Kan een AI-avatar een universiteitsprofessor vervangen? Een Analyse van de AI-instructeurs van 2026

In oktober 2025 introduceerde de decaan van de online masteropleiding computerwetenschappen aan Georgia Tech een nieuwe onderwijsassistent aan zijn studenten. De assistent heette DAI-vid. Hij zag er precies zo uit als professor David Joyner, sprak precies zo en was 24/7 beschikbaar in zeventien talen. Er was slechts één verschil tussen DAI-vid en de echte professor: DAI-vid was een AI-avatar, getraind op jaren aan college-opnames en Q&A-sessies van Joyner, ingezet op het edX-platform om studentenvragen te beantwoorden waar voorheen een menselijke assistent voor nodig was.

DAI-vid was geen incident. Tegen het einde van het academische jaar 2025/2026 waren AI-avatar-instructeurs actief aan Boise State University (een volledige asynchrone cursus gegeven door de AI-avatar van de menselijke professor), de University of Miami (een computerwetenschappelijk docent met een meertalige AI-versie van zichzelf die 24/7 beschikbaar was), de University of Virginia (avatars ingezet sinds de herfst van 2025 bij het Center for Learning Based on Cognitive Science), Morehouse College (digitale avatars naar het evenbeeld van elke professor die als onderwijsassistent fungeerden) en op een groeiend aantal e-learningplatforms. Section AI lanceerde de „eerste AI-avatar-professor“ op hun zakelijke opleidingsplatform. Het Alpha School-netwerk in Texas, dat tot $75.000 per jaar rekent voor inschrijving van kleuterschool tot middelbare school, verzorgt al het academisch onderwijs twee uur per dag via adaptieve AI-software zonder menselijke leraren – met alleen volwassen „gidsen“ voor toezicht en motivatie.

De provocerende vraag is niet langer of een AI-avatar kan lesgeven. Dat gebeurt al bij betalende studenten aan gerenommeerde instellingen. De cruciale vraag is of een AI-avatar een menselijke professor in wezenlijke zin kan vervangen – dat wil zeggen, niet alleen door informatie over te dragen, maar door diepgaand leren, mentorschap, oordeelsvorming en de intellectuele transformatie die een universiteitsdiploma behoort te certificeren. Dit artikel onderzoekt het bewijsmateriaal van de eerste golf van inzet: waar AI-avatars in uitblinken, waar ze systematisch falen en wat hun realistische rol is in 2026 en daarna.

Wat er werkelijk gebeurt: een overzicht van AI-instructeurs in 2026

De inzet valt uiteen in drie categorieën, elk met verschillende doelen en beperkingen.

• De AI-onderwijsassistent. Een menselijke professor blijft verantwoordelijk voor de cursus. Een AI-avatar beantwoordt vragen van studenten buiten de kantooruren, verduidelijkt basisconcepten, loodst studenten door de syllabus en escaleert complexe problemen naar de docent. Dit is het dominante model in 2026. Voorbeelden zijn de avatar van de docent computerwetenschappen aan de University of Miami, de digitale docenten van Morehouse en DAI-vid aan Georgia Tech. De studenttevredenheid is hoog; de AI-avatars verminderen de werkdruk van de docent zonder de mens uit het proces te halen.
• De AI-cursusinstructeur. De avatar is de primaire didactische aanwezigheid voor een hele cursus, waarbij een menselijke docent het curriculumontwerp en de beoordeling op strategisch niveau overziet. Artificial Intelligence Applications aan Boise State is het meest geciteerde voorbeeld: een asynchrone cursus AI-ethiek die volledig wordt gegeven door een AI-avatar die is gemaakt op basis van eerdere colleges van de professor. Section AI past een vergelijkbaar model toe op hun platform. Deze inzet is recenter (de meeste startten als pilot in 2026) en de gegevens over leerresultaten zijn nog voorlopig.
• De AI-instelling die leraren vervangt. Het Alpha School-netwerk is hier het typevoorbeeld van. Het model: studenten krijgen dagelijks twee uur academisch onderwijs via adaptieve AI-software, zonder traditionele leraren. De aanwezige volwassenen (gidsen genoemd) zorgen voor motivatie, houden toezicht op het gedrag en faciliteren buitenschoolse activiteiten. Het collegegeld varieert tussen $40.000 en $75.000 per jaar en het netwerk is in 2025/2026 naar meerdere steden uitgebreid. Alpha beweert dat studenten „twee keer zoveel leren in 2 uur“. Deze claim is omstreden. Er is nog geen onafhankelijke evaluatie van leerresultaten gepubliceerd.

Elk van deze modellen wordt momenteel in de praktijk getest. De volgende conclusies zijn getrokken uit de eerste golf van inzet, uit onderzoek naar de resultaten van AI-tutorsystemen (met name het werk met Khanmigo van de Khan Academy, dat het best vergelijkbare systeem op schaal is), en uit de operationele realiteit voor docenten en studenten aan instellingen die deze programma's uitvoeren.

Waar AI-avatars echt in uitblinken

Het zou intellectueel oneerlijk zijn om AI-avatars volledig af te wijzen. Op verschillende belangrijke punten presteren ze feitelijk beter dan menselijke docenten, en elke eerlijke analyse moet hier beginnen.

• Beschikbaarheid. Een AI-avatar is wakker om 2 uur 's nachts, wanneer de student eindelijk begint aan het huiswerk dat voor middernacht af had moeten zijn. Geen enkele menselijke assistent kan deze service bieden zonder burn-out te riskeren. Het verkorten van de wachttijd voor hulp is een van de belangrijkste factoren voor studentbehoud in online opleidingen, en AI-avatars verbeteren dit aanzienlijk.
• Meertalig bereik. DAI-vid aan Georgia Tech werkt in zeventien talen. Voor internationale studenten in Engelstalige programma's is het verschil tussen een vraag kunnen stellen in hun moedertaal of hun verwarring moeten vertalen naar een tweede taal het verschil tussen geholpen worden of opgeven. AI-avatars nemen deze drempel weg op een manier die menselijke docenten realistisch gezien niet kunnen evenaren.
• Geduld op schaal. Een AI-avatar beantwoordt dezelfde basisvraag voor de duizendste keer met evenveel zorg en helderheid als de eerste keer. Menselijke docenten, hoe welwillend ook, hebben deze capaciteit niet. Voor introductiecursussen waarin elk semester dezelfde twijfels terugkeren, heeft een avatar die elke verwarde student door de standaarduitleg loodst een reële pedagogische waarde.
• Gepersonaliseerd tempo. Gegevens van Khanmigo van de Khan Academy, de best vergelijkbare casus op schaal, laten duidelijke winst zien. Een pilotproject met 15.000 studenten op 200 scholen in 2026 toonde aan dat studenten die ten minste 30 minuten per week met Khanmigo interacteerden, leerwinst boekten die gelijkstond aan 2 tot 3 weken extra traditioneel onderwijs. Een studie van SRI International in 2025 liet een 23% snellere beheersing van algebra zien in vergelijking met traditionele videolessen.
• Leren zonder schaamte. Een student die in de klas nooit zijn hand durft op te steken om toe te geven dat hij een basisconcept niet begrijpt, stelt die vraag zonder aarzelen aan een AI-avatar. Dit is een reëel pedagogisch voordeel, vooral voor studenten wiens culturele achtergrond of persoonlijkheid het moeilijk maakt om in het openbaar hulp te vragen.
• Consistentie. De avatar geeft vandaag exact hetzelfde antwoord op vraag X als zes maanden geleden en zal dat over zes maanden nog steeds doen. Menselijke docenten dwalen af, hebben blinde vlekken of simpelweg een slechte dag. Voor de overdracht van feitelijke informatie is consistentie een kracht.

Elk van deze punten is een legitiem voordeel. De vraag is niet of AI-avatars nuttige dingen kunnen doen in het onderwijs. Dat kunnen ze, overduidelijk. De vraag is of wat ze niet kunnen, nog steeds zo belangrijk is dat de menselijke professor niet uit het proces kan worden verwijderd.

Waar AI-avatars systematisch falen

De manieren waarop ze falen zijn niet willekeurig. Ze concentreren zich op vijf gebieden, die elk laten zien wat een menselijke professor uniek biedt.

• Oordeelsvorming bij ambiguïteit. Een student komt naar het spreekuur met een vage zorg over haar scriptiethema en de opmerking dat ze misschien niet geschikt is voor een masteropleiding. Een menselijke docent decodeert de situatie, stelt twee gerichte vragen en realiseert zich dat het echte probleem een verlies van zelfvertrouwen is na strenge feedback van een adviseur – en grijpt pedagogisch en persoonlijk in. Een AI-avatar behandelt het oppervlakteprobleem (de scriptiemethodologie) met expertise en mist het werkelijke punt van interventie volledig. De student vertrekt technisch geïnformeerd maar zonder morele steun.
• Mentorschap dat over tijd wordt opgebouwd. Echt mentorschap is het cumulatieve resultaat van tientallen kleine interacties over maanden en jaren – een docent die zich herinnert dat deze student in het derde jaar geïnteresseerd was in gedistribueerde systemen, hem in het vierde jaar een specifiek artikel aanraadde en hem nu een onderzoekskans kan bieden tijdens de master. AI-avatars worden beter in conversatiegeheugen, maar de synthese tussen contexten, jaren en vakgebieden die menselijke mentoren betrouwbaar realiseren, blijft buiten hun bereik. Afgestudeerden die worden aangenomen, toegelaten tot de beste PhD-programma's en ongebruikelijke kansen krijgen, zijn onevenredig vaak degenen die door een menselijke mentor zijn opgemerkt en gesteund. Geen enkele avatar heeft dat ooit gedaan.
• Gekalibreerde autoriteit. Wanneer een student een belangrijke beslissing neemt – van studie veranderen, een vak laten vallen, een tussenjaar nemen – ontleent het advies van een menselijke docent zijn gewicht deels aan het feit dat de docent verantwoordelijkheid draagt. Hij zal de student weer zien. Hij voelt schaamte als zijn advies verkeerd uitpakt. Hij legt verantwoording af aan zijn gelijken. Het advies van een avatar heeft niet datzelfde gewicht, zelfs als het technisch beter is, omdat de student weet dat de avatar geen enkele consequentie ondervindt. Dit is geen technische tekortkoming die kan worden opgelost; het is een kenmerk van menselijke verantwoordelijkheid dat AI niet kan reproduceren.
• De sfeer proeven. Sommige van de belangrijkste leermomenten vinden plaats wanneer een docent merkt dat de klas in de war is door de derde stap van de bewijsvoering van gisteren, dat de betrokkenheid net is gedaald, dat de slimme student achterin een vraag heeft die hij niet durft te stellen. Dit is een reële, multimodale perceptie in realtime van groepsdynamiek. AI-avatars doen dit in 2026 niet. Zij behandelen individuele verzoeken in een wachtrij.
• Het genereren van nieuwe kennis. Het model van de onderzoeksuniversiteit is gebaseerd op de aanname dat degenen die lesgeven ook het onderzoek doen dat de volgende generatie kennis produceert. AI-avatars, getraind op werk uit het verleden, kunnen geen onderzoek genereren dat nog niet bestaat. Een universiteit die haar docenten volledig zou vervangen door avatars die zijn getraind op het werk van eerdere generaties, zou verworden tot een instituut van pure kennisoverdracht. Het zou ophouden een instituut van kennisproductie te zijn.

Dit zijn geen filosofische bezwaren die zijn bedacht om de banen van docenten te beschermen. Dit zijn de operationele redenen waarom elke serieuze inzet in 2026 de AI-avatar heeft gestructureerd als een aanvulling op de docent en niet als vervanging. Zelfs de meest agressieve inzet – de cursus-avatar van Boise State, het programma van de Alpha School – behoudt de menselijke structuur op een hoger niveau dan de avatar (de curriculumontwerper, de gids, het institutioneel toezicht). De vraag is niet of mensen in het proces moeten blijven. De vraag is op welk niveau ze moeten opereren.

Onderzoek naar leerresultaten: wat we werkelijk weten

De empirische bewijzen rond AI-tutoringsystemen zijn bijzonder interessant en genuanceerder dan voorstanders of sceptici vaak beweren. Drie conclusies komen naar voren uit de onderzoeken die in de afgelopen 18 maanden zijn gepubliceerd.

De resultaten van Khanmigo zijn het meest solide. De testinfrastructuur van de Khan Academy is het meest vergelijkbaar met een grootschalige randomized controlled trial (RCT) voor AI-tutoring. Hun interne conclusies (gepubliceerd in april 2026 in How Khan Academy is Building a Better AI Tutor) integraten rigoureuze A/B-tests op honderdduizenden tutoring-gesprekken. Hun bevindingen zijn positief maar bescheiden: het toevoegen van samenvattingen van gesprekken verbeterde de cognitieve betrokkenheid met 5,09% (betrouwbaarheidsniveau van 99,4%), het samenvatten van de probleemoplossende geschiedenis van studenten verbeterde de juistheid van de volgende stap met 3,4%. Dit zijn reële winsten die optellen, maar het zijn niet de „verdubbeling van het leren“-cijfers die soms in marketingmateriaal te zien zijn.

Externe validatie is gemengd. Het pilotproject van de MSU University met AI-tutoringsoftware begin 2025 liet in alle condities significante leerwinst zien, maar geen statistisch significant verschil tussen de groepen met en zonder AI in de uiteindelijke leerresultaten. Studenten stonden positief tegenover de AI, maar die perceptie vertaalde zich niet noodzakelijkerwijs in meetbare prestatieverbeteringen.

De meest spectaculaire claims zijn het minst geverifieerd. De centrale claim van de Alpha School „Twee keer zoveel in 2 uur“ is volledig gebaseerd op interne analyses die niet onafhankelijk zijn geverifieerd of aan peer review zijn onderworpen. Onderzoekers van de DeepLearning.ai Nieuwsbrief wezen in hun analyse van januari 2026 op het ontbreken van externe validatie. CBC News rapporteerde de waarschuwingen van Canadese onderwijsexperts die oproepen tot voorzichtigheid bij dit model. De claim kan waar, gedeeltelijk waar, of marketing-opgeblazen blijken te zijn; wat momenteel telt is dat instellingen die beslissingen nemen over AI-ondersteund onderwijs niet beschikken over solide prestatiegegevens om zich op te baseren.

De eerlijke evaluatie van het bewijs halverwege 2026: AI-tutoring leidt tot kleine tot matige, meetbare leerwinst in gecontroleerde tests. De winst lijkt robuust genoeg om voortdurende investeringen te rechtvaardigen, en de grootste marketingclaims lopen ver vooruit op het bewijs dat ze ondersteunt. AI als aanvulling: empirisch ondersteund. AI als vervanging: nog speculatief.

Waarom het eerlijke antwoord is „Nog niet, en misschien nooit“

Wanneer onderzoekers in dit vakgebied privé praten over de evolutie van AI-ondersteund onderwijs, concentreert het gesprek zich vaak op een onderscheid tussen twee soorten onderwijs. Het eerste type is kennisoverdracht en routine-tutoring: een concept uitleggen, een student door een procedure loodsen, veelvoorkomende vragen beantwoorden, geduldig dezelfde uitleg herhalen. AI is hier al erg goed in en zal alleen maar beter worden.

Het tweede type is intellectuele transformatie: een student helpen een identiteit als denker in zijn discipline te vormen, potentieel identificeren dat de student zelf nog niet ziet, navigeren door de ambigue overgangen waarin een leerling overgaat van competent naar origineel, hem verbinden met het sociale weefsel van zijn vakgebied. Dit is wat goede universiteiten in het beste geval altijd hebben gedaan, en dat is wat AI in 2026 helemaal niet doet. De interessante vraag is of het dat ooit zal doen, of dat dit transformatiewerk constitutioneel afhankelijk is van een mens die zelf lid is van de intellectuele gemeenschap waarin de student wordt geïntroduceerd.

Ons persoonlijke standpunt, na achttien maanden van nauwlettende observatie van de inzet: het transformatiewerk is constitutioneel menselijk, en de inzet die op de lange termijn zal slagen, is die welke dit correct integreert. De succesvolle universiteit in 2030 zal op grote schaal AI gebruiken voor kennisoverdracht, tutoring, planning, meertalig bereik en 24/7 beschikbaarheid. Zij zal de menselijke docent behouden voor taken die oordeelsvorming, verantwoordelijkheid, mentorschap en aanwezigheid vereisen. De onsuccesvolle versie – degene die we de komende jaren verwachten te zien falen – is degene die zal proberen de menselijke professor volledig te elimineren, de kosten op korte termijn te optimaliseren om er vervolgens in cohortstudies over vijf jaar achter te komen dat haar afgestudeerden weliswaar technisch geïnformeerd zijn, maar professioneel slecht voorbereid.

Het hybride model dat werkelijk ontstaat

Wat werkt in 2026 is een gestructureerde taakverdeling tussen AI en de menselijke docent. Het model is consistent tussen instellingen die goede resultaten boeken.

• Niveau 1 (autonoom beheerd door de AI-avatar): veelvoorkomende vragen over de inhoud, tutoring over prerequisieten, technische verduidelijkingen, planning, het uitvoeren van standaardprocedures, basiscommentaar op concepten. 24/7 beschikbaar in meerdere talen. De avatar escaleert vragen die hij niet met zekerheid kan beantwoorden naar de docent.
• Niveau 2 (beheerd door de AI-avatar met menselijke beoordeling): eerste feedback op opdrachten (de avatar genereert een concept-kritiek, de docent beoordeelt en bewerkt deze voor verzending). Beoordeling van gestructureerde opdrachten, waarbij de AI de beoordelingsrubriek toepast en de mens deze valideert. Triage van het spreekuur, waarbij de avatar veelvoorkomende vragen beantwoordt en nieuwe vragen doorstuurt naar de mens.
• Niveau 3 (alleen menselijke docent): persoonlijke spreekuren. Begeleiding bij sleutelbeslissingen (van studie veranderen, aanbevelingsbrieven voor masteropleidingen, carrière-advies). Toezicht op onderzoeksprojecten. Interventies bij persoonlijke crises. Moeilijke gevallen die verantwoordelijkheid en oordeelsvorming vereisen.
• Niveau 4 (menselijke docent met AI als hulpmiddel): curriculumontwerp (AI helpt bij het opstellen, de mens beslist), onderzoek (AI helpt bij literatuuronderzoek, de mens produceert het echte onderzoek), examenontwerp (AI helpt bij het genereren van problemen, de mens selecteert en valideert).

Deze taakverdeling vermenigvuldigt de bandbreedte van een individuele docent voor kennisoverdrachtstaken met 5 tot 10, terwijl het exclusieve werk van mensen behouden blijft waar het telt. Verschillende instellingen melden dat ze aanzienlijk grotere student-docentratio's kunnen ondersteunen zonder kwaliteitsverlies door niveau 1 en het grootste deel van niveau 2 naar AI te verschuiven. De kostenbesparingen vertalen zich in lager collegegeld, betere docent-studentratio's in niveau 3-werk, of beide. Dit is het model dat de komende vijf jaar dominant zal worden.

Wat dit model niet doet, is de menselijke professor vervangen. Het herstructureert hoe de menselijke professor zijn tijd besteedt. Studenten die uit deze programma's komen, hebben een andere interactie met een menselijke docent dan studenten in 2020: minder tijd besteed aan kennisoverdracht, meer tijd besteed aan persoonlijk werk, oordeelsvorming en transformatie waarvoor de menselijke docent onvervangbaar is. Dit is geen achteruitgang. Voor de meeste studenten is het een aanzienlijke verbetering.

Wat dit betekent voor instellingen die nu beslissen

Als u een beheerder of afdelingshoofd bent die de inzet van AI-avatars evalueert, zijn hier drie praktische richtlijnen op basis van dit jaar van observatie van deze beslissingen.

• Begin bij niveau 1, niet bij niveau 3. De projecten die werkten, begonnen met de avatar die veelvoorkomende vragen over de inhoud buiten de lessen beantwoordde. De projecten die in de problemen kwamen, begonnen met het toevertrouwen van beoordelings-, evaluatie- of tutoringtaken aan de avatar voordat de onderliggende technologie er klaar voor was. Bouw de inzet zo op dat de avatar grotere verantwoordelijkheden op zich neemt op basis van geobserveerde prestaties, en niet op basis van theoretische capaciteiten.
• Bouw de verificatielaag tegelijkertijd met de avatar. Als de avatar studenten helpt bij het programmeren of schrijven, moet de instelling kunnen verifiëren welk werk daadwerkelijk het resultaat is van de inspanning van de student en wat afkomstig is van de avatar, van het gebruik van andere AI door de student, of van combinaties van beide. Tools zoals Plagly.ai vervullen deze verificatiefunctie voor tekst en code, en de instelling die AI-tutoring implementeert zonder verificatie te implementeren, stelt zichzelf bloot aan beoordelingszwakheden die ze later niet kan diagnosticeren.
• Plan het overleg met docenten zorgvuldig. Projecten met avatars slagen wanneer docenten partner zijn in het ontwerp, en falen wanneer avatars aan hen worden gepresenteerd als een voldongen feit. Docenten weten dingen over lesgeven die het technische team niet weet. Behandel de expertise van docenten als input voor de inzet, en niet als weerstand die overwonnen moet worden. De instellingen die dit in 2025/2026 deden, zijn degenen die vandaag succesvolle projecten laten zien.

De fundamentele vraag is niet of AI op de universiteit zal zijn. Het is er. Het is er al. De vraag is welke rol het speelt en welke rol de menselijke docent speelt, en instellingen die geïnformeerde beslissingen nemen over deze taakverdeling zullen beter presteren dan instellingen die voor een van de twee extremen kiezen. Het antwoord op „Kan een AI-avatar een universiteitsprofessor vervangen?“ in 2026 is eerlijk: het kan delen vervangen van wat de docent doet, het kan het belangrijkste deel niet vervangen, en de universiteiten die de twee helften van deze zin integreren, zullen beter voorbereide afgestudeerden afleveren dan de universiteiten die er slechts één integreren.

Veelgestelde vragen

Zou een AI-avatar een professor kunnen vervangen in een asynchrone online cursus waar het mentorschap al minimaal is?

In principe wel, en verschillende pilotprogramma's testen dit in 2026. Het succes hangt sterk af van de aard van de cursus: of het primair gaat om kennisoverdracht (de avatar kan dit) of dat het substantiële feedback en intellectuele transformatie omvat (de avatar beheert delen, de mens blijft nodig). De inzet bij Boise State is het meest gevolgde voorbeeld. Het eerlijke antwoord medio 2026 is dat we veelbelovende pilotgegevens hebben, maar nog geen longitudinale gegevens over de resultaten van afgestudeerden. Programma's die dit model aannemen, moeten zich verplichten tot longitudinale monitoring en bereid zijn de koers te corrigeren op basis van wat de resultaten van afgestudeerden werkelijk laten zien.

Zullen AI-avatars het collegegeld verlagen?

Waarschijnlijk wel voor kennisoverdracht en routine-ondersteuning, maar de besparingen zijn kleiner dan de marketingslogans van leveranciers suggereren, omdat het menselijke werk dat de avatar niet kan doen, zich het minst leent voor schaalvergroting. De belangrijkste kosten van een intensieve onderzoeksuniversiteit zijn de onderzoeksinfrastructuur en de tijd van topdocenten, waarvan niets door de avatar wordt vervangen. Een instelling die zich richt op onderwijs zou aanzienlijke kostenbesparingen kunnen realiseren op routinecursussen, maar het realistische scenario is een daling van de onderwijskosten met ongeveer 15-30% voor typische bacheloropleidingen, en niet de cijfers van meer dan 50% die soms in sectoranalyses worden genoemd. De besparingen vertalen zich vaker in betere mentorschapsratio's in niveau 3-werk dan in generieke verlagingen van het collegegeld.

Wat gebeurt er met de academische integriteit in een cursus die wordt gegeven door een AI-avatar?

Het wordt belangrijker, niet minder, en vereist andere hulpmiddelen. Wanneer een AI-avatar de primaire docent is, heeft de instelling verificatiemechanismen nodig die het werk van studenten kunnen onderscheiden van de output van de avatar, van het gebruik van andere AI door de student, en van combinaties van beide. Detectietools zoals Plagly.ai worden operationeel kritiek en zijn niet langer optioneel. Instellingen die AI-ondersteunde cursussen aanbieden zonder geïntegreerde verificatie lopen een risico waar de meeste nog niet duidelijk over hebben nagedacht.

Zijn studenten tevreden met AI-avatar-docenten?

De gerapporteerde tevredenheid is hoog, met name voor niveau 1-use cases (24/7 beschikbaarheid, meertalige ondersteuning, geduldig tutoring). De tevredenheid daalt wanneer de avatar wordt gevraagd taken op zich te nemen waar hij niet goed in is – substantiële feedback op creatief werk, mentorschapgesprekken, beslissingen over academische oriëntatie. De kwalitatieve resultaten van Khanmigo laten consequent zien dat studenten AI positief ervaren voor wat het goed doet. Ze laten nog niet zien dat studenten de voorkeur geven aan AI boven menselijke docenten voor de taken die mensen exclusief uitvoeren. Dit patroon zal waarschijnlijk jarenlang stabiel blijven.

Zal de „AI-universiteit“, volledig gerund door AI, slagen?

Een versie hiervan zal de komende jaren serieus worden geprobeerd. Sommige versies zullen afgestudeerden opleveren die het goed doen, andere niet. Het verschil zal voortkomen uit wat de instelling doet met de menselijke middelen die vrijkomen doordat AI het routine-onderwijs overneemt. Instellingen die deze capaciteit herinvesteren in dieper mentorschap, meer onderzoeksmogelijkheden voor studenten en uitdagender transformatiewerk, zullen uitstekende afgestudeerden afleveren. Degenen die de AI-capaciteit voornamelijk gebruiken om kosten te verlagen en de inschrijvingen te verhogen, zullen afgestudeerden opleveren die weliswaar technisch geïnformeerd zijn, maar professioneel slecht voorbereid. Ze zullen de gevolgen hiervan ontdekken in studies naar de resultaten na vijf of tien jaar. De technologie is niet de bepalende factor. Dat zijn de keuzes voor het institutionele ontwerp rond de technologie.