Blog
Tags:
Ja daar gaan we weer … de exit van de AI-kopstukken is begonnen (en je grootste waarschuwing)
Wetenschappers van de Radboud Universiteit sloegen onlangs alarm over de koers van kunstmatige intelligentie. Niet omdat AI op zichzelf gevaarlijk is, maar omdat de ontwikkeling ervan weinig wetenschappelijk verloopt. Waar je als IT-organisatie op moet letten deel ik in dit blog.
Big tech bepaalt de richting en die richting … is nogal ‘smalletjes’. Sterker nog: waar AI binnen de wetenschap zelf wordt ingezet - bijvoorbeeld bij het schrijven van papers of het analyseren van data - daalt de kwaliteit van de output merkbaar.
Henry Ford bewees ruim een eeuw geleden al dat ogenschijnlijk onmogelijke innovaties haalbaar zijn, zolang er een concreet technisch doel is. Zijn ingenieurs verklaarden een V8-motor uit één stuk gietijzer voor gekkenwerk — tot Ford ze liet doorzetten. Het resultaat veranderde de hele industrie.
De uitdaging bij AI is van een heel andere orde. We lossen geen technisch probleem op, we negeren juist de fundamentele vragen. Grote spelers als OpenAI, Anthropic en Google investeren bijna uitsluitend in taalmodellen (LLM’s). Slim voor tekst, maar de wereld bestaat niet alleen uit woorden.
Die eenzijdige focus creëert een bubbel: elk nieuw model kost miljarden, levert minimale kwaliteitsverbetering en blijft financieel onhoudbaar. Ondertussen blijven de écht wetenschappelijke doorbraken, zoals begrip van context, redeneren of causaliteit, liggen.
Het is een bekend patroon. Denk aan de dotcombubbel, of aan blockchainprojecten waar miljarden in verdwenen zonder dat er echte waarde werd geleverd. Steeds dezelfde dynamiek: investeerders pompen geld in een belofte en alleen insiders die op tijd uitstappen cashen. En de rest … blijft achter met de brokken en verliezen.
De signalen stapelen zich nu ook bij AI op. Bijvoorbeeld dit signaal: kopstukken van toonaangevende bedrijven die “een nieuwe uitdaging aangaan”. Dan weet je eigenlijk wel hoe laat het is. Dan is de piek voorbij en volgt de klap. Voor beleggers én voor de hele sector.
Als je alleen een hamer hebt lijkt alles een spijker
Large Language Models worden in de markt gezet als universeel toepasbaar. Alsof één model alles kan: schrijven, analyseren, redeneren, beslissen. Gelukkig komen er steeds meer mensen achter dat dit beeld niet klopt. In de kern zijn LLM’s niets anders dan extreem geavanceerde tekstvoorspellers. Vergelijk het met de woordvoorspelling op je telefoon, maar dan ‘on steroïds’. Handig voor bepaalde taken, maar beslist geen alleskunner.
Toch worden er overal en nergens AI-agents gebouwd én ingezet die leunen op LLM’s. De agents die zogenaamd autonoom beslissingen nemen en werk uit handen nemen. Het probleem: een LLM is ontworpen om tekst te genereren of te transformeren, niet om keuzes te maken. Zodra er beslissingen aan gekoppeld worden, gaat het mis. Een tekstgenerator is geen bestuurder.
De feitelijk is de naam “Artificial Intelligence” misleidend. Intelligentie vraagt om redeneervermogen. LLM’s hebben dat niet. En onderzoek wijst uit dat ze dat ook nooit zullen krijgen. Ze bootsen taal na, ze beredeneren niets. Wie ze tóch als intelligentie presenteert, verkoopt gebakken lucht.
Daar komt nog iets bij: het zogenaamd ‘algemene karakter’ van LLM’s is juist hun achilleshiel. Omdat ze overal een antwoord op moeten geven - “ik weet het niet” is uiteraard geen optie - vragen ze gigantisch veel rekencapaciteit. Naast de toenemende mate van goed verpakte onzin die er steeds vaker als antwoord uitkomt. Een model dat op álles wil reageren, verspilt daardoor structureel vermogen. En dat maakt de businesscase nog fragieler.
De vraag is dus niet: “Wat kunnen LLM’s allemaal?”
De vraag is: “Waar zijn ze écht geschikt voor?”
Wie dat verschil niet ziet, loopt recht in de val van de AI-bubbel.
AI: hoge kosten, onderpresterend — een klassieke bubbel
Een bubbel herken je vaak pas achteraf. Maar de tekenen bij AI zijn nu al zichtbaar.
Stel je een ballon voor. Elke investeringsronde blaast er lucht bij. De ballon wordt groter, glanzender, indrukwekkender. Van buiten lijkt het alsof er geen einde aan de groei komt. Maar van binnen is er niets veranderd: er zit vooral lucht in.
Dat is precies het probleem bij LLM’s.
De kosten om ze te ontwikkelen en te draaien zijn astronomisch, terwijl de opbrengsten achterblijven. Om kostendekkend te zijn, zouden abonnementen een veelvoud moeten kosten van wat bedrijven bereid zijn te betalen. Wie legt $24.000 per jaar (wat echt zou moeten kosten) neer voor een tool die hooguit teksten genereert en wat werk bespaart?
Economisch gezien zijn de signalen textbook. Een bubbel ontstaat wanneer verwachtingen en speculatie harder stijgen dan de waarde die er werkelijk tegenover staat. Investeringen gaan niet meer naar bewezen waarde, maar naar de hoop dat iemand anders nog meer zal betalen. Dat was zo bij de dotcom-hype, bij de cryptogolf en nu ook bij AI.
Nog een teken: de technologie bereikt zijn plafond. Nieuwe LLM-versies worden steeds duurder, maar leveren nauwelijks extra kwaliteit. Dat noemen economen “afnemende meeropbrengsten” -een rode vlag van jewelste.
Het einde van de film kennen we. Zodra investeerders de rek eruit zien, draait de stemming. Het kapitaal droogt op, waarderingen storten in en de bedrijven die leunen op lucht, vallen om. Alleen wie echte waarde en schaal kan leveren, overleeft.
De AI-ballon blijft nog even zweven, maar de spanning in het rubber neemt toe. Het is niet de vraag óf, maar wannéér hij knapt.
Quantum AI is geen toekomst, maar science fiction
Er wordt her en der gefluisterd dat “Quantum AI” de redding van Large Language Models zal zijn. Het idee: quantumcomputers rekenen zoveel sneller dat ze de grenzen van LLM’s moeiteloos kunnen doorbreken. Mooie belofte. De realiteit: wie dat roept, begrijpt óf quantumcomputers niet, óf LLM’s niet. Of wil snel rijk worden.
Quantumcomputers zijn geen snellere versies van gewone computers. Ze zijn gebouwd om heel specifieke problemen op te lossen met heel specifieke algoritmes. Voorbeelden van specifieke toepassingen zijn factorisatie of optimalisatievraagstukken. Het algoritme achter een LLM - dat miljarden parameters doorrekent in een probabilistisch model - past daar simpelweg niet op. Quantum en LLM’s spreken niet dezelfde taal.
En dan is er nog de tijdlijn. Zelfs de meest optimistische onderzoekers verwachten dat grootschalige, stabiele quantumcomputers pas over 15 jaar bestaan. Anderen houden het op tientallen jaren, of zelfs een eeuw. En misschien lossen we de natuurkundige raadsels die voor de ontwikkeling nodig zijn, wel nooit op.
Dat maakt “Quantum AI” geen visionair plan, maar science fiction. Natuurlijk zullen er bedrijven opstaan die het label gebruiken om kapitaal aan te trekken. Dat is altijd zo bij hypes. Maar investeren in een idee waarvan de fundamentele bouwstenen nog ontbreken, is niets meer dan gebakken lucht kopen.
Kortom: Quantum AI gaat LLM’s niet redden. Het is een verkooppraatje, geen toekomstscenario.
De echte toekomst van AI past op een server van €100 per maand
Is AI van voorbijgaande aard dan? Nee, natuurlijk niet. AI is geen eendagsvlieg. Maar de vorm waarin we AI gebruiken, gaat wel drastisch veranderen.
De grote, allesomvattende LLM’s van vandaag - die miljarden kosten en gigantische datacentra opslokken - zijn simpelweg niet houdbaar. Wat wél blijft bestaan zijn toegesneden, compacte modellen. Modellen die niet alles hoeven te kunnen, maar juist één ding heel goed doen.
Andere technieken, zoals machine learning, zijn veel ‘lichter’ en praktischer. Ze draaien probleemloos op betaalbare hardware en zijn vaak effectiever in het oplossen van specifieke vraagstukken. En laat nou precies dáár de echte toekomst in te zitten! Niet in mega-infrastructuren die alles beloven. Maar in slimme, kleinschalige oplossingen die direct waarde leveren.
Bij Sciante doen we dit vandaag al. Onze AI-toepassingen draaien op servers die nog geen honderd euro per maand kosten. Ja echt, lees die laatste zin nog maar eens. Het draait allemaal efficiënt, snel en zonder de datarisico’s van big tech. Je prompts en je data blijven gewoon van jou. Geen schimmige contracten, geen verborgen verdienmodellen.
Dat is volgens ons de toekomst van AI: klein, doelgericht en volledig in eigen regie. Geen luchtkasteel, maar praktische toepassingen die écht waarde opleveren.
Wil je weten hoe dat er voor jouw organisatie uitziet? Maak dan een vrijblijvende afspraak. Dan laten we je zien hoe AI in compacte vorm wél rendeert: veilig, betaalbaar en op maat.
Bronnen:
https://zenodo.org/records/17065099