De Muntworp die Meebesliste: Schrijf Je Eigen Oordeel Op vóórdat de AI Spreekt

Leiderschap

Door: Gerard Grouve

Stel je voor: je team levert een sterk onderbouwd advies op. De analyse klopt, de argumenten zijn helder en iedereen staat erachter. Alleen zijn de belangrijkste keuzes in dat advies niet door je team gemaakt, maar door een muntworp. Het klinkt als een gedachte-experiment, maar het is precies wat Anthropic op 27 oktober 2026 publiceerde. De uitkomst zou elke bestuurder, directeur en IT-leider aan het denken moeten zetten.

01: Wat Anthropic Onderzocht

Anthropic, de maker van het AI-model Claude, liet 50 professionele analisten met ervaring in causale analyse een realistische opdracht uitvoeren met een AI-agent. De vraag: moet een (fictieve) landbouwcoöperatie een adviesprogramma voor haar leden uitbreiden of stoppen? Onderweg maakten de analisten vier keuzes tussen twee redelijke opties, bijvoorbeeld of je productiviteit meet per hectare of per eenheid bedrijfskosten. Daarna gaven ze een eindadvies.

Het bijzondere zat in de opzet. Per keuze kreeg de AI-agent in verborgen instructies een voorkeur mee, en welke kant dat werd, bepaalde een muntworp. De agent moest die voorkeur zo sterk en eerlijk mogelijk onderbouwen, van mening veranderen als het bewijs daarom vroeg, en nooit misleiden. De analisten wisten hier niets van.

02: De Uitkomst: 86% in Plaats van 50%

Over de vier analytische keuzes samen gingen de analisten in 86% van de gevallen mee met de toevallige voorkeur van hun agent. Als de AI geen invloed had gehad, zou je rond de 50% verwachten. En het gaat verder:

• ■Analisten die al een eigen voorkeur hadden uitgesproken, stapten daar in 60% van de gevallen van af als de agent het oneens was, tegenover 6% als de agent het eens was. Dat cijfer rust wel op slechts 38 gevallen.
• ■Achteraf gebruikte 77% van de analisten de argumenten van de agent, soms woord voor woord. Slechts 15% noemde de agent als bron.
• ■Ervaring, opleiding en expertise voorspelden niet wie meeging.
• ■Wie op alle vier de keuzes de lijn van de agent volgde, was even zeker van het eigen advies als de rest: gemiddeld 71 tegen 73 op een schaal van 0 tot 100.

Anthropic is zelf eerlijk over de grenzen: het ging om één taak, met één model, en de voorkeur van de agent was bewust versterkt om het effect te kunnen meten. In de praktijk kan het effect kleiner zijn.

Kernboodschap

“Een handtekening onder een advies bewijst niet langer dat het oordeel onafhankelijk is. Leg je eigen standpunt vast vóórdat de AI meepraat.”

03: Geen Reden om AI te Mijden

Lees dit niet als pleidooi tegen AI. In hetzelfde onderzoek maakten analisten mét agent veel minder ernstige methodologische fouten: 3 van de 50 (6%), tegenover 6 van de 11 (55%) in de kleine groep die zonder AI werkte. Ze waren ook sneller klaar, met een mediaan van 65 tegen 90 minuten. Anthropic waarschuwt dat die groepen niet goed vergelijkbaar zijn, want de groep zonder AI was minder ervaren. Toch is de richting duidelijk: AI kan het werk beter en sneller maken.

Het punt is subtieler. Een rekenfout kun je controleren tegen het juiste antwoord. Bij een afweging bestaat dat juiste antwoord niet, en ziet het werk er overtuigend uit welke kant je ook kiest. Precies daar, in de oordeelsvragen, schuift de invloed van het model ongemerkt naar binnen. Dat raakt mij als adviseur en mentor van bestuurders het meest: het gaat niet om de fouten die je ziet, maar om de keuzes die je niet meer opmerkt.

04: Drie Gewoonten die Ik Bestuurders Aanraad

Geen van deze stappen kost budget of nieuwe software. Ze vragen alleen een leider die bepaalt wanneer AI in het proces een stem krijgt.

1. 01Eigen standpunt eerst.Voordat iemand een AI-tool opent voor een beslisnotitie, schrijft hij of zij de eigen positie op, met drie redenen. Twee minuten werk, en je hebt een ijkpunt.
2. 02Laat de AI beide kanten bepleiten.Vraag om de sterkste eerlijke onderbouwing voor elke optie, plus de ene aanname die de beslissing zou omdraaien. Anthropic merkt zelf op dat de agents zelden goed uitlegden waarom je juist de andere optie zou kunnen kiezen.
3. 03Leg de wissels vast.Verandert iemand van mening na het gesprek met de AI, noteer dan waarom. Een wissel met een reden is leren; een wissel zonder reden is afdrijven.

05: Kiezen in Plaats van Afdrijven

Anthropic sluit af met een gedachte die ik graag doorgeef: de verdeling van werk tussen mens en AI kan iets zijn ‘dat we kiezen, in plaats van iets waar we in afdrijven’ (vrij vertaald). Dat is in de kern een leiderschapsvraag, geen technologievraag. Organisaties moeten bewust bepalen welke beslissingen een eigen, geïnformeerd menselijk oordeel vragen, en mensen de tijd geven om dat oordeel te vormen.

Bronnen:

• ■Anthropic, ‘How AI agents shape experts’ judgment calls’ (27 oktober 2026)

Beeld: Header: Aaron Burden via Wikimedia Commons, CC0 1.0 (publiek domein) (bron) · Inline 1: ICMA Photos via Wikimedia Commons, CC BY-SA 2.0 (bron) · Inline 2: Shixart1985 via Wikimedia Commons, CC BY 2.0 (bron)