Onderzoek  ›  Casebibliotheek  ›  Case 05: Ironieën van automatisering
Case 05 / 31  •  Thema: Doen

Ironieën van automatisering

Hoe meer routinewerk automatisering overneemt, hoe moeilijker het resterende menselijke werk kan worden.

Automatisering kan oefening en feedback verminderen, terwijl mensen verantwoordelijk blijven voor uitzonderingen. We stellen voor te toetsen of zij fouten nog herkennen en bij falen kunnen ingrijpen.

✓
Onderzoeksstatus Onderzoek in voorbereiding
☆
AI-relevantie AI kan een bestaand effect versterken
⚙
Kernidee Out-of-the-loop capability
⌾
Onderbouwing Bronnen en beperkingen samengevat; onafhankelijke review staat nog open.
◇
CasetypeHuman-factors mechanisme
“
In één zin

Hoe meer routinewerk automatisering overneemt, hoe moeilijker het resterende menselijke werk kan worden.

Het verhaal Over hoe de case ontstaat en ons denken kan misleiden.

Automatisering wordt ingevoerd omdat mensen traag of feilbaar zijn. De mens blijft vervolgens toezichthouder voor de uitzonderlijke situaties die de automatisering niet aankan — precies de situaties waarin de beste kennis en snelste diagnose nodig zijn. Maar routineautomatisering heeft de operator intussen uit de lus gehaald.

Wat weten we? Bewijs, onderzoek, kritische inzichten en wat we nog niet weten.

Bainbridge beschrijft hoe automatisering oefening en actuele proceskennis kan verminderen terwijl mensen moeten kunnen ingrijpen. In een gerandomiseerde wiskundestudie op één middelbare school vonden Bastani en collega’s (2025) betere oefenprestaties met GPT-4, maar slechtere prestaties zonder hulpmiddelen kort daarna in de variant zonder leerwaarborgen. In de variant met leerwaarborgen was dat nadeel niet aantoonbaar. Dit is geen bewijs voor langdurige retentieverliezen of herstelvermogen in organisaties.

Wat is het mechanisme? Welke verklaring het best past bij wat we zien.

Automatisering kan oefening en terugkoppeling verminderen, terwijl de mens verantwoordelijk blijft voor uitzonderingen. Daardoor kan de verantwoordelijkheid groter worden dan de onderhouden vaardigheid, vooral bij zeldzame en moeilijke situaties.

Wat verandert AI? Hoe AI het mechanisme kan versterken of zichtbaar maken.

Te onderzoeken AI-toepassing: moderne AI kan dit bestaande mechanisme uitbreiden naar professioneel denkwerk en op grotere schaal laten optreden.

Wat willen we testen? Welke vraag we concreet verder willen onderzoeken.

Voorgestelde toets, nog niet uitgevoerd: vergelijk werken zonder AI, AI die antwoorden geeft, AI die analyse ondersteunt en vergaande uitbesteding aan AI met regelmatige overname-oefeningen. Meet gewone prestaties en later het zelfstandig herkennen van uitzonderingen, stellen van diagnoses en aanpassen van de aanpak.

Wat nemen we mee? Wat deze case voorlopig betekent — en waar de grenzen liggen.

Een mens laten meekijken bewijst nog niet dat die kan ingrijpen. Als menselijke tussenkomst noodzakelijk is, moet de benodigde vaardigheid worden onderhouden en aangetoond.

AI kan hier een bestaand mechanisme versterken. Minder oefening kan herstel bemoeilijken, maar goede training of systeeminrichting kan dat voorkomen. De voorgestelde test is niet uitgevoerd.

Bronnen Primaire en belangrijkste wetenschappelijke bronnen.

Bainbridge (1983), Ironies of automation

Bastani et al.(2025), Generative AI without guardrails can harm learning — author manuscript

Bainbridge (1983), full article via IFAC

Bainbridge bespreekt vaardigheid, toezicht en oefening bij automatisering. Bastani en collega’s onderzoeken kortetermijnprestaties bij wiskunde op één school. Die aanvullende studie toont geen langdurig verlies van vaardigheden of organisatorisch herstelvermogen aan.

Geef feedback