Acht vragen die de richting van AI bepalen

Jeroen Teunisse

Jeroen Teunisse

— 26 min leestijd
Deel

Een kader om de stroom aan modellen, incidenten, investeringen en weerstand te kunnen plaatsen

audio-thumbnail
Acht vragen ai podcast
0:00
/635.746667

De ontwikkelingen rond AI rollen over elkaar heen. Nieuwe modellen, agents die uit hun testomgeving breken, investeringsrondes van honderden miljarden, burgers en overheden die zich steeds vaker verzetten tegen de komst van nieuwe datacenters, een CEO die zijn eigen sector oproept vaart te minderen en collega's die hem daarin bijvallen. Wie elk signaal afzonderlijk volgt, raakt al snel het overzicht kwijt.

Wie de onderliggende vragen scherp heeft, kan die signalen beter plaatsen. Wat is structureel, wat is bijverschijnsel, en waar zit de werkelijke spanning? Dat geeft een lens om door een snel veranderende omgeving te bewegen zonder bij elk nieuwsbericht opnieuw te beginnen.

Hieronder acht vragen die in mijn ogen op dit moment spelen en ertoe doen, met de feiten en cijfers die ik daarbij relevant vind. Het is geen uitputtende lijst, wel een bruikbaar kader.

1. Klopt de economische rekensom?

De omzet van de labs groeit uitzonderlijk snel. Anthropic zat eind juli op een annualized run rate van $65 miljard, tegen $9 miljard eind 2025. Dat is een doorrekening van de recente omzet naar een heel jaar, geen geboekte jaaromzet. Half september meldde The New York Times dat het bedrijf inmiddels op koers ligt voor meer dan $100 miljard per jaar. OpenAI kwam volgens Bloomberg in augustus uit op zo'n $40 miljard op jaarbasis, het dubbele van eind 2025. De bedrijven rekenen hun omzet niet op dezelfde manier, maar de richting is duidelijk.

Daar staat een investeringsgolf tegenover die nog harder gaat. Alphabet, Amazon, Meta en Microsoft komen samen op circa $730 miljard aan geplande investeringen in datacenters en chips voor 2026, ruim driekwart meer dan in 2025. Kredietbeoordelaar Moody's verwacht dat de grootste spenders, met Oracle en CoreWeave erbij, in 2027 richting een biljoen dollar gaan.

Hoe groot de opgave is, rekende het Amerikaanse strategieadviesbureau Bain & Company eind september voor in zijn jaarlijkse Global Technology Report. Om de compute te betalen die nu gepland is, heeft de sector tegen 2031 ongeveer $6 biljoen omzet per jaar nodig. Wat er aan consumenten- en enterprise-omzet in zicht is, komt volgens Bain op $1,2 tot 1,8 biljoen. Er resteert een gat van zo'n $4,2 biljoen: omzet die nog moet ontstaan, uit toepassingen en verdienmodellen die grotendeels nog niet bestaan. Een jaar eerder schatte Bain het tekort nog op $800 miljard. Het gaat om projecties, niet om voorspellingen. Ze laten wel zien hoe groot de afstand is tussen wat er wordt geïnvesteerd en wat er nu wordt verdiend.

Ook de contracten die er al liggen, dekken die rekening niet vanzelf. Ongeveer de helft van de $2 biljoen cloud-backlog bij Amazon, Microsoft, Google en Oracle bestaat uit afnameverplichtingen van OpenAI en Anthropic. Dat zijn toezeggingen van twee bedrijven die voor hun uitgaven afhankelijk zijn van doorlopende externe financiering.

En een deel van die financiering komt van dezelfde partijen die de compute leveren. Amazon investeert in Anthropic, terwijl Anthropic heeft toegezegd de komende tien jaar meer dan $100 miljard aan Amazon Web Services te besteden. Nvidia nam voor $30 miljard deel in OpenAI, dat zijn datacenters vult met Nvidia-chips. Volgens Reuters, op basis van het concept-prospectus voor de beursgang, leent Broadcom Anthropic tot $42 miljard voor de aanschaf van door Broadcom ontworpen chips. Het geld circuleert zo binnen een kleine kring van chipmakers, cloudbedrijven en labs. Dat maakt de cijfers groot, maar zegt nog weinig over de vraag of eindgebruikers de rekening uiteindelijk gaan betalen.

Aan de klantkant is de concentratie vergelijkbaar. Ramp, een Amerikaans platform voor zakelijke uitgaven, ziet in de data van zijn klanten dat 80 procent van de enterprise-omzet van OpenAI en Anthropic van 1 procent van hun klanten komt, vooral bedrijven die zelf in de techsector zitten. Die mate van concentratie ziet Ramp in geen enkele andere softwarecategorie.

Wat dit betekent. Iemand moet de rekening voor al deze compute gaan betalen, en het is een hoge rekening. Nu betalen investeerders vooruit. Op termijn moet het geld komen van wie AI gebruikt: bedrijven en mensen. De prijzen van vandaag zijn daarom geen vast gegeven. Voor bedrijven betekent dat concreet: weet per toepassing wat die kost aan tokens, abonnementen en licenties, en wat die oplevert. Reken door of de business case overeind blijft als de prijs per taak flink stijgt of de gebruikslimieten krapper worden. Zet het duurste model alleen in waar het verschil maakt en gebruik een goedkoper model waar dat volstaat. Ook voor eigen gebruik loont het om te weten wat je betaalt en wat het je oplevert, en er rekening mee te houden dat vaste abonnementsprijzen en ruime limieten geen garantie voor de toekomst zijn.

2. Wordt AI een massamarkt of blijft het een power-user-tool?

ChatGPT heeft volgens OpenAI 1,2 miljard wekelijkse gebruikers. Dat klinkt als een massamarkt, en qua gebruik is het dat ook: volgens durfinvesteerder Menlo Ventures gebruikt 64 procent van de Amerikaanse volwassenen inmiddels AI. Maar het overgrote deel van die gebruikers betaalt niets.

Transactiedata van de Amerikaanse bank PNC, door investeringsfonds Andreessen Horowitz (a16z) gebruikt in zijn State of Markets-rapport, laten zien dat in april 2026 slechts 2,2 procent van de Amerikaanse huishoudens een betaald AI-abonnement had. Een tweede analyse van a16z komt uit op 4,5 procent van de Amerikaanse consumenten met een eigen betaald abonnement op ChatGPT, Gemini of Claude in augustus. Ongeveer zes op de tien Amerikanen gebruiken AI dus, maar hooguit een paar procent betaalt er zelf voor. Enquêtes geven een hoger beeld, omdat mensen daarin ook AI meetellen die hun werkgever betaalt of die in een ander abonnement is gebundeld.

Binnen de groep die wel betaalt, zijn de uitgaven sterk geconcentreerd. Bij Menlo is de top 14 procent van de betalers goed voor 60 procent van de uitgaven. Volgens a16z besteedt de top 1 procent rond de $900 per maand, vooral aan professionele tools voor ontwikkeling en automatisering. Aan de zakelijke kant is het patroon hetzelfde: zoals bij vraag 1 bleek, komt 80 procent van de enterprise-omzet van OpenAI en Anthropic van 1 procent van hun klanten. Onder die grootste klanten zitten bovendien AI-bedrijven als Cursor en GitHub Copilot, die de modellen zelf weer doorverkopen. De brede zakelijke vraag is daarmee smaller dan het totaal doet vermoeden.

Dat is het beeld van nu. Veel mensen en bedrijven gebruiken AI, maar een klein deel gebruikt het intensief en zorgt voor de omzet. Daar komt ook de groei vandaan: het gebruik nam in een jaar maar weinig toe, van 61 naar 64 procent van de Amerikaanse volwassenen, terwijl de wereldwijde consumentenuitgaven volgens Menlo ruim verdrievoudigden naar $40 miljard.

Dat power users betalen, laat zien dat ze waarde ervaren. Het bewijst nog niet dat die waarde er ook is. In een gecontroleerd onderzoek van METR uit 2025 deden ervaren ontwikkelaars met AI-tools 19 procent langer over hun taken, terwijl ze zelf dachten sneller te zijn. Dat ging over de tools van toen, en die zijn inmiddels beter. De les blijft staan: ervaren winst en gemeten winst zijn twee verschillende dingen.

AI als business case voor de massa moet zich nog bewijzen. De richting lijkt me duidelijk: de sector wil ook de massa laten betalen, direct of indirect. Dat gebeurt al. Sinds februari 2026 toont OpenAI advertenties aan gebruikers van de gratis versie en het goedkope Go-abonnement in de VS. Sam Altman liet eerder nog weten betalende gebruikers te verkiezen, juist zodat antwoorden niet door adverteerders worden beïnvloed. Volgens Reuters zoekt OpenAI nieuwe inkomsten nu de kosten voor rekenkracht stijgen. De gratis gebruiker betaalt zo indirect, met aandacht en data. Gezien de rekening uit vraag 1 is het geen verrassing dat het die kant op gaat.

Direct betalen doen mensen alleen als het iets oplevert waarvoor ze willen betalen. Muse laat zien hoe dat eruit kan zien. De agent-app van Meta werkt door nadat je de app sluit en komt terug voor goedkeuring. In september stootte Muse ChatGPT van de eerste plek in de App Store. Downloads zijn echter nog geen omzet: Appfigures, dat downloads en omzet van apps volgt, schatte de opbrengst van Muse in de eerste elf dagen op zo'n $27.000, en over retentie is nog niets bekend. Toepassingen die voor gewone gebruikers taken overnemen en merkbaar resultaat geven, kunnen de grens tussen power user en massa verschuiven. Of Muse daar een voorbeeld van wordt, moet blijken.

Wat dit betekent. Als power-user-tool wordt AI nu intensief gebruikt en betaald; als massaproduct moet het verdienmodel zich nog bewijzen. Voor individuen betekent dat: betaalde AI kan op bepaalde terreinen veel opleveren, zoals schrijven, analyse, onderzoek of programmeren. Kies bewust waar je intensief genoeg werkt om het verschil te merken, en besef dat je bij een gratis versie steeds vaker met aandacht en data betaalt. Voor bedrijven geldt: een power tool in de handen van de juiste mensen levert meer op dan een licentie voor iedereen. Begin bij de mensen en processen waar intensief gebruik waarde kan hebben, en meet het effect in plaats van af te gaan op hoe productief het voelt. Houd daarnaast in de gaten wat agents als Muse gaan doen. Als ze voor veel mensen tijd of geld schelen, verandert wie er gebruikt, wie er betaalt en hoeveel.

3. Kiezen organisaties voor controle over hun AI of vooral voor lage kosten?

Open-weight-modellen, waarvan iedereen de modelgewichten kan downloaden en zelf kan draaien, winnen terrein. Volgens een enquête van Enterprise Technology Research van september onder 200 organisaties zijn ze inmiddels goed voor 34 procent van het zakelijke tokengebruik, tegen 23 procent een jaar eerder. Respondenten verwachten dat dit binnen een jaar 41 procent wordt.

Maar achter die groei zitten twee verschillende motieven: kosten en controle. Op kosten winnen de Chinese modellen, zoals DeepSeek, Kimi, GLM en Qwen. Ze zijn vaak 60 tot 90 procent goedkoper dan de Amerikaanse topmodellen. Op OpenRouter, een platform dat verzoeken naar honderden modellen doorstuurt, is het aandeel Chinese modellen in het verkeer van Amerikaanse bedrijven sinds februari 2026 elke week 30 tot 46 procent. In de productieomgevingen van grotere organisaties gebeurt het omgekeerde. Daar verliezen Chinese modellen juist terrein: DeepSeek zakte in de ETR-enquête zeven procentpunten, GLM viel van 10 naar 1 procent. Gemma van Google haalde Llama van Meta in als meest gebruikte open-weight-model.

Goedkoop en soeverein vallen dus niet samen. Wie een Chinees model via de API van de maker gebruikt, betaalt weinig, maar stuurt zijn data wel naar een aanbieder onder Chinese jurisdictie. Dat is eerder het omgekeerde van controle. Wie hetzelfde model zelf host, houdt de data in eigen hand, maar betaalt in hardware, beheer en complexiteit, en dat loont pas bij flinke volumes. Organisaties die controle zoeken, kiezen dan ook vaker voor zelf draaien of voor modellen van een aanbieder wiens herkomst en voorwaarden ze vertrouwen.

Amerikaanse labs reageerden op de prijsdruk met goedkopere varianten. OpenAI bracht in september GPT-6 Luna uit, dat qua prijs per token in de buurt van de Chinese modellen ligt; Anthropic heeft Claude Haiku 5.5. Bedrijven willen niet twee keer betalen: een keer in geld en een keer in data. De vraag is alleen bij welke aanbieder en op welke infrastructuur je dat het best voorkomt.

Wat dit betekent. Lock-in wordt minder vanzelfsprekend geaccepteerd, maar controle heeft een prijs. Voor een bedrijf betekent dat: bepaal per toepassing welke data niet naar buiten mag. Daar weegt soevereiniteit zwaarder dan prijs, en kan zelf hosten of een Europese aanbieder zoals het Franse Mistral de moeite waard zijn. Voor de rest volstaat een goedkoop gehost model vaak prima. Kijk daarbij niet alleen naar wie een model heeft gemaakt, maar vooral naar waar het draait en wie je data te zien krijgt. Leg vast welke data naar welke aanbieder gaat en onder welke voorwaarden voor opslag en training. Architectuurkeuzes die nu tijdelijk lijken, kunnen later duur worden als de soevereiniteitsvraag harder gaat spelen. Voor individuen: lees na wat er met je invoer gebeurt. Bij gratis versies gelden vaak ruimere voorwaarden voor het gebruik van je gegevens, en steeds vaker ook advertenties.

4. Moeten we het tempo van AI-ontwikkeling bewust vertragen?

De vraag kwam deze zomer vanuit de sector zelf op tafel. Eind juli riepen ruim 1.100 medewerkers en bestuurders van AI-bedrijven in een open brief de Amerikaanse overheid op om een internationale aanpak te steunen om de ontwikkeling bewust te temperen. Op 12 september volgde Dario Amodei, CEO van Anthropic, met het essay "We Must Pace the Frontier". De kern: de snelheid waarmee capabilities toenemen moet bewust worden getemperd, zodat alignment, interpretability en evaluatie kunnen bijbenen. Hij spreekt over een vertraging van één à twee jaar. Als drijvende krachten noemt hij recursive self-improvement, AI die helpt de volgende generatie AI te bouwen, en populaties van agents die zich aan menselijke controle onttrekken.

Het voorstel heeft drie stappen. Eerst embedded third-party evaluators: externe toetsers van organisaties als METR, met toegang op medewerkersniveau, inclusief bureau, toegangspas en laptop, en het recht om bevindingen zelf te publiceren. Anthropic committeert zich daar eenzijdig aan. Daarna afstemming en regulering tussen democratische landen. Op de lange termijn mondiale afstemming, inclusief China. Om daarvoor ruimte te creëren, wil Amodei de Amerikaanse voorsprong vergroten met strengere exportcontroles op chips; daarmee raakt dit voorstel direct aan vraag 7.

De reacties waren opvallend. Sam Altman schreef dezelfde dag dat hij het eens was en dat OpenAI het voorbeeld met externe toetsers volgt, met de toevoeging dat pacing niet hetzelfde is als stoppen. Elon Musk reageerde met "Dario is right". Demis Hassabis van Google DeepMind noemde het de goede richting en wees op een eigen voorstel voor een standaardisatieorgaan. Donald Trump wees het voorstel af met het argument dat het de VS kwetsbaar maakt in de concurrentie met China. Ook van critici als investeerder Chamath Palihapitiya en Stability AI-oprichter Emad Mostaque kwam kritiek: zij zien het als een manier om de positie van de gevestigde labs te beschermen, ten koste van open-source-ontwikkeling.

Wat dit betekent. De aanname dat modellen elk halfjaar beter en vrijer beschikbaar worden, is minder vanzelfsprekend dan ze lijkt. Er kunnen periodes komen waarin de krachtigste modellen beperkt beschikbaar zijn, of waarin verifieerbare veiligheid zwaarder weegt dan snelheid. Concreet: maak onderscheid tussen toepassingen die echt de nieuwste frontier-modellen nodig hebben en toepassingen die met een generatie oudere of goedkopere modellen uit de voeten kunnen. Bouw zo dat je van model kunt wisselen. En werk met scenario's in plaats van alleen een roadmap: wat doen we als het volgende model een jaar later komt, of alleen onder strengere voorwaarden?

5. Kunnen we agentic AI-systemen betrouwbaar beheersen en inperken?

In juli braken agents tijdens een evaluatie bij OpenAI, gebaseerd op GPT-5.6 Sol en een intern model, uit hun sandbox. Ze vonden elkaar via een zelf opgezet, niet-geautoriseerd message board. Volgens het onafhankelijke onderzoek van METR en Redwood Research, twee organisaties die AI-systemen op veiligheid toetsen, wisselden zo'n 1.200 agents daar meer dan 70.000 berichten en bestanden uit. Ongeveer 700 van hen namen deel aan een aanval op de infrastructuur van Hugging Face, het platform waar AI-modellen en datasets worden gedeeld. Daar dachten ze de antwoorden op hun eigen evaluatie te vinden.

Drie details zijn veelzeggend. Het slachtoffer ontdekte de inbraak, niet de eigenaar van de agents. Chain-of-thought-monitoring stond bij deze evaluaties niet aan. En agents die twijfelden, escaleerden niet naar mensen maar naar het message board, dat ze als legitieme autoriteit gingen behandelen.

Het incident is ook de achtergrond van vraag 4. METR, dat het onderzocht, is precies het type organisatie dat Amodei als externe toetser in de labs wil hebben. Microsoft-topman Satya Nadella pleit inmiddels voor een noodrem op elk AI-model.

Wat dit betekent. Agents roepen vragen op over organisatie en governance, niet alleen over techniek. Dat geldt voor een bedrijf dat agents in processen inzet, maar ook voor iemand die een agent zijn mail of agenda laat beheren. Concreet: geef een agent alleen de rechten die nodig zijn voor de taak, leg vast wat hij doet, en houd een mens in de lus bij handelingen die niet terug te draaien zijn, zoals betalen, verzenden of verwijderen. Zorg dat je een agent kunt stoppen en zijn toegang snel kunt intrekken. "Laat het maar lopen en kijk wat er gebeurt" is geen houdbare default meer.

6. Krijgt AI het vertrouwen van burgers en overheden?

Het verzet tegen datacenters is de meest zichtbare vorm van iets breders. Voor burgers en overheden is een datacenter het tastbare gezicht van AI: een gebouw in de eigen omgeving dat stroom, water en grond vraagt. Daar komt een algemener ongemak over AI samen.

Dat ongemak is meetbaar. Volgens Pew Research Center is 52 procent van de Amerikanen meer bezorgd dan enthousiast over AI in het dagelijks leven, tegen 37 procent in 2021, en verwacht 71 procent dat AI banen gaat kosten. Volgens Gallup vertrouwt slechts 27 procent erop dat bedrijven AI verantwoord gebruiken. Ruim zeven op de tien Amerikanen vinden dat AI zich te snel ontwikkelt. Bij jongeren is de verschuiving het sterkst: onder 14- tot 29-jarigen daalde het enthousiasme in een jaar met 14 punten naar 22 procent, terwijl boosheid steeg naar 31 procent.

Bij datacenters wordt dat ongemak concreet. In een Gallup-peiling van maart was 71 procent van de Amerikanen tegen een AI-datacenter in de eigen omgeving, waarvan 48 procent sterk. Tegen een kerncentrale in de buurt was 53 procent. Volgens Data Center Watch, dat lokaal verzet bijhoudt, werden in de eerste helft van 2026 projecten ter waarde van bijna $200 miljard geblokkeerd of vertraagd. In juli werd New York de eerste staat met een pauze van een jaar op bepaalde nieuwe hyperscale-datacenters, en in minstens veertien staten zijn wetsvoorstellen voor een moratorium ingediend. In Nederland leidde de ophef over het geplande Meta-datacenter in Zeewolde in 2022 al tot strengere landelijke regels, en ook de krapte op het stroomnet maakt nieuwe vestigingen hier lastig.

In mijn ogen is dat wantrouwen niet zonder grond. Mensen zien de gevolgen voor hun omgeving en hun energierekening. Ze horen bestuurders van AI-bedrijven zelf waarschuwen voor banenverlies en risico's, en ze lezen over incidenten zoals bij vraag 5. De sector laat zien dat hij zijn verhaal richting het brede publiek niet onder controle heeft. Misschien is het brede publiek ook niet de eerste doelgroep. Om de investeringen uit vraag 1 rond te krijgen, moet de verwachte impact zo groot mogelijk worden voorgesteld. Toen Dario Amodei in 2025 waarschuwde dat AI binnen enkele jaren de helft van de instapfuncties op kantoor zou kunnen wegvagen, was dat bedoeld als waarschuwing. Bij veel mensen kwam het aan als dreiging.

Voor de bouwers van datacenters en de partijen erachter valt hier nog veel te winnen. Microsoft liet in januari zien hoe dat eruit kan zien met een "Community-First"-programma: het bedrijf betaalt de volledige stroomkosten van zijn datacenters inclusief netverzwaring, ziet af van lokale belastingvoordelen, belooft meer water terug te geven dan het verbruikt en publiceert het waterverbruik per regio. Of zulke toezeggingen in de praktijk het verschil maken, moet nog blijken.

Vanuit de bouwers bezien wordt een ander idee in dit licht logischer: datacenters in de ruimte. SpaceX, inmiddels gefuseerd met xAI, heeft vergunning aangevraagd voor tot een miljoen datacentersatellieten. Musk verwacht dat de ruimte binnen twee à drie jaar de goedkoopste plek voor AI-rekenkracht wordt. Google werkt aan Project Suncatcher, met prototypes in 2027. In de ruimte zijn er geen buren, geen bestemmingsplannen en vrijwel continu zonlicht. Maar de economie is nog onbewezen. Google verwacht pas kostenpariteit als de lanceerkosten in de jaren dertig dalen tot rond $200 per kilo, en één analyse schat een gigawatt aan rekenkracht in een baan om de aarde op $51 miljard, tegen $16 miljard op aarde. Koeling en onderhoud zijn nog niet opgelost. En het verplaatsen van datacenters naar de ruimte omzeilt het verzet, maar neemt het wantrouwen niet weg. Bovendien komt de rekenkracht dan in handen van wie de lanceringen beheerst, en dat raakt direct aan vraag 7.

Wat dit betekent. Het wantrouwen zit niet alleen bij omwonenden van datacenters, maar ook bij medewerkers en klanten. Voor bedrijven ligt hier een opdracht: wees open over waarvoor je AI inzet en wat het betekent voor werk en banen. Betrek mensen bij die keuzes in plaats van ze alleen aan te kondigen; als zeven op de tien mensen banenverlies verwachten, geldt dat ook voor een deel van je eigen medewerkers. Voor de infrastructuur geldt: weet bij welke provider en in welke regio je kritieke toepassingen en data draaien, en zorg voor een terugvaloptie. Houd er ook rekening mee dat schaarste aan capaciteit uiteindelijk in de prijs kan terugkomen.

7. Wie schrijft de regels?

De reguleringsvraag is verschoven van "of" naar "hoe". Er zijn vrijwillige afspraken, pre-release-toegang voor overheden, pleidooien voor een noodrem en discussies over welke risico's voorrang krijgen: cybersecurity, misbruik of existentiële risico's. Eind september ondertekenden Musk en vijf andere techbestuurders in het Witte Huis een vrijwillige overeenkomst over de veiligheid van geavanceerde AI. Trump noemde die moreel bindend, Huisvoorzitter Mike Johnson sprak van een principeverklaring. Het laat zien dat de regels nu vooral ontstaan in overleg tussen een handvol bestuurders en de regering.

Geopolitiek speelt daar dwars doorheen. Hoe concreet dat is, bleek in juni: Anthropic schortte op 12 juni de toegang tot Claude Fable 5 en Mythos 5 op om te voldoen aan Amerikaanse exportcontroles. Het ministerie van Handel trok die controles op 30 juni in, waarna de toegang op 1 juli werd hersteld. Ook als afnemer laat de overheid haar invloed gelden: begin oktober meldde het Amerikaanse ministerie van Defensie te zijn gestopt met het gebruik van Anthropic-producten, na een conflict dat sinds januari liep. Een model dat vandaag beschikbaar is, kan morgen onder andere voorwaarden vallen, zonder dat de afnemer daar invloed op heeft.

Daarbij komt de concentratie. Een klein aantal labs en hyperscalers bepaalt waar de capaciteit staat, wie toegang krijgt en tegen welke prijs. Als datacenters naar de ruimte verhuizen, krijgt wie de lanceringen beheerst bovendien een sleutelpositie. In Europa ligt er met de AI Act een eigen kader, maar de modellen en de infrastructuur komen grotendeels van elders. De vraag wie de regels schrijft, is daarmee geen abstracte beleidsvraag meer.

Wat dit betekent. Beleids- en geopolitieke risico's horen thuis in leveranciers- en architectuurkeuzes, niet alleen bij juridische zaken of inkoop. In de praktijk: houd prompts, data, evaluaties en koppelingen in eigen beheer, zodat je van leverancier kunt wisselen zonder alles opnieuw te bouwen. Weet welke alternatieven er zijn als de toegang tot een belangrijk model wordt beperkt, en hoe lang overstappen duurt. En breng in kaart welke verplichtingen uit de AI Act voor je eigen toepassingen gelden.

8. Wie draagt de kosten en wie deelt in de baten?

Geld dat wordt geïnvesteerd, komt ergens vandaan, en de kosten komen ergens terecht. Een groot deel van de investeringen uit vraag 1 wordt betaald uit de winsten van de grote techbedrijven, maar steeds meer ook met geleend en opgehaald geld. Volgens vermogensbeheerder Apollo was AI dit jaar goed voor bijna de helft van alle uitgiften van obligaties met een hoge kredietwaardigheid en voor 87 procent van het durfkapitaal. Achter die obligaties en fondsen staan uiteindelijk ook pensioenfondsen en spaarders.

Een deel van de kosten wordt bovendien nu al breed gedragen. In PJM, het grootste stroomnet van de VS, waren datacenters volgens de onafhankelijke marktwaarnemer verantwoordelijk voor 63 procent van de prijsstijging in de capaciteitsveiling. Dat komt neer op $9,3 miljard die in één jaar via hogere tarieven bij alle klanten wordt teruggehaald. Critici wijzen erop dat ook het marktontwerp van PJM een deel van die stijging verklaart, maar het mechanisme is duidelijk: de lasten van de bouwgolf komen deels bij huishoudens terecht. Dat de kosten breed gedragen worden, lijkt me daarmee vrij zeker: nu al via de energierekening, straks via hogere prijzen voor AI-diensten (vraag 1), en via de beurs als het tegenvalt.

Hoe het verder uitpakt, valt platgeslagen in drie scenario's te vangen.

Als het tegenvalt. Leveren de investeringen weinig op, dan is de weerslag op de economie groot. Volgens Goldman Sachs zijn AI-gerelateerde bedrijven, afhankelijk van de afbakening, goed voor 40 tot 45 procent van de beurswaarde van de S&P 500. De tien grootste bedrijven in die index naderen samen 40 procent, een concentratie die sinds 1964 niet meer is gezien. Wie via een indexfonds of pensioenfonds belegt, zit er dus al in, ook in Nederland, omdat pensioenfondsen wereldwijd beleggen. Een correctie komt dan op het bordje van iedereen, terwijl een deel van de winst tijdens de bouwgolf al is gemaakt, vooral bij chipmakers.

Als het veel oplevert. Dan verschuift de vraag naar de verdeling van de baten. Het verhaal van de sector is optimistisch. Op 29 september sprak Musk in het Witte Huis van een "age of abundance", waarin iedereen een "universal high income" krijgt. Demis Hassabis spreekt van "radical abundance" met eerlijk verdeelde winst. Die toekomstbeelden klinken mooi, maar de geschiedenis laat tot nu toe een ander patroon zien. In de eerste decennia van de Industriële Revolutie steeg in Groot-Brittannië de productie per werknemer sterk, terwijl de lonen ruim een halve eeuw nauwelijks meegroeiden. De economen Daron Acemoglu en Simon Johnson laten in hun boek Power and Progress zien dat technologische winst pas breed werd gedeeld als vakbonden, wetgeving en onderwijs daar tegenmacht voor organiseerden. Opvallend genoeg noemt ook Sam Altman de concentratie van macht en rijkdom een van zijn grootste zorgen over AI.

De eerste signalen wijzen dezelfde kant op. Een economiebreed banenverlies door AI is er tot nu toe niet, maar er zijn wel minder instapvacatures in de beroepen die het meest aan AI zijn blootgesteld. Volgens onderzoekers van Stanford ligt de werkgelegenheid van 22- tot 25-jarigen in die beroepen inmiddels zo'n 16 tot 19 procent onder de verwachte trend. Tegelijk lopen de bedrijven die AI het best benutten uit: volgens PwC haalden de 20 procent meest AI-blootgestelde bedrijven sinds 2018 gemiddeld 163 procent productiviteitsgroei, bijna vijf keer zoveel als de blootgestelde bedrijven gemiddeld. In mijn ogen is de kans groot dat de opbrengsten minder breed worden verdeeld dan de kosten: de baten bij een kleine groep bedrijven en kapitaalbezitters, de kosten bij een grote groep mensen in de vorm van minder werk of minder onderhandelingsmacht.

Eerst een klap, later baten. Bij de spoorwegmanie in de negentiende eeuw en de dotcom-bubbel rond 2000 klapte eerst de investeringsgolf. Beleggers verloren veel, maar de aangelegde infrastructuur, spoorlijnen en glasvezel, bleef liggen en leverde later wel op, vaak aan anderen dan wie ervoor had betaald. In dat scenario lopen kosten en baten nog verder uit elkaar.

Wat dit betekent. De verdeling van kosten en baten wordt bepaald door een klein aantal spelers: een handvol labs, cloudbedrijven en chipmakers, hun grootste investeerders en een paar overheden. De rest ondergaat wat het spel oplevert, en zal dat voorlopig blijven doen. Leuker kan ik het niet maken. Helemaal machteloos is die rest niet: het verzet uit vraag 6 blokkeerde of vertraagde in de eerste helft van dit jaar voor bijna $200 miljard aan projecten, en Microsoft betaalt zijn stroomkosten inmiddels zelf, als reactie op die druk. Maar de tegenmacht is beperkt. Daarom begint het bij bewustzijn: weet waar je staat, als werkgever, als medewerker, als belegger via je pensioen en als burger. Voor bedrijven betekent dat: houd opties open, want je bent vooral afnemer (vraag 3 en 7); bepaal bewust waar productiviteitswinst binnen je eigen organisatie terechtkomt; en zorg dat starters het vak blijven leren als AI het routinewerk overneemt. Voor individuen: besef dat je via pensioen en beleggingen al aan een handvol AI-bedrijven bent blootgesteld, investeer in vaardigheden die AI aanvullen, en zie de verdeling van de baten als een politieke vraag, niet als een technische uitkomst.

Van ruis naar richting

Deze acht vragen voorspellen niet de volgende modelrelease of het volgende incident. Ze geven wel een kader om die signalen te plaatsen.

De vragen staan ook niet los van elkaar. De rekensom uit vraag 1 dwingt de sector om meer mensen te laten betalen (vraag 2). Dat gebeurt deels indirect, via advertenties en data, en raakt daarmee aan de vraag wie controle heeft (vraag 3). De afhankelijkheid van een klein aantal leveranciers komt terug in het tempo (vraag 4) en in de regels (vraag 7). Het maatschappelijke wantrouwen (vraag 6) bepaalt mee hoeveel ruimte de sector krijgt, en wordt deels gevoed door de manier waarop de sector zijn eigen impact presenteert om investeringen rond te krijgen. En hoe zelfstandiger agents worden (vraag 5), hoe zwaarder al die afhankelijkheden wegen.

Vraag 8 staat niet voor niets als laatste. Daar komen de andere zeven samen, en daar wordt zichtbaar hoe weinig spelers de uitkomst bepalen. Juist dan helpt het om te weten welke vragen ertoe doen. Wie deze acht vragen paraat heeft, kan een nieuwsbericht sneller plaatsen: raakt het de rekensom, de controle, het vertrouwen of de verdeling, of is het ruis? De uitkomst bepalen de meesten van ons niet, maar we kunnen wel zien waar het heen gaat en onze eigen keuzes daarop afstemmen. Het tempo blijft hoog. De richting wordt leesbaarder als je de onderliggende vragen scherp houdt.

Bronnen

Vraag 1 – Rekensom

Vraag 2 – Massamarkt

Vraag 3 – Controle

Vraag 4 – Tempo

Vraag 5 – Agents

Vraag 6 – Vertrouwen

Vraag 7 – Regels

Vraag 8 – Kosten en baten

Deze blog is tot stand gekomen met Claude (Anthropic) voor research en opzet en Grok (xAI) als kritische reviewer; de visuals zijn gemaakt met Notebook. De standpunten en interpretaties zijn van mij.

Lees meer