Zal AI professoren vervangen? De waarheid in 2026

Korte samenvatting: AI zal professoren niet volledig vervangen, maar hun rol wel fundamenteel veranderen. Hoewel AI het nakijken van tentamens, het aanbieden van lesmateriaal en administratieve taken kan automatiseren, blijven de menselijke aspecten van het lesgeven – mentorschap, het ontwikkelen van kritisch denkvermogen, emotionele betrokkenheid en ethische begeleiding – onvervangbaar. Professoren die AI als hulpmiddel omarmen, zullen effectiever worden, terwijl degenen die zich ertegen verzetten het wellicht moeilijk zullen krijgen.

De vraag die boven universiteitscampussen hangt, is niet langer subtiel: zal kunstmatige intelligentie professoren vervangen? Het is een terechte zorg. AI-tutoren kunnen om 3 uur 's nachts vragen beantwoorden. ChatGPT schrijft essays in seconden. Geautomatiseerde beoordelingssystemen verwerken opdrachten sneller dan welk mens dan ook.

Maar het punt is dit: het gaat hier niet om vervanging, maar om transformatie.

Volgens een onderzoek van de American Association of Colleges & Universities en het Imagining the Digital Future Center van Elon University (gepubliceerd in januari 2025) uitte 95% van de leiders in het hoger onderwijs hun bezorgdheid over de impact van generatieve AI op onderwijs en leren. Dat is geen paniek. Dat is de erkenning dat er iets fundamenteels aan het veranderen is.

Wat is het echte verhaal? AI herdefinieert wat professoren doen, het maakt het beroep niet overbodig. Sommige taken zullen verdwijnen. Andere zullen belangrijker worden. En de professoren die succesvol zullen zijn, zijn degenen die het verschil begrijpen.

Wat AI daadwerkelijk kan vervangen in academisch werk

Laten we eerlijk zijn over wat kwetsbaar is. Ongeveer 601 TP3T aan typische taken van een docent zouden met de huidige technologie geautomatiseerd kunnen worden. Dat is geen speculatie – het gebeurt al op universiteiten wereldwijd.

Administratief werk staat bovenaan de lijst. Het opstellen van syllabi, het beantwoorden van e-mails met veelgestelde vragen, het plannen van colleges en het bijhouden van commissiedocumentatie kunnen allemaal door AI-systemen worden afgehandeld. Een professor omschreef deze taken als "het bureaucratische papierwerk" dat uren in beslag neemt zonder dat studenten er direct baat bij hebben.

Het beoordelen van opdrachten is een andere belangrijke categorie. Meerkeuzetoetsen? Die worden al geautomatiseerd. Open vragen? Die kunnen door AI met redelijke nauwkeurigheid worden geëvalueerd. Zelfs het beoordelen van essays wordt haalbaar voor eenvoudige opdrachten, waarbij AI-systemen de structuur, de samenhang van de argumentatie en de nauwkeurigheid van de bronvermelding controleren.

Ook de manier waarop lesmateriaal wordt aangeboden, evolueert. AI-gestuurde platforms kunnen colleges presenteren, zich aanpassen aan het individuele leertempo en direct feedback geven op oefenopgaven. Pavel Pevzner van UC San Diego heeft onderzoek gedaan naar Massive Adaptive Interactive Texts (MAITs) – AI-technologie die is ontworpen om standaardcolleges te vervangen door responsieve, geïndividualiseerde instructiesystemen.

De realiteitscheck van automatisering

Maar wacht even. Dat iets geautomatiseerd kán worden, betekent niet automatisch dat de automatisering ook goed werkt.

AI-beoordelingen missen nuances. Ze kunnen creatieve benaderingen die afwijken van conventionele patronen niet waarderen. Ze hebben moeite met contextafhankelijke antwoorden. En ze kunnen absoluut niet inschatten of een student de stof echt begrijpt of gewoon heeft geleerd hoe hij het algoritme kan omzeilen.

Zoals een filosofieprofessor aan de Utah Valley University het verwoordde: "Ik kan mijn leven niet op die manier leiden, en ik weiger dat te doen." Bijna 401.000 studenten aan die instelling zijn de eerste in hun familie die naar de universiteit gaan. Voor hen is de persoonlijke band met docenten vaak bepalend of ze doorzetten of afhaken.

De technologie bestaat. De vraag is of het gebruik ervan studenten beter van dienst is dan menselijk oordeel.

Wat maakt professoren onvervangbaar?

Dit kan AI niet: ervoor zorgen dat studenten zich gezien voelen.

Getuigenissen van studenten benadrukken steevast dezelfde thema's. "Je hebt me uit mijn comfortzone gehaald." "Je hebt me een betere versie van mezelf laten zien." "Je passie voor lesgeven is aanstekelijk." Dit zijn geen reacties op de manier waarop informatie wordt overgebracht. Het zijn reacties op de menselijke connectie.

De ontwikkeling van kritisch denken vereist meer dan alleen het presenteren van informatie. Docenten creëren cognitieve dissonantie: ze dagen aannames uit, stellen ongemakkelijke vragen en stimuleren studenten om verder te gaan dan memoriseren en tot synthese over te gaan. Een AI kan een socratische dialoog voeren. Maar het kan de sfeer in de ruimte niet aanvoelen en weten wanneer het harder moet aandringen of wanneer een student juist aanmoediging nodig heeft.

Mentorschap gaat verder dan alleen de lesstof. Professoren schrijven aanbevelingsbrieven waarin ze de student echt kennen. Ze bieden loopbaanbegeleiding op basis van jarenlange ervaring met de ontwikkeling van verschillende sectoren. Ze bieden emotionele steun tijdens moeilijke studiemomenten. Ze laten zien hoe je moet denken als een historicus, wetenschapper of filosoof – niet alleen wat je moet denken.

Het probleem van het ongeplande moment

De meest waardevolle momenten in het onderwijs zijn spontaan. Een terloopse vraag leidt tot een baanbrekende discussie. Een mislukt groepsproject wordt een les in veerkracht en samenwerking. De persoonlijke ervaring van een student verbindt de lesstof met de praktijk, iets wat in geen enkel leerboek te verwachten viel.

AI werkt op basis van patronen. Het kan niet zinvol improviseren omdat het de context niet begrijpt zoals mensen dat doen. Het kan niet herkennen wanneer afwijken van het lesplan het leerproces beter dient dan het volgen ervan.

Discussies tussen professoren benadrukken deze realiteit herhaaldelijk. De consensus? AI zal geen professoren vervangen die betrokken zijn, innoveren, uitdagen en hun studenten stimuleren. Maar het zal waarschijnlijk wel professoren vervangen die zich nu al als robots gedragen – die monotone colleges geven zonder interactie met de student, mechanisch beoordelen zonder feedback, en studenten als nummers behandelen in plaats van als individuen.

Hoe AI de rol van de professor verandert

Transformatie ziet er anders uit dan vervanging. In plaats van professoren overbodig te maken, verschuift AI de onderwerpen waar ze hun tijd aan besteden.

Volgens informatie uit een artikel op Medium over AI en professoren investeert de Amerikaanse National Science Foundation, samen met Capital One en Intel, 14 biljoen dollar in nationale AI-onderzoeksinstituten. Het doel? Niet om docenten te vervangen, maar om hun vaardigheden te verbeteren.

Professoren ontwikkelen zich van louter uitvoerders tot ontwerpers. Ze creëren leerervaringen met AI-ondersteuning, waarbij technologie repetitieve taken afhandelt en mensen zich kunnen concentreren op complexere denkprocessen. Ze ontwikkelen opdrachten die AI-tools integreren, waardoor studenten leren technologie kritisch te gebruiken in plaats van er afhankelijk van te zijn.

Ook de rol van onderzoekers breidt zich uit. Docenten volgen nu hoe het gebruik van AI de prestaties van studenten beïnvloedt, documenteren wat werkt en wat niet, en publiceren bevindingen die de ontwikkeling van AI in het onderwijs vormgeven. Ze zijn geen passieve ontvangers van technologie, maar geven actief vorm aan hoe deze wordt ontwikkeld en ingezet.

Het efficiëntieversterkingseffect

AI maakt goede professoren nog beter. Dat is de praktische realiteit die blijkt uit de eerste implementaties.

Taken zoals het maken van lesmateriaal, het opstellen van gepersonaliseerde feedback en het beantwoorden van standaardvragen kunnen door AI worden ondersteund, waardoor er meer tijd overblijft voor het daadwerkelijke lesgeven. Een branche-expert met decennialange ervaring in onderwijstechnologie merkte op dat toen vastgoedbeheersystemen de nachtelijke controles van hotels automatiseerden – voorheen een handmatig proces van acht uur – dit niet leidde tot banenverlies. Het zorgde er juist voor dat werknemers zich meer gingen richten op taken met een hoger cognitief vermogen.

Hetzelfde patroon zien we terug in het hoger onderwijs. AI neemt routinewerk over. Docenten krijgen daardoor meer tijd voor taken die machines niet aankunnen: het begeleiden van lastige discussies, het mentoren van studenten met leerachterstanden, het ontwikkelen van innovatieve lesmethoden en het uitvoeren van onderzoek.

De Amerikaanse National Science Foundation kondigde in maart 2026 het TechAccess: AI-Ready America-initiatief aan, een gecoördineerde inspanning om Amerikanen in staat te stellen kunstmatige intelligentie te begrijpen, toe te passen en ermee te creëren. Het programma omvat coördinatiecentra die gedurende drie jaar jaarlijks 1,4 biljoen dollar ontvangen, waarbij 10 centra in de eerste ronde worden geselecteerd, 20 in de tweede en de resterende in de derde ronde.

Dat is investeren in integratie, niet in eliminatie.

AI toepassen in het onderwijs zonder de essentie uit het oog te verliezen.

AI kan onderwijstaken ondersteunen, maar betekenisvol leren hangt nog steeds af van hoe die tools worden toegepast en door mensen worden begeleid.

AI Superieur Ze werken aan praktische implementaties van AI, ook in omgevingen waar nauwkeurigheid, structuur en menselijk toezicht van belang zijn. Ze helpen organisaties bij het ontwerpen en bouwen van AI-oplossingen op maat, het integreren van machine learning in bestaande systemen en het opzetten van dataworkflows die concrete toepassingen ondersteunen. In onderwijsgerelateerde contexten kan dat betekenen dat ze contentsystemen, onderzoeksprocessen of interne tools ondersteunen – zonder de menselijke rol erachter te willen vervangen.

Als je AI ziet als een ondersteunende laag in plaats van een snelle oplossing voor onderwijs of onderzoek, neem dan contact op met AI Superieur om te zien hoe het in jouw opstelling past.

Het studentenervaringsprobleem waar niemand over praat

Studenten die AI gebruiken zonder er iets van te leren, creëren een stille crisis. Ze halen diploma's zonder competenties te ontwikkelen.

Op alle campussen melden docenten hetzelfde fenomeen: essays die intelligent klinken, maar een gebrek aan samenhangende argumentatiestructuur hebben. Opgaven die correct zijn gemaakt, maar waarbij studenten de redenering niet kunnen uitleggen. Onderzoeksverslagen met perfecte bronvermeldingen, maar zonder originele synthese.

De technologie maakt het makkelijk om te doen alsof je iets leert. En sommige studenten kiezen daarvoor.

Maar hier wordt de onvervangbaarheid van de professor cruciaal. Menselijke docenten kunnen het verschil zien tussen door AI ondersteund leren en door AI afhankelijke snelle oplossingen. Ze kunnen vervolgvragen stellen. Ze kunnen mondelinge uitleg eisen. Ze kunnen toetsen maken die het begrip testen in plaats van alleen de output.

Onderzoek van de University of Hawaii Economic Research Organization, gebaseerd op analyses van het Pew Research Center, toont aan dat beroepen die het meest blootgesteld worden aan AI niet de laagbetaalde of laaggeschoolde banen zijn, maar juist de beter betaalde, kennisintensieve functies. Werknemers in banen met een hoge blootstelling aan AI verdienen gemiddeld $33 per uur, vergeleken met $20 voor werknemers met minder blootstelling aan AI.

De implicatie? Studenten die AI als een kruk gebruiken in plaats van als een hulpmiddel, bereiden zich voor op banen die niet zullen bestaan of slecht betaald zullen worden. Docenten fungeren als gidsen die studenten helpen technologie te gebruiken zonder er afhankelijk van te worden.

Het aanleren van AI-geletterdheid als kerncompetentie

Vooruitstrevende docenten verbieden AI niet. Ze leren je juist hoe je AI op een verantwoorde manier kunt gebruiken.

Aan opdrachten worden nu verwachtingen gesteld ten aanzien van het gebruik van AI-tools. Studenten leren AI-uitkomsten te evalueren, informatie te verifiëren en machineondersteuning te integreren in menselijk redeneren in plaats van het te vervangen. Dit weerspiegelt de manier waarop professionals in elk vakgebied steeds vaker werken.

Onderzoek van het Brookings Institution en MIT naar de toekomst van werk suggereert dat AI het beste werkt als augmentatie – technologieën die menselijke vaardigheden en expertise waardevoller maken – in plaats van pure automatisering. Docenten die deze vaardigheid onderwijzen, leveren een onvervangbare bijdrage.

Het CyberAI SFS-programma (CyberAICorps Scholarship for Service) van de NSF, dat in februari 2026 van start ging, integreert AI-onderwijs met cybersecurity-activiteiten en de ontwikkeling van het personeel, met twee trajecten die tot 25 projecten per fiscaal jaar ondersteunen.

De economische realiteit van het hoger onderwijs

Universiteiten staan onder financiële druk. AI biedt ogenschijnlijk kostenbesparingen. Dat is de ongemakkelijke waarheid die de interesse van sommige instellingen in automatisering aanwakkert.

Als AI 500 studenten net zo makkelijk les kan geven als 50, wordt het economisch gezien een aantrekkelijke optie om het aantal docenten te verminderen. Vooral bij instellingen die kampen met dalende studentenaantallen of bezuinigingen.

Maar deze berekening negeert cruciale factoren. Studentenretentie lijdt onder een gebrek aan persoonlijk contact. Het afstudeerpercentage daalt wanneer studenten zich slechts nummers voelen. Donaties van alumni hangen samen met betekenisvolle relaties met docenten tijdens de studietijd.

Onderzoek van het Brookings Institution en MIT naar de toekomst van werk suggereert dat AI het beste werkt als augmentatie – technologieën die menselijke vaardigheden en expertise waardevoller maken – in plaats van pure automatisering. Organisaties die menselijke functies volledig elimineerden, moesten deze vaak opnieuw opbouwen nadat bleek dat de technologie de complexiteit niet aankon.

De paradox van prestige

Elite-universiteiten zullen geen professoren ontslaan. Hun aantrekkingskracht is gebaseerd op de toegang tot vooraanstaande docenten. Ouders betalen een hoog collegegeld specifiek voor kleine klassen met gerenommeerde wetenschappers.

Het risico treft vooral minder selectieve instellingen, community colleges en programma's die al gebruikmaken van tijdelijke docenten. Deze instellingen bedienen de meest kwetsbare studentengroepen: studenten van de eerste generatie, werkende volwassenen en ondervertegenwoordigde minderheden. Voor deze studenten bepalen de relaties met docenten vaak hun succes of falen.

Het vervangen van docenten door AI aan instellingen die zich richten op achtergestelde bevolkingsgroepen zou in feite een tweeledig systeem creëren: rijke studenten krijgen menselijke begeleiding, alle anderen krijgen algoritmes. Dat is niet alleen oneerlijk, het is ook contraproductief voor de ontwikkeling van de beroepsbevolking.

Uit documenten van NSF-initiatieven van maart 2026 blijkt dat AI toegankelijk moet zijn voor alle Amerikanen, en niet moet leiden tot ongelijkheid op basis van AI. Het doel is om gemeenschappen, werknemers en studenten in staat te stellen AI te begrijpen en ermee te werken. Dit vereist menselijke docenten die zowel de technologie als de gebruikers ervan begrijpen.

Wat professoren moeten doen om relevant te blijven

Aanpassing is niet langer een keuze, maar een noodzaak. Professoren die AI als irrelevant of louter bedreigend beschouwen, zullen het moeilijk krijgen. Degenen die AI strategisch omarmen, zullen succesvol zijn.

• Eerst: Leer de tools kennen. Professoren hoeven geen programmeurs te worden, maar ze moeten wel praktische kennis hebben van de belangrijkste AI-platformen, hun mogelijkheden en hun beperkingen. Dagelijks gebruik van AI ontwikkelt een intuïtief begrip van wat het wel en niet kan.
• Seconde: Herontwerp beoordelingen. Traditionele essays en probleemstellingen zijn steeds kwetsbaarder voor AI. Effectieve alternatieven zijn onder andere mondelinge examens, iteratieve projecten met verplichte tussentijdse evaluaties, samenwerking met peer-evaluatie en opdrachten die persoonlijke reflectie of ervaringsintegratie vereisen.
• Derde: Geef expliciet les over AI. Maak AI-geletterdheid onderdeel van elke cursus. Bespreek wanneer het gebruik van AI gepast is, hoe AI-gegenereerde informatie te verifiëren is en hoe AI past in de beroepspraktijk.

Het co-creatiemodel

Een aantal van de meest innovatieve docenten betrekt studenten bij experimenten met kunstmatige intelligentie. In plaats van regels op te leggen, onderzoeken ze samen hoe AI hun vakgebied verandert.

Studenten brengen nieuwe perspectieven in. Ze zijn vaak meer vertrouwd met technologie. Door gezamenlijk opdrachten te maken – waarbij studenten meebepalen hoe AI wel en niet gebruikt mag worden – wordt de betrokkenheid bij ethisch gebruik vergroot.

Deze aanpak is tevens een voorbeeld van levenslang leren. Professoren die toegeven dat ze niet zeker weten wat de volledige implicaties van AI zijn en vervolgens samen met studenten uitzoeken wat die implicaties zijn, tonen intellectuele bescheidenheid en aanpassingsvermogen. Dat zijn vaardigheden die elke professional nodig heeft in een snel veranderend technologisch landschap.

De aankondigingen van de NSF in augustus 2025 (met name de 'Expanding K-12 Resources for AI Education Dear Colleague Letter') waren gericht op het uitbreiden van AI-onderwijs in het basis- en voortgezet onderwijs, inclusief middelen voor middelbare scholieren en professionele ontwikkeling van docenten.

De vraag over de tijdlijn: hoe snel gebeurt dit?

Volgens een bericht van een professor op LinkedIn heeft Bill Gates onlangs gezegd dat over tien jaar de meeste leraren vervangen zullen zijn door AI. Die uitspraak leidde tot een flink debat onder onderwijsdeskundigen. Was het realistisch? Alarmistisch? Of misschien te conservatief?

Vanaf 2026 zien we geen grootschalige vervanging. Wat we wel zien, is een versnelde integratie.

De huidige lichting studenten is de eerste die bijna hun hele studietijd heeft doorgebracht in het tijdperk van generatieve AI. Deze studenten hebben nooit hoger onderwijs gekend zonder ChatGPT. Hun verwachtingen en gedrag verschillen fundamenteel van die van eerdere lichtingen.

Docenten passen zich sneller aan dan velen hadden voorspeld. De 95% leiders in het hoger onderwijs die hun bezorgdheid uiten over de impact van AI, zijn niet verlamd – ze experimenteren actief, delen strategieën en ontwikkelen institutioneel beleid.

De invoering van technologie in het onderwijs volgt doorgaans een vast patroon: hype, teleurstelling en vervolgens geleidelijke praktische integratie. AI lijkt deze cyclus sneller te doorlopen dan eerdere technologieën, maar volgt nog steeds hetzelfde patroon.

Wat vijf jaar zou kunnen brengen

Op basis van de huidige ontwikkelingen zal het universitaire landschap in 2030 er waarschijnlijk als volgt uitzien:

AI-onderwijsassistenten die 24/7 routinematige vragen beantwoorden, beheerd door professoren die zich richten op complexe vraagstukken. Adaptieve leerplatformen die het tempo en de moeilijkheidsgraad aanpassen, waarbij professoren de algehele voortgang monitoren en ingrijpen bij studenten die moeite hebben. Geautomatiseerde beoordeling van objectieve opdrachten, waarbij menselijke evaluatie is voorbehouden aan creatief, analytisch of genuanceerd werk. Virtual reality-simulaties voor ervaringsgericht leren, ontworpen en begeleid door docenten.

Maar hoorcolleges zullen niet verdwijnen. Spreekuur zal niet optioneel worden. Begeleiding bij scripties zal niet geautomatiseerd worden. De kernrelatie tussen deskundige docent en zich ontwikkelende wetenschapper blijft essentieel voor het doel van hoger onderwijs.

Onderzoek naar AI en de ontwikkeling van de beroepsbevolking benadrukt dat de impact van AI op kenniswerk complex is. Onderzoek van de Economic Research Organization van de Universiteit van Hawaï toont aan dat beroepen die het meest blootgesteld worden aan AI, beter betaalde, kennisintensieve functies zijn – wat betekent dat werknemers samenwerken met AI in plaats van erdoor vervangen te worden.

Het mondiale perspectief op AI en hoger onderwijs

Deze transformatie is niet uniek voor Amerika. Universiteiten wereldwijd staan voor vergelijkbare vraagstukken, hoewel de aanpak verschilt.

Sommige landen benadrukken de ontwikkeling van AI-vaardigheden als nationale prioriteit en zien door professoren geleide AI-integratie als voorbereiding op de beroepsbevolking. Andere landen maken zich meer zorgen over het behoud van traditionele academische waarden te midden van technologische veranderingen.

De internationale samenwerking op het gebied van AI-onderzoek in het onderwijs neemt toe. Wat in de ene context werkt, is niet per se direct toepasbaar in een andere, maar er komen wel principes naar voren: AI werkt het beste als aanvulling, niet als vervanging. Menselijk contact blijft essentieel voor het leerproces. Kritisch denken wordt steeds belangrijker naarmate de toegang tot informatie gemakkelijker wordt.

Het initiatief van de NSF uit maart 2026 is er expliciet op gericht om de paraatheid voor AI in Amerikaanse gemeenschappen te coördineren. Het programma omvat coördinatiecentra – 10 in de eerste ronde, 20 in de tweede en de rest in de derde ronde – die elk jaarlijks 1 TP4 TB (1 miljoen dollar) ontvangen gedurende drie jaar. Deze centra brengen onderwijsinstellingen, bedrijven en maatschappelijke organisaties samen.

Dat coördinatiemodel erkent dat de voorbereiding op een toekomst waarin AI is geïntegreerd, menselijke netwerken vereist, en niet alleen de inzet van technologie.

Uitdagingen die de transitie bedreigen

Niet alles aan deze transformatie verloopt zonder problemen. Er bestaan wel degelijk obstakels, en die negeren helpt niet.

De werkdruk voor docenten is bij veel instellingen al onhoudbaar. Het toevoegen van "AI-tools leren en al je cursussen herontwerpen" aan de bestaande verantwoordelijkheden zonder extra ondersteuning leidt tot burn-out in plaats van innovatie. Universiteiten moeten tijd voor training, technische ondersteuning en middelen voor het herontwerpen van cursussen beschikbaar stellen.

Gelijkheidsvraagstukken zijn van groot belang. Studenten uit achterstandswijken hebben mogelijk thuis geen toegang tot AI-tools, wat leidt tot prestatieverschillen. Instellingen moeten ervoor zorgen dat de integratie van AI geen voorrang geeft aan reeds bevoorrechte studenten.

Systemen voor academische integriteit staan onder druk. Detectietools produceren valse positieven. Studenten leren hoe ze het gebruik van AI kunnen verbergen. Professoren worden geconfronteerd met een onmogelijke hoeveelheid onderzoeken. Duidelijke beleidsregels met realistische verwachtingen zijn essentieel, maar deze zijn bij de meeste instellingen nog in ontwikkeling.

De kloof in het ethiekonderwijs

AI roept ethische vragen op waar de meeste professoren niet voor zijn opgeleid. Vooroordelen in algoritmen. Implicaties voor de privacy. Milieukosten van computerbronnen. Onduidelijkheid over intellectueel eigendom. Zorgen over mogelijke verdringing van werknemers.

Deze vraagstukken overstijgen de grenzen van verschillende disciplines. Een biologiedocent die AI gebruikt voor genetisch onderzoek, wordt geconfronteerd met andere ethische vragen dan een literatuurdocent wiens studenten AI gebruiken voor tekstanalyse. Beiden hebben een kader nodig om ethische kwesties in hun eigen context te kunnen behandelen.

Docenten worden in feite noodgedwongen ethiekdocenten. Dat valt buiten de opleiding die de meesten tijdens hun masteropleiding krijgen. Professionele ontwikkeling gericht op ethisch gebruik van AI wordt essentieel, niet optioneel.

Volgens gegevens van diverse academische instellingen en onderzoekscentra zien professoren zichzelf steeds vaker als beleidsmakers op het gebied van AI binnen hun collegezalen en faculteiten. Ze beperken zich niet alleen tot het implementeren van institutionele regels, maar creëren ook normen, onderwijzen waarden en geven het goede voorbeeld wat betreft verantwoord technologiegebruik.

Echte verhalen uit de transitieperiode

Theorie is één ding, de praktijk is iets anders. Professoren in verschillende disciplines proberen nu deze overgang te maken, met wisselende resultaten.

Een filosofieprofessor aan een grote openbare instelling die veel studenten van de eerste generatie bedient, weigert pertinent om AI-gestuurde hulpmiddelen te accepteren. De reden? Deze studenten hebben kritisch denkvermogen meer dan wie ook nodig. Hen cognitief werk laten uitbesteden aan machines ondermijnt het hele doel van hun opleiding.

Ondertussen omarmen andere docenten experimenten. Ze geven studenten de opdracht om AI te gebruiken en beoordelen vervolgens de resultaten. Ze vragen studenten om het door AI gegenereerde werk te verbeteren. Ze bespreken waarom AI vooringenomen of onjuiste resultaten produceert. Het klaslokaal wordt een ruimte voor het leren van zowel de lesstof als technologische geletterdheid.

Sommige professoren uiten hun frustratie. Ze herontwerpen een opdracht om deze bestand te maken tegen AI, maar ontdekken vervolgens dat studenten manieren hebben gevonden om de beperkingen te omzeilen. Anderen zijn opgelucht dat er eindelijk technische oplossingen zijn voor administratieve taken, waardoor ze zich kunnen richten op het lesgeven dat ze wél leuk vinden.

Het verschil in discipline

De impact van AI verschilt aanzienlijk per vakgebied. In de STEM-disciplines is de integratie van AI vaak eenvoudiger: er bestaan tools voor geautomatiseerde probleemcontrole, simulaties en data-analyse die het leerproces daadwerkelijk verbeteren.

De geesteswetenschappen staan voor andere uitdagingen. Hoe geef je les in literaire analyse als AI competente essays kan genereren? Hoe ontwikkel je historisch denken als studenten AI om interpretaties kunnen vragen? Het antwoord ligt in het verder gaan dan het reproduceren van inhoud en het stimuleren van metacognitie – studenten leren nadenken over denken, aannames in twijfel trekken en originele argumenten ontwikkelen die AI niet kan repliceren.

Professionele opleidingen – in de richting van bedrijfskunde, onderwijs en verpleegkunde – moeten studenten voorbereiden op werkplekken waar AI een integraal onderdeel vormt. Deze opleidingen beschouwen AI steeds vaker als een vorm van training, vergelijkbaar met het aanleren van vaardigheden in spreadsheets of presentatietechnieken.

De focus van de NSF op de ontwikkeling van STEM-beroepsbevolking via AI-voorbereidende initiatieven erkent dat verschillende disciplines verschillende benaderingen vereisen. De aankondigingen van maart 2026 benadrukten de noodzaak om de manier waarop studenten STEM-vakken leren te transformeren, en niet alleen om AI-inhoud toe te voegen aan bestaande cursussen.

Het oordeel: Wat er werkelijk gebeurt

Zal AI professoren vervangen? De bewijzen wijzen uit van niet, maar wel met belangrijke kanttekeningen.

AI vervangt bepaalde taken die professoren momenteel uitvoeren. Dat is onmiskenbaar. Het nakijken van tentamens, administratief werk, het overbrengen van basisinhoud en het beantwoorden van routinematige studentenvragen worden steeds vaker geautomatiseerd. Dat is ruwweg 40 tot 60 ton aan traditioneel professorieel werk, afhankelijk van de instelling en het vakgebied.

Maar AI vervangt de rol van professor niet volledig. Wat zich ontwikkelt, is een getransformeerde rol waarin menselijke docenten zich richten op aspecten van het lesgeven die oordeelsvermogen, empathie, creativiteit en het opbouwen van relaties vereisen. Deze vaardigheden liggen momenteel buiten het bereik van AI en zullen dat waarschijnlijk ook in de nabije toekomst blijven.

De professoren die gevaar lopen, zijn niet degenen die uitmuntend lesgeven. Het zijn degenen die hun werk al mechanisch uitvoerden: colleges geven zonder interactie met de studenten, cijfers geven zonder feedback, en onderwijs beschouwen als louter informatieoverdracht in plaats van menselijke ontwikkeling.

Eerlijk gezegd: als je hele baan door de huidige AI kan worden overgenomen, was je eigenlijk geen docent. Je was alleen maar bezig met het overbrengen van informatie, iets wat studenten altijd al konden vinden in leerboeken, video's of, tegenwoordig, chatbots.

Het risico in twee categorieën

De werkelijke zorg gaat niet over het vervangen van alle professoren. Het gaat erom dat er onderwijsongelijkheid ontstaat, waarbij rijke studenten persoonlijke begeleiding krijgen en kansarme studenten algoritmes.

Elite-instellingen zullen geen docenten ontslaan. Openbare universiteiten die kwetsbare bevolkingsgroepen bedienen, zouden onder druk kunnen komen te staan om kosten te besparen door middel van automatisering. Dat zou de bestaande ongelijkheid verergeren in plaats van het onderwijs te verbeteren.

Om dit te voorkomen zijn weloverwogen beleidskeuzes nodig. Federale initiatieven zoals AI-Ready America van de NSF zijn erop gericht brede toegang te garanderen in plaats van exclusieve voordelen. Maar de implementatie zal bepalen of AI het onderwijs democratiseert of juist bevoorrechting concentreert.

Onderzoek naar de impact van AI op de beroepsbevolking toont consequent aan dat de effecten van de technologie afhangen van de manier waarop deze wordt ingezet. Organisaties die AI gebruiken ter ondersteuning van hun werknemers zien een hogere productiviteit en betere resultaten. Organisaties die AI puur gebruiken om kosten te besparen door banen te schrappen, zien vaak een afname van de kwaliteit en problemen binnen de organisatie.

Het hoger onderwijs staat voor dezelfde keuze.

Veelgestelde vragen