Capitularea cognitivă și ceea ce vine după

Această carte s-a încheiat cu un avertisment despre echilibru. Între timp, problema s-a adâncit.

La Wharton School, o echipă de cercetători condusă de Steven D. Shaw și Gideon Nave a publicat la începutul lui 2026 un studiu care introduce un concept pe care l-au numit „capitulare cognitivă” sau „abandon cognitiv” (cognitive surrender). Ideea este simplă și devastatoare. Când IA dă un răspuns care sună convingător, 80% dintre oameni îl acceptă fără să verifice. Nu din lene. Din încredere. Din obișnuință. Din eficiență.

Studiul extinde cadrul clasic al lui Daniel Kahneman, Sistemul 1 (gândirea intuitivă, rapidă) și Sistemul 2 (gândirea deliberată, lentă), adăugând un al treilea: Sistemul 3, cogniția artificială. Și aici lucrurile devin interesante. Când Sistemul 3 e disponibil, oamenii nu doar că îl folosesc, ci renunță la sistemele 1 și 2. Nu mai gândesc intuitiv. Nu mai gândesc deliberat. Acceptă.

Există o diferență fundamentală între externalizare sau delegare cognitivă (cognitive offloading) și abandon cognitiv (cognitive surrender). Când folosesc calculatorul de buzunar pentru o înmulțire, fac cognitive offloading, deleg sarcina, dar păstrez controlul. Dacă îmi spune că 12 la pătrat e 144.000, știu că ceva nu e în regulă. Când folosesc un LLM pentru o analiză de piață și accept rezultatul fără să-l verific pentru că sună bine, pentru că e structurat frumos, pentru că confirmă ce deja credeam, fac cognitive surrender. Cedez controlul.

Eu am observat asta în propria echipă. Am un senior software developer care folosește Claude pentru debugging. La început verifica fiecare sugestie. După trei luni, acceptă prima variantă în 90% din cazuri. Când l-am întrebat de ce, mi-a răspuns sincer: „Pentru că de obicei are dreptate.” Și are dreptate, de obicei. Dar „de obicei” nu e „întotdeauna.” Iar diferența dintre cele două e exact locul unde se construiesc dezastrele. Problema nu e că IA greșește. Problema e că am încetat să ne mai așteptăm să greșească.

Un studiu Microsoft Research din aprilie 2025 confirmă concluzia. Încrederea ridicată în IA generativă e corelată direct cu reducerea efortului de gândire critică. Nu e vorba de oameni slabi sau needucați. E vorba de knowledge workers, profesioniști care și-au construit cariera pe capacitatea de a analiza. Și chiar ei renunță primii, pentru că presiunea de eficiență e cea mai mare asupra lor.

La universități, situația e și mai gravă. Profesorii descriu cum studenții cei mai performanți își „prostesc” deliberat textele. Elimină cuvinte sofisticate, simplifică structura ca să nu fie detectați de algoritmii anti-IA.

Antrenăm generația cea mai strălucitoare să fie mediocră ca să satisfacă un detector. E o ironie atât de brutală încât aproape că e comică.

Și aici ajung la ceea ce cred că este întrebarea reală, nu cum să oprim capitularea cognitivă, ci cum să reconstruim educația pentru o lume în care Sistemul 3 există permanent.

Întreaga noastră structură educațională, de la grădiniță la doctorat, e construită pe un model din secolul al XIX-lea. Specializare progresivă. Înveți puțin din toate, apoi te îngustezi, apoi devii expert într-un domeniu. Modelul T-shaped. O linie orizontală subțire de cunoștințe generale și o linie verticală profundă de expertiză. Această verticală profundă, deep knowledge, era avantajul tău competitiv. IA tocmai a transformat deep knowledge într-un commodity.

Un medic gastroenterolog consultă un LLM (un model lingvistic de dimensiuni mari). Sistemul îi semnalează o corelare între simptomele pacientului și un efect secundar rar al unui medicament oftalmologic pe care pacientul îl ia de doi ani. E o conexiune pe care specializarea nu o permite, dar spectrul larg o face posibilă.

Orice model lingvistic are acces la mai multă cunoaștere profundă decât orice expert uman în orice domeniu. Nu mai bine, altfel. Instantaneu, cuprinzător, cu intersecții pe care niciun specialist nu le-ar fi făcut. Și atunci ce trebuie să predăm?

Eu cred că răspunsul e o nouă geometrie. Modelul T, adâncime verticală într-un domeniu, plus o bară orizontală subțire de cultură generală, a fost geometria erei specialiștilor. Era IA cere altceva. O bară orizontală groasă, fără verticală fixă. Cunoștințe largi, interconectate, la suprafață, din cât mai multe domenii. Iar verticala, adâncimea de expert, o construim cu IA, atunci când construim ceva.

Nu specialistul care știe totul despre nimic. Generalistul care știe destul despre tot ca să pună întrebarea corectă.

Un arhitect proiectează un spital.

În vechiul model, trebuie să fie expert în structuri, să consulte un expert în instalații, un expert în ventilație, un expert în fluxuri medicale, un expert în reglementări. Fiecare expert știe totul despre domeniul lui și nimic despre celelalte. Proiectul progresează prin negociere între insule de cunoaștere.

În noul model, arhitectul are cunoștințe suficiente din fiecare domeniu ca să înțeleagă constrângerile, să vadă conflictele, să pună întrebări inteligente. Folosește IA ca să coboare adâncimea exact când are nevoie. Nu să memoreze. Să activeze cunoaștere profundă în momentul în care construiește ceva. Și mai mult: IA îi spune nu doar ce știa că nu știe, ci și ce nu știa că nu știe, unknown unknowns, golurile despre care nu știai că există.

Abilitatea reală a viitorului. Nu reținerea informației, ci navigarea ei. Nu răspunsul, ci întrebarea. Nu adâncimea, ci lățimea care te face capabil să folosești adâncimea pe care o au alții, oameni sau IA.

Și asta înseamnă că trebuie să reinventăm totul. Evaluările. Programa. Profesorii. Universitatea însăși.

Evaluările se transformă. Nu mai testezi ce știe studentul. Testezi cum gândește când are acces la tot ce s-a scris vreodată. Examenul din 2030 nu va fi "Enumerați cele cinci cauze ale Primului Război Mondial." Va fi "Având acces la orice sursă, formulați o strategie pentru prevenirea unui conflict similar în contextul geopolitic actual și justificați de ce ați ales aceste surse și nu altele."

Programa se transformă. Nu mai predai domenii izolate. Predai intersecții. Fizica cu economia. Biologia cu etica. Istoria cu data science. Un student care înțelege la suprafață zece domenii și știe să le conecteze e mai valoros decât un student care știe totul despre un singur domeniu.

Profesorii se transformă. Nu mai sunt surse de cunoaștere. Sunt antrenori de gândire. Rolul lor nu mai e să transmită informație, IA face asta mai bine. Rolul lor e să provoace, să contrazică, să oblige studentul să-și justifice gândirea.

Universitatea se transformă. Nu mai e o fabrică de specialiști. E un laborator de generaliști capabili, oameni care pot aborda orice problemă pentru că înțeleg suficient din fiecare domeniu ca să nu fie intimidați de complexitate, și care știu să folosească IA nu ca o cârjă, ci ca un amplificator.

Cred că aceasta e tema celei mai importante cărți pe care trebuie să o scriu în continuare. Nu despre ce ia IA de la noi, asta am scris-o deja, e acum în mâinile dumneavoastră. Ci despre ce trebuie să construim ca răspuns. O educație care nu mai luptă împotriva IA și nu capitulează în fața ei, ci o integrează ca Sistemul 3 din Tri-System Theory a cercetătorilor de la Wharton, Steven Shaw și Gideon Nave, dar cu Sistemul 2 ferm la conducere.

Ford a înțeles că muncitorii lui erau și clienții lui. Noi trebuie să înțelegem că studenții de azi sunt arhitecții economiei de mâine. Dacă îi învățăm să memoreze, vor fi înlocuiți. Dacă îi învățăm să se specializeze, vor fi depășiți. Dacă îi învățăm să gândească larg, să conecteze, să întrebe, să navigheze, atunci IA devine cel mai puternic instrument din istoria educației.

Iar dacă lăsăm capitularea cognitivă să se instaleze, dacă acceptăm că generațiile Z și Alpha vor gândi doar atât cât le permite promptul, atunci centaurul din titlul acestei cărți nu mai există. Rămâne doar omul redus. Nu doar eficiența va ucide cererea. Capitularea va ucide gândirea. Și o civilizație care nu mai gândește nu mai are nevoie de cărți. Nici măcar de aceasta.

Copiilor mei. Baden bei Wien, martie 2026

Continuă conversația Cartea e doar fundația. Restul se construiește online.

[QR] [QR] Dialog cu autorul Casa cărții alături de Dragoș Stanca centaureconomy.com

This book ended with a warning about balance. In the meantime, the problem has deepened.

At the Wharton School, a team of researchers led by Steven D. Shaw and Gideon Nave published a study in early 2026 introducing a concept they called “cognitive surrender”. The idea is simple and devastating. When AI gives an answer that sounds convincing, 80% of people accept it without checking. Not out of laziness. Out of trust. Out of habit. Out of efficiency.

The study extends Daniel Kahneman’s classic framework, System 1 (fast, intuitive thinking) and System 2 (slow, deliberate thinking), by adding a third: System 3, artificial cognition. And this is where things get interesting. When System 3 is available, people don’t just use it — they give up Systems 1 and 2. They no longer think intuitively. They no longer think deliberately. They accept.

There is a fundamental difference between cognitive offloading and cognitive surrender. When I use a pocket calculator for a multiplication, I am doing cognitive offloading: I delegate the task but keep control. If it tells me that 12 squared is 144,000, I know something is wrong. When I use an LLM for a market analysis and accept the result without checking it — because it sounds good, because it is beautifully structured, because it confirms what I already believed — I am doing cognitive surrender. I am ceding control.

I have seen this in my own team. I have a senior software developer who uses Claude for debugging. At first he checked every suggestion. After three months, he accepts the first answer 90% of the time. When I asked him why, he answered honestly: “Because it’s usually right.” And it is right, usually. But “usually” is not “always”. And the difference between the two is exactly where disasters are built. The problem is not that AI makes mistakes. The problem is that we have stopped expecting it to.

A Microsoft Research study from April 2025 confirms the conclusion. High trust in generative AI correlates directly with reduced critical-thinking effort. This is not about weak or uneducated people. This is about knowledge workers, professionals who built their careers on the ability to analyze. And they are the first to give it up, because the pressure for efficiency weighs heaviest on them.

At universities, the situation is even worse. Professors describe how their highest-performing students deliberately “dumb down” their texts. They cut sophisticated words and simplify the structure so they won’t be flagged by anti-AI detection algorithms.

We are training the most brilliant generation to be mediocre in order to satisfy a detector. The irony is so brutal it is almost comical.

And this brings me to what I believe is the real question: not how to stop cognitive surrender, but how to rebuild education for a world in which System 3 is permanently present.

Our entire educational structure, from kindergarten to the doctorate, is built on a nineteenth-century model. Progressive specialization. You learn a little of everything, then you narrow down, then you become an expert in one field. The T-shaped model. A thin horizontal line of general knowledge and a deep vertical line of expertise. That deep vertical, deep knowledge, was your competitive advantage. AI has just turned deep knowledge into a commodity.

A gastroenterologist consults an LLM (a large language model). The system flags a correlation between the patient’s symptoms and a rare side effect of an ophthalmological drug the patient has been taking for two years. It is a connection that specialization does not allow, but that breadth makes possible.

Any language model has access to more deep knowledge than any human expert in any field. Not better — different. Instantaneous, comprehensive, with intersections no specialist would ever have made. So what are we supposed to teach?

I believe the answer is a new geometry. The T model — vertical depth in one field plus a thin horizontal bar of general knowledge — was the geometry of the age of specialists. The AI era demands something else. A thick horizontal bar, with no fixed vertical. Broad, interconnected, surface-level knowledge from as many fields as possible. And the vertical, the expert’s depth, we build with AI — at the moment we are building something.

Not the specialist who knows everything about nothing. The generalist who knows enough about everything to ask the right question.

An architect designs a hospital.

In the old model, they must be an expert in structural engineering, consult an expert in building systems, an expert in ventilation, an expert in medical workflows, an expert in regulations. Each expert knows everything about their own field and nothing about the others. The project advances through negotiation between islands of knowledge.

In the new model, the architect knows enough of each field to understand the constraints, see the conflicts, ask intelligent questions. They use AI to descend into depth exactly when they need to. Not to memorize. To activate deep knowledge at the moment they are building something. And more than that: AI tells them not only what they knew they didn’t know, but also what they didn’t know they didn’t know — the unknown unknowns, the gaps you never knew existed.

The real skill of the future. Not retaining information, but navigating it. Not the answer, but the question. Not depth, but the breadth that makes you capable of using the depth that others have — humans or AI.

And that means we have to reinvent everything. The exams. The curriculum. The teachers. The university itself.

Assessment is transformed. You no longer test what the student knows. You test how they think when they have access to everything ever written. The exam of 2030 will not be “List the five causes of the First World War.” It will be “With access to any source, formulate a strategy for preventing a similar conflict in the current geopolitical context, and justify why you chose these sources and not others.”

The curriculum is transformed. You no longer teach isolated fields. You teach intersections. Physics with economics. Biology with ethics. History with data science. A student who understands ten fields at the surface and knows how to connect them is more valuable than a student who knows everything about a single field.

Teachers are transformed. They are no longer sources of knowledge. They are coaches of thinking. Their role is no longer to transmit information — AI does that better. Their role is to challenge, to contradict, to force the student to justify their thinking.

The university is transformed. It is no longer a factory of specialists. It is a laboratory of capable generalists — people who can take on any problem because they understand enough of every field not to be intimidated by complexity, and who know how to use AI not as a crutch but as an amplifier.

I believe this is the theme of the most important book I have yet to write. Not about what AI takes from us — I have already written that one; it is now in your hands. But about what we must build in response. An education that no longer fights AI and does not capitulate to it, but integrates it as System 3 of the Tri-System Theory of the Wharton researchers Steven Shaw and Gideon Nave — with System 2 firmly in charge.

Ford understood that his workers were also his customers. We must understand that today’s students are the architects of tomorrow’s economy. If we teach them to memorize, they will be replaced. If we teach them to specialize, they will be overtaken. If we teach them to think broadly, to connect, to ask, to navigate, then AI becomes the most powerful instrument in the history of education.

And if we let cognitive surrender take hold, if we accept that Generations Z and Alpha will think only as far as the prompt allows them, then the centaur in the title of this book no longer exists. What remains is only the diminished human. It will not just be efficiency that kills demand. Surrender will kill thinking. And a civilization that no longer thinks no longer needs books. Not even this one.

To my children. Baden bei Wien, March 2026

Continue the conversation The book is only the foundation. The rest is built online.

[QR] [QR] A dialogue with the author The book’s home together with Dragoș Stanca centaureconomy.com

Dieses Buch endete mit einer Warnung, in der es um Gleichgewicht ging. Inzwischen hat sich das Problem vertieft.

An der Wharton School veröffentlichte Anfang 2026 ein Forscherteam um Steven D. Shaw und Gideon Nave eine Studie, die ein Konzept einführt, das sie „kognitive Kapitulation“ (cognitive surrender) nannten. Die Idee ist einfach und verheerend. Wenn die KI eine Antwort gibt, die überzeugend klingt, akzeptieren 80 % der Menschen sie ungeprüft. Nicht aus Faulheit. Aus Vertrauen. Aus Gewohnheit. Aus Effizienz.

Die Studie erweitert Daniel Kahnemans klassisches Modell — System 1 (das schnelle, intuitive Denken) und System 2 (das langsame, überlegte Denken) — um ein drittes: System 3, die künstliche Kognition. Und hier wird es interessant. Wenn System 3 verfügbar ist, nutzen die Menschen es nicht nur — sie geben die Systeme 1 und 2 auf. Sie denken nicht mehr intuitiv. Sie denken nicht mehr überlegt. Sie akzeptieren.

Es gibt einen grundlegenden Unterschied zwischen dem Auslagern kognitiver Aufgaben (cognitive offloading) und der kognitiven Kapitulation (cognitive surrender). Wenn ich für eine Multiplikation den Taschenrechner benutze, betreibe ich cognitive offloading: Ich delegiere die Aufgabe, behalte aber die Kontrolle. Sagt er mir, 12 zum Quadrat sei 144.000, weiß ich, dass etwas nicht stimmt. Wenn ich ein LLM für eine Marktanalyse nutze und das Ergebnis ungeprüft akzeptiere — weil es gut klingt, weil es schön strukturiert ist, weil es bestätigt, was ich ohnehin schon glaubte —, dann ist das kognitive Kapitulation. Ich gebe die Kontrolle ab.

Ich habe das in meinem eigenen Team beobachtet. Ich habe einen Senior Software Developer, der Claude fürs Debugging nutzt. Anfangs prüfte er jeden Vorschlag. Nach drei Monaten akzeptiert er in 90 % der Fälle die erste Variante. Als ich ihn fragte, warum, antwortete er ehrlich: „Weil er meistens recht hat.“ Und er hat recht, meistens. Aber „meistens“ ist nicht „immer“. Und der Unterschied zwischen beidem ist genau der Ort, an dem Katastrophen entstehen. Das Problem ist nicht, dass die KI Fehler macht. Das Problem ist, dass wir aufgehört haben, Fehler von ihr zu erwarten.

Eine Studie von Microsoft Research vom April 2025 bestätigt den Befund. Hohes Vertrauen in generative KI korreliert direkt mit einem geringeren Aufwand an kritischem Denken. Es geht nicht um schwache oder ungebildete Menschen. Es geht um Knowledge Worker, um Profis, die ihre Karriere auf der Fähigkeit zur Analyse aufgebaut haben. Und gerade sie geben als Erste auf, weil der Effizienzdruck auf ihnen am schwersten lastet.

An den Universitäten ist die Lage noch gravierender. Professoren beschreiben, wie ihre besten Studenten ihre Texte absichtlich „verdummen“. Sie streichen anspruchsvolle Wörter und vereinfachen die Struktur, um nicht von den Anti-KI-Algorithmen erkannt zu werden.

Wir trainieren die brillanteste Generation darauf, mittelmäßig zu sein, um einen Detektor zufriedenzustellen. Die Ironie ist so brutal, dass sie fast schon komisch ist.

Und damit komme ich zu dem, was ich für die eigentliche Frage halte: nicht, wie wir die kognitive Kapitulation aufhalten, sondern wie wir die Bildung für eine Welt neu aufbauen, in der System 3 dauerhaft existiert.

Unsere gesamte Bildungsstruktur, vom Kindergarten bis zur Promotion, beruht auf einem Modell aus dem 19. Jahrhundert. Fortschreitende Spezialisierung. Man lernt von allem ein wenig, dann verengt man sich, dann wird man Experte auf einem Gebiet. Das T-Shape-Modell. Eine dünne horizontale Linie allgemeinen Wissens und eine tiefe vertikale Linie der Expertise. Diese tiefe Vertikale, das deep knowledge, war dein Wettbewerbsvorteil. Die KI hat deep knowledge soeben in ein Commodity verwandelt.

Ein Gastroenterologe konsultiert ein LLM (ein großes Sprachmodell). Das System weist ihn auf einen Zusammenhang zwischen den Symptomen des Patienten und einer seltenen Nebenwirkung eines Augenmedikaments hin, das der Patient seit zwei Jahren einnimmt. Es ist eine Verbindung, die die Spezialisierung nicht zulässt, die das breite Spektrum aber möglich macht.

Jedes Sprachmodell hat Zugang zu mehr Tiefenwissen als jeder menschliche Experte auf jedem beliebigen Gebiet. Nicht besser — anders. Sofort, umfassend, mit Querverbindungen, die kein Spezialist je gezogen hätte. Was also sollen wir dann lehren?

Ich glaube, die Antwort ist eine neue Geometrie. Das T-Modell — vertikale Tiefe in einem Fach plus ein dünner horizontaler Balken Allgemeinbildung — war die Geometrie des Zeitalters der Spezialisten. Das KI-Zeitalter verlangt etwas anderes. Einen dicken horizontalen Balken, ohne feste Vertikale. Breites, vernetztes Wissen an der Oberfläche, aus möglichst vielen Gebieten. Und die Vertikale, die Tiefe des Experten, bauen wir mit der KI — dann, wenn wir etwas bauen.

Nicht der Spezialist, der alles über nichts weiß. Der Generalist, der über alles genug weiß, um die richtige Frage zu stellen.

Ein Architekt entwirft ein Krankenhaus.

Im alten Modell muss er Experte für Tragwerke sein, einen Experten für Haustechnik konsultieren, einen Experten für Lüftung, einen Experten für medizinische Abläufe, einen Experten für Vorschriften. Jeder Experte weiß alles über sein Gebiet und nichts über die anderen. Das Projekt kommt durch Verhandlungen zwischen Wissensinseln voran.

Im neuen Modell verfügt der Architekt über genügend Kenntnisse aus jedem Gebiet, um die Zwänge zu verstehen, die Konflikte zu sehen, intelligente Fragen zu stellen. Er nutzt die KI, um genau dann in die Tiefe zu gehen, wenn er es braucht. Nicht um auswendig zu lernen. Um Tiefenwissen in dem Moment zu aktivieren, in dem er etwas baut. Und mehr noch: Die KI sagt ihm nicht nur, was er wusste, dass er es nicht weiß, sondern auch, was er nicht wusste, dass er es nicht weiß — die unknown unknowns, die Lücken, von deren Existenz man nichts ahnte.

Die eigentliche Fähigkeit der Zukunft. Nicht das Behalten von Information, sondern das Navigieren durch sie. Nicht die Antwort, sondern die Frage. Nicht die Tiefe, sondern die Breite, die dich befähigt, die Tiefe zu nutzen, über die andere verfügen — Menschen oder KI.

Und das bedeutet, dass wir alles neu erfinden müssen. Die Prüfungen. Den Lehrplan. Die Lehrer. Die Universität selbst.

Die Prüfungen verändern sich. Man testet nicht mehr, was der Student weiß. Man testet, wie er denkt, wenn er Zugang zu allem hat, was je geschrieben wurde. Die Prüfung des Jahres 2030 wird nicht lauten: „Nennen Sie die fünf Ursachen des Ersten Weltkriegs.“ Sie wird lauten: „Formulieren Sie mit Zugang zu beliebigen Quellen eine Strategie zur Verhinderung eines ähnlichen Konflikts im aktuellen geopolitischen Kontext, und begründen Sie, warum Sie diese Quellen gewählt haben und keine anderen.“

Der Lehrplan verändert sich. Man lehrt keine isolierten Fächer mehr. Man lehrt Schnittstellen. Physik mit Ökonomie. Biologie mit Ethik. Geschichte mit Data Science. Ein Student, der zehn Gebiete an der Oberfläche versteht und sie zu verbinden weiß, ist wertvoller als einer, der alles über ein einziges Gebiet weiß.

Die Lehrer verändern sich. Sie sind keine Wissensquellen mehr. Sie sind Denktrainer. Ihre Aufgabe ist nicht mehr, Information zu vermitteln — das macht die KI besser. Ihre Aufgabe ist es, herauszufordern, zu widersprechen, den Studenten zu zwingen, sein Denken zu rechtfertigen.

Die Universität verändert sich. Sie ist keine Spezialistenfabrik mehr. Sie ist ein Labor für fähige Generalisten — Menschen, die jedes Problem angehen können, weil sie von jedem Gebiet genug verstehen, um sich von Komplexität nicht einschüchtern zu lassen, und die die KI nicht als Krücke zu nutzen wissen, sondern als Verstärker.

Ich glaube, das ist das Thema des wichtigsten Buches, das ich als Nächstes schreiben muss. Nicht darüber, was die KI uns nimmt — das habe ich bereits geschrieben, es liegt jetzt in Ihren Händen. Sondern darüber, was wir als Antwort darauf aufbauen müssen. Eine Bildung, die nicht mehr gegen die KI kämpft und nicht vor ihr kapituliert, sondern sie als System 3 der Tri-System Theory der Wharton-Forscher Steven Shaw und Gideon Nave integriert — mit System 2 fest am Steuer.

Ford hat verstanden, dass seine Arbeiter auch seine Kunden waren. Wir müssen verstehen, dass die Studenten von heute die Architekten der Wirtschaft von morgen sind. Wenn wir ihnen beibringen, auswendig zu lernen, werden sie ersetzt. Wenn wir ihnen beibringen, sich zu spezialisieren, werden sie überholt. Wenn wir ihnen beibringen, breit zu denken, zu verbinden, zu fragen, zu navigieren, dann wird die KI zum mächtigsten Instrument in der Geschichte der Bildung.

Und wenn wir zulassen, dass sich die kognitive Kapitulation festsetzt, wenn wir akzeptieren, dass die Generationen Z und Alpha nur noch so weit denken, wie der Prompt es ihnen erlaubt, dann existiert der Zentaur aus dem Titel dieses Buches nicht mehr. Es bleibt nur der reduzierte Mensch. Nicht nur die Effizienz wird die Nachfrage töten. Die Kapitulation wird das Denken töten. Und eine Zivilisation, die nicht mehr denkt, braucht keine Bücher mehr. Nicht einmal dieses.

Meinen Kindern. Baden bei Wien, März 2026

Setzen Sie das Gespräch fort Das Buch ist nur das Fundament. Der Rest entsteht online.

[QR] [QR] Dialog mit dem Autor Das Zuhause des Buches gemeinsam mit Dragoș Stanca centaureconomy.com

Dit boek eindigde met een waarschuwing over evenwicht. Intussen is het probleem dieper geworden.

Aan de Wharton School publiceerde een onderzoeksteam onder leiding van Steven D. Shaw en Gideon Nave begin 2026 een studie die een concept introduceert dat ze ‘cognitieve capitulatie’ (cognitive surrender) noemden. De gedachte is simpel en verwoestend. Wanneer AI een antwoord geeft dat overtuigend klinkt, accepteert 80% van de mensen het zonder het te controleren. Niet uit luiheid. Uit vertrouwen. Uit gewoonte. Uit efficiëntie.

De studie breidt het klassieke kader van Daniel Kahneman uit — Systeem 1 (het snelle, intuïtieve denken) en Systeem 2 (het trage, weloverwogen denken) — met een derde: Systeem 3, de kunstmatige cognitie. En daar wordt het interessant. Wanneer Systeem 3 beschikbaar is, gebruiken mensen het niet alleen — ze geven Systeem 1 en 2 op. Ze denken niet meer intuïtief. Ze denken niet meer weloverwogen. Ze accepteren.

Er is een fundamenteel verschil tussen het uitbesteden van denkwerk (cognitive offloading) en de cognitieve capitulatie (cognitive surrender). Wanneer ik een rekenmachine gebruik voor een vermenigvuldiging, doe ik aan cognitive offloading: ik delegeer de taak, maar houd de controle. Als hij me vertelt dat 12 in het kwadraat 144.000 is, weet ik dat er iets mis is. Wanneer ik een LLM gebruik voor een marktanalyse en het resultaat accepteer zonder het te controleren — omdat het goed klinkt, omdat het mooi gestructureerd is, omdat het bevestigt wat ik toch al geloofde — dan is dat cognitieve capitulatie. Ik geef de controle uit handen.

Ik heb het in mijn eigen team gezien. Ik heb een senior softwareontwikkelaar die Claude gebruikt voor debugging. In het begin controleerde hij elke suggestie. Na drie maanden accepteert hij in 90% van de gevallen de eerste variant. Toen ik hem vroeg waarom, antwoordde hij eerlijk: ‘Omdat hij het meestal bij het rechte eind heeft.’ En dat klopt, meestal. Maar ‘meestal’ is niet ‘altijd’. En het verschil tussen die twee is precies de plek waar rampen worden gebouwd. Het probleem is niet dat AI fouten maakt. Het probleem is dat we niet meer verwachten dat ze fouten maakt.

Een studie van Microsoft Research uit april 2025 bevestigt de conclusie. Een groot vertrouwen in generatieve AI hangt direct samen met een afname van kritisch denkwerk. Het gaat niet om zwakke of ongeschoolde mensen. Het gaat om knowledge workers, professionals die hun carrière hebben gebouwd op het vermogen om te analyseren. En juist zij geven het als eersten op, omdat de efficiëntiedruk op hen het grootst is.

Aan de universiteiten is de situatie nog ernstiger. Docenten beschrijven hoe hun beste studenten hun teksten bewust ‘dommer maken’. Ze schrappen verfijnde woorden en vereenvoudigen de structuur om niet door de anti-AI-algoritmes te worden gedetecteerd.

We trainen de briljantste generatie om middelmatig te zijn, om een detector tevreden te stellen. De ironie is zo wrang dat het bijna komisch is.

En daarmee kom ik bij wat volgens mij de echte vraag is: niet hoe we de cognitieve capitulatie stoppen, maar hoe we het onderwijs opnieuw opbouwen voor een wereld waarin Systeem 3 permanent bestaat.

Onze hele onderwijsstructuur, van kleuterschool tot doctoraat, is gebouwd op een model uit de negentiende eeuw. Voortschrijdende specialisatie. Je leert van alles een beetje, dan versmal je je, dan word je expert op één gebied. Het T-vormige model. Een dunne horizontale lijn van algemene kennis en een diepe verticale lijn van expertise. Die diepe verticaal, deep knowledge, was je concurrentievoordeel. AI heeft deep knowledge zojuist tot een commodity gemaakt.

Een maag-darm-leverarts raadpleegt een LLM (een groot taalmodel). Het systeem wijst hem op een verband tussen de symptomen van de patiënt en een zeldzame bijwerking van een oogmedicijn dat de patiënt al twee jaar gebruikt. Het is een verbinding die specialisatie niet toelaat, maar die het brede spectrum mogelijk maakt.

Elk taalmodel heeft toegang tot meer diepgaande kennis dan welke menselijke expert dan ook, op welk gebied dan ook. Niet beter — anders. Onmiddellijk, allesomvattend, met dwarsverbanden die geen enkele specialist ooit had gelegd. Wat moeten we dan nog onderwijzen?

Ik geloof dat het antwoord een nieuwe geometrie is. Het T-model — verticale diepgang in één vakgebied plus een dunne horizontale balk algemene kennis — was de geometrie van het tijdperk van de specialisten. Het AI-tijdperk vraagt iets anders. Een dikke horizontale balk, zonder vaste verticaal. Brede, onderling verbonden kennis aan de oppervlakte, uit zo veel mogelijk vakgebieden. En de verticaal, de diepgang van de expert, bouwen we met AI — op het moment dat we iets bouwen.

Niet de specialist die alles weet over niets. De generalist die over alles genoeg weet om de juiste vraag te stellen.

Een architect ontwerpt een ziekenhuis.

In het oude model moet hij expert zijn in constructies, een expert in installaties raadplegen, een expert in ventilatie, een expert in medische stromen, een expert in regelgeving. Elke expert weet alles van zijn eigen vakgebied en niets van de andere. Het project vordert door onderhandeling tussen kenniseilanden.

In het nieuwe model heeft de architect voldoende kennis van elk vakgebied om de beperkingen te begrijpen, de conflicten te zien, intelligente vragen te stellen. Hij gebruikt AI om precies dan de diepte in te gaan wanneer hij dat nodig heeft. Niet om te memoriseren. Om diepgaande kennis te activeren op het moment dat hij iets bouwt. En meer nog: AI vertelt hem niet alleen wat hij wist dat hij niet wist, maar ook wat hij niet wist dat hij niet wist — de unknown unknowns, de gaten waarvan je niet wist dat ze bestonden.

De echte vaardigheid van de toekomst. Niet het onthouden van informatie, maar het navigeren erdoorheen. Niet het antwoord, maar de vraag. Niet de diepte, maar de breedte die je in staat stelt de diepte te benutten die anderen hebben — mensen of AI.

En dat betekent dat we alles opnieuw moeten uitvinden. De examens. Het curriculum. De docenten. De universiteit zelf.

De examens veranderen. Je toetst niet meer wat de student weet. Je toetst hoe hij denkt wanneer hij toegang heeft tot alles wat ooit is geschreven. Het examen van 2030 zal niet luiden: ‘Noem de vijf oorzaken van de Eerste Wereldoorlog.’ Het zal luiden: ‘Formuleer, met toegang tot elke willekeurige bron, een strategie om een vergelijkbaar conflict te voorkomen in de huidige geopolitieke context, en beargumenteer waarom u deze bronnen hebt gekozen en geen andere.’

Het curriculum verandert. Je onderwijst geen geïsoleerde vakgebieden meer. Je onderwijst kruispunten. Natuurkunde met economie. Biologie met ethiek. Geschiedenis met data science. Een student die tien vakgebieden aan de oppervlakte begrijpt en ze weet te verbinden, is waardevoller dan een student die alles weet over één enkel vakgebied.

De docenten veranderen. Ze zijn geen kennisbronnen meer. Ze zijn denktrainers. Hun rol is niet langer informatie overdragen — dat doet AI beter. Hun rol is uitdagen, tegenspreken, de student dwingen zijn denken te verantwoorden.

De universiteit verandert. Ze is geen specialistenfabriek meer. Ze is een laboratorium voor capabele generalisten — mensen die elk probleem aankunnen omdat ze van elk vakgebied genoeg begrijpen om zich niet door complexiteit te laten intimideren, en die AI weten te gebruiken niet als kruk, maar als versterker.

Ik geloof dat dit het thema is van het belangrijkste boek dat ik hierna moet schrijven. Niet over wat AI ons afneemt — dat heb ik al geschreven, het ligt nu in uw handen. Maar over wat we als antwoord moeten opbouwen. Een onderwijs dat niet langer tegen AI vecht en er niet voor capituleert, maar het integreert als Systeem 3 uit de Tri-System Theory van de Wharton-onderzoekers Steven Shaw en Gideon Nave — met Systeem 2 stevig aan het roer.

Ford begreep dat zijn arbeiders ook zijn klanten waren. Wij moeten begrijpen dat de studenten van vandaag de architecten zijn van de economie van morgen. Als we hun leren te memoriseren, worden ze vervangen. Als we hun leren zich te specialiseren, worden ze voorbijgestreefd. Als we hun leren breed te denken, te verbinden, te vragen, te navigeren, dan wordt AI het krachtigste instrument in de geschiedenis van het onderwijs.

En als we de cognitieve capitulatie laten wortelen, als we accepteren dat de generaties Z en Alpha alleen nog zo ver denken als de prompt hun toestaat, dan bestaat de centaur uit de titel van dit boek niet meer. Dan blijft alleen de gereduceerde mens over. Niet alleen de efficiëntie zal de vraag doden. De capitulatie zal het denken doden. En een beschaving die niet meer denkt, heeft geen boeken meer nodig. Zelfs dit boek niet.

Voor mijn kinderen. Baden bei Wien, maart 2026

Zet het gesprek voort Het boek is slechts het fundament. De rest wordt online gebouwd.

[QR] [QR] Dialoog met de auteur Het thuis van het boek samen met Dragoș Stanca centaureconomy.com