“Arnoud, gebruik jij ook AI om te schrijven?” Ik krijg die vraag om de paar weken. Op feestjes, na lezingen, in de wandelgangen van een congres. Soms nieuwsgierig, soms licht beschuldigend, altijd met de aanname dat het antwoord ja of nee is.
Het eerlijke antwoord: ja. En ook nee. Het hangt ervan af wat je bedoelt met “schrijven.”
Ik gebruik AI-tools om teksten te herstructureren als ik vastloop in mijn eigen argumentatie. Om drie alinea’s opbouw die niet loopt te herschikken. Om te checken of ik een stap in mijn redenering heb overgeslagen die voor mij vanzelfsprekend is maar voor de lezer niet. Dat is ontzettend nuttig. Het geeft mij coherentere, betere teksten.
Wat ik niet doe: een prompt typen en het resultaat versturen. Ik verstuur nooit een eerste concept. Of het klopt weet ik op dat moment nog niet. Ik moet het eerst verwerken, eigen maken, doordenken of het mijn redenering is en wat ik nog mis. Oftewel: vervolgprompts. Veel vervolgprompts. “Pas dit aan.” “Reflecteer kritisch op dat argument.” “Wat als ik er dit van maak.” Ik ben geen oneshotter maar een doorvrager — ik gebruik de tool als sparringpartner, niet als ghostwriter.
Tegen de tijd dat ik iets verstuur is het mijn tekst, niet omdat ik de AI-output heb geredigeerd maar omdat ik er doorheen heb gedacht. Ik las ooit: AI is just an explicit way of talking to yourself. De waarde zit niet in het antwoord dat de machine geeft. De waarde zit in de gedachtengang die ik moet formuleren om dat antwoord te krijgen. “Reflecteer kritisch op dit argument” dwingt mij om eerst te bepalen wát het argument eigenlijk is. “Wat als ik het zo aanpak” dwingt mij om “zo” eerst uit te werken. Het gesprek is met de machine. Het denkwerk is met mezelf.
Wat me oprecht stoort in gesprekken over AI is hoe makkelijk mensen de tool vermenselijken. “ChatGPT vindt dat…” “Claude weet dat…” “De AI begrijpt het probleem.”
Nee. De AI vindt niets. De AI weet niets. De AI begrijpt niets. Moderne taalmodellen doen iets dat complexer is dan patronen herhalen, en wie dat ontkent neemt de tool niet serieus genoeg om hem goed te gebruiken. Maar dat maakt “Claude weet dat” niet minder misleidend. Wat de tool produceert lijkt op kennis, functioneert soms als kennis, maar het komt zonder iemand die ervoor instaat. Niemand die verantwoordelijkheid draagt.
Het probleem is: als je de output behandelt als het werk van een ander, ga je je ook zo gedragen. Doorlezen, hier en daar een opmerking, aftekenen. Maar het is niet het werk van een ander. Het is jouw werk, je bent nog met jezelf aan het praten. Alleen heb je het denkwerk nog niet afgemaakt. Zitten de aannames er wel goed in? Is dit waar de klant (of lezersgroep) behoefte aan heeft? Welke keuzes heb jij gemaakt, en welke heb je aan de AI overgelaten?
Soms is het antwoord: ja, ik ben klaar. Standaard NDA, routinematige bijwerking, snelle interne notitie — niet alles verdient een uur nadenken. Maar soms merk je pas achteraf dat je niet klaar was. Dat je het gesprek met jezelf te vroeg hebt afgekapt.
Dat begon me op te vallen. Niet als incident maar als patroon. Ik begon die situaties te noteren. Waar ging het mis, wat miste ik, waar ging ik te snel. Na een paar maanden had ik een patroon. Ik bleek het kwetsbaarst op het soort casuïstiek waar ik de meeste ervaring mee heb. Precies daar waar mijn brein het snelst schakelt naar “goed verhaal” en het langzaamst naar “maar klopt het voor déze situatie.”
Dat was ongemakkelijk. Ik werd niet scherper naarmate ik langer met deze tools werkte. Ik werd efficiënter. En efficiënter is niet hetzelfde als beter.
Toen ik na een jaar er eens goed voor ging zitten, vielen mijn aantekeningen steeds in dezelfde drie bakken.
Soms had ik een route gemist. De AI gaf de standaardroute, en ik was meegegaan. Terwijl er voor deze klant een andere weg was, een aanpassing, een uitzondering, een structurering waardoor het wél kon. Maar die had ik niet gezien omdat ik niet voorbij het eerste antwoord had gekeken.
Soms had ik het antwoord geaccepteerd zonder het echt te wegen. De tekst las goed, de structuur klopte, ik had geen fout gevonden, dus had ik het doorgestuurd. Niet beoordeeld, niet onderschreven. Doorgestuurd. Het verschil merk je pas als iemand je vraagt waarom je voor deze aanpak hebt gekozen en je eerlijke antwoord is: dat heeft de AI gedaan.
En soms had ik een juridisch correct antwoord geleverd dat de klant niet verder hielp. Technisch juist, praktisch nutteloos. Niet “dit is het fundament onder uw datapartnerschap” maar “u moet een DPIA uitvoeren.” De klant had iets bruikbaars nodig, en ik had iets juridisch gegeven.
Drie bakken, steeds dezelfde. Ik ben ze reflexen gaan noemen (herkennen, oordelen, vertalen) omdat het gewoonten zijn die je moet inslijten, niet kennis die je kunt opzoeken.
Zo’n zes weken geleden vond ik een brochure over de T-shaped lawyer. Diepe juridische expertise als verticale streep, horizontale vaardigheden er bovenop. Alleen: die massieve kolom van eigen kennis en productie is niet meer massief. AI-tooling zit er nu middenin. De vraag wordt dan wat er omheen zit. Dat moet de mens zijn: een jurist die de route ziet die de machine niet zag, die het antwoord weegt in plaats van doorstuurt, en die de uitkomst vertaalt naar iets dat de klant daadwerkelijk helpt.
Dat zijn mijn drie bakken. Dat zijn de drie reflexen. En samen vormen ze een ander profiel dan de T. Ik ben het de AI-shaped lawyer gaan noemen.
Arnoud
Het bericht Hoe ik bij de AI-shaped lawyer kwam en waarom het probleem niet de machine is verscheen eerst op Ius Mentis.
