AI-tutoring kost bijna niets, maar lost het twee-sigma-probleem nog niet op

Een tutorsessie op Claude Sonnet kost ongeveer 0,025 dollar, zo'n 2 dollarcent. Een uur bijles wiskunde in Nederland kost 20 tot 45 euro, tot 60 euro voor examenklassen (itutoronline, 2026). Het prijsverschil is een factor van duizenden. Daarmee lijkt een oud probleem uit de onderwijskunde eindelijk oplosbaar.

Dat probleem heet het twee-sigma-probleem, geformuleerd door onderwijspsycholoog Benjamin Bloom in 1984. Een leerling met een persoonlijke tutor presteert gemiddeld twee standaarddeviaties beter dan een leerling in een klassikale les, ongeveer het verschil tussen een gemiddelde leerling en de beste 2 procent van de klas. Bloom kon dat niet schalen: er zijn simpelweg niet genoeg tutoren. AI-tutoring belooft precies dat wel te doen, tegen een fractie van de kosten.

Hoe we hier kwamen

Veertig jaar lang bleef een-op-een-onderwijs een luxegoed, voorbehouden aan wie het kon betalen. Huiswerkbegeleiding en bijlesbureaus vulden een deel van de vraag, maar altijd tegen het uurtarief van een mens: schaars, want gebonden aan agenda's en reistijd. Grootschalige experimenten met computerondersteund leren in de jaren negentig en tweenulhonderd haalden de leerwinst van een tutor bij lange na niet.

Sinds 2023 veranderde dat met taalmodellen die kunnen doorvragen, uitleggen en feedback geven in natuurlijke taal. Khan Academy's Khanmigo groeide van 68.000 naar 700.000 gebruikers in één jaar (AI for Cause, 2026). De marginale kost van een extra sessie nadert nul: zelf gehoste modellen als Llama 4 draaien tegen vrijwel geen kosten per sessie, en zelfs commerciële aanbieders als Gemini 3 Flash rekenen 0,2 dollarcent per sessie (ibl.ai, 2026).

De economie erachter

De cijfers lijken Bloom gelijk te geven. Een gerandomiseerd experiment aan Harvard, gepubliceerd in Scientific Reports, liet 194 natuurkundestudenten een module doen met AI-tutoring of met actief klassikaal leren. De AI-groep scoorde een mediaan van 4,5 op de natoets tegen 3,5 voor de controlegroep, met een effectgrootte tussen 0,73 en 1,3 standaarddeviatie: in de buurt van Blooms twee sigma, en dat in 49 minuten in plaats van 60 (Nature Scientific Reports, 2025).

Maar een gecontroleerd experiment op een universiteit is iets anders dan een schoolklas. Een tweejarige studie op 18 middelbare scholen in Tennessee volgde 6.902 leerling-termijnen met Khanmigo in het reguliere wiskundeonderwijs. De leerwinst daar was 0,06 tot 0,08 standaarddeviatie per jaar, oplopend tot 0,14 bij volledige, volwassen implementatie in het tweede jaar: reëel, maar ver onder het Harvard-resultaat, bij een kostprijs van ongeveer 15 dollar per leerling per jaar (EdWorkingPapers, 2026).

Het verschil zit niet in de techniek, maar in het gebruik. Leerlingen met toegang tot de tutor stuurden gemiddeld 1,7 chatberichten per week en gebruikten hem bij slechts 17 procent van de oefeningen waarin ze een fout maakten. Op maar 33 procent van de oefendagen werd er überhaupt een bericht gestuurd. De onderzoekers concluderen dat niet toegang, maar betrokkenheid de bindende beperking is geworden. Prijs is opgelost, aandacht niet. Dat is een verschuiving van schaarste, niet het verdwijnen ervan: net zoals bij zonne-energie de knoop verschoof van panelen naar batterijen zie de ontwikkelingen-feed, verschuift bij AI-tutoring de knoop van kosten naar motivatie.

Wie hiervan profiteert, is voorspelbaar: leerlingen die al zelfstandig kunnen doorvragen, halen het meeste uit een gratis tutor die altijd beschikbaar is. Leerlingen die juist begeleiding nodig hebben om aan de slag te gaan, gebruiken het systeem het minst. Zonder ontwerp dat leerlingen actief naar de tutor toe duwt, dreigt de technologie bestaande verschillen te vergroten in plaats van te verkleinen.

Implicatie voor de onderwijs-stack

Voor de onderwijs-stack betekent dit dat de kostprijs van gepersonaliseerd onderwijs inderdaad is ingestort, precies zoals Alithea's kernclaim voorspelt: schaarste is een ontwerpkeuze. Maar het ontwerp is nu de flessenhals: prompts, opgavevolgorde en interfaces die leerlingen wel of niet aan het chatten krijgen. Daar komt sinds 2 augustus 2026 een juridische laag bij. Vanaf die datum gelden onder de EU AI Act de verplichtingen voor hoogrisico-AI-systemen, waaronder geautomatiseerde beoordeling en studievoortgangsanalyse in het onderwijs, met documentatie-, transparantie- en toezichtplicht voor scholen en aanbieders (sensjuristen.nl, 2026). Compliance kost geld en tijd, wat de facto een nieuwe schaarste creëert: niet van AI-toegang, maar van AI-producten die aan de regels voldoen.

Wat te volgen

Drie indicatoren geven het komende jaar zicht op de richting. Ten eerste de eerste handhavingszaken en boetes onder de AI Act voor onderwijsapplicaties na de deadline van augustus 2026. Ten tweede nieuwe langetermijnstudies die, net als de Tennessee-studie, leerwinst meten in echte klaslokalen in plaats van laboratoriumcondities, om te zien of de kloof met Harvard-achtige resultaten kleiner wordt. Ten derde de prijsontwikkeling van tutoring-abonnementen: aanbieders rekenen nu nog 4 tot 10 dollar per leerling per maand, terwijl zelf gehoste alternatieven al voor een fractie daarvan draaien, een spanning die niet lang houdbaar lijkt.