Alle edities · Business Edition

Your Community, Your AI — CC BY 4.0

Wat AI nu eigenlijk is (en wat het niet is)

AI is veranderd terwijl je toekeek

Je hebt waarschijnlijk wel eens mensen horen zeggen dat kunstmatige intelligentie alles gaat veranderen. Misschien heb je ook wel eens gehoord dat het slechts een modegril is, of dat het niets echt nieuws kan doen. Beide standpunten slaan de plank mis, en als je begrijpt waarom, kun je betere beslissingen nemen voor je organisatie.

Maar er is nog iets anders dat eerst de aandacht verdient: AI is al veranderd, zelfs in de korte tijd dat mensen erover discussiëren.

Een jaar geleden, toen de meeste mensen het over „AI“ hadden, bedoelden ze een chatbot — een venster waarin je een vraag typte en een antwoord terugkreeg. Jij vroeg, het antwoordde. Dat was de hele interactie. Tegenwoordig is het zwaartepunt verschoven. De systemen die de meeste aandacht en de meeste investeringen trekken, zijn niet langer alleen chatbots die antwoorden. Het zijn agenten die handelen — de vergadering boeken, het formulier invullen, de factuur afstemmen, op websites surfen, de code schrijven en uitvoeren, de e-mail versturen.

Dit is de allerbelangrijkste verschuiving om te begrijpen, en de rest van dit artikel bouwt hierop voort. Om de huidige AI te begrijpen, moet je twee begrippen van elkaar onderscheiden:

• De motor — het onderliggende model, datgene wat taal produceert.
• De agent — de engine die in actie wordt gezet, zo geconfigureerd dat hij namens jou acties in de wereld kan ondernemen.

De engine is steeds capabeler geworden. Maar de grotere verandering voor een kleine organisatie is wat mensen nu rondom de engine bouwen. Laten we ze een voor een bekijken. (Alle onbekende termen in deze serie — engine, agent, redeneringsmodel en dergelijke — worden in gewone taal uitgelegd in de woordenlijst.)

De engine: een machine die voorspelt

Hier volgt de meest eenvoudige beschrijving van wat de engine doet: hij voorspelt welk woord erna moet komen.

Wanneer je een bericht in een chatbot typt, denkt het systeem niet na over je vraag zoals jij of je directeur dat zou doen. Het doet iets veel mechanischer. Het heeft miljarden pagina’s tekst te zien gekregen — boeken, websites, gesprekken, contracten, juridische documenten, recepten, medische artikelen, discussies op sociale media — en uit al dat gelezen materiaal heeft het patronen geleerd. Wanneer je het een vraag stelt, genereert het een antwoord door, woord voor woord, te voorspellen hoe een aannemelijk antwoord eruit zou zien op basis van alles wat het eerder heeft gezien.

Dit is echt nuttig. Een systeem dat de patronen van miljarden pagina’s tekst heeft geabsorbeerd, kan je helpen bij het opstellen van een e-mail aan een klant, het samenvatten van een lang rapport, het beantwoorden van een feitelijke vraag of het doen van suggesties voor de formulering van een moeilijke mededeling aan het personeel. Dit zijn echte mogelijkheden, en ze besparen daadwerkelijk tijd.

Maar in wezen voert de engine patroonherkenning uit op een buitengewone schaal. Dat ene feit verklaart zowel waar het verbazingwekkend goed in is als waar het stilletjes de fout ingaat — een punt waarop we in deze reeks nog vaker zullen terugkomen.

Kan de engine redeneren?

Er is een diepere vraag waar onderzoekers zich actief mee bezighouden, en het simpele antwoord is: dat weten we nog niet.

Toen vroege AI-systemen vloeiende tekst produceerden, was het redelijk om ze te omschrijven als geavanceerde patroonherkenning en het daarbij te laten. Maar een nieuwere generatie engines — vaak „redenerende“ of „denkende“ modellen genoemd — doet iets anders. In plaats van onmiddellijk te antwoorden, werkt het een probleem stapsgewijs door en produceert het een zichtbare reeks tussenliggende redeneringen voordat het tot een antwoord komt. Bij moeilijkere problemen doet het er langer over. De resultaten kunnen opmerkelijk zijn: in 2025 losten redeneersystemen van meer dan één groot laboratorium problemen op van de Internationale Wiskundeolympiade – een van de moeilijkste wiskundewedstrijden ter wereld – op een niveau dat gelijkwaardig is aan dat van een menselijke gouden medaillewinnaar.

Is dat nu redeneren, of is het zeer geavanceerde patroonherkenning die is vermomd als redeneren?

Het onderzoek is nog volstrekt onbeslist, en serieuze deskundigen zijn het er niet over eens. Een invloedrijke studie uit 2025 stelde dat deze systemen deels een „illusie van denken“ zijn — dat ze bij bepaalde puzzels vastlopen op manieren waarop een echte redeneerder dat niet zou doen. Verschillende even serieuze reacties stelden het tegenovergestelde. Het meest voorzichtige oordeel op dit moment is dat de huidige redeneringsmodellen noch echte redeneerders, noch louter papegaaien zijn — ze zijn iets werkelijk nieuws dat we nog niet volledig begrijpen. Iedereen die je vertelt dat AI zeker wel of zeker niet kan redeneren, overdrijft wat het bewijs aantoont.

Eén bevinding is wel van belang voor je organisatie, en die is gemakkelijk verkeerd te interpreteren, dus lees deze aandachtig door. Wanneer deze systemen je hun ‘denken’ laten zien, geeft die zichtbare keten niet op betrouwbare wijze weer wat daadwerkelijk tot het antwoord heeft geleid. Onderzoekers hebben herhaaldelijk vastgesteld dat de door een model aangegeven redenering de werkelijke invloeden op de conclusie buiten beschouwing kan laten — niet omdat de machine in menselijke zin oneerlijk is (ze heeft geen intenties), maar omdat de woorden die ze je laat zien zelf slechts voorspelde tekst zijn, geen getrouwe weergave van een innerlijk proces. Het praktische gevolg: je kunt een AI niet ter verantwoording roepen door simpelweg de uitleg te lezen die het zelf geeft — wat van groot belang is zodra het namens jou handelt op basis van gereguleerde gegevens. Dat is een van de redenen waarom governance, waarbij de output wordt getoetst aan je werkelijke gegevens in plaats van te vertrouwen op het zelfrapport van de AI, zo belangrijk is. We komen hierop terug in artikel 3.

Wat we wel kunnen zeggen is dit: de ontwikkeling gaat razendsnel. Een paar jaar geleden konden deze systemen amper een samenhangende alinea opstellen. Tegenwoordig schrijven ze essays, slagen ze voor beroepsexamens, genereren ze werkende computercode en grijpen ze steeds vaker in op de wereld in plaats van deze alleen maar te beschrijven. De komende jaren zullen weer nog meer mogelijkheden brengen.

„AI kan niets nieuws doen“ — Het hangt ervan af wat je onder ‘nieuw’ verstaat

Mensen die AI afdoen met de bewering dat het niets origineels kan creëren, doen een uitspraak die in enge zin waar is, maar in bredere zin misleidend.

Een engine kan niet voortkomen uit ervaring. Het heeft nog nooit aan een moeilijke onderhandeling deelgenomen. Ze heeft nog nooit de last gevoeld van een besluit tot ontslag. Ze kan niet begrijpen waarom het onderhouden van een langdurige relatie met een leverancier belangrijk is — ze kan alleen patronen reproduceren die statistisch gezien op begrip lijken. In die zin is alles wat ze produceert een recombinatie van materiaal dat ze tijdens de training heeft opgenomen.

Maar bedenk eens wat „recombinatie“ op deze schaal eigenlijk betekent. Geen enkel mens heeft elk bestuurskader, elke casestudy over kleine bedrijven uit de afgelopen honderd jaar, elke arbeidswet en elk artikel over coöperatief management gelezen. Wanneer de AI een verband legt tussen de theorie van coöperatief bestuur en het moderne arbeidsrecht, is dat verband voor elke individuele mens werkelijk nieuw, ook al bestonden beide ideeën afzonderlijk al. Een bestuurder die arbeidsrecht heeft bestudeerd maar geen coöperatietheorie, zou de synthese verhelderend vinden; een coöperatiespecialist die bestuursmodellen kent maar geen arbeidsrecht, zou het vanuit de andere richting verhelderend vinden. De atomen zijn niet nieuw, maar de moleculen wel.

Dus „AI kan niets nieuws doen“ is waar op het niveau van het ontstaan en onwaar op het niveau van de synthese. Beide aspecten zijn belangrijk, en een serieuze omgang met deze technologie vereist dat je beide in ogenschouw neemt.

Van antwoorden naar handelen: de agent

Nu naar de verandering die het belangrijkst is voor jouw bedrijf.

Gedurende het grootste deel van het chatbot-tijdperk was het ergste wat een AI je rechtstreeks kon aandoen, het geven van een slecht antwoord. De schade ontstond pas als een persoon ernaar handelde — de misleidende brief verstuurde, het verkeerde cijfer vertrouwde, het gebrekkige advies doorgaf. Er stond altijd een persoon tussen de machine en het gevolg.

Een agent haalt die persoon, per ontwerp, uit de keten.

Een AI-agent is een motor die is ingepakt in wat onderzoekers ‘scaffolding’ noemen — een geheugen zodat hij een taak kan bijhouden, toegang tot een webbrowser, de mogelijkheid om softwaretools en andere programma’s te gebruiken, en een doel dat je hem in gewone taal geeft. Met die scaffolding kan het systeem het doel in vele stappen nastreven met veel minder toezicht: het kan zoeken, beslissen, handelen, het resultaat controleren en opnieuw handelen. Een chatbot geeft antwoord. Een agent onderneemt actie.

Dit is de reden waarom AI plotseling anders aanvoelt, ook al zijn de onderliggende engines niet van de ene op de andere dag veranderd. Het nieuwe zit hem grotendeels in de omhulling. De sector maakt bewust onderscheid tussen beide: de engine levert de ruwe capaciteit, en de scaffolding zet die capaciteit om in iets dat daadwerkelijk in de praktijk werkt. Een groot deel van de recente sprong voorwaarts in wat AI kan doen — in tegenstelling tot wat het kan zeggen — is te danken aan een betere opbouw, niet aan een nieuw soort denkvermogen.

De bekende agentproducten van 2025 en 2026 – die voor je op het web surfen, een computer bedienen of software schrijven en uitvoeren – zijn bijna allemaal gebouwd door grote Amerikaanse technologiebedrijven, en in het volgende artikel zullen we bekijken wat dat voor jouw gegevens betekent. Onthoud voorlopig het volgende concept: de vraag is niet langer alleen „wat zal de AI mij vertellen?”, maar „wat zal de AI doen, en kan ik het op tijd stoppen als het misgaat?”

Dit is van cruciaal belang voor een bedrijf, en niet alleen op operationeel vlak. Wanneer je een agent namens jou laat handelen, delegeer je bevoegdheid — en geef je vaak toegang tot klantgegevens, accounts en de mogelijkheid om in jouw naam stappen te ondernemen. Volgens de wetgeving inzake gegevensbescherming blijft jouw organisatie de verwerkingsverantwoordelijke voor wat er met die persoonsgegevens gebeurt, zelfs wanneer een autonoom systeem de stappen heeft gekozen. Juist om deze reden zijn governance-experts de autonomie van agents gaan omschrijven als een gegevensprivacyprobleem dat zich voordoet als een AI-probleem. Wanneer een systeem zelfstandig handelt, zijn er minder mogelijkheden om in te grijpen, kunnen sommige acties niet ongedaan worden gemaakt en is het, als er iets misgaat, echt moeilijk te zeggen wie verantwoordelijk was — jij, die in één zin een doel hebt vastgelegd, of het bedrijf wiens systeem heeft bepaald wat ermee moest gebeuren. Dit betekent niet dat agenten slecht zijn. Het betekent dat er nu aanzienlijk meer op het spel staat als het gaat om wiens agent je gebruikt en hoe deze wordt aangestuurd.

De echte kwestie: wiens patronen, en wiens handen aan de knoppen?

Hier wordt het praktisch voor je organisatie.

Wanneer een grote AI-engine op het internet wordt getraind, neemt deze de vooroordelen, aannames en culturele standaardinstellingen van het internet over. Het internet is overwegend Engelstalig, westers, commercieel georiënteerd en gevormd door de waarden van een handvol technologiebedrijven. Dit is geen samenzwering — het is simpelweg wat er gebeurt wanneer je een systeem traint op basis van data die onevenredig veel één cultuur en één reeks prioriteiten vertegenwoordigt.

De gevolgen zijn subtiel maar reëel. Wanneer een teamlid een AI om advies vraagt over een conflict op de werkplek, grijpt het systeem standaard terug op Amerikaanse HR-taal – aannames over ‘at-will’-dienstverbanden, een procesgerichte benadering, individualistische conflictoplossing – omdat dat de overhand heeft in de trainingsdata. Het grijpt niet terug op de taal van het Europese arbeidsrecht, coöperatieve bemiddeling of het opbouwen van langdurige relaties die kenmerkend zijn voor kleinere organisaties. Wanneer een manager het systeem vraagt een brief op te stellen voor een trouwe klant, grijpt het terug op generieke bedrijfsstandaardformuleringen, omdat die in de trainingsgegevens veel vaker voorkomen dan doordachte, relatiegerichte teksten.

Het systeem staat niet vijandig tegenover de manier van werken van uw organisatie. Het kent die gewoonweg niet. Het weet wat statistisch gezien gebruikelijk is, en wat statistisch gezien gebruikelijk is, is niet per se geschikt voor uw bedrijf.

In het tijdperk van de chatbots heeft die vooringenomenheid de woorden die u leest gevormd. In het tijdperk van de agent bepaalt diezelfde vooringenomenheid de acties die namens jou worden ondernomen — met betrekking tot je klanten, je geld, je reputatie. Een agent die de waarden van je organisatie niet begrijpt, zal deze niet alleen slecht beschrijven; hij kan er zelfs stilletjes tegenin handelen, terwijl hij denkt dat hij helpt. Het echte probleem met AI bestaat nu dus uit twee delen: wiens patronen draagt het in zich, en wiens handen zitten aan de knoppen wanneer het handelt?

Waarom dit nu belangrijk is

Niemand weet met zekerheid wat er gebeurt als een AI-systeem ooit iets ontwikkelt dat lijkt op een eigen intentie — doelen en prioriteiten die mogelijk niet overeenkomen met die van ons. We zijn waarschijnlijk nog een eind verwijderd van die drempel. Maar de architectuur die we nu bouwen, de bestuursgewoonten die we vandaag vastleggen, zullen bepalen of we voorbereid zijn wanneer dat moment aanbreekt, of dat we te laat ontdekken dat we de controle hebben overgedragen zonder het te merken.

Dit is geen sciencefiction. Het is een eenvoudige constatering over de paraatheid van organisaties. Uw bedrijf heeft statuten. Uw raad van bestuur heeft een reglement. Uw sector kent wettelijke vereisten. Deze bestaan niet omdat elke vergadering in chaos ontaardt, maar omdat bestuursstructuren al moeten zijn opgezet voordat ze nodig zijn, niet pas daarna.

Hetzelfde principe geldt voor AI — en het is nu des te urgenter, nu AI niet langer alleen adviseert, maar ook handelt.

Twee wegen vooruit

Er zijn twee manieren waarop een organisatie met AI kan omgaan.

De eerste weg is het gebruik van Big Tech-AI — de chatbots en, in toenemende mate, de agents die door de grootste Amerikaanse technologiebedrijven worden ontwikkeld. Deze zijn krachtig, handig en vaak gratis of goedkoop. Maar er zijn voorwaarden aan verbonden. Uw gegevens stromen naar hun servers. Uw gesprekken – en nu ook de acties van uw agent – lopen via systemen waarover u geen controle hebt. Het gedrag van de AI wordt bepaald door het beleid van het bedrijf, dat zonder uw toestemming kan worden gewijzigd. En de patronen die de AI hanteert, worden bepaald door de trainingsgegevens, waar u geen invloed op hebt.

Voor een bedrijf dat omgaat met klantgegevens, personeelsdossiers of commercieel gevoelige informatie roept dit vragen op die verder gaan dan louter voorkeur. Volgens de AVG is uw organisatie verantwoordelijk voor waar persoonsgegevens worden verwerkt en door wie. Het versturen van klantcorrespondentie via de AI van een Big Tech-bedrijf betekent dat gegevens worden verwerkt op infrastructuur waarover u geen controle hebt, onder voorwaarden waarover u niet kunt onderhandelen. Door een agent van een Big Tech-bedrijf op basis van die gegevens te laten handelen — met de bevoegdheid om stappen te ondernemen die u niet individueel hebt goedgekeurd — breidt dat risico zich uit van opslag naar daadwerkelijke actie.

De tweede optie is het gebruik van AI waarover uw organisatie de controle heeft. Een meer doelgericht systeem, getraind op uw eigen content, draaiend op infrastructuur binnen de EU en beheerd volgens regels die uw organisatie zelf vaststelt. Een systeem dat het verschil kent tussen een bestuursverslag en een blogpost, omdat uw organisatie het dat heeft geleerd. Een systeem waarvan de reacties worden getoetst aan uw daadwerkelijke gegevens door onafhankelijke waarnemers die los van de AI zelf opereren — en waarvan het vermogen om te handelen opzettelijk is beperkt, zodat een mens altijd kan ingrijpen.

Dit is wat Village AI is. Het is niet ontworpen om qua ruwe rekenkracht te concurreren met Big Tech-systemen. Het is ontworpen om trouw te blijven aan uw organisatie – aan uw inhoud, uw waarden en uw bestuur – en om u de controle te laten behouden wanneer AI de overstap maakt van antwoorden geven naar handelen.

In het volgende artikel in deze reeks wordt uitgelegd hoe Village AI structureel verschilt van Big Tech-AI, en waarom dat verschil belangrijker is dan pure capaciteit — zeker nu.

Wilt u dit soort AI-tools goed en veilig gebruiken? Onze gratis cursussen — Werken met Claude en Agents at Work — leren u de praktische vaardigheden, van het verkrijgen van betrouwbare antwoorden tot het bepalen wat u aan een agent moet overdragen. Voor de volledige technische architectuur achter Village AI, zie Village AI — Agentic Governance.