Wanneer AI meer lijkt op een collega dan op een tool

In het artikel Giving Your AI a Job Interview introduceert Ethan Mollick een idee waar je even aan moet wennen, maar dat daarna niet meer uit je hoofd gaat: wat als je een AI-model behandelt alsof je iemand wilt aannemen?

Geen benchmarks, geen technische tabellen — maar simpele, herkenbare situaties: Dit is hoe wij werken. Hoe zou jij dat aanpakken?

Het klinkt speels, maar het raakt aan iets essentieels. Veel organisaties proberen AI nog te beoordelen alsof het gereedschap is: je test het, je meet het, je kiest het. Maar zodra AI deel gaat uitmaken van echte werkprocessen, blijkt dat het model zich soms gedraagt als een soort digitale collega — met voorkeuren, beperkingen én verrassende kwaliteiten.

Waarom cijfers je niet het hele verhaal vertellen

We zijn gewend geraakt aan lijstjes. De snelste processor. De hoogste score. De ‘beste’ chatbot volgens een leaderboard. Maar wie ooit een AI-model in het dagelijks werk heeft gebruikt, weet dat deze cijfers maar een deel van de werkelijkheid weergeven.

Een model kan op papier uitstekend presteren, en toch:

te zelfverzekerd zijn als het eigenlijk twijfelt,
blijven hangen in voorzichtigheid wanneer je snelheid nodig hebt,
de draad kwijtraken bij meerstapsredenering,
of juist heel goed zijn in structuur, maar minder in nuance.

Dat is precies wat benchmarks niet vangen: het gedrag dat pas zichtbaar wordt als je het model loslaat op de rommelige, onvoorspelbare werkelijkheid van het dagelijkse werk.

De waarde van een “sollicitatiegesprek”

Het mooie aan Mollicks voorstel is dat het realisme terugbrengt in hoe we AI beoordelen.

Niet als abstract systeem, maar als iets dat moet functioneren tussen mensen, deadlines en incomplete informatie.

Zodra je een model gevraagd hebt om:

een lastig klantgesprek voor te bereiden,
een vage e-mail te interpreteren,
of een beslissing te onderbouwen met beperkte data,

zie je ineens hoe verschillend modellen reageren.

Het ene model is pragmatisch, het andere meer voorzichtig, een derde laat juist creativiteit zien waar je dat niet verwacht.

En dan valt het kwartje: het gaat niet om wat een model kan, maar om hoe het werkt.

Waarom één model bijna nooit genoeg is

Wie dit gedrag eenmaal ziet, begrijpt dat organisaties niet af kunnen op één model dat alles moet kunnen. De praktijk laat zien dat verschillende modellen verschillende kwaliteiten hebben.

Het is een beetje alsof je één persoon vraagt om tegelijk jurist, data-analist, schrijver en communicatieadviseur te zijn — dat wordt nergens optimaal.

Het is daarom logisch om AI te benaderen als een gereedschapskist: meerdere modellen die elkaar aanvullen.

Niet om ingewikkeld te doen, maar omdat het werk zelf ook verschillende rollen, stijlen en niveaus van precisie kent.

En dit maakt Mollicks metafoor van het sollicitatiegesprek zo sterk: je ontdekt pas welke rol een model aankan als je het aan die rol laat proeven.

Een volwassener manier om AI onderdeel te maken van werk

Wie AI wil inzetten op een manier die écht helpt, komt vanzelf uit bij een aanpak die lijkt op hoe we mensen beoordelen:

realistische scenario’s,
heldere verwachtingen,
en een goed gevoel voor context en nuance.

Het artikel laat zien dat AI-selectie daarmee verandert van een eenmalige keuze naar een doorlopend proces. Modellen ontwikkelen zich snel, taken veranderen mee, en organisaties doen er goed aan regelmatig te toetsen of het model dat vandaag goed werkt, dat morgen ook nog doet.

Het is een nuchtere, bijna alledaagse manier van kijken naar AI — en juist daarom zo waardevol.

Niet als hype, maar als onderdeel van het echte werk.

Bron