De 9 belangrijkste AI-ontwikkelingen
In deze editie: Het jaar 2026 is nu vijf maanden oud. In deze nieuwsbrief de 9 meest interessante, prikkelende perspectieven tot nu toe!
1. AI verschuift van antwoordmachine naar Agentic-werksysteem.
Agents zijn AI-systemen die niet alleen antwoord geven, maar ook taken uitvoeren. Ze kunnen meerdere stappen achter elkaar zetten, informatie ophalen, keuzes voorbereiden en acties uitvoeren.
AI-agents worden gekoppeld aan je bestanden, software, agenda, e-mail, databases, browser en bedrijfsprocessen. Soms draaien agents op de achtergrond scripts om handelingen automatisch uit te voeren. Soms bedienen ze je computer zoals een mens dat zou doen: typen, klikken, scrollen, kopiëren en formulieren invullen.
Ook ontstaat er een nieuwe taakverdeling. Eén hoofd-agent houdt het overzicht en stuurt kleinere sub-agents aan. De ene zoekt informatie, de andere controleert gegevens, een derde schrijft een concept en een vierde voert de laatste handeling uit.
AI verschuift daarmee van gesprekspartner naar uitvoerende laag. Eerst praatten we met AI. Nu gaat AI steeds vaker iets voor ons doen.
Van praten naar handelen. ( mooi bruggetje naar het volgende onderdeel )
2. We gaan van tool naar teammate naar task complete
AI begon als gereedschap. Je gebruikte een systeem om sneller te zoeken, schrijven, samenvatten of analyseren. Nu is AI meer een assistent: een digitale collega die met je meedenkt, voorstellen doet en delen van het werk overneemt.(zie 1.)
De volgende stap is anders. Dan koop je niet langer de software, maar de afgeronde taak.
Je betaalt dan niet voor een juridisch softwarepakket, maar voor een gecontroleerd contract. Niet voor een klantenserviceplatform, maar voor een afgehandelde klantvraag. Niet voor recruitmentsoftware, maar voor een gekwalificeerde kandidaat. Niet voor boekhoudsoftware, maar voor een bijgewerkte en goedgekeurde boekhouding.
AI-agents doen het werk.
Dat verandert het verdienmodel achter veel kenniswerk. Uurtje-factuurtje wordt minder logisch als AI een groot deel van de uitvoering doet. Ook een licentie op software is dan niet altijd meer het eindpunt. De klant wil vooral dat het werk klaar is, gecontroleerd en bruikbaar.
AI schuift daarmee op van hulpmiddel naar uitvoerende laag. Eerst hielp het systeem je bij het werk. Straks lever je een opdracht in en krijg je het resultaat terug.
Van tool, naar teammate, naar task complete.
3. AI-systemen kunnen steeds langer autonoom werken aan een taak
Van minuten naar uren naar dagen. Iedere 105 dagen verdubbelt de tijdspanne dat een AI-agent een taak autonoom zonder menselijke interventie kan uitvoeren. Nu is dat nog een paar uur (onderzoek loopt uiteen van 30 minuten naar 6 uur, vaak is het een kwestie van welke definitie men hanteert). Welke vragen en problemen gaan we AI-agenten geven wanneer zij dagen, weken of misschien wel maanden kunnen werken aan een probleem?
4. Menselijke waarde verschuift naar oordeel, smaak en verantwoordelijkheid
AI maakt de uitvoering van digitaal werk steeds goedkoper. Teksten schrijven, code maken, analyses voorbereiden, rapporten opstellen, onderzoek doen, beelden genereren, documenten samenvatten en processen afhandelen: steeds meer van dit werk kan door AI-systemen worden gedaan tegen een fractie van de kosten.
Dat verandert waar menselijke waarde zit.
Als de uitvoering goedkoper en sneller wordt, wordt de belangrijkste vraag niet meer alleen: “ Hoe gaan we dit maken?” Want AI kan al heel veel maken. De belangrijkere vraag wordt: “ Wat is voor óns de moeite waard om te maken?”
Welke problemen verdienen aandacht? Welke nieuwe mogelijkheden ontstaan er? Welke producten, diensten of verdienmodellen worden ineens haalbaar, omdat de kosten van uitvoering sterk dalen?
Daarin worden twee menselijke kwaliteiten belangrijker.
1. OORDEEL. Dat is het vermogen om te bepalen wat klopt, wat past, wat werkt en wat verstandig is. AI kan veel produceren, maar iemand moet beoordelen of de uitkomst betrouwbaar, bruikbaar (nuttig) en passend is bij de context.
2. SMAAK. Dat is het vermogen om te herkennen wat goed is en wat middelmatig blijft. Wat origineel is en wat vlak voelt. Wat betekenis heeft en wat vooral lijkt op alles wat er al is.
Wie in zijn werk vooral uitvoert, krijgt het moeilijker. Wie richting geeft, keuzes maakt, context toevoegt en verantwoordelijkheid neemt voor de uitkomst, wordt juist belangrijker.
De waarde verschuift van maken naar bepalen wat gemaakt moet worden.
5. Nadelen werkvloer worden zichtbaar
De vraag wie er beter wordt van alle AI-ontwikkelingen, wordt steeds prangender. Voor medewerkers kleven er namelijk ook nadelen aan, zoals
1. Deskilling. Mensen worden minder goed in hun vakmanschap, omdat ze het uitbesteden aan AI.
2. Meer cognitieve belasting. Omdat AI het saaie werk overneemt en mensen harder moeten nadenken over aansturing, processen, oordeel, smaak en doelstellingen.
3. Identiteit. Wanneer het werk drastisch verandert, verandert vaak ongewenst ook de beleving van het zelf als persoon en het zelf in de professionele context.
4. Stress door een mogelijk ontslag. Mensen lezen de krant, kijken TV, lezen Trending in Tech, en worden angstig van de mogelijke impact op het voortbestaan van hun werk.
5. Uitholling van het werk. Wanneer leuke, betekenisvolle, leerzame, liefdevolle taken in het werk worden vervangen door AI, is dat verlies van betekenis.
6. Cyberaanvallen worden goedkoper, beter, sneller en persoonlijker
AI-agenten kunnen sneller software-kwetsbaarheden vinden. Zero Days. Phishingmails worden steeds beter geschreven, deepfakes worden overtuigender in beeld en stem. Malware kan sneller aangepast worden als reactie op antivirus-software. Oplichting kan persoonlijker, goedkoper en vooral schaalbaar worden.
De asymmetrie is groot, een verdediger moet bijna alles goed doen, een aanvaller kan continu met hagel schieten. Een kat-en-muisspel, waarin aanvallers gigantisch krachtig gereedschap krijgen om mensen op te lichten en om de digitale en fysieke infrastructuur aan te vallen. Houdt u rekening met verstoringen van zowel de digitale als de fysieke infrastructuur.
7. AI wordt persoonlijker en intiemer
Vriendschap met chatbots. Persoonlijke gesprekken met AI-systemen. Synthetische relaties. Warme AI-stemmen, empathische reacties.
Persoonlijke assistenten die steeds meer van je context kennen. Je voorkeuren, agenda, contacten, berichten, bestanden, je koopgedrag, locatie, gezondheid, interesses. Daarmee wordt AI intiemer.
Systemen gaan steeds menselijker aanvoelen. Verwarring over emotionele relaties met AI-systemen gaat steeds vaker het onderwerp worden in bestaande relaties en de spreekkamer van de psycholoog. Hoe waarborgen we menselijke relaties in een wereld waarin dit soort systemen zich steeds menselijker voordoen?
8. Vibe coding – Agentic coding
Vibe coding betekent software maken met woorden. Je beschrijft in gewone taal wat je wilt bouwen, en een AI-systeem schrijft de code.
De term klinkt echter speels. Alsof het gaat om hobbyprojecten, snelle probeersels of kleine experimenten. Maar dat beeld klopt steeds minder.
Het hobbymatige stadium zijn we voorbij. Laten we het Agentic coding noemen.
Bij Anthropic schrijven ontwikkelaars inmiddels 8 keer meer code dan een paar jaar geleden, juist omdat AI een groot deel van het programmeerwerk overneemt. En ook mensen zonder diepe technische kennis kunnen met AI steeds vaker bruikbare software maken, zoals dashboards, interne tools, automatiseringen en eenvoudige applicaties.
AI-agenten worden daarbij ook beter in testen, fouten opsporen, bugs oplossen, beveiliging controleren en nagaan of software doet wat de gebruiker bedoelt. Dat wat developers nu nog doen.
Softwareontwikkeling verschuift daarmee van zelf programmeren naar het regisseren van AI-systemen.
Het eindresultaat is straks niet alleen een map met code, maar een werkende toepassing, inclusief tests, uitleg en een video waarin het AI-systeem laat zien hoe het door de software klikt. Klaar!
9. Zelfverbeterende AI komt steeds dichterbij
AI helpt inmiddels bij het verbeteren van AI; het schrijven van code, het uitvoeren van experimenten, het analyseren van resultaten en het verbeteren van trainingsprocessen.
Daarmee ontstaat het begin van wat recursieve zelfverbetering wordt genoemd: AI die helpt om betere AI te maken.
Op dit moment is die cirkel nog niet helemaal rond. Mensen bepalen meestal nog welke problemen belangrijk zijn, welke experimenten worden gedaan en welke resultaten betrouwbaar genoeg zijn. AI ondersteunt vooral bij de uitvoering. Het systeem doet het werk sneller, maar de mens geeft nog richting.
De grote vraag is wanneer dat verandert. Wanneer kan AI niet alleen helpen bij losse onderdelen, maar ook zelf bepalen welke verbeteringen nodig zijn? Wanneer kan een AI-systeem zelfstandig bedenken hoe de volgende generatie AI-systemen gebouwd moet worden?
Als dat lukt, ontstaat er een nieuw soort versnelling. Betere AI helpt dan bij het maken van nog betere AI. Daardoor kan de ontwikkeling veel sneller gaan dan we gewend zijn. Niet stap voor stap, maar met versnelling bovenop versnelling.
Dat kan een belangrijke stap zijn richting AGI, algemene AI; systemen die niet alleen één afgebakende taak goed uitvoeren, maar in alle cognitieve taken zijn ze net zo goed of beter dan de mens.
Het is niet zeker dat dit snel gebeurt. Menselijk oordeel, richting en controle blijven voorlopig belangrijk. Maar het is ook geen verre sciencefiction meer…
Hoe kijk jij naar deze 9 ontwikkelingen? Eens? Of mis je een ontwikkeling in de lijst? Laat het mij weten!
Vind je dit artikel interessant? Volg Jarno dan op LinkedIn voor meer actuele updates. Abonneer je op zijn AI-nieuwsbrief of boek hem als AI-spreker voor een wervelende, compacte, inspirerende, gezond-kritische presentatie over AI.
