Column

De overbelasting was er al. AI heeft die versneld

AI krijgt steeds vaker de schuld van wat inmiddels fried brain wordt genoemd: een gevoel van voortdurende mentale overbelasting. Volgens Lizzy Prins kijken we daarmee naar het verkeerde probleem. Niet AI veroorzaakt fried brain, maar een kenniswerksysteem waarin informatie sneller groeit dan ons vermogen om er betekenis aan te geven.

Lizzy Prins | Mirjam van der Linden | 30 juli 2026 | 4-6 minuten leestijd | 1 persoon vond dit artikel nuttig

De term ‘fried brain’ duikt de laatste maanden steeds vaker op. Het beschrijft dat gevoel dat veel kenniswerkers inmiddels herkennen: altijd bezig zijn, voortdurend informatie verwerken, maar steeds minder het gevoel hebben zelf na te denken. Je aandacht springt van bericht naar bericht, van overleg naar overleg en van scherm naar scherm. Aan het einde van de dag ben je moe, terwijl het lastig is aan te wijzen wat er eigenlijk is afgerond.

Steeds vaker wordt AI aangewezen als de oorzaak van dat probleem. Alsof ChatGPT, Copilot en andere AI-tools verantwoordelijk zijn voor onze collectieve concentratiecrisis. De oplossing van het concentratieprobleem zou in onszelf liggen, en is heerlijk simpel: minder schermtijd, notificaties uit, wat vaker wandelen en misschien een dopamine-detox voor de vorm. Problem solved..

Maar volgens mij klopt dat niet.

Fried brain begon niet bij AI

Fried brain was er al lang voordat iemand een prompt schreef. De gemiddelde kenniswerker leefde al jaren in een omgeving van volle mailboxen, Teams-berichten, vergaderingen zonder echte besluiten, dashboards waar niemand meer betekenis aan gaf, nieuwsbrieven die iedereen opsloeg en niemand las, en een werkcultuur waarin ‘even snel’ de standaardmanier van denken is geworden.

Die overbelasting was er al. AI heeft die versneld.

Want waar internet vooral zorgde voor meer toegang tot informatie, zorgt AI voor iets anders: een explosie van informatieproductie. Iedere medewerker kan vandaag in een paar seconden meer documenten schrijven, meer analyses maken, meer scenario’s uitwerken en meer ideeën genereren dan ooit tevoren.

Dat klinkt als vooruitgang. En soms is het dat ook. Maar alleen als je zeker weet dat méér output ook werkelijk het probleem oplost.

We produceren meer dan we kunnen verwerken

Veel organisaties gedragen zich nog steeds alsof kennis schaars is. Alsof de uitdaging is om meer ideeën, meer analyses, meer rapportages en meer input te krijgen. Terwijl de meeste organisaties al jarenlang in precies dit fenomeen verdrinken.

Dat is misschien wel de grootste misvatting van deze tijd. Het probleem is al heel lang niet meer dat we te weinig informatie hebben; het probleem is dat we meer informatie produceren dan mensen kunnen verwerken. Kenniswerk loopt vast op selectie, duiding en oordeelsvorming: op het vermogen om te bepalen wat relevant is, wat prioriteit heeft en welke keuzes uiteindelijk gemaakt moeten worden.

En precies daar vergroot AI de spanning. Als iedereen tien keer sneller kennis kan produceren, maar niemand beter wordt in selecteren, duiden en besluiten, ontstaat er niet automatisch meer waarde. Dan ontstaat er vooral meer cognitieve druk: meer documenten die gelezen moeten worden, meer analyses die gewogen moeten worden, meer ideeën die besproken moeten worden en meer output die aandacht opeist.

Meer output is niet hetzelfde als beter werk

Daarom is de vraag ‘Hoe zorgen we dat mensen AI gebruiken?’ te klein. Natuurlijk moeten mensen leren werken met AI. Maar als dat de enige vraag is, mis je het echte probleem.

De betere vraag is: ‘Hoe voorkomen we dat meer AI-output leidt tot meer cognitieve chaos?’

Want als je AI toevoegt aan versnipperd werk, krijg je geen transformatie. Dan krijg je cognitieve chaos. Meer concepten, meer documenten, meer opties, meer halve ideeën en meer mensen die ‘even AI hebben gevraagd’ maar daarna alsnog niet weten wat verstandig is.

Dit gaat uiteindelijk niet over technologie. Het gaat over de inrichting van werk. Over organisaties die jarenlang zijn geoptimaliseerd voor snelheid, bereikbaarheid en productie, en nu ontdekken dat de schaarste ergens anders zit: in aandacht, oordeelsvorming, betekenisgeving en het vermogen om als team nog gezamenlijk te bepalen wat belangrijk is.

De nieuwe schaarste is betekenis

Misschien is fried brain daarom niet het gevolg van AI. Misschien is het de rekening van een kenniswerksysteem dat jarenlang meer waarde hechtte aan produceren dan aan denken.

AI zorgt er nu voor dat die rekening gepresenteerd wordt.

Daarom denk ik dat de belangrijkste AI-vraag voor leiders de komende jaren niet is welke tools ze moeten invoeren of hoeveel productiviteit ze kunnen winnen. De echte vraag is of hun organisatie nog ruimte biedt voor denken.

Misschien is dat wel de ongemakkelijke waarheid achter fried brain. Niet dat AI ons brein overneemt, maar dat AI zichtbaar maakt hoe afhankelijk veel organisaties zijn geworden van voortdurende productie.

De organisaties die de komende jaren het meeste voordeel uit AI halen, zijn waarschijnlijk niet de organisaties die de meeste output met AI genereren. Het zijn de organisaties die opnieuw leren wanneer ze moeten versnellen, wanneer ze moeten vertragen en wanneer er simpelweg tijd nodig is om betekenis te geven aan alles wat geproduceerd wordt.

Want AI verandert niet alleen hoe we werken. Het dwingt ons ook om opnieuw na te denken over waar menselijk denken eigenlijk nog waardevol is.

Herkent u de symptomen van fried brain in uw eigen organisatie? In Van Homo sapiens naar Robo sapiens laat Lizzy Prins zien waarom AI niet alleen nieuwe technologie vraagt, maar vooral een fundamenteel andere manier van organiseren, samenwerken en denken. Een prikkelend boek voor iedereen die verder wil kijken dan de hype. Bestel Van Homo sapiens naar Robo sapiens bij Managementboek.

Over Lizzy Prins
Lizzy Prins is eigenaar van High Potential Factory en auteur van Van Homo sapiens naar Robo sapiens. Ze geeft lezingen, trainingen en sessies over AI, werk en leiderschap. 

Ze helpt teams, leiders en organisaties om AI niet alleen te begrijpen, maar ook werkbaar te maken in de praktijk. Zodat AI niet blijft hangen in losse experimenten, maar leidt tot echte verandering in het werk.

Deel dit artikel

Wat vond u van dit artikel?

1
0

    Personen

      Trefwoorden