Productie
Nieuwe kennis blijven produceren op een omschreven niveau.
Onderzoeksprogramma · Epistemic K-point
De winst van AI behouden.
Begrijpen waarop ze rust.
Met AI kan een team meer onderzoeken, vergelijken en produceren. Maar kan het dat werk ook blijven doen als de AI-hulp wegvalt? En wat heeft het nodig om het bereikte niveau te behouden of te herstellen? Dat onderzoeken we met K-point.
Onderzoek in ontwikkeling
Meer kunnen, en dat kunnen blijven doen
Neem een denkbeeldig team dat vroeger tien bruikbare dossiers per week afwerkte. Met AI worden dat er twintig; bij een storing blijven er twaalf over. Het team verliest een deel van de extra productie, maar doet nog altijd meer dan vroeger. Daaruit kunnen we niet besluiten dat mensen hun eerdere vaardigheden kwijt zijn. Kan het team tijdens de storing nauwelijks nog een degelijk dossier maken, dan moeten we onderzoeken wat er is veranderd en hoe het zich kan herstellen.
Bij zo’n vergelijking moeten we ook rekening houden met taakverschillen, oefening en de tijd die omschakelen kost.
We willen begrijpen hoe AI helpt om meer bruikbaar werk te leveren, en hoe die winst behouden blijft. Daarom tellen we ook de tijd voor controle, correcties en overdracht mee.
De werkdefinitie
Een K-point is een meetbare overgang waarbij het wegnemen van voortdurende AI-deelname een afgebakende kennisfunctie onder haar eerder duurzaam haalbare prestatieniveau brengt, tenzij wezenlijk hogere kosten, vertraging, verlies van bekwaamheid of verlies van herstelbaarheid worden aanvaard.
Dit is onze werkdefinitie. We moeten nog onderzoeken of zo’n omslagpunt bestaat en hoe we het kunnen meten.
Het gaat hier om het vermogen van een team of organisatie om kennis te produceren, te beoordelen en te gebruiken.
Vier kanten van de onderzoeksvraag
Voorlopig maken we onderscheid tussen vier functies. Ze kunnen zich verschillend ontwikkelen; K1 tot K4 geven dus geen volgorde of score aan.
Validatie
Kennis blijven controleren, vergelijken, synthetiseren en beoordelen.
Agendavorming
Onderzoeken welke invloed AI heeft op de vragen die worden gekozen en onderzocht.
Herstel en reconstitutie
Na langdurige afhankelijkheid een kennisfunctie kunnen heropbouwen binnen afgesproken grenzen.
Wat willen we onderzoeken?
Voor elk onderzoek spreken we vooraf af welk werk we bekijken, welke kwaliteit dat moet halen en hoeveel tijd en geld herstel mag kosten. We vergelijken vier referenties:
| Referentie | Betekenis |
|---|---|
| B · Vóór AI | Het eerdere niveau op vergelijkbare taken zonder AI. |
| A · Met AI | Het niveau met de gekozen AI-werkwijze, inclusief menselijke controle. |
| R · Zonder verdere AI-hulp | Het niveau na intrekking van verdere AI-hulp, met vooraf afgesproken bronnen en notities. |
| T · Afgesproken minimum | Een vóór de meting vastgelegde grens voor de kennisfunctie. |
B beschrijft wat het team vroeger kon; T is de vooraf gekozen ondergrens. Die grens kan aansluiten bij het oude niveau of bij een duurzaam bereikt nieuw niveau. Dat moet vooraf duidelijk zijn. Een daling na het wegvallen van AI is op zichzelf onvoldoende om van een K-point te spreken.
Een andere AI-aanbieder inschakelen kan leveranciersafhankelijkheid verminderen. Dat is een andere vergelijking dan zonder AI verder werken.
Wat zou onze uitleg kunnen weerleggen?
- Er blijkt een geleidelijke ontwikkeling in plaats van een betekenisvolle drempel.
- De vergelijking meet vooral taakverschillen, oefening of tijdelijke omschakelkosten.
- Eerdere bekwaamheid blijft behouden of verbetert; alleen extra schaal valt weg.
- Herstel lukt binnen de afgesproken grenzen, of bestaande begrippen verklaren het resultaat voldoende.
Waar staat het onderzoek?
Er ligt een eerste literatuurverkenning en een voorstel voor onderzoek. De droge doorloop van 12 september 2026 gebruikte door ChatGPT geconstrueerde invoer, zonder deelnemers of menselijke tijdmetingen. Zij bracht vier onduidelijkheden in het oefenmateriaal aan het licht. Dat is protocolvoorbereiding, geen empirische deelnemersstudie. In het beschikbare dossier zijn nog geen deelnemersresultaten vastgelegd.
De volgende stap is de meetaanpak verder uitwerken en het protocol voor een pilot vastleggen en goedkeuren. Daarbij moeten we ook nagaan of K1–K4 bruikbare onderscheidingen zijn en wat K-point toevoegt aan bestaand onderzoek.
Find the K-Spot
Bij KopKen krijgt dit onderzoek de speelse naam Find the K-Spot. Daar brengen verhalen en gesprekken de vragen naar een breder publiek. Op ArtiProof werken we de onderzoeksachtergrond uit.
K-point is een afzonderlijk onderzoeksprogramma naast de ArtiProof-methode. De onderstaande cases bieden aanknopingspunten om de vragen verder te verkennen.
Naar KopKen →Verder lezen en meedenken
Werk je rond AI-afhankelijkheid, kennisproductie, controle of herstel? Een bron, tegenvoorbeeld of voorstel voor onderzoek is welkom.
Neem contact op over K-pointInhoudelijke basis: Epistemic K-point — Research Programme v0.1 (11 september 2026), aangevuld met de brainstorm, vervolguitwerking v0.2 en droge doorloop van 12 september.