige technieken blijft oefenen, ook als robotische hulpmiddelen beschikbaar zijn.

Verminder het aantal AI-tools dat je actief gebruikt. De cognitieve belasting van het beheren van vijf verschillende AI-interfaces is groter dan die van één goed gekozen interface. De wildgroei van AI-tools zorgt voor hetzelfde probleem van versnipperde aandacht als de wildgroei van apps en meldingen. Bundelen vermindert onnodige cognitieve belasting.

Pas dezelfde principes toe als bij algemene digitale gezondheid. AI-overload is een specifieke vorm van het bredere probleem waar Unwire op ingaat: cognitieve omgevingen die meer van je vragen dan ze opleveren, versnipperde aandacht die uitput zonder aan te vullen, en een stimulus die altijd beschikbaar is en waardoor loskoppelen onmogelijk lijkt. De aanpak is hetzelfde: afgebakende periodes zonder, een omgeving die AI-interactie op de achtergrond beperkt, en regelmatige hersteltijd waarin je brein niet wordt aangestuurd.

De blik op de lange termijn

De integratie van AI in kenniswerk gaat niet worden teruggedraaid. De vraag is hoe mensen omgaan met een omgeving die van meet af aan gericht is op maximale betrokkenheid en minimale wrijving — en wat dat over jaren, in plaats van dagen, doet met de cognitieve gezondheid.

Onderzoek naar digitale gezondheid in bredere zin suggereert dat de mensen die hightechomgevingen het best navigeren niet degenen zijn die de meeste tools gebruiken of juist de minste, maar degenen die bewust de regie houden over de voorwaarden van hun eigen aandacht: wanneer ze bereikbaar zijn, wanneer niet, wat ze uitbesteden en wat ze beschermen.

Die bewustheid is lastiger vol te houden in een omgeving die doordrenkt is van AI dan in een omgeving die alleen vol smartphones zit. Maar het onderliggende principe — bescherm je vermogen om zelfstandig te denken, herstel het basisniveau van je brein door echte rust, en richt je omgeving bewust in 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.

Hoe we dit onderzoeken en beoordelen