Drie bedrijven in je markt. Eén model. Eén antwoord.
Van wie is deze strategie?
Samenvallende AI-antwoorden is wat er gebeurt als iedereen dezelfde modellen dezelfde vragen stelt en hetzelfde antwoord terugkrijgt. Elk antwoord is beter dan wat die persoon alleen had geschreven. Bij elkaar zijn ze minder waard.
Onderzoekers legden toonaangevende modellen duizenden strategische dilemma’s voor en zagen ze vrijwel elke keer dezelfde modieuze kant kiezen, hoe het bedrijf in de opdracht er ook uitzag. Als je concurrent dezelfde tool dezelfde vraag stelt, weet je al wat hem is verteld.
Hoe het meestal boven water komtIk las die week drie plannen uit mijn portefeuille. Ik kon ze niet uit elkaar houden.
Een investeerder, na een portefeuillebespreking, dit voorjaar
Eerst één vraag
Er zijn drie manieren om een model op een lastige vraag te zetten.
Bijna iedereen gebruikt de eerste, omdat die het snelst is en omdat niemand er bewust voor koos. Kies de manier die past bij hoe je vorige week werkte en lees wat die je kost. De prijzen hieronder zijn echt en geen van de drie is gratis.
Wat het je oplevert
Snelheid, en echte winst in kwaliteit als schrijven niet je sterkste kant is. In het onderzoek in Science Advances scoorden schrijvers met de meeste toegang tot AI-ideeën 8,1% hoger op oorspronkelijkheid en 9% hoger op bruikbaarheid, en de minst zekere schrijvers wonnen het meest.
Wat het kost
Je erft de standaardinstellingen van het model, en iedereen die met dezelfde vraag begon erft ze ook. Datzelfde onderzoek mat 10,7% meer gelijkenis tussen stukken die begonnen bij één AI-idee.
Op een dinsdag
Je eerste versie bestaat na vier minuten en is dan al het gemiddelde van het internet. Alles daarna ben jij die je een weg terug redigeert naar iets van jezelf.
Prima wanneer
Het werk hóórt gewoon te zijn. Een samenvatting van beleid, een vacaturetekst, de derde versie van een standaardvoorstel. Samenvallen doet alleen pijn waar verschil het punt was.
De meeste bedrijven staan voor alles op route één, ook voor de vier of vijf besluiten per jaar die ze werkelijk onderscheiden van het bedrijf verderop. De rest van deze pagina gaat over hoe je ziet welke besluiten dat zijn en wat je daar anders doet.
Hoe het eruitziet
Drie plannen, drie bedrijven, één zin.
Deze komen van drie verschillende bedrijven in drie verschillende markten, in hetzelfde kwartaal. Lees de werkwoorden in plaats van de zelfstandige naamwoorden.
Een logistieke scale-up, 140 mensen
We gaan ons onderscheiden op servicekwaliteit door AI onze mensen te laten versterken in plaats van vervangen, en zo bouwen we voorsprong op de lange termijn.
Een B2B-softwarebedrijf, 90 mensen
Onze voorsprong komt uit een onderscheidende klantbeleving, waarbij AI het team versterkt, zodat we investeren in verdedigbaarheid op de lange termijn in plaats van in marge op korte termijn.
Een zorggroep, 320 mensen
We onderscheiden ons met kwaliteit van zorg, gebruiken AI om ons zorgpersoneel te versterken en beschermen uitkomsten op de lange termijn boven besparingen per kwartaal.
Onderscheiden. Versterken. Lange termijn. Drie bedrijven die met niemand dezelfde concurrenten hebben, die uitkomen op dezelfde drie woorden in dezelfde volgorde. Samengesteld uit klantdocumenten, licht herschreven zodat niemand herkenbaar is.
Geen van die zinnen is fout. Elk ervan zou een directievergadering overleven. En geen van drieën vertelt je wat dit bedrijf maandag gaat doen wat de andere twee niet doen, en daar is een strategie het enige voor.
Samenvallende AI-antwoorden is dat iedereen hetzelfde goede antwoord krijgt, waardoor het een slechter antwoord wordt.
Over duizenden gesimuleerde strategievragen kozen toonaangevende modellen vrijwel steeds dezelfde modieuze optie, ongeacht het bedrijf in de opdracht.1
De korte versie
Onderzoekers van Esade, de Universiteit van Sydney en NYU Stern legden toonaangevende modellen duizenden strategische dilemma’s voor. De modellen bleven de trendy kant kiezen, ongeacht de context. Ze noemden het trendslop.1
Beter formuleren en meer context hielpen minder dan je zou hopen.1
In een gecontroleerd schrijfexperiment met 300 schrijvers maakte AI-hulp het werk per persoon meetbaar beter en het geheel 10,7% meer op zichzelf lijkend.2
Een ander onderzoek vond dat de eenvormigheid komt doordat het model verschillende mensen soortgelijke ideeën aanreikt, en niet doordat één persoon vastloopt.3
Mensen in dat onderzoek produceerden ook meer ideeën, uitgebreider, en voelden zich er minder verantwoordelijk voor.3 Dat is het deel met gevolgen.
Je bent hier omdat zoiets als dit gebeurde
Twee plannen van verschillende teams kwamen terug alsof het hetzelfde document was
Je strategiedeck leest prettig en zegt niets dat alleen jij kunt zeggen
Een concurrent kondigde ongeveer jouw idee aan, ongeveer toen jij het had
Je vermoedt dat de tool het met het internet eens is en niet met jou
Wat je meeneemt
Drie manieren om een model te gebruiken, met de eerlijke prijs van elk
Een test met twee opdrachten die laat zien of jouw context ooit in het antwoord zat
Het onderzoek, met de steekproeven en wat uit tweede hand komt
Het ene ding om op te schrijven dat een model nergens anders kan halen
De definitie
Een model geeft je het midden van alles wat ooit over je vraag is geschreven.
Dat is wat het ding doet, en meestal is dat precies wat je wilt. Vraag hoe je een wijziging in de salarisadministratie aanpakt en het midden van alles wat daar ooit over is geschreven is een prima antwoord.
Vraag wat jouw bedrijf nu moet doen en je krijgt dezelfde behandeling, en daar gaat het mis. Er is geen midden van alles wat over jouw bedrijf is geschreven, dus krijg je het midden van alles wat is geschreven over bedrijven die een beetje op het jouwe lijken. En dat schrijft het zo goed op dat het als een conclusie leest.
Op het gebied van strategie lijkt een taalmodel misschien meer op een pas afgestudeerde MBA of een junior consultant, die napraat wat populair is in plaats van wat klopt voor deze situatie.
Natalia Levina, NYU Stern, over het trendslop-onderzoek, vertaald uit het Engels1
De andere helft van het probleem zit helemaal buiten de machine. Toen zesendertig mensen dezelfde brainstormopdracht kregen, kwamen degenen die ChatGPT gebruikten met ideeën die minder van elkaar verschilden dan die van de groep zonder. De onderzoekers zochten de oorzaak in elk individu en vonden hem daar niet. De ideeën van elke persoon apart waren ongeveer net zo gevarieerd als eerst. De eenvormigheid zat tussen mensen, omdat de tool ze allemaal stilletjes dezelfde vertrekpunten aanreikte.3
Je kunt dit dus niet oplossen door je team te vragen creatiever te zijn. Ieder van hen is op de gewone manier creatief, bovenop een vertrekpunt dat dertig anderen ook kregen.
01Campfire60%
02Wild West25%
03Blueprint10%Je eigen methode
04Engine4%
05Ecosystem1%
Aandeel bedrijven per level. Op level 2 formuleert iedereen op zijn eigen manier, dus komt iedereen op dezelfde standaardantwoorden uit. Level 3, Blueprint, is waar een bedrijf opschrijft hoe het beslist, en dat is het eerste dat een model niet van het internet kan overnemen. De aandelen per level komen uit het eigen werk van emaho met klanten.
Hier begint het culture level van een bedrijf meer uit te maken dan de tools die het koopt, en dat is de reden dat twee bedrijven met identieke abonnementen op heel verschillende plekken uitkomen.
Wat het onderzoek vond
Iedereen werd beter. Iedereen kwam dichter bij elkaar.
De helderste meting hiervan komt uit een gecontroleerd experiment in Science Advances. Driehonderd mensen kregen de opdracht een verhaal van acht zinnen te schrijven voor jongvolwassenen. Eén groep werkte alleen, één groep kreeg één idee van drie zinnen van ChatGPT te zien, en één groep mocht uit vijf kiezen. Zeshonderd andere mensen beoordeelden daarna de resultaten zonder te weten wat wat was.2
Wat het deed voor elke schrijver
Vergeleken met alleen schrijven, beoordeeld door 600 lezers
Oorspronkelijker+8.1%
Bruikbaarder+9.0%
Beter geschreven, minst zekere schrijvers+26.6%
Minder saai, minst zekere schrijvers+15.2%
Wat het deed met hen allemaal samen
Gelijkenis tussen de verhalen, gemeten over het geheel
Meer op elkaar lijkend dan de groep zonder AI+10.7%
Eén idee van één model, en driehonderd mensen schoven naar elkaar toe. Niemand in het experiment kon dit zien gebeuren, want het bestaat alleen tussen mensen.
De balken zijn per zijde geschaald, dus de twee zijden zijn niet direct vergelijkbaar. Links staat de verandering in hoe het werk werd beoordeeld, rechts de verandering in hoezeer het werk op elkaar ging lijken.2
Lees die twee kanten samen en je hebt de hele challenge. Iedereen in de kamer werd beter in het werk. De kamer werd slechter in het maken van verschillende dingen. Als jouw werk één verhaal schrijven is, neem de deal. Als jouw werk een bedrijf leiden is dat te onderscheiden moet zijn van drie andere, kijk dan nog eens naar de rechterkant.
300
schrijvers in het experiment, beoordeeld door 600 lezers die niet wisten welke verhalen AI-hulp hadden gehad
Het strategieonderzoek is degene waar een directieteam zich het meest zorgen over zou moeten maken, en het is ook degene om het zorgvuldigst te lezen. Berichten erover noemen zeven bekende spanningen en zeggen dat de modellen steevast neigden naar onderscheiden boven vercommercialiseren, versterken boven automatiseren en lange termijn boven korte termijn. Die details komen uit die berichten en niet uit het artikel zelf, dat achter een betaalmuur staat, dus behandel ze als navertelling. Wat de auteurs in hun eigen samenvatting stellen is op zichzelf al duidelijk genoeg: over duizenden simulaties kozen de modellen vrijwel steeds dezelfde modieuze strategieën, ongeacht de context.1
En de bevinding die niemand aanhaalt
In het brainstormonderzoek produceerden mensen die ChatGPT gebruikten meer ideeën en uitgebreidere ideeën, en gaven ze aan zich er minder verantwoordelijk voor te voelen.3 Houd dat naast een strategievergadering. Een plan waarvan niemand echt het gevoel heeft dat het van hem is, verdedigt niemand in maand vier, als het ongemakkelijk wordt en iemand vraagt waarom je ervoor koos.
Eén waarschuwing bij alle drie de onderzoeken. Twee ervan zijn kleine gecontroleerde experimenten over schrijven en ideeën bedenken en niet over een bedrijf leiden, en het derde is een simulatie van strategische vragen en geen verslag van besluiten die bedrijven werkelijk namen. Ze wijzen duidelijk één kant op en geen van drieën bewijst wat er in jouw maandagoverleg gebeurt.
Er komt een goed antwoord voordat je klaar bent met denken
De oude volgorde was denken en dan schrijven. Nu verschijnt er iets goed onderbouwds terwijl je nog uitzoekt wat je vindt, en discussiëren met een vlot geschreven alinea is veel lastiger dan een leeg vel vullen. Mensen weten dit van zichzelf en doen het toch, want die alinea ligt er en hij is goed.
Wat je anders maakt is precies wat je nooit hebt opgeschreven
Jouw model weet niet dat je grootste klant elf weken doet over een factuur, dat je beste ontwikkelaar vertrekt als je naar het enterprise-segment gaat, of dat de oprichter dit de vorige keer heeft tegengehouden. Niets daarvan zit in een opdracht, want niets daarvan staat in een document. Dus is het antwoord gebouwd op alles behalve het deel dat de afloop bepaalt.
Je vroeg iets over jouw bedrijf. Het antwoordde over bedrijven.
Paul Musters
Niemand voelt zich verantwoordelijk voor een plan dat hij niet helemaal schreef
Deze heeft de langste staart. Mensen die met een model produceren voelen zich minder eigenaar van wat eruit komt.3 Bij een strategie betekent dat: het plan overleeft de vergadering en sterft stilletjes in de uitvoering, want als de eerste harde afweging komt zit er niemand in de kamer die er genoeg in gelooft om ervoor te betalen.
Waar staat jouw bedrijf?
Zes vragen. Drie minuten. Niemand ziet wie er antwoordde. Je level, wat het kost, en wat er op het volgende verandert.
Stel dezelfde vraag twee keer, tien minuten uit elkaar.
Neem een echte vraag die je de afgelopen maand aan een model stelde. Iets dat ertoe deed, waarbij je een deel van het antwoord hebt gebruikt. Doe dan dit, wat ongeveer tien minuten kost en niets vraagt dat je niet al hebt.
1
Stel hem zoals je hem stelde
Zelfde woorden, zelfde context, zelfde bedrijfsgegevens. Bewaar het antwoord ergens waar je het naast een ander kunt leggen. Maak de opdracht niet netter, want de slordige versie is degene die je werkelijk gebruikt.
2
Stel hem kaal
Nieuw gesprek. Zelfde vraag, met alles wat specifiek is voor jouw bedrijf eruit gehaald. Geen branche, geen omvang, geen geschiedenis, geen beperkingen. Alleen de vraag die honderd anderen ook zouden stellen.
3
Leg ze naast elkaar
Als de twee antwoorden ongeveer hetzelfde zeggen in een andere volgorde, is jouw context nooit bij het antwoord aangekomen. Je hebt de algemene versie gelezen met de naam van je bedrijf erboven getypt.
Bijna iedereen die dit doet is verrast door hoe weinig het antwoord beweegt. Wat het je vertelt is waar de specifieke dingen over je bedrijf wonen, en dat is in hoofden en nergens waar het model bij kan. Dat is een feit over je bedrijf en niet over de tool.
Doe het één keer als directieteam, op een scherm, met een vraag die een van jullie werkelijk heeft gesteld. Het beslecht een discussie die anders maanden doorloopt, en het kost minder tijd dan die discussie.
Level voor level
Het verschil dat je overhoudt zit in je mensen, en het is ongelijk verdeeld.
Als de modellen iedereen hetzelfde vertrekpunt geven, is wat er als voorsprong overblijft wat jouw mensen ermee doen. Dat is niet gelijk verdeeld en het volgt geen rangorde.
Een Operating Profile in gebruik. Persoonlijkheidstype en AI-niveau in één profiel, met de agents die daarbij passen.
Sommige mensen gaan uit zichzelf in discussie met een model. Ze lezen een stellige alinea en hun eerste beweging is zoeken naar wat er niet in staat. Anderen nemen een goed antwoord als een af antwoord, wat redelijk is en veel sneller en precies de manier waarop een bedrijf met drie op elkaar lijkende plannen eindigt. Allebei zijn ze nuttig en ze hebben totaal verschillende dingen van je nodig.
We lezen twee dingen af per persoon: hoe iemand een antwoord leest, en waar diegene staat met AI. Dat vertelt je wie je zet op de vier besluiten per jaar waarbij anders zijn het hele punt is, en wie je laat op het werk waarbij het gemiddelde antwoord werkelijk het juiste is.
Over emaho
emaho meet één Operating Profile per persoon: persoonlijkheidstype en AI-niveau in één profiel. Daarop bouwen we een persoonlijke set AI-agents die past bij hoe iemand werkt, binnen de tools die hij al gebruikt. Vijftien minuten invullen, het eerste profiel is gratis, gemaakt voor bedrijven van 20 tot 500 mensen.
Vijftien minuten per persoon. Geen creditcard, geen verplichtingen.
Wat je doet
Schrijf op wat een model niet kan weten.
Er is hier één eerste zet en al het andere volgt daaruit. Het kost een middag, het levert één pagina op, en die pagina is het enige dat tussen jouw strategie en die van alle anderen in staat.
Open een document en schrijf op wat waar is over dit bedrijf en nergens staat. Niet de missie. De ongemakkelijke feiten uit de praktijk: welke klant je je niet kunt veroorloven te ergeren, van welke twee mensen het geheel afhangt, wat je in 2024 probeerde dat mislukte en waarom, wat je raad van commissarissen nooit zal goedkeuren, waar je marge werkelijk vandaan komt. Twintig regels is ruim genoeg. De meeste directieteams hebben deze pagina nog nooit gehad en ontdekken halverwege dat ze het oneens zijn over regel zes, en dat is de middag op zichzelf al waard.
Wat die pagina je daarna mogelijk maakt
Ze maakt route drie tot iets dat je werkelijk kunt doen. Je plakt die twintig regels erin, geeft het model je besluit, en vraagt het om tegen je in te gaan met jouw eigen beperkingen. Zonder de pagina levert dat verzoek algemene bezwaren op. Met de pagina krijg je het bezwaar dat je financieel directeur over drie weken zou maken.
Ze geeft je ook een echte toets voor elk AI-antwoord dat op je bureau belandt. Lees het en vraag welke regel van de pagina het heeft gebruikt. Als het antwoord even waar zou zijn voor een bedrijf dat geen van je twintig regels deelt, is het een samenvatting van het internet en mag je het zo behandelen.
En één gewoonte eromheen
Laat bij elk besluit dat ertoe doet twee mensen de vraag apart in hun eigen woorden stellen, en vergelijk voordat iemand iets rondstuurt. Waar ze overeenkomen heeft het model je de consensus gegeven en kun je door. Waar ze uiteenlopen zit het werkelijke denkwerk, en alleen dat deel is een vergadering waard.
Hoeveel bewoog je antwoord?
Als je de test met twee opdrachten doet, stuur me dan wat er tussen de twee antwoorden veranderde. Meestal kan ik daaraan zien welk deel van je context nooit op papier is gekomen. Je krijgt mijn lezing ervan, en verder niets.
Jij en je concurrent lopen dezelfde vergadering binnen met hetzelfde antwoord.
De kosten waar je een getal op kunt plakken komen binnen een jaar. Als drie bedrijven in een markt allemaal naar dezelfde modieuze positie bewegen, komen ze op dezelfde plek uit en concurreren ze op prijs, want dat is wat er overblijft als het verschil weg is. Niemand koos dat. Ieder van hen nam op eigen houtje een verstandig besluit met een behulpzame tool.
Trager, en zichtbaar in je agenda: plannen waarvan niemand het gevoel heeft dat hij ze schreef worden met minder overtuiging uitgevoerd.3 Je ziet het als een strategie die telkens opnieuw moet worden uitgelegd, en als besluiten die elk kwartaal weer opengaan omdat niemand in de kamer er ooit echt voor heeft gepleit.
En er is er een die pas achteraf zichtbaar wordt. Het onderzoek wijst op een spiraal: schrijvers die merken dat werk met AI creatiever wordt beoordeeld hebben alle reden om het meer te gebruiken, en hoe meer iedereen dat doet, hoe minder gevarieerd het geheel wordt.2 Elke individuele keuze klopt. De plek waar ze samen uitkomen zou niemand hebben gekozen.
De gewone vragen
Samengesteld uit meerdere gesprekken, niet uit één zaak.
Wat mensen vragen als iedereen hetzelfde antwoord krijgt
Waarom lijken AI-antwoorden zo op elkaar?
Omdat een model je het midden geeft van alles wat ooit over je vraag is geschreven. Bij een salarisadministratie is dat precies wat je wilt. Bij de vraag wat jouw bedrijf moet doen krijg je het midden van alles wat over bedrijven zoals het jouwe is geschreven.
Wat is trendslop?
De term van onderzoekers van Esade, de Universiteit van Sydney en NYU Stern voor wat je terugkrijgt als je een model om strategisch advies vraagt: de modieuze kant, vrijwel elke keer, ongeacht de context in de opdracht.
Helpt beter formuleren tegen generieke antwoorden?
Minder dan je hoopt. In hetzelfde onderzoek maakten betere opdrachten en rijkere context weinig verschil. Wat wel verschil maakt is dat je opschrijft wat een model nergens kan vinden.
Maakt AI het werk van mensen beter of slechter?
Allebei tegelijk, op verschillende niveaus. In het experiment in Science Advances scoorden verhalen met AI-hulp 8,1% hoger op oorspronkelijkheid en 9% hoger op bruikbaarheid, en werd het geheel 10,7% meer op zichzelf lijkend.
Ligt het aan de mensen dat ideeën op elkaar lijken?
Nee. In het brainstormonderzoek waren de ideeën van elke persoon apart net zo gevarieerd als eerst. De eenvormigheid zat tussen mensen, omdat de tool ze allemaal dezelfde vertrekpunten aanreikte. Je team vragen creatiever te zijn lost dat niet op.
Wie in je bedrijf haalt een goed antwoord uit elkaar?
Dat is een herkenbare gewoonte. emaho meet één Operating Profile per persoon en leest af wie een stellige alinea meteen napluist op wat er niet in staat. Die mensen zet je op de besluiten waar anders zijn het punt is.
Hoe test je of jouw context in het antwoord zat?
Stel dezelfde vraag twee keer, tien minuten uit elkaar. Eerst zoals je hem stelde, daarna kaal, met alles wat specifiek is voor jouw bedrijf eruit. Als de twee antwoorden hetzelfde zeggen in een andere volgorde, is je context nooit aangekomen.
Wat moet je opschrijven dat AI niet kan weten?
Twintig regels ongemakkelijke feiten uit de praktijk. Welke klant je je niet kunt veroorloven te ergeren, van welke twee mensen alles afhangt, wat in 2024 mislukte en waarom, wat je raad nooit goedkeurt, waar je marge echt vandaan komt.
Wanneer is een generiek antwoord prima?
Als het werk gewoon hoort te zijn. Een samenvatting van beleid, een vacaturetekst, de derde versie van een standaardvoorstel. Samenvallen doet alleen pijn bij de vier of vijf besluiten per jaar waarbij verschil het punt is.
Hoe gebruik je AI zonder op iedereen te gaan lijken?
Zet het tegenover je in plaats van ervoor. Beslis zelf, geef het model je besluit met je eigen beperkingen erbij, en vraag het om je onderuit te halen. Dan krijg je het bezwaar dat je financieel directeur over drie weken zou maken.
Waarom sneuvelen plannen die met AI zijn gemaakt in de uitvoering?
Omdat mensen zich er minder eigenaar van voelen. Dat is gemeten: wie met een model produceert voelt minder verantwoordelijkheid voor wat eruit komt. Een plan dat niemand echt van zichzelf vindt, verdedigt niemand bij de eerste harde afweging.
Dichtbij
Uit dezelfde hoek
Alle drie gaan over wat een model met een vraag doet als het niets over jou weet.
Wie in je bedrijf gaat in discussie met het antwoord?
Als iedereen op dezelfde plek begint, is je enige overgebleven voorsprong wat jouw mensen daarna doen. Vijftien minuten per persoon, en je ziet wie dat zijn.
Stel je laatste strategievraag aan drie toolsAls die drie antwoorden op elkaar rijmen, doen die van iedereen in je markt dat ook.
Zoek uit wie een goed antwoord uit elkaar haaltHet profiel laat zien wie dat uit zichzelf doet. Die gewoonte is het enige deel dat een concurrent niet kan kopen.
Eerste profiel gratis · geen creditcard · gemaakt voor bedrijven van 20 tot 500 · jij bepaalt wat je team te zien krijgt
Nog niet toe aan iets voor je team? Begin dan bij het level van het bedrijf. De Culture Level scan is zes vragen, drie minuten, en vraagt niets van je.
Vijftien jaar leiderschaps- en teamontwikkeling in Nederlandse scale-ups. Die praktijk zit nu in software: één Operating Profile per persoon, met agents die echt passen. Hij schrijft deze pagina’s vanuit wat hij bij klanten tegenkomt, niet vanuit een onderzoekssamenvatting.
Angelo Romasanta (Esade), Llewellyn D. W. Thomas (Universiteit van Sydney) en Natalia Levina (NYU Stern), Researchers Asked LLMs for Strategic Advice. They Got “Trendslop” in Return., Harvard Business Review, 16 maart 2026. Bron van: de term trendslop, en de bevinding dat toonaangevende modellen stelselmatig strategieën aanbevelen die aansluiten bij managementtrends in plaats van bij de logica van de situatie, waarbij de auteurs schrijven dat de modellen over duizenden simulaties vrijwel steeds dezelfde trendy strategieën kozen ongeacht de context, en dat een taalmodel op strategie dichter bij een pas afgestudeerde MBA of junior consultant komt die napraat wat populair is. Het citaat en die samenvatting komen uit het onderzoekshoogtepunt dat de auteurs zelf op 16 maart 2026 via NYU Stern publiceerden. Het artikel in Harvard Business Review zelf staat na de opening achter een betaalmuur. Berichten erover beschrijven zeven klassieke strategische spanningen en een consistente neiging naar onderscheiden boven vercommercialiseren, versterken boven automatiseren en lange termijn boven korte termijn, en melden dat beter formuleren en rijkere context weinig effect hadden. Die details komen uit tweede hand en staan als zodanig op de pagina.
Anil R. Doshi (UCL School of Management) en Oliver Hauser (University of Exeter Business School), Generative AI enhances individual creativity but reduces the collective diversity of novel content, Science Advances, juli 2024, DOI 10.1126/sciadv.adn5290. Details en citaten uit het persbericht van de University of Exeter van 15 juli 2024. Bron van: 300 deelnemers die een microverhaal van acht zinnen schreven voor jongvolwassenen, verdeeld over een groep zonder AI, een groep die één idee van drie zinnen van ChatGPT kreeg en een groep die uit maximaal vijf mocht kiezen; 600 geworven beoordelaars die oorspronkelijkheid en bruikbaarheid beoordeelden; verhalen van schrijvers met de meeste AI-toegang die 8,1% hoger scoorden op oorspronkelijkheid en 9% hoger op bruikbaarheid; schrijvers met de laagste scores op een Divergent Association Task die 10,7% wonnen op oorspronkelijkheid en 11,5% op bruikbaarheid, en die tot 26,6% beter geschreven, tot 22,6% prettiger en tot 15,2% minder saai werden bevonden; creatievere schrijvers die het minst wonnen; en een toename van 10,7% in gelijkenis tussen verhalen die met één idee van generatieve AI zijn geschreven, vergeleken met de groep zonder, gemeten met de embeddings-API van OpenAI. Hoogleraar Hauser beschrijft het patroon als een opkomend sociaal dilemma waarin de prikkel voor het individu om AI te gebruiken de gezamenlijke oorspronkelijkheid verder verkleint.
Barrett R. Anderson, Jash Hemant Shah en Max Kreminski, Homogenization Effects of Large Language Models on Human Creative Ideation, Proceedings of the 16th Conference on Creativity & Cognition, 2024, DOI 10.1145/3635636.3656204, ook beschikbaar als arXiv:2402.01536. Bron van: een vergelijkend gebruikersonderzoek onder 36 deelnemers waarin gebruikers met ChatGPT ideeën produceerden die inhoudelijk minder van elkaar verschilden dan met een ander hulpmiddel voor creativiteit; de bevinding dat de eenvormigheid op groepsniveau opdook en niet als toegenomen fixatie binnen individuen; en de bevinding dat ChatGPT-gebruikers meer en uitgebreidere ideeën genereerden terwijl ze zich minder verantwoordelijk voelden voor de ideeën die ze voortbrachten.
Cijfers zijn overgenomen zoals ze zijn gepubliceerd. De drie plannen in de tweede sectie zijn samengesteld uit klantdocumenten en zo herschreven dat geen bedrijf herkenbaar is. Het aandeel bedrijven per level komt uit het eigen werk van emaho met klanten en niet uit de onderzoeken hierboven.
