Waarom AI wel kan rekenen, maar nog niet kan oordelen

AI-systemen rekenen sneller dan welk mens ook, maar rekenen is iets anders dan oordelen. Filosoof Brian Cantwell Smith, die in september 2025 overleed, zette dat onderscheid scherp neer: een model verwerkt symbolen razendsnel, maar heeft geen belang bij de uitkomst en geen besef van waarheid of ethiek. Voor wie AI inzet, komt het op één ding neer. Laat het model het rekenwerk doen en houd het oordeel bij mensen die de gevolgen dragen. Dit stuk laat zien waar die grens ligt en hoe je hem vastlegt in je werkproces.

Waarom rekenkracht nog geen oordeel is

Brian Cantwell Smith was filosoof en cognitiewetenschapper. Tot zijn pensioen in 2025 bekleedde hij aan de Universiteit van Toronto de leerstoel over kunstmatige intelligentie en de mens. In zijn boek The Promise of Artificial Intelligence (MIT Press) maakt hij een onderscheid dat nog altijd houdt: reckoning tegenover judgment. Reckoning is het snelle, mechanische verwerken van symbolen. Daar zijn machines superieur in. Een schaakprogramma verslaat elke grootmeester, een taalmodel leest in seconden wat jou uren kost.

Oordeelsvermogen is van een andere orde. Het vraagt betrokkenheid bij de wereld en een besef van wat waar is en wat op het spel staat. Een model heeft dat niet. Het geeft nergens om, en er is geen 'zelf' dat de gevolgen van een misser draagt. Daarom waarschuwde Cantwell Smith voor de echte valkuil: dat wij rekenkracht aanzien voor wijsheid.

Waarom dit telt zodra je AI laat beslissen

Voor organisaties die AI inzetten is dit geen abstracte kwestie. Zodra een model output levert die klopt en overtuigend klinkt, groeit de verleiding om het ook het oordeel te laten vellen. Daar gaat het mis. Een model dat feilloos rekent, beweert met exact dezelfde stelligheid iets dat niet klopt. Het herkent zijn eigen onzekerheid niet. Dat is ook waarom hallucinaties zo hardnekkig zijn. En naarmate modellen beter worden, worden hun fouten juist moeilijker te zien, een patroon dat bekendstaat als de gekartelde grens van AI.

De les die Cantwell Smith trok is bruikbaar: zet AI in voor het rekenwerk waarin het uitblinkt en versterk tegelijk je eigen oordeel, ethiek en verbinding met de praktijk. Zo reikt AI juist verder, omdat je weet waar je op kunt bouwen.

Waar laat je AI rekenen en waar houd je het oordeel bij mensen?

Bepaal per soort werk wat je aan AI overlaat. Laat AI het werk doen dat feitelijk en herhaalbaar is: samenvatten, doorzoeken, een concept opstellen, data ordenen, varianten genereren. Snel, schaalbaar en achteraf te controleren.

Houd de beslissing bij een mens zodra er een belang, een norm of een gevolg meespeelt. Gaat dit naar een klant, raakt het iemands rechten, zet het een koers uit, draagt iemand er persoonlijk de gevolgen van? Dan hoort er iemand tussen die de output niet alleen leest, maar er verantwoordelijkheid voor neemt. Dat is precies wat menselijk moet blijven in een geautomatiseerd proces.

Leg die grens expliciet vast in je werkproces. Zet op papier wie wat mag afronden zonder tussenkomst en waar menselijke goedkeuring verplicht is. Zolang dat nergens staat, verschuift het oordeel ongemerkt naar het systeem dat alleen kan rekenen.

Wil je weten waar die grens in jouw processen zou moeten liggen? Plan een kennismaking in, we denken graag mee.