AI maakt het makkelijker om deskundig te klinken. Maar niet om deskundig te zijn.
Door Tijmen Coemans · WeHeal
Dankzij AI is het makkelijker dan ooit om deskundig over te komen. Stel een vraag over gezondheid, training of herstel en binnen enkele seconden verschijnt er een uitgebreid antwoord. Vaak goed geschreven, logisch opgebouwd en voorzien van professionele terminologie. Soms zelfs met verwijzingen naar wetenschappelijk onderzoek.
En dat is indrukwekkend. Maar er is iets wat me steeds meer bezighoudt.
Het wordt steeds makkelijker om kennis te presenteren. Maar betekent dat ook dat we beter begrijpen waarover we praten?
Volgens mij zit daar een belangrijk verschil. Niet alleen voor mensen die AI gebruiken, maar ook voor professionals die dagelijks beslissingen nemen over de gezondheid van anderen.
Het verschil tussen iets weten en iets begrijpen
We hebben tegenwoordig toegang tot een enorme hoeveelheid informatie. Waar je vroeger boeken moest lezen, opleidingen moest volgen of een specialist moest raadplegen, kun je nu binnen enkele seconden uitleg krijgen over vrijwel ieder onderwerp.
Dat vind ik een positieve ontwikkeling. Mensen kunnen zich beter informeren over hun gezondheid. Sporters kunnen meer leren over training en herstel. En professionals kunnen technologie gebruiken om nieuwe inzichten te ontdekken en hun eigen kennis kritisch te toetsen.
Maar toegang tot informatie is nog niet hetzelfde als begrip.
Je kunt precies weten welke woorden je moet gebruiken, zonder voldoende te begrijpen wat ze betekenen. Je kunt een overtuigende verklaring geven, zonder te herkennen welke informatie nog ontbreekt. En je kunt een advies formuleren dat logisch klinkt, terwijl het helemaal niet aansluit op de persoon voor wie het bedoeld is.
Informatie vertelt je wat mogelijk relevant is. Deskundigheid helpt je beoordelen wat in deze situatie daadwerkelijk relevant is.
En dat vraagt meer dan alleen kennis.
Een overtuigend antwoord is nog geen goed antwoord
Stel dat iemand al maanden last heeft van terugkerende rugklachten. Die persoon vraagt AI wat de oorzaak kan zijn.
Binnen enkele seconden verschijnt een uitgebreide lijst met mogelijke verklaringen: spierbelasting, bewegingspatronen, verminderde belastbaarheid, slaap, stress en herstel. Allemaal factoren die, afhankelijk van de situatie, een rol kunnen spelen.
Het antwoord kan overzichtelijk zijn, goed onderbouwd lijken en bijzonder overtuigend klinken. Maar daarmee weten we nog niet wat er bij deze persoon daadwerkelijk speelt.
Misschien is er sprake van een relatief onschuldige klacht die met de tijd en passende belasting verbetert. Misschien spelen meerdere factoren tegelijkertijd een rol. Misschien ontbreekt er belangrijke informatie. Of misschien zijn er signalen waarvoor eerst een medische beoordeling nodig is.
Dat onderscheid maak je niet door simpelweg de meest aannemelijke verklaring te kiezen. Daarvoor moet je vragen stellen, informatie verzamelen, hypotheses toetsen en soms erkennen dat je het antwoord nog niet hebt.
Een verklaring kan logisch klinken zonder dat ze voor deze persoon klopt.
Dat risico bestaat overigens niet alleen bij AI. Ook professionals kunnen te snel conclusies trekken. Sterker nog, ervaring kan soms juist een valkuil worden. Wanneer je een bepaald probleem al honderden keren hebt gezien, is het verleidelijk om een nieuwe situatie direct te herkennen als iets bekends.
Maar herkenning is nog geen bevestiging. Ervaring is waardevol, alleen wordt die pas echt waardevol wanneer je bereid blijft om je eigen aannames ter discussie te stellen.
Wat maakt iemand dan werkelijk deskundig?
Ik denk dat deskundigheid uit meer bestaat dan veel weten. Natuurlijk zijn kennis, opleiding en ervaring belangrijk. Maar minstens zo belangrijk is wat je ermee doet.
Kun je beoordelen welke informatie relevant is? Kun je onderscheid maken tussen een aannemelijke verklaring en iets wat daadwerkelijk onderbouwd is? Herken je wanneer een situatie afwijkt van wat je verwacht? En durf je toe te geven wanneer je iets nog niet weet?
Dat laatste vind ik misschien wel een van de belangrijkste eigenschappen.
Online associëren we deskundigheid vaak met zekerheid. Iemand die overtuigend spreekt, duidelijke antwoorden geeft en precies lijkt te weten hoe iets werkt, komt al snel deskundig over. Maar in de praktijk zijn goede antwoorden lang niet altijd zo zwart-wit. Zeker niet wanneer het gaat over gezondheid en het menselijk lichaam.
Twee mensen kunnen vergelijkbare klachten ervaren, terwijl hun situatie en behoeften sterk verschillen. Twee sporters kunnen hetzelfde trainingsschema volgen en toch anders reageren op de trainingsbelasting. En een aanpak die voor de één uitstekend werkt, hoeft voor de ander helemaal niet passend te zijn.
Deskundigheid betekent niet dat je altijd direct het juiste antwoord hebt. Het betekent dat je weet hoe je zorgvuldig tot een antwoord komt.
En dat je weet wanneer verder onderzoek, aanpassing van je oordeel of doorverwijzing nodig is.
Ook mijn eigen kijk op deskundigheid is veranderd
Toen ik in 2010 als fysiotherapeut begon, was ik vooral bezig met het leren van technieken en behandelmethoden. Ik wilde begrijpen welke behandeling bij welk probleem hoorde. Welke techniek werkte het beste? Welke oefeningen moest iemand doen? En hoe kon ik iemand zo snel mogelijk van zijn klachten afhelpen?
In de jaren daarna verdiepte ik me steeds verder in verschillende behandelmethoden, bewegingsanalyse, krachttraining en fysieke prestaties. Dat leverde me veel nieuwe kennis en inzichten op.
Maar naarmate ik meer leerde, merkte ik ook iets anders. Geen enkele techniek of methode bleek op zichzelf het volledige antwoord te bieden.
Ik ging me steeds vaker afvragen waarom iemand bepaalde klachten ontwikkelde. Waarom dezelfde aanpak bij de ene persoon goed werkte en bij de andere nauwelijks resultaat opleverde. En waarom iemand soms tijdelijk verbeterde, maar uiteindelijk toch weer met dezelfde klachten terugkwam.
Mijn aandacht verschoof daardoor. Van zoeken naar de beste behandeling naar beter begrijpen welke factoren in een specifieke situatie werkelijk relevant waren. Van zoveel mogelijk antwoorden verzamelen naar leren welke vragen ik eerst moest stellen. En van één probleem behandelen naar de persoon en zijn bredere situatie begrijpen.
Die ontwikkeling vormt inmiddels de basis van mijn manier van werken.
Niet omdat ik nu altijd weet wat iemand nodig heeft, maar juist omdat ik steeds beter ben gaan begrijpen hoe belangrijk het is om niet te snel te denken dat je dat al weet.
Misschien maakt AI goede specialisten juist beter
Ik zie AI niet uitsluitend als een bedreiging voor professionele deskundigheid. Integendeel. Ik denk dat het een bijzonder waardevol hulpmiddel kan zijn.
AI kan helpen om informatie sneller te verzamelen, complexe onderwerpen vanuit verschillende perspectieven te bekijken en nieuwe vragen te formuleren. Het kan je ook helpen je eigen redenering kritisch te onderzoeken. Heb ik iets over het hoofd gezien? Welke andere verklaringen zijn mogelijk? Welke aannames maak ik eigenlijk?
Maar dat werkt alleen wanneer je de uitkomsten kritisch blijft beoordelen.
AI kan namelijk ook antwoorden produceren die onjuist, onvolledig of niet toepasbaar zijn. En juist wanneer je weinig van een onderwerp weet, kan het lastig zijn om dat onderscheid te maken.
Daar zit voor mij de interessante paradox.
Dezelfde technologie die iemand zonder veel vakkennis kan helpen om deskundig over te komen, kan een ervaren professional ook helpen om beter na te denken.
Het verschil zit niet alleen in de technologie, maar in de manier waarop iemand de informatie beoordeelt, toepast en verantwoordelijkheid neemt voor het uiteindelijke advies.
Dat betekent niet dat iemand met een diploma automatisch gelijk heeft. Of dat iemand zonder formele opleiding geen waardevolle kennis kan ontwikkelen. Het betekent vooral dat deskundigheid meer vraagt dan overtuigingskracht.
Kennis. Ervaring. Kritisch denken. Zelfreflectie. En de bereidheid om je mening bij te stellen wanneer nieuwe informatie daarom vraagt.
Wat betekent dat voor jouw gezondheid?
Die gedachte gaat voor mij veel verder dan AI. Ook in de gezondheidszorg zijn we vaak gericht op het vinden van een antwoord.
Welke oefening helpt tegen mijn rugklachten? Welke behandeling werkt het beste voor mijn schouder? Welk trainingsschema moet ik volgen om sterker of sneller te worden?
Dat zijn begrijpelijke vragen. Maar voordat je ze goed kunt beantwoorden, moet je vaak eerst iets anders onderzoeken.
Wat speelt hier eigenlijk? En wat moeten we begrijpen voordat we kunnen bepalen wat verstandig is?
Neem twee sporters die allebei last krijgen van hun knie tijdens het hardlopen. Bij de één kan een verandering in trainingsbelasting een belangrijke rol spelen. Bij de ander kunnen bijvoorbeeld kracht, belastbaarheid, herstel of andere factoren meer aandacht vragen.
De klacht lijkt misschien op elkaar, maar dat betekent niet dat de aanpak hetzelfde moet zijn.
Daarom kijken we bij WeHeal vanuit drie samenhangende perspectieven: Lokaal · Globaal · Totaal.
Lokaal onderzoeken we wat er speelt rondom de klacht of beperking. Globaal kijken we naar beweging, kracht, fysieke capaciteit en de belasting die iemand moet kunnen verdragen. En vanuit het totale perspectief betrekken we factoren zoals training, herstel, slaap en leefstijl wanneer die relevant zijn.
Niet omdat alles altijd een probleem is, maar omdat je eerst moet onderzoeken wat belangrijk is voordat je bepaalt waar je aandacht aan gaat besteden.
Dat vormt ook de kern van onze visie bij WeHeal.
Minder behandelen. Meer begrijpen.
De vraag achter het antwoord
Ik denk dat we de komende jaren steeds beter worden in het vinden en formuleren van antwoorden. AI zal daarin ongetwijfeld een grote rol spelen. Maar misschien wordt het daardoor juist belangrijker om te herkennen wanneer een antwoord nog niet voldoende is.
Wanneer we te snel een conclusie trekken. Wanneer we belangrijke informatie missen. En wanneer een standaardoplossing onvoldoende rekening houdt met de persoon tegenover ons.
Voor mij is dat uiteindelijk waar deskundigheid om draait. Niet zoveel mogelijk antwoorden paraat hebben, maar begrijpen welke vragen je moet stellen, welke informatie je nodig hebt en hoe je tot een zorgvuldig oordeel komt.
Want een goed antwoord begint niet altijd met meer kennis. Soms begint het met erkennen dat je nog niet genoeg weet.
De toekomst van deskundigheid
Ik verwacht dat AI een steeds grotere rol gaat spelen in hoe we leren, werken en beslissingen nemen. En ik zie daar vooral veel mogelijkheden in.
Maar ik hoop dat we daardoor niet alleen sneller toegang krijgen tot informatie. Ik hoop vooral dat we beter worden in het beoordelen ervan.
Want naarmate het makkelijker wordt om deskundig te klinken, wordt het belangrijker om deskundigheid niet alleen aan uitstraling of overtuigingskracht af te meten, maar aan de kwaliteit van de vragen, de onderbouwing van antwoorden en de bereidheid om onzekerheid te erkennen.
Misschien wordt de belangrijkste eigenschap van een goede specialist uiteindelijk niet hoeveel antwoorden hij direct kan geven, maar hoe goed hij kan beoordelen wanneer een antwoord klopt, wanneer het tekortschiet en wanneer er eerst meer begrepen moet worden.
Want kennis kunnen presenteren is iets anders dan begrijpen. En overtuigend klinken is nog niet hetzelfde als gelijk hebben.
Eerst begrijpen. Dan bepalen wat nodig is.
Bij WeHeal geloven we dat goede begeleiding begint met de juiste vragen. Niet met een standaardbehandeling of een kant-en-klaar schema, maar met inzicht in jouw persoonlijke situatie.
Daarom ontwikkelden we de Blueprint: een persoonlijk onderzoek waarmee we relevante factoren in kaart brengen en vertalen naar drie prioriteiten en een concreet plan voor jouw herstel of prestaties.
Tijmen Coemans is fysiotherapeut, manueeltherapeut en oprichter van WeHeal. Hij heeft ruim 15 jaar praktijkervaring. Dit artikel is educatief en is geen persoonlijk trainings- of medisch advies.