Steeds vaker FOBO

Ik zag laatst beelden uit India die me maar niet loslaten. Kledingmakers met camera’s op hun hoofd, die de hele dag hun werk doen terwijl elke beweging van hun handen en elke grip op de stof wordt vastgelegd. Ze zijn daar niet alleen kleding aan het maken; ze worden eigenlijk geoogst. Hun vakmanschap wordt omgezet in data voor de robot die hun werk straks moet overnemen. De mens als een soort tijdelijke sensor.

Het gaat inmiddels veel verder dan alleen die fabrieksvloer. Ik las over mensen die hun hele privéleven verkopen aan AI-bedrijven: hun telefoongesprekken, WhatsApp-berichten en zelfs hun dagelijkse wandelingen. Ze filmen zichzelf terwijl ze de was doen, een ei bakken of een pakketje aannemen. Niet voor de likes op TikTok of Instagram, maar puur zodat een algoritme kan leren hoe een mens zich gedraagt in zijn eigen huis.

Dat beeld blijft bij me hangen, ook in mijn eigen werk. Ik vraag me weleens af wanneer ik zelf aan de beurt ben. Als hbo-docent of coach: wat blijft er van mijn rol over als een AI-model straks elke student persoonlijk kan helpen, alle vragen beantwoordt en nooit een off-day heeft?

De angst om overbodig te worden, de Fear of Becoming Obsolete, is heel menselijk en logisch. Als een bedrijf of een opleiding iets kan versnellen of goedkoper kan maken met techniek, dan gebeurt dat gewoon. Of het nu gaat om die kledingmaker of om iemand die voor de klas staat.

Maar juist als je ziet wat die camera’s op die hoofden registreren, zie je ook wat ze missen. Een AI kan informatie overdragen, maar het heeft geen oordeelsvermogen. Het voelt niet aan of een student vastloopt door de stof, of als er thuis iets speelt waardoor het hoofd er niet naar staat. Een computer kan duizenden suggesties doen, maar hij heeft geen smaak. Hij voelt niet aan welke toon op dat moment de juiste is om iemand echt te motiveren.

De waarde verschuift van puur "kennis hebben" naar hoe je die kennis gebruikt. In een ruimte staan en een groep aanvoelen. Verbanden zien die niet direct logisch lijken. De rust hebben om een knoop door te hakken als er geen duidelijk antwoord is.

Uiteindelijk gaat het erom dat we die menselijke dingen blijven doen die niet in een dataset passen: echt contact maken, patronen herkennen tussen de regels door en simpelweg de boel vooruithelpen. We worden misschien geoogst voor onze data, maar de manier waarop we mensen echt in beweging krijgen, dat laat zich niet zomaar vangen in een filmpje.

Erdinç Saçan geeft les aan Fontys Hogeschool ICT en is AI-expert. Vorig jaar verscheen van hem het boek AI voor Iedereen. Lees hier zijn eerdere columns voor Bron.