Gedeelde spanningsvelden
Ondanks de domeinspecifieke verschillen keren in beide sessies opvallend gelijkaardige spanningsvelden terug. Ze worden anders benoemd en verschillend beleefd, maar structureren op een vergelijkbare manier het gesprek over AI en professioneel handelen.
Efficiëntie versus diepgang
In beide sessies wordt AI erkend als een sterke versneller van processen. Deelnemers beschrijven hoe repetitieve taken sneller verlopen en productiecapaciteit toeneemt. Tegelijk leeft in beide groepen de bezorgdheid dat die efficiëntiewinst gepaard gaat met een verlies aan diepgang en kwaliteit.
Binnen CMM vertaalt dit zich in zorgen over oppervlakkige creativiteit en voorspelbare output. Binnen TI verschijnt dezelfde spanning in de vaststelling dat developers code gebruiken of accepteren zonder volledig te begrijpen wat die code doet. Daardoor worden debugging, onderhoud en kennisopbouw complexer. Stijn Lambrechts (Cegeka) benoemt dit expliciet wanneer hij stelt dat de kennis van developers dreigt te verschralen terwijl die van AI groeit.
De onderliggende logica is in beide domeinen vergelijkbaar: wanneer snelheid prioriteit krijgt boven begrip, verschuift het probleem naar andere niveaus binnen het proces.
Gebruik versus begrip
Een tweede gedeeld spanningsveld draait rond het verschil tussen AI gebruiken en AI begrijpen. In beide sessies ontstaat consensus dat AI problematisch wordt wanneer professionals output accepteren zonder inzicht in de herkomst, beperkingen en betrouwbaarheid ervan.
Binnen CMM gaat het daarbij over inzicht in creatieve keuzes en kritisch kunnen omgaan met gegenereerde content. Binnen TI draait het om begrijpen wat code doet en kunnen verklaren waarom systemen werken of falen.
Beide sessies formuleren daarmee impliciet een gelijkaardige herdefiniëring van professionele zelfstandigheid: niet alles zelf produceren, maar wel begrijpen, beoordelen en kunnen ingrijpen wanneer nodig.
Controle versus afhankelijkheid
Controle vormt in beide sessies een belangrijk normatief kader. AI mag ondersteunen, versnellen en genereren, maar deelnemers bewaken consequent de grenzen van die ondersteuning.
Binnen CMM gaat het daarbij over creatieve controle en inhoudelijke consistentie. Binnen TI draait het rond technische controle, systeemstabiliteit en traceerbaarheid.
Tegelijk maken beide sessies duidelijk dat er spanning bestaat tussen ervaren controle en feitelijke controle. Deelnemers drukken vertrouwen uit in hun vermogen om AI aan te sturen, maar concrete voorbeelden tonen hoe die controle onder druk komt te staan in complexe situaties of onder tijdsdruk.
Verantwoordelijkheid blijft menselijk
Een van de meest consistente inzichten over beide sessies heen is dat verantwoordelijkheid en ownership bij de mens blijft liggen. In geen van beide contexten wordt AI gezien als actor die beslissingen legitimeert of aansprakelijkheid overneemt.
De professional blijft verantwoordelijk voor gemaakte keuzes, moet beslissingen kunnen verantwoorden en blijft aanspreekbaar tegenover klanten, gebruikers en stakeholders.
Professionele zelfstandigheid verdwijnt daardoor niet door AI, maar verschuift naar andere en in sommige gevallen complexere vormen van verantwoordelijkheid, waarbij het vermogen én de bereidheid om professioneel oordeel op te nemen centraal blijven staan.