Hoe zal artificiële intelligentie (AI) onze samenleving en economie hervormen? Welke nieuwe mogelijkheden biedt AI voor innovatie en onderzoek? En welke ethische en praktische uitdagingen komen op ons af? PXL-Research verzamelde 40 onderzoekers rond de ontbijttafel voor een multidisciplinaire brainstorm. De belangrijkste inzichten lees je hier.
Op donderdag 4 december 2025 kwamen 40 onderzoekers uit de verschillende onderzoekscentra van Hogeschool PXL samen om zich te buigen over drie vragen over de impact van artificiële intelligentie (AI):
- Hoe zal AI onze samenleving en economie hervormen?
- Welke nieuwe mogelijkheden biedt AI voor innovatie en onderzoek?
- Welke ethische en praktische uitdagingen komen op ons af?
Hieronder volgen de belangrijkste inzichten van deze multidisciplinaire brainstorm.
1. Hoe zal AI onze samenleving en economie hervormen?
De 40 onderzoekers zijn het erover eens dat AI onze samenleving en economie op ingrijpende wijze zal hervormen. AI zet druk op het tempo van verandering: de transformatie gaat sneller dan alle voorgaande technologische revoluties.
Waar vroeger vooral arbeidersjobs werden geraakt door automatisering, merkt men nu dat vooral administratieve, creatieve en analytische jobs sterk beïnvloed worden door AI. De onderzoekers voorspellen een sterke automatisering van administratieve taken, waardoor veel routinematige werkzaamheden efficiënter zullen verlopen en de productiviteit zal stijgen. Dit zou kunnen betekenen dat routinetaken vaak door AI overgenomen zullen worden, waardoor we meer werk kunnen verzetten in minder uren. In de medische sector kan AI bijvoorbeeld bijdragen tot betere diagnoses en gepersonaliseerde behandelingen. Hoewel AI bepaalde taken kan overnemen, geloven de 40 onderzoekers ook sterk in samenwerkingsprocessen waarin mens en AI cocreëren. Je kan bijvoorbeeld handig brainstormen met een AI-tool als compagnon.
De gig-economy is een arbeidsmarktmodel waarin mensen korte, tijdelijke opdrachten of ‘gigs’ uitvoeren in plaats van vaste banen.
Er zullen ook nieuwe functies en jobformules ontstaan, zoals portfoliojobs. Portfoliojobs in de context van AI verwijzen meestal naar een werkmodel waarbij iemand meerdere parttime- of freelancefuncties combineert in plaats van één traditionele fulltime baan. Het idee is dat professionals hun vaardigheden inzetten in verschillende projecten of organisaties tegelijkertijd, waardoor ze een “portfolio” van werkervaringen opbouwen. De gig-economy is een arbeidsmarktmodel waarin mensen korte, tijdelijke opdrachten of ‘gigs’ uitvoeren in plaats van vaste banen. [1] AI-gedreven platforms zoals Upwork, Fiverr of Toptal koppelen specialisten sneller aan projecten.
Ook entry-level jobs zullen verdwijnen, wat de vraag opwerpt hoe jonge medewerkers ‘de stiel’ dan nog kunnen of moeten leren? Als werknemers zich enkel nog met de complexere vraagstellingen moeten bezighouden die diepgaande analyse of creativiteit vergen, dreigt hier toch een expertisekloof te ontstaan. Dit zijn immers taken die weggelegd zijn voor medewerkers met voldoende bagage en jaren ervaring op de teller. Een gedeelde bekommernis is dat de efficiëntiewinst tot meer prestatiedruk kan leiden. Wat zeker is, is dat bedrijven die de AI-transitie niet omarmen, hun concurrentiepositie dreigen te verliezen.
Over de nood aan adequate IT-vaardigheden bestaat discussie: zal de arbeidsmarkt steeds meer draaien rond medewerkers met een hoge digitale geletterdheid, of zal AI deze IT-kennis en -vaardigheden uit handen nemen? Sommigen voorspellen dus een grotere kloof tussen de digitaal geletterde medewerker en wie de AI-trein mist. Deze kloof kan zich ook manifesteren in het dagelijkse leven.
Authenticiteit dan; toch wel een expliciete zorg voor de onderzoekers. Wellicht heb je wel al meer dan eens een mail, verslag of rapport ontvangen waarvan je sterk vermoedde dat het door AI werd gegenereerd. Is dat slecht? Niet noodzakelijk. Maar je had toch een ander gevoel bij het lezen. Of je stoorde jezelf aan het woordgebruik, rare bruggetjes of de overdaad aan adjectieven… De aanwezigen waarschuwen voor het risico van verlies van authenticiteit in het werk en in de professionele communicatie. Ook de waarheidswaarde van beelden en video’s komt onder druk te staan, aangezien het steeds moeilijker wordt om nep van echt te onderscheiden. En wat met het kritisch denken van medewerkers en mensen? Het kritisch denken van mensen kan eveneens afnemen, doordat AI steeds vaker het denkwerk zou kunnen overnemen bij een sterk getraind AI-model. Dit brengt het gevaar met zich mee dat we minder zelfreflectie en analyse toepassen, wat onze creativiteit en onafhankelijkheid kan ondermijnen.
Moeten we vrezen voor een krimp van onze werkgelegenheid? Verschillende grote ondernemingen kondigden recent banenverlies aan omwille van AI-integraties (bv. ABN AMRO 5.200 jobs tegen 2028, HP tot 6.000 jobs tegen 2028) [2]. De Vlaamse werkzaamheidsdoelen met een beoogde participatiegraad zouden ernstig in het gedrang kunnen komen (Vlaamse Beleidsnota Werk 2024-2029).
2. Welke nieuwe mogelijkheden biedt AI voor innovatie en onderzoek?
Ook wat innovatie en onderzoek betreft, zien we AI een rol spelen op het vlak van het automatiseren van routinetaken. AI maakt het mogelijk om administratieve lasten zoals tijdsregistraties te verminderen of te automatiseren. Ook kan AI een hulp zijn voor het genereren van bewijslast bij projectrapporteringen.
AI kan een enorme versneller zijn voor deskresearch (literatuurstudies). Allereerst kan AI helpen bij het vinden van relevante bronnen. Door slimme zoekalgoritmen en semantische analyse kan AI niet alleen exacte zoektermen gebruiken, maar ook synoniemen en gerelateerde concepten voorstellen, waardoor je een breder en vollediger overzicht van de literatuur krijgt. Semantic Scholar en Connected Papers zijn gekende AI-gedreven zoekplatformen. AI kan ook de gevonden wetenschappelijke artikelen samenvatten tot kernpunten, zoals hypotheses, methodologie en conclusies, zodat je snel inzicht krijgt in de essentie van een studie zonder alles volledig te lezen.
AI kan ook trends en thema’s in grote hoeveelheden literatuur detecteren via technieken zoals topic modeling. Een tool als Research Rabbit visualiseert netwerken van gerelateerde studies. Dit maakt het mogelijk om patronen en onderzoekslijnen te visualiseren en te begrijpen hoe een vakgebied zich ontwikkelt. Ook bij het schrijven van een literatuurreview kan AI ondersteunen door structuurvoorstellen te doen, vergelijkingen tussen studies te genereren en hiaten in bestaande kennis te signaleren. AI kan automatisch correcte referenties in APA-stijl, incl. de DOI-links, wat veel tijd bespaart bij het opstellen van een referentielijst. Bij systematische reviews kan AI zelfs helpen bij het toepassen van inclusie- en exclusiecriteria en het extraheren van relevante data uit tabellen.
De deelnemers benadrukken wel het belang van het maak-, denk-, schrijfproces dat onderzoekers moeten doorlopen. Wat gaat er verloren wanneer onderzoekers meteen naar Large Language Models (LLM’s) grijpen om (instant) tekst- en beeldmateriaal te genereren? Het is tevens belangrijk om AI niet blind te vertrouwen. Combineer AI altijd met betrouwbare databases zoals Web of Science en de onderzoeker moet zijn eigen kritische oordeel gebruiken om bias en fouten te vermijden. AI is geen vervanging van de onderzoeker, maar een krachtige assistent die het proces van literatuuronderzoek sneller, efficiënter en beter georganiseerd maakt.
Een meer fundamentele verschuiving zou zich kunnen voordoen bij de methoden van kwantitatieve dataverzameling in een wereld vol geconnecteerde apparaten en AI-tools. Zou de nood aan traditionele enquêtes en interviews in de toekomst afnemen omdat gedragsdata en sentimentanalyse via AI veel sneller, goedkoper en zelfs betrouwbaarder zijn?
De AI-assistent kan meer ruimte en tijd bieden voor creativiteit in onderzoek. AI kan creativiteit stimuleren in onderzoek doordat er meer ruimte komt voor het ontwikkelen van originele ideeën en vernieuwende samenwerkingen tussen mens en technologie. Ook kan AI op manieren gebruikt worden waarvoor het niet gemaakt is (‘misbruikt’). Dit kan tot zeer interessante out-of-the-box resultaten leiden die verder reiken dan traditionele kaders, bijvoorbeeld in de kunsten.
Wat is de impact van AI op PXL-Research als projectgedreven onderzoeksorganisatie? Onze structuur is gericht op het realiseren van innovatieve projecten die inspelen op maatschappelijke en economische uitdagingen. In dit kader rijzen enkele belangrijke vragen: is het met behulp van AI mogelijk om met minder middelen meer te bereiken? Maar ook: is het projectenmodel, waar projecten vaak 3 jaar in beslag nemen, toekomstbestendig? Een antwoord hierop hebben we niet meteen pasklaar, maar de evolutie van AI vraagt wel om experiment en een beleid rond het delen van best practices. Ook hebben we nood aan een set van richtlijnen die niet alleen technische aspecten omvatten, maar ook aandacht besteden aan privacy, datakwaliteit en menselijke controle. Zo creëren we een cultuur waarin AI de onderzoeker versterkt.
3. Welke ethische en praktische uitdagingen komen op ons af?
Je moet altijd met een kritische blik naar AI blijven kijken. De opkomst van artificiële intelligentie brengt zowel ethische als praktische uitdagingen met zich mee.
Er is een gevaar voor cultuurvervlakking, omdat algoritmes vaak op eenzelfde manier naar problemen kijken, wat kan leiden tot een vermindering van creativiteit en een verlies van authenticiteit. Dit speelt bijvoorbeeld ook in de productie van kunst (beeld, muziek enz.). Ook is er een risico op AI-bias of stereotypering in data en modellen in onderzoeksanalyses.
De aandachtsspanne van mensen kan afnemen door de werking van algoritmes, wat de kwaliteit van bijvoorbeeld onderzoek onder druk kan zetten. Het is dus belangrijk om te beseffen dat AI de menselijke creativiteit niet volledig kan vervangen maar ook dat een menselijke controle op AI-gegenereerde output absoluut essentieel is. Ook parallelanalyses kunnen interessant zijn, om dan de output van het AI-model versus de onderzoeker te vergelijken.
De digitale kloof, en in het verlengde daarvan de zogenaamde ‘AI-kloof’, maakt dat niet iedereen gelijke toegang heeft tot deze nieuwe technologieën. Daarom wordt het aanleren van vaardigheden zoals prompting steeds belangrijker in schoolse en professionele context.
Moeten organisaties en bedrijven – ook PXL – nu een betalende ChatGPT (of vergelijkbaar LLM) aankopen voor alle personeelsleden? Het is vooral belangrijk de ‘waarom-vraag’ te stellen. Wat brengt dit op? De waarom-vraag kan je beantwoorden op drie niveaus:
1/ het individuele niveau (bv. de onderzoeker);
2/ het teamniveau (bv. het expertisecentrum);
3/ het organisatieniveau (bv. PXL-Research als geheel).
Na de waarom-vraag komt dan de praktische ‘hoe-vraag’ en de ‘hoeveel-gaat-dit-kosten-vraag’, maar ook de ‘hoeveel-gaat-dit-opbrengen-vraag’.
AI brengt een paradox met zich mee. Enerzijds vrezen mensen dat hun jobs zullen verdwijnen, anderzijds blijkt uit de realiteit – bijvoorbeeld in kmo’s – dat AI vooral ondersteunt en innovatie stimuleert
Een juridische uitdaging schuilt in het auteursrecht. Traditioneel auteursrecht vereist een menselijke maker. Als een tekst, afbeelding of muziekstuk volledig door AI is gemaakt, is het juridisch vaak onduidelijk wie de rechthebbende is: de gebruiker, de ontwikkelaar van het AI-model, of niemand. AI-modellen worden getraind op enorme datasets, vaak bestaande uit bestaande werken (boeken, muziek, foto’s). Als deze werken auteursrechtelijk beschermd zijn, rijst de vraag: is het gebruik ervan voor training van AI-modellen dan toegestaan? Maar daarom kan de AI-output ook sterk gelijkend zijn op een bestaand werk (bijvoorbeeld een schilderij in de stijl van Van Gogh). Dit kan leiden tot claims van inbreuk op auteursrecht of naburige rechten, zeker als het herkenbaar is of een stijl wordt gekopieerd.
Het lijkt daarom sowieso belangrijk om openheid en transparantie te garanderen over hoe een output tot stand is gekomen. Ook in onderzoek moet AI-gebruik uitgelegd worden in het methodologisch hoofdstuk. Verplichte meldingen als “AI-assisted” kunnen zinvol zijn. In een AI-organisatiebeleid kan dit sowieso toegepast worden. Maar ook in een onderzoekscommunity kan dit een geldende conventie worden.
Het inzetten van AI vraagt om extra aandacht voor ethiek. Zoals eerder gesteld, is het kritisch nalezen en beoordelen van AI-uitvoer essentieel om fouten en misleidingen te voorkomen. Maar de race naar geavanceerdere AI-systemen (zoals AGI) brengt zelfs ethische dilemma’s met zich mee. AGI staat voor Artificial General Intelligence. Het is een concept binnen AI dat verwijst naar een vorm van kunstmatige intelligentie die niet beperkt is tot één specifieke taak, maar in staat is om algemene cognitieve functies uit te voeren, zoals een mens. Het is een nog hypothetische vorm van AI die flexibel en adaptief is. Het kan leren, redeneren, problemen oplossen en kennis toepassen in verschillende contexten – net zoals mensen dat doen. Wanneer zullen we de eerste AI-onderzoeker of AI-leerkracht aanwerven?
Ons gebruik van het internet, smartphones en andere geconnecteerde apparaten laat dagelijks een enorm digitaal spoor na. Zijn we ons bewust van de data die we achterlaten en wie we toegang geven tot onze data ? (Vaak zonder er sterk bij stil te staan, of leest u wel als enige alle kleine lettertjes bij het aanmaken van een nieuwe account?) De onderzoekers waarschuwen ervoor dat we onze data (en dus macht) geven aan een kleine groep machthebbers, nl. de bigtechreuzen. Verder doorgedacht lijkt het dan ook niet moeilijk om de data onethisch in te zetten of te gebruiken voor mogelijke militaire toepassingen.
Verwordt menselijk contact tot een luxeproduct als de AI-tools steeds krachtiger worden? Wat is de relevantie voor ons als mensheid als we straks virtueel omringd zijn door erg krachtige AI-systemen (AGI), die accurater en sneller werken dan wijzelf, en wel dag en nacht, 24/7? Waar vinden we onze eigenwaarde en zelfdeterminatie? Het stemt tot nadenken…
De technologische AI-revolutie heeft een aanzienlijke ecologische impact. Het energieverbruik en de CO2-uitstoot van grootschalige AI-systemen mogen niet onderschat worden. Er is dus nood aan een verantwoord beleid dat niet alleen de praktische voordelen erkent, maar ook actief inzet op ethisch gebruik, democratische inspraak en het minimaliseren van negatieve gevolgen. (Denk daarbij o.m. aan band-aidpolitiek (pleister op een houten been) en dus het onvoldoende aanpakken van kernproblemen.)
Ten slotte brengt AI vandaag een paradox met zich mee: enerzijds vrezen mensen dat hun jobs zullen verdwijnen, anderzijds blijkt uit de realiteit – bijvoorbeeld in kmo’s – dat AI vooral ondersteunt en innovatie stimuleert. Creativiteit en efficiëntie komen steeds meer tegenover elkaar te staan, waarbij de uitdaging is om een balans te vinden. Technologie biedt kansen voor democratisering, maar het gevaar bestaat dat de focus te sterk op efficiëntie en winst komt te liggen, met als gevolg dat het gedachtegoed van big tech bepalend wordt voor onze samenleving. De onderzoekers geloven dat AI elk aspect van onze maatschappij en economie raakt: van werkgeluk en authenticiteit tot de manier waarop welvaart verdeeld wordt en hoe we omgaan met verandering. Het is dus zaak om AI-geletterdheid te bevorderen, de menselijke maat te bewaken en alert te blijven voor wie profiteert en wie uit de boot dreigt te vallen.
Een verplichte basistraining AI op PXL dringt zich op. Maar ook een organisatiebrede strategie over AI in alle diensten, opleidingen en andere geledingen. Hoe pakken we dit aan?
Vragen we het aan een AI-tool, of zetten we ons nog eens samen rond de tafel?
[1] Allon, G., Cohen, M. C., & Sinchaisri, W. P. (2023). The impact of behavioral and economic drivers on gig economy workers. Manufacturing & Service Operations Management, 25(4), 1376–1393. https://doi.org/10.1287/msom.2023.1191
Volg je de Instagram-pagina ‘Het AI-tijdperk’ al? Hier kan je het AI-nieuws op de voet volgen, geselecteerd door Wouter Hustinx en onder vlag van PXL-Research.
Contact: Wouter.Hustinx@pxl.be
