De fase van gefragmenteerde focus door AI: de Hype Cycle zat er niet naast

Ken je dit gevoel? Je ontdekt een AI-tool, je gooit er een taak in die je normaal een uur kost, en binnen vijf minuten ligt er een bruikbare eerste versie. Het voelt alsof je ineens een extra set handen hebt. Je neemt meer aan, werkt sneller, en deelt vol enthousiasme je ervaringen. Totdat je op een ochtend merkt dat je hoofd voller staat dan ooit, je acht tools tegelijk openstaan en je niet meer weet waar je ook alweer gebleven was.

Ik herkende dit patroon bij mezelf, maar kon het lange tijd niet goed duiden. Tot ik de Gartner Hype Cycle langs zag komen en besefte dat dit geen persoonlijk falen was, maar een voorspelbaar traject dat bij elke grote technologische verandering opduikt en dat bovendien precies beschrijft waar we als vakgebied nu in zitten.

De Hype Cycle als spiegel

Gartner beschrijft in zijn jaarlijkse Hype Cycle hoe nieuwe technologieën zich door 5 fasen bewegen: van ‘Innovation Trigger’ via de ‘Peak of Inflated Expectations’ en het ‘Trough of Disillusionment’ naar de ‘Slope of Enlightenment’ en uiteindelijk het ‘Plateau of Productivity.’ In 2025 plaatste Gartner generatieve AI officieel in het Trough of Disillusionment. Dat klinkt als slecht nieuws, maar is het niet: het is de fase waarin overdreven verwachtingen plaatsmaken voor werkende systemen en eerlijke ervaringen.

De cijfers onderstrepen dat. De gemiddelde organisatie investeerde in 2024 circa 1,9 miljoen dollar in GenAI-initiatieven, maar minder dan 30 procent van de CEO’s was tevreden over de opbrengst. McKinsey bevestigt dit beeld in zijn State of AI 2025: 88 procent van de organisaties gebruikt AI structureel, maar slechts 6 procent haalt er echt meetbare waarde uit op bedrijfsniveau. Twee derde zit vast in wat onderzoekers ‘pilot purgatory‘ noemen, eindeloos experimenteren dat nooit doorgroeit naar een werkende structuur.

Wat mij trof, is dat ik dit patroon niet alleen op organisatieniveau herkende, maar ook in mijn eigen werkwijze als zelfstandige.

De hype cycle toegepast op AI gebruik als professional

Fase 1: ‘Wow, gaaf.’

Ik ontdekte wat AI kon doen en begon enthousiast te experimenteren. Elke taak was een nieuw speelveld. Ik deelde mijn ervaringen, probeerde tools uit en raakte oprecht gegrepen door de mogelijkheden.

Fase 2: ‘Help, dit verandert alles.’

De hoeveelheid updates, tools en mogelijkheden werd overweldigend. Ik had meer keuzes dan tijd en meer informatie dan verwerkingscapaciteit. Wie AI-geletterdheid serieus neemt, merkt in deze fase al snel dat er meer bij komt kijken dan handig prompten.

Fase 3: ‘Ik voel me superhuman.’

Dit is de fase die het aantrekkelijkst is om over te schrijven en die in de meeste AI-artikelen en LinkedIn-posts naar voren komt. Ik had een werkwijze gevonden die werkte. Ik produceerde sneller dan ooit, vibecodede de mooiste dingen bij elkaar en had elke ochtend het gevoel dat ik tien nieuwe bedrijven had kunnen starten. Ideeën waren makkelijker uit te werken dan ooit, en dat gaf een gevoel van macht. Een gevoel van onbeperkte mogelijkheden. Dat is de Peak of Inflated Expectations, maar dan op het niveau van één persoon.

Fase 4: ‘Ik ben mijn focus compleet kwijt.’

Dit is de fase die ik het uitdagendst blijf vinden en waar ik daarom langer bij stilsta. De keerzijde van superhuman kondigt zich aan en dat gaat geleidelijk en merk ik vooral in de avonduren. Meer tools betekent meer notificaties, meer schakelmomenten, meer cognitieve fragmentatie. Onderzoek van Harvard Business Review en Cornell toont aan dat chronisch context switching tot 40 procent van de productieve tijd kan kosten.

ManpowerGroup’s Global Talent Barometer 2026 legt de paradox mooi bloot: regulier AI-gebruik steeg met 13 procent naar 45 procent van alle werkenden, maar het vertrouwen in het gebruik ervan daalde gelijktijdig met 18 procent. Meer gebruik, minder zekerheid. Dat is het persoonlijke Trough of Disillusionment.

Wat ik zelf merkte, is dat dit niet alleen een kwestie van drukte is. Onderzoekers van Boston Consulting Group ontdekten dat 14 procent van de intensieve AI-gebruikers last krijgt van wat zij ‘AI brain fry‘ noemden: een specifieke cognitieve vermoeidheid die anders aanvoelt dan gewone werkdruk. Intensief toezicht houden op AI-output kost 14 procent meer cognitieve belasting dan werkprocessen zonder AI en zorgt voor 19 procent meer informatieoverload.

De ironie is opvallend: je gebruikt AI om werk te besparen, maar het type werk dat overblijft, beoordelen, corrigeren, schakelen en beslissen wat je wel en niet overneemt, is precies het type werk dat je brein intensief belast. Ik onderzocht wat AI cognitief met je doet om te duiden wat het is, maar ook hoe ik het kan verminderen. Want als je ’s avonds te overweldigd bent van het vele schakelen op een dag dat je in gesprek met familie en vrienden niet goed mee kan komen is er wat aan de hand, en dan moet er wat gebeuren. Bovenal merkte ik ook in gesprekken dat ik veel minder gestructureerd verhalen vertelde, van de hak op de tak, snel wisselend en daardoor lastig te volgen. De focus was kwijt.

Fase 5: ‘Als ik structuur bied en goed waak, kan dit me veel opleveren.’

Dit is de fase die overeenkomt met Gartners Slope of Enlightenment. Niet superhuman, niet overweldigd, maar bewust. Je weet welke taken je aan AI geeft en welke niet, je hebt een structuur die schaalt en je bewaakt actief waar je aandacht naartoe gaat. Balans zoeken blijft daarin cruciaal, omdat de curve niet stopt bij deze fase.

Geprompt door Claude, uitgevoerd door Gemini

Jagged technological frontier

Harvard Business School, MIT Sloan en Wharton deden samen een groot veldexperiment met 758 consultants van Boston Consulting Group. Hun conclusie: AI maakt kenniswerkers significant productiever, mits de taak binnen hun eigen expertise valt. Ze introduceerden het begrip ‘jagged technological frontier‘: AI verbetert sommige taken sterk en verslechtert andere, zelfs binnen hetzelfde werkproces. Die grens is niet altijd zichtbaar van tevoren, en dat is precies het gevaarlijke aan fase 3.

Microsoft Research voegde daar in 2025 een cruciaal inzicht aan toe: hoger vertrouwen in AI hangt samen met minder kritisch denken. Het MIT-lab van onderzoekster Nataliya Kosmyna bracht het neurologische bewijs: mensen die schreven met ChatGPT lieten een neurale connectiviteit zien die tot 55 procent lager lag dan bij mensen die zonder tools werkten. Ze introduceerde het begrip ‘cognitieve schuld’: elke keer dat je een mentale taak delegeert aan AI, win je op korte termijn tijd, maar je bouwt een schuld op in de vaardigheden die je daarvoor nodig had.

Dat betekent niet dat AI schadelijk is. Het betekent dat hallucinatievrij en bewust werken met AI niet alleen een kwestie is van goede prompts, maar ook van actief bewaken wat je zelf blijft doen. En wellicht ook actief bewaken wat anderen zelf moeten blijven doen, maar goed, dat is een andere discussie.

Wat in de praktijk het verschil maakt

Ik werk als freelance communicatieadviseur in de Achterhoek, met dertien actieve projecten die variëren van contentstrategie en eventorganisatie tot communitywerk en platformontwikkeling. Meerdere projecten tegelijk was al jaren mijn norm, maar de dichtheid van de prikkels is de afgelopen tijd toegenomen.

De werkwijze die me het meest heeft opgeleverd, is niet de perfecte prompt maar het bouwen van context. Per project houd ik een .md-bestand bij met tone of voice per klant, kernboodschappen, lopende beslissingen en de huidige status. Claude Cowork leest en schrijft daar rechtstreeks in, waardoor ik bij elke werksessie niet opnieuw hoef te reconstrueren waar een project staat. Via Notion AI neem ik de meeste meetings op en die is gekoppeld aan Claude zodat per project automatisch nieuwe context (en bovenal nieuwe taken) toegevoegd wordt. Dat klinkt logistiek, maar het is het enige dat echt schaalt als je meerdere klanten tegelijk bedient.

Het Harvard-onderzoek ondersteunt dit: AI versterkt bestaande expertise en is geen vervanging voor vakkennis, maar een hefboom. Hoe beter je de context hebt ingericht, hoe meer die hefboom oplevert. McKinsey noemt organisaties die dit als strategisch initiatief aanpakken ‘AI high performers’: ze zijn drie keer zo geneigd transformatieve use cases na te streven in plaats van incrementele, en ze leggen AI niet bovenop bestaande werkwijzen maar richten processen opnieuw in. Dat geldt even goed voor een zelfstandige als voor een groot bedrijf. Slimmer werken met AI begint niet bij de tool, maar bij de vraag wat je eigenlijk wilt bereiken.

Wat is er nu nodig?

Ik praat regelmatig met andere communicatieprofessionals, ondernemers en organisaties over AI en steeds vaker stel ik mezelf dezelfde vragen. Delen we nu voldoende wat er echt gebeurt, of laten we vooral de successen zien en houden we de twijfels voor onszelf? Praten we over onze werkwijze of ook over de grotere impact van AI op hoe we werken, hoe we leren en wat we nog zelf willen kunnen?

Bespreken we ook de vragen die ongemakkelijker zijn, over data-soevereiniteit, over privacy, over wat er gebeurt als klantinformatie in een AI-tool verdwijnt? De EU AI Act verplicht AI-geletterdheid voor elke medewerker, inclusief zzp’ers en freelancers, en de Autoriteit Persoonsgegevens handhaaft hierop. Dat is geen abstracte wetgeving: het stelt concrete vragen over hoe wij als communicatieprofessionals verantwoord omgaan met de tools die we dagelijks gebruiken.

Hoe kunnen we meer gesprekken voeren die verder gaan dan ‘AI geeft 50 procent tijdswinst’, en die in plaats daarvan gaan over hoe we AI verantwoord en bewust inzetten, over wat er op het spel staat als we dat niet doen, en over hoe we als vakgebied gezamenlijk verder komen in plaats van dat iedereen het wiel opnieuw uitvindt?

Dat zijn de vragen waar ik geen kant-en-klare antwoorden op heb, maar die ik wel het de moeite waard vind om samen te verkennen. Jij ook?