In het Nederlandse medisch onderwijs zijn we gewend om in toevertrouwen te denken. Een aios krijgt een activiteit niet omdat het derde jaar is begonnen, maar omdat een supervisor heeft gezien dat zij de kleinere versie ervan goed doet. EPA’s, bekwaamverklaringen, niveaus van supervisie: het hele bouwwerk gaat ervan uit dat autonomie wordt verdiend met zichtbaar bewijs.

Bij generatieve AI laten we dat principe opvallend vaak los. De vraag die opleidingen stellen is meestal: mogen studenten AI gebruiken? En het antwoord is dan een regel per studiejaar. Dat is merkwaardig, want we weten al hoe het beter kan.

Abstracte vlakke illustratie: een kleine menselijke figuur met een vergrootglas buigt zich over de wirwar van verbindingslijnen tussen een vraag en een groot oplichtend antwoordblok, en bekijkt de route in plaats van het resultaat, paars-wit palet, zonder tekst

Welk deel van de taak, op basis van welk bewijs

Op AMEE in Wenen deze zomer werd in een sessie over klinisch redeneren een andere vraag voorgesteld: welk deel van de taak mag AI binnengaan, gegeven wat deze lerende al heeft laten zien?

De voorgestelde opbouw was ongeveer zo. Zolang er nog weinig is aangetoond, genereert AI oefenmateriaal: casusvariaties, extra vragen. Kan iemand zelfstandig een klinische vraag formuleren, dan mag AI geraadpleegd worden. Kan iemand zelfstandig een verslag schrijven, dan wordt automatische verslaglegging verdedigbaar. Later kan AI helpen bij het zoeken van evidence en het opstellen van teksten, maar het toepassen daarvan op déze patiënt en het beleid blijven bij de mens.

Dat is een voorstel, geen gevalideerd curriculum. Maar wie met EPA’s werkt, herkent de logica direct.

Het probleem: toevertrouwen vraagt waarneming

Toevertrouwen werkt alleen als iemand waarneemt. Bij AI-ondersteund werk is juist dát lastig geworden: aan een goed verslag zie je niet meer af hoe het tot stand kwam. Zonder een manier om bewijs te verzamelen valt elk getrapt model terug op het studiejaar, simpelweg omdat het studiejaar niets kost.

Hier komt het tweede element uit dezelfde sessie van pas. Die leunde op een supervisiekader dat vorig jaar in de New England Journal of Medicine verscheen (Abdulnour, Gin en Boscardin), DEFT-AI genoemd. In de kern zijn het vijf vragen aan de lerende:

  1. Wat is je beoordeling, en wat heb je de AI gevraagd?
  2. Wat onderbouwt je conclusie, en waarom is dit hulpmiddel bij deze vraag betrouwbaar?
  3. Waar lopen jouw redenering en de uitkomst van het hulpmiddel uiteen, en waarom?
  4. Wat moet je nog verifiëren voordat je handelt, en hoe?
  5. Hoe zou je het hulpmiddel de volgende keer bij zo’n taak inzetten?

Mijn punt is dat deze vijf vragen precies het ontbrekende waarnemingsinstrument zijn. Elk antwoord op vraag 3 zegt iets over de vraag of iemand het eigen oordeel overeind houdt tegenover een vloeiend formulerende machine. Elk antwoord op vraag 4 zegt iets over de vraag of iemand de grenzen kent van wat hij aangereikt kreeg. Dat is bruikbaar materiaal voor een bekwaamheidsbeslissing, en het ontstaat in een gesprek dat supervisoren toch al voeren.

U hoeft niet beter te zijn dan het model

Er zit nog een tweede winst in, en die is voor docentprofessionalisering misschien de belangrijkste. Geen van de vijf vragen vereist dat de supervisor zelf een betere diagnose stelt dan het model. Ze richten zich op het oordeelsproces van de lerende, niet op het antwoord.

Dat is geen detail. Veel terughoudendheid onder docenten komt niet voort uit gebrek aan technische vaardigheid, maar uit het gevoel dat hun rol wordt uitgehold. Die zorg berust op een misverstand over wat supervisie altijd al was.

Bovendien valt de meerwaarde van de supervisor juist daar waar modellen het zwakst zijn. Diagnostisch redeneren gaat ze relatief goed af; daar bestaat vaak een duidelijk juist antwoord. Beleid is lastiger: wat doe je voor deze persoon, in deze context, met deze beperkingen? De typische fout daar is geen gevaarlijk advies, maar een omissie. De vraag wat heeft het model niet genoemd? is er een die het model zichzelf niet stelt.

Wat dit niet oplost

Twee kanttekeningen. Het verwante principe om lerenden eerst zelf te laten redeneren en pas daarna AI te laten raadplegen, bleek in ten minste een deel van de experimenten niet voldoende: ook wie eerst zelf redeneerde, presteerde samen met het model slechter dan het model alleen. De vijf vragen maken het oordeelsproces zichtbaar; dat betekent nog niet dat ze het verbeteren.

En gesprekken kosten tijd, in een omgeving waar supervisietijd al schaars is. Wat dit op schaal vraagt, heb ik nog niemand zien uitrekenen.

Toch lijkt het me de juiste richting. We hoeven voor AI geen nieuwe logica van autonomie te bedenken. We hebben er al een. Het gaat erom dat we hem ook hier durven toe te passen.

Referentie: Abdulnour, R.-E. E., Gin, B., & Boscardin, C. K. (2025). Educational Strategies for Clinical Supervision of Artificial Intelligence Use. New England Journal of Medicine, 393(8), 786–797.