De impact van AI op oorlogsvoering

Waar we staan — en de richting van de beweging

Dit is het eerste deel in een nieuwe reeks over de echte impact van AI.

De meeste mensen om me heen zijn niet enthousiast over AI. Ze zijn wantrouwend, ongeïnteresseerd, of allebei. Ze steken er geen tijd in, volgen het nieuws erover niet, en als het onderwerp langskomt is de toon vaker sceptisch dan nieuwsgierig. Ik snap dat, en ik denk dat er een goede reden voor is: voor de meeste mensen lijkt de daadwerkelijke impact van AI er gewoon niet te zijn. Ze zien het niet. Het raakt hen niet, in elk geval niet op een manier die ze kunnen aanwijzen. Er wordt veel over gepraat, er gaat gigantisch veel geld in om, de rijken worden er zichtbaar rijker van, het kost energie en water en gaat ten koste van het milieu — en de vraag die daaronder blijft hangen is simpel: waarvoor eigenlijk? Wat heeft een gewoon mens hieraan?

Dat is een terechte vraag, en ik denk dat die maar op één eerlijke manier te beantwoorden is: niet door te beweren dat AI je raakt, maar door te laten zien waar het dat al aantoonbaar doet. Dit is het eerste deel van een reeks waarin ik dat ga proberen — onderwerpen zoeken waar de impact van AI niet abstract of hypothetisch is, maar feitelijk hard: meetbaar, gedocumenteerd, met namen en cijfers. Oorlogvoering is de eerste, en misschien wel de meest onomstreden: hier bepaalt AI inmiddels aantoonbaar wie leeft en wie sterft. Het volgende deel gaat over algorithmic wage discrimination — hoe algoritmes intussen bepalen wat mensen betaald krijgen, vaak zonder dat ze het zelf doorhebben. Twee onderwerpen die weinig met elkaar te maken lijken te hebben, op één ding na: in allebei beslist een model inmiddels iets dat vroeger een mens besliste, met gevolgen die voor wie ze ondergaat allesbehalve abstract zijn.

Op 6 augustus schreef ik over Astra, het OpenAI-model dat in één dag tien wiskundeproblemen oploste waar de wiskundige gemeenschap decennia op vastliep. De vraag die ik toen stelde was niet of dat indrukwekkend was, maar hoe snel de curve zelf beweegt. Diezelfde twee, drie jaar waarin modellen sprongen van "handige chatbot" naar "lost autonoom problemen op die Fields Medal-niveau halen", vielen bijna precies samen met een reeks oorlogen waarin diezelfde AI niet langer wiskunde deed, maar bepaalde wie waar en wanneer stierf.

Ik wilde weten of dat verband hard te maken is. Niet als gevoel, maar met systemen, cijfers en namen. Dus ben ik gebied voor gebied gegaan: Gaza, de West Bank, Libanon, Venezuela, Iran, Oekraïne — en waar ik verder nog iets vond dat erbij hoort. Per gebied: welk systeem, wiens technologie, welk frontiermodel er eventueel achter zit, en waar de mens in het proces nog wel — of juist niet meer — echt een rol speelt. Daarna leg ik alle feitelijke veranderingen naast elkaar: snelheid, aantallen, foutmarges, doden. En omdat dit geen compleet beeld is zonder de vraag waarom landen dit doen ondanks die kosten, volgt daarna de realpolitieke en economische logica erachter — eerlijk neergezet, niet als excuus. Aan het eind trek ik mijn eigen conclusie, maar de feiten en de logica staan los daarvan overeind; wat je ermee doet, mag je zelf wegen.

Gaza: het begin van de score

Het meest gedocumenteerde systeem heet Lavender, gebouwd door Unit 8200, de Israëlische AI-inlichtingeneenheid. Lavender geeft elke inwoner van Gaza een score van 1 tot 100: de geschatte waarschijnlijkheid dat iemand tot Hamas of de Islamitische Jihad behoort, berekend uit telefoonmetadata, sociale netwerken, bewegingspatronen en familiebanden. Op het hoogtepunt stonden er ongeveer 37.000 mensen op die lijst. Het systeem claimde zelf een nauwkeurigheid van rond de 90% — de makers erkennen dus zelf een foutmarge van 1 op 10. Op 37.000 markeringen is dat geen abstract percentage: in theorie tot 3.700 mensen die ten onrechte op de lijst stonden.

Naast Lavender draait Habsora, ook wel "Gospel" genoemd: geen mensen maar gebouwen, tunnels en infrastructuur, gegenereerd uit satellietbeelden en signalen. Vóór Habsora kostte het identificeren van vijftig doelen in Gaza ongeveer een jaar. Met Habsora: honderd doelen per dag. Het hoofd van het AI-centrum van het Israëlische leger zei het zelf, in een intern militair artikel: wat vroeger honderden analisten weken kostte, doet het systeem nu in seconden.

Het derde systeem, Where's Daddy?, doet iets specifieks: het volgt een door Lavender gemarkeerd persoon totdat hij een huis binnengaat, en waarschuwt dan pas — zodat de aanval het doelwit thuis treft, vaak samen met zijn gezin.

De naam is vermoedelijk galgenhumor: een zin die een kind aan zijn moeder stelt, hergebruikt om een luchtaanval te timen. Een officiële verklaring van de IDF is er niet — de naam kwam naar buiten via zes anonieme inlichtingenofficieren die met +972 Magazine/Local Call spraken. Het is een patroon dat verderop in dit stuk nog een keer terugkomt, bij een Amerikaans programma met een nog directere knipoog.

Interessanter dan de naam is de logica erachter, en die logica is expliciet, niet impliciet. De officieren zeiden zelf dat ze doelwitten niet alleen wilden uitschakelen tijdens militaire activiteit: het bombarderen van iemand thuis was, in hun eigen woorden, de voorkeursoptie, "as a first option" — omdat dat operationeel simpelweg makkelijker was. Een huis is een vast, al gekarteerd adres; iemand volgen tijdens bewegende militaire activiteit is foutgevoeliger. De aanval vond vaak 's nachts plaats, niet ondanks maar mede dankzij de vrijwel zekere aanwezigheid van het hele gezin op dat moment — wat de identificatie van het doelwit juist bevestigde.

Voor de collateral-marges gold, volgens dezelfde zes officieren: tot 15-20 burgerslachtoffers geaccepteerd per laaggeplaatst doelwit, meer dan 100 bij een bataljons- of brigadecommandant. Bij de aanval op Hamas-commandant Ayman Nofal, op 17 oktober 2023, zou toestemming zijn gegeven voor naar schatting 300 burgerdoden. Israël ontkent deze specifieke voorstelling met klem — er zou geen vooraf geaccepteerde limiet van honderd burgerslachtoffers per doelwit bestaan — maar de kern van de reconstructie is door meerdere onafhankelijke redacties bevestigd en wordt in de juridische vakliteratuur inmiddels als uitgangspunt gebruikt. Dat is meteen ook waarom Where's Daddy? geen losstaand detail is: de marges waren op precies dit scenario berekend — geen onbedoelde bijwerking die achteraf werd geaccepteerd, maar een drempel die er vooraf al van uitging dat er huisgenoten aanwezig zouden zijn.

Het resultaat, cijfermatig: meer dan 72.000 geregistreerde doden volgens het Gazaanse ministerie van Volksgezondheid, met een onafhankelijk bevolkingsonderzoek (gepubliceerd in The Lancet Global Health) dat op ruim 75.000 gewelddadige doden uitkomt — hoger dan de officiële telling.

Dit is waar de mens in het proces het duidelijkst zichtbaar is — en het duidelijkst bijna afwezig. Volgens de inlichtingenofficieren die met deze systemen werkten, bestond de menselijke controle op een Lavender-markering vaak uit een paar seconden: vooral een check of het doelwit een man was. Meerdere bronnen noemden dit letterlijk een "rubber stamp." De machine had al beslist. De mens bevestigde.

Lavender en Gospel zijn geen frontiermodellen in de zin van ChatGPT of Claude — het zijn eigen, gesloten classificatiesystemen van Unit 8200, gebouwd op klassieke machine learning en patroonherkenning, niet op generatieve taalmodellen.

Dat onderscheid is belangrijk genoeg om even apart te zetten, want het loopt als rode draad door de rest van dit stuk. Waar Israël zijn eigen, gesloten systemen bouwde, koos de Amerikaanse defensiewereld voor de commerciële frontiermodellen zelf. Palantir's AI-platform (AIP) ondersteunt inmiddels modellen van OpenAI, Anthropic, Google, Meta en xAI, te selecteren per project en per beveiligingsniveau. Anthropic's Claude zit daar sinds november 2024 specifiek in: geïntegreerd in een voor defensie geaccrediteerde omgeving (Impact Level 6, tot en met "secret"-classificatie), draaiend op Amazon Web Services. Bij Iran, verderop, zie je precies wat dat in de praktijk betekent.

West Bank: dezelfde logica, zonder de knal

Naast de kinetische targeting in Gaza loopt al sinds 2021 een ander, stiller AI-project: Blue Wolf, een smartphone-app waarmee Israëlische soldaten gezichten van Palestijnen scannen en koppelen aan een centrale database ("Wolf Pack"), aangevuld met Red Wolf — vaste gezichtsherkenningscamera's bij checkpoints in Hebron die mensen automatisch aan de database toevoegen, zonder toestemming. Amnesty International documenteerde in het rapport Automated Apartheid hoe dit systeem bewegingsvrijheid automatisch beperkt op basis van een algoritmische classificatie — geen doden, maar wel een permanente, geautomatiseerde inperking van fundamentele vrijheden. Hetzelfde soort systeem, andere toepassing: niet wie sterft, maar wie zich mag verplaatsen.

Libanon: waar het systeem een naam en een gezicht krijgt

Na de pager- en portofoonaanslagen van september 2024 — die honderden Hezbollah-strijders in één klap uitschakelden — ging Israël over op een AI-gedreven trackingsysteem dat smartphonedata, camera's, wifi-signalen, drones, overheidsdatabases en sociale media combineert tot wat onderzoeksjournalisten een "bijna alwetende" volgcapaciteit noemen.

Het scherpste voorbeeld is Ahmad Turmus, 62, een voormalig strijder die was overgestapt naar een administratieve rol. Op een middag in februari dit jaar belde een Israëlische officier hem, in het Arabisch: alleen sterven, of met de mensen om hem heen? Turmus zei "alleen", ging naar buiten, stapte in zijn auto. Binnen dertig seconden sloegen twee raketten in.

Hier wordt het frontiermodel-verhaal concreet: Palantir's Maven-platform speelt hier een rol die het bedrijf zelf erkent — het standaardiseert, tagt en scoort de binnenkomende data, waarna het systeem in seconden een dreigingsprofiel bouwt voor wat vroeger weken werk van honderden analisten was. Dat is een ander verhaal dan bij Lavender en Gospel, waar Palantir directe betrokkenheid ontkent. De grens tussen "wij bouwen de infrastructuur" en "wij bepalen wie sterft" is precies zo vaag als het bedrijf hem zelf laat klinken.

Ter relativering: dit soort metadata-gedreven targeting is niet gloednieuw. De NSA bouwde in de jaren 2000 al SKYNET tegen Al Qaida-koeriers in Afghanistan; het Amerikaanse leger gebruikte Raven Sentry, met een treffernauwkeurigheid van rond de 70%, vergelijkbaar met menselijke analisten. Nieuw is vooral de snelheid en de mate van integratie — niet het idee zelf.

Tussen haakjes: ja, die naam is gekozen met de Terminator-Skynet in het achterhoofd — een surveillanceprogramma vernoemen naar de fictieve AI die de mensheid uitroeit, is geen toeval. Maar een officiële verklaring van de NSA zelf is er nooit gekomen. De meeste NSA-programmanamen zijn vrijwel willekeurige woordcombinaties uit een soort generator (JUGGERNAUT, RAGTIME, SLIMYTOLL) — geen enkele met een duidelijke betekenis. SKYNET is de uitzondering: te specifiek, te toepasselijk, om puur toeval te zijn. Vermoedelijk gewoon een analist met gevoel voor galgenhumor, die wist dat niemand buiten de dienst het ooit zou lezen. Tot Snowden.

Venezuela: dezelfde infrastructuur, een ander soort doelwit

Op 3 januari dit jaar veroverden Amerikaanse special forces Nicolás Maduro in een operatie die meer dan 150 vliegtuigen en drones inzette, ondersteund door maandenlange surveillance (een CIA-bron in de Venezolaanse regering volgde zijn bewegingen al sinds augustus 2025) en een storing die de Venezolaanse luchtafweerradar op het cruciale moment liet uitvallen. Formeel geen "oorlog" — maar wel dezelfde technologische stapel: begin februari onthulde The Wall Street Journal dat Claude van Anthropic, ingezet via Palantir, werd gebruikt voor het razendsnel doorzoeken van documenten en onderschepte data tijdens de voorbereiding.

Die onthulling was meer dan een technisch detail. Ze zette meteen ook de toon voor de rest van dit jaar: minister van Defensie Pete Hegseth liet publiekelijk doorschemeren dat hij niet wilde werken met modellen die, in zijn woorden, "oorlogvoering verbieden" — een directe verwijzing naar Anthropic's eigen restricties. Een Amerikaans contract van 200 miljoen dollar met Anthropic kwam daardoor al in februari onder druk te staan, weken voordat de Iran-oorlog en het "supply chain risk"-conflict verderop in dit stuk zich voltrokken. Venezuela was, met andere woorden, niet het eindpunt van deze spanning maar het beginpunt.

Het is een teken van hoezeer deze infrastructuur inmiddels universeel is geworden: niet gebouwd voor één conflict, maar een generieke laag die moeiteloos van drugsoperatie naar regimewissel naar conventionele oorlog verschuift.

Iran: waar het frontiermodel het stuur overneemt

Op 28 februari begon operatie Roaring Lion/Epic Fury, de Israëlisch-Amerikaanse aanval op Iran. Diezelfde dag werd Ayatollah Khamenei gedood — het sluitstuk van een jarenlange operatie waarbij Israël vrijwel het volledige verkeerscameranetwerk van Teheran had gehackt. Beeldmateriaal werd versleuteld doorgestuurd naar Israëlische servers, waar algoritmes een "pattern of life"-profiel opbouwden van Khamenei's beveiligingsteam: woonadressen, dienstroosters, bewegingspatronen — niet van Khamenei zelf, die zich vrijwel nooit in het openbaar vertoonde, maar van de mensen om hem heen, wier voorspelbare gedrag hem uiteindelijk verried.

Wat mij daarbij het meest bijblijft, is de tijdlijn. Volgens Amerikaanse bronnen viel het principebesluit om Khamenei te doden al kort na 7 oktober 2023 — jaren voordat de aanval daadwerkelijk plaatsvond. De concrete planning begon pas na de oorlog van juni 2025, met een definitief bevel van Netanyahu in november 2025. Dat is precies waar AI-gedreven surveillance het verschil maakt met eerdere decennia: een besluit dat ooit misschien bij gebrek aan uitvoerbare inlichtingen was blijven liggen, kon nu jarenlang geduldig worden voorbereid — een compleet, automatisch bijgewerkt bewegingsprofiel dat op elk gewenst moment kon worden geactiveerd zodra de politieke beslissing viel.

Die geduldige voorbereiding kreeg intussen ook een nieuwe organisatorische thuisbasis. In december 2025 bundelde de IDF zijn verspreide AI-projecten in één nieuwe divisie, Bina, onder de C4I-directie. Vijf maanden later, op 20 mei 2026, volgde Alumot: geen laboratorium, geen onderzoeksafdeling, maar een operationele eenheid waarin gevechtssoldaten, AI-specialisten, data-onderzoekers en operationele planners letterlijk samen in één team zitten om binnen dagen — niet jaren — een technisch probleem op het slagveld op te lossen en direct naar de frontlinie te sturen. Van los verspreide programma's naar een centrale divisie naar een operationele frontlinie-eenheid: die hele omslag deed Israël in minder dan een half jaar. Zoals een Amerikaanse defensieanalist het scherp verwoordde: hervormingscycli bij het Pentagon duren doorgaans decennia.

Maar het interessantste — en voor mij het scherpste bewijs van waar we nu staan — zit aan de Amerikaanse kant. CENTCOM-commandant admiraal Brad Cooper meldde zelf, begin maart, bijna 2.000 geraakte doelen binnen de eerste 48 uur; persrapportages die kort daarna verschenen, spraken van een oploop tot ongeveer 6.000 binnen enkele weken. Volgens gepensioneerd admiraal Mark Montgomery verwerkte het leger op het hoogtepunt ruim duizend doelen per dag, met een doorlooptijd van minder dan vier uur van identificatie tot aanval — een tempo dat volgens hem geen eerdere campagne heeft geëvenaard. Palantir-CTO Shyam Sankar vatte het zelf samen: de planning die normaal gesproken bij een conflict van deze schaal veel meer tijd zou hebben gekost, gebeurde nu in een fractie daarvan, en de VS voerde meer dan het dubbele aantal aanvallen per dag uit. De eerste 24 uur van de operatie waren, aldus Cooper, bijna twee keer zo omvangrijk als de eerste dag van de Amerikaanse "shock and awe"-campagne tegen Irak in 2003.

Het systeem hierachter is Palantir's Maven Smart System, draaiend op Anthropic's Claude — bevestigd door NBC News, en herhaaldelijk genoemd in Amerikaanse berichtgeving over de oorlog. Operators laten het model doelen prioriteren en genereren met AIP Assist drie handelingsopties (luchtaanval, artillerie, of een grondteam), waarna analisten sensordata en middelen toewijzen en het geheel ter goedkeuring aan een commandant voorleggen. Cooper zei het in een video-update begin maart met zoveel woorden: AI-tools doorzoeken enorme datasets in seconden zodat commandanten sneller kunnen beslissen dan de tegenstander kan reageren — taken die vroeger dagen kostten, kosten nu seconden. Mensen keuren, volgens hem, nog altijd de uiteindelijke doelen goed: in de terminologie van de vakliteratuur over autonome wapens plaatst hij het systeem daarmee in de categorie human in the loop — de mens beslist nog, in plaats van on the loop (kan ingrijpen, hoeft niet) of out of the loop (de machine handelt zelfstandig). De machine doet intussen wel de analyse.

Hier wordt het extra interessant, want het gaat over het model waarmee ik dit stuk mede heb gemaakt. Terwijl deze oorlog liep, was Anthropic — de maker van Claude — in een publiek conflict met het Pentagon, dat wilde dat Anthropic zijn ingebouwde restricties tegen autonome dodelijke wapeninzet zou laten vallen. Anthropic weigerde; het Pentagon bestempelde het bedrijf als "supply chain risk" en gelastte een zes maanden durende uitfasering. Toch bevestigde Palantir-CEO Alex Karp, tijdens de oorlog zelf, op tv dat Claude gewoon binnen het doelsysteem bleef draaien. Dat is niet zomaar een technisch detail — het laat zien dat de vraag "wie bepaalt de grens van autonome wapeninzet" op dit moment niet eenduidig door één partij wordt beantwoord, zelfs niet door de partijen die er het meest bij betrokken zijn.

En dan de andere kant van diezelfde snelheid. Op de eerste dag van de oorlog werd de Shajareh Tayyebeh-basisschool in Minab getroffen, met naar schatting 150 tot 175 doden, vooral meisjes tussen de 7 en 12 jaar. Amerikaanse militaire onderzoekers concludeerden — voorlopig, de zaak liep bij publicatie van dit stuk nog — dat een Amerikaanse Tomahawk-raket "waarschijnlijk" verantwoordelijk was, vermoedelijk veroorzaakt door verouderde inlichtingen die de school ten onrechte koppelden aan een naastgelegen IRGC-faciliteit. Noch de VS, noch Israël nam formeel verantwoordelijkheid; desinformatie op sociale media probeerde de schuld juist bij Iran zelf te leggen, wat feitencheckers hebben weerlegd. Geen exotische, nieuwe soort fout — een klassiek inlichtingenprobleem, alleen nu uitgevoerd op een snelheid en schaal die voorheen ondenkbaar was.

Oekraïne: van dreigingsprofiel naar fysieke autonomie

Alle voorbeelden hierboven laten zien hoe AI beslissingen versnelt. Oekraïne laat zien hoe AI de fysieke uitvoering overneemt — en dat is wat mij betreft de belangrijkste verschuiving van dit hele verhaal.

Dat is meteen ook waar dit verhaal een eerlijkere, andere kant heeft dan in Gaza, Libanon of Iran. Oekraïne is geen grootmacht die met AI zijn overmacht vergroot — het is de numeriek en materieel zwakkere partij die dezelfde technologie gebruikt om een veel grotere tegenstander bij te benen. Een interceptor met AI-eindfaseaansturing die een Shahed-drone neerhaalt voordat die een woonwijk raakt, is precisie die burgerslachtoffers voorkomt, niet vergroot. Dat is dual-use in zijn puurste vorm: exact dezelfde eindfase-technologie die in de ene toepassing doodt — een Russische soldaat opsporen — voorkomt in de andere toepassing juist doden. Welke kant domineert, hangt niet af van de techniek zelf, maar van wie hem bouwt en waarvoor. Dezelfde soort technologie die in Gaza mensen tot een score reduceert, reduceert hier de tijd tussen een dreiging en een onderschepping — en de les die uit elk van deze zes gebieden wordt getrokken, gaat de volgende oorlog in beide richtingen mee.

Tot voor kort waren Oekraïense FPV-drones grotendeels handmatig bestuurd, en dus kwetsbaar voor Russische storing. Bedrijven als Auterion en The Fourth Law leveren nu autonomiemodules — chips van rond de 18 dollar — die een gewone drone van een paar honderd dollar omzetten in een wapen met eindfase-doellocking: de drone blijft het doelwit volgen en aanvallen, zelfs zonder radioverbinding met de piloot. Volgens de fabrikanten stijgt de trefkans daarmee van ongeveer 40% (handmatig) naar 80% (AI-gestuurd). Russische militaire bloggers melden — niet onafhankelijk bevestigd, maar veelzeggend — het gebruik van drones met warmtebeeld en gezichtsherkenning die actief op zoek gaan naar individuele Russische soldaten: "slaughterbots" wordt het in de vakpers al genoemd — een term die, zoals hieronder blijkt, zwaarder klinkt dan de smalle, taakspecifieke realiteit van deze modellen rechtvaardigt.

En dan de trainingsdata. Sinds januari dit jaar draait Brave1 Dataroom, een initiatief van het Oekraïense ministerie van Defensie, de strijdkrachten, de militaire inlichtingendienst en Palantir. Meer dan honderd Oekraïense defensiebedrijven trainen inmiddels ruim tachtig AI-modellen op live gevechtsdata — visuele en thermische datasets van onder meer Shahed-drone-aanvallen — voor detectie en onderschepping. Oekraïne is daarmee, meer dan welk ander land, het open trainingslaboratorium geworden waar de volgende generatie militaire AI-modellen op wordt gebouwd, met Palantir als een van de partijen die toegang heeft.

Belangrijke kanttekening: volledig autonome doelherkenning is, ondanks de term "fire and forget", nog geen volledige realiteit. Technische analyses van mensen die er middenin zitten, laten zien dat de gebruikte modellen smal en taakspecifiek zijn (vaak varianten van het open-source YOLO-model), en dat de "houdbaarheidsdatum" van elke specifieke technische oplossing zo'n twee tot vier maanden is voordat de tegenstander een tegenmaatregel heeft gevonden. Dit is een wapenwedloop met een eigen ritme, geen eenzijdige overwinning van de machine — maar de productiecijfers laten zien hoe snel het ritme zelf versnelt: van ongeveer 800.000 drones in 2023 naar een geplande 7 miljoen dit jaar.

Wat feitelijk is veranderd

Als je alle zes de gebieden naast elkaar legt, ontstaat er geen verzameling losse incidenten, maar één en dezelfde verschuiving, telkens opnieuw gemeten. Drie soorten elementen komen daarbij telkens terug: harde cijfers, de rol van de mens, en de gevolgen daarvan.

De harde cijfers

De snelheid van handelen. Van "honderden analisten, weken werk" (Gaza) naar "seconden" (hetzelfde AI-centrum, expliciet zo genoemd door zijn eigen hoofd). Van "vijftig doelen per jaar" naar "honderd per dag" (Gospel). Van klassieke doelidentificatie naar duizend doelen per dag met een doorlooptijd onder de vier uur (Iran). Dit is in elk gebied apart gemeten, door verschillende bronnen, met dezelfde uitkomst.

De hoeveelheid doelen. 37.000 gemarkeerde personen in Gaza. Bijna 2.000 doelen binnen de eerste 48 uur in Iran, oplopend tot 6.000 binnen enkele weken. Zeven miljoen geplande drones in Oekraïne dit jaar. Wat vroeger de uitzondering was — een oorlog met duizenden individuele doelbeslissingen — is nu de standaard operationele schaal.

Autonome drones: 80% tegenover 40%. Dit is misschien wel het hardste, meest ondubbelzinnige cijfer uit dit hele onderzoek. Een AI-gestuurde eindfaseaansturing van 18 dollar verdubbelt de trefkans ten opzichte van een menselijke piloot. Dat is geen marginale verbetering van een bestaand wapen — dat is een ander wapen.

De rol van de mens

De rubber stamp. In elk gebied komt hetzelfde patroon terug: de mens zit nog wel formeel in the loop, maar heeft steeds minder feitelijke tijd of informatie om het machine-advies te weerleggen. Bij Lavender: een check van een paar seconden, vooral op geslacht. Bij Iran plaatst Cooper het systeem met klem in diezelfde categorie — maar bij duizend doelen per dag en een doorlooptijd onder de vier uur is de vraag gerechtvaardigd of de praktijk niet dichter bij on the loop zit: formeel kan de mens ingrijpen, feitelijk is daar nauwelijks tijd voor. De Carnegie Endowment noemt dit treffend: niet een gebrek aan informatie zoals in de klassieke oorlogsmist, maar een overvloed aan snel geproduceerde informatie die de mens in de keten steeds minder ruimte geeft om er nog iets tegenin te brengen.

Mensen gereduceerd tot scores. Lavender is het scherpste voorbeeld: een getal tussen 1 en 100 dat bepaalt of iemand een luchtaanval overleeft. Geen rechter, geen aanklacht, geen mogelijkheid tot verweer — een score, berekend uit metadata, met een zelf-erkende foutmarge van 10%.

Slaughterbots, met een kanttekening. De term die drie jaar geleden nog klonk als sciencefictionwaarschuwing (van het bekende YouTube-filmpje uit 2017) is nu een courante term in de vakpers voor drones die op basis van warmtebeeld en gezichtsherkenning actief jagen op individuele soldaten. Maar de onderliggende modellen zijn smal en taakspecifiek, niet de zelfstandig redenerende AI die de term oproept — de dreiging zit in de schaal waarop dit wordt uitgerold, niet in de intelligentie van het model zelf.

De gevolgen

Hoe scores tot geaccepteerde extra slachtoffers leiden. Dit is de rechtstreekse keten: een hogere score (of een hogere rang van het doelwit) rechtvaardigde, volgens de intelligence officers die met deze systemen werkten, een hoger geaccepteerd aantal burgerslachtoffers — van 15-20 bij een laaggeplaatst doelwit tot honderden bij een hooggeplaatst doelwit. De score is niet alleen een identificatie-instrument. Hij is ook een rechtvaardigingsinstrument.

Hoe dit tot fouten leidt. Minab is het duidelijkste voorbeeld: vermoedelijk verouderde inlichtingen, niet gecorrigeerd omdat de snelheid van de keten geen ruimte liet voor de vertraging die een extra controle zou hebben gekost. Hetzelfde mechanisme dat honderd doelen per dag oplevert, levert ook 150 tot 175 dode schoolkinderen op als de onderliggende data fout is — de machine versnelt fouten net zo hard als successen.

Snelheid en verwoesting die elkaar versterken. Meer dan 72.000 doden in Gaza. Een eerste oorlogsdag in Iran die qua omvang bijna het dubbele was van de eerste dag van de Amerikaanse Irak-campagne in 2003 — een campagne die zelf al bekendstond als "shock and awe." Wat sneller kan worden geïdentificeerd, wordt sneller aangevallen. Wat sneller kan worden aangevallen, leidt tot meer verwoesting per tijdseenheid — niet omdat er meer wapens zijn, maar omdat de keten ertussen is weggesneden.

Kortere beslissingsvensters, groter escalatierisico. Er zit een risico in dit alles dat losstaat van individuele fouten zoals Minab. Als de tijd tussen waarneming en aanval van dagen naar uren naar minuten krimpt, krimpt ook de tijd waarin een verkeerd signaal, een gemanipuleerd databestand of een foute aanname nog gecorrigeerd kan worden voordat het tot een onomkeerbare aanval leidt. Dat is geen hypothetisch risico — het is precies het mechanisme dat Minab vermoedelijk veroorzaakte, nu geëxtrapoleerd naar een schaal van staat-tegen-staat in plaats van een enkele aanval.

Waarom dit toch gebeurt

Bij alles hierboven hoort een eerlijke vraag: waarom doen al deze landen dit eigenlijk, ondanks de kosten die in dit stuk staan? Het antwoord verdient het om net zo serieus behandeld te worden als de cijfers over doden en foutmarges — niet als excuus, maar omdat je zonder dit antwoord de rest niet goed begrijpt.

De kern is een klassiek veiligheidsdilemma. Geen van de landen in dit stuk gedraagt zich alsof morele terughoudendheid een reële rem is — niet Israël, niet de VS, niet Rusland, niet China. Oekraïne bewijst de logica misschien wel het scherpst: het is niet de grootmacht die zijn overmacht vergroot, maar de zwakkere partij die AI omarmt juist omdat hij zwak is. Wie niet meebeweegt in een wapenwedloop, staat niet stil — hij valt achter. Dat is geen cynische observatie; het is de rekenkunde die elke regering maakt zodra een tegenstander hetzelfde overweegt.

Daar komt een economische laag bovenop die minstens zo krachtig is. De investeringscijfers uit dit stuk — het Pentagon-budget van 13,4 miljard dollar, Anduril op 61 miljard waardering, Palantir dat op zijn hoogtepunt de traditionele wapenindustrie in beurswaarde voorbijstreefde — zijn niet alleen een teken van oorlogvoering die versnelt. Het is ook een industrie die banen, exportinkomsten en technologisch aanzien oplevert aan wie vooroploopt. Geen enkel land met een defensie-industrie wil toekijken hoe die waarde ergens anders wordt gecreëerd.

Die band tussen Israël en de Amerikaanse defensie-tech is overigens formeel losser dan je zou verwachten — de IDF, het Amerikaanse leger en Palantir werken niet of nauwelijks rechtstreeks samen; Palantir is contractueel verbonden aan de Amerikaanse en de Israëlische overheid, elk apart, niet aan elkaar. Maar de band is daarom niet minder reëel; hij loopt via twee andere kanalen. Het eerste is mensen: van de ruim 1.400 voormalige Israëlische inlichtingenmensen die inmiddels in de Amerikaanse techsector werken, komt naar schatting twee derde uit Unit 8200 zelf — bij Microsoft alleen al zo'n 250. Palantirs eigen vestiging in Tel Aviv rekruteert, volgens een recent rapport, sinds 7 oktober 2023 actief onder 8200-veteranen. Het tweede kanaal is wetgeving: Section 219 van de Amerikaanse defensiebegroting voor 2027 — door voorstanders een efficiëntieslag genoemd, door tegenstanders letterlijk een "merger" — moet een vaste Pentagon-functionaris aanstellen om de integratie van Israëlische en Amerikaanse defensietechnologie, inclusief AI en autonome systemen, te versnellen en te institutionaliseren. Het Huis nam het eind juli aan; de Senaat moet nog volgen. In geen van beide kanalen staat "Unit 8200" letterlijk vermeld — maar gezien wat die eenheid feitelijk bouwt, is ze onvermijdelijk waar zowel de mensen als de wetgeving naartoe wijzen.

En dan is er de simpele realiteit van de kostencurve die eerder in dit stuk staat: een chip van 18 dollar die een drone tot precisiewapen maakt. Die drempel is voor vrijwel iedereen laag geworden — ook voor actoren die geen enkele scrupule delen met wie hem het eerst bouwde. Zodra een technologie bestaat en goedkoop is, verdwijnt de keuze om "niet mee te doen" in de praktijk. De vraag wordt niet meer óf dit gebeurt, maar wie het onder controle heeft als het gebeurt.

Dat is denk ik ook precies waarom morele tegenstand — hoe gefundeerd ook — in de praktijk zo weinig grip krijgt. Europa is het duidelijkste voorbeeld: het formuleert de striktste regels (de AI Act, de GDPR) en heeft tegelijk geen frontiermodel, beperkte compute, en een elektriciteitsnet dat datacenterbouw al jaren vertraagt. Maar die zwakte is minder een morele keuze dan een industrieel tekort — een falend net, trage vergunningen, geen eigen chips. Terughoudendheid en achterblijven worden makkelijk door elkaar gehaald, en dat zijn twee verschillende dingen: een partij kan voorop lopen in rekenkracht en toch grenzen stellen aan de inzet ervan, zoals Anthropic deed tegenover het Pentagon, ook al kostte dat het bedrijf in de tussentijd een deel van zijn toegang.

Er is bovendien een precedent dat reden geeft tot voorzichtigheid met de "iedereen doet het, dus wij ook"-logica: kernwapens. Precies dezelfde rekenkunde — niet bouwen is achterblijven — dreef decennialang een wapenwedloop die niemand structureel veiliger maakte, alleen wederzijds kwetsbaarder, en die pas stabiliseerde na immense kosten en, uiteindelijk, verdragen. Voorsprong door als eerste te bewegen is zelden blijvend; dezelfde kostencurve die Oekraïne vandaag een voordeel geeft, is de curve die morgen voor iedereen geldt.

De richting van de beweging

Terug naar waar ik begon. Astra loste tien wiskundeproblemen op in een dag, voor tweeduizend dollar, in een kwartaal tijd nadat hetzelfde soort model er nog één probleem over deed met negen menselijke wiskundigen die het moesten controleren. Diezelfde versnellingscurve — niet lineair, maar steeds sneller — is precies wat ik in elk van deze zes gebieden terugzie, alleen dan uitgedrukt in doden per dag in plaats van bewijzen per kwartaal.

Wat mij het meest is bijgebleven, is niet één specifiek systeem. Het is hoe universeel de infrastructuur inmiddels is. Hetzelfde Palantir-platform, met hetzelfde frontiermodel erachter, verschuift moeiteloos van een drugsoperatie in Caracas naar een oorlog met een kernmacht in het Midden-Oosten. Hetzelfde soort scoring-logica die in Gaza mensen tot een getal reduceert, duikt in een andere vorm op bij checkpoints in Hebron. Dezelfde autonomiemodule die een Oekraïense drone een Russische soldaat laat volgen, wordt door hetzelfde soort bedrijf aangeboden voor de volgende oorlog, waar die ook plaatsvindt.

En de vraag "wie bepaalt de grens" — die bij Iran al opdook rond Anthropic en het Pentagon — wordt niet binnenkort door een verdrag beantwoord. De Verenigde Naties spraken een streefdatum van eind 2026 af voor een bindend verdrag tegen autonome wapens; een kleine groep grootmachten, waaronder precies de landen die in dit stuk voorkomen, blokkeert binnen dat proces al sinds 2014 elke volgende stap. Zolang dat zo blijft, wordt die grens per geval bepaald — door een legerofficier, een CEO, of een rechter die een voorlopige voorziening treft. Niet door een afspraak die voor iedereen geldt.

We zitten niet in een volledig geautomatiseerde oorlog. Op vrijwel elk niveau zit er nog een mens in de keten — bij naam genoemd door de generaals die het verdedigen. Maar in elk gebied dat ik heb onderzocht, is die menselijke rol kleiner geworden, sneller geworden, en formeler geworden, in exact hetzelfde tempo waarin de modellen zelf krachtiger werden. Dat is de richting van de beweging. En als de curve van de afgelopen twee, drie jaar iets leert, is het dat de volgende versnelling niet minder snel zal gaan.

Ik snap de logica uit het vorige hoofdstuk, en ik denk dat hij grotendeels klopt als verklaring voor waarom dit gebeurt. Maar begrijpen waarom iets gebeurt is iets anders dan het geruststellend vinden.

De geschiedenis kent dit patroon. Industriële oorlogvoering culmineerde in de slachting van de Eerste Wereldoorlog, gevolgd door een tweede, nog grotere catastrofe, voordat er een naoorlogs bouwwerk van Geneefse Conventies en mensenrechtenverdragen kwam. De kernwapenwedloop bracht de wereld tot aan de rand — Cuba, 1962 — voordat er verdragen kwamen. Telkens loopt macht zonder rem door tot het leed zo groot en zo zichtbaar wordt dat er tegenbeweging ontstaat. Ik zie diezelfde beweging in dit stuk, en ik denk dat we ons nu, in de geschiedenis van AI en oorlogvoering, ergens vóór zo'n keerpunt bevinden, niet erna.

Maar die slinger zwaait niet vanzelf terug, en de vraag wie hem terugduwt is eigenlijk te snel gesteld. Voor er een wie is, moet er eerst een wat zijn: niet omdat mensen op een reden wachten, maar omdat het bijna altijd een tragische gebeurtenis is die de ruimte opent waarin verandering ineens mogelijk wordt — ruimte die er een dag eerder nog niet was. Dat is wat er in beide voorbeelden hierboven eigenlijk gebeurde: niet dat mensen op enig moment besloten genoeg te hebben gezien, maar dat de gebeurtenis zelf de ruimte schiep die er daarvoor niet was. Ik weet niet wat dat wat voor AI en oorlogvoering wordt, en ik ga daar in dit stuk niet naar raden. Maar de geschiedenis hierboven geeft weinig reden te denken dat die ruimte ontstaat zonder dat er eerst iets gebeurt wat niemand meer kan wegredeneren.

Er is een precedent voor die twijfel, en het komt van twee denkers die dit mechanisme beschreven lang voordat er sprake was van AI. Simone Weil schreef in 1939 dat geweld vooral dít doet: het maakt van een mens een ding — niet alleen de dode, letterlijk, maar ook wie het geweld uitoefent, omdat onbeperkte macht over een ander betekent dat je ophoudt die ander als mens te zien. Lavender doet dat nu geautomatiseerd: een Palestijn wordt een getal tussen 1 en 100, en het "ding maken" waar Weil het over had, gebeurt niet meer in het hoofd van een soldaat maar in een algoritme, voordat er ook maar een mens naar kijkt. Zygmunt Bauman voegde er vijftig jaar later, in zijn studie naar de Holocaust, een tweede mechanisme aan toe: die was volgens hem geen instorting van de beschaving maar een product ervan — bureaucratische rationalisering die verantwoordelijkheid opknipt in zulke kleine stappen, verspreid over zoveel schakels in de keten, dat niemand meer de volle morele lading van het geheel hoeft te dragen. Dat is precies wat er gebeurt als Cooper zegt dat mensen "nog steeds" de uiteindelijke doelen goedkeuren, bij duizend doelen per dag: de goedkeuring bestaat, de verantwoordelijkheid is er niet meer aan te wijzen.

Oorlog is, paradoxaal, altijd al met mensen verbonden geweest — en het zijn ook altijd mensen geweest die er een grens aan stelden: door te weigeren, door een bevel niet uit te voeren, door de ander voor zich te zien staan en niet te kunnen schieten. Weil en Bauman laten allebei zien dat onmenselijk geweld niet draait om machine versus mens, maar om het verdwijnen van precies dát moment: de plek waar een mens de ander nog als mens ziet, en dus kán weigeren. Dat is wat er in elk van de zes gebieden hierboven gebeurt, keer op keer — niet dat de machine beslist, maar dat het moment waarop een mens nog kon weigeren, steeds kleiner wordt.

AI heeft oorlogvoering echt veranderd. Dat is de kern van dit hele stuk, en ik hoop dat de zes gebieden hierboven dat hard genoeg hebben gemaakt. Het geruststellende nieuws is dat het de meeste mensen die dit lezen waarschijnlijk niet raakt — voor hen blijft AI vooral een gesprek over chatbots en beurskoersen. Maar voor wie in een van deze zes gebieden leeft, is die impact geen abstractie. Het is keiharde realiteit: oorlog die sneller gaat, intenser is, en meer doden per tijdseenheid oplevert dan een paar jaar geleden nog denkbaar was. En we staan, zoals de rest van dit stuk laat zien, nog maar aan het begin. Elke oorlog hierboven geeft de volgende zijn lessen mee: meer inzicht in wat werkt, en materieel dat daarop is aangepast en verbeterd. Tel daar de exponentiële groei van AI zelf bij op, plus de snelle vooruitgang in robotica en autonome systemen die daaruit voortkomt, en er is weinig reden om aan te nemen dat het weigeringsmoment van Weil en Bauman in het volgende conflict groter wordt in plaats van kleiner.

Bronnen:

Dit stuk is gemaakt met Claude (Anthropic) en Grok (xAI), met visuals via Notebook (Google). De gedachten, posities en interpretaties zijn van mij.