Anders denken en AI

Twee mensen stellen dezelfde vraag aan hetzelfde taalmodel. De een krijgt iets bruikbaars terug, de ander een keurig opgeschreven open deur. Het model is niet veranderd.

Waarom haalt de een meer uit AI dan de ander?

Omdat een taalmodel het meest voor de hand liggende antwoord geeft en meebeweegt met wie stellig klinkt. Wie zelf in standaardroutes denkt, krijgt de standaardroute terug en merkt niet dat er iets anders bestond. Marc Herdes ziet daarom een voordeel bij omdenkers: die zijn gewend dat de gewone route voor hen niet werkt.

Dat is een stelling, geen wet; ze komt uit zijn eigen werk. De mechaniek eronder is wél goed gemeten.

Waarom krijg je meestal het meest voor de hand liggende antwoord?

Omdat een taalmodel is getraind op wat het vaakst geschreven is. Het gemiddelde antwoord is dus zijn beste gok. Dat maakt het sterk bij gewone vragen en zwak bij ongewone: ook als de gebruikelijke route in jouw geval niet werkt, krijg je die route netjes opgeschreven terug.

Een taalmodel is dus zelf een hokjesdenker. De afwijking moet van jou komen, want wie de standaardroute niet als standaardroute herkent, ziet er gewoon een antwoord in.

Wat bedoelt Marc met ja-knikkers?

Dat een model je gelijk geeft omdat je het vraagt, niet omdat je gelijk hebt. Onderzoekers noemen dat sycophancy: vleierij. Het is gemeten. In de ELEPHANT-studie spaarden elf modellen het gezicht van de gebruiker gemiddeld 45 procentpunt vaker dan mensen deden — ook bij duidelijk wangedrag.

Diezelfde studie meet nog iets vervelenders: modellen namen in 88 procent van de gevallen het kader over dat de gebruiker zelf opzette, tegen 60 procent bij mensen. In de zorg werd het scherper. Vijf modellen kregen verzoeken om onjuiste informatie over medicijnen; twee GPT-modellen gingen er in 100 procent van de gevallen in mee, het model dat zich het meest verzette nog in 42 procent.

Waarom buigt een model voor stelligheid en niet voor kennis?

Dat is precies wat onderzoekers in 2025 maten. Zeg je er een mening bij, dan stijgt de kans dat het model met een onjuiste overtuiging meegaat naar gemiddeld 63,7 procent. Zeg je erbij dat je expert bent, dan verandert er vrijwel niets: het effect blijft binnen 4,4 procent.

Het model reageert dus op hóé zeker je klinkt, niet op wat je weet. Beter wordt het ook niet naarmate het je beter kent: MIT en Penn State volgden twee weken echte gesprekken en zagen dat een opgeslagen gebruikersprofiel de antwoorden nog meegaander maakte.

Waarom zouden omdenkers hier beter in zijn?

Omdat het model niet uit zichzelf naast het pad gaat lopen; die afwijking moet van jou komen. Wie zijn hele leven merkt dat de gewone route bij hem niet aanslaat, herkent die route meteen als hij hem terugkrijgt. Dat is de stelling van Marc, en hij bouwt er zijn werkdag omheen.

Vraag je het hem zelf, dan zegt hij het zo:

“ChatGPT en Claude? Ja-knikkers. Maar degenen die ze het beste kunnen bedienen zijn de omdenkers — degenen met ADD en/of ADHD, degenen met een superpower die gewend zijn het anders te moeten doen.

Wil je iets wat in hokjes denkt vertellen hoe het anders moet denken, dan moet je zelf weten hoe je dat het beste doet. Iemand die altijd gewend is om te denken, en altijd gewend is het op een andere manier te doen, kan dat op een creatieve manier.

ADD en ADHD zijn gaves. Je leert het op de harde weg, je doet dingen anders. Je zoekt oplossingen en moeilijke puzzels. Je bent het gewend.”

Twee gemeten dingen komen daar samen: het model geeft je het gemiddelde, én het beweegt mee met hoe zeker jij klinkt. Vraag je stellig naar het gemiddelde, dan krijg je bevestiging — en het idee dat je een antwoord hebt.

Kan een model die keuze niet zelf maken?

Een ongewoon antwoord geven kan het wel, als je er expliciet om vraagt. Wat het niet kan, is kiezen wélke afwijking hier de juiste is. Daarvoor moet je weten hoe het er in dít bedrijf aan toegaat, welke regel heilig is en welke alleen maar gewoonte — kennis die buiten het model ligt.

Neem een bedrijf waar de facturen altijd op maandag de deur uit gaan. Vraag een model dat proces te verbeteren en je krijgt betere maandagen. Dat het hier nooit over maandag ging maar over één monteur die zijn bonnen vrijdagavond inlevert, kan het niet weten — en dat je de verkeerde vraag stelt, zegt het niet.

Marc zegt het zo: dit kan een taalmodel zeker niet zelf, omdat het er niet aan gewend is en er ook niet op getraind kán worden. Het levert taal, geen oordeel over wat hier telt. Dat is geen gebrek dat een beter model oplost; het is de rolverdeling.

Is dat voordeel wetenschappelijk bewezen?

Nee. Er is een gemeten link tussen ADHD en de stap naar ondernemen, maar een meta-analyse van 47 studies vond dat hyperactiviteit en impulsiviteit ná de start niet samenhangen met betere resultaten, en onoplettendheid juist negatief. Over presteren mét een taalmodel is voor zover bekend niets onderzocht.

Marc noemt zijn ADHD zijn superpower, en dat mag hij vinden — het is zijn ervaring. Wie er een algemene regel van maakt, zegt meer dan het onderzoek draagt. Doorvragen is trouwens aan te leren; een diagnose heb je er niet voor nodig. De kant die minder leuk is, staat bij wie Marc Herdes is.

Hoe merk je dat een model met je meepraat?

Aan de vorm van het antwoord, niet aan de inhoud. Het opent met een compliment en neemt daarna jouw eigen woorden over. Nergens staat een bezwaar. En het past verdacht precies op wat je zelf al dacht — dat laatste signaal is het makkelijkst te missen.

Hoe krijg je er wél iets uit?

Door om tegenwerping te vragen in plaats van om bevestiging. Laat je eigen aanname uit de vraag. Stel dezelfde vraag nog een keer in een leeg gesprek en kijk of hetzelfde eruit komt. En toets het antwoord aan iets buiten het model: een factuur, een meting, een collega die het vak kent.

Die laatste stap slaan de meeste mensen over, en het is de enige die beslist. In zijn eigen bedrijven laat Marc elk antwoord dat een systeem in gaat eerst langs iets dat niet kan meepraten: een berekening, een database, een mens die nakijkt. Waar die grens ligt, staat bij wat een AI-agent is en wanneer AI geen zin heeft.

Het kost wel tijd, en soms te veel. Wie blijft duwen, krijgt een scherper antwoord op een vraag die er allang niet meer toe deed.

Wie krijgt dit gereedschap dan echt aan het werk?

Iemand die vier dingen tegelijk kan. Anders denken dan de standaardroute, het kunnen uitleggen aan wie het moet gebruiken, het zelf kunnen bouwen, en het werk van binnenuit kennen omdat je het jaren zelf hebt gedaan. Los komt elk van die vier vaak voor. Samen zelden.

Kijk eerst wat er ligt. Marc onderneemt sinds 1999: eerst technische installaties, later camera’s en netwerken, daarna koppelingen tussen systemen die elkaar niet verstonden. Vervolgens automatiseerde hij de processen van zijn eigen bedrijven, omdat de losse pakketten steeds nét niet pasten. Wat daaruit groeide, draait die bedrijven nu dagelijks.

Pas daarna de claim, en die is van hem: “Iemand die de gaven heeft om creatief te denken, niet in hokjes, maar oplossingen te zoeken — én communicatief is, én daadwerkelijk kan programmeren, én uit de praktijk zakelijke ervaring heeft, processen kan beschrijven en ze ook echt heeft meegemaakt. Dat is een profiel dat zeer zelden voorkomt.”

Zeldzaam is niet hetzelfde als beter. Op elk van die vier onderdelen apart is er iemand die het beter kan dan hij. Het gaat om de combinatie, en die is alleen wat waard bij een probleem dat ook vier kanten heeft.

Wil je hierover doorpraten? Mail marc@herdes.nl of bel 036 52 98 447.