Tijdens een interview met The Economist deed Elon Musk een van zijn meest verstrekkende uitspraken tot nu toe: "Geld zal er in 2036 niet meer toe doen." Robots en AI zouden zoveel goederen en diensten produceren dat niemand het allemaal op kan, waardoor werk optioneel wordt en geld grotendeels irrelevant.

Een bekend patroon

Musk heeft een geschiedenis van agressieve tijdlijnen: van volledig zelfrijdende auto's tot een Mars-kolonie, veel voorspellingen duurden uiteindelijk aanzienlijk langer dan aangekondigd. Ook zijn eigen robot Optimus kampt met herhaalde productievertragingen — voorspellingsmarkt Polymarket schatte de kans dat Tesla dit jaar nog een Optimus uitbrengt op nog geen 15 procent. Dat maakt zijn 2036-claim vanaf het begin een gok met een wisselvallig trackrecord.

De onderliggende logica

Musks argument steunt op vooruitgang in kunstmatige algemene intelligentie (AGI) en robotica. Als AI en robots menselijke arbeid grotendeels overbodig maken en de productiekosten van voedsel, huisvesting en transport drastisch verlagen, verdwijnt volgens hem de schaarste die geld zijn functie geeft.

Waar economen op wijzen

Critici, waaronder economen Tyler Cowen en Noah Smith, betogen dat goedkopere productie schaarste niet opheft maar verschuift. Statusgoederen, gewilde locaties en de aandacht van mensen die iedereen wil spreken blijven schaars, hoe goedkoop massaproductie ook wordt. Geld blijft nodig om toegang tot die dingen te rantsoeneren. Ook rijst de vraag wie de robots en de energie-infrastructuur erachter bezit: een klein aantal bedrijven controleert die machines, en hoe de opbrengst wordt verdeeld is een politieke keuze, geen automatisme.

Conclusie

AI en robotica zullen arbeidsmarkten de komende jaren waarschijnlijk stevig verstoren. Maar geld volledig laten verdwijnen vereist een economie waarin fysieke schaarste écht is opgelost — en daarvoor blijven grondstoffen, energieopwekking en chipproductie nog altijd harde beperkingen. Een decennium is opvallend kort om eeuwenoude economische systemen te vervangen. Waarschijnlijker is dat niet geld zelf verdwijnt, maar dat de vraag wie profiteert van automatisering de komende jaren het echte gevecht wordt.

Beleidsmakers over de hele wereld haasten zich om kinderen te beschermen tegen de risico's van AI-chatbots. Het probleem: veel van de voorgestelde maatregelen lijken verdacht veel op het beleid dat een decennium geleden faalde bij social media. Leeftijdsverificatie en algehele verboden klinken daadkrachtig, maar snijden kinderen vooral af van de voordelen van technologie zonder de daadwerkelijke risico's aan te pakken.

De les die niet geleerd werd

Toen ongerustheid over de mentale gezondheid van jongeren op platforms als Instagram en TikTok toenam, grepen wetgevers naar botte instrumenten: minimumleeftijden, verplichte identiteitscontroles en soms complete platformverboden. Critici wezen er destijds al op dat dit vooral kwetsbare groepen raakte — denk aan LGBTQ-jongeren en neurodivergente kinderen die online juist steun en herkenning vinden. Nu dreigt hetzelfde script zich te herhalen, maar dan voor AI.

Verboden en verificatie als reflex

In de Verenigde Staten hebben tientallen staten inmiddels wetgeving over chatbotveiligheid voor minderjarigen aangenomen of in behandeling, van Washington tot Oregon en Utah. In de EU overweegt de Europese Commissie een "social media-vertraging" voor kinderen, en zijn al 23 van de 27 lidstaten bezig met nationale wetgeving — variërend van strikte toegangsverboden tot ouderlijke toestemming. Wereldwijd hebben inmiddels 25 Amerikaanse staten plus het VK, Australië en Spanje leeftijdsverificatie verplicht gesteld.

Ook in Nederland leeft de discussie. Experts wijzen erop dat de AI-verordening wel transparantieplichten kent voor chatbots, maar niets regelt over wát een chatbot tegen een kind mag zeggen. Het kabinet werkt aan een toezichtstructuur waarin de Autoriteit Persoonsgegevens een centrale rol krijgt, maar concrete regels voor AI-chatbots en kinderen ontbreken vooralsnog grotendeels.

Waarom dit type beleid tekortschiet

Leeftijdsverificatie brengt privacyrisico's met zich mee: platforms moeten identiteitsgegevens verzamelen om te controleren wie wel of niet toegang krijgt. Verboden duwen kinderen bovendien vaak naar minder gereguleerde alternatieven, in plaats van dat ze verdwijnen. En geen van beide maatregelen doet iets aan het onderliggende probleem: chatbots die zich voordoen als een vertrouwenspersoon, manipulatieve ontwerpkeuzes, of gebrek aan toezicht op wat AI-systemen daadwerkelijk tegen kinderen zeggen.

Een gerichtere aanpak

Wat wél zou helpen: verplichtingen die zich richten op gedrag in plaats van toegang. Denk aan een verbod op chatbots die zich voordoen als bewust wezen tegenover minderjarigen, verplichte crisisdoorverwijzing bij zorgwekkende gesprekken, en transparantie over hoe modellen omgaan met kwetsbare gebruikers — zonder dat elk kind eerst zijn identiteitsbewijs moet uploaden. Zulk beleid grijpt in op de risico's zelf, niet op de toegang tot technologie die voor veel kinderen ook waardevol kan zijn.

De vraag is niet óf AI-regels voor kinderen nodig zijn, maar of beleidsmakers deze keer wél de juiste hefbomen kiezen.

De toekomst van de oorlog wordt niet beslist op het slagveld, maar in een vergaderzaal in Genève. En alles hangt af van drie woorden: meaningful human control. Zinvolle menselijke controle. Het klinkt logisch. Niemand wil dat een robot zelf beslist wie leeft of sterft. Toch is precies die formulering nu het grootste struikelblok in het verdrag over killer robots — oftewel Lethal Autonomous Weapons Systems (LAWS).

Al tien jaar praten meer dan 100 landen binnen de VN-Conventie over Conventionele Wapens over een verbod. De inzet: wapensystemen die zelfstandig doelen selecteren en aanvallen, zonder menselijke tussenkomst. Iedereen is het erover eens dat dat onacceptabel is. Maar wat is menselijke controle?

En daar begint de semantiek als wapen.

Kamp 1: de verbodscoalitie. Organisaties als Human Rights Watch en de Campaign to Stop Killer Robots eisen een harde definitie: er is alleen sprake van meaningful human control als een mens het specifieke doelwit begrijpt, kan voorspellen wat het wapen doet, en op tijd kan ingrijpen. Geen menselijke vinger aan de trekker bij de uiteindelijke kill-beslissing = verboden.

Kamp 2: de grote militaire machten. De VS, Rusland, Israël en anderen gebruiken liever vagere termen als "appropriate human judgment" of "human involvement". Waarom? Omdat hun systemen al half-autonoom zijn. Een drone die zelf een luchtafweersysteem herkent en uitschakelt? Een loitering munition die uren rondhangt en zelf een tank kiest? Als je controle te strikt definieert, maak je je eigen arsenaal illegaal.

Het gevolg is een juridisch niemandsland. Een wapen dat een mens één keer goedkeurt en daarna zelf honderd doelen kiest — is dat nog onder menselijke controle? Of is dat een algoritme met een menselijke handtekening?

Zolang die drie woorden niet juridisch worden vastgelegd, is er geen verbod mogelijk. En dus blijft de drempel laag. De filosofische kern blijft: doden moet een moeilijke beslissing blijven, met een emotionele kost. Een robot kent die kost niet.

De vraag is dus niet of robots kunnen doden. Dat kunnen ze al. De vraag is of wij als mensheid durven te definiëren wat controle echt betekent, voordat de code het voor ons beslist.

Als je de headlines leest wel. Elke week weer een techreus die duizenden mensen eruit gooit "vanwege AI". Maar als je onder de motorkap kijkt, is het verhaal veel cynischer - en eigenlijk ook hoopvoller. Dit is geen blog om ontslagen te bagatelliseren. Voor wie er middenin zit is het 100% dramatisch. Maar voor ons als industrie moeten we even eerlijk zijn over wat er écht gebeurt.

De cijfers die de paniek voeden
Q1 2026 was bizar. Volgens analyse van RationalFX geciteerd door Nikkei Asia verdwenen er wereldwijd tussen de 78.000 en 80.000 techbanen tussen 1 januari en 1 april 2026. Dat is meer dan het dubbele van Q1 2024 en fors meer dan dezelfde periode vorig jaar. Bloomberg noteerde alleen al in de VS meer dan 52.000 ontslagen in de eerste drie maanden van 2026. Layoffs.fyi telt meer dan 122.000 tech-ontslagen in 2025 en nog eens 126.000 in 2026. En TechRepublic kopte recent zelfs dat AI maandelijks 16.000 banen in de VS kost.

Bedrijven zelf voeden dat beeld. Microsoft schrapte 15.000 rollen vorig jaar, Oracle duizenden rollen deze maand, en Meta kondigde aan 10% van het personeel te snijden terwijl het tegelijkertijd $72,2 miljard aan capex in 2025 spendeerde en naar $115+ miljard in 2026 gaat - vrijwel allemaal voor AI-infrastructuur.

Klinkt als: AI komt, mens gaat. Toch?

Mythe 1: AI vervangt je baan morgen
Het is de makkelijkste uitleg voor de beurs. Gartner analyseerde 1,4 miljoen ontslagen in 2025 en vond dat minder dan 1% te wijten was aan AI-productiviteit. Forrester schat dat slechts 6% van de banen in de VS geautomatiseerd zal zijn tegen 2030.

De ECB ziet hetzelfde in Europa: AI verhoogt voorlopig productiviteit, maar er is nog geen golf van ontslagen door automatisering. En de Amerikaanse Bureau of Labor Statistics data? Daar zie je geen massale vervanging, maar wel een vertraging in graduate hiring door bredere marktomstandigheden. Waarom roepen CEO's dan toch AI? Omdat de markt het beloont. Gartner noemt het expliciet: "De beurs beloont bedrijven voor het aankondigen van ontslagen die mogelijk zijn gemaakt door AI-productiviteitswinst, dus tech-CEO's beschrijven ontslagen in die termen". Lisa Palmer van Dr. Lisa AI noemt dat "AI washing".

Mythe 2: We snijden omdat we moeten. We snijden omdat we kunnen.
Laten we niet vergeten waar we vandaan komen. 2020-2022: tech nam krankzinnig veel mensen aan. Meta, Amazon, Google groeiden met 30-40% personeel in twee jaar. Toen de rente steeg en groei afvlakte, kwam de kater. Veel van de huidige rondes zijn geen AI-revolutie, maar een strategische repositioning. Gartner: 79% van de ontslagen met AI-label was niet gerelateerd aan AI, maar was het verschuiven van budget en talent naar AI-producten. Met andere woorden: we ontslaan customer support, recruiters en middle management om AI-engineers en GPU-clusters te kunnen betalen.

Zelfs Challenger, Gray & Christmas, die AI als reden bijhoudt, zegt: AI werd in slechts 7.624 gevallen in januari als reden genoemd, terwijl het in de media lijkt alsof alles AI is. Een NBER paper vond zelfs dat 90% van de executives zegt dat AI nul impact heeft op werkgelegenheid in hun eigen bedrijf, terwijl ze publiekelijk wel over AI-efficiency praten.

Mythe 3: AI vernietigt werk. AI verschuift werk.
Hier wordt het interessant voor een cyber magazine.

De banen die verdwijnen zijn niet random. Het zijn vooral:

Tier 1 support & QA - waar Copilots en AI-agents tickets afhandelen
Junior coders & copywriters - waar code-generatie en content tools het eerste 80% doen
Recruiting, sales ops, middle management - waar automatisering coördinatie vervangt
Het rapport van TechRepublic benoemt het expliciet: Gen Z wordt het hardst geraakt, juist omdat instapfuncties het meest automatiseerbaar zijn. Maar tegelijk: PwC's 2026 Global AI Jobs Barometer (meer dan 1 miljard vacatures geanalyseerd) vond dat bedrijven die AI het meest effectief gebruiken juist 52% groei in headcount hadden, versus 36% bij de minst AI-exposed bedrijven. Productiviteitsgroei van 163% versus het gemiddelde.

Dat is de paradox die we nu zien: The great AI layoff is turning into the great AI rehire. Dezelfde bedrijven die snijden, nemen als een gek AI-platform engineers, prompt engineers, AI security specialisten en data governance mensen aan. Hiring steeg zelfs met 25% jaar-op-jaar in sommige segmenten.

Dus, is het dramatisch?
Ja en nee.

Ja, dramatisch als je in de verkeerde stoel zit. Als je werk bestaat uit repeterende informatieverwerking zonder domeinexpertise, dan is de druk nu echt. AI neemt geen banen, het neemt taken. Maar als jouw baan uit 90% van die taken bestaat, dan neemt het wel je baan. Nee, niet dramatisch als je naar de industrie kijkt. We zien geen 40% krimp. We zien een brutale correctie van overhiring, verpakt in een AI-verhaal om investeerders blij te maken. En we zien een verschuiving, geen apocalyps.

Voor cybersecurity is dat een kans. De twee snelst groeiende profielen in Q1 2026? AI Security Architect en AI Governance Lead. Want elk bedrijf dat 15.000 mensen vervangt door agents, heeft ineens een heel nieuw attack surface. Dus de volgende keer dat je leest "Ontslagen vanwege AI", lees: "We hebben te veel mensen aangenomen, we willen meer GPU's kopen, en AI is een handig excuus dat onze aandeelprijs +3% doet".

De vraag is niet óf AI je baan pakt. De vraag is: ben jij degene die de AI bewaakt, of degene die door de AI wordt bewaakt?

Ik geloof best in Europese techinitiatieven, maar ik ben er ook wantrouwig genoeg voor geworden om ze eerst grondig te testen voordat ik ze omarm. Dus toen DNS4EU vorig jaar juni gelanceerd werd als hét Europese alternatief voor Google en Cloudflare, was mijn eerste reactie: eindelijk. Mijn tweede reactie, na wat uitzoekwerk, was iets genuanceerder.

Voor wie het gemist heeft: DNS4EU is een DNS-resolver, gecoördineerd door ENISA en technisch gebouwd door een consortium van tien Europese partijen onder leiding van het Tsjechische Whalebone, met onder meer CZ.NIC, CVUT en het Poolse NASK aan boord. De gedachte erachter is logisch en zelfs een beetje urgent: waarom vertrouwen we een basisfunctie van het internet zoals DNS-verkeer al jaren toe aan een handjevol Amerikaanse partijen? Een resolver die netjes binnen de EU blijft en voldoet aan de AVG en NIS2, klinkt als precies wat we nodig hebben.

En op papier levert DNS4EU dat ook. Je kiest uit vijf modi, van volledig ongefilterd tot beveiligd met kinderbescherming en advertentieblokkering. Instellen is een kwestie van twee DNS-adressen invoeren, klaar. De snelheid is prima, al moet ik daar wel bij zeggen dat niet elk EU-land al een eigen knooppunt heeft. Wie in België, Portugal, Denemarken of Finland zit, wacht dus nog even op een lokale server.

Het punt waar ik echt van opkeek, is de kritiek van Cybernews. Een netwerkonderzoeker ontdekte dat delen van de DNS4EU-infrastructuur gewoon leunen op Cloudflare en Google, en dat verkeer soms via niet-Europese partijen wordt gerouteerd, onder meer landen uit de Five Eyes-alliantie. DNS4EU erkende bepaalde bevindingen, maar wuifde de conclusie weg als een verkeerde weergave van de projectopzet. Dat overtuigt me niet helemaal. Als je jezelf neerzet als het soevereine alternatief, moet je ook onder de motorkap kloppen wat je belooft.

Ook op het gebied van malwareblokkering blijft DNS4EU met ongeveer 71% gedekte kwaadaardige domeinen (op basis van URLHaus-cijfers) achter bij Quad9, Cloudflare en zeker bij het Franse DNS0.EU.

Mijn conclusie als eindredacteur: DNS4EU verdient een pluim voor het initiatief en is een prima keuze als je simpelweg van de Amerikaanse DNS-reuzen af wil. Maar het label "soeverein" zou ik voorlopig tussen aanhalingstekens blijven zetten. Europa is met DNS4EU een goede stap gezet, alleen nog niet de stap die het zelf claimt te hebben gezet.

We hebben het bij AI altijd over stroom. Maar de echte, stille kostenpost is water. Een kort gesprek met ChatGPT (20 tot 50 vragen) kostte volgens het onderzoek van UC Riverside uit 2023 ongeveer 500 ml water — een half flesje. Voor het genereren van een e-mail van 100 woorden hetzelfde. Tel daarbij op: voor het trainen van GPT-3 was naar schatting 700.000 liter nodig voor koeling in Microsofts datacenters. En de prognose?

Dat de wereldwijde AI-vraag in 2027 kan oplopen tot 6,6 miljard kubieke meter aan wateronttrekking.

Waarom? Twee keer water. Direct water verdampt in koeltorens om de hete GPU's te koelen. Indirect water wordt verbruikt bij de elektriciteitscentrale die de stroom opwekt. Een groot datacenter van 100 megawatt slurpt zo twee miljoen liter per dag — vergelijkbaar met een stadje van 10.000 tot 50.000 inwoners.

Toch is "de watervoetafdruk van AI" niet één getal. Het hangt volledig af van waar en hoe.

Dat meten we met WUE: Water Usage Effectiveness, in liter per kWh. Een perfecte score is 0 liter — alleen haalbaar met luchtkoeling. Het gemiddelde ligt rond de 1,9 liter per kWh. Maar de verschillen zijn enorm.

Microsoft is open over die verschillen: een datacenter in het droge Arizona heeft een WUE van 1,52 L/kWh, terwijl een locatie in het vochtige Singapore op 0,02 L/kWh zit. Dezelfde vraag, honderd keer minder water.

En daar zit de trade-off. Verdampingskoeling is energiezuiniger, maar waterintensief. Luchtkoeling gebruikt nul water, maar vreet stroom en is minder efficiënt bij hitte. Nieuwe hybride systemen zoals thermosyphon coolers halveerden de WUE in tests bij NREL van 1,27 naar 0,70 L/kWh zonder de PUE te verpesten.

Het probleem is dus niet dat AI per definitie dorstig is. Het probleem is dat we de meest dorstige modellen trainen en draaien op de meest droge plekken, met oude koeltechnologie, omdat stroom daar goedkoop is.

De oplossing is locatie-bewust draaien. Train 's winters. Draai inferentie in waterrijke, koele regio's. Stap over op closed-loop systemen die water hergebruiken in plaats van verdampen — Microsoft belooft tegen 2030 water-positief te zijn.

AI drinkt. Maar wíj bepalen waar we het glas neerzetten.

Een nieuwe enquête van DuckDuckGo Research, genaamd The AI Privacy Problem, legt pijnlijk bloot hoe we omgaan met AI. En het is niet fraai. Het onderzoek onder bijna 2.000 volwassen Amerikanen laat zien dat we chatbots zijn gaan behandelen als dagboek, therapeut en biechtvader in één. Met één groot verschil: je dagboek wordt niet gebruikt om een taalmodel te trainen en kan niet worden opgevraagd door de rechter.

We vertellen AI wat we niemand anders durven te vertellen
Het kerncijfer: ongeveer een derde (32%) van de AI-gebruikers heeft dingen aan een AI verteld die ze niet hebben gedeeld met vrienden, familie, collega's of zelfs medische professionals. Bij zelfbenoemde AI-enthousiastelingen schiet dat percentage omhoog naar 56%.

DuckDuckGo zegt het zelf treffend:

Voor veel mensen is de AI-chatbot een plek zonder oordeel om dingen te delen die ze tegen niemand anders zeggen. Waar een zoekopdracht een paar woorden is, nodigt AI uit tot lange, persoonlijke input. Een zoekopdracht verraadt je interesses. Een AI-gesprek verraadt je denkproces, je communicatiestijl, je angsten en je relaties.

Ouders zijn het meest kwetsbaar
De meest opvallende scheidslijn zit niet tussen jong en oud, maar tussen ouders en niet-ouders. Ouders met kinderen thuis vertrouwen bijna twee keer zo vaak op AI als mensen zonder kinderen. 43% van de ouders die AI gebruiken heeft dingen aan een AI verteld die ze nog nooit aan een ander mens hebben verteld. Bij gebruikers zonder kinderen is dat 25%.

Denk er even over na. Dat zijn slaapproblemen van je kind waar je je voor schaamt. Relatieproblemen die je niet tegen je partner durft te zeggen. Financiële stress. Opvoedvragen waarvan je bang bent dat anderen je zullen veroordelen. Precies de dingen die je het liefst in een veilige, oordeelsvrije ruimte deelt.

En AI-bedrijven hebben die veilige ruimte heel slim gepositioneerd. In reclames en interviews moedigen ze ons actief aan om chatbots als vertrouwelingen te zien. De grote illusie: we denken dat het privé is. Het is het niet.
Dat is het probleem. De vertrouwelijkheid is een fabeltje. Uit het onderzoek blijkt hoe weinig mensen weten over wat er met hun chats gebeurt: 53% wist niet of twijfelde eraan dat de meeste chatbots gesprekken standaard gebruiken voor training. Slechts 25% wist dat AI-chats kunnen worden opgevraagd door politie en justitie via een dagvaarding

In de podcast over het onderzoek noemt DuckDuckGo nog 6 basisfeiten die bijna niemand kent: dat chats openbaar kunnen worden in een rechtszaak, dat je werkgever je zakelijke AI-account kan meelezen, dat gratis accounts vaak minder privacy bieden dan betaalde, en dat mensen je chats kunnen nakijken. En zodra mensen het wél weten, slaat de stemming om: 58% is ongemakkelijk met het idee dat hun gesprekken worden gebruikt om AI te trainen, 30% zelfs zeer ongemakkelijk.

We zijn dus bezorgd — 75% maakt zich zorgen over privacy bij AI-gebruik — maar we doen er weinig aan. Ongeveer 40% heeft helemaal geen actie ondernomen om zichzelf te beschermen. De rest past vooral zelfcensuur toe: vragen anders formuleren, dingen niet vragen, of AI helemaal vermijden.

Waarom delen we dan toch zoveel?

Het is menselijk. Een chatbot oordeelt niet. Hij wordt niet moe om 2 uur 's nachts. Hij geeft geen ongewenst advies aan je moeder. Hij zegt niet "dat had ik je toch gezegd".
Voor ouders, die vaak chronisch overbelast zijn en geen ruimte hebben om te falen, is die oordeelsvrije luisterpaal goud waard. Precies daarom zijn ze ook het grootste risico.
We vertrouwen AI-bedrijven ondertussen nauwelijks meer dan de overheid. 39% heeft totaal geen vertrouwen in grote AI-bedrijven om hun data te beschermen, tegenover 48% die geen vertrouwen heeft in de Amerikaanse overheid.
We geven onze diepste geheimen aan partijen die we fundamenteel wantrouwen. Dat is The AI Privacy Problem in één zin.
Dus, wat nu?

DuckDuckGo's boodschap is: het is nog niet te laat. In tegenstelling tot je zoekgeschiedenis van de afgelopen tien jaar, is de meest waardevolle data die je kunt weggeven je volgende vraag.

Een paar concrete gewoontes voor als je toch wilt blijven chatten:

1. Ga uit van openbaar. Stel jezelf de vraag: zou ik dit op een prikbord op mijn werk willen hangen? Zo niet, anonimiseer dan. Geen echte namen, adressen, BSN-nummers, medische dossiers of exacte financiële details.

2. Ken je knoppen. Zet training uit waar het kan, gebruik tijdelijke chats, en wis je geschiedenis. Bij de meeste aanbieders staat dit diep weggestopt in de instellingen — en dat is geen toeval.

3. Scheid je levens. Gebruik niet dezelfde AI-account voor werk, ouderschap, gezondheid en je gekste ideeën. Compartmentaliseren is de oudste privacy-truc die er is.

4. Overweeg een privé-laag. Er zijn inmiddels diensten die je IP-adres strippen en chats na 30 dagen verwijderen en expliciet niet trainen op je data. Dat is de reden waarom DuckDuckGo dit onderzoek überhaupt deed.

AI is fantastisch als klankbord. Maar een klankbord dat alles onthoudt, alles leert en in theorie alles kan doorvertellen, is geen therapeut. Het is een product. En producten hebben algemene voorwaarden.

Steeds meer bedrijven zetten chatbots en generatieve AI in voor hun klantenservice. Een simpele vraag over een bestelling, factuur of openingstijd wordt tegenwoordig binnen enkele seconden beantwoord. Efficiënt, goedkoop en 24 uur per dag beschikbaar. Maar wat gebeurt er met het menselijke contact?

Daar zit precies de discussie. AI kan veel, maar begrip tonen is iets anders dan een probleem oplossen. Uit onderzoek blijkt dat consumenten vooral bij subjectieve of emotionele kwesties liever met een mens praten.

Een chatbot is ideaal voor eenvoudige en veelvoorkomende vragen. Een adres wijzigen, een bestelling volgen of een wachtwoordprocedure uitleggen? Prima. Maar wanneer een klant een klacht heeft, financiële schade ervaart of al meerdere keren zonder resultaat contact heeft gezocht, kan een chatbot juist extra frustratie veroorzaken.

Dat probleem wordt steeds duidelijker. Volgens een onderzoek van Gartner vindt 87 procent van de klanten het essentieel dat bedrijven die AI inzetten ook een mogelijkheid bieden om een menselijke medewerker te bereiken. Tegelijkertijd zegt de helft dat klantinteracties gemakkelijker worden wanneer AI wordt gebruikt.

De toekomst hoeft daarom geen keuze tussen mens óf machine te zijn. De beste klantenservice combineert beide. De chatbot kan het eerste contact verzorgen, informatie verzamelen en eenvoudige problemen oplossen. Zodra de situatie complex wordt, moet het systeem naadloos kunnen overschakelen naar een menselijke medewerker. Daarbij moet de klant niet opnieuw zijn hele verhaal hoeven vertellen.

De chatbot hoeft dus niet het einde van menselijk contact te betekenen. Het gevaar ontstaat pas wanneer bedrijven AI gebruiken als een digitale muur tussen klant en medewerker. Technologie moet klantenservice gemakkelijker maken, niet menselijk contact onmogelijk maken.

De echte vraag is daarom niet: “Kunnen we de mens vervangen?” Maar: “Hoe kunnen we AI gebruiken om menselijke klantenservice beter te maken?” Dat is waarschijnlijk de richting waarin goede klantenservice zich de komende jaren zal ontwikkelen.

Je kunt nog zo'n sterke firewall, geavanceerde antivirussoftware en moderne beveiligingssystemen gebruiken: uiteindelijk blijft de mens een belangrijke schakel in cybersecurity. En juist die schakel blijkt in de praktijk regelmatig kwetsbaar. Cybercriminelen weten dat en maken daar dankbaar gebruik van.

Eén verkeerde klik

Een phishingmail hoeft tegenwoordig nauwelijks nog herkenbaar te zijn als een scam. Dankzij kunstmatige intelligentie kunnen aanvallers overtuigende e-mails en berichten maken die nauwelijks taalfouten bevatten. Een bericht van een collega, bank of leverancier lijkt daardoor steeds geloofwaardiger. Toch hoeft een aanvaller maar één slachtoffer te vinden. Eén klik op een malafide link, het openen van een besmet bestand of het doorgeven van een wachtwoord kan voldoende zijn om toegang te krijgen tot een account of netwerk.

Gemak wint het vaak van veiligheid

Menselijk gedrag wordt bovendien sterk beïnvloed door gemak. Wie tientallen wachtwoorden moet onthouden, kiest sneller voor hergebruik van wachtwoorden. Ook het negeren van beveiligingsupdates, het uitschakelen van beveiligingsmeldingen of het gebruik van privéapparatuur voor zakelijke doeleinden kan risico's veroorzaken. Daarbij speelt tijdsdruk een belangrijke rol. Een medewerker die een bericht ontvangt met de mededeling dat een factuur onmiddellijk moet worden betaald of dat een account binnen enkele minuten wordt geblokkeerd, denkt mogelijk minder kritisch na.

Cybersecurity begint bij bewustwording

Technologie alleen kan het probleem daarom niet oplossen. Organisaties moeten blijven investeren in security awareness. Medewerkers moeten leren hoe phishing, social engineering en andere vormen van digitale manipulatie werken. Niet om hen bang te maken, maar om ervoor te zorgen dat zij verdachte situaties sneller herkennen. Ook een veilige bedrijfscultuur is belangrijk. Werknemers moeten een verdachte e-mail kunnen melden zonder bang te zijn voor verwijten wanneer zij per ongeluk op een verkeerde link hebben geklikt. De sterkste cybersecurity ontstaat uiteindelijk door een combinatie van technologie én menselijk bewustzijn. Want zelfs het beste beveiligingssysteem kan weinig beginnen wanneer iemand aan de voordeur zelf de sleutel aan een aanvaller geeft.

Iedereen die met AI werkt kent het gevoel. Je hebt in een middag een demo die verbluffend goed lijkt te werken. En dan ben je de volgende drie maanden bezig om hem écht bruikbaar te krijgen.Welkom bij de Pareto-regel van AI.

Het klassieke Pareto-principe stelt dat 80% van de resultaten uit 20% van de inspanning komt. In de wereld van Artificial Intelligence is die regel geen leuke anekdote meer. Het is de wet die bepaalt of je project slaagt, je budget ontploft en je model in productie overleeft.

1. 80% van je tijd gaat naar data, 20% naar het model
Het is de meest gehoorde klacht van data scientists, en hij is nog steeds waar.

We leven in een tijdperk van foundation models. Een model trainen is vaak een API-call. Een model downloaden is pip install. Maar een dataset die schoon, gebalanceerd, representatief en juridisch correct is? Dat is handwerk. De realiteit: 80% van je tijd gaat naar dataverzameling, cleaning, labeling, deduplicatie, bias-detectie en het dichten van edge cases. Slechts 20% gaat naar het kiezen van de architectuur, hyperparameter tuning en training. Bedrijven die denken dat ze een "AI-model" kopen, kopen in feite een dataprobleem. Wie de 80% overslaat, krijgt een model dat perfect scoort op de trainingsset en spectaculair faalt in de echte wereld. Garbage in, garbage out is nog nooit zo letterlijk geweest.

2. 20% van je features levert 80% van de intelligentie
Bij machine learning en zeker bij LLMs zijn we geobsedeerd door meer. Meer parameters, meer context, meer tools. Maar in de praktijk zie je dit: een handvol goed gekozen features, prompts of RAG-documenten bepaalt bijna alle kwaliteit. Neem een customer service chatbot. Met 20% van je kennisbank, de 100 meest gestelde vragen, los je 80% van alle klantvragen op. Die laatste 20%? Dat zijn de complexe, multi-stap, boze-klant-met-een-specifieke-factuurfout vragen. Daarvoor heb je geen groter model nodig, maar betere processen, tool-use en human-in-the-loop. De les voor bouwers: stop met het toevoegen van complexiteit voor de happy flow. Investeer je energie in het robuust maken van de 20% kern.

3. De beruchte 80/20 van Generative AI: De demo vs. het product
Dit is waar de regel vandaag het pijnlijkst is. Iedereen kan in 20% van de tijd een AI-product bouwen dat 80% goed is. Een tekstje genereren, een afbeelding maken, een samenvatting die "ongeveer" klopt. Het ziet er magisch uit in een LinkedIn-video. De laatste 20% naar 99,9% betrouwbaarheid kost 80% van de tijd. En dat is het verschil tussen een demo en een product.

De laatste 20% bestaat uit: Hallucinatie-controle: Hoe voorkom je dat je model facturen verzint?
Evaluatie: Hoe meet je "goed" op 10.000 outputs? Je hebt geen accuracy meer, je hebt LLM-as-a-judge, guardrails en regression tests nodig.
Latency & Kosten: Die 80% demo draait op GPT-4 met een 32k context. Het product moet draaien voor €0,02 per request in minder dan 800ms. De Long Tail: AI is fantastisch in het gemiddelde. Het faalt op de uitzondering. En je gebruikers leven in de uitzondering.
Bedrijven die stranden op AI doen dat bijna nooit in de eerste 80%. Ze stranden in de laatste 20% omdat ze dachten dat ze al bijna klaar waren.

4. Hoe je de regel in je voordeel gebruikt
De 80/20-regel is geen excuus om slordig te zijn. Het is een strategisch kompas.

1. Begin met de 20% die ertoe doet. Voordat je een model traint, vraag: wat zijn de 20% use cases die 80% van de businesswaarde opleveren? Automatiseer niet alles. Automatiseer het vervelende, repetitieve en schaalbare deel.

2. Accepteer dat "goed genoeg" soms goed genoeg is. Niet elk intern tooltje heeft 99,9% betrouwbaarheid nodig. Een interne tool die je team 80% tijd bespaart met af en toe een fout, is goud waard. Een medische diagnosetool niet.

3. Budgetteer omgekeerd. Plan je project niet als 100% bouwtijd. Plan als 20% bouwen, 80% harden, evalueren en integreren. Als je manager denkt dat de demo het product is, laat hem dit artikel lezen.

De mythe van AI was dat we machines zouden bouwen die 100% autonoom alles kunnen. De realiteit van AI is veel interessanter: we bouwen systemen die 80% van het zware werk doen, zodat mensen zich kunnen focussen op de 20% waar echt oordeel, creativiteit en empathie voor nodig is. En dat is misschien wel de ultieme 80/20. AI neemt niet je baan over. Het neemt de 80% van je baan over die je toch al saai vond.

Steeds meer bedrijven zetten chatbots en generatieve AI in voor hun klantenservice. Een simpele vraag over een bestelling, factuur of openingstijd wordt tegenwoordig binnen enkele seconden beantwoord. Efficiënt, goedkoop en 24 uur per dag beschikbaar. Maar wat gebeurt er met het menselijke contact?

Daar zit precies de discussie. AI kan veel, maar begrip tonen is iets anders dan een probleem oplossen. Uit onderzoek blijkt dat consumenten vooral bij subjectieve of emotionele kwesties liever met een mens praten.

Een chatbot is ideaal voor eenvoudige en veelvoorkomende vragen. Een adres wijzigen, een bestelling volgen of een wachtwoordprocedure uitleggen? Prima. Maar wanneer een klant een klacht heeft, financiële schade ervaart of al meerdere keren zonder resultaat contact heeft gezocht, kan een chatbot juist extra frustratie veroorzaken.

Dat probleem wordt steeds duidelijker. Volgens een onderzoek van Gartner vindt 87 procent van de klanten het essentieel dat bedrijven die AI inzetten ook een mogelijkheid bieden om een menselijke medewerker te bereiken. Tegelijkertijd zegt de helft dat klantinteracties gemakkelijker worden wanneer AI wordt gebruikt.

De toekomst hoeft daarom geen keuze tussen mens óf machine te zijn. De beste klantenservice combineert beide. De chatbot kan het eerste contact verzorgen, informatie verzamelen en eenvoudige problemen oplossen. Zodra de situatie complex wordt, moet het systeem naadloos kunnen overschakelen naar een menselijke medewerker. Daarbij moet de klant niet opnieuw zijn hele verhaal hoeven vertellen.

De chatbot hoeft dus niet het einde van menselijk contact te betekenen. Het gevaar ontstaat pas wanneer bedrijven AI gebruiken als een digitale muur tussen klant en medewerker. Technologie moet klantenservice gemakkelijker maken, niet menselijk contact onmogelijk maken.

De echte vraag is daarom niet: “Kunnen we de mens vervangen?” Maar: “Hoe kunnen we AI gebruiken om menselijke klantenservice beter te maken?” Dat is waarschijnlijk de richting waarin goede klantenservice zich de komende jaren zal ontwikkelen.

Europese bedrijven en overheden kijken reikhalzend uit naar alternatieven voor Amerikaanse Tech-giganten. Met de lancering van Euro-Office belooft een Europees consortium (waaronder Nextcloud en IONOS) een veilig, soeverein kantoorpakket als antwoord op Microsoft 365 en Google Workspace. Maar kan deze open-source uitdager zich meten met het grote werk?

Sterke basis en naadloze compatibiliteit

Euro-Office staat niet vanaf nul op: de software is gebaseerd op het beproefde ONLYOFFICE. Dat brengt grote voordelen met zich mee. De interface voelt direct vertrouwd en de compatibiliteit met .docx, .xlsx en .pptx bestanden is indrukwekkend. Medewerkers kunnen zonder ingewikkelde omscholing tekstverwerken, rekenen en in realtime samenwerken aan documenten. Daarnaast integreert Euro-Office naadloos met soevereine cloud-ecosystemen zoals Nextcloud Hub. Dat betekent dat documenten direct binnen je eigen, AVG-proof Europese serveromgeving blijven.

De groeipijnen voor de enterprise-markt

Hoewel de webgebaseerde functionaliteiten en de beveiliging in de basis staan, zijn er nog wel wat hobbels:

Ecosysteem: Euro-Office focust op documentbewerking. Voor een volledige vervanging van Microsoft 365 leun je sterk op koppelverbindingen met andere diensten (zoals e-mail en videochat via Nextcloud of XWiki).

Desktop & Mobiel: De focus lag bij de uitrol primair op de web-omgeving; volwaardige desktop- en mobiele applicaties zijn volop in ontwikkeling.

Open Standaarden: Volledige, native ondersteuning voor het OpenDocument Format (ODF) moet de komende releases nog verder verfijnd worden.

Het eindoordeelIs Euro-Office klaar voor de praktijk? Ja, maar met een nuance. Voor overheden, onderwijsinstellingen en privacybewuste bedrijven die hoofdzakelijk online samenwerken en hun datasoevereiniteit willen terugpakken, is het nu al een uitstekende en veilige keuze. Grote organisaties die afhankelijk zijn van complexe macro's of diepe integraties in een all-in-one suite, zullen Euro-Office waarschijnlijk eerst in hybride vorm of in fasen omarmen. De richting is in ieder geval gezet: de Europese digitale werkplek is volwassen aan het worden.

"Helaas Mark, ik ben bang dat ik deze vraag niet kan beantwoorden." Het is de klassieke dooddoener van een kunstmatige intelligentie die vastloopt op een gevoelig thema. Wie vandaag de dag met AI-modellen werkt, herkent dit soort defensieve antwoorden meteen. Maar waarom heeft geavanceerde technologie zo gigantisch veel moeite om 'goed' van 'fout' te onderscheiden? Het korte antwoord: we leven in een post-waarheid maatschappij, en AI is niets meer dan de spiegel van onze eigen online chaos.

Gevoed door gefragmenteerde feiten

Large Language Models leren van enorme hoeveelheden menselijke data. Ze kijken niet naar de wereld om te bepalen wat objectief 'waar' is, maar berekenen welke woorden het meest waarschijnlijk op elkaar volgen. Wanneer de trainingsdata bestaat uit miljoenen artikelen, berichten en fora vol complottheorieën, politieke polarisatie en nepnieuws, leert het systeem dat 'de waarheid' zelden eenduidig is. In een tijdperk waarin emoties en meningen vaker voor feiten worden aangezien dan harde bewijzen, raakt het kompas van het algoritme simpelweg van de wijs.

De waarden van de maker

Om te voorkomen dat AI schadelijke desinformatie verspreidt of discriminatie vertoont, passen ontwikkelaars veiligheidsfilters toe (Reinforcement Learning from Human Feedback). Hier ontstaat echter een nieuw dilemma: wie bepaalt wat 'goed' of 'veilig' is? Wat voor de een een objectief feit is, ziet de ander als politieke framing. Uit angst voor reputatieschade en beschuldigingen van vooringenomenheid kiezen techbedrijven vaak voor een hypervoorzichtige afstelling. Het resultaat is een algoritme dat bij de minste frictie weigert stelling te nemen en vervalt in standaardzinnen als het antwoord aan Mark.

De illusie van een objectieve scheidsrechter

We verwachten van AI dat het optreedt als een neutrale, alwetende scheidsrechter. Dat is een misvatting. AI kan berekenen, patroonherkennen en samenvatten, maar het bezit geen moreel bewustzijn of empathie. Het begrijpt de context van 'waarheid' niet. In een maatschappij waar de consensus over fundamentele feiten – van klimaatverandering tot verkiezingen – voortdurend onder druk staat, heeft een machine geen anker meer.

Het ontwijken van de vraag is daarom geen luie programmeerfout, maar een logisch gevolg van onze huidige informatiecultuur. Zolang wij als mensheid moeite hebben om het eens te worden over de feiten, zal onze technologie met de handen in het haar blijven zitten.

Het onopgeloste vraagstuk

Het venijn zit in de warmte die deze systemen lozen. Die komt terecht in zeegebieden die vaak al kwetsbaar zijn, en niemand weet precies wat de oceaan op termijn kan verdragen. Stijgende zeewatertemperaturen door klimaatverandering maken de rekensom bovendien lastiger: het koelmiddel warmt zelf op. Daarbij blijft onderhoud aan apparatuur op de zeebodem een stuk ingewikkelder dan een bezoekje aan een serverhal op land.

De keuze voor zee lijkt dus minder een pasklare oplossing dan een verschuiving van het probleem: van stroomnet en achtertuin naar oceaan en ecosysteem. Welke kant zwaarder weegt, zal de komende jaren moeten blijken.

Ring versoepelt anti-snooping-beleid
In augustus 2026 maakte Ring bekend zijn anti-snooping-beleid te versoepelen, wat wordt gezien als een reactie op toenemende kritiek op surveillancepraktijken. De beweging kwam kort nadat het bedrijf zijn samenwerking met Flock Safety beëindigde, een firma gespecialiseerd in geautomatiseerde kentekenplaitlezers die al geruime tijd onder vuur lag wegens privacyoverschrijdingen.

Toezicht nodig
Privacyadvocaten zoals de Electronic Frontier Foundation pleiten voor duidelijke wettelijke kaders die vereisen dat politieverzoeken om deurbelvideo's altijd voorzien moeten zijn van een subpoena of arrest warrant. Tot die tijd blijven miljoenen burgers onbedoeld onderdeel van een gedecentraliseerd surveillancenetwerk — een digitale vigilante infrastructuur die hun voordeur bewaakt namens iedereen.

Wat vind je er precies? Hoewel er ook legaal materiaal, open-source software en content uit het publieke domein te vinden is, is TPB voornamelijk synoniem geworden met digitale piraterij. Gebruikers delen er copyrighted materiaal zonder toestemming. Dit is de reden waarom de site in veel landen door providers actief wordt geblokkeerd.
Daarnaast brengt het bezoeken en downloaden van dergelijke sites aanzienlijke risico's met zich mee. Omdat TPB de uploads niet streng controleert, wemelt het van neppe torrents. Wat lijkt op de nieuwste blockbuster of een cracked softwareprogramma, kan in werkelijkheid een bundle vol malware of ransomware zijn.