AI Radar week 26: Voorbij de chatbot, voorbij de hype

Wekelijkse AI-update voor KMO-ondernemers, door Xavier Coninckx — Velynt.ai

Deze week draait het niet om wie de slimste chatbot heeft, maar om wie de controle houdt over wat AI eigenlijk doet — in de wetenschap, in onze hoofden en op de werkvloer. U leest hoe Anthropic tegelijk wint en verliest, waarom de echte AI-doorbraken er saai uitzien, en waarom uw planning-fase voortaan de AI-fase is.

⚡️ Anthropic onder druk

Bron: The AI Report (theaireport.ai)

Anthropic staat tegelijk aan de top van de capaciteitscurve en onder politieke druk. Aan de productkant claimt het bedrijf dat Claude robotica-taken tot 20 keer sneller laat verlopen — een versnelling die niet voortkomt uit specifieke robotica-training, maar uit algemene modelschaal. Dat maakt fysieke, agentische AI sneller realistisch dan verwacht voor enterprise-toepassingen.

Tegelijk grijpt de Amerikaanse overheid in: federale beperkingen verkleinen Anthropics operationele ruimte, met nationale veiligheid als motivatie. Dat plaatst het bedrijf — dat zichzelf positioneert als het "veilige" AI-lab — middenin een geopolitieke veiligheidscascade rond chipexport, toegang tot frontier-modellen en cyber/bioterrorisme-risico's, een discussie die ook op G7-niveau speelt.

Parallel verschuift kapitaal richting inference- en compute-orchestratie als volgende margeslag. Wie betrouwbaar kan blijven leveren, wordt minstens zo belangrijk als wie het beste model heeft. Als Anthropics beschikbaarheid wankelt, kunnen enterprises tijdelijk uitwijken naar alternatieve providers of orchestratieplatforms die toegang en compliance beter afdekken.

De conclusie: de "model war" verschuift naar een "access & compliance war", waarin tempo niet alleen door engineering wordt bepaald, maar ook door beleid.

Mijn inbreng:
Stel u een leverancier voor die het beste product op de markt heeft, maar van wie u nooit zeker weet of hij morgen nog mag leveren. Dat is precies waar Anthropic nu staat. Even serieus: voor wie als KMO met AI werkt, is dit een wake-up call die verder gaat dan "welk model is het beste". Bouw geen strategie op één leverancier. Denk aan een fallback-provider, een compliance-route per use-case (waar staan uw data, onder welk export- of contractregime vallen ze), en een check op het moment dat een leverancier zijn voorwaarden wijzigt — zodat uw operatie niet stilvalt zodra de politiek beslist.

Heeft u vandaag al een plan B als uw AI-leverancier morgen de toegang beperkt?

🧠 AI's grootste overwinningen zijn geen chatbots

Bron: AI For Leaders

Terwijl de publieke discussie zich vastbijt in chatbots, zitten de grootste doorbraken elders — in wetenschap en publieke veiligheid, waar resultaten nu in minuten ontstaan in plaats van jaren. Drie voorbeelden onderbouwen dit. Eiwitstructuurvoorspelling leverde decennialang slechts circa 200.000 structuren op, tegen maanden werk en honderdduizenden dollars per structuur. AlphaFold van DeepMind voorspelde er meer dan 200 miljoen — bijna het volledige wetenschappelijke catalogus — in minuten, vrij beschikbaar voor onderzoekers in 190 landen.

In medische beeldvorming toonde een Zweedse trial met meer dan 105.000 vrouwen dat AI-triage naast radiologen 29% meer kankers detecteerde zonder meer foutpositieven — een combinatie die normaal vrijwel onmogelijk is. De winst zat vooral in kleinere, nog niet uitgezaaide tumoren, met direct gevolg voor minder zware behandeltrajecten.

Bij weersvoorspelling genereert GraphCast een 10-daagse wereldwijde voorspelling in minder dan een minuut, tegen uren supercomputertijd voor klassieke modellen — met een nauwkeurigheid die op meer dan 90% van de gemeten variabelen beter scoort dan de gouden standaard. De code is open source en wordt al operationeel gebruikt door weerinstanties.

De rode draad: AI grijpt de trage, dure stappen in wetenschap en veiligheid aan, niet het gesprek.

Mijn inbreng:
Niemand maakt een LinkedIn-post over "mijn AI heeft in een minuut een eiwitstructuur voorspeld" — maar dat is precies waarom dit zo belangrijk is. Even serieus: als KMO-ondernemer kijkt u waarschijnlijk vooral naar de chatbot-laag van AI, omdat die het zichtbaarst is. Maar de eigenlijke waarde zit in de trage, dure stap in úw proces — het stuk waar u nu nog wacht op een rapport, een goedkeuring of een analyse. Dat is waar AI het grootste rendement geeft, niet in een leuker gesprek met een bot.

Welke stap in uw eigen proces kost vandaag de meeste tijd en het minste denkwerk — en zou die als eerste in aanmerking komen voor AI?

🧠 Amerikanen besteden 2x meer tijd aan AI-companions dan aan dating-apps

Bron: AI For Leaders, cijfers via Sensor Tower ("State of AI 2026")

Volgens Sensor Tower besteden Amerikanen nu meer dan twee keer zoveel tijd aan AI-companion-apps als aan dating-apps. Wereldwijd groeide de tijd op GenAI-apps van 17,2 miljard uur in H1 2025 naar 36 miljard uur in H1 2026. Companion-apps zijn daarbinnen een specifieke categorie: naar binnen gericht, gericht op het gevoel van "aanwezigheid", terwijl dating-apps naar buiten gericht blijven — op een echte ander mens.

De kern van de zorg is de eenzijdigheid van de interactie. Een AI-companion begrijpt niet verkeerd, wordt niet teleurgesteld en verlaat het gesprek niet — net de wrijving die normaal sociale vaardigheid opbouwt. Daardoor kan een companion-app fungeren als emotionele steun zonder de "training" die echte intimiteit vereist, vooral voor mensen die al weinig relationele ervaring hebben of zich eenzaam voelen.

De nieuwsbrief benadrukt dat de emotie voor de gebruiker reëel kan aanvoelen, terwijl de relatie functioneel asymmetrisch blijft — zonder bewustzijn of wederkerigheid aan de andere kant. Dat onderscheid is makkelijk te begrijpen maar moeilijk te voelen, zeker onder emotionele druk.

Mijn inbreng:
Een chatbot die nooit teleurgesteld is, nooit een slechte dag heeft en altijd tijd voor u maakt — op papier de perfecte gesprekspartner. Even serieus: dit is geen ver-van-uw-bed-verhaal voor een KMO. Als u zelf AI-tools inzet die met klanten of medewerkers "praten" — een supportbot, een onboarding-assistent — denk dan vooraf na over de rol die u die tool wil laten spelen. Positioneer hem nooit als vervanging van een mens, en meet niet enkel hoe lang mensen er gebruik van maken, maar ook of het hen écht vooruit helpt.

Stuurt u in uw eigen AI-toepassingen op betrokkenheid, of op een meetbaar, gezond resultaat voor de gebruiker?

📊 Projectplanning is de makkelijkste job om aan AI over te laten

Bron: AI For Leaders

Volgens deze editie is projectplanning de meest haalbare taak om aan AI over te dragen, omdat elk project al een herkenbaar proces volgt. De aanpak start vóór het echte werk: benoem het probleem, bepaal hoeveel tijd het verdient, en kies de aanpak — met AI die actief meedenkt over verschillende oplossingsroutes vóór de uitvoering start.

Daarna volgt een concreet taakmanifest: een lijst van werkstukken die zo specifiek zijn dat ze als prompts leesbaar zijn — direct uitvoerbaar door mens of AI. Vage taken leiden tot een stop-en-herstart-cyclus; scherpe taken laten het proces vlot doorlopen. Vervolgens vraagt men AI expliciet aan te geven welke taken het zelf kan uitvoeren, in plaats van daar zelf naar te raden — wat een aanzienlijk deel van het uitvoerende werk verschuift.

Het grootste voordeel zit in de planningsfase zelf: omdat AI vanaf het begin context heeft over het volledige project, valt herhaald uitleggen per taak weg. Na afronding evalueert men elke AI-taak: is die herhaalbaar? Terugkerende taken worden zo "playbooks" die toekomstige projecten versnellen.

De conclusie: wie AI pas tijdens de uitvoering inzet, mist het grootste rendement — dat zit in de planningsfase.

Mijn inbreng:
Wij plannen vaak liever niet — plannen voelt als tijd verliezen vóór het "echte" werk begint. Even serieus: dat is precies de denkfout die deze editie blootlegt. Begin bij uw volgende project niet met uitvoeren, maar met een AI-gestuurde planningssessie: benoem het probleem, laat AI alternatieve aanpakken voorstellen, en vraag expliciet welke taken AI zelf kan overnemen. Leg dat vast als een herhaalbaar sjabloon voor het volgende, gelijkaardige project — zo bouwt u niet alleen snelheid, maar ook consistente kwaliteit op.

Welk terugkerend type project in uw bedrijf zou als eerste een AI-playbook verdienen?

Jouw eigen inbreng

Deze week tonen vier verhalen vier kanten van dezelfde medaille. Anthropic laat zien dat technologische vooruitgang niets waard is zonder toegang en vertrouwen. De wetenschapsverhalen tonen waar AI écht het verschil maakt — niet in een gesprek, maar in de trage, dure stappen die nu in minuten gebeuren. De companion-apps herinneren ons eraan dat "aanvoelen als echt" niet hetzelfde is als "zijn". En projectplanning laat zien dat de grootste AI-winst niet in de uitvoering zit, maar in de voorbereiding.

De gemeenschappelijke les voor KMO-ondernemers: AI's waarde wordt niet bepaald door hoe indrukwekkend het gesprek aanvoelt, maar door wat er gebeurt vóór en achter dat gesprek — de toegang die u heeft, het proces dat u vooraf bouwt, en het doel waarvoor u de technologie inzet.

Waar in uw eigen organisatie zit AI nog enkel in het gesprek, en nog niet in de voorbereiding of de toegang ervoor?

— AI Radar by Xavier Coninckx | Velynt.ai

📬 Ontvang AI Radar wekelijks in uw inbox via velynt.ai
🔗 Meer over AI-implementatie voor uw KMO: velynt.ai