Het venster

In hoofdstuk twee zagen we hoe zes van de meest vooraanstaande AI-onderzoekers ter wereld het bij de Financial Times in Londen over vrijwel niets eens waren: niet over het tempo, niet over de richting, niet over de risico's. Zes antwoorden op dezelfde vraag. Nul consensus.

Je zou dat kunnen zien als een teken dat niemand weet wat er gaat gebeuren. En in zekere zin is dat waar. Niemand weet het. Niet de CEO's van de grootste AI-bedrijven. Niet de Nobelprijswinnaars. Niet de mensen die de modellen bouwen. Niemand.

Maar terwijl de onderzoekers debatteerden over tijdlijnen, versnelde de werkelijkheid om hen heen.

Eind januari 2026 publiceerde Dario Amodei, de CEO van Anthropic, een essay van twintigduizend woorden met de titel "The Adolescence of Technology." Zijn centrale argument was dat AI niet een specifiek beroep vervangt, maar functioneert als een algemene vervanger van menselijke kennisarbeid. Hij voorspelde dat vijftig procent van de instapposities in kantoorwerk binnen een tot vijf jaar zou verdwijnen, en waarschuwde dat dit sneller zou gaan dan welke technologische transitie die we eerder hadden meegemaakt. Het was een opvallend expliciete voorspelling van iemand die de technologie zelf bouwde. Maar Amodei ging nog verder: hij schatte dat AI binnen twee jaar capabeler zou zijn dan alle mensen, op vrijwel elk terrein. Hij beschreef een toekomst waarin een "land van genieën in een datacenter" autonoom taken zou uitvoeren gedurende uren, dagen, weken.

Twee weken later, op 12 februari, deed Mustafa Suleyman, de AI-baas van Microsoft en medeoprichter van DeepMind, er in een interview met de Financial Times nog een schep bovenop. De meeste taken van accountants, juristen en andere professionals, zei hij, zouden binnen twaalf tot achttien maanden volledig geautomatiseerd zijn door AI. Niet binnen vijf jaar. Binnen anderhalf jaar.

Diezelfde week ging een essay viraal dat binnen 24 uur meer dan vijfenvijftig miljoen keer werd gelezen. Matt Shumer, een ondernemer die al zes jaar een AI-startup runde, schreef "Something Big Is Happening." Hij beschreef hoe hij complete applicaties liet bouwen door AI. Hij gaf het systeem in gewoon Engels zijn wensen, verliet zijn computer voor vier uur, en kwam terug bij tienduizenden regels werkende code. De AI had de applicatie zelf geopend, zelf doorgelopen, zelf getest, en zelf verbeterd tot het aan zijn eigen kwaliteitsstandaarden voldeed. "Ik ben niet langer nodig voor het daadwerkelijke technische werk van mijn baan," schreef hij. Het essay werd door sommigen verwelkomd als een eerlijke wake-up call en door anderen bekritiseerd als overdreven hype. Maar het raakte een zenuw. De vergelijking die Shumer trok was veelzeggend: hij vergeleek de huidige situatie met februari 2020, toen COVID-19 nog ver weg leek en overdreven klonk, weken voordat lockdowns alles veranderden.

Drie stemmen, drie perspectieven, dezelfde richting. De details verschilden. De strekking niet.

Het is belangrijk om eerlijk te zijn over wat deze voorspellingen zijn. Het zijn geen feiten. Het is het beste giswerk van de best geinformeerde mensen ter wereld, maar het blijft giswerk. Niemand heeft een glazen bol, ook niet als die glazen bol in een datacenter staat.

Maar het is ook belangrijk om de tegenargumenten serieus te nemen, want een boek dat alleen de meest dramatische voorspellingen presenteert zonder ze te toetsen, doet zijn lezer tekort.

Niet elke voorspelling is uitgekomen. Autonome auto's zouden er in 2020 zijn. Kernfusie is al zestig jaar "tien jaar weg." De AI-winter van de jaren zeventig en de late jaren tachtig, periodes waarin het veld stagneerde en de financiering opdroogde, zijn een herinnering dat technologische vooruitgang niet altijd doorzet op het tempo dat zijn meest enthousiaste voorstanders beloven.

Daron Acemoglu, econoom aan het MIT en winnaar van de Nobelprijs voor Economie in 2024, is een van de meest prominente sceptici. Zijn argument is dat de economische impact van AI aanzienlijk kleiner zal zijn dan techno-optimisten voorspellen. Automatisering werkt het best voor simpele, routine taken, betoogt hij, en het moeilijke deel van de meeste beroepen is niet het routine-deel. Het is het deel dat oordeel, context en menselijke interactie vereist. Acemoglu voorspelt dat AI de Amerikaanse productiviteit de komende tien jaar met slechts 0,5 tot 1 procent per jaar zal verhogen: significant, maar geen revolutie.

Er is ook de "datamuur": sommige onderzoekers waarschuwen dat de grote taalmodellen door de beschikbare trainingsdata heen beginnen te raken. Het internet is groot, maar het is eindig. En als modellen getraind worden op data die deels door eerdere modellen is gegenereerd, dreigt een kwaliteitsspiraal omlaag. Of dit een fundamentele grens is of een tijdelijke hobbel, is een open vraag.

En er is de energiekwestie. Het trainen en draaien van grote AI-modellen vereist enorme hoeveelheden elektriciteit en koelwater. Een enkele ChatGPT-query verbruikt naar schatting tien keer zoveel energie als een Google-zoekopdracht. Als AI-gebruik blijft groeien op het huidige tempo, worden de fysieke grenzen van energieproductie en datacenterinfrastructuur een reëel obstakel.

Deze tegenargumenten verdienen serieuze overweging. Ze zijn niet het bewijs dat AI een hype is. Ze zijn het bewijs dat de toekomst onzekerder is dan zowel de enthousiastelingen als de doemdenkers beweren. En het argument dat hierna volgt, het samengesteld voordeel van nu beginnen, werkt ongeacht welk scenario uitkomt. Dat is juist de kracht ervan.

Tegelijkertijd valt niet te ontkennen dat de grote namen in AI de afgelopen jaren opvallend vaak gelijk hebben gekregen. Niet in elk detail, niet in elke tijdlijn, maar in de grote lijnen. Toen Sam Altman in 2023 zei dat AI sneller zou verbeteren dan mensen verwachtten, klonk dat als marketingpraat. Het bleek te kloppen. Toen onderzoekers waarschuwden dat AI beroepen zou transformeren voordat de samenleving klaar was, klonk dat als overdrijving. Het bleek te kloppen. De track record van de voorspellers is niet perfect, maar hij is consistent beter dan die van de sceptici die bij elke doorbraak riepen dat het een hype was.

Dat maakt de toekomst niet voorspelbaar. Het maakt het wel onverstandig om die toekomst te negeren. Want als de voorspellingen ook maar half uitkomen, zijn de gevolgen voor jouw werk en jouw carriere te groot om af te wachten.

En dat is precies het punt. De exacte tijdlijn doet er niet toe.

Dit is niet een intuïtieve conclusie. Je zou denken dat het enorm uitmaakt of AGI, kunstmatige algemene intelligentie, er over vijf jaar is of over vijftig. En op macroniveau maakt dat verschil inderdaad uit, voor beleid, voor regulering, voor internationale verhoudingen. Maar op het niveau van jouw werk, jouw carriere, jouw dagelijkse beslissingen, maakt het verschil verrassend weinig uit. En de reden daarvoor is een concept dat leent uit de financiele wereld.

Er is een begrip uit de financien dat hier bijzonder relevant is: samengesteld rendement. Als je elke maand een klein beetje investeert en dat rendement herbelegt, groeit je vermogen niet lineair maar exponentieel. De eerste maanden merk je nauwelijks verschil. Na een jaar is het bescheiden. Na vijf jaar is het substantieel. Na tien jaar is het transformatief. Het verschil tussen iemand die op zijn dertigste begint met beleggen en iemand die op zijn veertigste begint, is niet tien jaar. Het is een wereld van verschil, omdat de eerste tien jaar het fundament leggen waarop alle groei daarna is gebouwd.

Hetzelfde geldt voor AI-vaardigheden. De mensen die nu beginnen met het systematisch integreren van AI in hun werk, bouwen niet alleen vaardigheden op. Ze bouwen een samengesteld voordeel op. Elke maand leren ze iets nieuws over wat AI kan en wat niet. Elke maand worden ze een beetje beter in het inschatten van waar de getande grens loopt. Elke maand wordt hun instinct scherper over wanneer ze AI moeten vertrouwen en wanneer niet. Elke maand wordt de wisselwerking tussen hun expertise en de machine een beetje effectiever.

Over een jaar hebben ze een voorsprong op mensen die dan pas beginnen. Over twee jaar is die voorsprong moeilijk in te halen, niet omdat de technologie moeilijker wordt om te leren, maar omdat het oordeelsvermogen, het instinct, de ervaring met de eigenaardigheden van AI, alleen komt met tijd en gebruik. Over vijf jaar spreken ze in zekere zin een andere taal, de taal van mensen die hebben geleerd om mens en machine te laten samenwerken op manieren die pas duidelijk worden als je het doet.

Dit is niet bedoeld om paniek te creeren. Je kunt op elk moment beginnen. De tools zijn beschikbaar, de leercurve is minder steil dan je denkt, en de modellen worden met elke versie gebruiksvriendelijker. Het is niet te laat. Het is nooit te laat om te beginnen.

Maar het is wel bedoeld om eerlijk te zijn: hoe langer je wacht, hoe meer je moet inhalen. En het samengesteld voordeel van degenen die al bezig zijn, groeit elke dag.

Er is een paradox in het voorbereiden op een onzekere toekomst, en het is een paradox die het waard is om rustig te overwegen: de beste voorbereiding is dezelfde, ongeacht welk scenario uitkomt.

Stel dat AI langzaam verbetert. Dat het menselijk niveau pas over vijftien jaar bereikt, als het dat al doet. Dat de huidige golf van enthousiasme deels hype is en dat de werkelijke impact geleidelijker komt dan de krantenkoppen suggereren. In dat scenario zijn de vaardigheden die je nu opbouwt, het kritisch denken, het effectief samenwerken met AI, het vermogen om te beoordelen en bij te sturen, precies de vaardigheden die je de komende vijftien jaar nodig hebt om relevant te blijven in een langzaam veranderende wereld. Je bent voorbereid. Je loopt vooraan.

Stel nu dat AI snel verbetert. Dat de veranderingen sneller komen dan verwacht. Dat AGI niet over vijftien maar over vijf jaar werkelijkheid is, of eerder. Dat hele beroepsgroepen in een paar jaar worden getransformeerd op manieren die nu nog moeilijk voorstelbaar zijn. In dat scenario zijn diezelfde vaardigheden nog waardevoller. Je bent de persoon in de organisatie die al weet hoe het werkt. Die al ervaring heeft. Die al een strategie heeft. Die niet in paniek raakt maar kan handelen. Je bent niet alleen voorbereid. Je bent onmisbaar.

Om dit concreter te maken, laten we drie scenario's schetsen voor hoe jouw werkende leven er in 2030 uit zou kunnen zien.

Scenario A: De geleidelijke verschuiving. AI is significant beter dan nu maar heeft geen menselijk niveau bereikt. Je gebruikt het dagelijks voor eerste versies, analyses, onderzoek en brainstormen. Je functieomschrijving is veranderd: je besteedt meer tijd aan strategie, relaties en oordeel, minder aan routinewerk. Maar je baan bestaat nog. De grootste economische uitdaging is niet massale werkloosheid maar een groeiende vaardigheidskloof: de mensen die goed hebben leren samenwerken met AI floreren, de mensen die het hebben genegeerd lopen achter. Het is het scenario dat het meest lijkt op eerdere technologische transities.

Scenario B: De snelle transformatie. AI-agents handelen het meeste routinematige kenniswerk zelfstandig af. Jouw rol is dramatisch verschoven naar toezicht, creatieve sturing en de distinctief menselijke aspecten van je vak. Hele categorieën banen zijn geherstructureerd. De samenleving worstelt met verdelingsvragen: wie profiteert, wie verliest, hoe zorgen we ervoor dat de transitie eerlijk is? Degenen die zich vroeg hebben aangepast, hebben een samengesteld voordeel dat moeilijk in te halen is. Het is het scenario dat de AI-leiders beschrijven.

Scenario C: Het plateau. De vooruitgang vertraagt door technische barrières: de datamuur, energiebeperkingen, afnemende meeropbrengsten van schaalvergroting. AI is nuttig maar begrensder dan de hype suggereerde. De opwinding ebt weg. Maar de vaardigheden die je hebt opgebouwd, kritisch denken, AI-geletterdheid, het vermogen om machine-output te evalueren, blijven waardevol in elke volgende technologische golf. En de beroepen die je in dit scenario oefent, het aansturen en beoordelen van geautomatiseerde systemen, zijn precies de beroepen die groeien.

De juiste strategie is de strategie die werkt in alle drie de scenario's. En in alle drie betalen de vaardigheden uit dit boek, het begrijpen van de getande grens, het bouwen van een persoonlijke AI-strategie, het weten wanneer je de machine moet vertrouwen en wanneer niet, zich uit. Er is geen scenario waarin het leren werken met AI een slechte investering is. Er is geen scenario waarin wachten een betere strategie is dan beginnen. De exacte toekomst is onzeker, maar de juiste voorbereiding is dat niet.

Zonder te willen pretenderen dat iemand de toekomst kent, zijn er een paar ontwikkelingen die nu al in beweging zijn en die het landschap de komende jaren zullen vormgeven. Het zijn geen voorspellingen maar trajecten, lijnen die al zijn getrokken en die doortrekken naar wat komen gaat.

AI-agents worden autonomer. De modellen van vandaag reageren op opdrachten. Je typt een vraag, je krijgt een antwoord. De agents van morgen zullen proactief taken uitvoeren, over langere periodes, met minder menselijke tussenkomst. Ze zullen je e-mail beheren, je agenda organiseren, je onderzoek doen, je klanten opvolgen, allemaal zonder dat je elke stap goedkeurt. Dit verschuift de rol van de mens verder van uitvoering naar toezicht en sturing. Je wordt niet de persoon die het werk doet, maar de persoon die bepaalt welk werk gedaan moet worden en of het goed is gedaan.

Misschien het meest fascinerende aspect van de huidige ontwikkeling is dat AI steeds meer wordt ingezet om betere AI te bouwen. De nieuwste modellen worden deels geschreven en verbeterd door eerdere modellen. AI helpt bij het schrijven van de code die AI-systemen traint, bij het optimaliseren van de architecturen, bij het vinden van fouten in de software die de volgende generatie aanstuurt. Het is een spiraal van zelfverbetering die sommige onderzoekers fascineert en anderen verontrust, want als AI goed genoeg wordt om betere AI te bouwen, kan het tempo van verbetering plotseling versnellen op manieren die moeilijk te voorspellen zijn.

AI wordt multimodaal op manieren die de grens tussen digitaal en fysiek doen vervagen. Niet alleen tekst, maar ook beeld, geluid, video en de fysieke wereld. Robots die zien, begrijpen en handelen. Systemen die niet alleen rapporten schrijven maar ook grafieken maken, presentaties geven, en meetings samenvatten vanuit een video-opname. De AI van morgen is niet beperkt tot een tekstvak op een scherm. Het is een laag die over de hele werkelijkheid heen ligt.

AI wordt persoonlijker. Modellen die jou kennen, die je werkstijl begrijpen, die weten waar je goed in bent en waar je hulp bij nodig hebt. Die onthouden wat je eerder hebt gevraagd en die context meenemen van het ene gesprek naar het andere. De persoonlijke assistent die we in hoofdstuk vijf beschreven, wordt met elke generatie minder een metafoor en meer een letterlijke werkelijkheid.

De kosten blijven dalen. DeepSeek bewees dat je niet per se de duurste hardware nodig hebt om state-of-the-art prestaties te behalen. Naarmate de kosten dalen, stijgt de toegankelijkheid. Wat vandaag een premiumdienst is, wordt morgen een basisdienst. Wat vandaag beschikbaar is voor grote bedrijven met diepe zakken, wordt morgen beschikbaar voor iedereen.

En regulering neemt toe. De EU AI Act is het begin, niet het einde. Overheden wereldwijd werken aan kaders voor verantwoord AI-gebruik. Dit creert onzekerheid op de korte termijn, want niemand weet precies hoe de regels er uiteindelijk uit zullen zien, maar duidelijkheid op de lange termijn. De wildwest-fase van AI loopt ten einde. Wat ervoor in de plaats komt is een wereld met regels, met grenzen, met verantwoordelijkheden. En dat is, hoe vervelend sommigen het ook vinden, uiteindelijk een goede zaak.

Sam Altman publiceerde in september 2024 een essay met de titel "The Intelligence Age." Zijn centrale stelling was dat de mensheid op het punt stond een nieuw tijdperk binnen te gaan, vergelijkbaar met de overgang van de agrarische naar de industriele samenleving. Een tijdperk waarin intelligentie, het vermogen om problemen op te lossen, om te creeren, om te ontdekken, niet langer beperkt zou zijn tot de biologische grenzen van het menselijk brein. AI zou die grenzen oprekken op manieren die nu nog moeilijk voorstelbaar zijn.

Je kunt Altman bekritiseren voor belangenverstrengeling, en terecht: hij is de CEO van het bedrijf dat het meest profiteert van de adoptie van AI. Maar zijn kernargument is moeilijk te weerleggen: de geschiedenis van de mensheid is de geschiedenis van het vergroten van onze capaciteiten door middel van werktuigen. Van de vuistbijl tot het wiel, van de drukpers tot het internet. AI is het volgende werktuig, en het is potentieel het krachtigste.

In hoofdstuk zes schreven we over de twee fouten die mensen maken: overschatting en onderschatting. Laat me die fouten hier opnieuw benoemen, maar dan op het niveau van de samenleving.

De fout van overschatting is het geloof dat AI alles gaat oplossen. Dat het vanzelf goed komt. Dat de technologie zo krachtig is dat we ons geen zorgen hoeven te maken over de verdeling van de opbrengsten, over de mensen die achterblijven, over de ethische vragen die ontstaan, over de milieukosten die oplopen, over de macht die zich concentreert bij een handvol bedrijven. Dit is de fout van de techno-optimisten die denken dat meer technologie automatisch een betere wereld maakt. De geschiedenis leert dat het zo niet werkt. Technologie is een versterker, geen richting. Het versterkt wat er al is, het goede en het slechte.

De fout van onderschatting is het geloof dat AI overwaait. Dat het een hype is, dat de krantenkoppen overdrijven, dat het een hobby is voor technerds en dat de echte wereld er nauwelijks door wordt geraakt. Dit is de fout van de mensen die de exponentieel groeiende curve niet zien, of die hem niet willen zien. Die zich troosten met de gedachte dat het vorige technologische wonders ook wel meevielen. Die vergeten dat die vorige wonders de wereld wel degelijk hebben veranderd, alleen langzamer dan de krantenkoppen van dat moment suggereerden.

De waarheid zit er niet tussenin, alsof je de twee fouten kunt middelen en dan uitkomt op het juiste antwoord. De waarheid is complexer dan dat. AI zal sommige dingen veranderen op manieren die we nu nog niet kunnen bevatten, en andere dingen veel minder veranderen dan de hype suggereert. Sommige beroepen zullen worden getransformeerd, andere zullen nauwelijks worden geraakt. Sommige mensen zullen enorm profiteren, anderen zullen het moeilijk hebben. Sommige bedrijven zullen bloeien, andere zullen verdwijnen.

De kunst is om niet te kiezen tussen optimisme en pessimisme, maar om te kiezen voor realisme: de bereidheid om eerlijk te kijken naar wat er gebeurt en je daarop voor te bereiden.

Dit boek begon met een dag in november 2022. De dag dat miljoenen mensen voor het eerst met een intelligente machine praatten. We hebben sindsdien een reis gemaakt door de geschiedenis van die machines, de mensen die ze bouwden, de labs die ze huisvestten, de concurrerende visies die hen vormgaven.

We hebben gezien hoe Geoffrey Hinton decennialang bleef geloven in neurale netwerken terwijl de rest van de wereld ze afschreef, en hoe hij uiteindelijk de Nobelprijs ontving voor zijn doorzettingsvermogen, om vervolgens te waarschuwen voor de consequenties van zijn eigen werk. We hebben gezien hoe acht onderzoekers bij Google een paper schreven die ze "Attention Is All You Need" noemden, als knipoog naar de Beatles, en daarmee het fundament legden voor alles wat erna kwam. We hebben gezien hoe AlphaGo een zet deed die in drieduizend jaar Go-geschiedenis nooit was gezien, en hoe Lee Sedol de machine bedankte voor de les.

We hebben gezien dat de getande grens reeel is, dat AI briljant is in sommige dingen en gevaarlijk misleidend in andere, en dat het gevaarlijkste niet is dat AI fouten maakt maar dat het ze maakt met overtuiging. We hebben gezien dat de slechtst presterende werknemers het meest profiteren, dat AI het speelveld gelijker maakt, dat iedereen nu een persoonlijke assistent heeft die nooit slaapt.

We hebben gezien dat de psychologie van verandering net zo belangrijk is als de technologie zelf. Dat de manier waarop je je verhoudt tot AI, als centaur of als cyborg, als scepticus of als enthusiast, bepalend is voor wat je eruit haalt. Dat vibe coding de deur opent voor mensen die nooit eerder software hebben gebouwd. Dat het eenmansmiljardenbedrijf misschien niet meer lang een gedachte-experiment zal zijn.

En we hebben gezien dat er een venster openstaat. Een venster van kansen dat nu nog wijd open is maar dat zich geleidelijk vernauwt naarmate meer mensen en organisaties erdoor stappen. Niet omdat de kansen verdwijnen, maar omdat het samengesteld voordeel van degenen die al bezig zijn steeds groter wordt.

Dit boek is een uitnodiging om door dat venster te stappen. Niet blindelings en niet met de illusie dat AI al je problemen oplost of al je vragen beantwoordt, maar met de kennis van wat AI werkelijk is en wat het niet is, met een eerlijke inschatting van wat het kan en waar het faalt, en met de bereidheid om te leren, te experimenteren en te groeien.

Laat me eindigen met iets concreets. Niet een visie, niet een voorspelling, maar een uitnodiging in vier stappen.

Deze week: Open ChatGPT, Claude of Gemini en voer een echt gesprek over iets dat je bezighoudt in je werk. Niet als test, niet als experiment, maar als echte vraag van een echte professional. Stel je vraag met context, met achtergrond, met specificiteit. Kijk wat er terugkomt. Vraag door. Wees kritisch. Maar wees ook open voor de mogelijkheid dat het je verrast.

Deze maand: Breng je eigen werk in kaart met het driecategorieënraamwerk uit hoofdstuk acht. Waar zit jouw sweet spot? Waar loopt jouw getande grens? Wat zijn de taken die alleen jij kunt doen? Begin met AI te gebruiken voor één taak per dag uit de sweet spot. Houd bij wat werkt en wat niet.

Dit kwartaal: Ontwikkel je eigen centaur- of cyborgworkflow voor je meest voorkomende taken. Leer hoe je AI-output verifieert. Bouw de gewoonte op. Bespreek met collega's wat je ontdekt. De beste manier om te leren is door te doen en door te delen.

Dit jaar: Word de AI-geletterde persoon in je organisatie. Niet de evangelist, niet de techneut, maar de persoon die weet wat AI kan, wat het niet kan, en hoe je het verstandig inzet. Deel wat je leert. Help anderen op weg. Het samengesteld voordeel is niet alleen persoonlijk. Het is ook organisatorisch. De teams die het best presteren zijn niet de teams met de slimste individuen. Het zijn de teams waarin iedereen heeft geleerd om mens en machine te laten samenwerken.

De technologie stopt niet. De modellen worden elke paar maanden beter. Maar wat niet verandert, wat door alle scenario's en alle tijdlijnen en alle onzekerheid heen overeind blijft, is de behoefte aan menselijk oordeel. Aan iemand die de juiste vragen stelt. Aan iemand die weet wanneer de machine gelijk heeft en wanneer niet. Aan iemand die verantwoordelijkheid neemt voor beslissingen die ertoe doen.

Dat ben jij.

Het venster staat open.