De vraag vóór de vraag

Waarom een oude denktruc van de filosofie de meest onderschatte vaardigheid is in het AI-tijdperk

Er is een type vergissing dat zo vaak gemaakt wordt dat we het normaal zijn gaan vinden. Je ziet het in softwareprojecten, in reorganisaties, in strategietrajecten en in AI-implementaties. De vergissing ziet er niet uit als een fout — ze ziet er uit als voortgang. Mensen zijn druk bezig. Er wordt gebouwd. Er wordt geoptimaliseerd. Er wordt versneld.

En precies daar zit het probleem.

Aristoteles had een woord hiervoor

Aristoteles leefde van 384 tot 322 voor Christus. Hij was de leerling van Plato, die op zijn beurt de leerling was van Socrates. Drie generaties denkers, elkaar opvolgend in Athene — en toch begin ik bij de jongste van de drie. Dat heeft een reden. Aristoteles gaf het begrip eerste beginselen zijn scherpste formulering. Zijn leraar Plato en Plato's leraar Socrates hadden de methode al in de praktijk gebracht — maar Aristoteles legde het theoretische fundament waarop die methode rust.

Aristoteles onderscheidde twee manieren van redeneren. De eerste is syllogistisch: je trekt conclusies uit premissen. De tweede gaat dieper. Hij noemde het redeneren vanuit archai — eerste beginselen.

Even stilstaan bij dat woord: premissen. Een premisse is een aanname die je als uitgangspunt neemt zonder haar zelf te bewijzen. "Onze klanten willen een snellere checkout." "We moeten dit bouwen in een app." "Een wekelijks rapport is de standaard in onze sector." Dat zijn premissen. Ze klinken als feiten, maar het zijn aannames — aannames die misschien kloppen, maar ook misschien nooit serieus zijn bevraagd.

Wie syllogistisch redeneert, bouwt op die premissen. Als de premisse klopt, klopt de conclusie. Maar wie redeneert vanuit eerste beginselen, vraagt eerst: kloppen die premissen eigenlijk? Zijn ze echt waar, of zijn ze gewoon nooit ter discussie gesteld?

Aristoteles paste dit toe op de wetenschappen. Elke wetenschap heeft haar eigen eerste beginselen — de onherleidbare waarheden die specifiek zijn voor dat domein en niet verder kunnen worden afgeleid uit iets anders. De geometrie begint bij axioma's als "twee punten bepalen een rechte lijn." De natuurkunde begint bij de fundamentele eigenschappen van materie. Je kunt pas goed redeneren over een domein als je die eerste beginselen kent. Zo niet, dan bouw je op aannames die je voor waarheid houdt.

Een concreet voorbeeld. Een zorginstelling wil een nieuw systeem voor het roosteren van medewerkers. De premisse is: "Planners moeten roosters sneller kunnen maken." Wie syllogistisch redeneert, gaat dat bouwen — slimme roosteralgoritmen, AI-ondersteuning, automatische conflictdetectie. Wie vanuit eerste beginselen redeneert, vraagt eerst: waarom kost het roosteren nu zoveel tijd? Na doorvragen blijkt dat het roosteren zelf niet het probleem is — dat duurt een uur. Het probleem is de twee weken daarna: de constante stroom van ruilverzoeken, uitzonderingen en last-minute wijzigingen, afgehandeld via een combinatie van e-mail, WhatsApp en plakbriefjes. Een sneller roostersysteem had het eigenlijke probleem niet aangeraakt.

Maar het is Aristoteles' intellectuele grootvader — Socrates, die leefde van circa 470 tot 399 voor Christus — die de praktische methode bedacht om bij die eerste beginselen te komen.

Socrates en de kunst van het niet-weten

Socrates — de oudste van de drie, geboren rond 470 voor Christus — schreef zelf niets op. Hij gaf geen lessen, hield geen college, publiceerde niets. Alles wat we van hem weten, komt via zijn leerling Plato, die zijn gesprekken optekende in de vorm van dialogen. Plato werd vervolgens de leraar van Aristoteles. Zo loopt de lijn: Socrates → Plato → Aristoteles — van oud naar jong, van methode naar theorie.

Socrates' methode heet de elenchus — weerlegging door doorvragen. Ze werkt zo.

Socrates begint met een vraag die eenvoudig lijkt: wat is moed? Zijn gesprekspartner geeft een antwoord: "Moed is op je post blijven staan in de strijd." Socrates vraagt: is een generaal die zijn troepen terugtrekt om een betere positie in te nemen dan ook niet moedig? Zijn gesprekspartner past zijn antwoord aan: "Moed is standvastigheid." Socrates vraagt: is roekeloosheid — doodgaan voor niets — ook standvastigheid? En zo verder, totdat de gesprekspartner erkent dat hij het eigenlijk niet weet.

Dat klinkt als een negatief resultaat. Het is juist het tegenovergestelde. Socrates geloofde dat het erkennen van niet-weten de eerste stap is naar echte kennis. Wie denkt het al te weten, stopt met vragen. Wie weet dat hij het niet weet, begint pas echt te onderzoeken.

Cruciaal daarin is het soort vragen dat Socrates stelt. Niet de vragen die een gesprekspartner verwacht. Niet de vragen die het gesprek comfortabel houden. Maar de vragen die een aanname blootleggen die de gesprekspartner zelf niet als aanname herkende. De ontregelende vraag — de vraag die het fundament raakt in plaats van erop te bouwen.

Het verschil tussen een logische vraag en zo'n ontwrichtende vraag is klein in formulering, maar groot in effect. Logische vragen bevestigen de richting die al gekozen is. De andere soort stelt die richting ter discussie.

Iemand zegt: "We willen een app waarmee medewerkers verlof kunnen aanvragen."

Logisch: "Moet de app ook werken op Android?" De richting — een app — staat niet ter discussie.

Ontregelend: "Hoe wordt verlof nu aangevraagd, en wat gaat daar het vaakst mis?" Misschien blijkt dat 80% van de verlofaanvragen via WhatsApp gaat en het probleem niet de aanvraag is maar de administratieve verwerking erna. Dan is de app het verkeerde antwoord.

Of: iemand zegt "We hebben betere rapportages nodig voor de directie."

Logisch: "Welk format heeft de directie het liefst — tabellen of grafieken?"

Ontregelend: "Wat doet de directie op dit moment met de rapportages die ze al krijgt?" Als het antwoord is "die worden zelden gelezen" — dan is het probleem niet het format.

Dit is waarom Socrates als gevaarlijk werd beschouwd. Niet omdat hij slechte antwoorden gaf. Maar omdat hij liet zien dat de vanzelfsprekende antwoorden die mensen al hadden, niet zo vanzelfsprekend waren.

Waarom we dit zo moeilijk vinden

First principles denken is na Aristoteles en Socrates nooit verdwenen, maar het is ook nooit de standaard geworden. De standaard is analogieredeneren: je doet iets op een bepaalde manier omdat anderen het ook zo doen, of omdat het altijd zo gedaan is. Analogieredeneren is efficiënt — je hoeft niet alles opnieuw uit te vinden. Het probleem is wanneer de omgeving verandert maar de analogie niet mee verandert. Dan optimaliseer je een kopie van een kopie, en vraag je nooit of het origineel klopte.

Organisaties bouwden jarenlang complexe rapportagesystemen omdat "management maandelijkse rapportages wil." Niemand vroeg waarom. Toen AI-tooling beschikbaar werd, werd die maandelijkse rapportage geautomatiseerd — efficiënter, sneller, goedkoper. Maar de onderliggende vraag werd nog steeds niet gesteld. De analogie werd geautomatiseerd, niet bevraagd.

Dat dit zo hardnekkig is, heeft een psychologische verklaring. Daniel Kahneman beschreef hoe ons denken uiteenvalt in twee systemen. Systeem 1 reageert snel en automatisch op basis van patronen — het zegt "we hebben altijd zo gebouwd, dus we bouwen het weer." Systeem 2 is traag en analytisch — het vraagt "maar hadden we dit überhaupt moeten bouwen?" First principles denken is per definitie Systeem 2-werk. Maar Systeem 1 is sneller, luider en heeft een sterke voorkeur voor wat al bekend is.

Musk beschrijft het zo: mensen herinneren zich met onevenredig veel pijn die ene keer dat ze iets weggooiden wat ze later toch nodig bleken te hebben. Dat geheugen stuurt hun gedrag — ze stoppen er te veel in, houden te veel vast. Hij spreekt letterlijk van een "corticale overschrijving van het limbische oerinstinct" die nodig is om door te kunnen zetten. Socrates wist dit ook al: zijn gesprekspartners voelden bijna altijd weerstand bij het loslaten van wat ze dachten te weten. Mensen verdedigen hun aannames niet omdat ze koppig zijn, maar omdat het loslaten ervan aanvoelt als verlies.

Precies daarom is de vraag die het fundament raakt zo zeldzaam. En precies daarom is ze zo waardevol.

Musk's vijf stappen als operationalisering van een oud principe

Elon Musk heeft een algoritme. Hij noemt het zijn mantra — vijf stappen, in een vaste volgorde. Hij paste het toe op SpaceX, op Tesla, en onlangs op het bouwen van een supercomputer met 100.000 GPU's in Memphis. Maar de filosofische grond onder dit algoritme is niet nieuw. Het is Aristoteles en Socrates, geoperationaliseerd voor de praktijk van het bouwen.

Stap één: stel de vereisten ter discussie.

Musk noemt vereisten altijd tot op zekere hoogte "dom" — niet als belediging, maar als beschrijving van een structureel mechanisme. Elke vereiste is een articulatie van iets wat iemand impliciet weet, en die articulatie is per definitie onvolledig. Ze zegt wat iemand denkt dat het systeem moet doen — niet waarom, niet welk probleem werkelijk wordt opgelost, niet welke aannames erin zitten.

Zijn praktische aanpak: koppel een naam aan elke vereiste. Niet een afdeling, niet een team — een persoon. Want een afdeling kan geen verantwoording afleggen. Een persoon wel. En als niemand de eigenaar wil zijn van een vereiste, vertelt dat iets.

Stap twee: verwijder wat niet nodig is.

Dit is de moeilijkste stap. Musk's vuistregel: als je niet gedwongen wordt om ten minste 10% van wat je hebt verwijderd later weer terug te plaatsen, dan verwijder je niet genoeg. Die 10% is geen streefcijfer voor fouten — het is een ijkpunt voor moed. Je moet zo consequent verwijderen dat je soms te ver gaat. Pas dan weet je dat je echt verwijdert en niet slechts snoeit.

Wat je nastreeft na stap één en twee is wat je validated intent zou kunnen noemen: de kern van wat werkelijk bedoeld wordt, ontdaan van aannames en van wat er nooit in had mogen zitten. Aristoteles' archai in praktische vorm.

Stap drie: optimaliseer.

De meest gemaakte fout door slimme mensen is het optimaliseren van iets dat helemaal niet zou moeten bestaan. Een team besteedt weken aan het versnellen van een wekelijks rapportageproces — slimmere visualisaties, geautomatiseerde e-mail. Niemand vroeg of het rapport gelezen wordt. Bleek: nauwelijks. Het bestond omdat het ooit door iemand was gevraagd die al lang niet meer in de organisatie werkte.

Stap vier: versnel.

Versnellen van iets dat niet had mogen bestaan is absurd — en duurder dan het was, omdat je nu sneller de verkeerde kant op gaat.

Stap vijf: automatiseer.

De absolute laatste stap. Automatisering van een slecht gedefinieerd proces is geld verbranden op industriële schaal. De reden dat zoveel automatiseringsprojecten mislukken is niet dat de technologie slecht is. Het is dat stap één en twee werden overgeslagen.

De volgorde is het inzicht

Wat Musk's algoritme waardevol maakt, is niet de lijst. Vijf stappen zijn te onthouden. Wat waardevol is, is de volgorde — en de redenering waarom die volgorde heilig is.

De meeste organisaties beginnen bij stap drie, vier of vijf. Ze bouwen op premissen die nooit zijn bevraagd. Ze optimaliseren aannames die nooit zijn getoetst. Ze automatiseren processen die nooit hadden mogen bestaan.

Musk geeft toe dat hij dit algoritme zelf heel vaak in de omgekeerde volgorde heeft uitgevoerd. Iets automatiseren, versnellen, vereenvoudigen — en het daarna alsnog weggooien. "Daar werd ik erg moe van," zegt hij letterlijk. De les: begin bij de vraag vóór de vraag.

En dan is er AI

Dit alles was al relevant vóór AI. Maar AI maakt het urgenter op een manier die misschien niet meteen intuïtief is.

AI is uitzonderlijk goed in stap drie tot en met vijf. Optimaliseren, versnellen, automatiseren — op een schaal en snelheid die menselijke capaciteit ver overstijgt. De kosten van uitvoering dalen dramatisch. Meer projecten worden gestart, meer systemen worden gebouwd, meer processen worden geautomatiseerd.

Maar stap één en twee zijn een ander verhaal.

Een taalmodel werkt op basis van patroonherkenning. Logische vragen bevestigen wat al bekend is — ze bewegen in een cirkel van aanname naar statistisch plausibel antwoord en terug. De vraag die het fundament raakt, die een aanname blootlegt die de gesprekspartner zelf niet als aanname herkende, komt niet voort uit patroonherkenning. Die komt voort uit begrip van wat iemand impliciet weet maar expliciet niet kan formuleren.

De kennisfilosoof Michael Polanyi schreef in 1966: "We can know more than we can tell." Mensen dragen kennis in zich die ze niet spontaan kunnen articuleren — kennis die zit in routines, aannames, vanzelfsprekende manieren van werken. Een domeinexpert weet hoe een goed systeem eruit moet zien. Maar als je haar vraagt het te beschrijven, krijg je een onvolledige versie van wat ze werkelijk weet. De rest zit onder de oppervlakte, in wat Polanyi tacit knowledge noemt.

Dat wil niet zeggen dat AI niets kan bijdragen aan kennis-elicitatie en requirements engineering. Integendeel. AI is waardevol bij het uitwerken en structureren van wat al geëliciteerd is: interviews uitschrijven, inconsistenties in requirements detecteren, gaten in specificaties signaleren, traceerbaarheid bewaken tussen vereisten en testcases. AI kan ook een eerste laag van kennis ophalen — zeker in gestructureerde domeinen waar de vragen voorspelbaar zijn.

Maar dat verplaatst de menselijke rol naar de momenten die er het meest toe doen. AI werkt op wat er gezegd wordt. De tacit knowledge van Polanyi zit in wat er níet gezegd wordt — in de aarzeling, in het antwoord dat iets te vlot komt, in de expert die iets zegt maar iets anders bedoelt. Dat herkennen, en durven doorvragen op precies dat moment, vereist oordeel dat niet uit patroonherkenning voortkomt. AI maakt de requirements engineer niet overbodig. Het maakt haar rol preciezer — en de momenten waarop ze onmisbaar is, explicieter zichtbaar.

Naarmate uitvoering goedkoper en sneller wordt, wordt de kwaliteit van de vraagstelling aan het begin relatief waardevoller. Als bouwen vrijwel niets kost, is de bottleneck niet meer het bouwen. De bottleneck is weten wat je moet bouwen. De drempel om iets te bouwen is dramatisch gedaald. De drempel om iets goed te specificeren is gelijkgebleven. Wie faalt aan de voorkant, verbrandt nu sneller budget dan ooit.

Kennis-elicitatie en requirements engineering: de praktijk van first principles

Er is een vakgebied dat precies dit doet. Het heet kennis-elicitatie en requirements engineering — en het is een van de oudste en meest onderschatte disciplines in de softwareontwikkeling.

Kennis-elicitatie is het proces van het boven water halen van wat mensen weten zonder het te weten. Niet vragen wat iemand wil, maar ontdekken wat iemand bedoelt. Niet de vereiste noteren, maar de intentie achter de vereiste blootleggen. Het is de Socratische methode, toegepast op het bouwen van systemen.

Requirements engineering is het vertalen van die intentie naar scherpe, consistente, testbare specificaties. De brug tussen de wereld van het probleem en de wereld van de oplossing. Niet "een dashboard met realtime data" als vereiste, maar: welk besluit moet ondersteund worden, door wie, op welk moment, op basis van welke informatie — en wat zijn de gevolgen als het fout gaat?

Een goede requirements engineer vraagt niet alleen "wat wil je?" maar ook "laat me zien hoe je het nu doet." Die observeert, vergelijkt, bouwt prototypes niet als deliverable maar als gespreksmiddel — om te zien waar de expert aarzelt, wat ze corrigeert, wat ze vanzelfsprekend vindt maar niet heeft gezegd. De meest voorkomende reden dat dit overgeslagen wordt, is tijdsdruk: "We hebben geen tijd om dit soort vragen te stellen, we moeten bouwen." Maar wie bouwen begint zonder deze vragen gesteld te hebben, bouwt op drijfzand. Met AI als aanjager van snelheid, bouwt hij dat drijfzand nu sneller dan ooit.

Dat is first principles denken in de praktijk van het bouwen. En het is precies de vaardigheid die waardevoller wordt naarmate de rest van het bouwproces sneller, goedkoper en meer geautomatiseerd wordt. Niet omdat het romantisch is om vragen te stellen. Maar omdat de machine die daarna het werk doet, alleen zo goed is als de intentie die eraan voorafging.

Begin bij de vraag vóór de vraag.

Bronnen

• Aristoteles, Analytica Posteriora (ca. 350 v.Chr.) — voor de theorie van eerste beginselen (archai) en het onderscheid tussen syllogistisch redeneren en redeneren vanuit fundamentele waarheden. Vertaald en ingeleid door Jonathan Barnes in de Penguin-editie (1994).
• Plato, vroege dialogen Meno, Euthyphro en Laches (ca. 399–387 v.Chr.) — de primaire bronnen voor de Socratische methode (elenchus) in de praktijk. Plato legde de gesprekken van Socrates vast; de methode zelf is van Socrates, de overlevering van Plato.
• Michael Polanyi, The Tacit Dimension (Doubleday, 1966) — voor het concept van impliciete kennis (tacit knowledge) en de kernzin "we can know more than we can tell." Polanyi was een Brits-Hongaarse wetenschapsfilosoof die de kloof tussen wat mensen weten en wat ze kunnen articuleren als structureel beschreef, niet als een gebrek.
• Daniel Kahneman, Thinking, Fast and Slow (Farrar, Straus and Giroux, 2011) — voor het onderscheid tussen Systeem 1 (snel, automatisch, patroongestuurd) en Systeem 2 (traag, analytisch, bewust). Kahneman ontving de Nobelprijs voor Economie in 2002 voor zijn werk op het snijvlak van psychologie en besluitvorming.
• Elon Musk, in gesprek met Lex Fridman over het vijfstappenalgoritme en first principles denken — als hedendaagse illustratie van een principe dat tweeduizend jaar ouder is. Ontleend aan het Lex Fridman Podcast-interview.

Deze blog maakt deel uit van een bredere reeks over AI als systeemverschuiving — van de economie van tokens tot de versnelling van de technologie en wat dat betekent voor mensen en organisaties. De technische kant van AI in de praktijk beschrijft Edwin van Dillen. De bredere gedachten over organisatie, intentie en uitvoering zijn uitgewerkt op augmentedengineering.nl.

Co-creatie: Dit stuk is gemaakt samen met Claude (Anthropic), Grok (xAI) en NotebookLM (Google). De gedachten, posities en interpretaties zijn van mij.