← Insights Weekoverzicht 20 juli 2026 8 min Concept

De maand waarin de puzzelstukken niet langer op elkaar wachtten

Energie, robotica en AI gingen deze week over dezelfde streep: van voorspelling naar feit, van demo naar dienst, van tool naar werknemer.

Ruben Horbach Ruben Horbach Mede-oprichter

In het kort

  • Voor het eerst in de geschiedenis wekten Amerikaanse wind- en zonne-energie meer elektriciteit op dan kolen.
  • Een OpenAI-model weerlegde een 80 jaar oud wiskundig vermoeden van Erdős door een nieuwe constructie te vinden.
  • Figure's F.03-humanoïde werkt op de echte productielijn van BMW in Spartanburg.
  • Tegen 2028 vraagt AI ongeveer 4,8x de stroomcapaciteit die Noord-Amerika aan nieuw netvermogen kan toevoegen.
  • AI die de worsteling wegneemt, holt vaardigheden uit; AI die de worsteling ondersteunt doet dat niet.

Elke week breken er een dozijn ontwikkelingen door en los van elkaar slaat geen ervan ergens op. Een netcijfer hier, een robotdemo daar, een paper, een obligatie-uitgifte, een Slack-handle. Apart gelezen is het ruis. Samen gelezen wijzen ze ergens specifiek naartoe.

Deze week is de rode draad een drempel. In energie, robotica en AI verschoof een reeks dingen die in de toekomende tijd leefden stilletjes naar het heden. De voorspelling werd een meting. De clip werd een dienst. De tool werd een collega. Dit is het patroon.

Hernieuwbaar is geen aanvulling meer

Voor het eerste jaar ooit wekten wind en zon in de VS meer elektriciteit op dan kolen. Kolen bouwden het Amerikaanse net en waren een eeuw lang de standaardbron. In 2025 zakten ze onder twee bronnen die vijftien jaar geleden nauwelijks meetelden.

Dezelfde verschuiving zie je aan de andere kant van de Atlantische Oceaan. Uit data van Ember over Groot-Brittannië blijkt dat stroomprijzen steeds verder loskomen van gas. Decennialang bepaalde de gasprijs de elektriciteitsprijs, omdat gascentrales aan de marge stonden. Die koppeling wordt losser nu wind en zon meer van de last dragen.

Twee markten, één beweging: hernieuwbare bronnen stoppen met het aanvullen van het systeem en beginnen het te bepalen. We praten nog steeds over de energietransitie als een voorspelling. Deze week las het als een scorebord.

Goedkope competentie maakt teams kleiner? Nee. Het rekt de vraag op.

De humanoid-stack rijpt subsysteem voor subsysteem

Kijk naar de roboticademo's en hetzelfde verhaal vertelt zichzelf in delen. De Hand 2 van Wuji Tech beweegt metalen vingers met de snelheid en precisie van een mensenhand. De G1 van Unitree neemt een gesproken commando in gewone taal en zet het in realtime om in fysieke actie. Behendigheid hier, spraak-naar-actie daar, voortbeweging elders al opgelost. De onderdelen duiken los van elkaar op, op verschillende lichamen, van teams die niet samenwerken.

Dan is er het onderdeel dat niemand verkoopt. NRE-Skin is een neuromorfe elektronische huid die de menselijke reflexboog kopieert. Raak een heet oppervlak aan en je hand trekt terug voordat je brein iets besluit. De huid voelt contact, schade of hitte en vuurt lokaal een reactie af, zonder op een centraal model te wachten. Elke humanoid-demo verkoopt de benen en de handen. De huid is het sensoroppervlak dat bepaalt of je veilig naast een robot kunt staan.

En het scorebord is stilletjes veranderd. De F.03-humanoid van Figure staat aan de lijn in de BMW-fabriek in Spartanburg. Geen gerenderde demo, geen geënsceneerd magazijn. De grootste Amerikaanse fabriek van BMW, een klant met een naam, een robot op de echte vloer. Jarenlang was de vraag: kan hij lopen. Nu is het: wie betaalt ervoor dat er één een dienst draait. Die lat betekent uptime, veiligheid rond mensen, een taak die een volle productiedag overleeft, en een kostenpost die een fabrieksmanager kan verdedigen.

Let ook op waar de andere robots naartoe gaan. Pulse van DEEP Robotics loopt brandende gebouwen in. REACCH werd aan boord van het ISS getest om afgedankte satellieten te grijpen voordat ze van één stuk schroot duizend stukken maken. De robotbanen die het eerst komen, zijn die welke mensen fysiek niet kunnen of moeten doen. Vuur, vacuüm, puin op 28.000 km/u. Kijk welke namen op welke vloeren verschijnen.

AI ging van onze vragen beantwoorden naar nieuwe vragen produceren

Een model van OpenAI heeft net een wiskundig vermoeden weerlegd dat tachtig jaar overeind stond. De vraag gaat terug op Paul Erdős in 1946, over hoe punten in een vlak gerangschikt kunnen worden. Decennialang leken de beste constructies op nette vierkante rasters, en de meesten namen aan dat dat het plafond was. Het model vond een andere familie die het verslaat.

Dit is wat het onderscheidt van de gebruikelijke benchmark-kop. Tot nu toe klommen deze systemen langs tests die wij ontwierpen, met antwoorden op vragen waarvan we het antwoord al hadden. Dit keer werkte een model aan een prominent open probleem in het hart van een vakgebied en produceerde het een constructie die niemand had opgeschreven.

Dat herdefinieert wat het vakgebied überhaupt is. Microsofts chief scientist Eric Horvitz zegt dat hij de term kunstmatige intelligentie nooit heeft gemogen en de voorkeur geeft aan computationele intelligentie, omdat in zijn ogen dezelfde klasse van processen zowel een biologisch zenuwstelsel als een machine beschrijft. Laat dat even bezinken en de kaart schuift: de grootste winsten blijven niet binnen chatbots en code hangen. Horvitz verwacht dat de doorbraken die we ons van dit decennium herinneren in biologie en geneeskunde landen, gearchiveerd onder AI.

Iemand heeft dat experiment al per ongeluk uitgevoerd. Een techondernemer in Australië zonder biologische achtergrond sequencete voor ongeveer $1.000 de tumor van zijn stervende asielhond, haalde het DNA door ChatGPT en AlphaFold om de gemuteerde eiwitten te vinden, en ontwierp vanaf nul een gepersonaliseerd mRNA-vaccin. De genomica-hoogleraar die het beoordeelde was, in zijn eigen woord, gobsmacked. Eén tumor is sindsdien ruwweg gehalveerd. Kijk voorbij de tool: wat veranderde is de afstand tussen een moeilijk probleem en iemand die bereid is het aan te pakken.

Goedkope competentie krimpt teams niet. Ze rekt de vraag op.

METR volgt hoe lang een softwaretaak mag duren die frontier-modellen minstens de helft van de tijd afronden. In het GPT-4-tijdperk was dat een paar minuten. Vandaag is het werk van meerdere uren, en de curve verdubbelt ruwweg elke zeven maanden. Dwarkesh Patel wijst op de rem op de volgende sprong: continual learning. Een model begint elke sessie vanaf nul. Een nieuwe medewerker is traag in maand één en draagt context in maand zes. Zodra modellen vasthouden wat ze op het werk leren, verandert de hele maatstaf.

Terwijl die horizon oprekt, verhuizen de tools naar de ruimte waar het werk al gebeurt. Anthropics Claude Tag zet het model rechtstreeks in Slack als teamlid. Het zit in gekozen kanalen, wordt getagd als een collega, pakt gedelegeerde taken op in dezelfde threads als je mensen. AI gebruiken betekende vertrekken: tab openen, typen, antwoord terugkopiëren. Nu zit het inline tussen al het andere.

En de headcount-rekensom is het deel dat de meeste plannen missen. Dan Shipper automatiseerde elke taak die hij kon met AI-agents. Zijn bedrijf groeide van 4 naar 30 mensen. Elke workflow die aan agents werd overgedragen maakte mensen vrij voor werk dat eerder buiten bereik lag, dus het menselijke werk groeide. Als expertcompetentie goedkoop wordt, vind je meer plekken om experts neer te zetten. Goedkopere juridische review betekent meer contracten reviewen. Goedkopere analyse betekent meer vragen stellen. De vraag rekt op om de capaciteit te vullen. De meeste plannen budgetteren voor krimpende headcount. De teams die uitlopen budgetteren voor wat je doet met de ruimte die vrijkomt.

De beperkingen die niemand op de slide zette

Elke drempel deze week verbergt een bottleneck. Tegen 2028 wil AI bijna vijf gigawatt aan stroom voor elke gigawatt aan nieuwe datacentercapaciteit die Noord-Amerika kan bouwen. In 2023 was die verhouding 0,4x; het aanbod dekte de vraag ruimschoots. Tegen 2028 zet de grafiek hem op 4,8x. Iedereen volgt het verdubbelen van compute. Bijna niemand volgt of het net het kan voeden. Silicium schaalt in een paar jaar. Een hoogspanningstransformator heeft een levertijd van meerdere jaren, een onderstation heeft vergunningen nodig, hoogspanningslijnen hebben grond en een decennium aan geduld nodig.

Het geld weet het al. Twee keer in vier maanden ging Amazon naar de obligatiemarkt om zijn AI-uitbouw te financieren: $37 miljard in maart, minstens $25 miljard extra deze maand. Ondertussen begon Meta een cloudbedrijf om zijn overtollige compute te verhuren. Jarenlang kwam de capex uit zakgeld. Nu komt hij uit schuld en gehuurde GPU's.

En de materiaalschaarste ziet eruit als een prijsgrafiek voordat ze eruitziet als een krantenkop. Wolfraam zat meer dan een decennium onder $0,5K per DMTU. Toen ging de grafiek verticaal. Het is de stille grondstof achter pantserdoorborende munitie, snijgereedschap en halfgeleidercontacten, twee keer zo dicht als staal, met een smeltpunt van 3.400°C, en China controleert het merendeel van het aanbod. Iedereen kijkt naar chips en zeldzame aardmetalen. Wolfraam is hoe een schaarste aan kritieke materialen er daadwerkelijk uitziet zodra ze de markt raakt.

Nog één beperking, dit keer menselijk. Nature Medicine heeft een naam voor wat AI met medische opleidingen doet: never-skilling. We maakten ons al zorgen over de-skilling, de chirurg of programmeur wiens scherpte afstompt door op de machine te leunen. Never-skilling is stiller: een arts in opleiding die vanaf dag één elke scan naast een AI leest, bouwt misschien nooit het interne model op om er één zonder te lezen. Een grote studie in China vond het mechanisme precies: naarmate studenten AI gebruikten om huiswerktijd te verkorten, daalden hun scores in gelijke tred. AI die de worsteling wegneemt, deskilled. AI die de worsteling ondersteunt doet dat juist niet. Dezelfde tool, tegengestelde uitkomst. Wat voorspelt of AI helpt, is of de inspanning het contact ermee overleeft.

De afsluiting

Rijg de week aan elkaar en er ontstaat één vorm. Dingen die voorspellingen waren, werden metingen. Hernieuwbaar bepaalt de prijs. Een model produceerde nieuwe wiskunde. Een robot klokte in bij BMW. Een hond knapte op. Elk op zich is een krantenkop. Samen markeren ze dezelfde oversteek, van iets dat eraan komt naar iets dat er is.

De interessante vraag is allang niet meer of de capaciteit arriveert. Deze week zegt dat ze er al is, in stukken. De vraag is wat haar voedt en wie het oordeelsvermogen opbouwt om haar goed te gebruiken: het net, de transformatoren, het wolfraam, en de mensen die het werk nog moeten leren voordat de machine het voor hen doet. De overvloed en de bottleneck arriveren in dezelfde week.

Dit doe ik elke week in Navigating Exponential Change: de ontwikkelingen nemen die er echt toe doen en ze als één verhaal lezen, zodat je vertrekt met het patroon in plaats van de stapel. Als dat nuttig is, ben je welkom om je te abonneren.

Ruben Horbach

Ruben Horbach

Mede-oprichter · Back From the Future

Ruben onderzoekt hoe organisaties AI betekenisvol adopteren — niet als technologie, maar als verandering van werk en mensen. Hij bouwt de agent-infrastructuur achter BFF en geeft keynotes over de nabije toekomst van werk.

Dit vertalen naar jullie situatie?

Plan een gesprek — we denken graag mee over wat dit voor jullie betekent.