Waarom AI in de zorg tot slechtere besluiten leidt

Vijfenzestig procent van de volwassen Nederlanders gebruikt inmiddels generatieve AI. Twee op de drie mensen die ChatGPT, CoPilot, Claude en Gemini voeren met vragen en de antwoorden gebruiken. Het zijn geen experimenten meer, het is de manier waarop mensen werken, informatie zoeken en teksten produceren. Dat blijkt uit recent onderzoek van de Universiteit Twente.

Datzelfde onderzoek laat echter ook zien dat niet iedereen profiteert van de nieuwe ontwikkelingen. Ouderen, praktisch opgeleiden en mensen met minder economische of sociale hulpbronnen gebruiken AI minder. En wanneer zij het wel doen, profiteren ze er minder van. Zo ontstaat een tweedeling. Een die zich overigens niet beperkt tot digitale toegang. Het gaat ook om het vermogen AI-output te beoordelen en te wantrouwen waar dat nodig is.

De kloof die niemand benoemt

Het debat over digitale ongelijkheid gaat meestal over wie AI wel en niet gebruikt. Dat is een reële kloof, en de onderzoekers beschrijven haar helder: jongeren en theoretisch opgeleiden lopen voorop, 71-plussers gebruiken AI-beeldgeneratoren vrijwel niet. Maar in de zorg speelt een tweede kloof die minder zichtbaar is en minstens zo problematisch.

Communicatieprofessionals, beleidsadviseurs en leidinggevenden in ziekenhuizen en zorginstellingen behoren tot de groep die AI wél gebruikt. Ze zijn doorgaans theoretisch opgeleid en digitaal vaardig. Het onderzoek bevestigt dat ruim veertig procent van de AI-gebruikers op het werk efficiënter werkt en minder fouten maakt. Dat klinkt als winst. Hoewel het onderzoek niet specifiek ingaat op de zorgsector, zullen de cijfers hier waarschijnlijk niet veel afwijken.

Tegelijk rapporteert een derde van de gebruikers dat zij suggesties kregen die achteraf onjuist bleken. Zo dacht dertien procent ten onrechte een ernstige ziekte te hebben na het raadplegen van AI. Dat is een breed maatschappelijk signaal, geen zorgspecifieke meting. Ook vertrouwde een deel van de gebruikers de AI-adviezen in situaties waarin professionele toetsing noodzakelijk was.

Die combinatie, meer vertrouwen dan vaardigheid, is precies het probleem dat in de communicatie over zorg en in beleidsteksten nauwelijks aan de orde komt. Ik doel hierbij vooral op teksten die het beleid, processen en patiënteninformatie beïnvloeden. Dus níet om klinische besluitvorming, waar medische checks ingebakken zijn.

Dit is overigens geen individueel leerprobleem, maar een organisatievraagstuk. In veel zorginstellingen is namelijk niet vastgelegd wie verantwoordelijk is voor de inhoudelijke kwaliteit van AI-ondersteunde teksten. De schrijver gebruikt AI, de tekst ziet er goed uit, en daarmee verschuift de controle impliciet naar het systeem. Niet omdat iemand dat zo wil, maar omdat niemand het expliciet anders heeft ingericht. Kwaliteit wordt daarmee een bijproduct van efficiëntie.

En bijproducten worden zelden bewaakt.

Meer output, minder controle

Een beleidsadviseur die met AI een nota schrijft, produceert sneller dan voorheen. De tekst ziet er verzorgd uit, is grammaticaal correct en leest alsof er goed over is nagedacht. Maar de redenering klopt niet altijd. De nuance ontbreekt soms. En de schrijver merkt het niet, omdat de output er overtuigend uitziet.

Dat is geen hypothetisch risico. In mijn eigen praktijk als communicatieadviseur in de zorg zie ik het patroon: teksten die vlotter zijn dan voorheen, maar inhoudelijk minder scherp. Nota’s die lezen alsof ze af zijn, maar bij nadere lezing geen standpunt innemen. En patiënteninformatie die correct oogt, maar niet is getoetst op begrijpelijkheid. Een veelvoorkomende fout in AI-ondersteunde teksten is bijvoorbeeld inconsistent gebruik van kernbegrippen of verschuivende criteria binnen één document; dit valt vaak pas in review op.

Het ongemakkelijke gevolg is dat fouten later worden ontdekt dan vroeger. Niet omdat ze er niet zijn, maar omdat ze beter zijn verpakt. Een tekst die overtuigend oogt, nodigt minder uit tot kritische lezing. Zeker onder tijdsdruk. Daarmee verschuift het moment van correctie. Niet vóór publicatie, maar erna. In klachten, in misverstanden, of in beleidsbesluiten die achteraf moeten worden hersteld.

Het onderzoek van de Universiteit Twente spreekt van “negatieve ervaringen” bij AI-gebruik. In de zorg vertalen die zich niet alleen in persoonlijke schade (de dertien procent die onterecht dacht ernstig ziek te hebben), maar ook in communicatieve kwaliteitsrisico’s: publicaties waarvan de kwaliteit niet is getoetst, omdat op AI-output is vertrouwd. Het wordt tastbaar zodra leesbaarheid, feitelijke juistheid of redenering aantoonbaar tekortschieten (bijv. te hoog taalniveau of inconsistent beleid).

Schrijfvaardigheid als voorwaarde voor AI-gebruik

De onderzoekers adviseren gerichte stimuleringsprogramma’s voor digitale inclusie en duidelijke richtlijnen voor verantwoord gebruik. Dat zijn verstandige aanbevelingen. Maar ze missen een stap die voor in organisaties belangrijk is: voordat je AI verantwoord kan inzetten voor communicatie moet de gebruiker zelf kunnen schrijven.

Niet op het niveau van een literair auteur, maar op het niveau waarop je beoordeelt of een redenering klopt, een zin begrijpelijk is en een conclusie gedragen wordt door argumenten. Dit gaat bijvoorbeeld om scherpe probleem- en doelformulering, consistentie in termen en definities, bron- en bewijsverwijzing bij claims, jargonreductie en leesbaarheid voor het doelgroepniveau.

Wie dat niet kan, wordt afhankelijk van wat de AI voorstelt. En AI stelt meestal iets plausibels voor. Modellen signaleren zelden expliciet ontbrekende informatie of redeneringsfouten; ze produceren vloeiende tekst die soms volledig naast de kern zit.

In de zorg, waar teksten gaan over behandelingen en beleidswijzigingen die mensen direct raken, is dat geen onschuldig probleem. Een beleidsnota die er goed uitziet maar inhoudelijk rammelt, leidt tot verkeerde besluiten. Patiënteninformatie die grammaticaal correct is, maar niet op B1-niveau geschreven, bereikt een groot deel van de doelgroep niet. Veel organisaties hebben al redactionele en medisch-inhoudelijke checks; schrijfvaardigheid bij AI-gebruik is een aanvullende voorwaarde om die checks effectief te maken.

De vraag die zorginstellingen zichzelf moeten stellen

Het Twentse onderzoek legt een reëel probleem bloot: AI vergroot de kloof tussen wie profiteert en wie niet. Maar het urgentste risico binnen communicatie- en beleidsteksten voor zorgorganisaties zit niet bij de groep die AI niet gebruikt. Het zit bij de groep die het wél gebruikt, maar die niet de schrijfvaardigheid heeft om de output te beoordelen. Andere AI-risico’s (privacy, bias, compliance) zijn reëel; hier gaat het specifiek om kwaliteitsverlies in geschreven communicatie.

De vraag is daarom niet alleen: hoe zorgen we dat meer mensen AI leren gebruiken? De vraag is ook: hoe zorgen we dat de mensen die het al gebruiken, weten wat goede tekst is? Wat een heldere redenering is? Wanneer een zin te vaag is, een conclusie niet volgt uit de argumenten, of een tekst alleen vlot oogt zonder iets te zeggen?

Zolang zorgorganisaties AI-gebruik stimuleren zonder expliciet te investeren in schrijfvaardigheid en beoordelingsvermogen, lossen zij een efficiëntievraagstuk op en laten zij een kwaliteitsvraagstuk liggen. Dat blijft onzichtbaar zolang het goed gaat.

In de zorg, waar communicatie direct raakt aan veiligheid en vertrouwen, is dat een risico dat je niet kunt afdoen als overgangsprobleem. De vraag is immers niet of het misgaat. De vraag is waar en wanneer dat gebeurt, en wie dan nog weet waar de fout is ontstaan.

Bron: Centrum voor Digitale Inclusie, Universiteit Twente (5 februari 2026). Generatieve AI raakt ingeburgerd, maar vergroot risico op digitale ongelijkheid. Survey onder 1.508 respondenten, representatief naar geslacht, leeftijd en opleidingsniveau. Cijfers zijn gebaseerd op zelfrapportage; er is geen sectorspecifieke uitsplitsing voor de zorg.