Economen gebruiken AI vooral om te schrijven en te programmeren

• Huijben, S. (2025) ESB, te verschijnen. Download [343,27 kb]

Generatieve AI wordt wijd onthaald als een transformatietechnologie. Ook onderzoekers in het economisch domein experimenteren volop met de mogelijkheden die de technologie biedt. Wat zijn hun ervaringen? Een enquête onder economische onderzoekers in Nederland.

Het gebruik van generatieve AI (gen-AI) – systemen die op basis van invoer nieuwe teksten, beelden of andere content kunnen creëren – neemt snel toe. Zo gebruikt 92 procent van de studenten (HEPI, 2025) en bijna een kwart van de bedrijven geregeld generatieve AI (CBS, 2025). ChatGPT, ’s werelds populairste gen-AI-toepassing, heeft zo’n 700 miljoen wekelijkse gebruikers – een verviervoudiging van een jaar geleden (Sigalos, 2025).

Ook binnen de wetenschap zelf is AI populair. In een enquêteonderzoek onder academici namens Nature gaf 28 procent aan AI te hebben gebruikt om een paper te redigeren, en 90 procent vond dit ethisch acceptabel (waarvan 55 procentpunt alleen als het ook vermeld wordt) (Kwon, 2025). Bij het schrijven van papers gebruikt 45 procent van de medische onderzoekers AI-chatbots, zoals ChatGPT (Ng et al., 2025); een studie van Wiley onder een brede groep academici kwam uit op hetzelfde percentage (Naddaf, 2025a).

Dat gebruik vertaalt zich inmiddels ook in de output van wetenschappelijke publicaties. Zo bevatte in 2024 ten minste 13,5 procent van de abstracts van biomedische wetenschappelijke artikelen door AI gegenereerde tekst (Kobak et al., 2025). Liang et al. (2024) vinden voor een bredere set aan vakgebieden dat tussen de 6,3 en 17,5 procent van de papers door AI geregenereerde tekst bevat. In de economie lijkt zo’n zeven procent zulke teksten te bevatten (Feyzollahi en Rafizadeh, 2025).

Dat gebruik kan positief uitpakken. AI kan bijvoorbeeld repetitieve taken automatiseren of helpen met programmeerwerk en zo de onderzoekproductiviteit verhogen (Korinek, 2023). Tegelijkertijd zijn er risico’s. Zo kan de toepassing van gen-AI ten koste gaan van het kritisch denkvermogen van gebruikers (Gerlich, 2025; Kosmyna et al., 2025), blijken finance-papers met AI-gegenereerde tekst lastiger te lezen (Walther en Dutordoir, 2025) en zorgt AI voor een (nog grotere) bias bij een peer review – in het voordeel van mannelijke, bekende economen van prominente instituten – als AI als reviewer wordt ingezet (Pataranutaporn et al., 2025).

Met de wisselende aanwijzingen over de zin, onzin en de toepassing van AI in het wetenschappelijk onderzoek is het een relevant moment om inzicht te krijgen in het gebruik van gen-AI onder Nederlandse economische onderzoekers. Hoe gebruiken ze AI, en hoe gaan ze bijvoorbeeld om met vragen rondom transparantie? Om hier een eerste indicatie van te krijgen, zette ik namens de redactie van ESB een enquête uit onder economische onderzoekers in Nederland.

De enquête

Tussen 16 juli en 26 augustus 2025 heb ik via Google Forms een enquête uitgezet. De vragenlijst richtte zich expliciet op economische onderzoekers en was beschikbaar in zowel het Nederlands als het Engels. De uitnodiging om deel te nemen werd verspreid via de nieuwsbrief en socialemediakanalen van ESB, stond op de website, en is daarnaast gedeeld met universiteiten; ook zijn plan- en onderzoeksbureaus benaderd met het verzoek om de enquête intern te verspreiden.

In totaal vulden 174 respondenten de volledige vragenlijst in. Van hen was 29 procent vrouw en 68 procent man. De overige deelnemers identificeerden zich met een andere gendercategorie of gaven aan dit liever niet te noemen. 36,8 procent was jonger dan 35 jaar, 35,6 procent tussen de 35 en 55 jaar, en 27,0 procent ouder dan 55. Eén enkele respondent gaf aan de leeftijd liever niet te delen.

82 procent van de respondenten geeft aan in het onderzoeksproces een beroep te doen op generatieve AI-tools. Vrouwen en mannen doen dat ongeveer even vaak. Het gebruik hangt af van de leeftijd: van de respondenten jonger dan 35 jaar past 92 procent AI toe, in de groep tussen de 35 en 55 jaar is dat 79 procent, en bij 55-plussers daalt dit naar 73 procent. Van de respondenten ouder dan 65 jaar maakt 56 procent gebruik van generatieve AI.

Ook de frequentie van gebruik verschilt. Van de gebruikers geeft 51 procent aan dit dagelijks te doen, 32 procent wekelijks, 13 procent maandelijks en 2 procent slechts één keer per jaar. Jongere respondenten en mannen kiezen vaker voor AI op dagelijkse basis dan de rest.

Verreweg de meeste respondenten, 79 procent, maken gebruik van Large Language Models (zoals ChatGPT en Gemini), een taal- en schrijfhulp wordt door 26 procent gebruikt, code-assistenten door 21 procent, tools voor literatuuronderzoek door 20 procent en 6 procent kiest voor design-tools.

Gezien het vrijwillige karakter van de enquête is enige mate van zelfselectiebias aannemelijk (Bethlehem, 2010). Het is te verwachten dat vooral economen met een uitgesproken opvatting over gen-AI – bijvoorbeeld enthousiastelingen – zich geroepen voelden om deel te nemen. Omdat de meeste respondenten AI-gebruikers zijn, geven de resultaten daarmee waarschijnlijk een te positieve inschatting van het daadwerkelijke AI-gebruik en de houding ten aanzien van AI onder alle economische onderzoekers.

Wisselende ervaring

Gemiddeld scoort de stelling dat gen-AI onderzoek in het algemeen verbetert een 3,27 op een schaal van 1 (zeer mee oneens) tot 5 (zeer mee eens) (figuur 1). Onder degenen die generatieve AI gebruiken, ligt dit gemiddelde aanzienlijk hoger, namelijk op 3,48. Niet-gebruikers zijn daarentegen negatief over de invloed van AI op onderzoek en geven gemiddeld slechts een 2,15.

Op de vraag of generatieve AI het werk productiever heeft gemaakt, geven onderzoekers gemiddeld een 7,27 (op een tienpunts likertschaal). Mannen waarderen de productiviteitswinst aanzienlijk hoger dan vrouwen, maar tussen de leeftijdsgroepen zijn de verschillen klein. Opvallend is dat 8,6 procent van de gebruikers AI op dit punt een onvoldoende geeft – zij ervaren dus geen duidelijke meerwaarde.

Van de respondenten die geen gebruik maken van gen-AI, zegt 41 procent dit ook niet te willen doen. Nog eens 34 procent twijfelt. De resterende 25 procent zou AI wel willen toepassen, maar ervaart belemmeringen zoals onvoldoende vaardigheden, gebrek aan toegang, of twijfels over de betrouwbaarheid van de output.

Opvallend is dat gebruikers de (regelmatige) toepassing van AI door collega’s fors hoger inschatten dan niet-gebruikers (figuur 2). Gemiddeld schatten respondenten het gen-AI-gebruik van collega’s wel lager in dan dat van henzelf.

Gebruiksredenen

De belangrijkste reden voor het gebruik van gen-AI is tijdsbesparing; 75 procent van de gebruikers noemt dit (figuur 3). Ook het controleren van werk (29 procent) en kostenbesparing (7 procent) worden genoemd.

Onderzoekers zetten AI ook in voor inhoudelijk verrijkende doeleinden. Zo geeft 42 procent aan AI te gebruiken ter inspiratie, 32 procent om data-analyse te verbeteren, 18 procent om toegang te krijgen tot nieuwe methoden of technieken, 17 procent om de nauwkeurigheid van het onderzoek te verbeteren, 11 procent voor het uitvoeren van anders moeilijk uitvoerbare activiteiten en 10 procent om grotere datasets te verwerken.

Verschil functionaliteiten

Om het ervaren nut per functionaliteit van AI in kaart te brengen, is de respondenten een reeks aan mogelijke toepassingen voorgelegd met de vraag of ze deze weleens hebben gebruikt, en zo ja, of ze deze functie nuttig vinden.

Hieruit volgt dat de meeste respondenten veel functionaliteiten hebben geprobeerd (figuur 4). Zo heeft 74 procent van de respondenten geprobeerd referenties te genereren maar ervaart 30 procentpunt dit als nutteloos – slechts 1 procent ervaart dit als zeer nuttig.

Het ervaren nut verschilt per functionaliteit. Vooral coderen, het (her)schrijven van teksten en samenvatten worden als nuttig ervaren. Functies als data genereren voor simulaties, visualisaties maken en literatuuronderzoek worden weinig gewaardeerd.

Kwaliteit beperkt gebruik

Er is een overwegend gematigd vertrouwen in de betrouwbaarheid van de output van AI-tools. Het grootste deel van de gebruikers (49 procent) beoordeelt de output als neutraal. Ongeveer een derde (33 procent) vindt de output redelijk betrouwbaar, terwijl slechts 2 procent deze zeer betrouwbaar acht. 13 procent vindt de output onbetrouwbaar en 2 procent geheel onbetrouwbaar. Uit de open vragen aan het einde blijkt bovendien dat respondenten vaak aangeven dat AI behulpzaam is, maar dat de output goed gecontroleerd moet worden.

Van de respondenten die AI gebruiken, zou 49 procent dat meer willen doen. Binnen deze groep is echter 59 procent niet tevreden genoeg over de kwaliteit, en 32 heeft niet voldoende vaardigheden. 29 procent maakt zich zorgen om de veiligheid, 23 procent om de milieu-impact, 22 heeft bezwaren omtrent eigenaarschap en 14 procent vreest het oordeel van collega’s. Onder de categorie ‘overig’ gaven respondenten (6 procent) aan de technologie nog niet toereikend te vinden of te weinig tijd te hebben om de benodigde vaardigheden aan te leren. 27 procent wil AI niet meer gebruiken of weet het niet.

Vermelding onderzoek

Van de respondenten vindt 31 procent dat het gebruik van generatieve AI altijd vermeld moet worden (figuur 5). 53 procent vindt dat dit alleen nodig is wanneer AI wezenlijk heeft bijgedragen aan het onderzoek, 26 procent wanneer teksten zijn overgenomen, 16 procent wanneer AI is gebruikt voor het genereren van ideeën, en 9 procent vindt dat het nooit vermeld hoeft te worden.

Er zijn echter duidelijke verschillen tussen het type onderzoekers. Onderzoekers die geen gen-AI gebruiken, vinden significant vaker dat het gebruik altijd vermeld moet worden, en hanteren minder vaak een contextafhankelijke benadering. Slechts 3 procent van deze groep vindt dat AI nooit vermeld hoeft te worden.

Daarnaast is er een discrepantie tussen de opvattingen over het moeten vermelden en het daadwerkelijk vermelden van een AI-toepassing. Zo is het aantal gebruikers dat aangeeft dat AI vermeld moet worden fors hoger dan het aantal gebruikers dat dit in de praktijk ook echt doet.

Verwachtingen

Bij de open vraag hoe gen-AI economisch onderzoek zal beïnvloeden, hebben respondenten grote verwachtingen. Aan de ene kant verwachten onderzoekers dat AI routinematige taken aanzienlijk efficiënter zal maken. Verschillende respondenten noemen AI als potentiële onderzoeksassistent. Hierdoor kan AI in delen van het onderzoeksproces leiden tot tijdsbesparing, waardoor onderzoekers zich meer kunnen richten op het inhoudelijke of creatieve deel van hun werk.

Daarnaast zien veel respondenten een verschuiving in de benodigde vaardigheden. Technische vaardigheden zoals coderen of modelleren worden mogelijk minder belangrijk, terwijl het stellen van goede onderzoeksvragen, kritische interpretatie en methodologische innovatie juist aan belang winnen.

Toch zijn er ook zorgen. Gevreesd wordt dat het gebruik van AI zal leiden tot een toename in de hoeveelheid onderzoekspublicaties, maar met een afname van de kwaliteit. Dit omdat veelvuldig leunen op AI zorgt voor een oppervlakkiger onderzoekspraktijk en voor meer platgeslagen en uniforme teksten. Ook zijn onderzoekers bang om te afhankelijk te worden van AI, wat ten koste kan gaan van kritisch denkvermogen en inhoudelijke beheersing van de materie. Vooral bij minder ervaren onderzoekers kan dit leiden tot het onbedoeld overnemen van foutieve of oppervlakkige AI-output. Ook worden ethische vragen gesteld, bijvoorbeeld over auteurschap: in hoeverre is een onderzoek nog van de auteurs als AI een grote rol heeft gespeeld?

Overwegend wordt erkend dat de uiteindelijke invloed van AI vooral zal afhangen van hoe onderzoekers ermee omgaan, hoe goed zij in staat zijn om AI op een verantwoorde manier te integreren in hun werk, en hoe de wetenschap als instituut zich hierop aanpast.

Conclusie

De meeste respondenten geven aan generatieve AI te gebruiken, en het overgrote deel doet dat ten minste wekelijks. Dat AI het onderzoeksveld blijvend zal veranderen, lijkt daarmee onvermijdelijk. De richting waarin die verandering zich voltrekt, ligt nog open. In theorie kan AI een waardevolle aanvulling vormen op het onderzoeksproces. Het stelt onderzoekers in staat arbeidsintensieve taken sneller uit te voeren, opent de deur naar nieuwe methoden en maakt complex onderzoek toegankelijker voor wie geen grote budgetten of onderzoeksteams tot zijn beschikking heeft. Het is voorstelbaar dat arbeidsintensieve onderzoeken die eerst alleen aan ruim gefinancierde instituten met een heel leger aan onderzoeksassistenten uitgevoerd konden worden, nu ook door onderzoekers zonder groot budget en met minder onderzoekstijd gedaan kunnen worden. In die zin zou AI het onderzoeksveld meer meritocratisch kunnen maken, en een verschuiving in onderzoeksvaardigheden in gang kunnen zetten.

Toch zijn er ook risico’s. Zo kan AI-gebruik zonder adequate toetsing of controle leiden tot een toename van publicaties van lage kwaliteit. Dat risico wordt mogelijk groter als academische tijdschriften AI ook vaker gaan inzetten bij het beoordelen van artikelen (Naddaf, 2025b).

Daarnaast zijn er toenemende signalen van citatiemanipulatie (Ibrahim, 2024), waarbij nep-publicaties worden ingezet om academische status op te vijzelen, of academici tegen betaling weinig relevante, zwaar op AI-leunende artikelen in dubieuze tijdschriften laten plaatsen (Zhuang, 2025). Als zulke artikelen vervolgens de basis vormen voor nieuwe AI-training, kan een zelfversterkende cyclus van afnemende wetenschappelijke kwaliteit ontstaan.

Het is daarom, zo denk ik, geen zaak om erover na te denken óf AI een plek moet krijgen in economisch onderzoek, maar vooral hoe. Heldere richtlijnen, transparantie over gebruik, en bewuste keuzes over inzet lijken daarbij cruciaal. De inhoud hiervan zal bepaald moeten worden door een blijvende dialoog – niet met een chatbot, maar met het veld.

Literatuur

Bethlehem, J. (2010) Selection bias in web surveys. International Statistical Review, 78(2), 161–188.

CBS (2025) Gebruik kunstmatige intelligentie (AI) door bedrijven neemt toe. CBS Statistiek, 27 februari.

Feyzollahi, M. en N. Rafizadeh (2025) The adoption of large language models in economics research. Economics Letters, 250, 112265.

Gerlich, M. (2025) AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6.

HEPI (2025) Student generative AI survey 2025. Higher Education Policy Institute, Policy Note 61, 26 februari.

Ibrahim, H., L. Fengyuan, Y. Zaki en T. Rahwan (2024) Google Scholar is manipulatable. Paper, 7 februari. Te vinden op www.arxiv.org.

Kobak, D., R. González-Márquez, E. Horvát en J. Lause (2025) Delving into LLM-assisted writing in biomedical publications through excess vocabulary. Science Advances,11(27), adt3813.

Korinek, A. (2023) Generative AI for economic research: Use cases and implications for economists. Journal of Economic Literature, 61(4), 1281–1317.

Kosmyna, N., E. Hauptmann, Y.T. Yuan et al. (2025) Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. Paper, 10 juni. Te vinden op www.arxiv.org.

Kwon, D. (2025) Is it OK for AI to write science papers? Nature survey shows researchers are split. Nature, 641(8063), 575–578.

Liang, W., I. Zachary, Y. Zhang et al. (2024) Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews. Working Paper. Te vinden op arxiv.org.

Naddaf, M. (2025a) How are researchers using AI? Survey reveals pros and cons for science. Nature, 4 februari.

Naddaf, M. (2025b) AI is transforming peer review – and many scientists are worried. Nature, 639(8056), 852-854.

Ng, J.Y, S.G. Maduranayagam, N. Suthakar et al. (2025) Attitudes and perceptions of medical researchers towards the use of artificial intelligence chatbots in the scientific process: An international cross-sectional survey. The Lancet Digital Health – Health Policy,7(1), e94–e102.

Pataranutaporn, P., N. Powdthavee en P. Maes (2025) Can AI solve the peer review crisis? A large-scale experiment on LLM’s performance and biases in evaluating economics papers. IZA Discussion Paper, 17659.

Sigalos, M. (2025) OpenAI’s ChatGPT to hit 700 million weekly users, up 4x from last year. Publicatie op www.cnbc.com, 4 augustus.

Walther, T. en M. Dutordoir (2025) Certainly! Generative AI and its impact on academic writing (in finance). SSRN Discussion Paper, 25 juni.

Zhuang, H., L. Liang en D.E. Acuna (2025) Estimating the predictability of questionable open-access journals. Science Advances, 11(35), adt2792.