In discussies over kunstmatige intelligentie horen we vaak twee geluiden. Enerzijds zijn er de oververhitte verwachtingen: AI gaat morgen alle banen vervangen, creatieve beroepen verdwijnen en de robotrevolutie is onafwendbaar. Anderzijds is er scepsis: AI hallucineert, begrijpt context niet goed en is nog verre van bruikbaar in serieuze werkomgevingen.
Een treffend voorbeeld? Denk aan het moment waarop ChatGPT voor het eerst publiekelijk werd geïntroduceerd. Mensen riepen massaal dat dit het einde was van het onderwijs, van creativiteit, van menselijke arbeid. Tegelijkertijd wezen velen op de fouten: feitelijke onjuistheden, rare formuleringen en gebrekkig begrip van nuance.
Maar wat niemand goed doorhad: dit was versie 1.0 van een geheel nieuw tijdperk. Niet het eindpunt, maar het beginpunt.
Wat we zelden goed begrijpen, is dat beide perspectieven uitgaan van een verkeerd uitgangspunt: een lineair wereldbeeld in een exponentiële realiteit.
Het patroon herhaalt zich keer op keer
Wie langer meeloopt in de wereld van AI ziet het telkens opnieuw: mensen, zelfs experts, hebben de neiging om de mogelijkheden van vandaag te overschatten en die van morgen te onderschatten.
Neem Bas Haring, de Nederlandse filosoof die in de jaren 80 afstudeerde op kunstmatige intelligentie. Zijn professoren waren er toen van overtuigd dat een computer nooit zou winnen van een mens in schaken. Totdat in 1997 IBM’s Deep Blue schaakgrootmeester Garry Kasparov versloeg.
Dezelfde scepsis klonk bij het nog complexere spel Go, totdat DeepMind’s AlphaGo en later AlphaGo Zero de mens ook daar versloegen. Modellen die niet miljoenen zetten hoefden te doorrekenen, maar leerden spelen vanuit pure ervaring en abstractie.
Zelfs in de recente geschiedenis zien we dit patroon. Douwe Kiela, een Nederlandse pionier in Silicon Valley en één van de geestelijke vaders van Retrieval-Augmented Generation (RAG), vertelde dat in zijn tijd op Oxford het gebruik van neurale netwerken nog werd afgedaan als ‘doodlopende weg’. Vandaag de dag vormen diezelfde netwerken het fundament onder alle toonaangevende AI-modellen, van tekstgeneratie tot beeld, spraak en video.
Onze blik is te veel gericht op wat er nog niet kan
De meeste mensen, en veel organisaties, kijken naar AI door de lens van de beperkingen van vandaag. Het hallucineert. Het maakt nog foutjes. Het begrijpt geen sarcasme. Het kan nog geen lange redeneringen volgen. Allemaal valide observaties, maar ze zijn ook gevaarlijk. Ze beperken ons denken en houden ons vast in het heden.
Wat we vergeten, is dat die modellen continu verbeteren. En niet een beetje. Niet lineair. Maar exponentieel. We zagen dit het afgelopen jaar met de introductie van de reasoning- en deep reasearch-modellen binnen de grote techbedrijven.
Generatieve AI-modellen geven hierdoor niet een antwoord op basis van wiskunde en statistiek uit een historische dataset. In plaats daarvan gaat het eerst proberen de vraag te begrijpen via een zogeheten chain of thought-proces. Wat vraagt de gebruiker mij en welke informatie heb ik nodig om hier een uitstekend antwoord op te geven?
Lees ook: Hoe startups met AI hun groei versnellen: nieuw onderzoek onthult 3 strategieën
Vervolgens zoekt het op het internet voor 2, 5, 15 of soms wel 40 minuten naar relevante bronnen die het tegen elkaar afweegt om op basis van échte complexe vraagstukken een coherent antwoord te geven. Nu het bovendien kan koppelen met je eigen informatie binnen Sharepoint, Drive, Dropbox of Gitlab wordt het nog relevanter en persoonlijker.
Waar modellen een jaar geleden nog slechts twee minuten aan context konden onthouden, tonen recente testen van Anthropic’s Claude 4 aan dat een agent nu al zeven uur lang informatie kan vasthouden en verwerken zonder de draad kwijt te raken. Binnenkort zijn dat misschien drie dagen of drie weken.
Diezelfde exponentiële groei zie je bij multimodale modellen die tekst, beeld, audio en video combineren. Zoals Google’s nieuwste Veo3-model. Dat genereert niet alleen realistische beelden, maar voegt nu ook kloppende audio toe. Toepassingen voor film, educatie of simulaties komen hierdoor ineens veel dichterbij.
De ontwikkelingen gaan zo hard dat OpenAI voorspelt dat hun algoritmes binnen duizend dagen zo’n 80 procent van het kantoorwerk kunnen overnemen. Zelfs in deze race naar wat ook wel artificial general intelligence wordt genoemd, zijn er sceptici. Gaat dat wel echt gebeuren? Ontwikkelaars van Anthropic zijn er in ieder geval van overtuigd. Die stellen dat zelfs als er na vandaag geen enkele technische doorbraak meer plaatsvindt hun huidige algoritmes en modellen dit binnen enkele jaren kunnen bewerkstelligen.
De kracht van schaal
Wat dit alles aanjaagt? De zogeheten scaling laws. de wiskundige wetten achter AI die aantonen dat modellen structureel beter worden naarmate ze groter en beter gevoed worden met data en rekenkracht. Grotere modellen worden niet alleen accurater, ze leren ook complexere taken. Ze ontwikkelen reasoning-capaciteiten, kunnen logisch redeneren, strategieën uitstippelen, verbanden leggen.
Lees ook: AI is geen wondermiddel: 6 nuchtere lessen voor managers
Combineer dat met agents, AI’s die niet alleen nadenken maar ook taken uitvoeren, en je staat op de drempel van een revolutie in productiviteit. Denk bijvoorbeeld aan een klantenserviceagent die automatisch tickets categoriseert, eerdere gesprekken raadpleegt en direct antwoorden opstelt. Inclusief benodigde vervolgstappen in je CRM. Of een financiële agent die automatisch uitgavenanalyse uitvoert, afwijkingen signaleert en suggesties doet voor kostenoptimalisatie, zonder menselijke tussenkomst.
Ondernemer Victor Knaap van het reclamebureau Monks weet dit als geen ander. Hij noemt zichzelf de ‘kanarie in de kolenmijn’. Hij verwacht dat binnen een jaar elke business waarmee zijn bedrijf geld verdient door AI wordt gedisrupt. Denk aan contentcreatie, fotografie, video, 3D-animatie en app-ontwikkeling.
Knaap nam passende maatregelen door rap af te schalen, maar waarschuwt: ‘Dit gaat iedereen overkomen, of je nu werkt in finance, marketing, inkoop of logistiek. Luister naar de hartslag van Silicon Valley, waar niet elk half jaar een update uitkomt, maar waar de bedrijven om de paar weken hun nieuwste modellen en software lanceren. Alleen als je volgens dat ritme in de pas loopt, heb je kans om relevant te blijven.’
Wat betekent dit voor jouw organisatie?
De meeste beslissers sturen op wat vandaag (nog) niet kan. Ze zien AI als een gadget, een experiment, iets voor een innovatieclubje. Maar daarmee sturen ze hun teams, hun IT-roadmap en zelfs hun strategische keuzes op verouderde informatie. Zo wordt er in Nederland en Europa nog heel weinig nagedacht over de infrastructuur die jouw bedrijf morgen nodig heeft: toegang tot betaalbare rekenkracht op grote schaal én schone energie om de servers operationeel te houden.
Lees ook: Van 300 naar 120 fte met AI – en HelloPrint groeit onverminderd door
Zie AI niet als een promptmachine die op afroep van de mens te pas en te onpas wordt ingezet. Nee, in elke taak van elk proces op iedere afdeling zullen reasoning agents 24/7 met elkaar communiceren, redeneren, analyseren en acties uitvoeren om het werk te doen waar nu mensen achter bureaus voor nodig zijn. Deze interactie, ook wel ‘inference’ genoemd, vraagt om toegang tot veel meer rekenkracht dan we ons nu kunnen inbeelden.
Daarnaast is het niet alleen een technische uitdaging, maar veel meer een organisatorische. Want als elke rol inderdaad de komende duizend dagen voor 80 procent door AI vervangen kán worden, wat betekent dit voor je personeelsbestand? Wordt dat kleiner? Gaan de medewerkers nieuwe projecten omarmen? Zijn ze in staat om te veranderen van uitvoerders naar regisseur van AI-agents? En heb je voldoende resources om iedereen mee te nemen naar de nieuwe manier van werken?
Kijk over de horizon
Wie zich vandaag voorbereidt op wat AI mogelijk over vijf jaar kan, is ruimschoots te laat. Je moet nu anticiperen op de doorbraken van volgend kwartaal. Dat vraagt om andere vragen, andere KPI’s en vooral: een ander perspectief.
Dus stel jezelf niet de vraag wat AI vandaag kan, maar wat als het over zes maanden alles kan wat vandaag nog niet lukt? Dat perspectief is geen sciencefiction. Het is simpelweg een kwestie van tijd, data en lef.
