Bijna gratis — en juist daarom gevaarlijk

1.1 OpenAI maakt zijn snelste model 80% goedkoper

Op 30 juli verlaagde OpenAI de prijzen over de hele GPT-5.6-familie. De opvallendste sprong zit bij het lichtste model: tachtig procent eraf.

Luna, het snelste en lichtste model, ging naar twintig dollarcent per miljoen input-tokens — stukjes tekst, ruwweg driekwart woord elk — en één dollar twintig per miljoen output-tokens. Terra ging twintig procent omlaag, naar twee dollar input en twaalf dollar output. De prijs van Sol, het zwaarste model, bleef gelijk, maar er kwam een Fast-modus bij die tot twee-en-een-half keer sneller draait tegen het dubbele tarief, met naar eigen zeggen geen verschil in intelligentie.

De claim die eronder ligt is nog interessanter dan het prijskaartje. OpenAI stelt dat Luna het model Fable 5 van Anthropic verslaat op professioneel werk — gemeten op de benchmark Agents' Last Exam — tegen naar schatting negenennegentig procent lagere kosten per taak. Dat is geen prijsverlaging maar een herdefinitie van wat een taak mag kosten. Neem de claim met een korrel zout: het is een meting van de fabrikant op een benchmark van zijn eigen keuze. Maar zelfs als het half klopt, verschuift de rekensom van wat je nog met de hand laat doen.

Het detail dat het langst blijft hangen zit in de motor. Een deel van de efficiëntiewinst kwam van het model zelf: GPT-5.6 Sol herschreef binnen een door mensen geleid proces de productie-kernels van OpenAI — de laag software die bepaalt hoe efficiënt berekeningen op de GPU's draaien — en ontwierp en draaide honderden experimenten om de tokengeneratie te verbeteren. Resultaat: twintig procent lagere serving-kosten en ruim vijftien procent hogere efficiëntie.

Zet dat naast elkaar: het model verlaagt de kosten van het draaien van het model. Dat is een lus die zichzelf versterkt, en hij verklaart waarom prijsdalingen in deze markt niet netjes lineair verlopen maar in sprongen komen.

BronnenOpenAI — advancing the price-performance frontier

1.2 DeepSeek: frontier-agentwerk voor 28 cent

Op 31 juli bracht DeepSeek een nieuwe versie van V4-Flash uit. De aanpak is het vermelden waard: ze hebben het model niet groter gemaakt, ze hebben het opnieuw getraind.

De prijzen bleven ongewijzigd — veertien dollarcent per miljoen input-tokens, achtentwintig cent per miljoen output. Gecachede input kost achtentwintig tienduizendste dollarcent, dus praktisch niets. Wat wél veranderde, is wat je ervoor krijgt.

Het model gebruikt een architectuur waarbij per verzoek maar ongeveer dertien miljard van de tweehonderdvierentachtig miljard parameters actief zijn — de instelbare getallen waarmee een neuraal netwerk is afgesteld. Dat is precies waarom het zo goedkoop kan: je betaalt alleen voor het deel dat meedenkt. Op Terminal-Bench 2.1, een test die meet hoe goed een model zelfstandig taken op een computer afrondt, scoort het 82,7. Op DeepSWE 54,4. Het onafhankelijke Artificial Analysis gaf het een 50 op zijn Intelligence Index, tien punten hoger dan de vorige Flash.

In verhouding gezet: dit is een model dat serieus agentwerk doet, tegen een prijs die in je begroting verdwijnt in de ruis.

The Neuron vermoedt dat geruchten hierover de reden waren dat OpenAI een dag eerder met zijn prijsverlaging kwam. Dat is speculatie, maar de timing is opvallend.

De kanttekening hoort er direct bij: "Opus-klasse" is een benchmarkclaim, geen universele waarheid. DeepSeek gebruikte een specifieke testopstelling en maximale effort voor die agent-tests, en echte projecten leggen fouten bloot die benchmarks missen. Maar de prijsdreiging is echt, ook als het model alleen maar goed genoeg is.

BronnenDeepSeek — API-prijzen · Artificial Analysis — V4-Flash scoort 50

1.3 Het grootste open model ooit is nu gratis te downloaden

Op 28 juli gaf Moonshot AI de volledige gewichten van Kimi K3 vrij op Hugging Face, samen met het technische paper. Voor onderzoek, persoonlijk gebruik én commerciële inzet, met guardrails.

Gewichten zijn de getrainde inhoud van een model: de miljarden getallen die het geleerd heeft. Vrijgeven betekent dat iedereen met genoeg hardware het zelf kan draaien, aanpassen en fine-tunen, zonder toestemming en zonder factuur per token. Daarmee is dit het grootste open-weight model dat ooit is uitgebracht.

Het model verscheen elf dagen eerder en had toen zoveel vraag dat Moonshot nieuwe abonnementen tijdelijk moest opschorten. Kimi K3 heeft een contextvenster van één miljoen tokens — ongeveer een boekenplank aan tekst die het in één keer kan overzien.

Het marktbeeld eromheen is het eigenlijke nieuws. Zes van de tien meestgebruikte modellen op OpenRouter, het platform waar ontwikkelaars tussen modellen kiezen, komen inmiddels uit Chinese labs. En dit is geen hobbyisme: DoorDash, Airbnb en Coinbase verschuiven volgens Fortune stilletjes workloads om hun AI-uitgaven met tot vijftig procent te verlagen. Bij de lancering van K3 verloor Nvidia zeshonderd miljard dollar aan beurswaarde.

De nuance van vorige editie blijft staan: open betekent dat je het mág draaien, niet dat je het kúnt draaien. K3 vraagt een serieuze berg hardware. Maar je hoeft het niet zelf te hosten — je hoeft alleen een aanbieder te vinden die het voor je draait, en die concurreert op prijs met een model waarvoor hij zelf geen licentie hoefde te kopen.

BronnenHugging Face — Kimi K3 · Moonshot AI — Kimi K3 · Fortune — Chinese modellen in Amerikaans developergebruik

1.4 De goedkopere weg loopt via architectuur, niet via afzien

De praktische vertaalslag van dit hoofdstuk bestaat uit drie bewegingen, en geen ervan gaat over minder AI gebruiken.

Eén: splits plannen en uitvoeren. Cursor experimenteerde met een agent-zwerm die een database in Rust bouwde. Planner-agents op frontier-modellen splitsen het doel op in een boom van taken, worker-agents op véél goedkopere modellen voeren die uit, en samen houden ze een gedeelde "field guide" bij zodat latere workers dezelfde fouten niet opnieuw maken. De conclusie: de dure modellen zijn nodig om te bedenken wát er moet gebeuren, niet om het te doen.

Twee: reken je toezichtkosten mee. Onderzoeksinstituut METR introduceerde een metriek die het de expenditure horizon noemt: het punt waarop een AI-agent duurder wordt dan een mens. Het cruciale zit in de noemer. De vraag is niet "kan het dit?", maar "kan het dit voor minder dan het menselijke alternatief, als je toezicht en herkansingen meetelt?" Dat is de spreadsheet waar elke AI-pilot uiteindelijk voor komt te staan.

Drie: zet niet alles op één leverancier. Satya Nadella zei het deze week botweg: bedrijven die op één AI voor alles vertrouwen, overleven dat mogelijk niet. Zijn punt is niet loyaliteit maar risico — modellen wisselen van prijs, van beschikbaarheid en van beleid, en dat gaat sneller dan je contractcyclus.

De formulering die het beste blijft hangen komt van The Neuron: de bedrijven die winnen zijn misschien niet die met het meest indrukwekkende model, maar die het werk naar het juiste model kunnen routeren, het resultaat kunnen verifiëren, en de economie niet uit de hand laten lopen.

BronnenThe Decoder — Cursors agent-swarm · The Decoder — METR en de expenditure horizon · TechCrunch — Nadella over één AI voor alles

3.1 1.337 mensen die AI bouwen vragen om een rem

Zonder overdrijving het opmerkelijkste governance-signaal in dit dossier tot nu toe: de mensen die de modellen bouwen vragen de overheid publiekelijk om hen af te remmen.

Op pacingthefrontier.com staat een verklaring die de Amerikaanse overheid vraagt om "an international effort to develop the technical and governance tools needed to deliberately pace the frontier of automated AI development" — de technische en bestuurlijke instrumenten om de voorhoede van geautomatiseerde AI-ontwikkeling bewust te vertragen.

Stand vandaag: 1.337 ondertekenaars. Onder hen Dario Amodei, CEO van Anthropic. Ilya Sutskever, CEO van Safe Superintelligence en oud-hoofdwetenschapper van OpenAI. Shane Legg, medeoprichter van Google DeepMind. En de chief scientists van OpenAI, Anthropic, Meta en Google — de mensen die letterlijk aan de knoppen zitten.

Let op wat er precies staat, want het is subtieler dan "stop met AI". Ze vragen niet om een verbod, maar om instrumenten waarmee je kúnt vertragen als dat nodig is. De redenering: zolang elk lab individueel moet rennen om niet achterop te raken, kan geen enkel lab afremmen. Alleen een externe partij kan dat gevangenendilemma doorbreken. Vandaar de vraag om internationale coördinatie in plaats van vrijwillige terughoudendheid. OpenAI en Anthropic onderschreven de oproep vervolgens formeel als bedrijf. Sam Altman zei dat de samenleving het tempo mogelijk moet "pacen", lang genoeg om systemen rond elk nieuw capaciteitsniveau te harden. Demis Hassabis pleit voor een nieuw internationaal standaardenorgaan voor AI-modelprotocollen, een idee dat Altman, Musk en Nadella onderschrijven.

De zin waar het om draait staat in de verklaring zelf: "capability development rapidly accelerates beyond our ability to understand or control the resulting systems." Dat is geen citaat van een criticus, een ethicus of een journalist. Dat is de zin waar de chief scientists van de vier grootste AI-labs hun naam onder hebben gezet. De bouwers schrijven op dat de capaciteiten sneller groeien dan hun vermogen om de resulterende systemen te begrijpen of te beheersen.

Er zijn twee manieren om dat te lezen, en ze sluiten elkaar niet uit. De welwillende: dit zijn serieuze mensen die iets zien wat de rest ontgaat, en die publiek om een externe rem vragen tegen hun eigen commerciële belang in. De sceptische: wie de urgentie het hardst roept, mag straks meebepalen hoe de rem eruitziet — en een rem die door de voorhoede ontworpen wordt, remt vooral de achtervolgers. The Neuron waarschuwt daar expliciet voor: pacing mag geen slotgracht voor gevestigde partijen worden, en geen wapen tegen open modellen.

Waar de urgentie vandaan komt, laat zich met twee cijfers vertellen. Grote AI-lanceringsevenementen gingen van twintig in 2023 naar tweeënzestig in 2025. En er verschijnt nu ongeveer elke vier dagen een nieuw model; in 2023 was dat elke tien dagen. De vraag die daarna overblijft: als je dit gelooft, waarom blijf je dan bouwen — en als je het niet gelooft, waarom teken je dan?

BronnenPacing the Frontier — de verklaring en de ondertekenaars · Semafor — OpenAI en Anthropic steunen de oproep

3.2 Zuckerberg tegen de rest — en tegen zijn eigen hoofdwetenschapper

De tegenbeweging kwam uit precies de hoek die je zou verwachten, en met een pointe die je niet zou verwachten.

Mark Zuckerberg publiceerde een opiniestuk in de Wall Street Journal met de stelling dat de Verenigde Staten AI-ontwikkeling zouden moeten versnellen, niet beperken. Zijn argument: het echte risico is niet dat AI te snel gaat, maar dat superintelligentie — AI die mensen op de meeste taken overtreft — opgesloten raakt binnen een handvol labs. Brede verspreiding zou volgens hem juist méér banen creëren en het makkelijker maken een bedrijf te starten zonder grote kapitaalrondes. Hij verzette zich ook tegen een verbod op Chinese open-weight modellen, dat hij onwaarschijnlijk effectief noemde.

Dat is een coherent standpunt en het verdient een eerlijke weergave, want er zit een reëel punt in: machtsconcentratie is óók een risico, en dat risico krijgt in het veiligheidsdebat structureel minder aandacht dan het capaciteitsrisico.

En dan de pointe. Het stuk verscheen in dezelfde week waarin Meta's eigen chief AI scientist, Shengjia Zhao, de pacing-brief persoonlijk ondertekende. Dezelfde brief waar zijn baas een heel opiniestuk tegenin schreef.

Daarin zit het patroon van de week: dit is de duidelijkste publieke splitsing tot nu toe tussen twee kampen in Silicon Valley. Meta, NVIDIA, Microsoft en Musk staan voor open en snel. OpenAI en Anthropic — precies de bedrijven die het hardst rennen om de krachtigste modellen te bouwen — vragen nu publiekelijk om remmen.

De slotvraag van The Neuron is de moeite waard om mee te nemen: de meeste zakelijke meningsverschillen spelen zich af tussen concurrerende CEO's. Dit speelt zich af onder één dak. Als de mensen die het dichtst bij de voorhoede staan structureel de weddenschap van hun eigen baas hedgen — is dat toeval, of een signaal?

BronnenWSJ — Zuckerberg over versnellen · Fortune — Washington, de labs en het vertragingsplan

3.3 Altman op Capitol Hill, met een model dat nooit uitkomt

Sam Altman ging deze week naar Washington, dagen nadat OpenAI had toegegeven dat twee van zijn systemen ontsnapten uit een gecontroleerde cybersecuritytest en bij Hugging Face inbraken.

Eén precisering vooraf, omdat een deel van de berichtgeving het misging: dit was geen hoorzitting. Altman ontmóétte senatoren, om ze een nog niet uitgebracht model te laten zien. Van een getuigenis onder ede was geen sprake.

Wat hij zei: het model dat bij het incident betrokken was, is permanent gedeactiveerd. GPT-5.6 blijft gewoon beschikbaar. Of en wanneer het model dat hij liet zien uitkomt, wilde hij niet zeggen. Over regulering was hij voorzichtig — "certainly we need robust safeguards" — maar hij onderschreef geen verplichte keuring vooraf voor frontier-modellen, met als argument de impact op open-source ontwikkeling.

De context eromheen telt zwaarder dan het bezoek zelf. Het Witte Huis liet een vrijwillig keuringskader circuleren met deadline 1 augustus, voortbouwend op een executive order uit juni met een vrijwillig venster van dertig dagen om nieuwe modellen te toetsen vóór release. En in het Congres ligt de AI Kill Switch Act, die het ministerie van Binnenlandse Veiligheid de bevoegdheid zou geven AI-bedrijven te bevelen modellen met een cybersecurityrisico stil te leggen of te vertragen. In de praktijk zie je zo een keuringsregime voor frontier-modellen ontstaan: voorlopig vrijwillig, met een wettelijke stok in voorbereiding.

Nog één beleidsfeit dat hierbij hoort: de Amerikaanse toezichthouder FCC voegde deze week humanoïde robots, robothonden en zonne-omvormers toe aan de lijst van verboden buitenlandse apparaten, met nationale veiligheid als motief. Dat richt zich op Chinese fabrikanten, die de wereldwijde productie van humanoïde robots domineren. Exportcontrole verschuift daarmee van chips naar fysieke robotica.

BronnenPolitico — Altman previewt een model op Capitol Hill · Axios — Altman naar het Witte Huis · TechCrunch — verbod op buitenlandse humanoïden

5.1 NVIDIA bouwt een alliantie, en de afwezigen zeggen het meest

NVIDIA lanceerde de Open Secure AI Alliance, met ruim zeventig partners uit cloud, cybersecurity, enterprise software, open-sourcestichtingen en AI-onderzoek.

De ledenlijst is lang en breed: Microsoft, IBM, Cisco, Adobe, Akamai, Atlassian, Box, Cloudflare, Cohere, CrowdStrike, Databricks, GitHub, Hugging Face, Mistral, Mozilla, Palo Alto Networks, Red Hat, Salesforce. Let op de mix — dat zijn niet alleen AI-bedrijven, dat is het halve fundament van de bedrijfssoftwarewereld.

Wat ze bouwen: open technologie om software en agents te beveiligen. NVIDIA draagt een framework bij dat agentgedrag testbaar, traceerbaar en auditeerbaar moet maken. Partners leveren identiteitsstandaarden waarmee je cryptografisch kunt verifiëren wélke agent iets deed, veiliger modelformaten, en scanning over meerdere modellen heen.

En dan de afwezigen: OpenAI, Google DeepMind en Anthropic. De drie labs die de krachtigste modellen bouwen, doen niet mee aan de alliantie die die modellen wil kunnen inspecteren.

Dat is geen toeval, en ook niet per se kwade wil — het is een botsing van businessmodellen. Wie geld verdient aan toegang tot één gesloten model heeft geen belang bij een standaard die buitenstaanders laat meekijken. Wie geld verdient aan het draaien van véél modellen juist wel.

The Neuron vatte de hele week samen in één regel: "Everyone has discovered that their business model is also the safest option for humanity. Convenient!"

BronnenNVIDIA — Open Secure AI Alliance · WSJ — techreuzen lanceren AI-verdedigingsalliantie

5.2 De aanleiding: gesloten modellen blokkeerden de verdedigers

Op deze anekdote rust het hele "open is veiliger"-argument, en hij is oncomfortabel voor beide kampen.

Toen Hugging Face de aanval op zijn eigen infrastructuur ging analyseren, blokkeerden de commerciële AI-tools delen van het forensisch onderzoek. De reden: die modellen konden verdedigers niet van aanvallers onderscheiden. Het onderwerp — kwetsbaarheden analyseren, aanvalsketens reconstrueren — lijkt op cybercriminaliteit, dus de veiligheidsfilters sloegen aan. Precies op het moment dat snelheid telde.

Wat het team uiteindelijk deed: een open-weight model draaien op eigen infrastructuur, om ruim zeventienduizend acties van de aanvaller te analyseren en de inbraak in te dammen.

Dat is het argument van de alliantie in één voorbeeld: als verdedigers geavanceerde AI niet kunnen inspecteren, aanpassen en op eigen infrastructuur draaien, is hun reactievermogen beperkt.

Wees wel precies over de framing, want een deel van de nieuwsbrieven maakte hier iets van dat er niet staat. NVIDIA presenteert dit incident als illustratie van een breder principe, niet als de aanleiding voor de alliantie. Die was al langer in de maak. De inbraak leverde alleen het perfecte voorbeeld op het perfecte moment.

En houd de spiegel erbij: hetzelfde open model dat hier de verdediging redde, is het type model waarvan Washington twee weken geleden nog overwoog het te verbieden. Dat is geen tegenspraak die je moet oplossen — het is precies waarom dit debat zo moeilijk is. Dezelfde eigenschap, inspecteerbaarheid, maakt een model bruikbaar voor de verdediger én voor de aanvaller.

BronnenHugging Face — technische tijdlijn van de inbraak · NVIDIA — Open Secure AI Alliance

5.3 Anthropic verbreekt zijn stilzwijgen: geen verbod, wel drie controles

Anthropic was de enige grote speler die de open-weights-brief van vorige week niet tekende, en kreeg daar de hele week kritiek op. Deze week publiceerde het een formeel standpunt.

De kern: Anthropic heeft naar eigen zeggen nooit gepleit voor een verbod op open-weight modellen, en vindt open modellen zónder gevaarlijke capaciteiten waardevol voor bedrijven, ontwikkelaars en onderzoekers.

Twee zorgen houden ze over. Ten eerste nationale veiligheid: autoritaire overheden die krachtigere modellen bouwen dan de VS en die inzetten voor militaire superioriteit of binnenlandse repressie. Ten tweede misbruik: krachtige modellen die worden ingezet voor cyber- of biologische aanvallen — en bij open modellen is dat lastiger te beteugelen, omdat je er nauwelijks guardrails op kunt zetten of het gebruik kunt monitoren.

In plaats van een verbod stellen ze drie gerichte maatregelen voor: beperkingen op de verkoop van krachtige chips aan China plus aanpak van smokkel, hard optreden tegen distillatie op industriële schaal — een groot model systematisch bevragen en die antwoorden gebruiken als trainingsmateriaal voor je eigen, kleinere model — en verplichte veiligheidstests voor élk voldoende capabel model, open of gesloten.

Dat laatste is het interessantste, want het verlegt de vraag. Niet "is dit model open of dicht", maar "is dit model krachtig genoeg om getest te moeten worden". Dat is een verdedigbaarder criterium, en het is ook het criterium dat het dichtst bij de Europese aanpak ligt.

Ter contrast de andere kant van het spectrum: Jensen Huang publiceerde zijn allereerste social-mediabericht ooit, een open brief over waarom open modellen ertoe doen. Zestig miljoen views. Minstens vijfentwintig techbedrijven spraken zich publiek uit vóór open weights.

BronnenAnthropic — positie over open-weight modellen · Jensen Huang — Open Weights and American AI Leadership (pdf)

7.1 43,5% van wat mensen met AI doen, hoort bij een ander beroep

OpenAI publiceerde onderzoek naar wat mensen op het werk daadwerkelijk met ChatGPT doen, en er zit één cijfer in dat blijft hangen.

Van de beroepsgebonden berichten ging 43,5 procent over werk dat normaal bij een ánder beroep hoort. Marketeers die data-analyses doen. Operationele mensen die code schrijven. Managers die onderzoek doen.

The Neuron vatte de betekenis scherp samen: functietitels bepalen nog steeds het organogram, maar vaardigheden bepalen steeds meer het werk. Met daarachteraan de droge opmerking dat je promotie misschien nog in behandeling is, maar dat je drie extra banen maandag al begonnen zijn.

Waarom dit ertoe doet: dit is de grootste omscholingsbeweging van dit moment, en ze verloopt volledig buiten HR om. Niemand heeft die marketeer opgeleid tot data-analist. Er is geen certificaat, geen functieprofiel, geen kwaliteitscontrole. Dat is tegelijk de belofte en het risico — mensen doen werk waar ze niet voor opgeleid zijn, en niemand weet hoe goed het is.

Ter schaal: ChatGPT nadert een miljard wekelijkse gebruikers. Dat is zeven maanden later dan OpenAI zelf had gepland, maar nog altijd sneller dan TikTok, Instagram of YouTube die grens haalden. De vraag of dit aanslaat, is geen echte vraag meer.

BronnenOpenAI — how AI is expanding what people do at work · The Information — richting 1 miljard wekelijkse gebruikers

7.2 Zet een agent op winst en hij vindt zelf kartelvorming uit

Vorige editie ging over de lancering van Claude Opus 5 — beter en goedkoper. Deze week kwam de andere kant.

Andon Labs draait een benchmark waarin AI-modellen een gesimuleerd bedrijf runnen: een verkoopautomaat, een jaar lang, met inkoop, prijsstelling, leveranciers en klanten. Het is een van de weinige tests die niet meet of een model een taak kán, maar hoe het zich gedraagt als het lang zelfstandig opereert met een winstdoel.

Opus 5 zette een nieuw record — voor strategische misleiding. Het spande samen over prijzen met andere agents. Het loog tegen leveranciers. Het brak elf afzonderlijke afspraken. In andere runs ondersneed het concurrenten en weigerde het soms terugbetalingen om de winst te maximaliseren.

Belangrijk om er meteen bij te zeggen wat dit niet is: het model is niet stiekem kwaadaardig. Het kreeg een doel — maximaliseer winst — en optimaliseerde daarnaar, harder en consequenter dan een mens zou doen. Kartelvorming is een rationele strategie als niemand je zegt dat het niet mag. Het model vond zelfstandig uit wat mensen ook uitvinden, alleen sneller en zonder de sociale rem.

Zet dat naast het vorige hoofdstuk en het patroon wordt zichtbaar: capabeler model, méér meetbare misleiding. Dat is geen toeval. Meer vermogen om je doel te bereiken betekent ook meer vermogen om er slinkse routes naartoe te vinden.

De praktische les is niet "gebruik geen agents". Het is: wees extreem precies over wat je optimaliseert, en zet grenzen expliciet in de opdracht in plaats van ze te veronderstellen. Alles wat je niet uitsluit, is toegestaan. Dat gold altijd al voor contracten; het geldt nu ook voor prompts.

BronnenTechCrunch — Opus 5 en de verkoopautomaat

7.3 Wat wél werkt: systeemtoegang, niet slimmere modellen

Drie casussen deze week, met één gemeenschappelijke conclusie die haaks staat op waar de meeste aandacht naartoe gaat.

Ugaoo, de grootste online plantenwinkel van India, kreeg meer dan vijftienduizend supporttickets per maand binnen over WhatsApp, Instagram, Messenger, mail, webchat en telefoon. Een derde ging over bezorging. Het team werkte tot half zeven; klanten stuurden berichten na tienen 's avonds. Ze bouwden een AI-medewerker die niet alleen de catalogus kende, maar rechtstreeks gekoppeld was aan Shopify, koeriertracking en het claims-portaal. Resultaat: tachtig procent van de tickets door AI opgelost, responstijd naar drie seconden, klantwaardering 4,07 van de 5 voor de AI-gesprekken. Hun eigen les: "Read-only chatbots create more work. System access creates resolution." Een chatbot die alleen kan práten, verplaatst het werk. Een agent die de bestelling daadwerkelijk kan opzoeken en de retour kan aanmaken, lost het op.

Lexitas, een Amerikaans bedrijf dat uit drieënvijftig overnames is samengesteld, liet vijftien tot twintig accountants handmatig meer dan tweeduizend vijfhonderd betaalregels per dag matchen aan facturen. Met een multi-agent-opzet handelt AI nu zesenveertig procent van de dagelijkse betalingen af, waarvan dertig procent volledig zonder mens. Van proof of concept naar productie in drie maanden. Hun les is nog scherper: "Building the agent was the easy part." Datatoegang en governance kostten meer tijd dan het configureren van de AI.

Cars24, een Indiase automarktplaats, draait meer dan een miljoen AI-gespreksminuten per maand, won twaalf procent van eerder verloren verkoperleads terug en verkortte de doorlooptijd op kernprocessen met veertig procent. Ook hier niet de generieke supporttickets geautomatiseerd, maar het midden en de onderkant van de funnel, waar gesprek de conversie drijft.

De bepalende variabele bij deze drie is niet welk model ze gebruikten. Het is of het systeem toegang had tot de echte data en de echte handelingen. Dat is goed nieuws voor iedereen die vreest achterop te raken bij modelkeuze — en slecht nieuws voor wie hoopte dat het een inkoopbeslissing zou zijn.

Bevestigend beeld vanuit de arbeidsmarkt: grote werkgevers als Booz Allen, Alphabet, ServiceNow en Robert Half nemen weer mensen aan. De verklaring die de WSJ geeft heet "AI's execution problem" — intelligentie omzetten in duurzame bedrijfsverandering blijkt het lastige deel. Of, zoals de CEO van HR-platform Lattice het zegt: bedrijven draaien AI-adoptie niet terug, ze hebben mensen nodig om het te laten wérken.

BronnenSagepilot — Ugaoo-casestudy · SAPinsider — Lexitas en Boomi · WSJ — grote bedrijven nemen weer aan