Ik gebruik AI de hele dag en dit is wat het doet met mijn hoofd

Met sommige mensen praat ik vaak over de positieve zaken die AI oplevert. Met anderen focus ik me ook op wat de nadelen van AI zijn op ons werk. Louis van werkvierentwintig valt in de laatste categorie.

Want ik gebruik AI echt heel veel, maar ik merk ook dat mijn hoofd sneller ‘leeg’ is. En de AI-werkdruk is de reden waarom dat zo is.

AI maakt je niet vrij, het maakt je drukker

De belofte is vrij eenvoudig: AI neemt het routinewerk over, zodat je meer tijd hebt voor wat echt belangrijk is. Hierdoor hoef je minder te typen en kun je sneller analyseren, terwijl code op aanvraag beschikbaar is. Ik kan in dezelfde tijd simpelweg meer doen en meer waarde leveren.

Klinkt top natuurlijk, maar de werkelijkheid laat iets anders zien.

Drie onderzoeken, één ongemakkelijke conclusie

In februari 2026 publiceerden Aruna Ranganathan en Xingqi Maggie Ye van UC Berkeley’s Haas School of Business een artikel in de Harvard Business Review: AI Doesn’t Reduce Work, It Intensifies It. Ze volgden acht maanden lang 200 medewerkers van een Amerikaans technologiebedrijf, niet via enquêtes, maar via directe observatie en meer dan 40 diepte-interviews. Het bedrijf had AI niet verplicht gesteld, maar wel voor iedereen beschikbaar gemaakt.

Wat ze zagen was consistent: mensen gingen sneller werken, namen meer taken op zich, en maakten hun werkdagen langer. Eerder beginnen, later stoppen. Zonder dat iemand dat van hen had gevraagd. Eén deelnemer zei het als volgt: “Je had gedacht dat je misschien wat tijd bespaart, dat je minder kunt werken. Maar dan blijk je toch niet minder te werken.”

Een maand later, in maart 2026, publiceerde het BCG Henderson Institute een tweede onderzoek, ook in de Harvard Business Review. Ze ondervroegen 1.488 Amerikaanse werknemers verspreid over verschillende sectoren. Hun bevinding introduceerde een nieuw begrip: AI brain fry. Mentale vermoeidheid veroorzaakt door overmatig gebruik van of toezicht op AI-tools, die de cognitieve capaciteit overstijgt.

Tegelijkertijd beschreef TNO op basis van praktijkonderzoek bij drie Nederlandse bedrijven hoe GenAI productiviteitswinst oplevert, maar het werk ook intensiveert, de mentale belasting verhoogt en het sociale contact op de werkvloer vermindert.

Drie onderzoeken. Drie verschillende methoden. Drie landen. Eén patroon.

Hoe AI werkdruk ontstaat: drie mechanismen

De Berkeley-onderzoekers beschrijven drie vormen van werkintensivering die elkaar versterken.

Taakuitbreiding

Omdat AI taken uitvoerbaar maakt die voorheen buiten iemands bereik lagen, pakken collega’s ze nu wel op. Productmanagers schrijven nu code. Onderzoekers vervullen de rol van engineer. Dit voelt als empowerment, en dat is het ook, maar het heeft een domino-effect. Software-engineers moeten de AI-gegenereerde code van collega’s controleren, wat hun eigen werkdruk vergroot. De grens van ‘de functie’ verdwijnt. Iets waar ik natuurlijk niet tegen ben, maar weten waar jouw werk begint en dat van een ander ongeveer stopt is wel prettig.

Vervaging van grenzen

AI is altijd beschikbaar, laagdrempelig en reactief. Dat maakt het verleidelijk om kleine taken te verwerken op momenten die voorheen fungeerden als pauze: tijdens de lunch een prompt sturen, ’s avonds een idee uitwerken, voor een vergadering snel een analyse draaien. De natuurlijke ‘rustmomenten’ in de dag verdwijnen zo. Dat komt ook omdat de AI voor bepaalde taken meer tijd nodig heeft nadat jij de prompt hebt ingegeven. En naarmate AI-systemen volwassener worden, zal dit alleen maar toenemen. En dat brengt ons ook bij mechanisme nummer drie.

Chronisch multitasken

AI stelt mensen in staat meerdere threads tegelijk actief te houden. Handmatig code schrijven terwijl een agent een alternatieve versie genereert. Meerdere agents parallel laten draaien. Lang uitgestelde taken opnieuw opstarten omdat AI ze ‘wel even kan regelen’. De onderzoekers beschrijven dit als “een gevoel van altijd jongleren, ook als het werk productief voelde.”

Het gevolg is wat in de neuropsychologie aandachtsresidu heet: je brein heeft na elke taakoverstap tijd nodig om volledig om te schakelen. Die tijd is er niet meer.

Ik herken alle drie enorm. Meestal heb ik zo’n acht threads tegelijkertijd lopen, die vaak ook echt verschillend van aard zijn. Dat vereist continu aandacht, coördinatie en heeft continue schakelkosten. Mijn AuDHD-hoofd gaat er super op, maar het is absoluut ongezond en onhoudbaar. En ik wil er nog een vierde mechanisme aan toevoegen.

Maintenance depth

Als je één ding leert met een developmentbedrijf, dan is het wel dat alles wat je bouwt ook onderhoud vraagt. En je hebt met AI de neiging om veel te bouwen. Slimme maatwerksoftware die je werk eenvoudiger maakt. Mooie gestroomlijnde AI-processen waardoor je nog sneller je standaard taken kunt oplossen. En elke keer dat je zoiets af hebt is er ruimte voor nieuwe features en nieuwe geautomatiseerde processen. Maar alles wat je bouwt moet je ook onderhouden, en dat wordt vaak vergeten. En de tijd en kosten die je hebt met dat onderhoud nemen steeds verder toe naarmate je meer van je werk aan het wegautomatiseren bent.

De waarde van laag-intensief werk

AI verlaagt de kosten van schrijven, analyseren en coderen. Dat stimuleert meer productie, meer taken, meer output. Ik wil niet minder doen in dezelfde tijd. Ik wil meer gedaan krijgen.

Tegelijkertijd verdwijnt laag-intensief werk uit de werkdag. De routinetaken die cognitief weinig kostten maar het brein wel de kans gaven te herstellen. Want alles wat eenvoudig was neemt de AI van me over. Ondertussen stapelt hoog-intensief werk zich op. Taylor observeerde al dat mensen fysiek belastbaar waren voor zo’n 42% van een werkdag, destijds zo’n vier uur. Ons brein heeft vergelijkbare grenzen. En die zijn niet verschoven.

AI brain fry: wanneer het toezicht meer kost dan het oplevert

Het BCG-onderzoek maakt de cognitieve kosten meetbaar. Medewerkers die AI-tools intensief moesten monitoren en corrigeren (de standaardmodus bij agentic AI) rapporteerden 14% meer mentale inspanning, 12% meer mentale vermoeidheid, en 19% meer informatie-overload dan mensen die AI inzetten voor taakovername zonder intensief toezicht.

Productiviteit bleek een omgekeerde U-curve te volgen. Met één tot drie AI-tools stijgt de productiviteit. Vanaf vier tools vlakt de stijging af en treedt er een dip op. Niet omdat de tools niet werken, maar omdat het managen ervan meer kost dan het oplevert.

14% van de AI-gebruikers in het onderzoek ervaart brain fry. In marketing, waar AI-output continu beoordeeld en bijgestuurd wordt, is dat 26%. De gevolgen zijn concreet: 39% meer grote fouten, 33% meer beslissingsvermoeidheid, en 39% hogere intentie om te vertrekken.

Eén senior engineering-manager verwoordde het zo: “Het is alsof ik twaalf browsertabs in mijn hoofd open heb staan. Ik betrap mezelf erop dat ik dezelfde dingen opnieuw lees, veel meer aan mijn eigen conclusies twijfel en bizar ongeduldig word. Ik werk harder aan het beheren van de tools dan aan het daadwerkelijk oplossen van het probleem.”

Lees die nog eens opnieuw. “Ik werk harder aan het beheren van de tools dan aan het daadwerkelijk oplossen van het probleem.”

Wat dit doet met je brein op de lange termijn

MIT-onderzoekers publiceerden een preprint over de langetermijneffecten van structureel ChatGPT-gebruik. Mensen die vier maanden lang essays schreven met uitsluitend ChatGPT toonden significant lagere hersenconnectiviteit dan mensen die schreven zonder hulpmiddel of met een zoekmachine. De onderzoekers noemen dit cognitive debt: wanneer je structureel op externe systemen leunt, vervangen die de cognitieve processen die je zou ontwikkelen voor zelfstandig denken. Neuroplasticiteit in omgekeerde richting.

Dit staat los van brain fry. Brain fry is acute overbelasting.

Cognitive debt is sluipend en cumulatief.

Twee kanten van hetzelfde probleem: te veel AI-gebruik vermoeit het brein op korte termijn, en slinkt het op de lange termijn.

De focustijd-crisis die al bestond

Dit alles speelt zich af in een werkomgeving die al voor AI structureel te weinig ruimte had voor diep, geconcentreerd werk.

Onderzoek van Worklytics laat zien dat de mediane kenniswerker 3,2 uur per dag focustijd heeft. Pas boven de 3,5 uur rapporteren medewerkers zichzelf als productief. Gloria Mark van UC Irvine toonde aan dat het na één onderbreking gemiddeld 23 minuten duurt voor iemand volledig opnieuw geconcentreed is. Microsoft’s Work Trend Index 2025 stelt dat medewerkers tijdens kernuren elke twee minuten worden onderbroken, zo’n 275 keer per dag. Asana’s onderzoek concludeert dat 60% van de werktijd opgaat aan ‘werk over werk’: statussen bijhouden, informatie zoeken, wisselen tussen tools.

AI voegt aan dit landschap toe: meer tools om te monitoren, meer output om te beoordelen, meer threads om bij te houden. Samenwerking in meetings en e-mail nam de afgelopen twee decennia al met meer dan 50% toe. AI komt daar nu bovenop.

Aftrekken in plaats van optellen

Hoe doe je dit dan wel goed?

McKinsey formuleert het scherp in haar rapport Agents, robots, and us: AI toevoegen aan bestaande werkprocessen levert “op zijn best marginale verbeteringen” op. De echte productiviteitswinst vereist herontwerp. Workflows waarbij mensen en AI elk doen waar ze het beste in zijn.

Goulmy voegt daar een gedragspsychologische observatie aan toe: mensen zijn structureel geneigd iets toe te voegen in plaats van weg te halen. In een klassiek experiment van de Behavioral Scientist moesten proefpersonen een scheve LEGO-brug rechtzetten. De meesten pakten er een blokje bij. Pas wanneer expliciet werd benoemd dat weghalen gratis is, haalde 61% een blokje weg.

Organisaties doen nu precies hetzelfde. AI toevoegen aan bestaande processen, bestaande vergadercultuur, bestaande verwachtingen over output. Zonder te vragen welke blokjes eruit kunnen.

Dit vraagt dus eigenlijk om een radicaal herontwerp van je bedrijf en haar processen. En als de cognitieve last toeneemt, moeten de rustmomenten gedwongen ook toenemen. Minder uren werken, meer uren pauze. Want vier dagen lang werken is niet de oplossing. Vijf dagen, of liever nog vier kortere dagen werken. Volgens mij moeten we daarnaartoe.

Wat dit vraagt van jou en je organisatie

De onderzoeken wijzen in dezelfde richting. Ranganathan en Ye noemen het een “AI Practice”: bewuste organisatorische gewoonten die tegenwicht bieden aan de natuurlijke neiging tot intensivering. Concreet: ingebouwde reflectiemomenten, gestructureerde werkblokken om constante notificaties te beperken, en ruimte voor menselijk contact dat anders door AI-gestuurde workflows wegsijpelt.

BCG adviseert duidelijke grenzen aan gebruik en toezicht van AI-tools, en waarschuwt dat de neiging om steeds meer tools toe te voegen de cognitieve meerkosten structureel doet stijgen.

Ook McKinsey zegt: herontwerp de workflows zelf. AI is een aanleiding om na te denken over hoe werk gedaan wordt, hoe vaardigheden worden ingezet, hoe rollen worden gedefinieerd.

Goulmy doet dit het scherpst: stop met dingen toevoegen voordat je iets hebt weggehaald. Zet de productiviteitswinst die AI oplevert structureel om in tijdswinst, en laat die winst terechtkomen bij degenen die ermee werken. Dat verhoogt de adoptie, verlaagt het verzuim, en maakt de groei duurzaam.

De werkelijke vraag

AI verhoogt wat mensen aankunnen. De vraag is waar die extra capaciteit naartoe gaat. Naar meer output, hogere verwachtingen en langere werkdagen? Of naar meer autonomie, betere gezondheid en slimmere groei?

Tot nu toe kiezen de meeste organisaties, vaak onbewust, voor de eerste optie. Het wordt volgens mij tijd om andere keuzes te maken.

E-mail heeft de werkdruk niet verlaagd. De auto heeft ons niet dichter bij elkaar gebracht. AI zal de werkdag niet verlichten, ténzij je daar actief en expliciet voor kiest.

De default is altijd meer. Tenzij jij besluit dat het genoeg is. Dus ik ga nu de tuin in om te kijken hoe het gras groeit, want ik heb genoeg scherm gezien vandaag.

Moet van Louis, waarvoor dank.