Typologie 3: De uitvoerder
(Hoge sturing + oppervlakkig begrip)
De Uitvoerder bevindt zich in het kwadrant van hoge sturing en oppervlakkig begrip. Het is een positie waarin professionals AI actief, bewust en vaak technisch vaardig aansturen, terwijl het onderliggende domein- en procesbegrip beperkter ontwikkeld blijft. De typologie maakt zichtbaar dat sterke AI-geletterdheid en actieve AI-sturing niet automatisch samengaan met diepgaand inhoudelijk begrip.
Wat kenmerkt de Uitvoerder?
De professional stuurt AI actief en doelgericht aan. Er worden gerichte prompts geformuleerd, workflows opgezet, output aangepast en processen iteratief bijgestuurd. De Uitvoerder beschikt vaak over een behoorlijke operationele AI-geletterdheid en weet hoe AI-systemen praktisch ingezet kunnen worden om snel bruikbare output te genereren.
Tegelijk blijft het onderliggende domein- en procesbegrip relatief beperkt. De professional kan AI-output operationeel gebruiken en actief sturen, maar beschikt niet altijd over voldoende diepgaand begrip om keuzes inhoudelijk te reconstrueren, professioneel te verantwoorden of complexe situaties zelfstandig te analyseren.
Het onderscheid met de Bewaker ligt daarbij vooral in de mate van actieve sturing. Waar de Bewaker AI relatief vrij laat functioneren en vooral reactief ingrijpt, probeert de Uitvoerder AI net voortdurend actief bij te sturen. Het onderscheid met de Regisseur ligt dan weer in het onderliggende begrip. De Uitvoerder stuurt actief, maar mist soms de diepgaande conceptuele basis waarop die sturing inhoudelijk steunt.
Waarom is dit een risicopositie?
De Uitvoerder-positie houdt voornamelijk risico’s in omwille van de spanning tussen actieve sturing en beperkt inhoudelijk begrip.
Professionals ervaren vaak een sterke mate van grip op het proces omdat ze AI actief aansturen, prompts verfijnen en output voortdurend bijsturen. In voorspelbare en routinematige situaties functioneert die aanpak doorgaans voldoende goed. Zodra contexten complexer worden of onverwachte problemen optreden, blijkt echter dat het onderliggende begrip soms onvoldoende diep ontwikkeld is om afwijkingen inhoudelijk te analyseren of professioneel te verantwoorden.
Daarnaast creëert actieve AI-sturing gemakkelijk een gevoel van controle dat niet altijd overeenkomt met de feitelijke diepgang van begrip. De professional stuurt voortdurend bij en neemt actief beslissingen tijdens het proces, maar dat betekent niet noodzakelijk dat de onderliggende werking, kwaliteit of implicaties van de output volledig doorgrond worden.
De Uitvoerder is daardoor in dagelijkse praktijk vaak moeilijk te onderscheiden van de Regisseur. Beide sturen AI actief aan, produceren output en nemen beslissingen tijdens het werkproces. Het verschil wordt meestal pas zichtbaar op momenten waarop diepgaand begrip noodzakelijk wordt: wanneer systemen falen, wanneer keuzes inhoudelijk verantwoord moeten worden of wanneer complexe professionele afwegingen gemaakt moeten worden.
Wat maken de sessies zichtbaar?
Binnen de CMM-sessie verschijnt de Uitvoerder in het actieve gebruik van AI voor brainstorms, contentcreatie, variantenontwikkeling en iteratie. Deelnemers beschrijven hoe AI snel ideeën, beelden en content genereert die vervolgens actief verfijnd, aangepast en gecombineerd worden.
De professional stuurt het proces dus duidelijk actief aan, maar de onderliggende beoordeling gebeurt vaak op basis van ervaring, intuïtie en aanvoelen. De sessie maakt zichtbaar dat deelnemers veel aandacht besteden aan output, snelheid en praktische inzetbaarheid, terwijl de explicitering van onderliggende beoordelingscriteria beperkter aanwezig blijft.
Binnen de TI-sessie verschijnt dezelfde logica bij developers die AI intensief gebruiken tijdens implementatie, bijvoorbeeld voor boilerplate code, functies of oplossingsvoorstellen. Developers sturen output actief bij, integreren gegenereerde code binnen bestaande workflows en verfijnen oplossingen iteratief.
Tegelijk benoemt de sessie expliciet het risico dat developers code accepteren omdat die “werkt”, zonder de volledige onderliggende logica of bredere architecturale implicaties volledig te begrijpen. Daardoor blijft de kwetsbaarheid vaak onzichtbaar zolang systemen stabiel functioneren, maar wordt ze zichtbaar bij debugging, onderhoud, complexe integraties, performantieproblemen en beveiligingskwetsbaarheden.
Implicaties voor het curriculum
De Uitvoerder-positie maakt zichtbaar dat operationele AI-geletterdheid en actieve AI-sturing op zich onvoldoende zijn voor professionele autonomie. Professionals kunnen AI-systemen technisch vaardig aansturen, workflows efficiënt organiseren en output actief verfijnen, terwijl het onderliggende domein- en procesbegrip onvoldoende ontwikkeld blijft om de kwaliteit, betrouwbaarheid of implicaties van die output correct te beoordelen.
Dat maakt deze positie bijzonder kwetsbaar voor onderwijscontexten. Studenten kunnen dankzij AI opdrachten succesvol afronden, professioneel ogende output produceren en complexe taken uitvoeren zonder dat het onderliggende begrip noodzakelijk even sterk ontwikkeld is. De actieve sturing van AI kan daarbij de indruk wekken dat competenties beheerst worden, terwijl studenten in werkelijkheid sterk afhankelijk blijven van AI-output om tot oplossingen te komen.
Binnen TI kan dit leiden tot code die operationeel functioneert maar onvoldoende begrepen wordt om veilig te onderhouden, te debuggen of architecturaal te verantwoorden. Binnen CMM kan dit resulteren in campagnes of content die technisch overtuigend ogen, maar inhoudelijk onvoldoende aansluiten bij doelgroep, context of merkpositionering.
De Uitvoerder vormt daardoor een van de meest kritische spanningsvelden voor curriculumontwikkeling binnen AI-geïntegreerd onderwijs. De centrale uitdaging verschuift van het beoordelen van eindproducten naar het zichtbaar maken van onderliggend begrip, professionele redeneringen en inhoudelijke besluitvorming.
Tegelijk is de Uitvoerder een plausibele instappositie binnen AI-geïntegreerd onderwijs. Studenten ontwikkelen vaak sneller operationele AI-vaardigheden dan diepgaand professioneel begrip. Daardoor kunnen zij al vroeg AI actief en doelgericht leren gebruiken, terwijl de inhoudelijke expertise waarop professioneel oordeel steunt nog volop in ontwikkeling is.
De centrale onderwijsuitdaging bestaat er daarom in studenten niet alleen AI-systemen te leren gebruiken en aansturen, maar hen tegelijk geleidelijk op te bouwen richting diepgaand domein- en procesbegrip. De evolutie van Uitvoerder naar Regisseur vraagt niet enkel meer technische vaardigheid, maar vooral een groei in inhoudelijk inzicht, professioneel beoordelingsvermogen en verantwoordelijkheid.