Collin, collectieve intelligentie
English version: scroll down
Ze begrepen de vraag niet — en bouwden toch het goede schip
Over waarom begrip voorafgaat aan elke diagnose
Soms begint een inzicht niet met een antwoord, maar met verwarring.
Als jonge ingenieur begon Theo Lohman*) bij IHC Holland aan wat een vrij rechtlijnige opdracht leek: meewerken aan het ontwerp van een baggervaartuig voor de Amerikaanse marine. De specificaties lagen klaar. Uitgewerkt, formeel, tot in detail beschreven. Alles wat nodig was om te beginnen, stond op papier.
Alleen… hij begreep er weinig van. Niet omdat het technisch te complex was, maar omdat het niet klopte. De tekst beschreef van alles, maar maakte niet duidelijk wat er nu werkelijk gevraagd werd. Het voelde alsof er iets ontbrak. Iets dat verloren was gegaan tussen degene die de vraag stelde en degene die hem had opgeschreven.
In plaats van zich door de tekst heen te worstelen, stelde Lohman een eenvoudige vraag: kunnen we niet gewoon met de opdrachtgever praten? Dat bleek mogelijk.
Hij vloog naar de Verenigde Staten en kwam in gesprek met de officieren van de Amerikaanse marine die het project hadden geïnitieerd. Wat daar gebeurde, was even simpel als onthullend. Ook zij herkenden hun eigen vraag nauwelijks terug in de formele aanbestedingstekst. Wat bedoeld was, was onderweg vertaald, vervormd en bureaucratisch verpakt tot iets dat nog maar weinig leek op de oorspronkelijke intentie.
Wat volgde waren geen technische sessies, maar gesprekken. Over baggeren. Over vaargeulen. Over stroming, sediment en de praktische realiteit van het werk. Over wat er nodig was om havens bereikbaar te houden voor marineschepen.
Vanuit die gesprekken verschoof het perspectief. Het ging al snel niet meer alleen over een schip, maar over de kennis erachter. Over hoe theorie en praktijk zich tot elkaar verhielden. De Amerikaanse officieren verwezen naar hun hoogleraren van MIT. Lohman naar die van de TU Delft.
Toen die met elkaar in contact werden gebracht, gebeurde er iets anders dan verwacht. Niet dat ze elkaar tegenspraken, maar juist dat ze elkaar aanvulden. Beide werelden bleken gebaseerd op verschillende kennisbronnen, verschillende historische ervaringen en verschillende praktijken.
Wat aan de ene kant vanzelfsprekend was, was dat aan de andere kant niet — en andersom. Elk perspectief was op zichzelf valide, gevormd door de context waarin het was ontstaan. Maar pas toen die perspectieven samenkwamen, ontstond een breder en dieper begrip van het geheel.
Niet door één theorie te kiezen, maar door ze naast elkaar te leggen. Misschien zat de vooruitgang niet in betere kennis, maar in het verbinden van bestaande kennis. Maar misschien nog belangrijker was een andere observatie.
Aan de ene kant stond de wereld van de producent: de ingenieurs, ontwerpers en bouwers. Aan de andere kant de wereld van de gebruiker: de marine, de operators, de mensen die met het schip moesten werken. Twee werelden, elk met hun eigen logica, hun eigen taal en hun eigen manier van werken. En hun eigen opleidingsbronnen.
Beide werelden bleken bovendien intern vergelijkbaar opgebouwd. Ze hadden elk een kennistak — de opleiding, de theorie, de academische basis. Een uitvoeringstak — het ontwerpen en bouwen, of het organiseren en inzetten. En een gebruikstak — de praktijk waarin het systeem daadwerkelijk moest functioneren en waarde moest leveren.
Wat Lohman daar zag, was geen keten, maar een structuur. Geen lineair proces van vraag naar antwoord, maar een netwerk van relaties tussen kennis, productie en gebruik — aan beide kanten van de tafel. Een zeshoek. En voor het eerst werden al die verbindingen expliciet gelegd.
De kennis van de makers werd verbonden met de kennis van de gebruikers. De praktijk van het gebruik werd teruggekoppeld naar het ontwerp. Theorie en uitvoering raakten niet alleen verbonden, maar afgestemd. Het resultaat was opmerkelijk.
Het baggervaartuig dat uiteindelijk werd ontworpen en gebouwd, werd zonder één enkel probleem in gebruik genomen. Geen aanpassingen achteraf. Geen onverwachte tekortkomingen. Geen misverstanden tussen ontwerp en werkelijkheid.
Dat was, naar men zei, nog nooit eerder gebeurd. Alles klopte. De theorie en de praktijk. De productie en het gebruik. De vraag en het antwoord.
Achteraf besefte Lohman dat hij dit niet gepland had. Het was geen methode die hij bewust had toegepast. Het was ontstaan uit iets eenvoudigs: het niet accepteren dat hij een specificatie niet begreep. En de behoefte om terug te gaan naar de bron van de vraag.
Maar die ervaring liet hem niet meer los. Wat hij daar had gezien, was meer dan een succesvol project. Het was een glimp van iets fundamentelers: hoe kennis, mensen en systemen samen kunnen werken als één geheel. Hoe complexiteit niet wordt opgelost door meer controle, maar door betere verbindingen. En hoe collectieve intelligentie ontstaat wanneer die verbindingen kloppen.
In de jaren daarna zou hij blijven zoeken naar een manier om dat inzicht te vangen in een model. Een manier om die samenhang reproduceerbaar te maken. Om het niet afhankelijk te laten zijn van toevallige ontmoetingen of uitzonderlijke situaties.
Dat zoeken leidde uiteindelijk tot wat later het Collins-model werd genoemd: een poging om betekenis, kennis en samenwerking te structureren in complexe omgevingen.
Het soort denken dat daaruit voortkwam, was niet eenvoudig. Het vroeg om het verbinden van werelden die normaal gesproken gescheiden blijven — techniek en praktijk, theorie en toepassing, mens en systeem. Dat maakt het krachtig, maar ook lastig overdraagbaar. Ideeën die hun tijd vooruit zijn, hebben vaak moeite om een plek te vinden in de realiteit van alledag.
Misschien was dat ook hier het geval. Want de wereld waarin systemen écht zo complex en verweven zijn als in dat model werd beschreven, bestond toen nog nauwelijks. De noodzaak om die verbindingen expliciet te maken werd nog niet breed gevoeld. En de technologie om die samenhang te ondersteunen was nog beperkt.
Vandaag is dat anders. De systemen die we nu bouwen en gebruiken, zijn vele malen complexer. Ze bestaan uit duizenden, soms miljoenen componenten. Ze genereren continu data. Ze veranderen voortdurend. En met de opkomst van AI zijn we steeds beter in staat om betekenis uit die data te halen, verbanden te zien en patronen te herkennen.
Maar tegelijkertijd zien we iets anders gebeuren. De afstand tussen degene die een systeem ontwerpt, degene die het bouwt en degene die het gebruikt, is opnieuw gegroeid. Specificaties zijn vervangen door API’s. Gesprekken door interfaces. Begrip door aannames.
We bouwen systemen die steeds autonomer worden, maar we begrijpen ze niet altijd beter. En precies daar raakt dit verhaal aan iets dat vandaag opnieuw relevant is. In mijn vorige blog ging het over de gezondheid van digitale systemen. Over hoe we alles meten, maar nog weinig echt begrijpen. Over de black box die registreert, maar niet verklaart.
Wat dit verhaal laat zien, is dat die uitdaging niet begint bij technologie, maar bij iets fundamentelers: begrip. Een diagnose begint niet met data, maar met de juiste vraag. Met het vermogen om te begrijpen wat er werkelijk speelt. En met het verbinden van de juiste kennis op het juiste moment.
Misschien is dat wel de essentie van wat Lohman destijds, bijna per ongeluk, blootlegde. Niet hoe je een beter schip bouwt. Maar hoe je voorkomt dat je het verkeerde bouwt. En dat inzicht is vandaag relevanter dan ooit.
Want als onze systemen steeds complexer worden, en steeds meer zelf gaan doen, dan wordt de vraag niet alleen hoe we ze gezond houden — maar ook of we nog wel begrijpen wat ze doen, en waarom.
Misschien is dat de volgende stap in deze ontwikkeling. Niet alleen systemen die zichzelf kunnen monitoren en herstellen, maar systemen waarin menselijke en technologische intelligentie zó samenwerken dat begrip niet verloren gaat.
Want zonder begrip is er geen diagnose. En zonder diagnose is er geen geneeskunde. En daar begint, opnieuw, de uitdaging.
*) Nawoord:
Het is daarom dat ik Theo Lohman hier opnieuw laat spreken. Zijn zoektocht ging nooit over het bouwen van een schip alleen, maar over het verbinden van kennis, mensen en praktijk tot iets dat groter is dan de som van de delen: integraal ontwerpen. Vandaag, in een wereld van AI-gedreven systemen, krijgt die zoektocht een nieuwe urgentie. Collectieve intelligentie vraagt om dezelfde helderheid, dezelfde zorg voor verbinding en begrip. Wat hij nastreefde — het zichtbaar maken van de patronen achter complexe systemen — blijft een inspiratie. Niet omdat het voltooid is, maar omdat het blijft uitnodigen tot beter zien, luisteren en samenbrengen. Op vrijdag 15 juli 2022 overleed Theo na een kortstondig ziekbed in bijzijn van zijn naaste familie.
https://www.researchgate.net/publication/272675904_How_the_Liberation_of_Human_Talents_can_Leverage_the_Innovation_Potential_of_Industrial_Enterprises_A_Human_Centered_Learning_and_Innovation_Strategy_for_the_Post-Modern_Industry
Download full-text PDF
Photo by liu lei
—————- Translated by ChatGPT ————-
They Didn’t Understand the Question — and Yet Built a Ship
On why understanding comes before any diagnosis
Sometimes an insight doesn’t begin with an answer, but with confusion.
As a young engineer, Theo Lohman started at IHC Holland on what seemed like a straightforward assignment: contributing to the design of a dredging vessel for the U.S. Navy. The specifications were ready. Fully detailed. Everything needed to start was on paper. Only… he didn’t understand much of it.
Not because it was technically too complex, but because it didn’t make sense. The text described many things but didn’t make clear what was truly being asked. Something seemed lost between the person asking the question and the one who wrote it down.
Instead of forcing his way through the document, Lohman asked a simple question: “Can we just talk to the client?” That turned out to be possible.
He flew to the United States and spoke with the Navy officers who had initiated the project. What happened there was as simple as it was revealing. Even they barely recognized their own request in the formal tender document. What they meant had been translated, distorted, and bureaucratically wrapped into something that hardly resembled the original intent.
What followed were not technical sessions, but conversations. About dredging. About channels. About currents, sediment, and the practical realities of the work. About what was needed to keep ports accessible to naval vessels.
From those conversations, the perspective shifted. It was no longer just about a ship, but about the knowledge behind it. About how theory and practice related to each other. The U.S. officers referred to their MIT professors; Lohman to those at TU Delft.
When these academics connected, something unexpected happened. Not contradiction, but complementarity. Both worlds were based on different sources of knowledge, different historical experiences, and different practices.
What was obvious on one side was unfamiliar on the other — and vice versa. Each perspective was valid, shaped by the context in which it had arisen. Only when these perspectives came together did a broader, deeper understanding of the whole emerge.
Not by choosing one theory, but by laying them side by side. Perhaps progress lies not in better knowledge, but in connecting existing knowledge. Even more important was another observation.
On one side was the world of the producer: engineers, designers, builders. On the other, the world of the user: the Navy, the operators, the people who would actually work with the ship. Two worlds, each with its own logic, its own language, its own way of working. And own technical universities.
Each world was also internally structured. There was knowledge — education, theory, academic foundations; execution — designing, building, or organizing deployment; and use — the practice where the system must actually function and deliver value.
What Lohman saw was not a chain, but a structure. Not a linear process from question to answer, but a network of relationships between knowledge, production, and use — on both sides of the table. A hexagon. For the first time, all these connections were made explicit.
The knowledge of the makers was linked with the knowledge of the users. Practice was fed back into design. Theory and execution were not only connected but aligned. The result was remarkable.
The dredging vessel that was ultimately designed and built was put into use without a single problem. No adjustments afterwards. No unexpected shortcomings. No misunderstandings between design and reality. Everything worked. Theory and practice. Production and use. Question and answer.
Looking back, Lohman realized he hadn’t planned this. It wasn’t a method consciously applied. It arose from something simple: refusing to accept that he didn’t understand a specification and the desire to return to the source of the question. But the experience stayed with him.
What he witnessed was more than a successful project. It was a glimpse of something fundamental: how knowledge, people, and systems can work together as a whole. How complexity is not solved by more control, but by better connections. And how collective intelligence arises when those connections align.
In the years that followed, he sought a way to capture that insight in a model — a way to make the connections reproducible, not dependent on chance encounters or exceptional situations.
That quest eventually led to what became known as the Collins model: an attempt to structure meaning, knowledge, and collaboration in complex environments.
The thinking it generated was not simple. It required connecting worlds that normally remain separate — technology and practice, theory and application, human and system. That is what makes it powerful, but also difficult to transfer. Ideas ahead of their time often struggle to find a place in everyday reality.
Perhaps that was the case here as well. At the time, the world of systems as complex and interconnected as described in the model barely existed. The need to make those connections explicit was not widely felt. And the technology to support that coherence was limited.
Today, things are different. The systems we now build and use are far more complex. They consist of thousands, sometimes millions, of components. They generate continuous streams of data. They change constantly. And with the rise of AI, we are increasingly able to extract meaning from that data, recognize patterns, and see connections.
Yet we see something else as well. The gap between the designer, the builder, and the user of a system has grown again. Specifications have been replaced by APIs. Conversations by interfaces. Understanding by assumptions.
We build systems that are increasingly autonomous, yet we do not always understand them better. And this is precisely where this story becomes relevant today.
In my previous blog, I wrote about the health of digital systems. About measuring everything but truly understanding little. About the black box that records but does not explain.
This story shows that the challenge does not begin with technology, but with something more fundamental: understanding. A diagnosis does not start with data, but with the right question. With the ability to comprehend what is really happening. And with connecting the right knowledge at the right moment.
Perhaps this is the essence of what Lohman almost accidentally revealed: not how to build a better ship. But how to avoid building the wrong one. And that insight is more relevant than ever.
As our systems grow more complex and autonomous, the question is not only how to keep them healthy, but whether we still understand what they do, and why.
Perhaps the next step in this evolution is not only systems that can monitor and repair themselves, but systems where human and technological intelligence collaborate in a way that preserves understanding.
Without understanding, there is no diagnosis. And without diagnosis, there is no medicine. And there, again, begins the challenge.
