22 juli 2026
Zes maanden in het leven van AI
De vele publicaties over generatieve artificiële intelligente (GenAI) in de eerste helft van dit jaar tonen enkele interessante trends: (1) AI-consumenten gebruiken GenAI waar het niet voor bedoeld was, (2) AI-leveranciers zoeken naar een verdienmodel, (3) professionele gebruikers zoeken voordelen die echt geld opbrengen, en (4) de wetten van de fysica staan nog steeds in de weg.
Begin van 2026 legden commentatoren nog uit wat GenAI is en hoe large language models (LLM) helpen nieuwe teksten en beelden te creëren. Ze waarschuwden ervoor dat deze nieuwe informatiefunctie grote gevolgen heeft voor veel jobs. Vooral voor de gemakkelijk te vervangen administratieve functies in dienstensectoren als banken en verzekeringen en bij de overheid. ABN Amro nam in Nederland een voorschot en annuleert tegen 2028 alvast 4.200 jobs.
De AI-consument ziet AI als een alledaags instrument en gebruikt (de gratis versies van) AI-applicaties als coach, thuisarts, assistent of zelfs ‘partner’.
Dure datacenters neerzetten en draaiende houden én aandeelhouders aantrekken vereisen omzet en winst. Vanaf maart wordt steeds vaker over ‘agents’ geschreven als verdienmodel voor de AI-bedrijven. Agents zoeken, tegen betaling en met behulp van kunstmatige intelligentie, informatie op en beslissen zelfstandig om acties uit te voeren binnen vooraf vastgelegde doelen en grenzen. Voorbeelden van acties en doelen zijn voor een consument de agenda reorganiseren als omstandigheden veranderen, voor een professioneel sofwareprogrammeur code schrijven op basis van een geschreven specificatie of voor een Israëlisch militair Hamas-leden opsporen en neerschieten als ze bij hun familie zijn. De toekomst lijkt een agent uit te bouwen tot een collega ‘digital worker’ die meewerkt in teams en bijvoorbeeld de routinetaken overneemt.
Huidige AI-agents veranderen het beroep van softwareprogrammeur. Ik ken een aantal IT'ers die al langer codegeneratoren gebruiken. Hun commentaar is steevast: de code slorpt geheugen op, is zwak voor beveiliging en je verliest heel veel tijd om de code te integreren in bestaande systemen. Niet zo goede codeurs verbruiken heel veel ‘tokens’ (de prijseenheid om één woord te genereren) om code te generen of te laten lopen, wat leidt tot hoge facturen van de AI-leveranciers. Omdat beleggers verwachten dat bedrijven meer hun eigen software gaan ontwikkelen in plaats van te huren daalde de beurswaarde van ‘Software as a Service’-bedrijven alvast met 20% en meer.
De Amerikaanse onderzoeker en ondernemer Dario Amodei gaat in mei de strijd aan met het Pentagon en eist dat Anthropics Claude niet gebruikt wordt om automatische wapens te sturen. Daardoor komt hij in het viezer van president Trump. Om hun algoritmes op een socratische methode en kantiaans ethische leest te schoeien nemen AI-bedrijven nu filosofen in dienst.
Intussen belooft Jen-Hsun Huang, CEO van Nvidia, LLM en agents op je laptop. Het is zijn zet tegen de Cloud AI-applicaties. Hij kondigde in juni de RTX Spark Superchip aan. De eerste computers met deze chip worden tegen eind dit jaar verwacht.
Het einde van dit half jaar wordt gekenmerkt door een verrassende marketingaanpak. Dario Amodei komt met de mededeling dat de nieuwste versies van Claude en vooral Mythos, gespecialiseerd in het opsporen van fouten in de beveiliging van softwareapplicaties, te gevaarlijk zijn om op de wereld los te laten. Meteen ziet de regering Trump daar een reden in om AI-modellen te beoordelen. Op zich is het goed nieuwe AI-applicaties, net als geneesmiddelen, te testen vóór ze op de mensheid los te laten. Tegelijk waarschuwt de regering Trump de CEO van Anthropic dat zij in controle (willen) zijn en maakt ze aan de wereld duidelijk dat de AI-strijd met China vanuit het Witte Huis gestuurd wordt.
Economisch zitten we mogelijk op een keerpunt. Sommige auteurs geven aan dat de inkomsten van de AI-bedrijven snel stijgen, het geëxperimenteer met codeontwikkeling creëert veel inkomsten. Andere studies tonen dan weer dat de bedrijven die AI gebruiken nog steeds geen winsten in hun boeken zien en dat veranderen van AI-leverancier kan tegen redelijke kosten. Het is dus nog niet duidelijk of we een ‘AI-bubbel’, naar analogie met de DOTCOM-zeepbel rond 2000, ontlopen.
Een andere strijd die dit jaar aanwakkert, is het verzet tegen gigadatacenters. AI-datacenters vragen veel grond, Meta bouwt een Hyperion-datacenter van 59 km2 in Louisiana. Ze verbruiken het energie-equivalent van een kerncentrale en slurpen koelwater om systemen te koelen. Daarenboven bouwen ze in de VS deze datacenters in woestijnomgeving. Daar is ruimte zat, maar de elektriciteit en watervoorziening van nabijgelegen steden komen in het gedrang. Ook in Nederland is veel verzet tegen het uitbreiden van Google- en Microsoft-datacenters. Dit omwille van grondbeslag (bouwen is streng gereglementeerd en huizenprijzen zijn hoog), de nodige energie (het Nederlandse elektriciteitsnet zit vol waardoor bedrijven en nieuwe wijken niet worden aangesloten) en extra CO2-uitstoot (de beloofde kerncentrales zijn nog verre toekomstmuziek).
Net als in de jaren ’80 loopt de introductie van AI-modellen tegen de fysieke muur van rekenkracht. Die muur staat natuurlijk veel verder dan veertig jaar geleden, want chips zijn veel krachtiger en de datacenters van toen zijn nu megadatacenters met bijpassende besturingssystemen. Toch botsen de bedrijven die large language models aanbieden tegen tekorten aan proces- en geheugenchips, een tekort aan arbeidskrachten om datacenters te bouwen en het gebrek aan energie en koelwater.
Om dat op te lossen, moeten we de grenzen van de toegepaste fysica verleggen en chips met veel lager energieverbruik ontwikkelen. Doorbraken worden verwacht in gebruik van nieuwe materialen als siliciumcarbonide en galliumnitraat, licht in plaats van elektronen en nieuwe architecturen die functies als rekenen, geheugenopslag en visualiseren combineren in modules of in één driedimensionele chip. Voor deze doorbraken werken imec in Leuven en ASML in Eindhoven nauw samen.
Ondertussen leren we dat GenAI niet volstaat om artificial general intelligence (AGI) te ontwikkelen. Het is alsof je wilt leren fietsen door een boek te lezen, ook al is dat boek het hele internet. Uiteindelijk moet je op een fiets stappen en oefenen. Voor AGI moet LLM geïntegreerd worden met ‘World Models’ die nu ontwikkeld worden voor autonome robots en zelfrijdende auto’s. Dit duurt in optimistische schattingen nog vijf jaar. Misschien hebben we tegen dan enkele technologische doorbraken gerealiseerd om de rekenkracht te vergroten. Maar er is geen garantie of die doorbraken volstaan om AGI economisch rendabel te gebruiken.
Het besef groeit dat AI nog doorheen een aantal groeifases moet gaan om algemeen en verantwoord toegepast te worden, net zoals vroeger bij de introductie van elektriciteit, auto’s of microcomputers. De technologie verandert nog steeds, er zal nog veel kapitaal verbrand worden en providers die te veel risico namen zullen verdwijnen. De concurrentie tussen AI-leveranciers en bedrijven die nu de bedrijfsklanten hebben zoals Google, Microsoft of SAP wordt nog bikkelhard.