Artificiële intelligentie of AI wordt met recht een disruptieve technologie genoemd – met een impact op economie en maatschappij die we waarschijnlijk nog altijd onderschatten. Ook ons werkveld verkeer en vervoer verandert erdoor: AI neemt bepaalde taken over, maar creëert ook weer nieuwe, zoals prompten en output controleren. Hoe daarmee om te gaan? Hoe verzilveren we de kansen en omzeilen we de klippen? Wat verwachten we van de mobiliteitsprofessional van morgen? En wat betekent dat dan weer voor het onderwijs?
De afgelopen decennia hebben bedrijven en instellingen de grote technologische doorbraken heel zorgvuldig en van bovenaf geïmplementeerd. Denk aan de komst van de computer begin jaren 60: de eerste (peperdure) IBM’s werden pas na veel onderzoek, overleg en ja, training de afdelingen binnengerold.
Iets soortgelijks gebeurde in de jaren 90 met het Internet – toen nog met hoofdletter geschreven. ‘Zouden we het doen, is het de investering waard, waarvoor gaan we het gebruiken, wie mag erop?’ Ook die revolutie begon bijna aandoenlijk voorzichtig en weloverwogen: eerst de organisatie, daarna de medewerker.
Hoe anders is het met de grotere en naar het lijkt disruptievere innovatie van AI. In veel gevallen heeft AI bedrijven en overheden van onderaf bereikt: medewerkers konden thuis naar hartenlust experimenteren met de gratis generatieve vormen van AI – ChatGPT, Gemini, Copilot enzovoort – en begonnen er vervolgens ook op kantoor mee te werken. In menig bedrijf werd daardoor al flink geleund op AI, nog voordat er ook maar één zakelijke licentie was gekocht, laat staan een richtlijn was geschreven.
Klaar voor AI?
Inmiddels zijn we een fase verder. Ook voor bedrijven en overheden zijn het nut en de kracht van de verschillende AI-mogelijkheden duidelijk. En we zijn ons ook bewust van de mindere kanten: wie kent de verhalen van hallucinerende chatbots en rapporten met verzonnen bronnen niet? Maar wil dat zeggen dat bedrijven en overheden klaar zijn voor AI? Of om het dicht bij huis te houden: dat we er als werkveld verkeer en vervoer klaar voor zijn?
Dat is een interessante vraag. Om de stand van AI-zaken enigszins onderbouwd te kunnen vaststellen, hebben we als redactie van NMMagazine in mei 2026 een kleine enquête onder ons verkeer- en vervoerpubliek uitgezet. Dat leidde tot 51 bruikbare reacties van professionalsvan bureaus, overheden, techbedrijven en kennisinstellingen – een aantal dat goed genoeg is om conclusies op hoofdlijnen te trekken.
Waar gebruiken we AI voor?
Bijna de helft van de respondenten zegt AI structureel of regelmatig in te zetten. Een derde experimenteert nog, maar bijna niemand staat helemaal stil. Microsoft Copilot is veruit de meest genoemde tool (78%), gevolgd door ChatGPT (47%), Claude (41%) en intern ontwikkelde modellen (35%). Iets minder dan een kwart noemt verkeerskundige AI-tools voor modelleren of voorspellen.
Waar gebruiken we AI voor? Vooral voor tekst (82%), data-analyse en visualisatie (73%) en codegeneratie (55%). Beslisondersteuning, beeldherkenning en voorspellend onderhoud blijven achter – zie ook figuur 1.
Dat suggereert dat AI in het mobiliteitsvak nog vooral een snelle stagiair voor rapporten, code en analyses is – en nog nauwelijks een echt verkeerskundige assistent.
Goed voorbereid op de toekomst?
Dan de vraag hoe goed de organisaties van de respondenten zijn voorbereid op verdere AI-integratie. Oftewel: is er voldoende expertise in huis, is het beleid op orde, de data-infrastructuur geschikt en is er voldoende budget voor AI? Precies een derde van de respondenten geeft een 4 of de maximale 5 voor zijn of haar organisatie. Maar een forse 41% geeft een 3 en 25% zelfs een magere 2. Zie figuur 2.
De kloof tussen voorlopers en achterblijvers is sectorbreed zichtbaar, maar gemiddeld genomen lijken adviesbureaus (gemiddeld een 3,5) en kennisinstellingen (3,4) het op dit punt beter voor elkaar te hebben dan overheden (gemiddeld 2,6). Geen enkele overheid in deze steekproef geeft zichzelf een 4 of hoger.
Wat de beoordeling van de werkvloer betreft, is er wat licht tussen de generaties. Recent afgestudeerde instromers krijgen overwegend een positief oordeel: 25% een ‘voldoende’, 27% een ‘goed’ en 4% een ‘uitstekend’. Bij zittende medewerkers domineert juist ‘matig’ (45%).
Als er negatief wordt geoordeeld, is dat meestal doordat de balans lijkt te ontbreken. Eén respondent verwoordt het zo:
“Koudwatervrees bij de een, blindelings vertrouwen van AI bij de ander.”
Ook zijn er zorgen om de instromers van overmorgen:
“Junioren genereren al veel met AI, maar kunnen de kwaliteitscheck nog onvoldoende uitvoeren. Mijn zorg: medewerkers die over twee jaar uit de schoolbanken rollen, kunnen niet meer zonder AI werken – en zijn niet meer kritisch op het resultaat.”
Onderwijs sluit nog matig aan
We stelden de respondenten ook de vraag hoe ze kijken naar het hoger onderwijs: sluit dat met z’n curriculum voldoende aan op de AI-behoeften van het werkveld? Geen enkele respondent geeft het hoger beroepsonderwijs en het wetenschappelijk onderwijs hiervoor een 5. De meesten (41%) blijven op een drie steken, 24% geeft zelfs een 2 en slechts 8% houdt het op een 4. Overigens geeft een groot deel van de respondenten aan het simpelweg niet te weten – wat op zichzelf veelzeggend is over de huidige dialoog tussen werkveld en onderwijs.
Als we vragen naar de wensen op het gebied van bijscholing, zijn vooral de heel praktische trajecten in trek. Korte workshops en masterclasses (82%) en learning-on-the-job met begeleiding (67%) worden veruit het meest genoemd. Lange leertrajecten als EngD en PhD komen amper terug. Ruim twee derde van de organisaties is bereid in bijscholing te investeren, al weet een deel nog niet goed hoe.
De vaardigheden van de toekomst
Welke vaardigheden zijn de komende jaren het hardst nodig? Bovenaan staat, met afstand, kritisch denken over AI-output (63%). Daarna komen data-analyse en -visualisatie (59%), prompt engineering (53%), domeinkennis combineren met data science (51%) en rapporten schrijven (43%). Programmeren staat onderaan (31%).
Een respondent verwoordt het belang van kritisch denken over AI-output als volgt samen:
“Je kunt AI heel makkelijk naar je einddoel toe laten praten. Vraag om vijf redenen waarom een plan goed is en je krijgt er vijf. Vraag dan om vijf redenen waarom het slecht is — je krijgt ze óók. Vergeet niet om AI te gebruiken om kritiek te leveren op je eigen werk. En blijf zelf kritisch op de output: wat zijn de bronnen, snap je nog wat er staat?”
Wanneer we de respondenten vragen naar het beroepsprofiel over vijf jaar, dan is het beeld gemengd. Ruim een derde verwacht dat data- en AI-vaardigheden gewoon onderdeel van de basistaken worden. Iets minder dan een derde ziet een verschuiving naar interpretatie en kritisch beoordelen van AI-output. Nog eens 8% verwacht een verschuiving naar regie en governance, en 10% verwacht weinig verandering. De boodschap? De rol van mobiliteitsprofessional is in beweging, maar kennelijk in verschillende richtingen.
Eén respondent trekt het breder en koppelt AI aan de personele problemen in het vakgebied. Hij zegt:
“De aantrekkingskracht van ons vakgebied neemt af; minder studenten zijn geïnteresseerd in echte verkeersregeltechniek. Combineer dat met de vergrijzing, en je krijgt steeds meer een rol als regisseur: hoe doe ik regie, welke kennis heb ik dan nodig, en hoe kan de operatie vervolgens worden ingericht met slimme tools?”
De diepte in
Wat blijft hangen van deze enquête? Dat AI al een standaardinstrument in de gereedschapskist is. En dat de echte uitdaging inmiddels een niveau hoger ligt: waarvoor zetten we AI in, wanneer vertrouwen we de uitkomsten en welke kennis moet de professional zelf blijven ontwikkelen?
Natuurlijk laat een kleine enquête alleen patronen zien, zonder het hele verhaal te vertellen. Daarom zijn we met enkele publieke en private partijen de diepte in gegaan. Hoe zetten zij AI in, waar lopen ze tegenaan en wat verwachten ze van de onderwijssector? Lees de commentaren van Marlies Emmen (Rijkswaterstaat), Robert Kooijman (gemeente Rotterdam), Niels Bosch (Haskoning) en Sander van der Drift (Goudappel).
Juist omdat we zo’n belangrijke rol zien voor het onderwijs zijn we ook met enkele vertegenwoordigers van het hoger onderwijs aan tafel gegaan. Zie voor een verslag van de levendige discussie het artikel ‘Ethiek en domeinkennis essentieel voor studenten’.
Met AI raak je niet snel uitgeleerd, dus daarom kijken we ook naar het werkend leren. De auteurs Sascha Hoogendoorn en Sjors van Gool gaan in op de vraag wat organisaties zelf kunnen doen en hoe learning communities kunnen helpen.
We hebben ook twee artikelen opgenomen die wat meer naar de praktijk kijken. Uit de enquête bleek al dat het belangrijk is om AI kritisch te benaderen, omdat aan de inzet van AI risico’s verbonden zijn. Maar over welke risico’s hebben we het precies? Job Birnie, Christian Evers en Isabel Wilmink zetten de belangrijkste risico’s én beheersmaatregelen op een rij.
Nog wat concreter wordt het in de bijdrage van Paul van Koningsbruggen en Gilbert Mulder. Zij kijken in het artikel ‘AI in verkeersmodellering: naar integrale kwaliteit en vakversterking’ heel specifiek naar verkeersmodellering. Welke kansen biedt AI op dit punt? Wat verwachten we van de modelleur 2.0? En wat betekent dat dan weer voor de opleidingen?
Tot slot
Alles overziend – maar trek vooral uw eigen (kritische) conclusies – lijkt het erop dat AI net iets sneller is ingeburgerd dan de vaardigheden die nodig zijn om er optimaal gebruik van te maken.
Dat wordt de komende tijd dus aanpoten, voor zowel bedrijven en overheden als onderwijsinstellingen. Gelukkig is er redelijke eensgezindheid over welke kant het op moet. Leer mensen werken mét AI: prompten, data combineren, modellen begrijpen, brainstormen, snel prototypes opzetten enzovoort. Besteed minstens zoveel aandacht aan het tegengif, zoals kritisch denken, het toetsen van bronnen en het blijven stellen van de juiste vragen. En misschien wel het belangrijkste: vergeet de domeinkennis niet!
De auteurs
Prof. dr. ir. Serge Hoogendoorn is hoogleraar Smart Urban Mobility en redacteur van NM Magazine.
Ing. Paul van Koningsbruggen is directeur Mobiliteit bij Technolution en redacteur van NM Magazine.
‘Chronisch tekort aan goede verkeerskundigen een nijpend probleem’
Het is niet voor het eerst dat NM Magazine het onderwijs voor het voetlicht zet. Ook in de uitgave 2008 #2 – achttien jaar geleden, de tijd vliegt – stonden we daar nadrukkelijk bij stil. Er was toen al jaren een chronisch tekort aan verkeerskundigen. Zou het onderwijs verlichting kunnen bieden?
Voor die uitgave onderzochten we welke onderwijsinstellingen verkeerskunde en verkeersmanagement in het programma hebben. Ook vroegen we zes experts aan de ‘vraagkant’ (overheden, bureaus) en twee vertegenwoordigers van de ‘aanbodkant’ (onderwijsinstelling) naar hun kijk op de zaak.
De conclusies? Hoewel er in principe voldoende verkeersgerelateerde opleidingen zijn, zijn die vrij onzichtbaar. Er is kritiek op de aansluiting tussen onderwijs en werkveld. En meer in het algemeen lijkt er sprake van negatieve beeldvorming, doordat verkeer te snel wordt geassocieerd met files en vervuiling. De oproep toen: verstevig de samenwerking tussen vraag- en aanbodkant en laat de PR- en marketingmachine draaien.
Verrassend actueel
Achttien jaar later klinkt die analyse verrassend actueel. Ook nu blijft het een uitdaging om voldoende nieuwe mobiliteitsprofessionals aan te trekken en om het vakgebied zichtbaar te maken. Maar één factor onderscheidt 2026 fundamenteel van 2008: de opkomst van AI.
De vraag is daarom niet alleen hoe we méér mobiliteitsprofessionals opleiden, maar ook hoe we de beschikbare professionals slimmer kunnen ondersteunen. In dat opzicht is de ‘disruptie’ die AI in het werkveld veroorzaakt misschien wel een heel welkome: routinematige werkzaamheden versnellen en het wat krappe aantal mobiliteitsprofessionals meer tijd geven om te doen waar ze goed in zijn: analyseren, afwegen, samenwerken en adviseren.
