Archetype

De andere hersenhelft

Mensen denken en beslissen op verschillende manieren.

Mensen denken en beslissen op verschillende manieren.

10 recente lessen

1.

RISC: Van algoritme naar praktijk, de zoektocht naar data-gedreven prioritering van controles
De kern van de jarenlange worsteling bij DCMR kan worden gezien als een klassieke botsing tussen twee verschillende manieren van denken. Aan de ene kant stond het datateam, dat opereerde vanuit een sterk rationeel, logisch en op feiten gebaseerd paradigma. Hun wereld bestond uit data, algoritmes en modellen, en zij gingen uit van de veronderstelling dat een objectief, cijfermatig onderbouwd systeem per definitie superieur was. Deze 'linkerhersenhelft'-benadering was gericht op het bouwen van een technisch perfect en voorspelbaar model. Aan de andere kant stonden de toezichthouders, wier professionaliteit diep geworteld was in jarenlange ervaring, intuïtie en een holistisch begrip van de context. Hun beslissingen waren niet altijd het resultaat van een lineaire, logische analyse, maar van een complexe, vaak onbewuste afweging van 'zachte' signalen en patronen. Forensisch Dossier · RISC: van algoritme naar praktijk (DCMR) · After Action Learning Deze 'rechterhersenhelft'-werkwijze kon niet worden gevangen in een spreadsheet. De eerste producten, zoals het 'black box' RIAN-model en de complexe machine learning-algoritmes, negeerden deze menselijke factor volledig. Ze presenteerden een uitkomst zonder een voor de gebruiker navolgbaar redeneerproces, wat direct botste met de professionele autonomie en het ervaringsgerichte oordeel van de toezichthouders. De aanname was dat de mens zich zou aanpassen aan het model, in plaats van andersom. De catastrofale mislukking van RISC v1 was het ultieme bewijs van deze culturele en cognitieve kloof. De tool was logisch vanuit een dataperspectief, maar onwerkbaar vanuit een menselijk perspectief. Pas toen de gedragsanalist werd ingeschakeld en de focus verschoof naar het begrijpen van de 'andere hersenhelft'--de beleving, de mentale modellen en de beslisprocessen van de gebruikers--kon er een brug worden geslagen.

2.

Niet benut AI-Monitoringtool
Deze casus is een treffende illustratie van een botsing tussen twee fundamenteel verschillende manieren van denken, de 'twee hersenhelften'. Aan de ene kant stond Anton en zijn team, die opereerden vanuit een pragmatische, concrete en op resultaat gerichte logica. Hun redenering was eenvoudig en direct: we hebben een tijdrovend probleem, deze tool lost het op, het werkt, dus laten we het gebruiken. Dit is een vorm van denken die waarde hecht aan ervaring, directe feedback en praktische bruikbaarheid. Aan de andere kant stonden de security officers, die opereerden vanuit een abstracte, systematische en op processen gerichte rationaliteit. Hun denkwijze was niet gericht op de vraag 'werkt het?', maar op de vraag 'voldoet het aan het systeem?'. Voor hen waren de feiten op de werkvloer ondergeschikt aan de logica van het compliance-raamwerk. De emoties en het enthousiasme van het team werden weggewuifd als irrelevant; alleen de formele, procedurele correctheid telde.

3.

Voortijdig stoppen met GeoMatch AI-pilot
De GeoMatch-pilot is een schoolvoorbeeld van een project dat gedomineerd werd door de 'linkerhersenhelft': logisch, analytisch, kwantitatief en procesgericht. De hele benadering was gebaseerd op de aanname dat de integratie van een mens gereduceerd kon worden tot een set voorspelbare variabelen en dat een algoritme de optimale uitkomst kon berekenen. Deze technocratische visie ging volledig voorbij aan de 'rechterhersenhelft': de wereld van emotie, intuïtie, menselijke relaties, vertrouwen en culturele context. Het systeem behandelde statushouders als 'homo economicus', rationele actoren wiens succes primair afhing van de juiste economische omstandigheden. De realiteit is echter dat integratie een diep menselijk en sociaal proces is, waarin factoren als een gevoel van welkom, sociale netwerken, culturele affiniteit en persoonlijke veerkracht minstens zo belangrijk zijn. Het algoritme had geen oog voor deze 'zachte' maar cruciale factoren. De bevinding dat objectieve criteria als opleiding en werkervaring nauwelijks meetelden, terwijl een abstract en beladen kenmerk als etniciteit dominant was, toont de wereldvreemdheid van het model. Het verving menselijk inzicht, dat deze nuances kan wegen, door een koude, statistische correlatie die in de praktijk discriminerend uitpakte.

4.

Slimme Check
De 'Slimme Check' pilot is een treffend voorbeeld van het 'Andere Hersenhelft'-patroon, waarbij een overwegend rationele en op feiten gebaseerde aanpak de cruciale menselijke en sociale dimensie van een probleem miskent. De opzet van het project was technocratisch en logisch: door gevoelige data uit te sluiten en te focussen op objectieve kenmerken, zou een eerlijk systeem ontstaan. Deze spreadsheetlogica ging echter voorbij aan de complexe, niet-lineaire realiteit van het sociale domein en de manier waarop ambtenaren hun werk doen. De menselijke factor werd onvoldoende meegewogen. De ambtenaren, de eindgebruikers, ervoeren de adviezen van het algoritme als onlogisch en contra-intuïtief. Hoewel het model technisch verklaarbaar was, sloot de statistische 'logica' niet aan bij hun door ervaring en intuïtie gevormde professionele oordeel. Dit creëerde een fundamentele vertrouwensbreuk. De zachte kant – de beleving, de acceptatie, de noodzaak van een gevoelsmatig coherent verhaal achter een beslissing – werd onderschat. De reactie van de ambtenaren was dan ook niet irrationeel, maar volgde een eigen, menselijke logica waarin vertrouwen en navolgbaarheid essentieel zijn. Deze casus onderstreept de fundamentele les dat technologische oplossingen voor menselijke problemen altijd een sociaal-technisch ontwerp vereisen. Het is onvoldoende om alleen naar de data, de logica en de processen te kijken. Organisaties moeten evenveel aandacht besteden aan de 'andere hersenhelft': de emoties, de cultuur, de intuïtie en de belevingswereld van de mensen die met het systeem moeten werken en erdoor worden beïnvloed.

5.

"Sesam, open u" - Een AI-sprookje
Mensen trekken al snel de verkeerde conclusies m.b.t. intentie en inzet van mensen. De kritiek op samenwerking met Chinese partners is onterecht, maar kon wellicht wel worden voorzien. Daarop anticiperen kan helpen om een project niet voortijdig te laten sneuvelen.

6.

Stefan Pop’s stand-upcomedy show bij Lubach mislukt
Het blijft altijd lastig om te voorspellen hoe mensen zullen reageren en wat mensen wel of niet mooi of leuk vinden. Dat geldt voor individuen, maar ook voor groepen, waarin mensen elkaar ook nog eens beïnvloeden. Ten eerste moeten mensen de grappen zelf waarderen en daarbij ben je afhankelijk van het profiel van de mensen, maar ook in welke context ze zitten. Dezelfde persoon kan op het ene moment wel lachen om een grap, maar op een ander moment juist niet. In dit verhaal zaten grappen die riskant waren, zoals de laatste grap die geen clou had. Het was niet zeker of mensen dit zouden begrijpen en/of waarderen.

7.

Betaald parkeren zorgt voor betegelde voortuinen in Dordrecht
de reactie van de buurtbewoners meerekenen. Wat gebeurt er wanneer mensen ergens opeens voor moeten betalen?

8.

Olympisch breakdancen
Met haar originaliteit probeerde Rachael Gunn jury en publiek enthousiast te krijgen met een choreografie geïnspireerd op haar thuisland, maar beiden hadden een andere kijk op haar moves dan gehoopt. Van de jury kreeg Raygun geen punten toegekend en online werd ze belachelijk gemaakt.

9.

Meditatieruimte Universiteit Maastricht gebruikt voor seks
Studenten hadden totaal andere gedachten bij het zien van de meditatieruimte. Je kunt vaak niet voorspellen hoe mensen zich gaan gedragen in bepaalde situaties en zo kunnen ze onvoorspelbaar, ongewenst gedrag vertonen, zoals ook in dit geval.

10.

Anti-misdaad team NSOC
Vanuit de politiek was er maar weinig vertrouwen in de organisatie vanwege de mislukking van het eerder opgerichte team MIT.