Hoe je juniors sneller én beter worden met AI

De afgelopen maanden had ik het genoegen een aantal seniors in finance, private equity en de advocatuur te spreken. De gesprekken beginnen positief: juniors zijn sneller, leveren meer en pakken breder werk op dan een jaar geleden. Maar bij mijn gesprekspartners kwam meerdere keren een oprechte zorg naar voren. Hoe zorgen we ervoor dat juniors het vak echt leren beheersen? Ze snappen de theorie. Maar ze zien de verbanden niet, de correlaties die een senior intuïtief trekt. Die bouw je op door herhaling, door fouten en door te zien wat een senior anders doet. AI neemt precies dat werk over. Dit artikel beschrijft wat er verloren gaat, het tegenargument en een aanpak die productiviteitswinst en leerruimte combineert.

Het begint niet als jij het besluit

Sommige organisaties reageren op dit dilemma met beleid: juniors mogen in de eerste jaren geen AI gebruiken, zodat ze het vak eerst via de klassieke route leren. De intentie klopt. De vraag is of het werkt.

Want AI-gebruik is moeilijk te controleren. Thomson Reuters Institute ondervroeg in 2026 ruim 1.800 professionals in legal, tax, audit en compliance en constateerde dat 1 op de 3 niet-geautoriseerde AI-tools gebruikt. Bij professionals die vinden dat hun organisatie achterblijft op AI loopt dat op tot 41%. Dat maakt shadow AI een structureel patroon, ook in de sectoren die het meest gebaat zijn bij zorgvuldig gebruik. Ik hoorde onlangs van iemand die zijn bedrijfsdata eerst anonimiseerde en vervolgens in Claude invoerde, omdat dat betere uitkomsten gaf dan de officiële Copilot-licentie van zijn werkgever. Bedrijfsbeleid: Copilot. De praktijk: wat op dat moment het beste werkte.

Of je dat in jouw organisatie kunt voorkomen, weet ik niet. Maar de neiging is er. De vraag is hoe je de structuur inricht zodat juniors er ook iets van leren.

Wat er werkelijk verloren gaat

Het klassieke model in kennisintensieve beroepen heeft een dubbele functie. Juniors doen het uitzoekwerk: ze doorzoeken contracten, bouwen financiële modellen, analyseren marktdata en schrijven eerste versies van adviezen. Het werk is repetitief. Precies die herhaling bouwt vaardigheid op.

Een junior analist die honderd keer een model bouwt, ontwikkelt gevoel voor de uitkomst vóór het model klaar is. Een junior advocaat die door wetbundels bladert en de Memorie van Toelichting leest, leert niet alleen wat de wet zegt. Die leert waarom de wet zo is, wat de redenering van de wetgever was en hoe je die redenering gebruikt om een argument op te bouwen. Een junior adviseur die tientallen keren een pitch schrijft, begrijpt welk verhaal werkt en welk niet.

Dit is patroonherkenning. En patroonherkenning bouw je op door herhaling, door fouten en correctie en door te zien wat een senior anders doet dan jijzelf. AI neemt dat basale uitzoekwerk nu over. Sneller, consistenter en goedkoper. Dat is de productiviteitswinst. Wat er tegenover staat, is minder zichtbaar.

Een senior in private equity verwoordde het zo: "Als ik het financieel nieuws lees, weet ik wat de impact gaat zijn voor mijn portfolio. Ik begrijp welke cijfers invloed hebben op cruciale elementen. Juniors begrijpen de theorie, wat positief is en wat negatief, maar zien het verband niet."

Dat verband. Dat is de kern. Niet de kennis van feiten, maar het vermogen om te zien hoe feiten op elkaar inwerken. Wat de beweging van een rentecijfer doet met een specifieke sector. Wat de combinatie van twee jurisprudentielijnen betekent voor een onderhandelingspositie. Dat bouw je op door het zelf te doorlopen, keer op keer, in wisselende contexten, met feedback van iemand die heeft gezien hoe het fout kan gaan.

In de advocatuur zie ik een vergelijkbaar en misschien nog fundamenteler probleem. Juniors zoeken argumenten die hun positie staven. Ze duiken direct de jurisprudentie in, efficiënt en gefocust. Maar ze slaan daarmee de vraag over die ervaren juristen als eerste stellen: waarom is deze wet zo? Wat was de redenering van de wetgever? Hoe kan ik die redenering gebruiken om mijn cliënt te helpen? Vroeger zocht je het op in wetbundels, tekst en commentaar, en bekeek je de Memorie van Toelichting. Dat was het moment waarop je leerde denken als jurist.

Wat ik vermoed, zonder harde data maar op basis van wat ik hoor, is dat juniors AI ook prompten op een manier die dit versterkt. Wie de AI vraagt om argumenten vóór een bepaalde positie, krijgt precies dat. De tegenargumenten, de zwakke plekken en de alternatieve interpretaties blijven buiten beeld. Confirmation bias heeft altijd al bestaan in juridisch en financieel werk. AI maakt het makkelijker om hem te voeden.

Klantenservice leert anders dan finance en recht

Onderzoekers van MIT Sloan en Stanford publiceerden in 2025 een grootschalig veldexperiment in het Quarterly Journal of Economics. Onder meer dan vijfduizend medewerkers bleek dat juniors met toegang tot AI in twee maanden hetzelfde niveau bereikten dat collega's zonder AI acht maanden nodig hadden. AI versnelt leren, zo leek de conclusie.

Dat is methodologisch robuust onderzoek en het verdient serieuze aandacht.

Maar er zit een voorbehoud in: het ging om klantenservicemedewerkers. Gestructureerd, scriptbaar werk met duidelijke goede en foute antwoorden, waarbij snelheid en consistentie de kwaliteitsmaatstaven zijn.

Finance, legal en advisory zijn fundamenteel anders. Daar gaat het om het herkennen van de verkeerde vraag. Om het zien van de correlatie die niet in de data staat. Om te begrijpen waarom een argument juridisch kwetsbaar is, ook al ziet het er logisch uit. AI versnelt het leren van gestructureerd werk. Contextueel oordeelsvermogen vraagt iets anders: herhaling, fouten en een senior die ziet wanneer de redenering hapert.

Het risico op twee tijdslijnen

Op de korte termijn zie ik al iets veranderen in hoe werk wordt gepresenteerd aan seniors. Juniors komen met resultaten en conclusies waarvan het soms lastig is te beoordelen waar ze inhoudelijk op gebaseerd zijn. De output ziet er goed uit. De redenering erachter is minder zichtbaar. Voor een senior met domeinkennis is dat controleerbaar, maar het kost tijd en vraagt actieve bereidheid tot doorvragen, precies op het moment dat AI de presentatie van conclusies vloeiender en overtuigender maakt. Confirmation bias doet de rest. Als een rapport er goed uitziet en in de verwachte richting wijst, is de neiging groot om door te knikken. Dat steeds minder mensen het zullen zien als AI fouten maakt en dat dit risico groeit naarmate de modellen beter worden, beschreven we eerder in de Vrijdag Visie: AI maakt minder fouten en dat is het probleem.

Op lange termijn is het risico meer fundamenteel. De senior professionals die nu in organisaties werken, hebben hun patroonherkenning opgebouwd in het pre-AI-tijdperk. Ze weten, door ervaring en door fouten, wanneer iets niet klopt. Over tien tot vijftien jaar gaan zij met pensioen. De generatie die hen vervangt, heeft haar ervaring opgebouwd op AI-ondersteund werk. Het basale uitzoekwerk dat van hen seniors maakte, hebben zij zelf niet doorlopen.

Vier richtingen voor een slimme structuur

Dit is geen pleidooi om AI weg te halen bij juniors. Dat werkt niet en het is ook zonde. AI levert een enorme verbetering in snelheid, consistentie en reikwijdte van werk. Het gaat erom de structuur zo in te richten dat productiviteitswinst en leerruimte elkaar versterken.

Hieronder vier richtingen, als suggestie voor het gesprek binnen je eigen organisatie.

Werkstromen met informatielagen

De meeste AI-workflows zijn ingericht op output: de conclusie, de samenvatting, het advies. Als een junior alleen de conclusie ziet, leert hij niets over de redenering erachter. Werkstromen kunnen anders worden ingericht: niet alleen de uitkomst tonen maar ook de informatie waarop die uitkomst rust, de aannames die zijn gemaakt en de stappen in de redenering. Dat geeft de junior iets om op te beoordelen en te bevragen, in plaats van iets om te accorderen.

Bewust zonder AI werken

Sommige advocatenkantoren verbieden AI-gebruik in de eerste jaren bewust, als leerbeleid. Wie het fundament niet heeft gelegd, kan de output niet beoordelen. Een minder radicale variant is een deel van het werk bewust zonder AI doen: twee van de vijf analyses worden zonder AI-ondersteuning gedaan, de rest wel. Zo blijven de productiviteitswinsten grotendeels intact terwijl juniors de ervaring opbouwen die ze nodig hebben.

Traceerbaarheid voor seniors

Seniors kunnen conclusies beter toetsen als ze zien waar die conclusies vandaan komen. Een AI-gegenereerd rapport met bronnen, aannames en tussenstappen is controleerbaar. Een rapport met alleen conclusies is dat niet, ook al ziet het er even overtuigend uit. Traceerbaarheid maakt het mogelijk om gerichte vragen te stellen: niet alleen "klopt dit?" maar "waarom heb je hier dit getal gebruikt?" of "welke alternatieven heb je overwogen?" Actief coachen en doorvragen is wat goede seniors al doen. Technische inrichting van de workflow kan dat gesprek structureel ondersteunen in plaats van toevallig laten ontstaan.

Medewerkers bewust maken van hun eigen leerproces

Juniors die begrijpen wat er op het spel staat voor hun eigen loopbaan, maken andere keuzes. Wie de AI vraagt om de conclusie te trekken, leert niets over het trekken van conclusies. Wie de AI vraagt om de redenering te tonen en die redenering zelf kritisch beoordeelt, leert wél iets. Dat vraagt bewustzijn dat niet automatisch ontstaat. Een gesprek over wat een goede junior van een goede senior onderscheidt, is waardevoller dan een AI-gebruiksdag.

Wat dit voor jou betekent

AI-gebruik door juniors speelt zich nu af. Het bepaalt de kwaliteit van je organisatie over tien jaar.

De directies die dit goed aanpakken, stellen nu de juiste vraag: wat moet een junior bij ons leren en helpt of belemmert onze huidige AI-inzet dat leren? Ze ontwerpen werkstromen zo dat productiviteitswinst en ervaringsopbouw elkaar versterken. Ze bouwen traceerbaarheid in. Ze maken afspraken over wanneer juniors bewust zonder AI werken. En ze voeren het gesprek over loopbaanontwikkeling dat de meeste organisaties uitstellen totdat het probleem al jaren aan het opbouwen is geweest.

De structuur bepaalt het resultaat.

Ben je benieuwd hoe zo'n aanpak voor jouw AI-werkproces eruit kan zien? Plan een kennismaking in.