Professionele logica’s en invullingen van autonomie
Hoewel de twee sessies vertrekken vanuit verschillende beroepscontexten, formuleren ze professionele autonomie opvallend vaak rond gelijkaardige kernprincipes. In beide opleidingen verschuift professionele meerwaarde weg van loutere uitvoering en sterker richting begrijpen, beoordelen, controleren, interpreteren en verantwoordelijkheid opnemen binnen AI-geïntegreerde werkprocessen.
Beide sessies maken duidelijk dat professionele zelfstandigheid in een context van structurele AI-integratie niet langer betekent dat professionals alles zelf uitvoeren, maar wel dat zij voldoende begrip behouden om output kritisch te beoordelen, richting te geven aan processen en doelgericht in te grijpen wanneer systemen falen of tekortschieten. Begrip, controle en verantwoordelijkheid blijven daarbij in beide domeinen centrale professionele verwachtingen.
Tegelijk tonen de sessies dat de invulling van die autonomie sterk afhankelijk blijft van de professionele context waarin AI gebruikt wordt. De kern van autonomie is dus vergelijkbaar, maar de objecten waarop die autonomie betrekking heeft verschillen fundamenteel tussen beide opleidingen.
Binnen CMM wordt autonomie vooral gekoppeld aan betekenisgeving, creatieve richting en relationele afstemming. De professional moet een briefing kunnen interpreteren voorbij de letterlijke vraag, creatieve keuzes kunnen maken vanuit een eigen perspectief en output kunnen positioneren binnen een bredere inhoudelijke en relationele context. De bezorgdheid gaat daarbij minder over efficiëntie of technische werking, maar vooral over het behoud van creatieve eigenheid, signatuur en inhoudelijke distinctie in een context van sterk AI-gegenereerde output. De term “eenheidsworst”, die tijdens de sessie herhaaldelijk terugkeert, maakt deze bezorgdheid bijzonder zichtbaar.
Een belangrijk inzicht uit de CMM-sessie is dat professionele meerwaarde steeds minder in de productie zelf ligt, maar sterker verschuift naar het bepalen en bewaken van het kader waarbinnen AI genereert. Wouter (Yungo) beschrijft bijvoorbeeld een scenario waarin AI miljoenen varianten van content produceert, terwijl de professional verantwoordelijk blijft voor het “koepelconcept” waaruit die output voortkomt. Net dat definiëren, bewaken en inhoudelijk verantwoorden van creatieve kaders verschijnt binnen CMM als de niet-delegeerbare kern van professionele autonomie.
Binnen TI krijgt professionele autonomie een meer technisch en systemisch karakter. De professional moet begrijpen hoe systemen functioneren, gegenereerde code kunnen analyseren, fouten kunnen detecteren en architecturale keuzes inhoudelijk kunnen motiveren. Controle, betrouwbaarheid en verantwoordelijkheid vormen daarbij de centrale professionele normen. De uitspraak “Op het moment dat iets in productie gaat, bestaat AI niet meer” illustreert deze logica vanuit een concrete ervaring van een deelnemer. De uitspraak moet daarbij niet letterlijk worden geïnterpreteerd als zou AI geen rol kunnen spelen in productie- of deploymentprocessen. Ze maakt vooral zichtbaar dat in kritieke productiesituaties de verantwoordelijkheid niet aan AI kan worden overgedragen en dat professionals voldoende systeembegrip moeten behouden om output te beoordelen, problemen te diagnosticeren en waar nodig zelf in te grijpen.
De TI-sessie voegt daarnaast twee belangrijke dimensies toe aan professionele autonomie: ownership en meta-controle. Ownership verwijst naar de bereidheid om verantwoordelijkheid op te nemen voor het eindresultaat, ook wanneer delen van de oplossing door AI gegenereerd werden. Meta-controle verwijst naar situaties waarin AI-systemen in toenemende mate ingezet kunnen worden om ook andere AI-output te controleren of evalueren, waardoor de rol van developers verschuift richting het controleren van controlemechanismen zelf. Beide concepten tonen hoe professionele autonomie binnen TI steeds abstracter en systemischer wordt.
Vanuit het in deze synthese geïntroduceerde dispositionele perspectief krijgt vooral het begrip ownership een bijkomende betekenis. De sessies suggereren immers dat professionele verantwoordelijkheid niet uitsluitend berust op het vermogen om correcte beslissingen te nemen, maar ook op de bereidheid om verantwoordelijkheid te blijven opnemen voor beslissingen en uitkomsten waarin AI een actieve rol speelde. Ownership kan daardoor niet enkel worden begrepen als een professionele competentie, maar ook als een professionele dispositie die mee bepaalt hoe professionals hun autonomie in AI-geïntegreerde beroepscontexten daadwerkelijk vormgeven.
Ondanks deze domeinspecifieke verschillen maken beide sessies uiteindelijk een gelijkaardige beweging zichtbaar. Professionele autonomie verschuift in beide contexten van uitvoeren naar beoordelen, interpreteren, bewaken en verantwoordelijkheid opnemen. Tegelijk suggereren de sessies dat deze professionele autonomie niet uitsluitend steunt op kennis en vaardigheden, maar eveneens op professionele disposities die bepalen of professionals hun oordeel, controle en verantwoordelijkheid ook daadwerkelijk opnemen wanneer AI een actieve rol speelt. De concrete invulling verschilt tussen beide opleidingen, maar de onderliggende logica blijft opvallend vergelijkbaar.
Deze vaststelling heeft directe implicaties voor curriculumontwikkeling. Generieke AI-competenties die uitsluitend focussen op operationeel gebruik van AI schieten tekort. Opleidingen doen er goed aan niet alleen expliciet te maken welke kennis, vaardigheden en vormen van professionele autonomie essentieel blijven binnen hun domein, maar ook welke professionele disposities studenten moeten ontwikkelen om deze competenties in AI-geïntegreerde beroepscontexten kritisch, verantwoordelijk en doelgericht in te zetten.