Sam Altman herziet AI-tijdlijn: niet de technologie, maar de adoptie vormt de bottleneck

Sam Altmans herziening gaat over de timing, niet over het uiteindelijke belang van AI. Na de release van GPT-4 in 2023 verwachtte hij dat softwarebedrijven en de economie veel sneller zouden worden ontwricht. Inmiddels lijkt hij meer nadruk te leggen op het tragere werk dat nodig is om modelcapaciteit om te zetten in betrouwbare toepassingen, organisatorische veranderingen, fysieke infrastructuur en publieke acceptatie. 36

Dat onderscheid is belangrijk. Een model kan technisch indrukwekkend zijn zonder meteen producten te vervangen, bedrijven anders in te richten of de economie ingrijpend te veranderen.

Niet het trainen, maar het uitrollen is de moeilijke stap

De nieuwe diagnose luidt in essentie dat de bottleneck op korte termijn niet alleen ligt bij het bouwen van een krachtiger basismodel. Bedrijven moeten nog altijd bruikbare toepassingen ontwikkelen, die in bestaande werkprocessen integreren, organisaties opnieuw inrichten en klanten en werknemers ervan overtuigen erop te vertrouwen.

Dat helpt verklaren waarom de economie na GPT-4 geen onmiddellijke breuk heeft laten zien zoals sommige voorspellingen suggereerden. De technologie kan snel blijven verbeteren, terwijl de invoering via instellingen, bedrijven en regelgeving veel langzamer verloopt.

Altmans recente observaties over de economie van AI wijzen bovendien in twee richtingen. Hij heeft betoogd dat de intelligentie van een model toeneemt met de middelen die worden ingezet om het te trainen en te laten draaien. Tegelijk daalt de gebruikskosten van een bepaald niveau van AI in de loop der tijd sterk, waardoor uiteindelijk veel breder gebruik mogelijk wordt. 40 Dalende kosten nemen obstakels zoals aanbestedingen, regelgeving, vertrouwen, databeheer en de moeilijkheid om werkprocessen te veranderen echter niet weg.

Waarom Altman over een lager tempo spreekt

In juli zei Altman dat de sector de ontwikkeling van AI mogelijk moet “doseren”, zodat de samenleving tijd krijgt om zich rond nieuwe niveaus van modelcapaciteit te “verharden”. Hij benadrukte ook dat zo’n aanpak niet mag ontaarden in regulatoire machtsgreep of onderlinge afspraken tussen de laboratoria die de meest geavanceerde modellen ontwikkelen. 37

Dat is niet hetzelfde als pleiten voor een permanente stop. Het is vooral een erkenning dat technologische vooruitgang en maatschappelijke aanpassing niet dezelfde klok volgen. Meer dan duizend medewerkers van toonaangevende AI-bedrijven ondertekenden daarnaast een openbare brief waarin zij opriepen tot strengere regelgeving en tijd om veiligheidsmaatregelen en toezicht te ontwikkelen. 38

De praktische consequentie is een trager en omstredener verspreidingsproces: krachtige systemen kunnen beschikbaar komen voordat overheden, bedrijven, scholen en gemeenschappen het eens zijn over de manier waarop ze moeten worden gebruikt.

De twee risico’s achter de waarschuwing voor iets “anti-menselijks”

Altman heeft herhaaldelijk gezegd dat AI-macht niet te sterk geconcentreerd mag raken en dat mensen en hun instellingen controle moeten houden over de toekomst. 44 In die context zijn vooral twee uitkomsten onaanvaardbaar:

1. AI wordt zo krachtig dat mensen er geen betekenisvolle controle meer over hebben.
2. De mogelijkheden en beslissingsmacht van AI komen in handen van te weinig bedrijven of overheden.

Het eerste risico draait om het verlies van controle. Het tweede gaat over controle die wel blijft bestaan, maar bij een kleine groep terechtkomt met een buitenproportionele economische en politieke invloed. Die risico’s kunnen tot verschillende beleidskeuzes leiden: veiligheidsmaatregelen kunnen misbruik beperken, terwijl gecentraliseerde toegang en gesloten systemen de machtsconcentratie juist kunnen vergroten.

Was dit kritiek op Anthropic?

Die lezing moet worden gezien als een interpretatie, niet als een rechtstreeks onderbouwde aanval. Het beschikbare materiaal laat niet zien dat Altman Anthropic expliciet noemde of de veiligheidsgerichte, gecentraliseerde aanpak van het bedrijf “anti-menselijk” noemde.

Er bestaat wel degelijk een beleidsmatige spanning. Een streng gecontroleerde strategie voor frontiermodellen — de meest geavanceerde AI-modellen — kan toezicht en handhaving eenvoudiger maken, maar kan ook meer macht bij een klein aantal laboratoria leggen. Open-weight modellen, waarvan de modelgewichten beschikbaar worden gesteld voor verdere aanpassing, kunnen toegang en maatwerk verbreden, maar brengen extra uitdagingen rond misbruik en verantwoordelijkheid met zich mee. De bronnen ondersteunen het bespreken van die afweging, niet de bewering dat Anthropic het doelwit is of dat zijn filosofie per definitie schadelijk is.

Weerstand tegen datacenters laat de fysieke bottleneck zien

AI-adoptie vraagt om meer dan software. Er zijn datacenters, elektriciteit, netcapaciteit, water, grond, vergunningen en lokale politieke instemming nodig.

Die uitbreiding stuit al op weerstand. Volgens berichtgeving over een peiling van Gallup was 71% van de Amerikaanse volwassenen tegen de bouw van een AI-datacenter in de eigen omgeving. Meer dan een dozijn projecten zou door lokaal verzet zijn tegengehouden of vertraagd. 18 Andere berichtgeving beschreef zorgen over elektriciteits- en waterverbruik, milieueffecten en lokale belastingregelingen. 20

Altman heeft erkend waarom inwoners misschien geen datacenter in de buurt willen en voorgesteld dat afgelegen woestijngebieden geschikter kunnen zijn. 23 Daarmee wordt het centrale punt zichtbaar: AI opschalen is ook een vraagstuk van ruimtelijke ordening en infrastructuur, niet alleen een race om meer GPU’s te bemachtigen.

Dezelfde spanning is zichtbaar bij de steun van OpenAI voor grote infrastructuurprojecten. Tijdens een bezoek aan een datacenterlocatie in Michigan omschreef Altman het gemelde project van 16 miljard dollar als een grote inzet op de toekomst van AI. Lokale zorgen gingen juist over schaarse middelen zoals water en elektriciteit. 2130 De verwachtingen van de sector blijven enorm, maar om die verwachtingen in operationele capaciteit om te zetten moeten gemeenschappen de fysieke kosten accepteren.

NVIDIA’s deal met Poolside wijst op voorbereiding, niet op terugtrekking

De gemelde transactie tussen NVIDIA en Poolside laat zien waarom een langzamere adoptietijdlijn niet moet worden verward met afnemend vertrouwen in AI. NVIDIA zou 6 miljard dollar betalen voor een licentie op Poolside-technologie en daarnaast 1 miljard dollar in de startup investeren. Naar verwachting gaan meer dan honderd medewerkers van Poolside werken aan NVIDIA’s Nemotron-familie van open-weight modellen. 15

De stap suggereert dat NVIDIA naast hardware ook zijn positie in modelontwikkeling en open-weight software wil uitbreiden. Volgens berichtgeving over de deal zijn open-weight modellen eenvoudiger aan te passen en kunnen ze lagere gebruikskosten hebben dan sommige gesloten alternatieven. 5

Die strategie past bij een langere en competitievere uitrolfase. Als bedrijven flexibele modellen nodig hebben die ze op hun eigen infrastructuur kunnen aanpassen, kunnen open-weight systemen een belangrijke rol gaan spelen in zakelijke AI-adoptie. De transactie blijft echter een agressieve investering in AI-capaciteit; ze is geen bewijs dat NVIDIA verwacht dat de vraag instort. 15

De bredere les: AI verspreidt zich waarschijnlijk geleidelijk en onder voorwaarden

Alles bij elkaar wijzen deze ontwikkelingen op een genuanceerder tijdpad voor AI:

• Modelcapaciteit kan sneller vooruitgaan dan zakelijke adoptie. 36
• Toepassingen en een nieuwe inrichting van organisaties bepalen of capaciteit economische impact krijgt. 36
• De uitbreiding van infrastructuur loopt tegen beperkingen aan rond stroom, water, vergunningen en lokale instemming. 182023
• Veiligheid en goed bestuur kunnen tijd vragen omdat instellingen zich moeten aanpassen. 3738
• De sector blijft fors investeren in nieuwe modellen en open-weight alternatieven. 15

De sterkste conclusie is daarom niet dat AI slechts een beperkte economische impact zal hebben, en ook niet dat de sector gezamenlijk heeft besloten de ontwikkeling bewust te vertragen. De bronnen wijzen eerder op een langzamere, ongelijkmatige en kapitaalintensieve verspreiding. AI kan de economie ingrijpend veranderen, maar de route loopt via toepassingen, infrastructuur, regelgeving, institutionele aanpassing en publieke legitimiteit — niet via een onmiddellijke economische omwenteling na GPT-4.