De drie signalen van versnelling
In deze editie: AI verbetert AI die AI verbetert. En wat dat betekent.
Het is gaande, het is aan de hand. We zien de eerste tekenen. Computersystemen verbeteren zichzelf en deze verbeterde versies bouwen weer betere AI-systemen. Agenten werken in zwermen om razendsnel, bijna zonder menselijke interventie, volledig nieuwe AI-systemen te maken. En dat heet: Recursieve zelfverbetering.
De afgelopen maanden vertel ik tijdens mijn keynotes altijd hierover. Want ondanks dat ik het onderwerp AI inmiddels twaalf jaar volg en er altijd dynamiek is, voelt het nu echt anders.
Ik zie 3 ontwikkelingen. En ik geef je aan het eind een blik in de toekomst.
1. AI-systemen schrijven hun eigen code.
Bij de frontier-labs schrijven developers geen code meer. Met woorden sturen ze software aan die software schrijft. Laatst vertelde Boris Cherny, de bedenker van Claude Code, dat hij geen code zelf meer schrijft en in een maand tijd met behulp van AI bijna 260 updates heeft geschreven, goed voor 40.000 regels code. Op X liet OpenAI-onderzoeker “Roon” weten: “ 100%, I don’t write code anymore.”
Kort geleden vertelde een woordvoerder van Anthropic nog in een Fortune-interview dat bedrijfsbreed tussen de 70 en 90 procent van alle code door AI wordt geschreven. Bij het Claude Code-team is dat ongeveer 90 procent. Programmeurs schrijven dus bijna geen code meer, maar ze ontwerpen, sturen aan en controleren.
De werkwijze verschuift van:
plan → schrijf → review naar
formuleer intentie → delegeer aan agenten → controleer resultaat.
2. AI-agents werken samen en autonoom.
En gecoördineerde groepen AI-agents werken parallel samen aan complexe taken, in zogenaamde zwermen. En dat kunnen ze steeds langer. Claude Opus 4.6 werd bijvoorbeeld laatst getest en bleek een taak autonoom te kunnen afronden waar een mens 14 uur over zou doen.
Anthropic heeft laatst de plugins feature voor Claude Cowork laten bouwen door AI. De programmeur gaf een zwerm AI-agenten een opdracht om de specificatie te schrijven, een takenlijst te maken, het werk te verdelen en het daadwerkelijk uit te voeren en te evalueren. Het resultaat werd in een weekend opgeleverd.
Natuurlijk was het ook in dit geval niet helemaal zonder mensen. Maar het aandeel van menselijke handen in dit soort processen wordt steeds minder. De volgende stap is dat AI-systemen ook zelfstandig experimenten ontwerpen, uitvoeren en analyseren. Dat wordt ‘ het sluiten van de feedbackloop’ genoemd. Het punt waar geen menselijke tussenkomst meer nodig is en AI-software autonoom de volgende generatie AI kan bouwen.
3. AI-systemen verbeteren AI-systemen
En dat begint met een vliegwieleffect. Wanneer AI-systemen in zwermen van AI-agents samenwerken en betere code schrijven, dan levert die betere code ook weer betere AI-software op. En die betere AI schrijft vervolgens ook weer betere code. Dat is een feedbackloop van versnelling. Een vliegwieleffect van verbetering.
Autoresearch
Andrej Karpathy, een van de invloedrijkste AI-onderzoekers ter wereld en voormalig werkzaam bij OpenAI en Tesla, publiceerde begin maart 2026 een project genaamd Autoresearch op GitHub: een script van 630 regels dat een AI-agent zelfstandig laat experimenteren met het trainen van een kleiner AI-model. De werking is simpel. De agent past de trainingscode aan, traint het model vijf minuten, bekijkt of het resultaat beter is dan daarvoor, bewaart of wijst de wijziging af, en begint opnieuw. Dat levert zo’n twaalf experimenten per uur op. De hele nacht door, zonder menselijk ingrijpen.
Karpathy liet autoresearch twee dagen draaien op zijn eigen trainingsomgeving en uiteindelijk brachten die verbeteringen de trainingstijd van GPT-2 terug van 2,02 uur naar 1,80 uur, een efficiëntiewinst van 11 procent. En dat op code die Karpathy zelf al jarenlang had geoptimaliseerd.
“ All LLM frontier labs will do this. It’s the final boss battle” schreef Karpathy op X.
Het sluiten van de ‘loop’
Alle ontwikkelingen wijzen dus dezelfde kant op. De grote AI-labs proberen om de ‘loop’ te sluiten. Het punt te creëren waarop er geen menselijke tussenkomst meer nodig is om de volgende, betere generatie AI-software te bouwen.
De loop is nog niet dicht, maar de afstand ertoe wordt steeds kleiner. Dario Amodei schreef in zijn essay ‘ The Adolescence of Technology’ dat de feedbackloop mogelijk binnen een tot twee jaar het punt bereikt waarop AI autonoom de volgende generatie AI ontwikkelt.
Wanneer dit gebeurt, krijgen we een versnelling die zichzelf versnelt.
Vier gevolgen
1. Intelligence versus judgement – De frontier-labs zullen uiteindelijk werken met teams die tienduizenden, honderduizenden, miljoenen (?) AI-agenten aansturen. Die agenten experimenteren, onderzoeken, debuggen, optimaliseren en evalueren. De mens stelt uiteindelijk de vraag, definieert het doel en beoordeelt het resultaat; de machine doet alles daartussenin. Het onderscheid dat daarbij cruciaal wordt: intelligence versus judgement. Alles wat regels volgt — hoe complex ook — is intelligence-werk. En dat neemt AI over. Maar judgement (ervaring, smaak, intuïtie), dat blijft mensenwerk.
2. Gesloten AI-labs – De vraag is of de frontier-labs hun beste modellen uiteindelijk nog gaan delen met anderen, of dat ze uit concurrentieoogpunt de beste modellen voor zichzelf gaan houden.
3. Verdwijnen van kantooruren – Wanneer AI-agenten het werk doen, verdwijnen kantooruren. Sequoia Capital noemt dit de always-on economy. Klantenservice, recruiting, beveiliging, productie: het draait straks dag en nacht door. Onze economie is altijd gebonden geweest aan tijd — aan openingstijden, werktijden, tijdzones. Die grens valt weg.
4. Tool – Teammate – Task complete – Als eindgebruiker koop je uiteindelijk niet meer het gereedschap, de software, maar het eindproduct, de eindhandeling. Dat doen AI-agents. AI-software gaat van “ Tool naar Teammate naar Task complete”. AI-software als junior-recruiter, -accountant, -advocaat. Je koopt dus het eindresultaat: de gesloten en goedgekeurde boekhouding, het volledig geschreven aanbestedingscontract, of (de goedkeuring van) het contract met de perfecte nieuwe collega.
Voetnoot
Maar nog even een voetnoot. Bovenstaande aannames gaan ervan uit dat in de fysieke wereld alles meewerkt: energievoorzieningen, productie van chips, beschikbaarheid van goede, schone data of kwalitatief hoogstaande synthetische data.
Maar ondanks dat voelt het voor mij nu alsof we een ruimtesonde zijn die op het punt staat om vanuit de baan om de aarde de ruimte in geslingerd te worden. En de vraag is in hoeverre we vanaf dat moment zelf nog de snelheid kunnen bepalen. Terugkeren is in ieder geval geen optie meer…
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.
