Waarom de exponentiële groei van AI een enorme blinde vlek heeft

Als het over AI en de toekomst van werk, waarschuwt iedereen dat kunstmatige intelligentie binnenkort ontwikkelaars, consultants en managers zal vervangen. Maar een nadere blik op de wetenschap achter grote taalmodellen (recentelijk briljant uitgelegd in deze videoanalyse door een Italiaanse techonderzoeker) onthult een enorme blinde vlek in de hype.

Mensen zien de exponentiële groei van AI-mogelijkheden en gaan ervan uit dat de mensheid op de loer ligt.

Deze paniek wordt aangewakkerd door virale berichten. Je hebt misschien de post van ontwikkelaar Matt Schumer zal overnemen finance. Voeg daar citaten aan toe van figuren zoals Sam Altman, die in zijn essay "Intelligence Age", en het is gemakkelijk om je overweldigd te voelen.

Maar de realiteit van de vooruitgang in AI is veel genuanceerder. De recente sprongen voorwaarts in prestaties zijn wat onderzoekers "verdacht specifiek" noemen.

De illusie van de benchmark

Als je naar moderne AI-benchmarks kijkt, wijzen de prestatiegrafieken recht omhoog. De METR-benchmark, een zeer gerespecteerd evaluatie-instrument, liet onlangs zien dat AI-modellen indrukwekkende mijlpalen bereiken bij taken waar een menselijke expert normaal gesproken 8 tot 14 uur voor nodig heeft.

Maar als je de kleine lettertjes leest, verandert het verhaal. Deze mijlpalen worden slechts in ongeveer 50 procent van de gevallen behaald. Belangrijker nog, de gemeten taken zijn bijna volledig beperkt tot software-engineering, machine learning en cybersecurity. Wanneer onderzoekers deze modellen proberen te evalueren op holistische, niet-algoritmische taken, daalt de prestatie aanzienlijk.

Deze afname in betrouwbaarheid buiten strikt gecontroleerde omgevingen is precies het structurele risico dat ik heb benadrukt in " The AI ​​Exodus: Why the Builders Don't Trust the Building". Wanneer een AI een kennislacune tegenkomt in een complex, bedrijfskritisch scenario, schiet het aantal hallucinaties omhoog – wat bewijst dat hoge benchmarkscores niet automatisch leiden tot bedrijfsveiligheid.

De geheime motor: RLVR

De enorme vooruitgang in modellen gedurende eind 2025 en begin 2026 is te danken aan een specifieke trainingstechniek genaamd Reinforcement Learning from Verifiable Rewards (RLVR).

RLVR werkt fenomenaal goed wanneer een probleem een ​​strikt, verifieerbaar antwoord heeft. Wiskunde, programmeren en logische puzzels lenen zich hier perfect voor. Je kunt miljarden synthetische tests genereren en de machine kan direct controleren of het antwoord goed of fout is. Het versterkt automatisch de juiste redeneerpaden en verwerpt de foute. Recente onderzoekspapers bediscussiëren fel of RLVR modellen daadwerkelijk nieuwe redeneervaardigheden aanleert of ze simpelweg efficiënter maakt in het vinden van paden die ze al kenden. Ongeacht het onderliggende mechanisme is het resultaat hetzelfde: de machine blinkt uit in verifieerbare logica.

De echte wereld is rommelig

Denk eens aan een reëel bedrijfsprobleem. Moet je een nieuwe prijsstrategie invoeren? Hoe ga je om met een delicate onderhandeling met een leverancier? Hoe beheer je een complexe magazijnintegratie binnen verschillende bedrijfsculturen?

In deze situaties bestaat geen eenduidig ​​juist antwoord. Je kunt niet automatisch een miljoen synthetische scenario's genereren om een ​​model te trainen op menselijke empathie of strategisch compromis. Problemen uit de praktijk vereisen continu leren, generalisatie over verschillende domeinen en sociaal oordeelsvermogen.

Dit is precies de dynamiek die ik onderzocht in When Software Writes Itself: The Illusion of the Homebrew ERP. Het vermogen van een AI om perfecte code te genereren met behulp van RLVR is totaal anders dan het ontwikkelen van een compliant en transparant bedrijfssysteem. Bedrijfssoftware vereist een diepgaand begrip van lokale wetgeving en tegenstrijdige bedrijfsregels, gebieden waar AI nog steeds fundamenteel context mist.

Zelfs vooraanstaande AI-onderzoekers erkennen deze kloof. Terwijl Dario Amodei van Anthropic hoopt dat RLVR deze kloof uiteindelijk zal overbruggen en tot algemene intelligentie zal leiden, stelt Demis Hassabis van Google DeepMind expliciet dat grote taalmodellen alleen niet voldoende zijn. We hebben systemen nodig die in staat zijn tot continu leren en het bouwen van daadwerkelijke modellen van de fysieke wereld.

De plotwending van IBM

Het bedrijfsleven begint deze beperkingen al te beseffen. Kijk bijvoorbeeld naar wat er begin februari 2026 gebeurde. IBM kondigde toen een ambitieus plan aan om het aantal starters in de Verenigde Staten te verdrievoudigen.

Waarom zou een techgigant meer junioren aannemen als AI zogenaamd de taken overneemt? IBM realiseerde zich dat AI weliswaar routinematige codeer- en administratieve taken kan uitvoeren, maar niet de menselijke aspecten van het werk. Ze hebben hun instapfuncties volledig herzien. Junior ontwikkelaars besteden nu minder tijd aan het schrijven van standaardcode en meer tijd aan de samenwerking met klanten. HR-medewerkers richten zich op het adviseren van managers en het controleren van AI-systemen in plaats van het beantwoorden van steeds terugkerende vragen.

Nickle LaMoreaux, Chief Human Resources Officer van IBM, maakte het duidelijk. Zonder een gezonde aanvoer van jong talent dat vandaag de dag het bedrijf leert kennen, zullen bedrijven morgen te maken krijgen met een enorm tekort aan ervaren leiders op middenniveau. Onze rollen evolueren naar een meer strategische functie.

Bruikbare inzichten

Hoe zorg je ervoor dat je carrière toekomstbestendig is in dit veranderende landschap?

1. Zet vol in op de 'rommelige' vaardigheden: focus op competenties die niet automatisch door een algoritme kunnen worden geverifieerd. Onderhandelen, strategisch probleemoplossend vermogen en generalisatie over verschillende domeinen heen zijn je grootste troeven.
2. Word een AI-orkestrator: leer, net als de nieuwe medewerkers van IBM, samenwerken met AI. Gebruik AI om de aantoonbare routinetaken af ​​te handelen, zodat jij je energie kunt richten op waardevolle klantinteracties.
3. Blijf nieuwsgierig: Nieuwsgierigheid is altijd de kern van al mijn ervaringen geweest. Ik ben er oprecht van overtuigd dat we achterhaald raken als we stoppen met het zoeken naar nieuwe kennis. Blijf je mentale modellen bijwerken.

Het verhaal dat AI simpelweg menselijke werknemers zal vervangen, is onvolledig. De technologie is onmiskenbaar krachtig in specifieke, sterk gestructureerde domeinen. Maar in de ongestructureerde, rommelige realiteit van het bedrijfsleven en menselijke interactie verschuift ons werk van repetitieve uitvoering naar het opbouwen van relaties en complex redeneren. De toekomst behoort aan hen die zich aanpassen.

Geschreven door Andrea Guaccio 

4 maart 2026