Wat AI niet kan

Waar gaat dit boek over?

Het Nederlandse AI-debat in managementkringen is de afgelopen twee jaar gedomineerd door één vraag: hoe krijg ik meer productiviteit uit deze technologie? De boeken schoten uit de grond, van Co-Intelligence van Ethan Mollick tot Leidinggeven met AI van Joris Merks-Benjaminsen, allemaal gefocust op de vraag hoe je de tool leert bespelen.

Wat AI niet kan draait die vraag om. Nick van Dam, hoogleraar aan Nyenrode en IE University en voormalig Chief Learning Officer bij McKinsey, gaat samen met vijf internationale co-auteurs op zoek naar wat er van de mens overblijft, en wat er zelfs waardevoller wordt, naarmate de rest van het werk versnelt.

Het antwoord is compact samen te vatten: de vijf I's (instinct, intuïtie, verbeelding, integriteit en identiteit) en de daaruit voortvloeiende vijftig menselijke vaardigheden, verdeeld over zes categorieën. Geen romantische ode aan de mens, maar een strategisch competentiedocument voor leidinggevenden en professionals die weten dat hun rol verandert en willen sturen op wat waardevast blijft.

Over de auteur

Nick van Dam heeft een ongebruikelijke combinatie op zijn cv: dertig jaar academisch werk over leren en leiderschap, gecombineerd met vijftien jaar bij McKinsey & Company, waar hij Global Chief Learning Officer was. Hij is nu hoogleraar aan Nyenrode Business Universiteit en aan IE University in Madrid, en publiceerde eerder werk over levenslang leren (Learn or Lose) en organisatieleren.

Die combinatie, academisch onderzoek plus corporate executive-ervaring, verklaart waarom het boek zowel conceptueel als bruikbaar is. Van Dam schrijft niet vanuit één silo. Hij weet hoe een competentieraamwerk in een academisch tijdschrift eruitziet, én hoe het in een bestuurskamer moet werken. Het boek gaat daarom niet alleen over "wat is waardevol", maar over "hoe krijg je dit in de programma's van je organisatie".

De vijf internationale co-auteurs brengen sectorale en geografische breedte. Dat voorkomt dat het een uitsluitend Nederlands of Europees perspectief wordt, en het zorgt dat voorbeelden uit zorg, onderwijs, industrie en publieke sector allemaal aan bod komen.

De vijf I's: het conceptuele hart

De kern van het boek laat zich op één bladzijde uittekenen. Alles wat AI moeilijk kan reproduceren valt volgens Van Dam terug op vijf menselijke capaciteiten, die zich elk lastig laten meten en juist daarom uit KPI's verdwijnen op het moment dat ze het meest nodig zijn.

• Instinct, de directe reactie op signalen die je bewust nog niet hebt verwerkt. In organisaties: aanvoelen dat een deal niet klopt, dat een team gaat wankelen, dat een klant al vertrokken is voordat hij het zelf weet.
• Intuïtie, snelle patroonherkenning van iemand met veel praktijk. Niet magisch, wel onbewust. Een ervaren arts, verkoper of leidinggevende ziet in seconden waar de amateur uren over doet.
• Verbeelding, het vermogen om iets te wensen of te ontwerpen dat nog niet bestaat. AI is uitstekend in variatie op wat wél bestaat, en zwak in wat nog nooit is bedacht.
• Integriteit, het vermogen om je te houden aan waarden ook als het je iets kost. Bijzonder in een tijd waarin het model, de KPI en de klant je vaak richting dezelfde comfortabele optie duwen.
• Identiteit, weten wie je bent en waar je voor staat als je functie om de zes maanden verandert. Zonder identiteit ben je een verzameling losse taken die iemand anders elk moment kan herverdelen.

Van Dam noemt dit geen "soft skills" maar inner leadership skills, een term die de lading beter dekt. Ze horen niet in het rijtje "aardig kunnen samenwerken", maar in het rijtje "de strategische capaciteit om richting te geven aan iets dat nog geen kaart heeft".

De zes categorieën in vogelvlucht

De vijftig vaardigheden zijn georganiseerd rond zes brede categorieën. Het is bewust een kaart, geen ladder: geen enkele categorie is belangrijker dan de andere, en de meeste rollen vragen om iets uit elke categorie.

1. Zelfleiderschap. Bewustzijn van je eigen werking, reflectie, focus, energie- en aandachtsmanagement. Wie deze vaardigheden mist, wordt door de tool bestuurd in plaats van andersom.
2. Denken en oordelen. Kritisch denken, complexiteit hanteren, hypotheses formuleren, tegenspraak durven zien, redeneren onder onzekerheid. Precies waar large language models plausibel maar ondiep zijn.
3. Verbeelding en creativiteit. Vragen stellen die nog niemand heeft gesteld, opties genereren voorbij het obvious, verbanden zien tussen ongerelateerde domeinen. AI kan helpen met combineren, niet met wensen.
4. Relationeel werken. Vertrouwen bouwen, moeilijke gesprekken voeren, luisteren voorbij de woorden, echt aanwezig zijn. De vaardigheden waar we tijdens de pandemie hard aan zijn herinnerd dat ze niet vanzelf komen.
5. Ethiek en integriteit. Waarden expliciet maken, dilemma's benoemen, verantwoordelijkheid nemen voor beslissingen die door een systeem zijn voorbereid maar door mensen worden ondertekend.
6. Betekenis en purpose. Verhalen vertellen, richting geven, betekenis toevoegen aan werk. De categorie die het snelst dun wordt als iedereen achter zijn scherm zit te prompten.

Elke categorie krijgt in het boek een eigen deel, met per vaardigheid een korte definitie, voorbeelden uit meerdere sectoren en reflectievragen. Wie het boek als naslagwerk gebruikt, kan zonder de rest te lezen bij één vaardigheid instappen.

De 7 lessen uitgewerkt

Les 1, Ken de vijf I's die AI niet overneemt

De grote fout in het huidige AI-debat is de framing als "mens versus machine". Van Dam breekt daarmee. Het gaat niet om vervanging, maar om werkverdeling. AI neemt werk over dat zich laat berekenen, en juist daardoor komt er ruimte, en druk, voor werk dat zich niet laat berekenen. Dat werk vraagt om de vijf I's.

De praktische winst zit in de taal. Zolang je zegt "wij als team moeten meer human skills ontwikkelen", is het onduidelijk waar je op stuurt. Als je zegt "wij moeten instinct terugwinnen op waar we het uitbesteed hebben en integriteit expliciet maken in onze governance", wordt het bespreekbaar.

Oefening. Loop de vijf I's langs jouw team of afdeling. Waar hebben jullie instinct verloren omdat data alles ontkoppelt van de klantrealiteit? Waar staat jullie intuïtie onder druk omdat junior mensen niet meer aan de basis meedraaien? Waar krimpt verbeelding doordat iedereen dezelfde prompts gebruikt? Waar geeft integriteit het op omdat "het systeem het zegt"? Wat gebeurt er met de identiteit van je functie als drie generatieve tools erin gaan snijden?

Les 2, Onderscheid berekenbare van oordeelsbeslissingen

De belangrijkste governance-vraag van de komende jaren is niet welke tools we mogen gebruiken, maar welke beslissingen we willen delegeren. Van Dam onderscheidt twee types:

• Berekenbare beslissingen. Er is een gedeelde definitie van "goed", genoeg data, en het gevolg is omkeerbaar. Voorraadbeheer, prijsdifferentiatie op massaproducten, routine risk-scoring. Delegeer aan het systeem.
• Oordeelsbeslissingen. Er is geen gedeelde definitie van "goed", waarden botsen, en het gevolg is (deels) onomkeerbaar. Wie mag hier werken? Wanneer sluit ik een deal die niet fair voelt? Hoe zwaar weeg ik het lange-termijnbelang? Blijft bij jou.

Wie dit onderscheid niet expliciet maakt, laat AI over dingen beslissen die AI niet kán beslissen, niet omdat het niet slim genoeg is, maar omdat er geen "juist antwoord" bestaat dat een model kan berekenen.

Praktische opdracht. Kies drie beslissingen die je afgelopen kwartaal hebt genomen. Waren ze berekenbaar of oordeelsbeslissingen? Wie nam ze feitelijk (jij, je team, een systeem, een externe partij)? Waar wringt dat?

Les 3, Bouw intuïtie op als deskundige, niet als amateur

Een verontrustende bijwerking van AI-augmentatie is de erosie van de leercurve. Als een AI-assistent junior-werk direct oplevert, verdwijnt de fase waarin professionals de ervaring opdoen die later de basis is voor hun intuïtie. Radiologen die vroeger duizenden scans zelf moesten interpreteren, doen dat nu met een pre-diagnose van het model. Consultants stellen minder eigen presentaties op. Codeurs schrijven minder handmatige code.

Op korte termijn winst, op lange termijn een probleem: over tien jaar heeft de senior van dan de intuïtie niet, omdat hij nooit de amateurjaren heeft doorleefd. Van Dam noemt dit het intuïtiedeficit, en het is een organisatie-issue, geen individueel probleem.

De oplossing is bewuste rijkere leerpaden. Zorg dat junioren onderdelen zonder AI doen. Bouw in dat mensen periodiek zonder tool werken. Vraag na een AI-ondersteunde output altijd: "wat zou jij zelf hebben besloten en waarom?".

Vuistregel. Als jouw team senior professionals afleveren de norm is, meet dan niet alleen output, maar ook de leerkilometer per project.

Les 4, Verbeelding is het menselijke deel van innovatie

Van Dam maakt een scherp onderscheid tussen combineren en wensen. Combineren is variatie op bestaande elementen. Wensen is bedenken dat er iets zou moeten zijn dat er nog niet is. Modellen zijn briljant in het eerste en zwak in het tweede.

Een concreet voorbeeld: vraag een generatief model om vijftig marketingcampagnes voor je product. Je krijgt vijftig variaties op ongeveer hetzelfde thema. Vraag een klein team creatieven om te bedenken welke categorie er nog niet bestaat, en je krijgt drie ideeën waarvan er twee slecht zijn, maar het derde je business kan verplaatsen.

Verbeelding is fragiel. Het overleeft niet in tijdsdruk, groepsconsensus en KPI-cultuur. Het vraagt om ruimte, spelen zonder onmiddellijke uitkomst, en de bereidheid om iets te verwoorden dat de rest van de vergadering vaag vindt. Als je organisatie dat niet meer toelaat, laat je verbeelding aan concurrenten die dat wel doen.

Oefening. Beleg één vergadering per kwartaal die expliciet niet mag eindigen in een beslissing. Alleen verkennen, alleen wensen, geen actie. Klinkt inefficiënt, is investering.

Les 5, Integriteit vraagt om ongemakkelijke keuzes, geen richtlijn

De AI-golf maakt integriteit belangrijker én lastiger. Belangrijker, omdat modellen beslissingen voorbereiden die mensen moeten ondertekenen. Lastiger, omdat een systeem-aanbeveling voelt als een objectief antwoord, en daar tegenin gaan voelt als weerbarstig zijn.

Van Dam onderscheidt twee soorten integriteitsproblemen:

• Passieve integriteitsbreuk. Je tekent iets af waarvan je vermoedt dat het niet klopt, omdat de tool het zegt, iedereen het zegt, en de KPI het beloont.
• Actieve integriteitskeuze. Je stopt een besluit, benoemt je twijfel, of accepteert een tragere uitkomst omdat de snelle uitkomst niet strookt met je waarden.

Ethische richtlijnen helpen niet tegen het eerste type. Sterker, ze kunnen worden nageleefd zonder dat iemand begrijpt waarom. Wat wél helpt: het vermogen om hardop te twijfelen, structureel ruimte inbouwen voor tegenspraak, en integriteitsdilemma's expliciet bespreekbaar maken voordat de tool ze voor je invult.

De kernvraag. Wanneer heb jij voor het laatst een tool-aanbeveling actief tegengehouden omdat je vond dat hij niet paste bij waar je organisatie voor staat?

Les 6, Identiteit is het anker in een AI-augmented rol

Rollen veranderen sneller dan functieomschrijvingen. Een marketeer van 2022 doet in 2026 half ander werk. Een developer, een tekstschrijver, een analist, een klantcontact-medewerker, allemaal: het pakket verschuift, soms per kwartaal. Wat blijft is wie je bent, welke waarden je vertegenwoordigt en welke bijdrage je wilt leveren, ongeacht welke onderdelen van het werk deze week door een tool worden gedaan.

Van Dam koppelt identiteit expliciet aan werkzekerheid. Wie zijn identiteit gelijkstelt aan zijn takenpakket, wordt door elke tool-update in verwarring gebracht. Wie zijn identiteit koppelt aan een bredere bijdrage ("ik help mensen goed onderbouwde beslissingen nemen", "ik zorg dat producten kloppen met wat klanten echt nodig hebben"), kan taken verplaatsen zonder zijn kern kwijt te raken.

Dat is geen semantiek. Het is de zelfregie-vaardigheid van de komende jaren.

Praktische opdracht. Schrijf in drie zinnen op wat jij bijdraagt, zonder je huidige takenpakket te noemen. Kun je dat niet? Dan word je bij de volgende reorganisatie of tool-introductie in je zenuwen geraakt.

Les 7, Ontwikkel menselijke vaardigheden bewust, niet toevallig

De laatste les is de meest praktische en de moeilijkste in te bouwen. Technische vaardigheden ontwikkelen zich vanzelf: elke tool komt met tutorials, elk platform met certificeringen, elke functie met een leercurve. Menselijke vaardigheden ontwikkelen zich niet vanzelf. Ze ontwikkelen zich als je ze bewust oefent, in situaties waarin ze ertoe doen, met feedback van iemand die ziet wat je doet.

Van Dam pleit voor drie dingen:

1. Expliciete opname in ontwikkelplannen. Naast technische doelen ook doelen op relationeel werken, ethisch oordeel, verbeelding. Niet vaag, wel specifiek: "ik voer dit kwartaal drie ongemakkelijke gesprekken en vraag na elk feedback".
2. Menselijke feedback op menselijke vaardigheden. Een tool kan je niet vertellen of jij groeit in luisteren of tegenspraak durven bieden. Dat kan alleen een collega, coach of leidinggevende die je in situatie ziet.
3. Ruimte voor reflectie. Elke week een half uur, elk kwartaal een halve dag. Klinkt onhaalbaar, is de goedkoopste investering die je in jezelf en je team kunt doen.

Waarschuwing. Menselijke vaardigheden verliezen zich sluipsgewijs. Je merkt het pas als je ze nodig hebt en ontdekt dat ze weg zijn. Dan is het reparatiewerk vele malen duurder dan onderhoud.

Het reflectiewerkblad: zes vragen voor jouw team

De rode draad van Wat AI niet kan laat zich vertalen naar een compact ritueel. Doe dit één keer per kwartaal met je team, hardop, op één A4.

1. Welke beslissingen laten we sinds de laatste ronde over aan een systeem? Zijn dat berekenbare of oordeelsbeslissingen? Waar wringt dat?
2. Waar hebben we intuïtie verloren? In welk deel van ons werk oefenen we niet meer, omdat een tool het overneemt?
3. Wat is de laatste keer dat iemand hier een idee inbracht dat de tool niet had kunnen genereren? Wat zegt dat over onze verbeeldingsruimte?
4. Waar hebben we een aanbeveling gevolgd die eigenlijk niet paste? En waarom stopten we hem niet?
5. Wat is de bijdrage van dit team los van de taken die we deze maand uitvoeren? Zouden we dat ook kunnen verwoorden als het pakket morgen verschuift?
6. Welke menselijke vaardigheid gaan we het komende kwartaal expliciet oefenen? Met wie, met welke feedback, en hoe merken we dat het werkt?

Zes vragen, dertig minuten, elk kwartaal. Dat is genoeg om de vijf I's niet stilzwijgend te laten verdampen.

Drie scenario's: hoe het boek in de praktijk werkt

Scenario 1: de HR-directeur die het competentiehuis moet herzien

Je bent HR-directeur van een middelgroot bedrijf. Je competentiehuis is vier jaar oud. Iedereen voelt dat het niet meer klopt met de rollen die AI aan het reshapen is. Je hebt drie maanden en een bestuur dat "iets met AI-vaardigheden" verwacht.

Klassieke aanpak. Je bouwt een AI-competentiemodel: prompt engineering, tool literacy, workflow-integratie. Handig, maar over anderhalf jaar achterhaald: de tools zijn dan anders en de rollen ook.

Wat AI niet kan-aanpak. Naast een dun laagje AI-tool-vaardigheden zet je de vijf I's en de zes categorieën als duurzame kern van je model. Die veranderen niet met elke tool-update. Prompt engineering wordt training, kritisch denken wordt competentie. Je bouwt zo een competentiehuis dat drie tool-generaties overleeft, niet één.

Het gesprek in de bestuurskamer wordt daarmee anders: niet "welke tool leren we", maar "welke oordeelsvermogens borgen we, ook al veranderen alle tools eronder".

Scenario 2: de teamleider die AI-adoptie moet versnellen zonder ziel te verliezen

Je leidt een team van vijftien professionals. Het bestuur wil productiviteitswinst uit AI. Je merkt dat de gesprekken in het team dunner worden: iedereen doet zijn taken sneller, maar denk-werk gebeurt minder samen.

Valkuil. Je pusht meer tool-adoptie. Productiviteit gaat omhoog, betrokkenheid verder omlaag. Een topper vertrekt.

Aanpak. Je koppelt tool-adoptie expliciet aan een menselijk contrarituelen: één vergadering per week zonder scherm, één peer review per twee weken over een ongemakkelijke beslissing, één brainstorm per maand zonder AI-hulp. Je legt uit waarom: de tool wint tijd terug die het team moet investeren in de vaardigheden waar het team op wordt beoordeeld op langere termijn.

Je definieert menselijke vaardigheden als werktijd, niet als extraatje. Dat is de enige manier waarop ze overleven.

Scenario 3: de eigenaar van een kennisintensieve MKB die niet weet wat overblijft

Je hebt een adviesbureau van twaalf mensen. Klanten vragen om AI-oplossingen. Je adviseurs merken dat modellen 60% van hun huidige werk kunnen genereren. De vraag komt boven tafel: waar zit onze toegevoegde waarde nog?

Aanpak. Je gebruikt het boek als strategisch werkboek, niet als managementbespreking. Je zet met je team op een A4:

• Welke van onze diensten zijn berekenbaar en dus door AI beconcurreerd?
• Welke van onze diensten leunen op oordeel, integriteit, intuïtie of verbeelding, en zijn dus juist waardevoller geworden?
• Waar gaan we in investeren, waar bouwen we af, en hoe communiceren we dat naar de klant?

Dat gesprek is oncomfortabel, maar noodzakelijk. Wie het niet voert, laat de markt het voor hem beslissen.

Vier prompts om dit boek toe te passen met AI

De ironie van Wat AI niet kan is dat de principes uit het boek scherper worden als je ze ondersteunt met AI zelf, niet om je te vervangen, maar om je te dwingen preciezer te formuleren wat wél van jou blijft. Vier promptsjablonen om direct te gebruiken.

Prompt 1, Persoonlijke inventarisatie van de vijf I's

Je bent een organisatiepsycholoog gespecialiseerd in AI-augmented
werken.

Ik ga je vertellen wat mijn rol is en hoe mijn week eruitziet.
Op basis daarvan analyseer je:
- Op welke van de vijf I's (instinct, intuïtie, verbeelding,
  integriteit, identiteit) leun ik nu al bewust?
- Welke van deze vijf raak ik onbewust kwijt door de manier waarop
  ik AI-tools gebruik?
- Welke twee zou ik het meest waard zijn om komende zes maanden
  bewust te versterken, en waarom?

Sluit af met vijf reflectievragen die ik alleen voor mezelf hoef
te beantwoorden.

Mijn rol en week:
[beschrijf in 5-10 zinnen]

Prompt 2, Onderscheid berekenbare van oordeelsbeslissingen

Ik geef je een lijst van beslissingen die ik afgelopen kwartaal
heb genomen of gedelegeerd.

Voor elke beslissing:
- Is het een berekenbare beslissing (gedeelde definitie van goed,
  genoeg data, omkeerbaar gevolg) of een oordeelsbeslissing
  (waarden botsen, onzekere uitkomst, deels onomkeerbaar)?
- Was mijn feitelijke aanpak passend bij dit type?
- Wat is mijn risico als ik het op dezelfde manier blijf doen?

Beslissingen:
1. [beslissing 1]
2. [beslissing 2]
3. [beslissing 3]
...

Prompt 3, Team-diagnose op menselijke vaardigheden

Ik leid een team van [x] professionals in [sector/rol].
We werken sinds [tijd] intensief met AI-tools voor [taken].

Help mij een diagnose te maken van hoe mijn team scoort op de zes
categorieën uit Wat AI niet kan van Nick van Dam:
1. Zelfleiderschap
2. Denken en oordelen
3. Verbeelding en creativiteit
4. Relationeel werken
5. Ethiek en integriteit
6. Betekenis en purpose

Geef per categorie:
- Twee signalen die ik zou kunnen zien als deze categorie sterk is
- Twee signalen die ik zou kunnen zien als deze categorie zwak is
- Één concrete interventie die ik als leidinggevende kan doen

Sluit af met de twee categorieën die volgens jou statistisch het
snelst eroderen bij AI-adoptie, en waarom.

Prompt 4, Identiteit voorbij het takenpakket

Ik werk momenteel als [rol] bij [type organisatie]. Mijn
belangrijkste taken zijn:
- [taak 1]
- [taak 2]
- [taak 3]

Help mij mijn bijdrage te formuleren los van deze taken:
- Welke onderliggende waarde lever ik feitelijk aan klanten,
  collega's of de organisatie?
- Hoe zou ik dat in drie zinnen kunnen uitleggen aan iemand die
  mijn functie niet kent?
- Welke elementen daarvan blijven relevant als 40-60% van mijn
  huidige taken de komende drie jaar door AI wordt overgenomen?
- Welke stap zou ik nu al kunnen zetten om die kern te
  versterken, ongeacht welke tools morgen komen?

Vergelijking met andere boeken over AI en menselijkheid

Wat AI niet kan staat niet alleen. Sinds 2024 is er een duidelijk subgenre ontstaan van boeken die AI-productiviteit koppelen aan menselijk leiderschap. Elk heeft een eigen invalshoek en aanvult op wat de andere niet doen.

Leidinggeven met AI, Joris Merks-Benjaminsen

Merks-Benjaminsen zit dichter op de dagelijkse praktijk van de leidinggevende: hoe gebruik je AI om je eigen leiderschap te versterken, met concrete prompts en tijdsplanning. Waar Van Dam een strategische competentiekaart tekent, geeft Merks-Benjaminsen een tactisch werkboek. Beste combinatie: lees Merks-Benjaminsen om deze week te beginnen, lees Van Dam om de komende drie jaar te plannen.

Co-Intelligence, Ethan Mollick

Mollick, hoogleraar aan Wharton, was in 2024 het internationale referentiepunt voor "AI als collega". Zijn boek beschrijft de werkstijl van mens-met-AI. Wat AI niet kan beschrijft de vaardighedenagenda die daaruit voortkomt. Wie Mollick heeft gelezen, vindt bij Van Dam de gestructureerde consequentie voor zijn eigen ontwikkeling.

Menswaardige AI, Patrick Petersen & Rik Vera

Petersen en Vera zoomen sterker in op de ethiek en de organisatiecultuur die rondom AI-implementatie moet worden opgebouwd. Wat AI niet kan is complementair: waar Petersen en Vera de organisatiekaders behandelen, geeft Van Dam de individuele en teamcompetenties die daarbinnen ontwikkeld moeten worden.

Modern leiderschap is geen algoritme, Jolanda ter Maten

Ter Maten schrijft compacter en kritischer: haar centrale claim is dat AI-investeringen sneuvelen op cultuur en leiderschap, niet op techniek. Wat AI niet kan geeft de vaardighedenagenda voor precies dat menselijk leiderschap. Ter Maten geeft de diagnose, Van Dam levert het ontwikkelplan.

Superagency, Reid Hoffman

Hoffman schrijft met het optimisme van een Silicon Valley-investeerder en betoogt dat AI menselijke agency versterkt in plaats van vermindert. Wat AI niet kan deelt dat optimisme, maar is empirischer en dichter op de HR- en L&D-praktijk. Beste combinatie: Hoffman voor het brede maatschappelijke verhaal, Van Dam voor wat je maandag op kantoor doet.

Welk boek wanneer?

Wat zoek je?	Pak dit boek
Vaardighedenagenda voor jezelf en je team	Wat AI niet kan
Praktische leidinggevende-tools met AI	Leidinggeven met AI
Werkstijl mens + AI, internationaal	Co-Intelligence
Ethiek en organisatiekaders voor AI	Menswaardige AI
Kritische diagnose van AI-adoptie	Modern leiderschap is geen algoritme
Optimistisch maatschappelijk perspectief	Superagency

Sterke punten

De grootste kracht is het framework-karakter. Waar veel AI-boeken hun houdbaarheid verliezen zodra de tools veranderen, blijft de vijf I's-taxonomie relevant onafhankelijk van welk model op dat moment dominant is. Voor HR-, L&D- en organisatieontwikkelaars is dat een cadeau: eindelijk een structuur waaraan je competentieprogramma's kunt ophangen zonder over zes maanden opnieuw te beginnen.

Daarnaast doet het boek iets moedigs voor de Nederlandse markt: het weigert het populaire "AI gaat alles overnemen"-narratief én het even populaire "AI is gevaarlijk"-narratief. Het gaat rustig zitten in het midden en formuleert wat er, wat er ook gebeurt, van de mens gevraagd blijft. Dat middenframe is precies wat een bestuurder nodig heeft om een goede beslissing te nemen zonder in het volgende hypeverhaal mee te gaan.

Zwakke punten

De keuze voor breedte (vijftig vaardigheden, zes categorieën, vijf I's) gaat ten koste van de diepte per element. Wie op zoek is naar het definitieve hoofdstuk over integriteit in het AI-tijdperk, moet aanvullend werk lezen. Van Dam schetst waar het over gaat, maar geeft je niet de volledige theorie.

Verder is de titel Wat AI niet kan scherper dan de inhoud. Sommige van de genoemde vaardigheden, zoals patroonherkenning of variatie op ideeën, kan AI verrassend goed benaderen. Het echte verschil zit vaak niet in wat AI niet kán, maar in wat we AI niet zouden moeten laten doen. Die normatieve dimensie krijgt in het boek minder aandacht dan hij verdient.

Ten slotte laat het boek de machtsdimensie grotendeels liggen. Wie besluit welke beslissingen berekenbaar zijn en welke oordeel vragen? Wie profiteert als een organisatie intuïtie uitbesteedt aan systemen? Dat zijn politieke vragen die Wat AI niet kan signaleert maar niet uitwerkt. Aanvullend werk vindt de lezer bij Karen Hao (Empire of AI) en Yuval Noah Harari (Nexus).

Mijn oordeel

Wat AI niet kan is geen boek dat het AI-debat op scherp zet, en het probeert dat ook niet. Wat Van Dam en zijn co-auteurs hebben gedaan is bescheidener en juist daarom bruikbaar: ze hebben een vaardighedenkaart getekend die drie tool-generaties zal overleven, in taal die zowel de directie als het L&D-team kunnen gebruiken.

De grootste verdienste is dat het boek de discussie verplaatst. Weg van "hoe leer ik prompting" naar "welke menselijke oordeelsvermogens borgen we structureel". Dat is precies de bespreking die in Nederlandse bestuurskamers de komende jaren moet plaatsvinden, en het is fijn dat er nu een gemeenschappelijke taal voor bestaat.

De beperkingen zijn eerlijk. Wie een technisch, activistisch of diep filosofisch boek zoekt, moet elders zijn. Wie Co-Intelligence al grondig heeft gelezen en de vaardighedenagenda vanzelf kon afleiden, vindt hier weinig verrassingen, wel een prettig geordende weerlegging. En de vijf I's zijn een frame, geen wet: over vijf jaar zullen we andere accenten leggen.

Koop dit boek als…

• Je HR-, L&D- of organisatieontwikkelaar bent en je competentiemodel moet herzien op AI
• Je een team leidt en merkt dat menselijk contact dun wordt terwijl productiviteit stijgt
• Je bestuurder bent en behoefte hebt aan taal voor "wat borgen we, ongeacht welke tool"
• Je zelf wilt inventariseren op welke van de vijf I's je leunt en welke je onbewust verliest
• Je een gestructureerd naslagwerk zoekt voor de vaardighedenagenda in een AI-augmented rol

Sla dit boek over als…

• Je een technische handleiding zoekt voor prompting, agent-architectuur of tool-selectie
• Je op zoek bent naar een activistische AI-kritiek, kies dan Empire of AI of AI Snake Oil
• Je Co-Intelligence van Ethan Mollick al hebt gelezen en de logische vaardighedenagenda vanzelf trekt
• Je hoofdzakelijk het politieke en maatschappelijke gesprek over AI wilt volgen, kies dan Nexus van Harari

Eindscore

Criterium	Score
Praktische toepasbaarheid	7/10
Leesbaarheid	8/10
Originaliteit	7/10
Geschikt voor beginners	8/10
Algeheel oordeel	7,5/10

Een aanrader voor het brede middensegment van leidinggevenden, HR-professionals en organisatieontwikkelaars die niet zoeken naar de volgende tool, maar naar een duurzame competentiekaart voor de komende jaren. Voor de investering van een langer weekend lezen krijg je een taal en een structuur die drie tool-generaties zal overleven.

Transparantie: Deze bespreking is geschreven op basis van publiek beschikbare uitgeversinformatie, achtergronden van Nick van Dam (Nyenrode, IE University, voormalig Global CLO McKinsey) en publiek gemaakte kernbegrippen uit het boek (de vijf I's, de zes categorieën, de vijftig vaardigheden). Uitgewerkte oefeningen, scenario's, promptsjablonen en het reflectiewerkblad zijn onze eigen vertaling van de principes naar de Nederlandse managementpraktijk.