De exponentiële blinde vlek

01

Waarom dit, waarom nu

Elk argument in dit dossier is decennia oud. De reden om het dit jaar te lezen, is dat meerdere van de curves die het beschrijft tegelijk drempels passeren, en die passage heeft een kalender.

Een verdubbelingscurve ziet er het grootste deel van zijn leven onschuldig uit. Daarna ziet hij er ongeveer twee jaar dramatisch uit, en tegen de tijd dat hij er dramatisch uitziet, zijn de goedkope zetten al door iemand anders gedaan. Het bewijs in de volgende hoofdstukken zegt dat het dramatische stuk voor AI ruwweg nu tot en met 2028 loopt: capaciteitsbenchmarks passeerden in 2025 de expertlijn, de kosten van een vast vermogen dalen ongeveer tienvoudig per jaar, de machines kunnen inmiddels het grootste deel van een werkdag een taak vasthouden, en de fysieke bouw erachter staat in de steigers op gepubliceerde schema's. Niets daarvan vraagt dat je iemands marketing gelooft. Het vraagt alleen dat je curves leest die al openbaar zijn.

• nov 2022 — ChatGPT lanceert. Zijn niveau van outputkwaliteit kost ongeveer 20 dollar per miljoen tokens.
• mrt 2023 — Een AI-video van Will Smith die spaghetti eet, wordt de internet-steno voor "AI kan geen video."
• jun 2023 — GPT-4 scoort 30 procent op de zwaarste wetenschapsbenchmark, ver onder menselijke experts.
• apr 2025 — o3 scoort 87,7 procent op dezelfde benchmark, duidelijk boven PhD-experts. ChatGPT nadert een miljard wekelijkse gebruikers.
• aug 2025 — De verplichtingen van de EU AI-verordening voor algemene modellen worden van kracht. Het rulebook heeft nu datums.
• apr 2026 — Dezelfde spaghetti-prompt rendert fotorealistisch. De AI-topman van Microsoft voorspelt nog eens ~1.000x effectieve rekenkracht tegen eind 2028. Eén AI-campus trekt inmiddels meer stroom dan Amsterdam.

02

1. Dertig stappen

Zet dertig stappen door een kamer en je legt ongeveer dertig meter af. Zet dertig exponentiële stappen, elke keer verdubbelend, en je legt een miljard af. Dat gat, tussen dertig en een miljard, is het gat tussen hoe wij denken en hoe technologie beweegt.

Een miljard meter is ver genoeg om de aarde ongeveer vijfentwintig keer rond te gaan. Dezelfde dertig stappen. Het enige verschil is of elke stap optelt of vermenigvuldigt. Onze intuïtie draait op optellen, want vrijwel de hele menselijke geschiedenis was dat het juiste model. Twee appelbomen gaven ongeveer twee keer zoveel appels als één. Half zo ver lopen kostte half zo veel tijd. De wereld was lokaal en lineair, en een brein afgesteld op lineaire extrapolatie was een brein dat overleefde.

Het verschil tussen de twee regels is op papier makkelijk te onderschatten en op een grafiek onmogelijk te missen. De figuur hieronder zet ze allebei uit vanaf hetzelfde beginpunt: dertig stappen opgeteld, en dertig stappen verdubbeld. Op het eerste stuk liggen ze bijna boven op elkaar, en dat is precies de valstrik. Dan verlaat de verdubbelingslijn het beeld, en lijkt de opgetelde lijn de vloer nooit te hebben verlaten.

Technologie brak het lineaire model, en onze intuïtie heeft de achterstand niet ingehaald. De klassieke illustratie is het schaakbord. Leg één rijstkorrel op het eerste vak en verdubbel op elk van de vierenzestig. De eerste helft van het bord bevat ongeveer vier miljard korrels, een flink veld vol, en dat voelt behapbaar. De tweede helft niet: het laatste vak alleen draagt meer dan negen triljoen korrels, en het volle bord bevat meer graan dan de wereld in ruim duizend jaar verbouwt. Ray Kurzweil noemde het moment dat het omslaat "de tweede helft van het schaakbord." Aan de regel veranderde niets. Alleen ons vermogen om te voelen waar hij heen ging.

Of vouw een vel papier. Eén vel is een tiende millimeter dik. Vouw het tweeënveertig keer, verdubbelend bij elke vouw, en de stapel zou de maan bereiken. Je kunt papier in werkelijkheid geen tweeënveertig keer vouwen, en dat is deels het punt: de rekenkunde van verdubbeling levert getallen op die de fysieke verbeelding weigert vast te houden.

03

2. Waarom de intuïtie faalt

Dit is geen stijlfiguur. Het onderschatten van exponentiële groei is een gemeten, herhaald aangetoonde denkfout, en hij is bestand tegen zowel scholing als ervaring.

In 1975 deden de psychologen Willem Wagenaar en Sabato Sagaria de eerste zorgvuldige experimenten. Ze toonden mensen het begin van een exponentiële curve en vroegen hem door te trekken. Mensen zaten er niet een beetje naast. Ze zaten er enorm naast: het kwam vaak voor dat twee derde van de proefpersonen lager gokte dan een tiende van de werkelijke waarde. Het verontrustende kwam daarna. Mensen vooraf vertellen dat de groei exponentieel was, loste het niet op. Dagelijkse vertrouwdheid met dingen die groeien ook niet. De denkfout zat onder scholing en ervaring allebei.

Economen gaven het later een naam en een prijskaartje. Victor Stango en Jonathan Zinman definieerden in de Journal of Finance in 2009 de exponentiële-groei-bias als de neiging om exponentiële curves te behandelen alsof het rechte lijnen zijn, en lieten zien dat het echt geld kost: mensen met een sterkere bias lenen meer, sparen minder, en schatten verkeerd in wat samengestelde rente in de tijd met ze doet. Dezelfde bedrading die een verdubbelende technologie trager laat voelen dan hij is, laat een creditcard goedkoper voelen dan hij is.

Er is een duidelijke reden voor in hoe waarneming werkt. Onze zintuigen zijn logaritmisch. We registreren de verhouding tussen twee hoeveelheden veel beter dan het absolute verschil, en daarom is een kaars dramatisch in een donkere kamer en onzichtbaar in daglicht. Logaritmische zintuigen zijn het tegenovergestelde van wat je nodig hebt om een exponentiële aan te voelen komen, dus de curve leest als vriendelijk tot het moment dat hij verticaal staat.

04

3. De oudste curve die we kennen

De beroemdste exponentiële in technologie is de Wet van Moore, en de echte les gaat niet over transistors. Het is dat de curve elke afzonderlijke technologie die hem draagt overleeft.

Gordon Moore merkte in 1965 op dat het aantal componenten op een chip op een vast ritme verdubbelde, en stelde het in 1975 bij tot ongeveer elke twee jaar. De voorspelling hield stand met bijna griezelige precisie. Een Intel-chip uit 1971 bevatte ongeveer 2.300 transistors. Een processor uit 2021 bevatte 58 miljard. Over vijftig jaar gemeten komt de verdubbelingstijd uit op 2,03 jaar, op een paar dagen na Moore's eigen getal. Weinig voorspellingen in welk veld dan ook hebben een halve eeuw zo goed doorstaan.

Mensen kondigen de dood ervan geregeld aan, en ze hebben half gelijk. Klassieke transistorschaling is echt vertraagd; zelfs Intel geeft toe dat het ritme is opgerekt. Maar de interessante versie van de Wet van Moore ging nooit over transistors. Toen Steve Jurvetson rekenkracht per dollar terug tot 1900 uitzette, liep de lijn glad door vijf compleet verschillende technologieën: mechanische rekenmachines, relais, vacuümbuizen, transistors en geïntegreerde schakelingen. Elk kwam op en vlakte af, en het stokje ging door naar de volgende. De exponentiële gaat Moore decennia vooraf en heeft de dood van vier van de vijf technologieën die hem droegen al overleefd. Als het ene substraat vermoeid raakt, neemt een ander het over. De laatste tijd ging het stokje van de algemene chip naar de gespecialiseerde AI-processor.

Dezelfde vorm duikt op waar een technologie ook maar een leercurve krijgt. Zonnepanelen daalden van ongeveer 77 dollar per watt eind jaren zeventig naar ruim onder een dollar vandaag, een daling van meer dan 99 procent, ongeveer een vijfde goedkoper bij elke verdubbeling van het geproduceerde volume. Lithium-accupakketten daalden 93 procent in vijftien jaar. De kosten om een menselijk genoom te sequencen daalden van ongeveer 95 miljoen dollar in 2001 naar een paar honderd, en na 2008 daalden ze sneller dan de Wet van Moore, niet trager. Dit is niet één verhaal. Het is hetzelfde verhaal, verteld in silicium, in zonnecellen, en in DNA, en hoofdstuk zes zet alle drie op dezelfde as.

05

4. De exponentiëlen die nu draaien

De reden dat dit ophield een abstract argument te zijn, is kunstmatige intelligentie, waar meerdere exponentiëlen tegelijk op elkaar gestapeld zijn.

De onderzoeksgroep Epoch AI houdt deze zorgvuldig bij, en de getallen zijn steiler dan de meeste mensen beseffen. De rekenkracht die gebruikt wordt om de nieuwste AI-modellen te trainen, groeit vier tot vijf keer per jaar, wat betekent dat hij ongeveer elke zes maanden verdubbelt, veel sneller dan de Wet van Moore ooit liep. Daaronder stapelen drie andere curves: de hardware wordt capabeler, de algoritmes worden efficiënter, en hetzelfde resultaat wordt goedkoper om te maken.

Die verdubbelingstijden zijn het waard om naast de oude maatstaf te zien. De grafiek hieronder zet de AI-curves van vandaag af tegen Moore's ritme van twee jaar. De Wet van Moore was de snelste aanhoudende exponentiële waar de meeste mensen ooit van gehoord hadden, en op deze grafiek is hij de trage lijn onderaan. Trainingsrekenkracht die elke zes maanden verdubbelt, loopt ongeveer vier keer zo snel.

Hoe een verdrievoudigde verdubbeling eruitziet

Getallen in een tabel blijven beleefd. Dezelfde curve, bekeken door één herhaald verzoek, niet. In maart 2023 was de stand van de techniek in AI-video een uitgesmeerde, smeltende clip van Will Smith die spaghetti eet, en het was een grap met een eigen meme-pagina. In april 2026 rendert dezelfde prompt fotorealistisch, en de reflex van de gemiddelde kijker is gekanteld van "duidelijk nep" naar "waarschijnlijk echt." Zevenendertig maanden. De clip hieronder speelt beide tijdperken naast elkaar af.

Vermogen, gemeten

Kunstjes kunnen misleiden, dus gebruik de zwaarste maat die er is. GPQA Diamond is een benchmark van wetenschapsvragen op promovendus-niveau, geschreven om zoekmachine-bestendig te zijn: PhD-experts in het relevante vakgebied, met volledige webtoegang, scoren rond de 65 procent. GPT-4 haalde 30 procent, midden 2023. In april 2025 scoorde o3 87,7 procent. De lijn kruiste het niveau van de menselijke expert ergens eind 2024, en hij vertraagde niet om het te vieren.

Intelligentie, opnieuw geprijsd

De prijscurve is degene die bedrijven het eerst voelen. De kosten van een vast niveau van AI-vermogen dalen ongeveer tienvoudig per jaar: wat eind 2022 twintig dollar per miljoen tokens kostte op ChatGPT-kwaliteit, kostte eind 2024 ongeveer zeven cent, een ineenstorting van meer dan 280-voudig in twee jaar. Een vermogen dat een premium-post is op de dag dat je een project afbakent, is een afrondingsfout tegen de tijd dat het live gaat. Budgetten die verankerd zijn aan de prijslijst van vorig jaar zitten fout in de richting die tot onderinvestering leidt.

06

5. De verdubbeling die zelf verdubbelt

Eén curve verdient een eigen hoofdstuk, omdat hij het ding meet dat werk echt verandert: hoe lang een machine een taak kan dragen zonder mens. Die horizon verdubbelt. En de laatste tijd versnelt de verdubbeling zelf.

De onderzoeksgroep METR meet de lengte van een taak, in mensentijd, die een AI-agent zelfstandig afmaakt met vijftig procent slagingskans. In 2019 was het antwoord een paar seconden. Begin 2025 was het ongeveer een uur. In 2026 is het rond de zestien uur, het grootste deel van een werkdag, en de verdubbelingstijd over de hele periode is ruwweg zeven maanden. Lees dat tegen je eigen werkprocessen: elke zeven maanden verdubbelt ongeveer het brok werk dat je in één keer kunt overdragen.

De tweede laag is vreemder. Op de modellen die tussen 2024 en 2026 uitkwamen, kromp METR's gemeten verdubbelingstijd van ongeveer zeven maanden naar ruwweg honderd dagen. Een curve waarvan de verdubbelingstijd krimpt heet superexponentieel, en hij duikt ook elders op: Epoch AI stelt vast dat de rekencapaciteit van het grootste losse datacenter sinds augustus 2024 elke zeven maanden verdubbelt, een tempo dat de Wet van Moore nooit haalde. Mustafa Suleyman, die Microsoft AI leidt, zette de gecombineerde projectie in april 2026 op papier: op de huidige bouw- en efficiëntietrends nog eens een duizendvoudige toename van effectieve rekenkracht tegen eind 2028.

Houd dat met twee handen vast. Een krimpende verdubbelingstijd is precies het soort trend dat niet lang kan doorlopen, en hoofdstuk elf neemt de limieten serieus. Maar let op wat de voorzichtigheid je oplevert: zelfs als het tempo terugzakt naar zeven maanden, kruist de taakhorizon binnen twee jaar van dagen naar weken. De conservatieve lezing van deze grafiek is nog steeds de meest ontwrichtende arbeidsmarktclaim van het decennium.

07

6. Voorbij rekenkracht: dezelfde curve drie keer

Het is verleidelijk om dit allemaal onder "chips" te archiveren en aan te nemen dat het daar blijft. Het patroon is groter dan silicium. Dezelfde vorm bepaalt hoe we elektriciteit maken, hoe we die opslaan, en hoe we het genoom lezen.

Zon is het schoonste geval. Een zonnemodule kostte ongeveer 101 dollar per watt in 1976. In 2024 kostte hij ongeveer 11 cent, een daling van meer dan 99,9 procent. Het mechanisme heeft een naam, de Wet van Swanson: moduleprijzen dalen ongeveer 20 tot 23 procent bij elke verdubbeling van het cumulatief geïnstalleerde vermogen. Het is geen tijdstrend. Het is een volumetrend, en daarom liep hij door terwijl kenners de top bleven aankondigen.

Accu's volgden dezelfde logica één decennium later. Prijzen van lithium-ion-accupakketten daalden van ongeveer 1.474 dollar per kilowattuur in 2010 naar 108 dollar in 2025, een daling van 93 procent, met stationaire opslag al rond de 70 dollar. Het patroon blijft niet beperkt tot energie. Een menselijk genoom sequencen kostte ongeveer 95 miljoen dollar in 2001, ongeveer 1 miljoen in 2008, en ongeveer 525 dollar in 2022, een daling van ongeveer vijf ordes van grootte. De omslag doet ertoe: nadat next-generation sequencing in januari 2008 arriveerde, versteilde de kostencurve en liep hij de Wet van Moore voorbij in plaats van hem te volgen.

Zet de drie op een logaritmische schaal en de familiegelijkenis is duidelijk. Zoals de figuur hieronder laat zien, tekenen zon, accu's en sequencing alle drie dezelfde recht-op-log-daling, elk op zijn eigen klok maar allemaal volgens dezelfde regel.

De regel eronder is de Wet van Wright, voor het eerst waargenomen in de vliegtuigbouw in 1936: kosten dalen als een voorspelbare functie van cumulatieve productie, niet van de kalender. Dat onderscheid is het hele punt. Een tijdvoorspelling gebaseerd op een Wet-van-Wright-curve schiet altijd te laag, want de drijver is hoeveel er gebouwd is, en bouwen versnelt. De Wet van Swanson is de Wet van Wright in een zonnejasje. Dezelfde wiskunde past bij alle drie de dalingen, en daarom heeft "het gaat binnenkort vertragen" zich bij alle drie decennialang vergist.

08

7. Convergentie: wanneer de curves vermenigvuldigen

Eén exponentiële is indrukwekkend. Twee exponentiëlen die elkaar voeden, daar leven de echte discontinuïteiten, de sprongen die op magie lijken omdat geen enkele rechte lijn er ooit naar wees.

Eiwitvouwing is het schone voorbeeld. Ongeveer zestig jaar lang losten biologen eiwitstructuren één voor één op in het lab, en in 2022 hadden ze er ongeveer 200.000 opgehelderd. Toen ontmoette een AI-model het probleem. DeepMinds AlphaFold voorspelde ongeveer 200 miljoen structuren in ongeveer een jaar, bijna elk eiwit dat de wetenschap kent, een duizendvoudige sprong op zes decennia experimenteel werk. Het won in 2024 de Nobelprijs voor Scheikunde. De grafiek hieronder toont het voor en na: een trage experimentele klim, dan een AI-curve die het aantal recht van de pagina af tilt.

Geneesmiddelontwikkeling buigt dezelfde kant op. Insilico Medicine bracht een ziektedoelwit gevonden door AI en een molecuul ontworpen door AI, rentosertib, van eerste hypothese naar een fase IIa-studie in ongeveer 30 maanden, tegenover een gebruikelijke doorlooptijd van ongeveer zes jaar, tegen ongeveer een tiende van de gebruikelijke kosten (Nature Medicine, juni 2025). Eén ingekorte doorlooptijd is een anekdote. Een ingekorte doorlooptijd boven op dalende rekenkosten en stijgend modelvermogen is een curve.

De curves voeden elkaar ook fysiek. Goedkope energie is de brandstof waar de rekencurve op loopt: zon is ongeveer 100 keer goedkoper dan 50 jaar geleden, en accu's zijn ongeveer 97 procent gedaald over 30 jaar, wat het betaalbaar maakt om steeds grotere trainingsruns van stroom te voorzien. De grootste rekenkracht op één locatie verdubbelt sinds 2024 ongeveer elke zeven maanden, en de bindende beperking erop is nu elektriciteit, geen chips. Robotica is de volgende curve die zich opstelt om te convergeren, en trekt goedkope perceptiemodellen de fysieke wereld in.

Samengestelde curves vermenigvuldigen, ze tellen niet op, en daarom overschieten de resultaten elke lineaire projectie met zoveel. De eerlijke versie van hetzelfde punt snijdt de andere kant op. Convergentie is geen versneller in één richting. Een knelpunt in welke afzonderlijke curve dan ook, een tekort aan trainingsdata, een tekort aan stroom, kan alle curves erbovenop afknijpen. De vermenigvuldiging werkt ook omgekeerd.

09

8. Een korte geschiedenis van het misslaan

De prijs van de lineaire reflex is niet theoretisch. Het is een lange lijst van zelfverzekerde, specifieke, goed onderbouwde voorspellingen die er ordes van grootte naast zaten, altijd aan de lage kant.

Kijk, voor de missers, eerst hoe stil het begin van een curve is. De clip hieronder is Bell Labs in 1989: een neuraal netwerk genaamd LeNet, gebouwd door het team van Yann LeCun, dat handgeschreven cijfers van een scherm leest. Het kon niet schilderen, schrijven of praten. Het las cijfers, langzaam, en het was de frontlinie van het vakgebied. De directe nakomelingen van dat model verwerkten miljoenen bankcheques, en de techniek die het bewees, leren van voorbeelden in plaats van regels, is degene die alles in hoofdstuk vier aandrijft. Zevenendertig jaar scheiden deze beelden van de fotorealistische video twee pagina's terug, en de eerste vijfentwintig van die jaren zag de curve eruit alsof er niets gebeurde.

In 1980 vroeg AT&T aan McKinsey om te voorspellen hoeveel Amerikanen in 2000 een mobiele telefoon zouden dragen. McKinsey bestudeerde het en kwam met een getal: ongeveer 900.000. Het werkelijke cijfer was rond de 109 miljoen, een misslag van ongeveer 120 keer. AT&T, dat op dat advies te weinig had geïnvesteerd, betaalde later 12,6 miljard dollar om zich terug te kopen in de markt waarvan het te horen had gekregen dat hij een niche was. De voorspelling was niet lui. Ze was zorgvuldig, en ze was lineair, en de technologie was exponentieel.

Zonne-energie is jaar na jaar op dezelfde manier verkeerd ingeschat, door de mensen die ervoor betaald worden om het te modelleren. De jaarlijkse vooruitblik van het Internationaal Energieagentschap erkent al twee decennia dat zonne-energie groeide, en trekt dan een vrijwel vlakke lijn vooruit vanaf dat jaar, alsof de groei op het punt stond te stoppen. Dat gebeurde nooit. Kosten die het agentschap voor 2030 voorspelde, werden rond 2012 gehaald, achttien jaar te vroeg. Een rechte lijn trekken vanaf een exponentiële is de meest herhaalbare voorspellingsfout van de afgelopen halve eeuw, en serieuze instellingen maken hem nog steeds.

De pandemie maakte van de denkfout een natuurlijk experiment op iedereen tegelijk. Een studie uit 2020 in de Proceedings of the National Academy of Sciences vond dat mensen de groei van het virus met ongeveer 46 procent onderschatten, en een curve die elke paar dagen verdubbelde lazen als een vriendelijke helling. Dezelfde studie vond iets hoopvols: drie zinnen die de exponentiële uitlegden verhoogden de schattingen van mensen met 173 procent en vergrootten hun steun voor vroeg ingrijpen. De denkfout zit diep, maar hij is corrigeerbaar, en de correctie is goedkoop.

Je kunt de curve ook zien versteilen in hoe snel nieuwe technologieën hun publiek vinden. Zoals de figuur hieronder laat zien, deed de telefoon ongeveer vijftig jaar over vijftig miljoen gebruikers, de televisie tweeëntwintig, de mobiele telefoon twaalf, het internet zeven, Facebook vier. Pokémon Go deed er negentien dagen over. Elk nieuw platform arriveert op een steiler deel van dezelfde curve, en elke keer werden de mensen die op de vorige adoptiesnelheid hadden gepland verrast.

10

9. Opgegeten door de curve, en de prijs van wachten

Slechte voorspellingen zijn één mislukking. De curve zien arriveren en toch weigeren te bewegen is een andere, en het is degene die bedrijven de kop kost.

Kodak vond de digitale camera uit in 1975. De eigen ingenieur bouwde de eerste, en het management koos ervoor hem te begraven in plaats van de filmzaak die geld drukte te laten kannibaliseren. De filmcurve piekte, de digitale curve nam het over, en Kodak vroeg in januari 2012 faillissement aan, terug van ongeveer 145.000 medewerkers begin jaren tachtig naar ongeveer 19.000. Blockbuster had een vergelijkbare kans in 2000, toen het de kans kreeg om een kleine postorderrivaal genaamd Netflix te kopen voor 50 miljoen dollar en dat weigerde, met het oordeel dat het een niche was. Netflix is nu ongeveer 230 miljard dollar waard. Blockbuster is een nostalgische verwijzing.

De structurele reden is in beide gevallen dezelfde, en het is de denkfout uit hoofdstuk twee in een pak. Voorspellingen verankeren aan het zichtbare, vlakke deel van de curve, het deel dat lijkt op een behapbare nevenactiviteit, en tegen de tijd dat het steile deel duidelijk is, zit de gevestigde partij vele verdubbelingen achter. De fout voelt op het moment zelf verstandig. In terugblik is hij fataal.

Wat nieuw is, is dat de kosten van wachten nu als rekensom op papier kunnen. Op een verdubbeling van zeven maanden staat een concurrent die het tempo bijhoudt na zeven maanden twee keer zo ver, na veertien vier keer, na achtentwintig zestien keer. Twee jaar "even aankijken" geeft een rivaal een zestienvoudige voorsprong die je daarna moet dichtlopen tegen dezelfde klok in. De grafiek hieronder is niets meer dan die vermenigvuldiging, getekend.

En de kloof tussen bewegers en wachters is niet langer hypothetisch. PwC's analyse uit 2025 van bijna een miljard vacatures vond dat sinds 2022 de omzet per medewerker in de sectoren die het meest aan AI zijn blootgesteld met 27 procent groeide, drie keer de ruwweg 9 procent in de minst blootgestelde. Vacatures die AI-vaardigheden vragen, droegen een gemiddelde loonpremie van 56 procent. Dat zijn terugkijkende metingen van een divergentie die op haar eigen curve nog vroeg zit.

ChatGPT ging van onder de miljoen gebruikers naar ongeveer een miljard wekelijkse gebruikers in april 2025. Tegen de tijd dat zo'n verschuiving duidelijk genoeg is om oncontroversieel te zijn, staat de organisatie die op zekerheid wachtte niet één stap achter. Ze staat vele verdubbelingen achter, op een klok die blijft halveren.

11

10. Het venster 2026-28

Leg de laatste zes hoofdstukken naast elkaar en ze wijzen naar een specifiek stuk kalender. Tussen nu en eind 2028 passeren de vermogenscurve, de kostencurve, de fysieke bouw en het rulebook allemaal een drempel. Zo ziet een venster eruit van binnenuit.

De bouw is fysiek en staat ingepland

De rekenkracht achter de curves is geen labbudget meer. Het is civiele techniek. xAI's Colossus 2 passeerde begin 2026 de gigawattgrens, als eerste samenhangende AI-trainingscluster, en de metingen van Epoch AI tonen dat de grootste rekenkracht op één locatie elke zeven maanden verdubbelt, met campussen in aanbouw op gepubliceerde opleverschema's tot in 2028. De grafiek hieronder, uit Epochs eigen data, maakt de schaal concreet in stadstermen: één AI-campus trekt inmiddels meer stroom dan Amsterdam, en de geplande gaan voorbij het gemiddelde verbruik van Los Angeles.

Investeringen op die schaal zijn geen stemming. Het zijn honderden miljarden dollars aan beton, turbines en netaansluitingen die zich alleen terugbetalen als de machines blijven verbeteren en gebruikt blijven worden. Je hoeft het vertrouwen van de investeerders niet te delen. Je moet wel plannen op het bestaan van de capaciteit, want die wordt hoe dan ook gestort.

De drempels worden nu gepasseerd

Drie passages tellen zwaarder dan de rest. Vermogen: frontier-modellen passeerden in 2025 PhD-experts op de zwaarste wetenschapsbenchmark, en de taakhorizon bereikt in 2026 een volle werkdag, wat AI verplaatst van "beantwoordt vragen" naar "draagt werk." Kosten: bij een tienvoudige jaarlijkse daling is alles wat vandaag nog nét uit kan binnen achttien maanden ondubbelzinnig. En verwachting: Suleymans duizendvoud-projectie tegen eind 2028 en Dario Amodei's publieke standpunt dat AI op menselijk niveau over de volle breedte één tot drie jaar weg is, zijn voorspellingen, en hoofdstuk elf behandelt ze als zodanig. Wat ze niet zijn, is marginaal. De mensen die de systemen bouwen, wijzen allemaal naar dezelfde twee of drie jaar.

Het rulebook heeft gedrukte datums

De Europese AI-verordening maakt van het venster een compliance-kalender. Verplichtingen voor algemene modellen gelden sinds augustus 2025. Transparantiemarkering voor synthetische content landt in de loop van 2026. Hoog-risicoverplichtingen landen, na het uitstel via de Digital Omnibus, in december 2027 voor losstaande systemen en augustus 2028 voor AI in gereguleerde producten. Wat een organisatie ook besluit over adoptie, het regelgevende werk staat gepland in exact hetzelfde venster, en dat betekent dat de bedrijven die de technologie eerst leren, hun compliance uit ervaring schrijven in plaats van uit theorie.

12

11. Het eerlijke tegenverhaal

Als het argument hier stopte was het hype, en hype is een eigen manier om de curve verkeerd te lezen. Elke echte exponentiële is de eerste helft van een S-curve, en de eerlijke vraag is altijd hoe ver de top is.

Geen enkele fysieke exponentiële loopt eeuwig door. Hij loopt tot hij een limiet raakt, en dan buigt hij. De figuur hieronder is de vorm om in gedachten te houden: wat van binnenuit lijkt op een eindeloze klim, is de eerste helft van een S, en het plafond ligt altijd ergens verderop.

Het schoonste voorbeeld zit in het rekenen zelf. Kloksnelheden van processors klommen decennia lang steil, vlakten toen rond vier gigahertz af in 2006 en zijn sindsdien nauwelijks bewogen, omdat de fysica van warmte niet meer meewerkte. Passagiersvliegtuigen werden elk decennium sneller tot de jaren zeventig, en stopten toen; een vlucht vandaag is niet sneller dan een in 1975, en de Concorde, de snelste, is uit dienst gehaald. De exponentiële waar je op zit ziet er vanuit het midden altijd eindeloos uit en vanaf de andere kant duidelijk als een S-curve.

Kunstmatige intelligentie heeft zijn eigen limieten in zicht komen, en het is de moeite waard ze helder te benoemen in plaats van weg te wuiven. Ilya Sutskever, een van de grondleggers van het veld, vertelde eind 2024 een zaal onderzoekers dat "data de fossiele brandstof van AI is," en dat de voorraad menselijke tekst om op te trainen eindig is: "we hebben maar één internet." Analisten schatten dat de bruikbare voorraad publieke tekst binnen dit decennium grotendeels verbruikt kan zijn. Chips hebben hun eigen versie van de muur: de kosten om een transistor te maken stopten rond 2011 met dalen, ook al bleef het aantal stijgen. Energie is de nieuwste muur, en de bouw uit hoofdstuk tien is precies de poging om hem voor te blijven. En er zit een subtielere valkuil in de grafieken zelf. De beroemde schaalcurves zetten dalende voorspellingsfout af tegen stijgende rekenkracht, maar fout is niet hetzelfde als nut, en de invoer-as is logaritmisch, wat de trend flatteert. Een rechte lijn van dalende fout vertaalt niet schoon naar een rechte lijn van bedrijfswaarde.

Eén citaat verdient zorgvuldige behandeling, want het is makkelijk te misbruiken. Dario Amodei, die een van de leidende AI-labs leidt, zei begin 2026 dat "we bij het einde van de exponentiële zijn." Het klinkt als overgave. Het is het tegenovergestelde: hij bedoelt dat de vermogensklim bijna voltooid is, dat menselijk niveau over de meeste cognitieve taken dichtbij is, niet dat schaling gefaald heeft. De echt eerlijke kanttekening in zijn argument is smaller en nuttiger. De oudere schaalwetten, die met een decennium aan publieke data erachter, beschreven het pre-training-tijdperk. De nieuwere winst komt uit een andere techniek, en die heeft nog geen gepubliceerde curve. Een deel van het vertrouwen van vandaag rust op een lijn die eigenlijk nog niet getrokken is.

13

12. De grillige grens

Er is één verfijning die eerlijker is dan zowel de hype als de scepsis, en die verklaart waarom hetzelfde gereedschap op dezelfde middag briljant en nutteloos kan lijken.

De totaalcurve is glad. Vermogen op het niveau van een specifieke taak is dat niet. AI heeft wat onderzoekers een grillige grens noemen: sommige taken vallen erbinnen en worden schitterend gedaan, andere vallen er net buiten en worden slecht gedaan, en de twee kunnen er van buiten identiek uitzien. Een veldexperiment van Harvard en Boston Consulting Group uit 2023 stelde 758 consultants op de proef. Op taken binnen de grens deden de mensen die AI gebruikten 12,2 procent meer werk af, tegen ongeveer 40 procent hogere kwaliteit, in ongeveer 25 procent minder tijd. Op taken erbuiten hadden de consultants die AI gebruikten 19 procentpunt meer kans om het antwoord fout te hebben.

De zin die uit de studie geciteerd wordt, is de zin om te onthouden: "taken van vergelijkbare moeilijkheid voor een mens kunnen aan tegenovergestelde kanten van de grens vallen." Menselijke moeilijkheid is niet de juiste as. Een taak die voor ons zwaar aanvoelt, kan veilig binnen de grens zitten, en een taak die triviaal aanvoelt, kan er net buiten zitten, en er is geen betrouwbare manier om vanuit intuïtie alleen te raden welke.

De grens beweegt ook naar buiten naarmate modellen schalen, dus de kaart van vandaag klopt volgend kwartaal niet meer. Zo verzoen je "het is exponentieel" met "maar het faalde bij wat ik vroeg." Beide zijn waar. Je kunt een enkele taak niet aflezen van de totale trendlijn. Je test waar de grens ligt voor jouw specifieke taak, je bouwt aan de binnenkant ervan, en dan test je opnieuw, want de grens die je deze maand in kaart bracht, is tegen de volgende verschoven.

14

13. Leven op de exponentiële van een ander

Voor een Europese lezer zit er een lastigere vraag onder dit alles. Het grootste deel van de rekencurve aan de grens draait ergens anders. Dat verandert wat "de curve vasthouden" betekent.

De omvang van het gat is gedocumenteerd. Mario Draghi's concurrentievermogenrapport uit 2024 voor de Europese Commissie vond dat de Verenigde Staten in 2024 40 noemenswaardige AI-modellen produceerden, tegen Europa's 3 en China's 15. Slechts ongeveer 13,5 procent van de EU-bedrijven had überhaupt AI ingevoerd. Het bredere investeringsgat dichten vergt volgens de schatting van het rapport in de orde van 800 miljard euro per jaar aan extra uitgaven. Op de curve van de grensmodellen specifiek is Europa een toeschouwer met goed zicht.

Dat is het echte beeld, en het is niet het hele beeld, want niet elke exponentiële is eigendom van één lab of één land. Twee ervan zijn overal berijdbaar. Zon is een mondiale leercurve: de Wet van Swanson trekt zich niets aan van welke vlag op de fabriek staat, en de prijs daalt voor iedereen die installeert. Open wetenschappelijk gereedschap is de andere. AlphaFold is gratis, wordt in Europa gehost bij EMBL-EBI, en wordt al gebruikt door meer dan twee miljoen onderzoekers in 190 landen. Een Europees lab krijgt de duizendvoudige sprong uit hoofdstuk zeven zonder kosten.

De strategische lezing volgt uit op welke curve je staat. Op de curve van de grenslabs is als eerste uitvinden de enige manier om te leiden, en die race heeft een klein deelnemersveld. Op de adoptiecurves, waaronder zon en open wetenschappelijk gereedschap, win je door snel te bewegen op wat er al is. Voor de meeste Europese organisaties is de berijdbare curve de tweede soort, en het concurrentievoordeel daar is snelheid van adoptie, niet originaliteit van uitvinding. Let op wat dat doet met het venster uit hoofdstuk tien: voor een adopteerder is het venster geen race tegen OpenAI. Het is een race tegen de andere bedrijven in je eigen markt, waarvan de meeste, per Draghi's 13,5 procent, nog niet begonnen zijn.

15

14. Hoe je een curve vasthoudt

De vaardigheid die het waard is om te hebben, zit tussen twee mislukkingen in. De ene is de lineaire reflex die de curve wegwuift. De andere is de hype die hem tot in het oneindige doortrekt. Beide tegelijk vasthouden is de hele discipline.

De curve wegwuiven is de meest voorkomende en duurste fout, en hij heeft een staat van dienst van veertig jaar. Als een technologie op een korte klok verdubbelt, is de versie ervan die er vandaag als speelgoed uitziet echt de slechtste die hij ooit zal zijn, en de eerlijke planningsaanname is dat hij sneller verbetert dan redelijk voelt. De meeste mensen, en de meeste organisaties, zitten nog verankerd aan waar een vermogen stond toen ze er voor het laatst keken, wat voor alles wat op een verdubbeling van zes maanden beweegt al twee of drie verdubbelingen verouderd is.

Geloven dat de curve oneindig is, is de zeldzamere fout, maar het is een echte, en het is waarom dit dossier een heel hoofdstuk aan limieten besteedde en nog een aan de grillige grens. De zet is niet om een kant te kiezen tussen de optimisten en de sceptici. Het is om betere vragen te stellen. Wat verdubbelt er precies, en is het het ding dat telt, of een proxy ervoor. Waar zit het plafond, een fysieke limiet of een economische. Zit de groei in de invoer, zoals rekenkracht, of in de uitvoer, zoals geleverde waarde, want die twee kunnen lang uiteenlopen. En op welke curve sta je eigenlijk, degene die je moet uitvinden of degene die je kunt overnemen.

Voor een bedrijf is de praktische versie bijna saai concreet. Ga uit van de aanname dat alles op een korte verdubbelingsklok tegen de tijd dat je project live gaat meerdere keren capabeler en meerdere keren goedkoper is dan op de dag dat je het afbakent. Bouw voor het vermogen dat aankomt, niet voor het vermogen in de demo. Test waar de grens ligt voor je eigen taken, en test opnieuw naarmate hij beweegt. Kijk uit naar de bocht, want de S-curve is echt en de top is waar fortuinen verloren gaan door de mensen die vergaten dat hij eraan kwam. De denkfout loopt voor bijna iedereen één kant op, richting de rechte lijn, dus de correctie loopt de andere kant op. Als een technologie er langzaam groeiend uitziet, kijk dan nog eens naar de klok. De curve die je niet kunt voelen, is meestal de curve die het meest telt, en de komende dertig maanden heeft hij een naam en een datum.

16

15. Verificatie en bronnen

Dit dossier steunt op live webonderzoek en een persoonlijk archief van meer dan 15.000 bronnen. Dragende getallen zijn waar mogelijk tegen minstens twee bronnen gecheckt. De noten hieronder markeren vertrouwen en de belangrijkste kanttekeningen, in de geest van ons huiswerk laten zien.

Foto's en videostills in dit dossier zijn frames uit openbaar geplaatste beelden, met vermelding van het originele account in elk bijschrift. In de webeditie kunnen ze vervangen worden door de live posts. Grafieken met het label "BFF" zijn van ons, getekend op basis van de bronnen die eronder staan. De Epoch AI-grafiek is overgenomen onder de CC-BY-licentie.