Alle edities · Indigenous 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, kan je gemeenschap betere beslissingen nemen over deze technologie.

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 — het formulier invullen, het bericht versturen, op websites surfen, de gegevens indienen, de code schrijven en uitvoeren.

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

De engine is steeds capabeler geworden. Maar de grotere verandering — en, voor inheemse gemeenschappen, de ernstigere — 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 de rest — 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 kaumātua dat zouden doen. Het doet iets veel mechanischer. Het heeft miljarden pagina’s tekst te zien gekregen — boeken, websites, gesprekken, 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 eruitziet 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 brief, het samenvatten van een lang document, het beantwoorden van een feitelijke vraag of het doen van suggesties voor de formulering van een moeilijke mededeling. 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 in gaat — een punt waarop deze serie terugkomt, want voor een gemeenschap waarvan de kennis ondervertegenwoordigd is in die trainingsdata, is de manier waarop het de fout in gaat niet willekeurig. Het neigt naar het westerse.

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 systemen — 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 uit 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 jullie gemeenschap, en die kan gemakkelijk verkeerd worden geïnterpreteerd, 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 meer 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. Dat is een van de redenen waarom door de gemeenschap gecontroleerd bestuur — waarbij de output wordt getoetst aan je eigen 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 verloopt 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 grotere 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 algoritme kan niet voortkomen uit ervaring. Ze heeft nog nooit bij een tangi gezeten. Ze heeft nog nooit de last gevoeld van het spreken namens een whānau. Ze kan niet begrijpen waarom de karanga bij de poort van een marae van belang is — ze kan alleen patronen reproduceren die statistisch gezien op begrip lijken. In die zin is alles wat ze produceert een herschikking van materiaal dat ze tijdens de training heeft opgenomen.

Maar bedenk eens wat „herschikking“ op deze schaal eigenlijk betekent. Geen enkel mens heeft elk stuk documentatie over de Verdragafwikkeling gelezen, elk rapport van het Waitangi-tribunaal, elke wetgeving inzake inheemse rechten in het Gemenebest, elk wetenschappelijk artikel over inheemse gegevenssoevereiniteit en elke gemeenschapsnieuwsbrief van de afgelopen honderd jaar. Wanneer de AI een verband legt tussen de polycentrische bestuursleer en traditionele Maori-besluitvormingsstructuren, is dat verband voor elk individueel mens werkelijk nieuw, ook al bestonden beide ideeën afzonderlijk al.

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 gemeenschap.

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 verkeerde woorden verstuurde, het verkeerde cijfer vertrouwde, het gebrekkige advies door gaf. 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 het op tijd worden gestopt als het misgaat?“

Voor inheemse gemeenschappen heeft dit een bijzondere betekenis. Wanneer een systeem op eigen houtje handelt, zijn er minder mogelijkheden om in te grijpen, en sommige handelingen kunnen niet ongedaan worden gemaakt. Kennis die eenmaal is gedeeld, kan niet meer worden ‘ongedeeld’; kōrero die aan een extern systeem is doorgegeven, of een taonga van mātauranga die is doorgegeven aan een platform dat er vervolgens actie op onderneemt, kan niet meer worden teruggeroepen. Een agent die uit eigen beweging deelt, publiceert of indient — zonder dat er een kaitiaki bij betrokken is — is geen neutraal hulpmiddel. Het is de digitale voortzetting van een zeer oud patroon: kennis die de controle van de gemeenschap ontglipt zonder dat de gemeenschap daar iets over te zeggen heeft. En als er iets misgaat, is het echt moeilijk te zeggen wie verantwoordelijk was — de persoon die in een zin een doel heeft geformuleerd, of het bedrijf wiens systeem de stappen heeft gekozen. Dit alles betekent niet dat agenten nutteloos zijn. Het betekent dat de inzet van wiens agent je gebruikt, en wie de zeggenschap heeft over wat deze doet, zojuist sterk is toegenomen.

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

Hier wordt het praktisch voor jouw gemeenschap.

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 overweldigend Engelstalig, westers, commercieel georiënteerd en gevormd door de waarden van een handvol technologiebedrijven. Dit is geen samenzwering — het is simpelweg wat er gebeurt als je een systeem traint op basis van gegevens die onevenredig veel één cultuur en één reeks prioriteiten vertegenwoordigen.

Voor inheemse gemeenschappen is deze vooringenomenheid niet subtiel. Ze is structureel. Het internet geeft een oververtegenwoordiging van geschreven, westerse, geïndividualiseerde kennis. Het geeft een ondervertegenwoordiging van mondelinge tradities, collectieve besluitvorming, relationele kennissystemen en de vormen van begrip die inheemse volkeren al generaties lang in zich dragen. Wanneer een AI op deze gegevens wordt getraind, ontbreekt het niet alleen aan inheemse kennis — het is er structureel tegen gekant. De patronen die het heeft geleerd, beschouwen westerse kaders als de norm en al het andere als de uitzondering.

Wanneer een whānau-lid een AI om advies vraagt over een moeilijke gezinssituatie, grijpt het systeem automatisch terug op de taal van individuele therapie – assertiviteitstraining, grenzen stellen, zelfzorg – omdat dat de overhand heeft in de trainingsgegevens. Het grijpt niet terug op whanaungatanga (verwantschapsverplichting), manaakitanga (zorg voor anderen) of de langetermijnvisie die voortkomt uit het besef dat je verplichtingen generaties overschrijden. Wanneer een gemeenschapsleider het systeem vraagt om hulp bij een gevoelige communicatie, valt het terug op zakelijke taal, omdat zakelijke correspondentie in de trainingsgegevens veel vaker voorkomt dan correspondentie binnen inheemse gemeenschappen.

Het systeem staat niet vijandig tegenover jouw kennis. Het kent jouw kennis simpelweg niet. Het weet wat statistisch gezien gebruikelijk is, en wat statistisch gezien gebruikelijk is, is overweldigend westers.

In het tijdperk van de chatbots heeft die vooringenomenheid de woorden die je leest gevormd — een mihi die leest als rouwbegeleiding. In het tijdperk van de agenten bepaalt diezelfde vooringenomenheid de acties die namens jou worden ondernomen. Een agent die tikanga niet begrijpt, zal niet alleen jouw wereld slecht beschrijven; hij kan ook in jouw naam handelen op manieren die het protocol schenden, voordat iemand hem kan tegenhouden. Het echte probleem met AI bestaat nu dus uit twee delen: wiens patronen draagt het met zich mee, 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 misschien 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 institutionele paraatheid. Jouw gemeenschap heeft haar eigen bestuursstructuren — haar eigen tikanga voor hoe beslissingen worden genomen, hoe gezag wordt uitgeoefend, hoe kennis wordt gedeeld. Deze bestaan niet omdat elke hui in chaos ontaardt, maar omdat bestuursstructuren al aanwezig moeten zijn voordat ze nodig zijn, niet 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 gemeenschap met AI kan omgaan.

De eerste manier is het gebruik van Big Tech-AI — de chatbots en, in toenemende mate, de agents die zijn ontwikkeld door de grootste Amerikaanse technologiebedrijven. Deze zijn krachtig, handig en vaak gratis of goedkoop. Maar er zijn voorwaarden aan verbonden. Je gegevens stromen naar hun servers. Je gesprekken – en nu ook de acties van je agent – lopen via systemen waarover je geen controle hebt. Het gedrag van de AI wordt bepaald door het beleid van het bedrijf, dat zonder jouw toestemming kan veranderen. En de patronen die de AI vertoont, worden bepaald door de trainingsgegevens, waar je geen invloed op hebt. Voor inheemse gemeenschappen die al generaties lang strijden voor soevereiniteit over hun eigen kennis, is dit geen neutrale afweging.

De tweede weg is het gebruik van AI waarover jouw gemeenschap de controle heeft. Een meer gericht systeem, getraind op jouw inhoud, draaiend op infrastructuur die jij beheert, en geregeld door regels die jouw gemeenschap vaststelt. Een systeem dat het verschil kent tussen een mededeling van de gemeenschap en een blogbericht van een bedrijf, omdat jouw gemeenschap het dat heeft geleerd. Een systeem waarvan de reacties worden getoetst aan jouw daadwerkelijke gegevens door onafhankelijke waarnemers die los van de AI zelf opereren — en waarvan het vermogen om te handelen opzettelijk is beperkt, zodat iemand uit jouw gemeenschap altijd kan ingrijpen voordat er iets buiten jouw grenzen terechtkomt.

Dit is wat Village AI is. Het is niet het krachtigste AI-systeem dat er is. Het is ontworpen om trouw te zijn aan uw gemeenschap — aan uw inhoud, uw waarden en uw bestuursvorm. Voor inheemse gemeenschappen houdt die trouw in dat jullie je eigen vocabulaire, jullie eigen bestuursgrenzen en jullie eigen regels over het delen van kennis kunnen bepalen — en dat jullie de zeggenschap behouden over wat een AI in jullie naam doet.

Het volgende artikel in deze reeks legt uit hoe Village AI structureel verschilt van de AI van Big Tech, en waarom dat verschil ertoe doet – met name voor gemeenschappen waarvan de kennissystemen al één golf van kolonisatie hebben doorstaan en niet nog een zouden moeten doorstaan.

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