The map is not the territory.
A description is not the process.
A knowledge base is not the knowledge.
Representaties zijn noodzakelijk omdat ze de werkelijkheid hanteerbaar maken. Het probleem begint wanneer we vergeten wat ze weglaten. AI kan een documentair beeld van de organisatie buitengewoon toegankelijk en overtuigend maken, zonder dat het daardoor vollediger overeenkomt met wat mensen werkelijk doen.
AI kan de kaart veel gemakkelijker leesbaar maken zonder één meter dichter bij het terrein te komen.
Korzybski gebruikte een eenvoudig navigatiebeeld: een kaart kan nuttig zijn zonder het terrein zelf te zijn. Een representatie selecteert en vereenvoudigt. Voor organisaties geldt hetzelfde voor procesbeschrijvingen, modellen, dashboards en knowledge bases.
Een relevante conceptuele aansluiting is het onderscheid tussen work-as-imagined en work-as-done. Formele procedures en richtlijnen kunnen wezenlijk verschillen van de manier waarop werk onder echte omstandigheden wordt uitgevoerd. Die afwijking is niet automatisch een fout; ze kan contextueel noodzakelijk zijn.
Een representatie comprimeert een rijkere werkelijkheid. Problemen ontstaan wanneer een weggelaten, verouderde of vervormde dimensie beslissingsrelevant wordt en gebruikers vertrouwen op de representatie zonder de relatie met de werkelijkheid opnieuw te toetsen.
Te onderzoeken AI-toepassing: Een AI-systeem dat met dit corpus werkt kan niet zonder aanvullend bewijs vaststellen dat niet-gedocumenteerde praktijken overeenkomen met zijn beschrijving.
Voorgestelde toets, nog niet uitgevoerd: Vergelijk documentatie alleen, AI op dezelfde documentatie, AI met expliciete informatie over de dekking van de bronnen, en AI met representatieve waarnemingen van het werk in de praktijk. Meet vertrouwen, herkenning van uitzonderingen en besliskwaliteit. Voeg een goed geschreven menselijke samenvatting toe als aparte vergelijking om effecten van AI te onderscheiden van effecten van samenvatten.
Het onderscheid tussen kaart en terrein helpt beschrijvingen van werk te vergelijken met wat mensen werkelijk doen. Een bruikbaar model vraagt blijvende terugkoppeling uit de praktijk.
Het systeem kan infereren, maar heeft aanvullend bewijs nodig om overeenstemming met niet-gedocumenteerde praktijk vast te stellen. Een voorgestelde terugkoppellus is geen afgeronde verificatie.
Het hoofdstuk van Hollnagel uit 2015 was niet toegankelijk. De bespreking gebruikt zijn tekst in HindSight 25 (2017, pp. 10–13) en de samenvatting met Clay-Williams (2022) over voorgesteld en feitelijk werk. Hoe breed dit empirisch geldt en wat de toepassing op AI oplevert, vraagt verder onderzoek.
Help deze case beter maken
We bekijken je bijdrage voordat we de tekst of bronnen aanpassen.