De AI-Bubbel: Hype of Realiteit?
In 2024 investeerden durfkapitalisten wereldwijd ruim 130 miljard dollar in AI-gerelateerde bedrijven. Microsoft pompte 13 miljard in OpenAI. Saudi-Arabië kondigde projecten aan van honderden miljarden. De Amerikaanse overheid spreekt over infrastructuurinvesteringen ter waarde van 500 miljard dollar via projecten als Stargate.
Dat zijn geen normale getallen. Ze lokken onvermijdelijk een vraag uit: zitten we in een bubbel?
Het antwoord is niet eenvoudig, en iedereen die doet alsof het dat wel is, verdient wat extra scepsis.
De aantallen zijn duizelingwekkend
Het is nuttig om bij de feiten te beginnen, want die zijn indrukwekkend genoeg zonder verdraaiing.
In 2023 ging er al ruim 90 miljard dollar naar AI-bedrijven. Een jaar later was dat opgelopen naar boven de 130 miljard. Google investeerde miljarden in Anthropic. Naast de private investeringen kondigden overheden wereldwijd publieke AI-programma's aan van een omvang die eerder in de energiesector of defensie voorkwam.
Die getallen roepen een vergelijking op die al snel volgt in elke discussie over AI: de dotcomhype van eind jaren negentig.
De dotcom-vergelijking: terecht of lui?
De vergelijking met de dotcomboom ligt voor de hand. Misschien iets te voor de hand.
Er zijn overeenkomsten. Waarderingen die ver voor de omzet uitlopen. Een narratief van "dit verandert alles" dat kritische vragen overspoelt. Investeerders die bang zijn de volgende grote golf te missen. Dat patroon is herkenbaar.
Maar er is een wezenlijk verschil. In de jaren negentig waren veel internetbedrijven gebouwd op een belofte: het internet wordt groot, wij zijn op het internet, dus wij worden groot. De onderliggende technologie was reeel, maar de toepassingen waren grotendeels speculatief. Kozmo.com beloofde bezorging binnen een uur in elke grote stad. Pets.com verkocht dierenvoer online. De infrastructuur voor wat zij beloofden bestond simpelweg nog niet.
AI is in een opzicht anders: de technologie werkt al. Niet perfect, niet in alle situaties, maar productief genoeg om vandaag waarde te leveren. GitHub Copilot wordt door miljoenen developers gebruikt. Taalmodellen versnellen schrijfwerk, research, code-review en klantenservice. Dat is geen belofte voor later.
Het verschil met de dotcombubbel is niet dat er geen bubbel is. Het is dat er deze keer iets onder de bubbel zit.
De vraag is dus niet of AI waardeloos is. De vraag is of de verwachtingen de werkelijke waarde ver overtreffen.
Wat er echt werkt
Taalmodellen zijn verder dan veel mensen twee jaar geleden hadden verwacht op het gebied van redeneren, samenvatten, vertalen en code genereren. De stap van GPT-3 naar GPT-4 en verder was niet gradueel, maar categorisch. Modellen begrijpen context, vangen nuances op, en produceren output die in veel gevallen bruikbaar is als eerste versie of als denkpartner.
Multimodaliteit is verder dan de meeste mensen beseffen. Modellen die tekst, beeld, audio en video begrijpen en genereren zijn al beschikbaar. De implicaties voor creatieve sectoren, medische diagnose en wetenschappelijk onderzoek zijn substantieel.
De snelheid van verbetering is ook opvallend. In de meeste technologiedomeinen duurt het jaren om significante stappen te zien. Bij AI-modellen is de afgelopen twee jaar de sprong van indrukwekkend speelgoed naar bruikbaar werkgereedschap gemaakt. Dat tempo rechtvaardigt op zichzelf al serieuze aandacht.
Waar de echte waarde zit
De kern van huidige AI is niet dat het mensen vervangt. Het is dat het de drempel verlaagt voor expertise. Een marketeer kan nu code debuggen. Een developer kan juridische documenten samenvatten. Een kleine ondernemer heeft toegang tot analyse-capaciteit die eerder alleen grote bedrijven konden betalen. Die toegankelijkheid is reeel en substantieel.
Wat overdreven is
Dan de andere kant, want die is er ook.
De kloof tussen demo en productie is groot. Een taalmodel dat in een demo feilloos een complexe taak uitvoert, is in productieomgevingen met echte data, edge cases en foutmarges vaak een stuk minder betrouwbaar. Hallucinaties zijn niet opgelost, ze zijn beter beheerd. Dat verschil is belangrijk als je kritische beslissingen baseert op AI-output.
AGI-tijdlijnen worden systematisch te optimistisch ingeschat. Er is een echte kans dat AI op specifieke benchmarks beter presteert dan mensen. Er is vrijwel geen kans dat we binnen vijf jaar algemene kunstmatige intelligentie hebben die menselijk redeneren in brede zin evenaar. De claims die hierover circuleren komen vaker voort uit enthousiasme en funding-dynamieken dan uit technische zekerheid.
Veel AI-producten zijn wrappers die verdwijnen. De afgelopen twee jaar zijn er duizenden startups ontstaan die in essentie een API-aanroep naar OpenAI of Anthropic verpakken in een nette interface. Sommige lossen echte problemen op. Veel doen dat niet. En naarmate de modellen zelf beter worden, verdampen de onderscheidende voordelen van zulke wrappers.
De kosten zijn nog altijd hoog. Training van frontier-modellen kost honderden miljoenen dollars. Inference-kosten dalen, maar zijn voor veel toepassingen nog altijd significant. De aanname dat AI op elk gebied gratis of bijna gratis wordt, is voorbarig.
Het gevaar van selectieve voorbeelden
Zowel AI-sceptici als AI-enthousiastelingen zijn schuldig aan cherry picking. De scepticus laat zien hoe een model een simpele rekensom verkeerd beantwoordt. De enthousiasteling laat de perfecte demo zien die uren van prompt-engineering kostte. De werkelijkheid ligt ertussenin, en dat midden is precies het interessantste om te begrijpen.
De economische logica klopt nog niet helemaal
Er is een structureel probleem dat opvalt als je de cijfers bekijkt.
De bedrijven die AI-infrastructuur bouwen (chipmakers, cloudproviders, laboratoria) maken enorme kosten. De bedrijven die AI inzetten, besparen op termijn kosten of verhogen hun productiviteit. Maar de vertaling van AI-uitgaven naar meetbare bedrijfswinst is voor de meeste organisaties nog diffuus.
McKinsey en anderen schatten de potentiele economische waarde van AI op tientallen biljoenen dollars. Maar potentiele waarde en gerealiseerde waarde zijn twee verschillende dingen. De dotcom-analisten van 1999 hadden ook gelijk dat internet enorm waardevol zou worden. Ze hadden het zwaar mis over welke bedrijven die waarde zouden vangen en wanneer.
Het is goed mogelijk dat de huidige investeringsgolf correct is in de richting, maar overdreven in de timing en in de verdeling van wie er van profiteert.
Wat overblijft
Na alle analyses kom je uit op iets dat weinig mensen willen horen: het is niet zwart of wit.
AI is niet de volgende dotcombubbel in de zin dat alles nep is. De technologie is reeel, de toepassingen zijn reeel, en de productiviteitswinsten voor early adopters zijn reeel.
AI is wel overdreven in verwachtingen, tijdlijnen en waarderingen. Een significante correctie in de publieke markt voor AI-gerelateerde aandelen is waarschijnlijker dan niet in de komende jaren. Veel startups die nu floreren zullen dat over drie jaar niet meer doen. De weg van indrukwekkende technologie naar transformatieve economische waarde op schaal is langer en hobbeliger dan de huidige consensus suggereert.
Tegelijkertijd: de bedrijven en individuen die nu serieus investeren in het begrijpen en toepassen van AI, niet als hype maar als gereedschap, bouwen een voorsprong op die moeilijk in te halen zal zijn.
De meest onhandige positie is de technologie volledig negeren omdat je de hype verwerpt, of er kritiekloos in meegesleurd worden omdat iedereen erop springt. Ergens daartussen zit de meest bruikbare plek om te staan.
Dit zijn vragen waar een definitief antwoord op ontbreekt, en iedereen die beweert dat wel te hebben, probeert je waarschijnlijk iets te verkopen.
Jesse Burger
Schrijft over kunstmatige intelligentie, de impact op ons dagelijks leven, en de toekomst van technologie.