^{Weg onder de A28 die is afgesloten, via De Stentor. © Frans Paalman}

Dit artikel is deel van mijn reeks over verticale politiek: het denkraam waarin ik publieke debatten niet horizontaal benader (voor versus tegen, links versus rechts) maar verticaal doordenk in drie lagen: doorgronden, overzien en bezinnen. Het eindpunt is telkens een alternatieve visie en een nieuw perspectief op het debat. Dit artikel bestaat uit twee delen: Deel I legt bloot waarom de overheid groeit, altijd, onder elke kleur, en bewijst dat het anders kan. Deel II bouwt het alternatief: de intelligente overheid, met als nawoord een werkinstructie in tien stappen voor beleidsmakers.

Leestijd: circa 18 minuten.

Eind januari 2026 lagen er stukken beton op de A28 bij knooppunt Lankhorst. Ze waren afgebrokkeld van het viaduct erboven, bouwjaar 1976. De weg ging dicht. Vijf maanden later, in juni, schrapte Rijkswaterstaat het geplande groot onderhoud in Noord-Nederland en Utrecht: 92 kilometer asfalt wordt voorlopig niet vervangen en 130 kilometer niet hersteld, en het onderhoud aan 104 kilometer vangrails en 94 viaducten, tunnels en bruggen moet wachten. De reden: het geld is op. De Algemene Rekenkamer becijferde eerder dat het gat tussen beschikbaar budget en benodigd onderhoud tot 2038 oploopt naar 34,5 miljard euro. De minister van Infrastructuur en Waterstaat erkent zelf een opgave van 80 miljard tot 2040 die niet in de huidige budgetten past.

Drie weken vóór dat schrapbesluit verscheen een persbericht van de Rijksoverheid met de kop “Rijksoverheid wordt efficiënter en effectiever”. In hetzelfde bericht stond het echte nieuws: het apparaat groeide opnieuw, naar 160.016 fte. De groei “vlakte af”, meldde het bericht opgewekt. Alsof een schip dat iets langzamer de verkeerde kant op vaart, van koers is veranderd.

De wereld op zijn kop: een staat die zijn oudste opdracht laat verkommeren, het beton boven de snelweg, en tegelijk elk jaar verder uitdijt in beleid en staf. Vrijwel elke politicus zegt een kleinere en efficiëntere overheid te willen. Geen van die politici heeft er een substantiële visie op.

Dit artikel is een poging die visie te bouwen, in twee delen. Deel I ontleedt het probleem: het maaiveld waar het debat nu vastzit, de mechanismen eronder, en de cijfers en bewijzen dat het anders kan. Deel II ontwerpt het alternatief: van de grondvraag wat de opdracht van de staat is naar een aanpak, de intelligente overheid, inclusief werkinstructie voor beleidsmakers.

Want de overheid kan kleiner. Alleen anders dan we het nu proberen.

Deel I: waarom de overheid groeit, en het bewijs dat het anders kan

Het maaiveld: iedereen wil krimpen, alles groeit

Het kabinet-Schoof kondigde in 2024 een bezuiniging van 22 procent op het rijksapparaat aan. Het resultaat: het apparaat groeide in 2024 en 2025 gewoon door, en de Rekenkamer stelde vast dat er sinds 2021 bijna 30.000 rijksambtenaren zijn bijgekomen en dat een langetermijnplan ontbreekt. De taakstelling staat in een budgettaire bijlage. De werkelijkheid staat in de personeelsadministratie.

Toenmalig minister Karremans van Economische Zaken koos in september 2025 een andere route: vóór de zomer van 2026 zouden 500 regels worden geschrapt of vereenvoudigd. “Je kan me erop afrekenen”, zei hij erbij. In december stond de teller op 218 regels die worden geschrapt, vereenvoudigd “of al zijn aangepakt”. Ik gun elke ondernemer elke geschrapte regel. En toch is dit geen aanpak maar een telraam. Drie redenen.

Ten eerste telt het output in plaats van mechanisme. “500 regels” is een campagnegetal. Regeldruk verminderen van een regel telt mee, dus het doel is haalbaar zonder dat er iets verdwijnt. Ten tweede repareert het de voorraad terwijl de kraan openstaat. Nederland produceert nieuwe regels sneller dan welke minister ook ze kan schrappen; wie alleen de voorraad opruimt, dweilt. Ten derde benoemde Karremans de oorzaak zelf. “De reflex van de overheid is om risico’s weg te managen met regels, vaak tot ver achter de komma”, zei hij bij de presentatie, en vervolgens bestrijdt zijn programma de 500 symptomen van die reflex, en de reflex zelf niet.

Het huidige kabinet zet de lijn voort. Staatssecretaris Van der Burg van Slagvaardige Overheid wil “minder regels, slimmere werkwijzen en een compactere organisatie”. Het staat in hetzelfde persbericht dat de groei naar 160.016 fte meldt.

En dan is er de schreeuwende variant. Elon Musk zette met DOGE de kettingzaag in de Amerikaanse ambtenarij, Javier Milei poseerde ermee op het podium. Wie een kleinere overheid wil, krijgt deze twee steevast als (schrik)beeld voorgehouden, en dat beeld werkt verlammend: het gesprek over overheidsomvang eindigt voordat het begint. Dat is te gemakkelijk, zeker bij Milei. Hij trof een land aan met een inflatie van ruim honderd procent en een chronisch tekort, en boekte in zijn eerste jaar het eerste begrotingsoverschot in veertien jaar. De inflatie daalde van bijna 118 procent eind 2024 naar 31,5 procent eind 2025, en de armoede, die na de schokdevaluatie eerst opliep tot bijna 53 procent, zakte naar 28 procent, het laagste niveau sinds 2018. Wie dat wegzet als kettingzaagpolitiek, ziet niet dat er een keuze onder lag: begrotingsevenwicht als voorwaarde voor al het andere. Er ligt dus visie onder de zaag, en het beeld dat onze media ervan maken, geeft die niet weer.

^{Met de kettingzaag in de hand bezwoer Javier Milei als presidentskandidaat dat hij diep in de overheidsuitgaven zou snijden. © Getty Images}

De tegenboekhouding hoort er direct bij. Ruim veertig procent van de Argentijnse kinderen leeft nog altijd in armoede, de groei leunt op soja, lithium en olie, en Argentinië was een land in ineenstorting; wat daar een reddingsoperatie was, is voor een land met een tekort van een paar procent geen ontwerp. Milei bewijst dus dat een radicale ingreep de begroting kan redden. Hij bewijst niet dat de kettingzaag de staat beter maakt, en die twee vragen worden in Nederland voortdurend verward. DOGE bewijst zelfs het eerste niet: daar was het getal het doel en bleef de keuze uit. Zo bekeken zijn de kettingzaag en het telraam geen tegenpolen. Beide snijden in wat zichtbaar is (mensen, dollars, regels) en laten staan wat het werk veroorzaakt. Canada leerde die les al in de jaren negentig, daarover straks meer: wie banen schrapt zonder het werk te schrappen, ziet de werkdruk terugkeren en het apparaat opnieuw groeien.

Al deze pogingen, van de bijlage van Schoof tot de kettingzaag van Musk, zijn horizontale politiek: een reactie op het incident (de begroting knelt, de kiezer mort) met een maatregel op de oppervlakte (een percentage, een aantal).

De verticale vraag komt niet aan bod: waaróm groeit dit ding eigenlijk, altijd, onder elk kabinet, van elke kleur? Wie die vraag niet beantwoordt, kan hooguit tijdelijk tegen de groei in duwen. Dus dalen we af.

Doorgronden: vijf mechanismen die de overheid laten groeien

1. Beleid stapelt, en niemand ruimt op. De Duitse bestuurswetenschapper Christoph Knill en zijn collega’s documenteerden in Policy Accumulation and the Democratic Responsiveness Trap een patroon dat in alle westerse democratieën zichtbaar is: regeringen voegen voortdurend beleid toe en verwijderen vrijwel nooit iets. Beleidsaccumulatie, heet dat in één woord. De reden is democratisch, en juist daarom zo hardnekkig. Elk maatschappelijk probleem vraagt om een antwoord, en een antwoord geven is politiek altijd aantrekkelijker dan uitleggen waarom je het niet geeft. Maar elke nieuwe regeling heeft onderhoud nodig: ambtenaren die haar uitvoeren, toezichthouders die haar handhaven, rapportages die haar verantwoorden. De stapel groeit sneller dan de capaciteit om hem te dragen, en uiteindelijk bezwijkt de uitvoering onder het beleid. Knill noemt dat de responsiveness trap: de democratie wordt gewurgd door haar eigen bereidheid om te reageren.

2. De pakketreflex: elk risico krijgt een laag erbij. Kijk naar de auto waarin je rijdt. Sinds juli 2024 moet elke nieuw verkochte auto in de EU zijn uitgerust met een intelligente snelheidsassistent die piept als je te hard rijdt, een systeem dat je vermoeidheid en afleiding bewaakt, een zwarte doos die je rijgedrag vastlegt, en een voorbereiding voor een alcoholslot. Elk risico dat de samenleving signaleert, wordt beantwoord met een verplichte technische of juridische laag, en er bestaat geen Europese verordening die een laag wéghaalt omdat het risico is verdwenen of omdat burgers het zelf afdekken.

Ik noem dat de pakketreflex, en het mechanisme erachter herkent iedereen die weleens aan een beleidstafel zat. Er dient zich een probleem aan, de politiek vraagt experts uit alle betrokken disciplines om advies, en elke expert levert vanuit het eigen vakgebied een maatregel aan. Vervolgens krijgt niet de beste selectie een plek, maar het hele pakket: niemand aan tafel heeft de rol om te zeggen welke twee maatregelen tachtig procent van het probleem oplossen en wat er dus niet hoeft. Zo groeit elk dossier tot een pakket, en elk pakket tot apparaat. In mijn stuk over het socialemediaverbod voor minderjarigen, dat binnenkort in deze reeks verschijnt, laat ik zien hoe dat werkt aan de hand van het expertrapport over kinderen online dat Von der Leyen deze zomer in ontvangst nam: een lange lijst aanbevelingen, waarvan er twee het effect leveren.

3. Organisaties groeien omdat ze het kunnen. Parkinson formuleerde in 1955 zijn wet: werk dijt uit tot het de beschikbare tijd en mensen vult. Niskanen liet zien dat afdelingen hun budget maximaliseren; een directeur met meer mensen en meer geld heeft meer aanzien, en niemand in het systeem wordt beloond voor het teruggeven van budget. Jos Blank, emeritus hoogleraar productiviteit van de publieke sector aan de Erasmus Universiteit, zegt het onomwonden: “Je moet als ambtenaar wel heel idealistisch in elkaar zitten om te zeggen: we geven het geld dat we niet nodig hebben weer terug.” Het ligt dus niet aan de ambtenaar. Het ligt aan een systeem dat groei beloont en krimp bestraft.

4. De kostenziekte, en haar Nederlandse diagnose. De econoom William Baumol beschreef waarom arbeidsintensieve diensten relatief steeds duurder worden: de lonen stijgen mee met de marktsector, maar de productiviteit stijgt niet mee. Een strijkkwartet speelt Mozart niet sneller dan twee eeuwen geleden. Blank paste die diagnose toe op de Nederlandse overheid, en zijn instituut IPSE Studies leverde het bewijsmateriaal: veel overheidsdiensten zijn tussen 2000 en 2023 fors minder productief geworden, zonder kwaliteitswinst. Zijn conclusie draait de intuïtie om: het probleem is geen geldgebrek maar geldovervloed. “De overheid krijgt er voortdurend extra geld bij, maar dat leidt niet tot navenante productiviteitsverhoging”, en sterker: een te groot aantal ambtenaren duwt de productiviteit omlaag, ze gaan elkaar in de weg lopen. Meer mensen op hetzelfde probleem betekent meer afstemming en meer coördinatielagen.

5. De begroting beloont het nieuwe en verwaarloost het bestaande. Dit mechanisme verklaart het afgebrokkelde viaduct uit de opening van dit stuk. Vrijwel elke overheidsbegroting is incrementeel: het budget van dit jaar is dat van vorig jaar plus een beetje. Binnen die logica heeft nieuw beleid alles mee: een minister die ermee kan scoren, een persmoment, een zichtbare doelgroep. Onderhoud heeft alles tegen: het is oud geld, het levert geen lint op om door te knippen, en de rekening van uitstel komt pas jaren later, bij een opvolger. Dus wint de beleidsnotitie het van het viaduct, kabinet na kabinet, tot het beton op de snelweg ligt. De Rekenkamer voegde er in 2025 iets aan toe: ministeries zoeken niet altijd vooraf uit hoeveel personeel nieuw beleid kost. Men besluit eerst en telt daarna. Een huishouden dat zo boekhoudt, meldt zich vroeg of laat bij de schuldhulp.

Eén ding hoort bij dit doorgronden: de tegenboekhouding. Een deel van de groei is verklaarbaar en zelfs verdedigbaar. De hersteloperatie toeslagen vraagt duizenden mensen. Het omzetten van dure externe inhuur in vaste banen verhoogt het fte-aantal terwijl de kosten dalen. En de uitvoering, van de rechtspraak tot de jeugdbescherming, is decennia uitgehold en verdient herstel. Wie de hele groei wegzet als vetzucht, voert dezelfde halve boekhouding als wie elke groei goedpraat. Op sommige plaatsen mag de overheid dus groeien. De vraag is wáár, wie dat bepaalt, en welke krimp er tegenover staat.

Overzien: de cijfers, en de bewijzen dat het anders kan

Tussen 2015 en 2024 groeide het openbaar bestuur (Rijk, gemeenten, provincies, waterschappen) met ruim 110 duizend voltijdbanen, een toename van 38 procent. De sector Rijk groeide het hardst: 43,9 procent. De gemeenten volgden met 34,6 procent. De politie, een belangrijke en urgente kerntaak, groeide in dezelfde periode met 4,8 procent. Het CBS bevestigt het beeld voor de recente jaren: tussen 2018 en 2024 kwamen er bij de Rijksoverheid 51 duizend fte bij, plus 30 procent. En binnen die groei zit een verdeling die de richting van het apparaat blootlegt: volgens het Financieele Dagblad groeien stafdiensten als communicatie en HRM als nooit tevoren en werkt de helft van de rijksambtenaren in een stafafdeling. Voor elke ambtenaar die iets voor een burger doet, is er één die iets voor de organisatie doet.

_{De Nederlandse overheid is in de afgelopen 10 jaar sterk gegroeid. Uit Nieuwsbericht 18-12-2025, zie bronnen.}

Amsterdam is de lokale spiegel. Het aantal fte bij de gemeente steeg in vijf jaar van 14.411 naar 18.700, en de loonkosten van zo’n twee miljard euro per jaar vormen de grootste post op de gemeentebegroting.

Wat leveren al die extra mensen op? IPSE Studies rekende het uit voor de kerndepartementen: de efficiëntiescores lopen uiteen van 96 procent bij OCW tot 66 procent bij Buitenlandse Zaken, en de totale productiviteitsruimte bedraagt zo’n 850 miljoen euro, 19 procent van de kosten. In gewone taal: een vijfde van de kosten kan eraf zonder dat er minder uit komt. Blank besprak het in de Jortcast, toen Jort Kelder hem vroeg of de DOGE-kettingzaag iets voor Nederland was. Zijn eigen recept is minder spectaculair dan een kettingzaag: scherpere budgettering en duidelijke keuzes van de ambtelijke top, want normen op inhuur of overhead omzeilt een organisatie moeiteloos.

Dat het anders kan, is twee keer bewezen: één keer groot, en ook een keer dichtbij.

Dat bewees Canada in het groot. Halverwege de jaren negentig stond het land er slechter voor dan Nederland nu: een tekort dat de financiële markten deed twijfelen aan de kredietwaardigheid. De regering-Chrétien koos in 1994 uitdrukkelijk niet voor de kaasschaaf, die was in de jaren tachtig al mislukt. Ze koos voor een Program Review waarin elk overheidsprogramma langs zes vragen werd gelegd:

1. Dient dit programma nog een publiek belang?

2. Is dit een taak voor de overheid?

3. Zo ja: voor welke bestuurslaag?

4. Kan het (deels) door de markt of de samenleving worden gedaan?

5. Als de overheid het blijft doen: kan het efficiënter?

6. Is het geheel betaalbaar?

Geen bezuinigingsronde dus, maar een herbegroting vanuit de missievraag. Het resultaat: tussen 1994 en 1999 kromp de federale overheid met ruim 42.000 mensen, 17,4 procent, het tekort verdween en Canada draaide tot 2008 begrotingsoverschotten. Zonder sociale ontwrichting, met vertrekregelingen in plaats van ontslaggolven, en politiek gedragen: de architecten schreven later dat de operatie werd geleid door een heldere visie op wat de missie van de federale overheid hoort te zijn. En de operatie kende een les die elke navolger moet kennen: op de plekken waar men banen schrapte zonder het onderliggende werk te schrappen, keerde de werkdruk terug en groeide het apparaat later opnieuw. Krimp zonder takendiscussie is uitstel.

Het bewijs dichtbij is Rotterdam. De gemeente schrapte tussen 2010 en 2014 ruim 2.500 fte op een formatie van 12.900, bijna een vijfde. De Rekenkamer Rotterdam onderzocht wat burgers ervan merkten en vatte het antwoord in de titel van haar rapport: Geen krimp gegeven. De dienstverlening bleef op peil.

De kettingzaag is dus niet het voorbeeld. Ze is het excuus om de voorbeelden te negeren.

Reclameblok: Eerder verschenen in deze verticale reeks het datacenterstuk, de reconstructie van de huurwet en Nieuw Amsterdam. Het boek over verticale politiek verschijnt in de eerste helft van 2027. Meer van deze artikelen ontvangen?

Bezinnen: wat is bureaucratie eigenlijk, en wat is de opdracht?

Wie afdaalt naar de grondvraag, begint bij een vaststelling die in dit debat zelden klinkt: bureaucratie is een beschavingsprestatie. Max Weber beschreef haar als de organisatievorm die willekeur vervangt door regels, en de gunst van de machthebber door gelijke behandeling zonder aanzien des persoons. Wie weleens in een land heeft gewerkt waar een vergunning afhangt van wie je kent, weet wat een goed functionerende bureaucratie waard is. Het probleem is nooit de bureaucratie zelf. Het probleem ontstaat wanneer het middel het doel opeet: wanneer verantwoording afleggen meer tijd kost dan het werk waarover verantwoording wordt afgelegd, en de helft van een organisatie bestaat om de andere helft te besturen.

Dan de opdracht. De vraag “hoeveel ambtenaren heeft Nederland nodig” is onbeantwoordbaar zolang de vraag ervóór onbeantwoord blijft: wat is de opdracht van de staat? Elke overheidstaak wordt betaald met belastinggeld dat onder dwang wordt geheven. Die dwang rechtvaardig je alleen voor taken die de samenleving zelf aantoonbaar niet kan organiseren: veiligheid, rechtspraak, infrastructuur, een vangnet, de basis van onderwijs en zorg, en tegenwoordig de digitale en fysieke weerbaarheid van het land. Dat is de kern. Daaromheen ligt een schil van taken die ooit met goede redenen zijn toegevoegd en nooit meer zijn heroverwogen. En om die schil ligt een tweede schil van taken die vooral de eerste twee schillen besturen, controleren en van communicatie voorzien.

Hier raakt dit stuk aan de grondtoon van deze hele verticale politiek reeks: de keuze tussen beschermen en weerbaar maken. Weerbaarheid is geen zachte term. Ze heeft een oude en precieze naam, en ik gebruikte die eerder in Nieuw Amsterdam, de economische agenda: handelingsvermogen, bij Spinoza potentia agendi, het vermogen van een lichaam om iets teweeg te brengen. Zijn stelling is dat elk levend geheel ernaar streeft dat vermogen op peil te houden en te vergroten, en dat angst dat streven omkeert: dan gaat een lichaam beschermen wat het heeft in plaats van vergroten wat het kan. Dat is precies wat een overheid doet die elk risico afdekt en elk ongemak met een regeling beantwoordt. Ze beschermt het handelingsvermogen van de samenleving zo grondig dat er steeds minder van overblijft, en een samenleving die minder zelf draagt, vraagt om meer overheid. Zo houden de beschermende staat en de leunende samenleving elkaar in een wurggreep, en het apparaat groeit aan beide kanten ervan. Wie de overheid kleiner wil, moet dus de samenleving sterker willen. Het een kan niet zonder het ander.

Dat klinkt abstract, dus neem een traplift. Een oudere kan de trap niet meer op, de gemeente betaalt mee vanuit de Wmo, en de bewoner blijft veilig thuis wonen. Voor die ene bewoner groeit het handelingsvermogen onmiskenbaar; wie dat wegwuift, heeft dit stuk verkeerd gelezen. Tel nu de rest van de rekening op. De belastingbetaler draagt de kosten en houdt minder over om zelf mee te handelen. Er moet een apparaat omheen: een loket, een consulent, een keukentafelgesprek, een indicatie, een aanbesteding, een bezwaarprocedure, en die mensen doen ondertussen niet iets anders. Wat familie en buren voorheen onderling regelden, verhuist naar een beschikking, en een vermogen dat je niet gebruikt, verdwijnt. En de oudere blijft in een eengezinswoning die daarmee niet vrijkomt voor het gezin dat erop wacht, in een land waar juist de doorstroming vastzit. Dezelfde uitgave kan weerbaarheid kopen of weerbaarheid opeten, en welke van de twee het wordt, hangt niet af van de goede bedoeling maar van de vraag of iemand de hele optelsom heeft gemaakt.

Daarmee ligt er ook een meetlat klaar. Op 24 november verschijnt ‘De stad die ophield te begrijpen’, een beschouwing in boekvorm waarin ik Spinoza van zijn sokkel haal, meeneem de stad in, en door zijn lens naar het Amsterdam van nu laat kijken (spoiler: zijn conclusie is niet mals). Uit die wandeling ontstaan vier vragen waarmee beleidsmakers elk besluit kunnen wegen.

1. Vergroot dit ons vermogen, of beschermt het alleen wat we hebben?

2. Handelen we vanuit oorzaken, of reageren we op een beeld?

3. Versterkt dit mensen, of verzacht het vooral ons eigen ongemak?

4. En kijken we vanuit vier jaar, of vanuit twaalf?

Elke vraag wijst hier iets aan wat de vorige delen al lieten zien: het beleid dat beschermt zonder te versterken, de pakketreflex die op beelden reageert, de hulp die verzacht en de oorzaak laat staan, de begroting die niet verder kijkt dan een kabinetsperiode en daarom het viaduct laat afbrokkelen. Bij die eerste vraag hoort één anker, anders wordt ze een groeivergunning: het gaat om het vermogen van de samenleving, niet dat van het apparaat. Elke directeur kan uitleggen dat zijn afdeling vermogen toevoegt.

Deel II: het alternatief

De aanpak: de intelligente overheid

De vraag die na de vorige delen overblijft, is preciezer dan “hoe wordt de overheid kleiner”. Ze luidt: hoe bouw je een overheid die minder mensen nodig heeft omdat ze beter kiest, beter uitvoert en beter is toegerust? Kleiner is dan geen doel maar een uitkomst, en dat onderscheid is het hele verschil met veertig jaar taakstellingen. Wie op omvang stuurt, krijgt een uitgeklede versie van dezelfde overheid, en die veert terug. Wie op de opdracht en het vermogen stuurt, krijgt een andere overheid, en die blijft.

Noem het programma waar dit op uitloopt de intelligente overheid, en lees dat woord in beide betekenissen tegelijk. Intelligent als in verstandig: een staat die kiest vanuit oorzaken in plaats van vanuit beelden. En intelligentie als de nieuwe productiefactor, die kennisintensief werk voor het eerst goedkoper maakt.

De aanpak bestaat uit vijf ingrepen, één voor elk groeimechanisme uit het doorgronden-deel. Ze werken alleen samen: wie er één uitkiest en de rest laat liggen, herhaalt veertig jaar taakstellingen.

Eerste ingreep: begroot vanuit de opdracht, niet vanuit de historie. Voer een Nederlandse Program Review uit: leg elke uitgave en elk programma langs de zes Canadese vragen, te beginnen bij de vraag of het een publiek belang dient en of de staat de aangewezen uitvoerder is. Dat is iets fundamenteel anders dan een taakstelling. Een taakstelling zegt: doe hetzelfde met 22 procent minder. Een opdrachttoets zegt: bepaal eerst wat je doet, en bemens dat vervolgens volledig. Het draait ook de brugparadox om. In een begroting die bij de kerntaken begint, staat het onderhoud van 94 viaducten bovenaan en de zoveelste subsidieregeling onderaan, in plaats van andersom. Er is dan geen geld te weinig voor bruggen. Er is geld te veel voor de rest.

De zes vragen ruimen op wat er ligt. Voor wat erbij komt, gelden de vier vragen uit het vorige deel, en die verdeling is het hele verschil tussen een schoonmaak en een gewoonte. Canada bewees in 1994 dat de opruiming werkt, en Canada bewees daarna ook wat er gebeurt als je de toevoer niet aanpakt: het apparaat groeide opnieuw. De zes zijn een operatie, kabinetsbreed, met een einddatum. De vier zijn een werkregel die elke dag geldt, bij elk wetsvoorstel en elk incident dat om een maatregel schreeuwt. Wie alleen opruimt, dweilt. Wie alleen de kraan dichtdraait, laat veertig jaar stapelwerk staan.

Tweede ingreep: laat de uitvoering groeien en het beleid krimpen. De krimp moet asymmetrisch zijn, en wel omgekeerd aan hoe taakstellingen nu uitpakken. De cijfers wijzen de richting: als de helft van de rijksambtenaren in een stafafdeling werkt terwijl de rechtspraak wachtlijsten heeft en de jeugdbescherming omvalt, dan weet je waar de ruimte zit en waar de nood. Meer handen aan het bed, aan de balie, op de brug en in de rechtszaal. Minder handen aan de nota en het afstemmingsoverleg. De huidige taakstellingen doen het omgekeerde: ze ontzien de uitvoering op papier, maar slaan in de praktijk neer waar het minst weerstand zit, en dat is zelden de stafkolom die de taakstelling zelf administreert.

Derde ingreep: kies competentie boven capaciteit. Blanks vondst dat ambtenaren elkaar in de weg lopen, is in de kern een pleidooi voor minder maar betere mensen. Zijn observatie dat onderpresteren bij de overheid niet wordt bestraft en bovengemiddeld presteren niets oplevert wijst op hetzelfde: het systeem selecteert op aanwezigheid, en excellentie is er geen categorie. Draai het om. Een kleinere overheid kan haar mensen beter betalen en scherper selecteren. Kijk naar de Belastingdienst, waarover ik eerder schreef: die draait op zo’n 900 IT-systemen in ruim 30 programmeertalen, met 4.500 interne IT’ers en een raamcontract van ruim een miljard euro voor externe inhuur. Dat is geen capaciteitstekort. Dat is een organisatie die haar eigen vakmanschap heeft uitbesteed en nu de regie huurt over systemen die ze zelf niet meer doorgrondt. Elke euro die van inhuur naar eigen, goed betaalde expertise verschuift, koopt eigenaarschap terug. De overheid hoeft geen grote werkgever te zijn. Ze moet een goede zijn.

Vierde ingreep: zet de nieuwe productiefactor in, in de juiste volgorde. Hier verandert het speelveld ten opzichte van elke eerdere krimpoperatie. Dat eerdere afslankingen telkens terugveerden, komt door de ziekte van Baumol: het werk zelf werd nooit lichter, dus keerde elke bezuiniging als werkdruk terug. Intelligentie als productiefactor doorbreekt die wetmatigheid, omdat het voor het eerst de productiviteit van denkwerk zelf verhoogt: precies het werk waaruit een overheid grotendeels bestaat. Vergunningen beoordelen, dossiers samenvatten, regelingen uitvoeren, wetgeving consistent houden. Canada moest het in 1994 nog volledig van herordening hebben; wij hebben een hefboom die zij niet hadden. Maar de volgorde luistert nauw, en de Belastingdienst toont waarom. Wie AI loslaat op 900 verouderde systemen en een regelbestand dat niemand meer overziet, automatiseert de complexiteit in plaats van haar op te lossen. Digitale Kafka blijft Kafka, alleen sneller. Dus: eerst de opdrachttoets (welke taken blijven), dan vereenvoudigen (welke regels en systemen dragen die taken), en pas dan de intelligentielaag erop. Regels, dan systemen, dan mensen. In die volgorde is de winst reëel; omgekeerd betonneer je de huidige overheid voor een generatie vast. Daarom staan de twee betekenissen van intelligent niet los van elkaar: eerst verstandig kiezen, dan pas de nieuwe productiefactor. Wie de tweede zonder de eerste pakt, krijgt een digitaliseringsprogramma met een directie, een dashboard en een loket, gebouwd bovenop de systemen van gisteren.

Vijfde ingreep: leg het bij de premier en de minister van Financiën. Hier verklaart de ophanging de mislukking. Een staatssecretaris van Slagvaardige Overheid kan aan bedrijfsvoering komen: inhuur, formatie, regeldruk, de dingen die op zijn eigen bureau liggen. Hij heeft geen titel om een collega-minister te vragen of diens programma nog een publiek belang dient, en zonder die titel eindigt elk voornemen bij het telraam. De reikwijdte van een instrument wordt bepaald door de stoel waarop het ligt, en die stoel is nu te laag voor de vraag. Canada legde de operatie bij de premier en de minister van Financiën samen, liet elke minister zijn eigen portefeuille door de zes vragen halen, en zette haar twee begrotingsjaren lang bovenaan de agenda. Die verdeling werkt: de premier houdt de opdrachtvraag (wat is de staat, wat doen we), Financiën houdt de rekening (wat kost het, wat valt af). De eerste zonder de tweede levert een visiedocument. De tweede zonder de eerste levert de kaasschaaf. En omdat een programma tegen beleidsaccumulatie dat zichzelf institutionaliseert het verschijnsel wordt dat het bestrijdt, hoort er een einddatum in de opzet, zoals Canada die had.

Slot: begin waar de ambitie al ligt

En Amsterdam? De stad die er in vijf jaar ruim vierduizend fte bij kreeg en twee miljard per jaar uitgeeft aan haar eigen loonkosten, kan demonstreren wat een intelligente overheid is: kleiner in beleid, sterker in uitvoering, met goede mensen en goede systemen. Een Amsterdamse opdrachttoets, elke gemeentelijke taak langs de zes vragen, zou het eerste bewijs van die ambitie zijn. Rotterdam ging Amsterdam voor. De concurrentie tussen de twee steden heeft weleens om minder gedraaid.

Terug naar knooppunt Lankhorst. Het beton dat daar in januari op de A28 viel, is een begrotingsrapportage zonder opsmuk: een staat toont zijn werkelijke prioriteiten in wat hij laat afbrokkelen terwijl hij groeit. De overheid kan kleiner, de onderzoeken en de voorbeelden liggen er. Wat ontbreekt is geen kennis maar een opdracht: de politieke bereidheid om eerst te kiezen wat de staat is, en dan pas te tellen hoeveel mensen daarbij horen. Dat is uiteindelijk geen boekhoudkundige vraag. Een staat die alleen nog beschermt wat hij heeft, verliest het vermogen om te doen wat nodig is, en een samenleving die daaraan went, verliest het met hem. Wie die volgorde aandurft, krijgt er iets kostbaars voor terug. Een overheid die minder doet, en alles wat ze doet, goed.

Tot de volgende Window, Ruben!

Nawoord: een werkinstructie voor wie beleid maakt

Dit stuk gaat over kabinetten en begrotingen, maar de groei van de overheid wordt gemaakt op een lager niveau: aan het bureau van de beleidsmedewerker die maandagochtend een opdracht krijgt. Een incident in de krant, een motie, een wethouder die “iets wil doen aan” een probleem. Op dat moment wordt beslist of er een laag bijkomt of niet. Daarom hieronder, uit dit artikel gedestilleerd, een werkinstructie voor precies dat moment. Geen theorie; een volgorde.

Stap 1. Schrijf het probleem op zonder de oplossing. Eén alinea, en de test is streng: staat er al een maatregel in vermomd? “Er is behoefte aan een regeling voor...” is geen probleem, dat is een oplossing die zich als probleem voordoet. Beschrijf wat er misgaat, voor wie, hoe vaak, en sinds wanneer. Wie het probleem niet los kan formuleren van het antwoord, heeft het antwoord al gekozen voordat het denken begon.

Stap 2. Vraag wat de opdracht veroorzaakt: een beeld of een oorzaak. Kwam dit uit een incident, een uitzending, een filmpje? Dan is de kans groot dat je reageert op een beeld. Dat maakt de opdracht niet onzinnig, maar het verplicht je tot een extra vraag: hoe groot is dit probleem als je het meet in plaats van ziet? Een klein aantal schrijnende gevallen rechtvaardigt aandacht; het rechtvaardigt niet vanzelf een generieke regel voor iedereen. De pakketreflex begint altijd met een beeld dat groter voelt dan het is.

Stap 3. Zoek eerst wat er al is. Voordat je iets nieuws ontwerpt: welke regels, loketten, subsidies en toezichthouders raken dit onderwerp nu al? Meestal zijn het er meer dan de opdrachtgever weet. Vaak zit het probleem niet in een gat maar in de stapel: drie regelingen die elkaar tegenwerken, een bevoegdheid die bij de verkeerde laag ligt, een handhaving die ontbreekt. Wie iets toevoegt aan een stapel die al niet werkt, maakt de stapel groter en het probleem niet kleiner.

Stap 4. Stel de nulvraag hardop. Wat gebeurt er als de overheid hier niets doet? Niet retorisch, maar serieus uitgewerkt: wie lost het dan op, hoe, en wat kost dat wie? Soms is het antwoord “niemand, en dat is onaanvaardbaar”, en dan is er een echte overheidstaak. Vaak is het antwoord “de markt, de familie, de vereniging, de verzekeraar, met wat wrijving”. Die wrijving is niet automatisch een reden om in te grijpen. Een samenleving die alles uit handen gegeven krijgt, houdt op zelf te kunnen.

Stap 5. Maak de hele rekening, niet de halve. Elke maatregel heeft een zichtbare baat en een rij onzichtbare kosten. Tel ze allemaal. Wat kost het de belastingbetaler? Welk apparaat moet erbij (loket, indicatie, toezicht, bezwaar), en wat doen die mensen dan niet? Wat verdwijnt er aan eigen kracht bij de mensen die je beschermt? En welke tweede-orde-effecten treden op, bij wie er niet aan tafel zit? De traplift uit dit stuk laat zien hoe een maatregel op de hele rekening anders scoort dan op de baat alleen.

Stap 6. Leg het langs de vier vragen. Vergroot dit het vermogen van de samenleving, of beschermt het alleen wat ze heeft? Handelen we vanuit een oorzaak, of reageren we op een beeld? Versterkt dit mensen, of verzacht het vooral het ongemak van de bestuurder? En kijken we vanuit de collegeperiode, of vanuit twaalf jaar? Bij vraag één geldt het anker: het gaat om het vermogen van de samenleving, niet dat van de eigen afdeling. Twee keer een verkeerd antwoord is een reden om terug te gaan naar stap 1.

Stap 7. Als je iets toevoegt, haal dan iets weg. Geen nieuwe regel zonder een oude die vervalt; geen nieuw loket zonder een bestaand loket dat sluit. Dit is de hardste werkregel tegen de stapel, en hij werkt alleen zolang hij hard blijft. “We evalueren over drie jaar” is geen wegneemregel; dat is uitstel met een datum.

Stap 8. Bouw de einddatum in. Elke nieuwe maatregel krijgt een horizonbepaling: hij vervalt op een vaste datum tenzij hij actief wordt verlengd, met een onderbouwing die opnieuw langs stap 1 tot 6 gaat. Beleid dat zichzelf moet verdedigen om te blijven bestaan, stapelt niet. Beleid dat blijft tot iemand het opheft, stapelt altijd.

Stap 9. Vereenvoudig voordat je automatiseert. Als de oplossing digitaal is, geldt de volgorde uit dit stuk: eerst de regels, dan de systemen, dan de mensen. Wie een ingewikkelde regeling automatiseert, maakt haar niet eenvoudiger; hij maakt de ingewikkeldheid sneller en duurder om ooit nog te veranderen. Vraag bij elk IT-voorstel: kunnen we de regel eerst zo simpel maken dat het systeem klein blijft?

Stap 10. Schrijf op wat je niet doet, en waarom. Het advies aan de bestuurder bevat niet alleen de gekozen maatregel, maar ook de alternatieven die zijn afgevallen, inclusief “niets doen”, met de reden. Dat maakt de keuze zichtbaar en betwistbaar. Het maakt ook de volgende beleidsmedewerker, over vijf jaar, sneller wijs: die weet dan waarom deze laag er ligt en kan beoordelen of ze er nog moet liggen.

Wie deze tien stappen doorloopt, produceert minder beleid en beter beleid, en zal soms tegen een bestuurder moeten zeggen dat het antwoord op de opdracht “nee” is. Dat is geen ambtelijke ongehoorzaamheid. Dat is de weerbaarheid van de organisatie zelf, en ze begint bij het bureau waar de stapel wordt gemaakt.

Bronnen

Cijfers en groei Kennis van de Overheid: omvang personeelsbestand 2015-2024 · CBS: meer mensen in dienst bij de overheid · Rijksoverheid: Jaarrapportage Bedrijfsvoering Rijk 2025 · NOS: aantal ambtenaren groeit verder · Binnenlands Bestuur: groei ambtenarij zet door · Binnenlands Bestuur: G4-vergelijking · VU/FD: helft rijksambtenaren in stafafdeling · Nederlands openbaar bestuur groeit explosief

De infrastructuur FD: bruggen, sluizen en wegen in verval · NT: Rijkswaterstaat stelt onderhoud uit door geldtekort · Mobiliteit.nl: geld is op, Rekenkamer over 34,5 miljard · RD: infrastructuur piept en kraakt, opgave 80 miljard tot 2040 · Bouwend Nederland: honderd bruggen en viaducten in slechte staat

Productiviteit en onderzoek IPSE Studies: in de media · Binnenlands Bestuur: bezuiniging kan pijnloos (productiviteitsruimte 850 miljoen) · Interview Jos Blank: de overheid verspilt graag · Overheid van Nu over Blank · De Jortcast #875: kettingzaag in de Nederlandse ambtenarij? · Adam, Hurka, Knill & Steinebach: Policy Accumulation and the Democratic Responsiveness Trap · ERC: when policies pile up · Rekenkamer: ministers weten niet altijd hoeveel personeel nodig is

De pogingen Rijksoverheid: tussenstap aanpak regeldruk (218 regels) · BNR: interview Karremans · VDNA/VCP: analyse 22%-taakstelling · VRT: eerste Argentijnse begrotingsoverschot in veertien jaar · Buenos Aires Times: inflatie en armoede onder Milei · Buenos Aires Herald: armoede naar 28,2 procent, INDEC · Buenos Aires Times: UNICEF over kinderarmoede, 42,3 procent eind 2025

De bewijzen CIGI: Program Review, the Government of Canada’s experience 1994-1999 · Policy Options: how Canada slayed the deficit dragon · Oxford UP: appraising a success 25 years later · Treasury Board of Canada: management of Program Review staff reductions · MEI: reining in Canada’s federal bureaucracy · Binnenlands Bestuur: 2.500 ambtenaren minder in Rotterdam, Geen krimp gegeven

De pakketreflex Thatcham Research: uitleg EU General Safety Regulation (GSR2), verplicht per 7 juli 2024 · Europese Commissie: Special Panel on Child Safety Online, eindrapport juli 2026 · Europese Commissie: vehicle safety onder Verordening (EU) 2019/2144

Eigen eerdere stukken Het datacenterdebat: van goed-versus-fout naar intelligentie-ambitie · Intelligentie als de nieuwe productiefactor · Dilemma’s op weg naar de intelligentie-economie · Nieuw Amsterdam

Dit artikel is deel van een reeks waarmee ik ‘verticaal politiek’ in Nederland wil introduceren, vooruitlopend op mijn boek in de maak.

Leestijd: 15 minuten

In de zomer van 2025 vielen er in Nederland twee soorten brieven op de mat

De eerste brief kreeg een huurder in Utrecht. Zijn huur ging omlaag. Van 1.350 naar 1.080 euro per maand, omdat zijn woning volgens het puntensysteem nooit zoveel waard was geweest. Voor hem werkte de wet. Zwart op wit, 270 euro per maand, elke maand opnieuw.

De tweede brief kreeg een huurder in Haarlem. Haar tijdelijke contract liep af en werd niet verlengd. De eigenaar verkocht de woning. Zij zocht een nieuwe huurwoning en ontdekte wat inmiddels iedereen ontdekt die zoekt: het aanbod is gekrompen, de wachtrijen bij bezichtigingen zijn langer, en de woningen die nog vrij verhuurd worden zijn duurder dan ooit.

Beide brieven komen uit dezelfde wet. De Wet betaalbare huur, op 1 juli 2024 ingevoerd door Hugo de Jonge. Een wet met een eerlijk doel, een heldere logica, en een schadespoor dat vooraf tot in detail was voorspeld. Door de Raad van State. Door economen. Door de sector. Door iedereen die de moeite nam om één laag dieper te kijken.

Dit stuk bestaat uit twee delen. Deel een is de reconstructie. Ik wil dat je aan het eind elke beslissing begrijpt. Waarom de wet er kwam. Waarom de waarschuwingen klopten. Waarom ze genegeerd werden, en waarom dat niets met domheid of kwade wil te maken had: er draaide een spel waarin alle spelers rationeel handelden, en het resultaat werd toch schade.

Wie dat spel eenmaal doorziet, de dynamiek van wat ik horizontale politiek noem, is klaar voor deel twee: daar bied ik verticaal politiek aan als de uitweg, en pas ik haar toe op ditzelfde dossier.

Hugo de Jonge is in dit verhaal geen zondebok. Hij is een toonbeeld. Daarover straks meer.

Deel I: de reconstructie

1. Hoe het probleem ontstond

Je begrijpt de huurwet alleen als je teruggaat naar 2010.

In dat jaar hief Nederland het ministerie van Volkshuisvesting op. VROM verdween, wonen werd een bijzaak bij Binnenlandse Zaken. Minister Stef Blok zei later trots dat hij de eerste VVD’er was die een heel ministerie had laten verdwijnen. De boodschap eronder: de woningmarkt is af, de markt regelt het verder.

De markt regelde het inderdaad. Alleen anders dan gehoopt. Woningcorporaties kregen vanaf 2013 een verhuurdersheffing en bouwden minder. De rente daalde naar nul, waardoor vastgoed het aantrekkelijkste beleggingsobject van het decennium werd. Particuliere beleggers kochten in de grote steden tienduizenden woningen op, vaak voor de neus van starters, en verhuurden ze terug tegen prijzen die de markt kon dragen. En die markt kon veel dragen, want er was schaarste. In Amsterdam betaalde je in 2021 voor een doorsnee tweekamerappartement bedragen waar een leraar, verpleegkundige of politieagent niet aan kon beginnen.

Dat is de kern van de aanleiding: een groeiende groep middeninkomens zat klem. Te veel verdienend voor sociale huur, te weinig voor een koopwoning, en overgeleverd aan een vrije huursector waar de prijzen door schaarste explodeerden. De verontwaardiging daarover was terecht. De huren in het vrije segment stegen jaar na jaar sneller dan de lonen, en de verhalen over excessen stapelden zich op.

In januari 2022 trad Rutte IV aan, en voor het eerst sinds twaalf jaar kreeg Nederland weer een minister voor Volkshuisvesting. Hugo de Jonge, net van het coronadossier af, kreeg de opdracht om de wooncrisis aan te pakken. Hij deed wat hij altijd doet: hij ging aan de slag met zichtbare daadkracht. Nationale Woon- en Bouwagenda. Programma Betaalbaar Wonen. En als sluitstuk: de regulering van de middenhuur.

De diagnose van De Jonge was op één punt raak. De overheid had de volkshuisvesting te lang aan de markt overgelaten, en in een markt met structurele schaarste beschermt niets de huurder. Die analyse deel ik. Het probleem zit in wat er daarna gebeurde.

2. Het voorstel en zijn logica

Het voorstel was op papier elegant. Nederland kent al decennia een puntensysteem voor sociale huurwoningen, het woningwaarderingsstelsel. Oppervlakte, energielabel, voorzieningen, WOZ-waarde: elk element levert punten op, en de punten bepalen de maximale huur. Tot 2024 gold dat stelsel tot ongeveer 145 punten. Daarboven begon de vrije sector, waar de verhuurder mocht vragen wat de markt bood.

De Jonge stelde voor om dat stelsel door te trekken tot en met 186 punten, bij invoering een huurgrens van 1.123 euro per maand. Daarmee kwam de hele middenhuur onder regulering. En hij maakte het stelsel dwingend: waar de maximale huur eerst alleen gold als de huurder er zelf achteraan ging, werd het nu een norm waarop gemeenten konden handhaven, met boetes voor verhuurders die te veel vroegen.

Het beloofde effect: ongeveer 300.000 woningen zouden in huur dalen, gemiddeld zo’n 190 euro per maand. Honderdduizenden huishoudens direct geholpen. Je ziet meteen waarom dit politiek onweerstaanbaar was. Het kostte de schatkist niets, het leverde een concreet en telbaar resultaat op, en het raakte een groep die in het publieke beeld weinig sympathie geniet: de vastgoedbelegger, in het debat steevast en onterecht versmald tot huisjesmelker.

Er zat alleen een aanname onder het hele bouwwerk, en die aanname was nooit hardop getoetst: dat de verhuurders zouden blijven verhuren. Dat je het rendement op een woning fors kunt verlagen zonder dat het aanbod reageert. Dat een woning een soort natuurverschijnsel is dat er nu eenmaal staat en verhuurd wordt.

Woningen zijn geen natuurverschijnsel. Ze zijn het resultaat van een investeringsbeslissing, en die beslissing wordt elke dag opnieuw genomen. Elke verhuurder kan elke dag kiezen: doorverhuren of verkopen. Elke vastgoedbelegger kan elke dag kiezen: bouwen in Nederland of bouwen in Duitsland. Dat is het mechanisme waar de wet doorheen zaagde zonder het te zien.

3. De waarschuwingen

Wat deze geschiedenis zo leerzaam maakt, is dat niemand achteraf kan zeggen dat het onvoorzienbaar was. De waarschuwingen waren talrijk, specifiek en openbaar.

De internetconsultatie in 2023 leverde een stroom aan kritiek op van verhuurders, investeerders en projectontwikkelaars. Nieuwbouwprojecten werden al stilgelegd voordat de wet bestond, alleen al door de onzekerheid.

Wetenschappers wezen op de internationale ervaring. Berlijn had in 2020 zijn Mietendeckel ingevoerd, een huurprijsbevriezing, en zag het aanbod huurwoningen ongeveer halveren voordat het constitutionele hof de maatregel schrapte. Dat voorbeeld stond letterlijk in de stukken die het kabinet zelf publiceerde.

En toen kwam, in november 2023, het advies van de Raad van State. Het adviesorgaan noemde het een reëel risico dat de wet zou leiden tot verkoop van huurwoningen en tot minder nieuwbouw, waardoor het aanbod in de vrije huursector eerder zou krimpen dan groeien, “waar uiteindelijk de mensen die een huurwoning zoeken niet mee zijn geholpen”. Bijna drie jaar later leest die zin als een verslag van het heden.

De Raad zei er nog meer bij. Dat de regering onvoldoende inging op de oorzaak van de hoge huren, namelijk schaarste. Dat regulering de problemen van de sociale huur, wachtlijsten en scheefwonen, naar de middenhuur zou exporteren. Dat een vitale vrije huursector onmisbaar is voor de arbeidsmarkt, omdat mensen anders niet meer kunnen verhuizen voor werk. Het advies eindigde met zo ongeveer het zwaarste signaal dat het orgaan kan afgeven: bezin je, en stuur dit niet zo naar de Kamer.

Hoe reageerde het kabinet? Met kortingen. De nieuwbouwopslag ging van 5 naar 10 procent: nieuwe middenhuurwoningen mochten twintig jaar lang boven de puntenprijs verhuurd worden, mits de bouw tijdig startte (een deadline die later nog werd opgerekt tot 2028). Goede energielabels kregen extra punten. Monumenten kregen een hogere opslag. Elk bezwaar kreeg een pleister. Geen enkel bezwaar leidde tot heroverweging van de aanname eronder.

Dat patroon moet je herkennen, want het is het handschrift van beleid dat al besloten is. Wanneer elke fundamentele waarschuwing wordt beantwoord met een parameteraanpassing, is de fase van denken voorbij en de fase van verdedigen begonnen.

4. Het spel waardoor het toch doorging

Als de waarschuwingen zo helder waren, waarom ging het dan door? Het antwoord zit in de speltheorie van het besluit. Vier mechanismen grepen in elkaar.

Het eerste mechanisme beschreef de Franse econoom Frédéric Bastiat al in 1850: het zichtbare en het onzichtbare. De winst van de wet is zichtbaar en telbaar. Driehonderdduizend huurverlagingen, elk met een naam, een adres en een bedrag. De schade is onzichtbaar en naamloos. De woning die niet gebouwd wordt, heeft geen adres. De huurder die geen woning vindt, weet niet dat de wet zijn woning uit de markt duwde. Psychologen noemen dit het identifiable victim effect: één slachtoffer met een gezicht weegt in ons morele oordeel zwaarder dan tienduizend slachtoffers in een statistiek. Politiek gezien wint het zichtbare het altijd van het onzichtbare, want kiezers stemmen op wat ze kunnen zien.

Het tweede mechanisme is de asymmetrie van de politieke afrekening. De baten van de wet vielen binnen één kabinetsperiode, de kosten kwamen daarna. Wie in 2024 voor stemde, kon direct resultaat claimen. De rekening, een structureel gekrompen huursector, kwam pas in 2025 en 2026 op tafel, bij een volgend kabinet en een volgende minister. In de speltheorie heet dat een tijdsinconsistent spel: de speler die beslist, draagt de gevolgen niet. Er bestond geen enkele electorale prikkel om de lange termijn zwaarder te wegen. Wie tegenstemde, stond bovendien in elke framing aan de kant van de beleggers (besmuikt als huisjesmelkers), tegenover de huurders. Voor een Kamerlid is dat een verloren positie, ongeacht de kwaliteit van het argument.

Het derde mechanisme was het eindspel van een demissionair minister. Het kabinet viel in juli 2023, de verkiezingen van november verschoven het politieke landschap, en De Jonge zat in de nadagen van zijn ministerschap. Je zou denken dat een demissionaire status remt. Het omgekeerde gebeurde. Voor een bestuurder die iets wil nalaten, is het laatste jaar juist het moment om door te drukken, en de Kamer, vers gekozen op woede over bestaanszekerheid en wonen, had geen enkele zin om als eerste daad een huurdersbescherming te blokkeren. De wet passeerde op 25 juni 2024 de Eerste Kamer, een week voor het aantreden van het kabinet-Schoof.

Het vierde mechanisme is het interessantste: het spel tussen overheid en verhuurders. De sector dreigde met vertrek. In Den Haag werd dat gelezen als bluf, want dreigen kost niets en de belegger had toch nergens beter rendement. Maar het was geen bluf, en wel hierom: voor elke individuele verhuurder was verkopen de dominante strategie geworden. De huurwet stond namelijk niet alleen. De box 3-heffing was verzwaard, de opkoopbescherming ingevoerd, de overdrachtsbelasting voor beleggers verhoogd naar 10,4 procent, tijdelijke contracten afgeschaft. Elke maatregel apart was verdedigbaar. De stapeling maakte verhuren in het gereguleerde segment voor veel particulieren verlieslatend, terwijl de koopmarkt recordprijzen bood. En belangrijker nog: de stapeling zelf was het signaal. Wie vijf ingrepen in vier jaar heeft gezien, prijst de zesde alvast in. De overheid kon niet geloofwaardig beloven dat het hierbij zou blijven, dus rekenden beleggers met het scenario dat het erger zou worden. Vertrouwen is in dit spel de eigenlijke munt, en die was op.

Vier mechanismen, en let op wat ze gemeen hebben: binnen elk mechanisme handelde iedereen rationeel. De minister die wilde leveren. Het Kamerlid dat niet voor huisjesmelker-vriend wilde doorgaan. De verhuurder die verkocht. De kiezer die op zichtbaar resultaat stemde. Niemand was dom, niemand was kwaadaardig, en de uitkomst was toch schade. Dat is de definitie van een slecht ontworpen spel. En het ontwerp van dat spel, daar gaat politiek eigenlijk over.

Speltheoretici hebben er een naam en een Nobelprijs voor: mechanism design, de vraag welke regels ervoor zorgen dat rationele spelers samen een goede uitkomst produceren. De huurwet deed het omgekeerde: ze veranderde de inzet binnen een kapot spel en liet de regels ongemoeid. Wie het spel niet herontwerpt, krijgt dezelfde uitkomst met andere verliezers.

5. De stand van zaken

Dan nu de cijfers, want die zijn onbarmhartig.

In 2024, het invoeringsjaar, verkochten verhuurders zo’n 37.000 huurwoningen, samen goed voor ruim 14 miljard euro. Uitponden heet dat: de huurder vertrekt, de woning gaat naar een koper en verlaat de huurmarkt, vrijwel altijd definitief. In het vierde kwartaal van 2025 verkochten beleggers volgens het Kadaster opnieuw ruim 20.700 woningen, terwijl ze er nog geen 9.000 aankochten. Eén op de vijf verkochte huizen was inmiddels een uitpondwoning. Het aandeel beleggers in de woningvoorraad daalde van 9,4 procent begin 2024 naar 9,0 procent begin 2026. Sinds de invoering van de wet zijn volgens Vastgoed Belang naar schatting 66.500 huurwoningen naar de koopmarkt verschoven. Het aanbod verhuurde vrijesectorwoningen daalde eind 2025 met 38 procent op jaarbasis. Zo’n daling is geen marktschommeling meer. De sector verandert structureel van vorm.

En de huren in wat er over is van de vrije sector? Die stegen met ruim 7 procent per jaar. Precies zoals voorspeld: als je het middensegment reguleert terwijl de schaarste blijft, verplaatst de prijsdruk zich naar het segment erboven.

Institutionele beleggers, de pensioenfondsen en verzekeraars die decennialang middenhuur bouwden, hebben hun nieuwbouwinvesteringen grotendeels stilgezet. Het Centraal Planbureau, toch geen actiegroep, adviseerde begin 2026 om het afschaffen van de wet serieus te overwegen, met als kern dat de wet juist de mensen benadeelt die niet kunnen kopen. Het nieuwe kabinet spreekt van optimaliseren, de nieuwe woonminister werkt aan versoepelingen, de VVD wil intrekken, links vreest dat elke versoepeling de huurders raakt. De formele evaluatie komt in 2027. De markt heeft haar evaluatie al gegeven.

Volledigheid vraagt om de andere kant. De wet heeft ook geleverd. Honderdduizenden zittende huurders kregen een lagere of beschermde huur, en die bescherming is reëel: het puntensysteem is transparant, de jaarlijkse verhoging gemaximeerd, de handhaving heeft tanden. En de uitgeponde woningen verdwenen niet van de aardbodem; een deel ervan werd gekocht door starters die eindelijk konden kopen. Wie eerlijk kijkt, ziet dus geen wet die niets deed. Wie eerlijk kijkt, ziet een wet die herverdeelde. Van woningzoekenden naar zittende huurders. Van toekomstige huurders naar huidige kopers. Van de dynamiek van de markt naar de zekerheid van de zitters. De wet heette betaalbare huur. Ze had wet beschermde zitters moeten heten.

6. De Jonge als toonbeeld

Het is verleidelijk om hier een schuldige aan te wijzen, en Hugo de Jonge leent zich er in het publieke debat uitstekend voor. Ik doe daar niet aan mee, om een principiële reden: hij deed precies waarvoor ons systeem bestuurders beloont.

Kijk naar wat wij van een minister vragen. Daadkracht. Zichtbaar resultaat binnen een kabinetsperiode. Een antwoord op elke incident-vraag in elk debat. De Jonge is misschien wel de zuiverste uitvoering van dat profiel die de Nederlandse politiek de afgelopen tien jaar heeft voortgebracht. Op corona, op wonen: altijd een plan, altijd tempo, altijd de camera’s. Hij is de fixer, en de fixer is het bestuurderstype dat onze politieke cultuur systematisch naar boven selecteert.

Het probleem van de fixer is zijn tijdshorizon en zijn gereedschap. Hij lost het zichtbare probleem op met het instrument dat binnen zijn koker en binnen zijn termijn past. Hoge huren? Huren maximeren. Dat de huurprijs een symptoom was van schaarste, en dat je aan een symptoom kunt sleutelen terwijl je de ziekte verergert, valt buiten het speelveld van de fixer. Dat is geen karakterfout van De Jonge. Vervang hem door vrijwel elke andere ambitieuze bestuurder in datzelfde krachtenveld en je krijgt dezelfde wet. Daarom is hij toonbeeld en geen zondebok. Deze geschiedenis gaat over het systeem dat hem selecteerde, aanstuurde en toejuichte.

7. De horizontale politiek

Ik schrijf op dit moment aan een boek, Verticaal politiek, waarin ik dit patroon ontleed. Het systeem dat de huurwet voortbracht, noem ik daarin horizontale politiek.

Horizontale politiek beweegt over het oppervlak van de actualiteit. Van incident naar maatregel, van peiling naar interventie, binnen één beleidskoker, binnen één kabinetsperiode. Nederland heeft er zelfs een koosnaam voor: de polder. Wij noemen het polderen, ik noem het horizontale polderpolitiek. Een land zonder hoogteverschillen kreeg een politiek zonder diepte: iedereen aan tafel, elk belang op dezelfde vlakke lijn, en consensus als hoogste vorm van waarheid. En diezelfde horizontale politiek sorteert alles op één as: links of rechts, voor of tegen, goed of fout. Kijk wat dat met het huurdossier deed. De belegger werd fout, de huurder werd goed, en daarmee was het denken klaar. Wie op die as eenmaal een positie heeft, hoeft geen mechanisme meer te begrijpen; het kamp bepaalt het antwoord. Horizontale politiek is bovendien razend productief: elke week nieuwe plannen, elke maand een wet. De huurwet is horizontale politiek in optima forma. Een zichtbaar probleem, een goed kamp en een fout kamp, een teleenheid van succes, een maatregel die binnen de termijn landt, en een schadespoor dat buiten het beeld valt.

Onder die horizontale as ligt een morele motor. De socioloog Max Weber onderscheidde ruim een eeuw geleden twee soorten politieke ethiek. De gezindheidsethiek beoordeelt een politicus op waar hij staat, de verantwoordelijkheidsethiek op wat zijn handelen teweegbrengt. Horizontale politiek draait op de eerste. De huurwet was een gezindheidsdaad: ze bewees dat je aan de kant van de huurder stond. Binnen die ethiek zijn slechte gevolgen geen weerlegging, want de gezindheid was zuiver. Daarom gaat de verdediging van de wet tot op vandaag over intenties en de kritiek over uitkomsten, twee gesprekken die elkaar nooit raken. Dezelfde mechaniek produceerde meer beleid met hetzelfde patroon (denk aan het versneld dichtdraaien van de Groningse gaskraan terwijl de schadeafhandeling voor de Groningers zelf bleef haperen, of aan het energieprijsplafond dat miljarden kostte en vooral ongericht compenseerde): het gebaar naar het zichtbare slachtoffer wint het van het mechanisme.

Ook de filosoof Hannah Arendt waarschuwde al dat compassie een riskant politiek principe is. Compassie hoort bij de nabijheid tussen mensen. Politiek vraagt juist om afstand, om het vermogen uit te zoomen en het geheel te wegen. Trek je compassie de politiek in als hoogste norm, dan verdringt het nabije gezicht het verre gevolg.

Gemeten aan haar eigen morele maatstaf faalt de huurwet daarom ook. Want wie is werkelijk de zwakste partij op de woningmarkt? Dat is de zittende huurder met een contract niet. Dat is de woningzoekende zonder woning, zonder contract en zonder gezicht. Een politiek die het slachtoffer werkelijk centraal stelt, verklaart het aanbod heilig. De huurwet beschermde het zichtbare slachtoffer ten koste van het onzichtbare, en noemde dat rechtvaardigheid.

lees verder na dit reclameblok. Ik schrijf over technologie & maatschappij en hoe we als land weer perspectief krijgen. Meld je aan voor mijn substack zodat je de artikelen automatisch gemaild krijgt.

Deel II: verticale politiek toepassen

8. Drie posities op de verticale as

Verticale politiek beweegt dwars op het horizontale denken. De verticale as kent drie posities, drie dieptes waarop je een vraagstuk verticaal kunt doordenken: doorgronden, overzien, bezinnen. Leg ze op dit dossier en je ziet wat er had gekund.

Doorgronden: zak van het symptoom naar het mechanisme, en van het mechanisme naar de grondbeginselen (first principles). Het symptoom was de hoge huur. Het mechanisme was schaarste, en achter die schaarste een investeringsbeslissing die elke dag opnieuw wordt genomen. De grondbeginselen eronder zijn zo oud als de economie zelf: prikkels sturen gedrag, schaarste laat zich niet wegreguleren, vertrouwen is kapitaal. Wie doorgrondt, ziet dat de huurprijs de thermometer is en de schaarste de koorts. Horizontale politiek reguleerde de thermometer.

Overzien: kijk over de kokers en over de tijd heen. De woningmarkt is één systeem. Sociale huur, middenhuur, vrije sector en koop communiceren als vaten. Fiscaliteit, huurrecht en bouwbeleid stapelen zich op tot één investeringsklimaat. En tweede-orde-effecten hebben de vervelende eigenschap dat ze twee jaar later komen, net buiten de horizontale horizon. Wie overziet, had de stapeling gezien die elke verhuurder allang zag.

Bezinnen: stel de vraag die aan de maatregel voorafgaat. Welke woningmarkt willen we eigenlijk? Willen we een land van eigenaren, en accepteren we dan een kleine huursector? Willen we een brede, vitale huursector, en accepteren we dan dat verhuren rendabel moet zijn? De huurwet gaf impliciet antwoord zonder de vraag ooit te stellen. De wet koos een woningmarktmodel, en niemand heeft dat besluit als zodanig genomen.

Had verticale politiek dan geen huurwet opgeleverd? Misschien wel, maar een andere. Een wet die eerst het aanbod op orde bracht en daarna reguleerde, in die volgorde. Een wet met regionale differentiatie, want de schaarste in Amsterdam is de schaarste in Emmen niet; het CPB stelde dit letterlijk voor. Een wet met een ingebouwde thermostaat: vooraf gedefinieerde signalen, zoals het aantal uitpondingen of de nieuwbouwproductie, waarbij de regulering automatisch wordt bijgesteld, zodat je niet drie jaar hoeft te wachten op een evaluatie terwijl de voorraad wegloopt. En vooral: een wet die het eigen risico serieus had genomen door de waarschuwing van de Raad van State te behandelen als toets in plaats van als obstakel.

9. Wat wij ervan leren

Ik schrijf dit stuk uiteindelijk om dezelfde reden als mijn datacenterstuk: omdat de kwaliteit van onze collectieve besluiten bepaalt of dit land de komende decennia bloeit of verder vastloopt. En omdat de huurwet een patroon blootlegt dat terugkomt in vrijwel elk groot dossier. Stikstof, energie, migratie, AI: overal dezelfde horizontale reflex, overal hetzelfde goed-fout kampdenken, overal dezelfde genegeerde tweede orde.

Drie lessen wil ik eruit lichten, ook voor onszelf als samenleving, want horizontale politiek bestaat bij de gratie van horizontale kiezers.

Eén. Eis van bestuurders dat ze het mechanisme uitleggen. De Raad van State had geen mening, de Raad beschreef een mechanisme. Het verschil tussen die twee is alles. Een mening kun je naast je neerleggen, een mechanisme werkt door of je het gelooft of niet. Stel dus bij elk groot besluit twee vragen: op welk mechanisme grijpt deze maatregel in, en wat gebeurt er als de aanname eronder niet klopt? Wie daar geen antwoord op heeft, heeft geen beleid, die heeft een gebaar.

Twee. Maak de onzichtbare verliezer zichtbaar. Elk beleid kent een Bastiat-schaduw: de woning die niet gebouwd wordt, de baan die niet ontstaat, de start-up die hier niet landt. Zolang alleen de zichtbare winnaar in het debat bestaat, wint het gebaar het van het mechanisme. Journalistiek, wetenschap en burgers kunnen vaker en beter die schaduw op tafel leggen. Dit stuk is daartoe een uitnodiging.

Drie. Beloon bestuurders voor iets anders. Wij krijgen de bestuurders die we selecteren, en wij selecteren op daadkracht binnen vier jaar. Zolang dat zo is, produceren we De Jonges, en dat is dus geen verwijt aan De Jonge. Een politieke cultuur die verticale kwaliteit beloont, het doorgronden, het overzien, het bezinnen, moet leren applaudisseren voor de minister die zegt: ik voer dit niet in, want het mechanisme klopt niet, en ik neem daarvoor de electorale schade. Die minister bestaat vrijwel niet, omdat wij hem wegstemmen.

Onder deze drie lessen ligt één inzicht: morele zuiverheid is iets anders dan morele ernst. Wie het mechanisme negeert om het slachtoffer te omarmen, voelt zich goed en doet schade. Verticale politiek is daarmee geen koud alternatief voor compassie. Ze neemt compassie serieuzer dan de gezindheidsethiek dat doet, door haar te laten landen in gevolgen in plaats van in gebaren.

Zijn er voor de huurwet zelf nog voordelen te verwachten? Op termijn, ja, onder één voorwaarde. In een ruime markt is een transparant puntenstelsel een prima vangrail tegen excessen; het probleem was nooit het stelsel, het probleem was regulering opleggen aan schaarste. Als Nederland de komende tien jaar werkelijk bouwt, kan de wet in aangepaste vorm nuttig worden als bodem onder een gezonde markt. Tot die tijd blijft ze wat ze nu is: een verdelingsmachine die de wachtrij herschikt terwijl de rij groeit.

De huurwet is daarmee inderdaad een toonbeeld van het failliet van horizontale polderpolitiek. Niet omdat de bedoeling fout was, de bedoeling was goed. Omdat het spel fout stond. En een fout spel produceert schade met de beste spelers erin. Verticale politiek is in de kern mechanism design voor de democratie: eerst het spel goed zetten, dan pas spelen.

Verticale politiek begint waar we dat onder ogen zien. Bij de volgende wet, het volgende dossier, de volgende minister met een plan en een camera. Zak dan een laag dieper. Vraag naar het mechanisme. Zoek de onzichtbare verliezer. En vraag welke samenleving het besluit eigenlijk kiest, voordat iemand het per ongeluk voor ons doet.

Tot de volgende Window, Ruben!

Nawoord: Verticaal politiek in de arena

Hoe had dit eruitgezien in de Tweede Kamer, in het debat voor de stemming? Een oefening. Stel dat één fractie verticaal had geopereerd. Haar woordvoerder had zijn termijn zo kunnen openen:

“Voorzitter. Laat ik beginnen waar de minister en ik elkaar vinden: de huurder verdient bescherming, en de overheid heeft de volkshuisvesting te lang aan de markt overgelaten. Maar ik sta hier niet om te kiezen tussen de huurder en de belegger. Die keuze is het probleem. Zodra dit een kamp-debat wordt, hoeft niemand meer na te denken, want het kamp levert het antwoord. Een huurwoning is geen natuurverschijnsel. Ze bestaat omdat iemand elke dag opnieuw besluit haar te verhuren in plaats van te verkopen, en deze wet grijpt in op dat besluit. Ik ga de minister daarom geen intenties vragen, zijn intenties zijn goed. Ik ga hem toetsen op het mechanisme. Doorstaat hij die toets, dan stemt mijn fractie voor.”

En daarna, bij de interruptiemicrofoon, vijf vragen:

• De aanname-vraag: deelt de minister dat het aanbod afhangt van de dagelijkse keuze van eigenaren tussen verhuren en verkopen, en welk rendement rekent hij dat een verhuurder onder deze wet nog maakt?

• De prijs-vraag: welk aantal woningen dat de huurmarkt verlaat, vindt de minister een aanvaardbare prijs voor 300.000 huurverlagingen? Een getal graag, want zonder getal is elke uitkomst straks een succes.

• De Berlijn-vraag: welk specifiek element van deze wet voorkomt het Berlijnse resultaat, een halvering van het aanbod? De vraag is waarin de wet verschilt, want dat ons land verschilt weten we al.

• De stapelings-vraag: kan de minister toezeggen dat dit de laatste rendementsdrukkende maatregel is? Zo nee, erkent hij dan dat verhuurders de volgende maatregel vandaag al inprijzen, en dat wij dus stemmen over de verwachting van de volgende wet?

• De falsificatie-vraag: bij welk meetbaar signaal beschouwt de minister de waarschuwing van de Raad van State als uitgekomen, en wat gebeurt er op dat moment automatisch? Zonder meetpunt wachten we drie jaar op een evaluatie terwijl de voorraad wegloopt.

En als afsluiter, voor de Handelingen: voor wie is deze wet, de huurder die een woning heeft of de woningzoekende die er geen heeft? Als die belangen botsen, en de Raad van State zegt dat ze gaan botsen, wie wint er dan?

Let op wat deze opstelling doet. Geen enkele vraag valt de intentie aan, elke vraag dwingt een verifieerbare uitspraak af over het mechanisme. Wie geen prijs durft te noemen en geen meetpunt durft vast te leggen, geeft daarmee toe dat de wet op hoop draait. En de aankondiging vooraf dat je voor kunt stemmen, haalt je van de horizontale as: je bent geen tegenstander, je bent de toetssteen. Dat is verticale oppositie: zij bestrijdt het kamp niet, zij dwingt het verticale denkwerk af. Weber zou dit herkennen als verantwoordelijkheidsethiek in de praktijk. De politicus wordt afgerekend op wat zijn handelen teweegbrengt, en deze vragen organiseren die afrekening voordat het handelen plaatsvindt, in plaats van drie jaar erna.

Er gebeurt dan nog iets, en dat is de eigenlijke reden voor dit nawoord. Een mechanisme dat hardop is uitgesproken, verdwijnt nooit meer uit de zaal. Voor die vragen kon iedereen stemmen op gezindheid. Na die vragen staat in de Handelingen wat er zou gebeuren en wanneer we dat zouden weten, en wie daarna toch op het kamp stemt, doet dat met open ogen en zal zich moeten verantwoorden. Zo stap je uit het mechanisme, en zo trek je anderen mee: herkenning schept verantwoordelijkheid.

Dit stuk probeert hetzelfde te doen bij jou als lezer. Je hebt het mechanisme nu gezien. Bij het volgende dossier, de volgende wet, het volgende kamp-debat kun je niet meer terug naar niet-weten. Dat is geen verwijt. Het is een uitnodiging.

Bronnen

• Raad van State, advies Wet betaalbare huur, november 2023: samenvatting en volledig advies

• NOS, Wet voor betaalbare huren stuit op kritiek van Raad van State, november 2023

• RTL Nieuws, Raad van State vreest verkoop huurwoningen door nieuwe wet, november 2023

• Eerste Kamer, dossier 36.496 Wet betaalbare huur

• Aedes, Wet betaalbare huur van kracht sinds 1 juli: wat is er anders?

• NVM/Brainbay via TaxLive, Uitponden vanwege box 3 en Wet betaalbare huur zet in 2025 door

• EW Magazine op basis van Kadaster, Uitpondgolf houdt aan: weer 20.700 huurhuizen verkocht in vierde kwartaal 2025, februari 2026

• Vastgoed Belang via De Telegraaf, circa 66.500 huurwoningen naar de koopmarkt sinds juli 2024, mei 2026

• Propty, Nederlandse huurmarkt 2026, op basis van Pararius Huurmonitor, NVM en CBS

• CPB, Het is dringen op de woningladder, februari 2026; zie ook Vastgoedinsider over het CPB-advies

• Instituut voor Publieke Economie, De Wet Betaalbare Huur helpt woningzoekenden van de regen in de drup

• Tweede Kamer, brief huurbeleid over optimalisatie en evaluatie, 2026

Eindhoven, 1910. De eerste huizen van Philipsdorp komen gereed. Woningen met een moestuin, gebouwd omdat Anton Philips vaklieden uit het hele land naar Brabant haalde en die mensen ergens moesten wonen. Drie jaar later staat er een sportvereniging, en bij de samenvoeging van Eindhoven met vijf randgemeenten in 1920 schenken Anton en zijn vrouw de stad ruim vijfentwintig hectare bos. Dat bos ligt er nog.

Anton kwam er niet als redder binnen. Hij vond Eindhoven om te beginnen een dorp, een handvol huizen weggezakt in een moeras, en hij vond dat hij zich daar op zijn twintigste niet moest opsluiten. Hij deed het toch. En rond dat gloeilampenfabriekje ontstond een ecosysteem dat een eeuw later nog draait. Toen Philips zich terugtrok uit de regio was er geen catastrofe, omdat er intussen een veelheid aan technologische bedrijven omheen was gegroeid, waarvan ASML de grootste is.

Fast-forward naar 2026. De machine waarmee de hele wereld op dit moment zijn chips maakt, staat in Veldhoven omdat iemand ruim honderd jaar geleden zijn geld en zijn naam op het spel zette in een dorp waar hij zelf niet wilde wonen.

Anton Philips, daar waren we trots op.

Op Freddy Heineken ook. Een brouwerij uit 1864 die uitgroeide tot een van de Nederlandse merken die overal ter wereld herkend worden, van Lagos tot Tokio. Die wereldpositie was zijn werk. Hij betaalde er persoonlijk voor: in 1983 werd hij ontvoerd en drie weken vastgehouden in een geluiddichte cel. De prijs van zichtbaar rijk zijn.

Op Joop van den Ende. Endemol, de theaters, later de Foundation die sinds 2001 ruim tweehonderdtwintig miljoen euro richting kunst en cultuur bracht. Niemand had het over zijn vermogen. Het was gewoon een toffe man die iets maakte waar je naartoe kon. Met John de Mol hadden we het toen al moeilijker. Dezelfde onderneming, hetzelfde geld, een heel ander gevoel. Hij kwam minder sympathiek over, zo leek het, en dat bleek genoeg voor ons morele oordeel.

Op onze boeren. Familiebedrijven die generaties lang doorgingen op grond die eeuwen geleden nog water was, en die van dit kleine land een van de grootste landbouwexporteurs ter wereld maakten. Zij verdienen een eigen verhaal, dus dat staat als nawoord onderaan.

En op onze techbouwers. Met als resultaat: ASML, Adyen, Booking, TomTom, Mollie, Bird. Ondernemers die vanuit dit kleine land wereldspelers bouwden.

Nu is dat gevoel gekanteld. Extreme rijkdom is een groeiende vijand geworden in de beeldvorming, en de techrijken zijn het makkelijkste mikpunt. Ondertussen is ondernemen zijn plek in ons morele verhaal kwijtgeraakt. Wie bouwt, is verdacht tot het tegendeel blijkt.

Dit is mijn stelling: ondernemen is uit zichzelf een morele daad.

Iemand neemt een risico, zet zijn/haar geld en zijn naam in, en doet dat om een probleem op te lossen, en creëert daarmee waarde. De handeling is goed op het moment dat ze wordt verricht, en niet pas als het product, de persoon of de bestemming van de winst ons bevalt.

Ook overheden zijn ondernemers gaan beoordelen op impact, diversiteit en duurzaamheid, met programma’s in vrijwel elke stad om dat te belonen. Zo werd ‘goed ondernemerschap’ een categorie, en al het andere iets wat zich moet verantwoorden.

Een moreel oordeel over succes, uitgesproken door mensen die de realiteit eronder zelden van binnenuit hebben gekend. Zo wordt de bouwer verdacht en blijft de bouw onbesproken.

Wie oordeelt over extreme rijkdom of succes, moet eerst weten hoe het ontstond. In dit artikel haal ik ondernemen daarom uit elkaar tot zijn realiteit, laat ik zien hoe ondernemerschap verdacht werd gemaakt, en eindig ik met een dankwoord aan de mensen die elke dag het risico nemen, en bouwen.

Wat ondernemen van je vraagt

Laten we ondernemerschap eens uit elkaar halen tot de bouwstenen. Niet de corporates, niet de beursgenoteerde reuzen. Maar het ondernemerschap van de startup, de scaleup, het mkb, het familiebedrijf. Nederland telt bijna driehonderdduizend familiebedrijven, goed voor 2,8 miljoen banen, ruim eenendertig procent van alle werknemersbanen, en binnen het mkb voor achtenvijftig procent van de waardecreatie.

Zeven realiteiten. Ze gelden vanaf de dag dat je begint.

Realiteit één: je creëert waarde door een probleem op te lossen.

Iemand bedacht het rietje, zodat een kind kan drinken zonder de beker te kantelen. Iemand ontwikkelde de tampon, en veranderde de bewegingsvrijheid van de helft van de mensheid meer dan de meeste wetten dat deden. Iemand bouwde in Amsterdam een navigatieapparaat waardoor je nooit meer hoeft te stoppen om een kaart open te vouwen. En iemand bouwt nu een metselrobot, in een land waar we honderdduizenden woningen te kort komen en te weinig metselaars hebben om ze te bouwen.

Dat is de kern. Er was een probleem, er kwam een oplossing, en daarmee ontstond waarde die er daarvoor niet was. De taart wordt groter gebakken. Wie dat mechanisme wegdenkt, houdt een economie over waarin alleen nog te herverdelen valt wat vorige generaties hebben gemaakt.

Hier ligt ook het onderscheid dat de rest van dit stuk draagt. Rijkdom uit waardecreatie ontstaat doordat iemand iets maakt wat er niet was. Rijkdom uit positie ontstaat doordat iemand een plek bezet waar anderen langs moeten: een monopolie, een schaarste die hij zelf in stand houdt, een huur die stijgt omdat er te weinig gebouwd wordt. Bij het eerste groeit de taart. Bij het tweede verschuift een punt van de een naar de ander. Beide maken je rijk, en ze vragen om een heel andere blik.

Realiteit twee: je beloning is gekoppeld aan je (hoeveelheid) risico.

High risk, high reward. We kennen de uitdrukking, en we horen alleen het tweede deel. Het eerste deel is de motor. Iemand zet geld, tijd, zekerheid en reputatie in op een uitkomst die niemand kan garanderen. De beloning is de prijs die de samenleving betaalt om mensen dat te laten doen.

Verbreek die koppeling en het mechanisme stopt. Van twee kanten. Haal de bovenkant weg en niemand neemt het risico nog: dan blijft het geld liever op de bank of gaat het naar een land dat de sprong wel beloont. Haal de onderkant weg, zoals bij banken die te groot zijn om om te vallen, en je krijgt roekeloosheid zonder consequentie. Beide kanten moeten echt zijn. Winst zonder verliesrisico is rente. Verliesrisico zonder winstkans is liefdadigheid. Ondernemen zit ertussenin, en het werkt alleen als beide kanten scherp zijn.

Dat gesprek voeren ze inmiddels op wereldschaal. In maart vorig jaar zaten Gary Stevenson en Daniel Priestley tegenover elkaar in de Diary of a CEO (kijktip!). Stevenson, oud-handelaar bij Citibank die rijk werd door te wedden op groeiende ongelijkheid en daar nu campagne tegen voert, tegenover Priestley, ondernemer. Miljoenen kijkers.

Wat mij opviel was hoe weinig ze verschilden over de diagnose. Allebei zien ze dat vermogen zich concentreert. Stevenson vindt het scheef dat wie werkt zwaarder belast wordt dan wie bezit. Priestley kijkt naar dezelfde cijfers en komt uit op meer ondernemerschap in plaats van meer belasting. Ze botsten op de vraag wat je dan aanpakt: het bezit zelf, of de mechanismen waarmee bezit zich vermenigvuldigt zonder dat er iets gemaakt wordt.

Dat is de scheidslijn. En het antwoord bepaalt of je de motor repareert of hem uitzet.

Realiteit drie: je investeert eerst, en oogst pas daarna, misschien.

Elke onderneming begint met uitgeven. Loon, huur, materiaal, ontwikkeling, en dat allemaal voordat er één euro binnenkomt. De ondernemer financiert een belofte. Soms komt de oogst. Vaak niet.

En dat verlies zien we bijna nooit. Toen VanMoof in 2023 omviel, ging het publieke gesprek volledig over de klanten. Gedupeerden deden aangifte van diefstal bij de politie, er kwam discussie over een compensatieregeling, er verschenen tientallen artikelen over garanties en onderdelen. Terecht, die mensen waren hun geld kwijt.

Wat onderbelicht bleef: hier probeerden twee ondernemers een Nederlands merk te bouwen in een nieuwe categorie, ze haalden honderden miljoenen op, verkochten wereldwijd, en het lukte niet. Een jurist die faillissementen onderzoekt zei het destijds precies: klanten voelen onrecht en willen de schade op iemand verhalen, meestal op de ondernemers zelf, terwijl een faillissement helemaal niet aan iemand te wijten hoeft te zijn.

Dat is het moment waarop je ziet hoe we over ondernemen denken. Als het misgaat, zoeken we een schuldige.

Realiteit vier: je betaalt jezelf het laatst.

Vraag een willekeurige ondernemer hoeveel maanden hij zichzelf geen salaris heeft uitgekeerd. Bijna niemand antwoordt met nul, en de meesten met meer dan één. Personeel eerst. Leveranciers daarna. Belastingdienst en pensioenpremies erbij. En wat er dan over is, is voor jou.

Het faillissementsrecht legt die volgorde zelfs vast. Bij een faillissement worden eerst de curator, daarna de Belastingdienst, het UWV en de banken betaald, en pas daarna de gewone schuldeisers. De eigenaar staat helemaal onderaan die lijst.

Realiteit vijf: je draagt de last van de regels zelf.

Regels. Verplichtingen. Duurzaamheidsrapportage, privacywetgeving, arbeidsrecht, vergunningen, aanbestedingsregels. Stuk voor stuk verdedigbaar, opgeteld een last die een bedrijf van vijftien mensen op precies dezelfde manier raakt als een bedrijf van vijftienduizend, terwijl de een een compliance-afdeling heeft en de ander een ondernemer die ‘s avonds formulieren invult.

En dat is geen gevoel maar een rekensom. Uit onderzoek van deze week blijkt dat de Nederlandse economie jaarlijks 16,8 miljard euro kwijt is aan het voldoen aan wet- en regelgeving, ruim de helft daarvan voor rekening van het bedrijfsleven. De nalevingskosten stijgen sneller dan de productiviteit. Regels op zich zijn niet slecht, klonk het erbij, alleen zijn de kosten van de naleving inmiddels hoger dan de maatschappelijke baten.

Realiteit zes: je moet jezelf continu opnieuw uitvinden.

Bovenop die regeldruk komt een stroom nieuwe ontwikkelingen waar je op moet inspelen. Nu is dat AI. Twee jaar geleden was het iets anders, tien jaar geleden weer iets anders. Elke golf kost tijd, geld en energie, en je weet vooraf nooit welke golf de jouwe gaat wegvagen en welke je juist vooruit helpt.

Die beslissing landt direct op jouw bord. Een werknemer wacht af wat de directie besluit. Jij moet zelf kiezen of je investeert in iets wat nog moet bewijzen dat het werkt, en die keuze maak je keer op keer opnieuw, je hele loopbaan lang.

Realiteit zeven: je reputatie ligt in de etalage.

Dit noem ik als laatste omdat het het zwaarste is geworden. Wie onderneemt, doet dat onder zijn eigen naam. Een mislukking is publiek. Een verkeerde beslissing wordt een thread. Een faillissement staat in de krant met je gezicht erbij.

En als het lukt, is de beloning tegenwoordig dat je verdacht wordt.

Zeven keer de realiteit, en samen vormen ze de rekening. Ze verklaren niet waarom je er toch aan begint. Daaronder ligt maar één ding. Ambitie.

Je ambitie werd verdacht

‘Ze zullen weten wie ze voor zich hebben’. Dat was de zin waarmee Anton Philips de wereld inging, en Marcel Metze koos hem als titel voor de biografie (aanrader!) waarop hij in 2004 promoveerde. Het is geen bescheiden zin. Het is grootspraak, van een man die van plan was te winnen. Niemand vond dat destijds gênant. Wij vonden het geweldig.

Freddy Heineken wilde de hele wereld, en maakte daar geen geheim van. Joop van den Ende wilde een eigen cultuurhuis in Amsterdam, en bouwde DeLaMar. De boer wilde de hoogste opbrengst per hectare ter wereld, en haalde die. Die energie kreeg bewondering. Ondernemende ooms en tantes schepten er op verjaardagen over op.

Ergens onderweg is die energie verdacht geworden. Wie zegt dat hij de beste wil zijn, klinkt nu arrogant. Doe de test bij jezelf. Beluister het ondernemersverhaal van Robert Vis (“Ik wil winnen!”), de Amsterdammer die Bird opbouwde tot een miljardenbedrijf en zeg dan eerlijk: vind je hem tof, of denk je iets anders?

Wie wil groeien, klinkt hebberig. Wie ambitie uitspreekt, krijgt te horen dat hij vooral gewoon moet doen. Of dat de medewerkers recht hebben op privé-werk balans. En de ondernemer die het toch zegt, heeft binnen een week een quote in de krant staan die tegen hem werkt (Zoals bij Robert gebeurde).

Ambitie overleeft niet in haar eentje. Ze heeft een prestatiecultuur nodig om in te wonen. Een omgeving waarin uitblinken mag, waarin het scorebord gewoon aan de muur hangt, waarin je mag zeggen dat je iets beter kunt dan een ander zonder dat de kamer stil valt. Zonder die cultuur verdwijnt ambitie niet. Ze verhuist. Naar een land waar iemand wel enthousiast wordt als je zegt dat je iets groots gaat bouwen.

Edgar Schein onderscheidde drie lagen in cultuur: wat je ziet, wat een organisatie zegt te geloven, en de onbewuste aannames die het gedrag werkelijk sturen. Het Nederlandse ondernemersvraagstuk zit op die derde laag. Onze regeldruk is te repareren. Onze basisaanname dat goed goed genoeg is en dat uitblinken ten koste van iets moet gaan, is dat veel moeilijker.

Ambitie is een grondstof die ons land onbeperkt kan aanmaken. En de enige die we systematisch ontmoedigen.

Hoe ondernemen verdacht werd

De Franse econoom Gabriel Zucman lichtte begin dit jaar in de Tweede Kamer zijn voorstel toe voor een belasting van twee procent op vermogens boven de honderd miljoen euro, en zijn onderzoeksteam berekende dat miljardairs en de rijkste Nederlanders effectief rond de zeventien procent belasting betalen. Oxfam Novib overhandigde op 2 december haar petitie “Belast de Superrijken” met ruim honderdduizend ondertekenaars aan de commissie Financiën, en rekent voor dat de rijkste tien procent 56 procent van al het vermogen bezit, terwijl de armste helft van Nederland het met twee procent moet doen. Het kabinet hield de deur dit voorjaar dicht: geen voornemen tot verdere stappen, al zou de balans tussen het belasten van vermogen en arbeid blijvende aandacht houden. En deze maand zei Vijlbrief dat “een hogere belasting op vermogen geen taboe mag zijn als de bezuinigingen op de sociale zekerheid niet rondkomen”.

Wat mij bezighoudt is het beeld waarmee we dat debat voeren, en de sprong die we daarmee maken: van kritiek op extreme vermogens naar wantrouwen tegenover ondernemen zelf.

Je kunt op twee manieren naar rijkdom kijken.

_{‘Extreme Rijkdom is morele armoede’: activisten blokkeren de toegang naar Masters Expo, de voormalige Miljonair Fair, met een leus die precies laat zien waar het gesprek staat: rijkdom en moraal als tegenpolen}

De eerste kijkt naar het beeld. Je ziet een uitkomst: een bedrag, een jacht, een naam in een lijstje. Je vult zelf in hoe dat zover kwam. Die manier is snel, ze voelt compleet, en ze levert binnen een seconde een mening op. Ze is ook niet dom en niet kwaadwillend. Ze is alleen afgesneden van de oorzaak.

De tweede manier begint bij de oorzaak. Ze vraagt hoe dat bedrag is ontstaan, wat er onderweg gebeurde (zie de zeven realiteiten), wie er beter van werd en wie slechter. Die manier is traag en saai en kost moeite. Ze is ook de enige waarmee je erachter komt waar je het eigenlijk over hebt.

We kijken naar vermogen bijna altijd op de eerste manier. Met beelden.

Het sterkste beeld is dat van accumulatie als intrekken. Een stofzuiger. Iemand die rijk wordt zuigt waarde weg bij anderen, dus elke euro boven bestaat uit euro’s die ergens beneden zijn weggehaald. Zoals in dit fragment, Waar Tim Hofman stelling neemt over de rijkdom van Elon Musk.

Zulke fragmenten laten de bovenkant van de vergelijking zien: de omvang, de groei, het bedrag. De onderkant blijft buiten beeld. Waar het geld vandaan kwam, wat er onderweg gebouwd is, wie er dankzij dat proces een loonstrook heeft. Dat is geen verwijt aan de maker. Beelden werken zo. Een stofzuiger zie je in één seconde, een productieketen niet.

Het tweede beeld is de kluis. Als een rijk mens zijn vermogen verkoopt, dan komt daar een berg geld uit die je kunt verdelen.

Allebei die beelden voelen kloppend. En allebei missen ze de oorzaak.

Neem de kluis. Wat zo iemand bezit zijn geen bankbiljetten. Het zijn belangen in bedrijven en panden die mensen in dienst hebben, huurders huisvesten, een circuit exploiteren, winst beloven. Om daar geld van te maken heb je een koper nodig die het overneemt en verder runt. Bij een beursgenoteerd bedrijf werkt het nog scherper: de aandelen hebben hun prijs juist doordat de grootaandeelhouder ze vasthoudt, en zodra hij ze massaal op de markt gooit valt de koers in en verdampt een groot deel van precies het bedrag dat we wilden verdelen.

Vermogen is geen stapel geld. Het is een claim op iets wat blijft draaien zolang iemand het draaiende houdt.

En neem het intrekken. Dat beeld klopt wanneer iemand rijk wordt van een positie: van een monopolie, van schaarste die hij zelf in stand houdt, van huur die stijgt omdat er niet gebouwd wordt. Dan verplaatst waarde inderdaad van de een naar de ander. Maar het klopt niet wanneer iemand rijk wordt van iets wat er eerst niet was.

Daaronder ligt een scheefheid in kijken die verder reikt dan vermogen alleen. Kosten zijn zichtbaar, telbaar en toewijsbaar aan iemand met een naam. Baten zijn diffuus, uitgesmeerd over duizenden mensen die er nooit bij stilstaan. De fabriek die sluit haalt het journaal, de fabriek die draait haalt niets. Zichtbare kosten, onzichtbare baten. Die scheefheid bepaalt wat we voelen, en daarmee uiteindelijk wat we stemmen.

We zijn steeds meer naar rijkdom en succes gaan kijken vanuit beelden, en steeds minder vanuit oorzaken. En dat oordeel bleef niet bij ons

Impact als toegangsbewijs

Even terug naar de realiteit van de ondernemer, geen van de zeven gaat (bewust) over het soort bedrijf dat je hebt. Ze gelden voor de bakker, de boer, de bouwer van de metselrobot en de vastgoedhandelaar. En toch gaat de aandacht van niet-ondernemers, en van overheden in het bijzonder, maar naar één soort.

Den Haag begon in 2015 met ImpactCity, inmiddels ruim tien jaar oud, met een eigen festival, een accelerator, een expositie in het stadhuis en het motto “doing good and doing business”. Amsterdam ging dezelfde kant op, en daar is de verschuiving beter te volgen. StartupAmsterdam en Amsterdam Impact begonnen beide in 2015, het eerste voor het ecosysteem als geheel, het tweede met als expliciete opdracht de stad internationaal te positioneren als toplocatie voor impactgedreven ondernemingen, met eigen lijnen voor kapitaal, markttoegang en internationalisering. In de tien jaar daarna is de taal eromheen meegeschoven. De incubators en accelerators die de stad aanprijst, presenteren zich vrijwel allemaal als impact-driven. En een beleidsadviseur van Economische Zaken verwoordt het criterium zonder omhaal: voor Amsterdam is het belangrijk dat bedrijvigheid maatschappelijke meerwaarde biedt.

Het is geen Haags of Amsterdams verschijnsel. ImpactCity publiceerde zelf een onderzoek waaruit blijkt dat 69 procent van de Nederlandse gemeenten beleid voert op impactondernemerschap.

Er zit veel goeds in die programma’s. Ik ken de mensen die ze draaien en ze doen serieus werk.

Het signaal eronder is wel duidelijk. De ondernemer die een wethouder op de foto wil, doet er goed aan eerst een label te halen. Het gewone bedrijf komt op die foto niet voor.

En wat is impact eigenlijk? Vraag het door en je komt in een cirkel terecht. Impact is bijdragen aan maatschappelijke opgaven. Welke opgaven? De opgaven die in het beleidsstuk staan. Gemeten waaraan? Aan een verhaal, een SDG-logo, soms een rapportage, meestal aan de intentie waarmee iemand is begonnen.

Mijn definitie is veel simpeler: Impact is het verschil tussen de wereld met jouw bedrijf en de wereld zonder jouw bedrijf.

Op die definitie is alle ondernemerschap impactondernemerschap. De vraag gaat alleen nog over de omvang en het teken.

Een criticus zal hier terecht opmerken dat er bedrijven zijn waarvan je dat verschil liever niet uitrekent. Vapemerken die op jongeren mikken. Online gokaanbieders die hun omzet halen bij mensen die niet kunnen stoppen. Verstrekkers van flitskrediet die verdienen aan wie het krapst zit.

Noem dat de buitencategorie. Ze scoren langs precies dezelfde meetlat gewoon negatief: het verschil tussen de wereld met en zonder dat bedrijf valt de verkeerde kant op. Daar is geen apart moreel oordeel voor nodig, alleen dezelfde som.

Dit stuk gaat over de andere vijfennegentig procent. Zodra we het gesprek weer laten gaan over welke bedrijven deugen en welke niet, zijn we terug bij het sorteren. En dan verdwijnt de bakker opnieuw uit beeld.

De bakker met vier mensen in dienst, van wie er twee nergens anders werden aangenomen, maakt impact. Het machinebedrijf dat één schakel in een keten openhoudt waarvan een half industrieterrein afhankelijk is, maakt impact. Het familiebedrijf dat door een recessie heen elke maand het loon betaalde, maakte drie jaar lang bestaanszekerheid voor veertig gezinnen. Geen van hen krijgt daar een prijs voor. Geen van hen wordt uitgenodigd op het festival.

En daar zit die scheefheid opnieuw. Impactondernemerschap heeft zijn baten leesbaar gemaakt. Het heeft er een verhaal, een label en een meeteenheid omheen gebouwd, en daarom kan een bestuurder ermee op de foto. Dat is een prestatie, en het verklaart precies waarom de aandacht daarheen gaat. Het lost het zichtbaarheidsprobleem op.

Het gewone bedrijf heeft dat verhaal nooit gebouwd. Zijn baten blijven achtergrondgeluid.

Zo ontstaat een economie in twee rangen. Bovenin de ondernemer met een missie in zijn deck, die welkom is aan tafel. Daaronder de ondernemer die gewoon iets maakt, iets verkoopt en mensen betaalt, en die het gevoel krijgt dat hij zich moet verantwoorden voor het feit dat hij winst wil maken.

En de tweede groep betaalt via de belasting mee aan de programma’s waar hij zelf niet in past.

Waarvoor ik de ondernemers wil bedanken

Onze ondernemers verdienen een woord van dank.

Voor het lef om iets te beginnen waarvan niemand wist of het zou werken. Voor het risico dat ze namen met hun eigen geld, hun eigen huis, hun eigen jaren. Voor de bereidheid om hun naam publiek op het spel te zetten in een land dat mislukking lang niet meer vergeeft.

Voor het laten groeien van de economie. Vrijwel elke baan in het bedrijfsleven bestaat omdat iemand het risico nam om hem te creëren. Daar betalen mensen hun hypotheek van, daar bestaan de leveranciers van, daar leven hele straten van.

Voor het overeind houden van onze verzorgingsstaat. De zorg, het onderwijs, de AOW, de uitkeringen: dat wordt betaald uit belasting op werk dat eerst gemaakt moet worden.

Voor het binnenhalen van de nieuwe tijd. Elke technologie die we nu normaal vinden, was ooit een idee waar iemand geld en reputatie op inzette voordat het bewezen was. Ze laten zien dat het onmogelijke mogelijk is, en dat is geen slogan maar een voorwaarde: zonder mensen die dat geloven, verandert er niets.

Voor het teruggeven aan de samenleving via filantropie en sponsoring. Nederland gaf in 2024 bijna 5,5 miljard euro aan goede doelen, en bedrijven namen daarvan zo'n 1,7 miljard voor hun rekening. Vermogensfondsen besteedden 733 miljoen, waarvan een groot deel afkomstig is uit kapitaal dat ooit in een onderneming werd verdiend. En één ontwikkeling noemen de onderzoekers opvallend: de giften van familiebedrijven blijven groeien. De VandenEnde Foundation bracht sinds 2001 ruim tweehonderdtwintig miljoen euro naar kunst en cultuur. Anton Philips bouwde huizen, een club en een park. Dat geld komt ergens vandaan: uit ondernemen dat eerst gelukt moest zijn.

Voor de metselaars van de toekomst, de mensen die de tampon en het rietje en het navigatieapparaat bedachten, en voor de driehonderdduizend familiebedrijven die ‘s ochtends gewoon opengaan.

En ook voor degenen die het niet redden. Die tellen even hard mee. Zonder jullie bestaat het mechanisme niet.

Wij zouden (weer) trots op jullie moeten zijn!

Anton Philips bouwde huizen, een club en een park. Hij deed dat omdat hij begreep dat een bedrijf in een gemeenschap staat en dat zichtbaarheid legitimiteit oplevert. Dat is de opdracht van nu, voor iedereen die in dit land iets groots bouwt. Laat zien waar de waarde landt. Laat zien wat het kostte. Laat zien wie eraan meedeed.

De opdracht aan ons: tel de baten net zo serieus als de kosten. Het vermogensdebat gaat nu vrijwel volledig over wat extreme rijkdom kost: aan belastinginkomsten, aan machtsverhoudingen, aan sociale cohesie. Dat zijn echte kosten en ze verdienen een echt antwoord. Zolang er niets tegenover staat over wat het oplevert dat mensen hier blijven bouwen, in banen, in oplossingen, in dingen die er eerst niet waren, blijft het een eenzijdige som. Zichtbare kosten, onzichtbare baten. Dan staat de uitkomst vast voordat je begint te rekenen.

Want het bos in Eindhoven ligt er nog. En de machines in Veldhoven draaien er nog, ruim honderd jaar later, omdat iemand ooit een risico nam in een dorp waar hij zelf niet wilde wonen.

Wie bouwt dat voor ons in 2145?

Tot de volgende Window, Ruben!

Nawoord: onze boeren zijn ook ondernemers

Eén groep kreeg in het stuk hierboven te weinig ruimte, en verdient die alsnog. Bij onze boeren zie je de scheefheid tussen zichtbare kosten en onzichtbare baten in haar puurste vorm.

De kosten van de Nederlandse landbouw zijn geteld, gemodelleerd en gepubliceerd. Stikstofdepositie per hectare. Waterkwaliteit. Ruimtebeslag: meer dan de helft van dit land is landbouwgrond. Er verschijnen rapporten die de maatschappelijke schade van de sector in miljarden uitdrukken en die halen de voorpagina. Dat is prima. Die rekening moet op tafel.

De baten staan in een persbericht in januari en zijn een week later verdwenen. Nederland exporteerde in 2025 voor 137,5 miljard euro aan landbouwgoederen, het tiende opeenvolgende groeijaar. De Nederlandse economie verdient daar ruim 49 miljard euro aan, waarvan 43,5 miljard uit producten van eigen makelij. Dat gebeurt op een oppervlakte die in de rest van de wereld nauwelijks meetelt als landbouwgebied.

Achter dat cijfer zit een eeuw ondernemerschap. Boeren die grond droog legden die water was. Die vooropliepen in gewasveredeling, precisielandbouw en kringlooptechniek. Die generatie na generatie het bedrijf doorgaven, dus die hun beslissingen namen op een termijn van dertig jaar in plaats van drie kwartalen. En voor wie exact dezelfde zeven realiteiten gelden: eigen kapitaal in de grond, personeel en vee eerst, jezelf laatst, en een reputatie die aan je eigen achternaam vastzit in een dorp waar iedereen die naam kent.

Wat een boer bezit staat op papier vaak in de miljoenen. Grond, stallen, machines, fosfaatrechten. En dat vermogen zit in precies dezelfde val als het aandelenpakket van een techoprichter: je kunt het alleen te gelde maken door te stoppen. Rijk op papier, klem in de praktijk.

En dan de asymmetrie die ik moeilijk aan iemand kan uitleggen. Toen de sector onder druk kwam, ging het gesprek over uitkoopregelingen, over depositieruimte, over de vraag hoeveel bedrijven weg moeten. Het ging veel minder over de vraag wat we kwijtraken wanneer de kennis verdwijnt die daar in honderd jaar is opgebouwd, en wat het betekent dat een land dat zijn eigen voedselproductie afbouwt afhankelijk wordt van ketens die het niet zelf beheerst.

Ik neem hier geen positie in over hoeveel stikstof waar mag neerslaan. Dat is een echte vraag met echte grenzen. Ik wijs op de vorm van het gesprek. We zijn heel goed geworden in het berekenen van wat iets kost, en we hebben nauwelijks taal voor wat iets oplevert.

Zo gaat het bij de boer. Zo gaat het bij de ondernemer met een vermogen op papier. Zichtbare kosten, onzichtbare baten: de rekening krijgt een getal en een gezicht, de opbrengst wordt achtergrondgeluid. Gewoon dat het licht aanblijft, de schappen vol zijn en het loon op de vijfentwintigste komt.

Onzichtbare baten stemmen we op een gegeven moment weg.

Bronnen

• Philipsdorp, PSV, de schenking van het wandelpark en de honderdduizend werknemers bij Antons overlijden: Erfgoed Brabant, “Anton Frederik Philips”

• Biografie Anton Philips: Marcel Metze, Anton Philips 1874-1951. Ze zullen weten wie ze voor zich hebben, Balans 2004, 622 pagina’s, proefschrift Universiteit van Amsterdam

• Familiebedrijven, 2,8 miljoen banen, 31 procent, 58 procent van de mkb-waardecreatie: FBNed, gebaseerd op CBS-cijfers, 18 november 2025

• Debat Gary Stevenson en Daniel Priestley: “EMERGENCY DEBATE: They Lied About The Economy Recovering?”, The Diary of a CEO, YouTube, 20 maart 2025

• VanMoof, aangiftes en de rangorde van schuldeisers: Jessie Pool, Universiteit Leiden, juli 2023

• Regeldruk kost de economie 16,8 miljard euro per jaar: onderzoek via BNR Nieuwsradio, 30 juli 2026

• Interview met Robert Vis, oprichter van Bird: YouTube. Zijn vertrek uit Nederland in juli 2024: MT/Sprout

• Prestatiecultuur: eigen artikel op Rubenswindow, “We zijn onze high performance cultuur kwijt: breng terug dat scorebord!”

• Edgar Schein, de drie lagen van cultuur: Boom Management

• Zucman in de Tweede Kamer, twee procent boven honderd miljoen, effectieve druk van zeventien procent: NOS Nieuwsuur, 2 februari 2026

• Vermogensverdeling en de petitie “Belast de Superrijken”: Oxfam Novib en 5 mythes over belasting op extreme rijkdom ontkracht

• Kabinetsstandpunt, brief van staatssecretaris Eerenberg: EW Magazine, “Kabinet gooit deur in het slot voor de rijkentaks”, maart 2026

• Vijlbrief over vermogensbelasting, naar een interview in het FD: Accountancy Vanmorgen, 10 juli 2026

• ImpactCity Den Haag sinds 2015 en het aandeel van 69 procent van de gemeenten met impactbeleid: gemeente Den Haag en het rapport Impact and the City

• Amsterdam Impact, opgericht 2015 door Economische Zaken: openresearch.amsterdam

• Impact-driven framing van de Amsterdamse incubators: StartupAmsterdam via I amsterdam

• Criterium maatschappelijke meerwaarde en de kortingen op Ready to Scale: ReadyToScale, oktober 2025

• Filantropiecijfers 2024: Geven in Nederland 2026, Centrum voor Filantropische Studies aan de Vrije Universiteit Amsterdam, gepresenteerd op 26 juni 2026. In het bedrijvencijfer van 1,7 miljard is ook sponsoring meegeteld

• VandenEnde Foundation, totaalbedrag sinds 2001: vdef.nl

• Landbouwexport 2025 van 137,5 miljard, exportverdiensten van ruim 49 miljard en het tiende groeijaar op rij: CBS en Wageningen Social & Economic Research, 16 januari 2026 en Rijksoverheid

Al jaren voeren we in Nederland hetzelfde datacenter debat: goed versus fout, welles nietes. Deze week laaide het weer op, en ik pak de pen omdat we uit onze stellingen moeten. Van een debat over wat we tegenhouden naar een debat over wat we willen bouwen. Deel I geeft zeven inzichten om het debat geïnformeerd te voeren. Deel II maakt er een ambitiedebat van, met drie vragen die we samen moeten beantwoorden. Een naslagwerk voor een volwassen debat.

Leestijd: 18 minuten. Met voetnoten en nawoord.
Dank aan tegenlezers: Eric Boonstra, Rick Pijpers, Peter van Sabben, Stan van Baarsen.

Vertrekpunt

Deze week werd voor het eerst zichtbaar hoeveel stroom één groot hyperscale datacenter in Nederland verbruikt. Uit cijfers van de Rijksdienst voor Ondernemend Nederland blijkt dat het Microsoft-datacenter bij Middenmeer in 2025 zo’n 1,17 terawattuur verbruikte, ongeveer 1 procent van alle Nederlandse stroom. Google weigert zijn cijfers te delen. En dus laait het debat weer op, in de vertrouwde Nederlandse vorm: goed versus fout, voor of tegen, bouwen of stoppen.

De proteststemmen in het publieke debat tegen datacenters verlopen doorgaans via X, Bluesky, LinkedIn of YouTube. Die draaien trouwens op datacenters:). We lezen de berichten, geven ze een like of comment. Dat kan dankzij hetzelfde datacenter. En na het tonen van onze verontwaardiging kijken we een serie op Netflix. Datacenters! Kortom, onze verontwaardiging en onze afhankelijkheid draaien op dezelfde machines. Dan is een oppervlakkig debat geen optie meer.

Dat debat is weinig constructief, van beide kanten. Want de tegenstanders hebben gelijk dat het stroomnet vol zit 1, en de voorstanders hebben gelijk dat onze hele digitale samenleving op deze gebouwen draait.

Maar voordat het debat een andere kant op kan, moeten we eerst scherpstellen. Onder dat ene woord datacenter gaan namelijk drie werelden schuil. 1) De opslagdozen van de wereldwijde cloud: de hyperscalers van Middenmeer, waar de verontwaardiging zich vooral op richt. 2) De multi-tenant datacenters waar ons dagelijkse digitale leven draait: betalingsverkeer, zorg, overheid en duizenden bedrijven. 3) En de AI-fabrieken die er grotendeels nog aan komen: gebouwen die geen data bewaren maar intelligentie produceren, door modellen te trainen en ze dagelijks miljarden vragen te laten beantwoorden.

Dit stuk raakt alle drie waar de feiten dat vragen, maar het draait om die derde categorie. Want bij opslag gaat het over ruimte en stroom, en dat debat verdient zijn eigen podium. Bij de fabriek gaat het over iets fundamentelers: of Nederland straks zelf intelligentie produceert, of haar levenslang huurt.

Vanuit die scherpstelling kantelt dit stuk het debat: van de vraag of datacenters er mogen staan naar de vraag wat wij ermee bouwen. Dat doe ik in twee delen.

Deel I legt de kennis op tafel: de feiten achter de cijfers, het verschil tussen gewone en AI-datacenters, de vijf hardnekkigste fabels en de halve boekhouding waarmee Nederland rekent.

Deel II bouwt het debat dat ervoor in de plaats moet komen: het intelligentie-ambitiedebat, over wat wij op onze rekenkracht produceren, wie die intelligentie afneemt en wie hier komt bouwen.

Wie alleen de feiten zoekt, leest deel I als naslagwerk. Wie wil weten wat Nederland te doen staat, vindt in deel II de aanpak. Van reflex naar feiten, daarna van feiten naar keuzes, zodat we na de keuzes weer samen bouwen.

Daarvoor moeten we eerst de blik verleggen: weg van het gebouw, naar wat erin gebeurt. Rekenkracht.

Rekenkracht ligt aan de basis van de vijfde productiefactor: intelligentie. Na land, arbeid, kapitaal en kennis wordt intelligentie de factor waarmee economieën waarde produceren, en de zogenoemde compute is er de grondstof van. De waardeketen van de intelligentie-economie is kort en onverbiddelijk: energie voedt rekenkracht, rekenkracht wekt intelligentie op, intelligentie levert oplossingen, oplossingen worden waarde. Wie geen eigen rekenkracht heeft, huurt zijn intelligentie bij een ander. Tegen andermans prijs, onder andermans voorwaarden, binnen andermans wet.

Deel I: Haal de datacenters uit het goed-versus-fout debat

Inzicht 1: Magazijn versus fabriek

Het debat gooit twee fundamenteel verschillende gebouwen op één hoop.

Een regulier datacenter is een magazijn. Het bewaart en verplaatst: je foto’s, je bankverkeer, je zorgdossier, je Netflix. Racks van 5 tot 10 kilowatt, luchtkoeling, een stabiel en voorspelbaar verbruik. Dit zijn de gebouwen die Nederland al twintig jaar huisvest. Hoe vitaal ze zijn bleek in mei, toen een brand in een datacenter in Almere tot landelijke uitval van digitale diensten leidde: betalingsverkeer, onderwijs, zorg en overheid draaien erop.

Een AI-datacenter is een fabriek. Er wordt iets geproduceerd: intelligentie. GPU-clusters met racks van 50 tot ruim 100 kilowatt, vloeistofkoeling, extreme vermogensdichtheid. En die fabriek doet twee verschillende dingen. Trainen: het bouwen van een model, een geconcentreerde rekenklus van weken tot maanden op tienduizenden chips tegelijk. En inference (inferentie): het dagelijks beantwoorden van miljarden vragen door dat model.

Trainen kan overal ter wereld gebeuren, in Noorwegen net zo goed als hier. Inferentie wil dicht bij de gebruiker zitten, om twee redenen. Snelheid: het model dat een arts op de spoedeisende hulp ondersteunt of een voertuig door het verkeer stuurt, kan niet wachten op een omweg via Virginia. En jurisdictie: door de inferentie stromen de vragen, de dossiers en de transacties van Nederlanders, en die wil je onder Europees recht houden.

Dit onderscheid bepaalt welke discussie je voert. De opslagdozen van Middenmeer en de AI-gigafabriek die Volt en Eneco in de Rotterdamse haven willen bouwen zijn twee verschillende vraagstukken. Het eerste gaat over ruimtelijke ordening en vestigingsbeleid. Het tweede gaat over de vraag of Nederland en Europa zelf intelligentie kunnen produceren. Wie beide onder de noemer blokkendozen schuift, discussieert over een loods terwijl het over een productiefaciliteit gaat.

Inzicht 2: De feiten

Nu de cijfers.

Alle circa 200 Nederlandse datacenters samen verbruikten in 2024 volgens het CBS 5,1 terawattuur elektriciteit, ofwel 4,6 procent van het Nederlandse stroomverbruik. Zo’n 45 grote datacenters nemen daarvan circa 90 procent voor hun rekening, evenveel als 1,9 miljoen woningen. Het verbruik groeide 37 procent ten opzichte van 2021.

Let daarbij op het woord: stroomverbruik. Elektriciteit is maar een deel van ons totale energieverbruik. Nederland verstookt jaarlijks ruwweg 3.000 petajoule aan energie, grotendeels gas, olie en brandstoffen. Die 5,1 terawattuur van de datacenters is omgerekend 18 petajoule: minder dan 1 procent van het totale energieplaatje. Beide cijfers kloppen.

Wie wil alarmeren pakt de 4,6 procent van de stroom, wie wil sussen pakt de 0,6 procent van de energie. Een volwassen debat gebruikt ze allebei en zegt erbij wat ze meten.

Zet die cijfers vervolgens naast sectoren waarvan we het verbruik allang als vanzelfsprekend accepteren:

• De NS verbruikt 1,2 terawattuur per jaar, ongeveer 1 procent van het Nederlandse stroomverbruik, vergelijkbaar met heel Amsterdam. Heel Nederland per spoor vervoeren kost dus grofweg een kwart van wat alle datacenters samen verbruiken. Niemand noemt de trein een energieslurper.

• De glastuinbouw is al decennia een van de grootste energieverbruikers van het land. De sector verstookt vooral aardgas, in hoeveelheden die het energieverbruik van alle datacenters samen ruim overtreffen. Niemand demonstreert bij een kas in het Westland.

• Alle datacenters samen beslaan volgens de branche zo’n 240 hectare, een fractie van een procent van het Nederlandse oppervlak.

En mondiaal: het Internationaal Energieagentschap becijferde het wereldwijde stroomverbruik van datacenters in 2024 op 415 terawattuur en verwacht ruim een verdubbeling naar zo’n 945 terawattuur in 2030, meer dan het huidige elektriciteitsverbruik van Japan. Binnen die groei verschuift het zwaartepunt van magazijn naar fabriek: Gartner verwacht dat AI-servers al in 2027 wereldwijd meer stroom verbruiken dan alle traditionele servers samen, 258 tegenover 200 terawattuur. Het Nederlandse aandeel past bij onze rol als digitaal knooppunt via de AMS-IX en ligt in lijn met onze economische omvang; Ierland zit op ruim een vijfde van zijn stroomverbruik.

Eén disclaimer: de relatieve rust in de Nederlandse cijfers is een momentopname. De vraag naar rekenkracht groeit door AI sneller dan ooit, en de provincie Noord-Holland rekent op 37 procent meer datacenters in 2035. De zorg over groei is dus legitiem. Alleen het beeld dat datacenters nú onze stroom opslurpen klopt niet.

Inzicht 3: Vijf fabels, vijf waarheden

Met het onderscheid en de feiten op tafel kunnen we de hardnekkigste beelden langslopen.

Fabel 1: “Datacenters slurpen onze stroom op.”
Waarheid: 4,6 procent van de elektriciteit, minder dan 1 procent van het totale energieverbruik. De trein en de kas verbruiken vergelijkbare of grotere hoeveelheden zonder dat iemand ze ter discussie stelt. De legitieme zorg zit in de groeicurve richting 2030, en die vraagt om beleid in plaats van verontwaardiging.

Fabel 2: “Ze zijn er alleen voor Amerikaanse big tech, wij hebben er niets aan.” Waarheid: jouw pinbetaling, je ziekenhuisdossier en je videobelafspraak draaien erop. Wat wél klopt: veel capaciteit is in Amerikaanse handen, en toezichthouder ACM waarschuwde begin dit jaar voor de extreme Nederlandse afhankelijkheid van Amerikaanse cloudaanbieders. Dat is een eigendomsvraagstuk, en juist een argument vóór eigen infrastructuur in plaats van tegen datacenters als categorie.

Fabel 3: “Ze verspillen ons drinkwater.”
Waarheid: de sector gebruikt volgens de branche ongeveer 0,09 procent van het Nederlandse drinkwater. Belangrijker: waterverbruik is een ontwerpkeuze, geen natuurwet. Verdampingskoeling is goedkoop maar dorstig. Gesloten vloeistofkoelsystemen, de standaard bij moderne AI-datacenters, laten dezelfde vloeistof rondcirculeren en verbruiken nauwelijks water, tegen iets meer stroom. Schaal blijft wel tellen: een geplande site in het Amsterdamse havengebied mag tot 420 miljoen liter industriewater per jaar gebruiken, geen drinkwater overigens. Conclusie: stel watereisen in de vergunning, want de techniek om eraan te voldoen bestaat.

Fabel 4: “Datacenters veroorzaken de netcongestie.”
Waarheid: ze zijn één van de vele vragers op een overvol net2 , naast elektrificerende industrie, warmtepompen en laadpalen.

De sector zelf draait het argument om: datacenters beschikken over eigenschappen die een duurzaam energiesysteem juist nodig heeft. Via flexibele aansluitingen, batterijopslag, het verschuiven van AI-trainingstaken en hergebruik van warmte kunnen ze pieken opvangen en het net stabiliseren. Dat is geen theorie: het datacenter op het Amsterdamse Science Park verwarmt al jaren 1.300 studentenwoningen, en WarmteStad Groningen verwarmt vijfduizend woningen met datathermie. Wel past hier een dubbele nuance. Dit zijn deels sectorclaims, dus: leg ze vast in vergunningen in plaats van ze te geloven op de blauwe ogen van de branche. En de veelgenoemde duurzame inkoop loopt via langlopende stroomcontracten: die groene stroom is dan niet meer beschikbaar voor het verduurzamen van de rest van Nederland, zolang er niet méér wordt bijgebouwd.

Fabel 5: “Een AI-datacenter is gewoon een groter datacenter.”
Waarheid: het is een andere categorie, zie inzicht 1. Magazijn versus fabriek, opslaan versus produceren, en binnen die fabriek het onderscheid tussen trainen en inferentie. Wie dit onderscheid mist, kan de belangrijkste economische vraag van dit decennium niet eens formuleren.

Inzicht 4: Terug naar de fundamenten

Strip alle aannames van het debat en er blijven vier waarheden over die niemand kan wegpolderen.

Eén. Intelligentie is fysiek. Elke AI-toepassing is rekenwerk op chips die stroom verbruiken en warmte produceren. Dat geldt ook voor AI op je telefoon of in een robot: edge-intelligentie verplaatst het rekenwerk naar een kleinere chip dichterbij, en het trainen van die modellen gebeurt nog altijd in de fabriek. Immateriële AI bestaat niet. Dat is thermodynamica, geen mening.

Twee. Meer intelligentie vraagt meer intelligentie (Jevons paradox) en dientengevolge meer energie. Chips worden per berekening efficiënter, maar de vraag groeit harder dan de efficiëntie. Vandaar de verwachte verdubbeling van het mondiale datacenterverbruik richting 2030.

Drie. Rekenkracht staat ergens, onder iemands wet. Een chip valt altijd onder een jurisdictie. Wie zijn rekenkracht in het buitenland heeft staan, heeft zijn intelligentie onder andermans recht staan.

Vier. Wie de infrastructuur bezit, bepaalt prijs en voorwaarden. Dat gold voor havens, spoorwegen en elektriciteitsnetten. Dat geldt nu voor compute.

Vanuit deze vier waarheden is “willen we datacenters?” een betekenisloze vraag, alsof je vraagt of je stopcontacten wilt. Hoeveel van onze intelligentieproductie willen we in eigen hand, en welke energieprijs accepteren we daarvoor? Daarover hoort dit debat te gaan.

Inzicht 5: De halve boekhouding

Waarom voeren we dat gesprek dan niet? Omdat het debat rekent met een halve balans: we tellen wat datacenters kosten, nauwelijks wat ze opleveren.

Onderzoekers als Alex de Vries-Gao rekenen de kostenkant tot op de kilowattuur uit, en dat is nuttig werk. Hij wijst bovendien op een kostenpost die voorstanders liever overslaan: opofferingskosten, sectoren die geen stroomaansluiting meer krijgen omdat er een datacenter staat. Terecht punt, zet het op de balans.

Maar dan ook de andere kant. Die staat op geen enkel spreadsheet, en dat heeft een reden: kosten zijn geconcentreerd, meetbaar en zichtbaar. Eén gebouw, plus aansluiting, en TWh-cijfer. Opbrengsten zijn diffuus, vertraagd en verspreid over miljoenen gebruikers. Dus wint het meetbare het van het waardevolle.

Wat er ontbreekt aan de rechterkant:

• Nieuwe oplossingen. AI versnelt medicijnontwikkeling, verbetert weersvoorspellingen en stuurt elektriciteitsnetten slimmer aan. De rekenkracht die stroom kost, is ook de rekenkracht die stroom bespaart.

• Nieuwe waarde. Niemand vraagt wat de kas per kilowattuur oplevert voordat we het verbruik accepteren. Het criterium was altijd waarde per eenheid energie. Behalve blijkbaar bij rekenkracht.

• Autonomie (en veiligheid). Wat kost het om géén eigen rekenkracht te hebben? Die post staat nergens. Intelligentie huren betekent prijs, toegang en voorwaarden bij een ander, en bij een crisis, aanval of storing sta je achteraan in andermans rij; de brand in Almere liet in één middag zien hoe vitaal deze infrastructuur is. De kosten van afhankelijkheid zijn onzichtbaar tot ze ondraaglijk worden. Vraag Duitsland naar Russisch gas.

• Vermeden kosten. Elke eerder gestelde diagnose, elke niet gereden logistieke rit, elk efficiënter proces. Verspreid over de hele economie, dus ongeteld.

We meten datacenters in stroompercentages en de rest van de economie in vanzelfsprekendheid. De trein krijgt zijn terawattuur vergeven omdat we de reizigers zien. De kas omdat we de export zien. Bij rekenkracht zien we alleen de meterstand.

Inzicht 6: De les van de haven

Twee analogieën om het gesprek te kalibreren.

De eerste: Rotterdam. Nederland werd rijk door infrastructuur voor andermans goederen te bouwen. De haven neemt ruimte in, verbruikt energie en wint geen schoonheidsprijzen. Toch stelt niemand voor hem te sluiten, want iedereen begrijpt dat de haven de economie draagt. AI-datacenters zijn de haven van de intelligentie-economie. De open vraag is dezelfde als toen: worden we doorvoerland of ook productieland?

Het bekendste tegenargument hoort hier ook thuis: datacenters leveren nauwelijks banen op. Dat beeld verdient eerst een correctie uit de praktijk: in een groot datacenter werken al snel tweehonderd mensen wanneer je naast het eigen personeel ook de beveiliging, leveranciers en supportteams meetelt, en de bouw houdt jarenlang honderden vakmensen aan het werk. Maar zelfs met dat eerlijkere getal blijft het meetpunt verkeerd. In een elektriciteitscentrale werken ook maar een paar honderd mensen, en toch draait de complete economie op wat daar wordt geproduceerd. Zo telt ook de waarde van rekenkracht: in de banen en bedrijvigheid die eróp draaien, van de zorg tot de maakindustrie, van startups tot overheid. Infrastructuur beoordeel je op wat ze mogelijk maakt, en pas daarna op wie er binnen de muren werkt.

De tweede analogie: elektrificatie rond 1900. Toen fabrieken op stroom overgingen, kon je exact uitrekenen wat de centrales aan kolen kostten. Wat niemand kon uitrekenen: de complete twintigste eeuw die eruit volgde. Mensen klaagden over lelijke centrales en hoogspanningsmasten. Achteraf ging de strijd ergens anders over: wie bezit het net en wie beslist erover. Wie toen alleen de meterstand had gelezen, had het licht uitgedaan.

Inzicht 7: Het Europese bord

Dit debat is groter dan Nederland. Europa draait op geleende rekenkracht: het overgrote deel van de AI-modellen waarmee Europese bedrijven, ziekenhuizen en overheden werken, draait op Amerikaanse infrastructuur. Brussel heeft dat door. Via het InvestAI-programma stelt de EU 20 miljard euro beschikbaar voor maximaal vijf AI-gigafabrieken, naast negentien kleinere AI-fabrieken die al operationeel zijn. Duitsland deed al een voorbestelling van 805 miljoen euro aan AI-rekenkracht.

En Nederland? Wij hebben de beste papieren én de grootste aarzeling. Volt en Eneco willen in de Rotterdamse haven een AI-gigafabriek bouwen: ruim 100.000 AI-chips, honderden megawatts, direct gevoed met Noordzeewind op een plek waar de stroomkabels toch al aan land komen, zodat het overvolle net wordt ontzien. Oud-ASML-topman Peter Wennink steunt het project als bouwsteen van onze concurrentiekracht. Het kabinet weigert vooralsnog een financieel commitment, met als argument dat zo’n fabriek volledig privaat gefinancierd kan worden. Volt bouwt intussen door: Dell en NorthC stapten in en de eerste Amsterdamse AI-fabriek gaat dit najaar live. Twee kanttekeningen voor de precisie. Zo'n gigafabriek is in de plannen een trainingsfabriek én een inferentie-leverancier voor (de Europese) markt. En het zijn deels nog aankondigingen; wat er werkelijk staat, weten we pas als de hallen draaien.

Er ligt bovendien een tweede filosofie naast de gigafabriek. De Nederlandse Soevereine Datacenter Coöperatie schetst een samenhangend Europees plan: grootschalige AI-training in de Nordics, waar stroom goedkoop en overvloedig is, strategisch verbonden met soevereine inference-datacenters in Amsterdam, Frankfurt en Parijs, dicht bij de gebruikers en onder Europees recht. Precies de taakverdeling die uit het verschil tussen trainen en inferentie volgt.

Daar staan we. Het land van de haven, de AMS-IX en ASML twijfelt of het rekenkracht moet bouwen.

Tussenbalans

Tot zover de inzichten. De feiten laten zien dat het huidige debat op fabels draait, de vier waarheden laten zien waar het wél om gaat: hoeveel van onze intelligentieproductie willen we in eigen hand, en welke energieprijs accepteren we daarvoor. De AI-datacenters komen er hoe dan ook, hier of net over de grens. De stroom die ze verbruiken is meetbaar. Of de waarde die ze produceren straks van ons is, dat bepalen we nu.

Eén kanttekening hoort bij deze balans: elk cijfer in deel I is zo goed als de rapportage waarop het rust, en die rapportages zijn nog onvolledig. In het nawoord onderaan dit stuk kom ik daarop terug.

Honderd jaar geleden bouwden we een haven voor de goederen van de wereld en werden er rijk van. Nu ligt dezelfde keuze op tafel voor de grondstof van deze eeuw. De vorige generatie twijfelde niet.

Wat kiezen wij? Deel II gaat daarom over de fabriek.

Intermezzo: AI FiT worden?

Met een team bouwde ik AI FiT, de sportschool voor de AI-economie: online workouts, vibecoden samen met Personal AI Trainers, leren agents bouwen, en live trainingssessies waar je zelf aan de slag gaat met de nieuwste AI-tools en werkwijzen. Meer weten of meedoen > AI FiT. Nu €500 voordeel, geldig t/m 1 augustus 2026 met kortingscode: EARLYFRIEND

Deel II: Maak de datacenters een intelligentie-ambitie debat

Begin juli gebeurde er iets opmerkelijks in Den Haag, al viel het bijna niemand op. Op 2 juli koos het kabinet voor de bouw van een volledig eigen, soevereine overheidscloud: centraal aangestuurd, gehuisvest in de rijksdatacenters, op het hoogste Europese soevereiniteitsniveau. Een dag later scherpte het kabinet het Rijkscloudbeleid aan: voor kerntaken van kritieke rijksorganisaties wordt niet-Europese cloud voortaan afgeraden. Ditzelfde kabinet zei drie maanden eerder nee tegen Rotterdam, zoals we in inzicht 7 zagen.

Hier keert het onderscheid tussen magazijn en fabriek terug. De soevereine cloud regelt het magazijn: waar onze data staat, onder welk recht, wie erbij kan. Noodzakelijk, en te laat begonnen. Maar het denken stopt bij het magazijn. Want de overheid die deze kluis bouwt, wordt zelf in hoog tempo een intelligente overheid: een overheid die AI inzet in het primaire proces, met modellen die vergunningaanvragen voorbereiden, burgers te woord staan, dossiers samenvatten en beleidsopties doorrekenen, onder menselijke regie. Zo’n overheid draait dag en nacht op inferentie en moet haar modellen voortdurend bijtrainen op de eigen uitvoeringspraktijk. Die fabriekskant vergt een veelvoud van de rekenkracht van het magazijn en komt in de plannen nauwelijks voor. Een eigen kluis vol data zonder eigen rekenkracht is soevereine opslag van grondstof die je vervolgens in Amerika laat verwerken.

Stel bovendien dat de gigafabriek er gewoon komt. Honderdduizenden chips, Noordzeestroom, Europees recht, alles klopt. En vervolgens wordt 99 procent van de capaciteit afgenomen door Amerikaanse AI-bedrijven. Wat zijn we dan opgeschoten? Dan hebben we een fabriek gebouwd en zijn we alsnog doorvoerland, alleen nu met duurdere machines. Die vraag mogen we onszelf hardop stellen voordat de eerste paal de grond in gaat.

Aanbod is nodig. Vraag is beslissend. Daarmee ligt een belangrijke kern van het nieuwe debat op tafel.

Van vergunningendebat naar ambitiedebat

Welk debat moet het dan in? Het intelligentie-ambitiedebat. Dat draait om drie vragen die samen bepalen of rekenkracht hier waarde oplevert of alleen warmte:

Eén: welke intelligentie trainen wij zelf? Twee: wie neemt haar af? Drie: wie komt hier bouwen?

Het huidige debat gaat over vergunningen, hectares en megawatts. Dat zijn aanbodvragen, en aanbod is het makkelijke deel: kapitaal en techniek zijn er. De drie vragen hierboven zijn vraagvragen. Beantwoorden we die vanuit Nederland en Europa, dan bouwen we infrastructuur vanuit eigen kracht in plaats van voor andermans groei. Loop ze langs.

Vraag één: wat trainen wij eigenlijk?

Eerst de foto, en die is genuanceerder dan zowel de doemdenkers als de juichers vertellen.

Nederland heeft één publiek taalmodel: GPT-NL, gebouwd door TNO, SURF en het NFI. Het draait sinds dit voorjaar bij de eerste overheidsorganisaties en wordt in de tweede helft van dit jaar breder uitgerold. Bewust geen ChatGPT-concurrent: het mikt op taken waar controle en compliance zwaarder wegen dan ruwe kracht, en het is transparant over zijn trainingsdata. Startbudget: 13,5 miljoen euro. Onthoud dat getal even.

GPT-NL kreeg stevige kritiek: te klein, te laat, kansloos naast de frontier (de leidende AI-modellen). Die kritiek klopt zolang je het beoordeelt als ChatGPT-concurrent, en mist het punt zodra je het koppelt aan de intelligente overheid uit de opening van dit deel. Dan heeft dit model iets wat geen enkel frontier-model bezit: een gegarandeerde gebruikersbasis van honderden overheidsorganisaties en de meest unieke dataset van het land, de Nederlandse uitvoeringspraktijk zelf. De virtuele gemeenteassistent Gem bedient al 2,8 miljoen inwoners, en ICTU test of GPT-NL eronder kan draaien. Elke vraag aan de digitale balie, elke correctie door een ambtenaar kan het model verder trainen, binnen de eigen omgeving in plaats van in Redmond. Zo kan een bescheiden model alsnog een topmodel worden: het hoeft de grootste niet te zijn, het leert als enige waar geen ander mag leren.

Daarnaast bestaat er een cluster bedrijven dat wél eigen modellen traint. Let daarbij op het cruciale onderscheid dat in het AI-debat vrijwel altijd wegvalt: er is een wereld van verschil tussen bedrijven die bóven op Amerikaanse foundation models bouwen (een schil, een toepassing, een agent) en bedrijven die eigen modellen trainen op eigen data. De eerste groep is verreweg het grootst: vrijwel elke Nederlandse AI-toepassing en corporate draait op OpenAI, Anthropic of Google. De tweede groep is klein, maar dat is de groep die intelligentie produceert in plaats van doorverkoopt:

• Cradle (Delft/Amsterdam, ruim 100 miljoen dollar opgehaald) traint eigen modellen die eiwitten ontwerpen; farmaceuten als Novo Nordisk en Johnson & Johnson zijn klant. Door Sifted uitgeroepen tot een van de vijf beste AI-scaleups van Europa.

• CuspAI (Amsterdam/Cambridge, opgericht door UvA-hoogleraar Max Welling, 130 miljoen dollar) traint eigen modellen die nieuwe materialen ontdekken, voor batterijen en CO2-afvang. Nobelprijswinnaar Geoffrey Hinton en Yann LeCun zitten in de adviesraad. Sifted riep het uit tot meest veelbelovende AI-startup van Europa.

• Aiosyn en ScreenPoint Medical (beide Nijmegen, geworteld in de Radboud-onderzoeksgroep die wereldtop is in computationele pathologie) trainen eigen medische beeldmodellen.

• Source.ag (Amsterdam) traint modellen op kassendata, Gradyent (Rotterdam) op warmtenetdata; samen met ruim vierhonderd andere Nederlandse AI-startups vormen ze de bredere laag.

• Nebius (gevestigd in Amsterdam, genoteerd aan de Nasdaq) bouwt AI-infrastructuur, Axelera (Eindhoven) AI-chips voor de edge. En in Groningen komt de Nederlandse AI-fabriek van EuroHPC, in 2027 op vol vermogen.

Dus ja, er wordt hier getraind, op wereldniveau zelfs. Maar kijk waar deze bedrijven hun rekenkracht halen. CuspAI werkt samen met Meta, mede omdat de hyperscaler kan voorzien in de enorme rekenkracht die de startup nodig heeft. Cradle staat bij Sifted geregistreerd als Zwitsers, CuspAI als Brits: onze beste modelbouwers groeien half het land uit omdat kapitaal en compute elders staan. Eigen modellen, andermans machines. Precies het gat dat een Nederlandse AI-fabriek moet vullen, en het antwoord op de vraag of er hier behoefte is aan GPU’s: die behoefte bestaat, ze wordt nu alleen in Californië en Cambridge ingevuld.

Het bredere beeld bevestigt dat: volgens de State of Dutch Tech 2026 trekt AI inmiddels 27 procent van de 2,64 miljard euro aan Nederlands durfkapitaal. Maar onze scale-up-rate ligt op 21,6 procent, tegen 52 in de VS. We zaaien goed en oogsten matig. En houd de verhoudingen scherp: het publieke GPT-NL-budget van 13,5 miljoen is een afrondingsverschil op wat één Nederlandse modelbouwer privaat ophaalt.

De strategie: domein-intelligentie op eigen data

De foto bepaalt de strategie. Nederland gaat de frontier-race om het grootste algemene model niet winnen; die race kost tientallen miljarden per deelnemer. Onze kans ligt een verdieping lager en is minstens zo waardevol: domein-intelligentie, getraind op datasets die alleen wij hebben. En dit is geen theorie, de kiemen hierboven bewijzen het. Cradle traint op eiwitdata, CuspAI op materiaaldata, de Nijmeegse bedrijven op medische beelden, Source.ag op de kassen, Gradyent op de warmtenetten. Daarachter liggen de datasets die nog wachten: de agri-data van Wageningen en het Westland, de deltadata van onze waterbeheerders, de logistieke data van Rotterdam en Schiphol, de semicon-data van het ASML-ecosysteem. Wie daarop traint, bouwt modellen die nergens anders gebouwd kúnnen worden.

Maar dan moet het wel óp eigen infrastructuur gebeuren, en daarvoor is een reden die dieper gaat dan vestigingsklimaat. Satya Nadella beschreef het deze week, in een essay dat tien miljoen keer werd gelezen, als de Reverse Information Paradox: wie zijn data en werkprocessen door andermans model laat verwerken, betaalt twee keer. Eén keer met geld, en één keer met de eigen kennis die het model absorbeert via prompts, correcties en gebruikssporen. “In consuming intelligence, you are creating intelligence”, schrijft hij, en wat je creëert hoort van jou te zijn. Vertaal dat naar de Nederlandse datasets: train de kassendata, de deltadata en de medische data via Amerikaanse foundation models, en over tien jaar zit onze domeinkennis ín hun modellen, terwijl wij er een abonnement op hebben. Dan zijn we niet alleen onze rekenkracht kwijt, maar ook het IP van onze sterkste sectoren. De trust boundary die Nadella bepleit, een omgeving waarbinnen data, modellen en het geleerde samen accumuleren onder eigen zeggenschap, vereist fysiek precies één ding: rekenkracht onder eigen recht.

De tegenwerping: wordt intelligentie geen commodity?

Hier hoort de populairste tegenwerping van dit moment behandeld. Open-source modellen halen de gesloten frontier-modellen in, zegt men; intelligentie wordt een commodity, dus waarom zouden we ons druk maken over eigen modellen of eigen rekenkracht?

Het eerste deel klopt grotendeels. Open modellen als DeepSeek, Llama en Qwen zitten de frontier op de hielen, en voor de meeste toepassingen is het verschil al onmerkbaar. Maar de conclusie klopt om drie redenen niet.

Ten eerste: open gewichten zijn geen soevereiniteit. De sterkste open modellen zijn Amerikaans en vooral Chinees. Wie erop bouwt, erft hun trainingsdata, hun keuzes en hun exportregime.

Ten tweede: als intelligentie een commodity wordt, verschuift de waarde naar wat schaars blijft. Dat zijn er precies twee: de rekenkracht om modellen te draaien en bij te trainen, en de unieke data om ze te specialiseren. Een open model is gratis te downloaden, zoals bladmuziek gratis te kopiëren is; het orkest dat het uitvoert kost nog steeds geld. Het draaien van zo’n model voor miljoenen gebruikers en het bijtrainen ervan op eigen data vergt serieuze GPU-capaciteit, en die moet je bezitten of huren. De kosten verdwijnen dus niet, ze verhuizen van de modellicentie naar de infrastructuur eronder. Commodity-modellen maken eigen compute en eigen datasets belangrijker, en zeker niet overbodig.

Ten derde: open modellen zijn juist dé kans voor een land als Nederland. Een open model binnen je eigen trust boundary halen en fine-tunen op je kassendata of patiëntendata is de snelste route naar domein-intelligentie zonder frontier-budget. Maar dat fine-tunen en draaien vergt GPU’s onder eigen recht. Wie open modellen op Amerikaanse clouds draait, importeert de afhankelijkheid door de achterdeur weer naar binnen. De commodity-these is dus geen argument tegen eigen rekenkracht. Het is het sterkste argument ervóór.

Vraag twee: wie neemt af?

Nederlandse organisaties zijn massaal afnemer van intelligentie, alleen komt die intelligentie vrijwel volledig uit Amerika. Elke corporate die AI-first roept, elke gemeente met een chatbot, koopt in bij AWS, Azure, OpenAI of Anthropic. De Nederlandse vraag bestaat dus al en ze is groot; we vullen haar alleen volledig met import, en de marges, de leereffecten en op termijn de kennis reizen mee terug.

Begin bij de grootste klant: de overheid zelf. De intelligente overheid uit de opening van dit deel betekent een structurele, voorspelbare, langjarige vraag naar inferentie en bijtraining, in elke uitvoeringsorganisatie. De vraag wie de aanbieder van die intelligentie wordt, is nu impliciet beantwoord: Microsoft, via de inkoopcontracten. Dat kan ook een expliciete keuze worden: de intelligente overheid als launching customer van Nederlandse en Europese rekenkracht en modellen, met GPT-NL als eerste bouwsteen. Toen het kabinet nee zei tegen Rotterdam omdat de binnenlandse behoefte niet was aangetoond, keek het naar een behoefte die het zelf aan het creëren is.

Dan de ondernemers, en hier past de les van wind op zee, maar anders dan je denkt. Wind op zee gold jarenlang als bewijs dat afnamecontracten infrastructuur financierbaar maken: bedrijven tekenden langjarige stroomcontracten en de parken werden subsidievrij gebouwd. Kijk nu: de tender voor kavel Nederwiek I-A kreeg in oktober nul inschrijvingen, tenders zijn uitgesteld, en de kernoorzaak is volgens het kabinet zelf dat de elektrificatie en dus de vraag achterblijft en bedrijven geen langetermijncontracten meer tekenen. De staat werkt nu haastig aan contracts for difference en een garantiefonds voor afnamecontracten met Invest-NL. De les voor rekenkracht kan niet duidelijker: infrastructuur zonder georganiseerde vraag stokt, hoe goed de techniek ook is. Wie de gigafabriek wil, moet eerst de afname organiseren, anders staan we over vijf jaar naar mislukte compute-tenders te kijken zoals nu naar lege windtenders.

Dat organiseren is de verantwoordelijkheid van het bedrijfsleven zelf, en het hoeft nergens op te wachten. Een afnemerscoalitie van Nederlandse en Europese bedrijven die een deel van hun AI-inkoop langjarig committeert aan Europese capaciteit en modellen: voor de deelnemers risicospreiding en onderhandelingsmacht, voor de bouwers de ankerhuurder die financiering rondmaakt, voor het land het bewijs van behoefte dat Den Haag zegt te missen. Plus data-allianties per domein, want de agri-, water- en logistieke modellen kunnen alleen bestaan als kassenbouwers, waterschappen, havenbedrijven en ziekenhuizen hun data gezamenlijk trainbaar maken, onder eigen voorwaarden. Dat vraagt geen subsidie. Het vraagt bestuurders die begrijpen dat hun dataset een productiemiddel is, en dat je productiemiddelen niet gratis weggeeft aan je toekomstige concurrent.

Vraag drie: wie komt hier bouwen?

Ken je Pim de Witte? Jongen uit Nijmegen, draaide op zijn veertiende de grootste private RuneScape-server ter wereld, bouwde daarna Medal: tien miljoen gebruikers, twee miljard gameclips per jaar, inclusief de controller-acties erbij. Precies de data waarmee je AI ruimtelijk leert denken. OpenAI bood naar verluidt 500 miljoen dollar voor het bedrijf. De Witte weigerde, richtte er AI-lab General Intuition omheen op en haalde 133,7 miljoen dollar seed op; Jeff Bezos, Eric Schmidt en Nederlandse founders als Jelle Prins investeren mee en er wordt gesproken over een waardering van twee miljard.

Prachtig verhaal, op één detail na: General Intuition staat in New York, bewust gekozen vanwege kapitaal, talent en het Amerikaanse ecosysteem.

Lees dat verhaal als checklist. Nederlands talent: aanwezig. Nederlandse data van wereldklasse: aanwezig, Medal is hier ontstaan. Ambitie: de man wees een half miljard af om zelf te bouwen. Het enige dat ontbrak was de omgeving die dit vasthoudt: kapitaal dat zulke rondes durft te schrijven, rekenkracht om op te trainen, en een land dat uitstraalt dat dit soort bedrijven hier horen te staan. Vroeger wonnen we talent met een fijne, goed geregelde samenleving. De mensen die foundation models bouwen kiezen tegenwoordig voor de plek met de grootste ambitie, de grootste clusters en het diepste kapitaal. CERN laat zien hoe je die logica naar je toe haalt: bouw de deeltjesversneller en de beste fysici van de wereld verhuizen naar een voorstad van Genève. Rekenkracht plus een missie is de deeltjesversneller van deze eeuw.

Wat de overheid dan wél moet doen

De publieke agenda blijft compact en volgt uit het bovenstaande. Meet waarde per kilowattuur in een jaarlijkse rekenkrachtmonitor, zodat de fabels uit deel I niet elke twee jaar terugkeren. Maak onderscheid in beleid: behandel opslagcapaciteit voor de mondiale cloud als vestigingsbeleid en productiecapaciteit voor Europese intelligentie als industriepolitiek, want nu vallen beide onder dezelfde reflex. Bundel de publieke vraag: de intelligente overheid als launching customer, naast de private coalitie. Geef compute-kavels uit voor AI-fabrieken waar Noordzeestroom, netaansluiting en warmtenet samenkomen, met harde eisen: restwarmte verplicht naar Duits voorbeeld 3, flexibiliteit voor het net, gesloten waterkringloop, capaciteit gereserveerd voor Europese workloads. Sluit de kennisloop bij Kamerleden, wethouders en topambtenaren, want wie het verschil tussen trainen en inference niet kent, kan geen van deze afspraken maken. En claim in Brussel de Nederlandse rol in de taakverdeling uit inzicht 7: training waar stroom overvloedig is, inference hier, bij de AMS-IX en de gebruikers.

En geef het geheel één eigenaar. Toen water ons grootste risico was, kreeg het een Deltacommissaris met mandaat over de kolommen heen. Jelle Prins van Cradle pleit al langer voor een Nationaal AI Deltaplan; dat is geen roep om subsidie, het is een roep om regie, en hij komt van een van de weinige Nederlanders die daadwerkelijk wereldklassemodellen bouwt.

De ambitie als sluitstuk

Trek de drie vragen samen en er ontstaat iets dat het datacenterdebat nooit heeft gehad: een verhaal om vóór te zijn.

Stel dat Nederland uitspreekt: wij bouwen binnen tien jaar de beste agri-intelligentie ter wereld op onze kassendata, de beste water-intelligentie op onze deltadata, en de logistieke intelligentie van Europa op onze haven- en luchthavendata. Getraind op eigen rekenkracht, binnen eigen trust boundaries, gevoed met Noordzeestroom, met de restwarmte in de wijken ernaast. Dat is een missie waar een gemeenteraad ja tegen kan zeggen, een corporate zijn inkoop aan kan verbinden, en een De Witte van de volgende generatie zijn bedrijf voor in Nijmegen laat staan in plaats van New York.

Het goed-versus-fout debat vroeg: mag die doos daar staan? Het ambitiedebat vraagt: wat maken wij erin? De doos is maar de verpakking. De strijd gaat om de inhoud: de rekenkracht, de modellen, en de data die erdoorheen stromen.

Dit stuk begon bij een meterstand en eindigt bij een keuze. Wij kiezen een ambitie, en we bouwen er de rekenkracht, de coalities en het talent onder. De stukken liggen op het bord.

De ondernemers hebben de openingszet.

Tot de volgende window, Ruben!

Nawoord: over de meetlat zelf

Alle cijfers in dit stuk rusten op rapportages die pas deze maand voor het eerst deels openbaar werden. Dat verdient een eerlijke voetnoot, want zo stevig als de meetlat is, zo stevig is het debat.

Wie het echte stroomverbruik van deze sector wil kennen, heeft aan één rapportagestroom niet genoeg. Het beeld wordt pas betrouwbaar als je verschillende onafhankelijke bronnen over elkaar legt: wat bedrijven zelf opgeven, wat netbeheerders aan aansluitingen registreren, welke capaciteit er is vergund, wat er in bouwdossiers staat, en desnoods wat een luchtfoto laat zien. Elke bron afzonderlijk heeft blinde vlekken; samen corrigeren ze elkaar.

Grote energieverbruikers zijn bovendien wettelijk verplicht hun verbruik op te geven, en toch gebeurt dat nog altijd niet overal, of maar half. Elke ontbrekende opgave maakt drie slachtoffers: het publieke gesprek, dat op gaten drijft; het beleid, dat op die gaten wordt gebouwd; en de bedrijven die hun cijfers wél compleet aanleveren, want die delen ongevraagd in het wantrouwen dat de zwijgers oproepen. Voor een sector die zich graag laat voorstaan op zijn duurzame karakter is openheid over het eigen verbruik dan ook de goedkoopste verdediging van de eigen geloofwaardigheid. En van de overheid die deze opgaven verzamelt, mag je verwachten dat ze ook kijkt of iedereen levert.

Drie partijen, één opdracht: bedrijven leveren hun cijfers compleet aan, hun branche maakt daar een erezaak van, en de overheid controleert of het gebeurt. Meer is er niet nodig voor het fundament onder elk verstandig besluit over rekenkracht. De monitor waar dit stuk om vraagt, hoeft dus nergens op te wachten: de wet bestaat al, hij moet alleen worden nageleefd.

Ik zie steeds vaker stellige opinies over AI van mensen die de technologie nauwelijks doorgronden. Tegelijkertijd zijn de bouwers en degenen die er dagelijks mee werken, vaak te druk om het publieke debat van inhoud, nuance en begrip te voorzien. Daardoor wordt het gesprek steeds meer bepaald door aannames in plaats van (adequate) kennis. Dat is een serieus probleem voor Nederland. Daarom in dit artikel een studeerlijst voor ‘opiniemakers’, van Hinton tot Hao. Les één: het nieuwe essay van Hassabis, hieronder in vertaling.

Deze week publiceerde Demis Hassabis een essay over de komst van AGI, kunstmatige algemene intelligentie. Hassabis is Nobelprijswinnaar. Oprichter van DeepMind. De man achter AlphaFold, het systeem dat een vijftig jaar oud wetenschappelijk probleem kraakte. Iemand die deze technologie zelf bouwt.

Onderaan dit stuk vind je zijn volledige essay in een Nederlandse vertaling, met korte uitleg bij de technische termen.

Zijn kernboodschap: de snelle vooruitgang in AI vraagt om een nieuwe aanpak voor het testen van de krachtigste modellen, dynamisch, aanpasbaar en rigoureus. Zijn voorstel in drie punten:

• Een standaardenorgaan voor AI-modellen, naar het model van de Amerikaanse FINRA: onder overheidstoezicht, maar opgezet en grotendeels betaald door de industrie zelf. Nederland kent geen exacte evenknie; denk aan een kruising tussen de AFM en de APK-keuring.

• Een keuring voor frontier-modellen (de frontier: de buitenste grens van wat de krachtigste AI-modellen op dit moment kunnen), eerst vrijwillig en later verplicht, voordat ze de Amerikaanse markt op mogen. De keuring test op onder meer cybersecurity, biologische risico’s en misleiding.

• Meetlatten die meebewegen: het orgaan ververst de tests elk kwartaal, zodat de keuring het tempo van de technologie bijhoudt.

Hassabis erkent: niemand weet zeker wat er gaat gebeuren. Zelfs de experts zijn het oneens. De vooruitgang aan de frontier gaat sneller dan ons begrip ervan. De man met het diepste inzicht in deze technologie zegt dus: ik weet het niet zeker.

Maar in Nederland is iedereen met een mening overtuigd van het eigen gelijk. Open X, scroll door LinkedIn, lees de opiniebijlagen van de kranten: stellige stukken over AI waarvan je binnen twee alinea’s ziet dat de schrijver de techniek nauwelijks doorgrondt, nooit een applicatie heeft ge-vibecode, en het huiswerk onvoldoende heeft gedaan. De toon is zelfverzekerd, maar de onderbouwing dun.

Op basis van dat publieke debat stemmen Kamerleden over reguleringskaders. Nemen schoolbesturen beslissingen over AI in de klas. Kiezen directies of ze investeren of afwachten. Nederland bouwt beleid op aannames, terwijl de adequate kennis ver te zoeken lijkt.

De stelligheid komt in diverse smaken, ik noem er hier twee. De doemdenkers die elke ontwikkeling framen als het einde van banen, waarheid of menselijkheid. En de juichers die elke kanttekening wegzetten als angst voor vooruitgang. Beide kampen hebben één ding gemeen: ze hebben hun studeerwerk onvoldoende gedaan.

Terug naar het voorstel van Hassabis. Het is het meest concrete plan dat een CEO van een frontier-lab tot nu toe op tafel heeft gelegd. Een zin die eruit springt: het orgaan zou zo nodig een gecoördineerde vertraging onder de labs kunnen organiseren. De CEO van Google DeepMind schrijft op dat afremmen een optie moet zijn.

Wie goed leest, ziet ook de haken en ogen: De industrie betaalt het orgaan grotendeels zelf. De labs ontwikkelen de eerste tests mee die hun eigen modellen moeten keuren. En wat er niet staat, telt net zo zwaar. Over aansprakelijkheid: geen woord. Over Europa: niets. Een keurmerk als Frontier Lab, met eisen rond rekenkracht, beveiliging en personeel, werpt bovendien drempels op die vooral de gevestigde spelers kunnen nemen. Hassabis heeft een agenda. Natuurlijk heeft hij die.

AI-geletterdheid is precies dit: zien wat er staat, zien wat er ontbreekt en zien welk belang meespeelt. Wie dat kan, hoeft geen enkele expert klakkeloos te volgen. Ook Hassabis niet.

Intermezzo: Zelf AI FiT worden?
Met een team bouwde ik AI FiT, de sportschool voor de AI-economie: online workouts, vibecoden samen met Personal AI Trainers, leren agents bouwen, en live trainingssessies in o.a. De Koepel in Haarlem waar je zelf aan de slag gaat met de nieuwste AI-tools en werkwijzen. Meer weten of meedoen > AI FiT. Nu €500 voordeel, geldig t/m 1 augustus 2026 met kortingscode: EARLYFRIEND.

[vervolg artikel] Eén passage verdient een plek op elke Nederlandse bestuurstafel. De vragen over nieuwe economische modellen, over waarden en zingeving in een wereld met AGI, kunnen we volgens Hassabis niet aan technologen alleen overlaten. Dat schrijft de technoloog zelf. Hij nodigt ons uit aan tafel.

Wie aan die tafel wil zitten, moet studeren. Daarmee bedoel ik niet de krant lezen of de talkshows volgen. Ik bedoel de bronnen zelf. Luister naar Geoffrey Hinton en Yoshua Bengio, twee grondleggers van deep learning die nu waarschuwen. Naar Yann LeCun, de derde grondlegger, die juist relativeert, net als Andrew Ng. Lees Fei-Fei Li over mensgerichte AI, Dario Amodei over de economische impact, Stuart Russell over de controlevraag, Andrej Karpathy over hoe deze systemen echt werken, Mustafa Suleyman over de golf die op ons afkomt. En dus Hassabis. Wie deze mensen volgt, ontdekt iets ongemakkelijks: de grootste experts spreken elkaar tegen. Daarom wordt wie studeert vanzelf voorzichtiger met stelligheid.

Een informatica-diploma heb je niet nodig. Wel een paar uur per week, intellectuele eerlijkheid en de bereidheid om “ik weet het niet” te zeggen als dat de waarheid is.

De studeerlijst (voor tijdens de vakantie:))

Hier is een startpunt, allemaal gratis toegankelijk:

• Demis Hassabis (Nobelprijswinnaar, CEO Google DeepMind): het essay zelf en The Thinking Game, de documentaire die vijf jaar lang achter de schermen bij DeepMind filmde hoe AlphaFold ontstond.

• Geoffrey Hinton (grondlegger van deep learning, Nobelprijs Natuurkunde 2024): dit lange interview waarin hij uitlegt waarom hij Google verliet om vrijuit over de risico’s te kunnen spreken.

• Yoshua Bengio (grondlegger van deep learning, meest geciteerde computerwetenschapper ter wereld): zijn TED-talk over de risico’s van zelfstandig handelende AI.

• Yann LeCun (grondlegger van deep learning, Turing Award-winnaar): drie uur met Lex Fridman over waarom hij de doemscenario’s niet gelooft en wat taalmodellen volgens hem fundamenteel niet kunnen.

• Andrew Ng (oprichter Google Brain en DeepLearning.AI): zijn Stanford-lezing Opportunities in AI over AI als algemene technologie, vergelijkbaar met elektriciteit.

• Fei-Fei Li (Stanford, bedenker van ImageNet): haar TED-talk over spatial intelligence, de volgende stap na taalmodellen. En als bonus: haar gesprek met Geoffrey Hinton in Toronto, twee grondleggers samen op een podium over de geschiedenis en de risico’s van hun eigen vakgebied.

• Dario Amodei (CEO Anthropic): Machines of Loving Grace, zijn essay over hoe de wereld eruitziet als het goed gaat.

• Stuart Russell (Berkeley, auteur van het standaard AI-studieboek): de BBC Reith Lectures, Living With Artificial Intelligence, vier colleges over de controlevraag.

• Andrej Karpathy (medeoprichter OpenAI, oud-hoofd AI bij Tesla): Deep Dive into LLMs, drieënhalf uur over hoe deze systemen echt werken, gemaakt voor een algemeen publiek.

• Mustafa Suleyman (CEO Microsoft AI, medeoprichter DeepMind): zijn TED-talk What Is an AI Anyway? en zijn boek The Coming Wave.

• Karen Hao (onderzoeksjournalist, in 2019 de eerste journalist die binnen mocht bij OpenAI): Empire of AI, haar kritische boek over de macht achter de frontier labs, winnaar van de National Book Critics Circle Award. En haar interview van twee uur met Steven Bartlett in The Diary of a CEO. Zij is de enige buitenstaander op deze lijst, en juist daarom onmisbaar.

• Roman Yampolskiy (hoogleraar computerwetenschap, bedacht in 2010 de term AI safety): zijn gesprek met Steven Bartlett, een van de meest bekeken AI-afleveringen van The Diary of a CEO.

• Mo Gawdat (voormalig Chief Business Officer van Google X): zijn terugkeer bij The Diary of a CEO en zijn boek Scary Smart.

• Eliezer Yudkowsky (grondlegger van het AI-alignment-onderzoek): If Anyone Builds It, Everyone Dies, geschreven met Nate Soares. De meest radicale waarschuwing op deze lijst.

• Brian Christian (wetenschapsjournalist en auteur): The Alignment Problem: Machine Learning and Human Values. Een toegankelijke en grondige introductie tot de vraag hoe we AI-systemen in lijn brengen met menselijke waarden.

Mijn voorstel, voor iedereen die deze week een mening over AI wil delen: lees eerst het essay van Hassabis. Helemaal. Daarom staat het hieronder, vertaald en toegelicht. Ben je het na lezing met hem oneens, prima. Dan weet je tenminste waarmee.

De toekomst is nog niet geschreven, besluit Hassabis. Hij heeft gelijk.

Maar wie niet studeert, schrijft niet mee.

Tot de volgende Window, Ruben!

Een raamwerk voor frontier-AI en de dageraad van een nieuw tijdperk

Essay van Demis Hassabis, in Nederlandse vertaling

De cursieve toelichtingen tussen haakjes zijn van mij en verklaren technische termen. Het origineel staat op de Substack van Hassabis.

Dit is een kantelpunt in de menselijke geschiedenis. Kunstmatige algemene intelligentie, AGI (een systeem dat alle cognitieve vermogens van het menselijk brein bezit), is waarschijnlijk nog maar een paar jaar van ons verwijderd. Als we in de komende decennia terugkijken op deze tijd, denk ik dat we zullen beseffen dat we aan de voet stonden van de singulariteit (het punt waarop AI zichzelf sneller verbetert dan mensen kunnen bijbenen), niets minder dan het aanbreken van een nieuw tijdperk voor de mensheid.

Ik heb mijn hele leven aan AGI gewerkt vanuit de diepe overtuiging dat het, mits verantwoord gebouwd en ingezet, een van de meest waardevolle en transformerende technologieën ooit zal blijken. AGI laat zich niet vergelijken met gewone technologische doorbraken, zelfs niet met ingrijpende zoals het internet of de mobiele telefoon. Het lijkt veel meer op de ontdekking van elektriciteit of vuur. Sta er even bij stil: we hebben in essentie een manier gevonden om zand te laten denken (computerchips worden gemaakt van silicium, gewonnen uit zand). Dat is wonderbaarlijk.

De impact van deze technologie zal ongekend zijn, misschien wel tien keer die van de Industriële Revolutie, op tien keer de snelheid. Ze gaat ons helpen bij het oplossen van enkele van de grootste maatschappelijke problemen, van het versnellen van medicijnontwikkeling tot het ontwikkelen van nieuwe schone energiebronnen en geavanceerde materialen. We kunnen zelfs een punt bereiken waarop grondstoffen niet langer de beperkende factor zijn voor menselijke vooruitgang, het begin van een nieuw tijdperk van overvloed.

De uitdagingen van de frontier (de frontier: de buitenste grens van wat de krachtigste AI-modellen op dit moment kunnen)

AI levert nu al concrete voordelen op, maar om de enorme belofte waar te maken moeten we deze kritieke ontwikkelfase doordacht en zorgvuldig doorlopen. Er is dringend actie nodig om risico’s aan te pakken die kunnen ontstaan naarmate we dichter bij AGI komen. We hebben al gezien welke uitdagingen frontier-modellen opleveren voor cybersecurity, en andere dreigingen, waaronder nucleaire en biologische risico’s, kunnen zich aandienen naarmate de capaciteiten verder toenemen. Aan de horizon hebben we robuuste waarborgen nodig om de controle te behouden over steeds meer agentische (zelfstandig handelende) systemen die zichzelf recursief verbeteren (AI die zichzelf slimmer maakt, en met die extra slimheid zichzelf nog sneller verbetert), en om onbekende problemen aan te pakken die pas gaandeweg duidelijk worden.

Ik heb altijd geloofd in de kracht van menselijke vindingrijkheid en creativiteit om elk probleem op te lossen. Ik ben ervan overtuigd dat we de technische risico’s van AI gezamenlijk kunnen beperken, maar alleen als we onszelf de tijd en ruimte geven om deze cruciale volgende stap goed te zetten. Op dit moment doen we dat niet, niet als vakgebied en niet als samenleving.

We zitten gevangen in een extreem intense, gelaagde commerciële en geopolitieke race. Die concurrentie jaagt snelle vooruitgang aan en versnelt de geweldige voordelen, maar de ontwikkelingen aan de frontier gaan sneller dan ons begrip van de technologie. Niemand ter wereld weet zeker wat er vanaf hier gaat gebeuren, en zelfs de experts zijn het oneens. Bij zoveel onzekerheid en zulke hoge inzetten is voorzichtig optimisme de verstandige en juiste strategie. Dat vraagt om overheidsbeleid dat innovatie stimuleert en tegelijk verantwoordelijkheid en veiligheid beloont, om internationale samenwerking op de belangrijkste veiligheidsvraagstukken, en om zorgvuldige afwegingen over hoe we AI inzetten ten dienste van de samenleving.

Een raamwerk voor een Frontier AI Standards Body (een standaardenorgaan: een instituut dat normen vaststelt en bewaakt, zoals een keuringsinstantie)

De snelle vooruitgang in AI vraagt om een nieuwe aanpak voor het testen van de capaciteiten van frontier-modellen: dynamisch, aanpasbaar en rigoureus. De VS is, gezien haar economische en technische positie, goed gepositioneerd om de eerste stap te zetten. Het land zou een nieuw standaardenorgaan kunnen oprichten in de vorm van een publiek-privaat partnerschap onder federaal toezicht of een zelfregulerende organisatie, vergelijkbaar met FINRA (de Amerikaanse instantie waarmee de financiële sector zichzelf reguleert, onder toezicht van de overheid), met een bestuur van onafhankelijke technische topexperts en vertegenwoordigers van de open source-gemeenschap (ontwikkelaars die hun AI-modellen vrij beschikbaar stellen). De financiering moet substantieel zijn en zal waarschijnlijk grotendeels uit de industrie komen, om technisch toptalent aan te trekken en de rekenkracht te leveren die grootschalig testen vereist.

Het standaardenorgaan zou beoordelingsprotocollen ontwikkelen en samenwerken met de relevante federale instanties en de Amerikaanse National Labs om tests uit te voeren op gebieden die de nationale veiligheid raken. Een model kwalificeert als frontier-class wanneer het bepaalde drempels haalt op een set benchmarks (gestandaardiseerde tests die meten wat een model kan) die het orgaan vaststelt en regelmatig bijwerkt om gelijke tred te houden met de zich ontwikkelende AI-capaciteiten. Organisaties met frontier-modellen volgens die benchmarks gelden dan als Frontier Labs en worden aangemoedigd best practices te hanteren, zoals het publiceren van model cards (een soort bijsluiter met de technische details van een model), sterke interne cybersecurity, het screenen van sleutelpersoneel en voldoende budget voor veiligheids- en beveiligingsonderzoek.

In eerste instantie delen Frontier Labs hun modellen vrijwillig met het standaardenorgaan, tot dertig dagen voor release. Zodra het beoordelingsprotocol effectief en robuust blijkt, kan formalisering snel volgen: frontier-modellen moeten de toets dan doorstaan om op de Amerikaanse markt te mogen worden ingezet. Labs werken ook met het orgaan samen om kritieke kwetsbaarheden na release aan te pakken.

Modelbeoordelingen moeten rigoureuze wetenschappelijke evaluaties bevatten van capaciteiten op het gebied van cybersecurity, biologische dreigingen en andere hoog-risicodomeinen. Specifieke tests voor agentische AI kunnen zoeken naar pogingen om veiligheidsmaatregelen te omzeilen of naar tekenen van misleiding, en toezien op best practices zoals het digitaal watermerken van AI-gegenereerde beelden (een onzichtbaar merkteken waaraan je kunt herkennen dat een beeld door AI is gemaakt) en het genereren van voor mensen leesbare redeneerstappen, zodat we kunnen volgen hoe een model tot zijn antwoord komt.

Deze evaluaties worden regelmatig bijgewerkt, om te beginnen misschien elk kwartaal, waarbij verouderde of verzadigde benchmarks (tests waarop alle modellen inmiddels de hoogste score halen, zodat ze niets meer onderscheiden) worden vervangen. Aanvankelijk ontwikkelt het orgaan ze in overleg met de Frontier Labs, maar uiteindelijk moet het de technische capaciteit opbouwen om eigen geheime tests te maken, onafhankelijk van de labs, om overfitting te voorkomen (dat modellen gericht trainen op de test zelf in plaats van werkelijk beter te worden). Samen met de Amerikaanse overheid kan het een ecosysteem van onafhankelijke auditors stimuleren dat helpt bij de beoordelingen en de ontwikkeling van nieuwe benchmarks en evaluaties.

De kracht van deze aanpak is dat ze technisch gefocust is en tegelijk innovatie ondersteunt en verantwoord gedrag beloont. Ze is ontworpen om de versnelling van het veld bij te houden en zich aan te passen aan de grootste risico’s zodra die zich aftekenen, en kan worden aangescherpt als de ernst van de situatie daarom vraagt, inclusief het coördineren van een vertraging in de ontwikkeling onder de Frontier Labs als dat nodig wordt geacht. De aanduiding Frontier Lab draagt aanzienlijk prestige en staat open voor elke organisatie die modellen bouwt die aan de benchmarkcriteria voldoen. Het raamwerk kan gelden voor frontier-class modellen ongeacht het land van herkomst en ongeacht of ze open of gesloten zijn, maar niet-frontier-modellen, bijvoorbeeld van startups of universiteiten, zijn van dit proces vrijgesteld.

Dit Amerikaanse initiatief zou een sterk startpunt vormen voor gedeelde internationale standaarden voor frontier-AI. Omdat deze technologie de hele planeet gaat raken, zou dit raamwerk de internationale gemeenschap idealiter aanzetten tot consensus over het beheersen van de ernstigste risico’s, terwijl iedereen toegang houdt tot de kansen die AI biedt en ervan kan profiteren.

De toekomst is nog niet geschreven

AGI kan het ultieme instrument worden voor de vooruitgang van wetenschap en geneeskunde, en enorme productiviteitswinst en economische groei aanjagen. Maar om dat te bereiken moeten we de technische fundamenten op orde krijgen: coördineren rond een gedeeld mondiaal raamwerk, de meest rigoureuze wetenschappelijke methoden gebruiken en de beste denkers samenbrengen rond de uitdagingen waar we voor staan.

Zelfs als we deze harde technische uitdagingen oplossen, wachten er complexe economische en filosofische vragen: welke nieuwe economische modellen zijn nodig om iedereen te laten floreren in een wereld zonder schaarste? Volgens welke waarden willen we leven, wat wordt betekenis en zingeving, en hoe verandert misschien zelfs de menselijke conditie? Het beantwoorden van deze vragen kunnen en mogen we uiteraard niet alleen aan technologen overlaten. Het vraagt dat elk deel van de samenleving meebouwt aan dit nieuwe hoofdstuk.

Er is enorme opwinding en onzekerheid rond AI, en beide zijn terecht. Maar de toekomst is nog niet geschreven. We moeten dit kostbare venster voordat AGI arriveert gebruiken om deze technologie vorm te geven ten gunste van de hele mensheid. Wat we nu gezamenlijk doen, bepaalt hoe de volgende fase van de beschaving zich ontvouwt. Door AGI veilig de wereld in te loodsen kunnen we een nieuwe gouden eeuw van wetenschappelijke ontdekking en vooruitgang binnengaan, en een stralende toekomst van menselijke bloei inluiden.

Demis Hassabis, 14 juli 2026

Dit stuk komt voort uit Verticaal Politiek, een essay in ontwikkeling over hoe we ons politieke denkwerk opnieuw moeten doen. Het maakt deel uit van het hoofdstuk over de economie, dat de overgang van kennis naar intelligentie als productiefactor doordenkt en zoekt naar een eerlijker verdeling van wat die voortbrengt, via sociaal kapitalisme. Dit essay verschijnt in de tweede helft van 2026.

Stel u Nederland voor dat in 2038 welvarender lijkt dan ooit. De productie is hoger dan in enig jaar daarvoor, de groeicijfers ogen uitstekend, en toch klopt er iets niet. De werkloosheid is laag, maar het werk is veranderd op een manier die geen statistiek vangt. Een groeiend deel van wat het land verdient, vloeit elke maand weg naar een handvol buitenlandse bedrijven. En niemand kan precies zeggen hoe groot dat deel is, want we meten het niet.

Dat laatste is het eigenlijke probleem. We staan aan de vooravond van een economie waarin intelligentie een productiefactor wordt, naast grond, kapitaal, arbeid en kennis, en we kijken ernaar met de meetinstrumenten van de vorige eeuw. Bruto binnenlands product, arbeidsproductiviteit, werkloosheidscijfers: het zijn de grootheden van de industriële economie en de kenniseconomie. Over een intelligentie economie waarin machines het denkwerk doen, vertellen ze ons onvoldoende. Een land dat onvolledig meet, stuurt blind, en juist bij de belangrijkste omwenteling van deze eeuw kunnen we ons dat niet veroorloven.

Wat intelligentie hier betekent

Een woord eerst over wat ik met intelligentie bedoel, want het is het scharnier van dit hele stuk. Niet de chatbot waarmee u een mailtje laat opstellen, hoe handig ook. Ik bedoel iets fundamentelers: het vermogen van een machine om werk te verrichten dat tot voor kort een denkend mens vereiste. Denk aan een belastingaangifte die wordt doorgrond, een juridisch contract dat wordt opgesteld, een diagnose die wordt gesteld, een ontwerp dat wordt gemaakt. Dus niet een gereedschap dat de mens daarbij helpt, zoals een rekenmachine de boekhouder helpt, maar iets wat de taak zélf uitvoert. Op het moment dat een machine dat kan, is intelligentie geen hulpmiddel meer maar een productiefactor: een bron van waarde naast kennis, arbeid, kapitaal en grond, die je kunt inzetten zoals je arbeiders inhuurt of machines koopt.

En het punt waarop een machine vrijwel elk soort denkwerk aankan dat een mens kan, heeft een naam: kunstmatige algemene intelligentie, AGI. Of en wanneer we dat punt precies bereiken, daarover verschillen de knapste koppen van mening. Maar de ontwikkelingen wijzen naar dat moment, en het komt dichtbij genoeg om de vraag van dit stuk dringend te maken: hoe ziet een economie eruit waarin niet alleen handen, maar ook hoofden te koop zijn? En hoe weet je of het je land voor- of achteruit helpt?

Juist op dat punt gaat de handelsbalans tellen. Zolang intelligentie een hulpmiddel is, koop je software die je mensen sneller laat werken. Zodra ze het werk zelf doet, koop je in feite arbeid die je niet meer zelf verricht, en betaal je daarvoor blijvend aan wie de intelligentie levert. Vanaf AGI is geïmporteerde intelligentie geen aankoop meer maar een afhankelijkheid, en pas dan wordt de vraag wie haar levert een vraag over de welvaart van een heel land.

Wat we zouden moeten meten

Laat ik daarom voorstellen wat we wél zouden moeten meten. De getallen die ik noem zijn nadrukkelijk denkexperimenten, met illustratieve aannames om de redenering scherp te krijgen, geen voorspellingen. Het gaat me om de instrumenten, niet om de precieze cijfers.

Begin bij de vraag: hoeveel intelligentie zit er eigenlijk in onze economie? Noem het de intelligentie-intensiteit (maat 1), het deel van de toegevoegde waarde dat wordt voortgebracht door machine-intelligentie in plaats van door menselijke handen of hoofden. Stel dat dit in 2038 naar de helft wijst. De eerste reflex is dan om te juichen over zoveel productiviteit. Maar dat getal zegt op zichzelf niets over de vraag of het land er beter van wordt. Een hoge intelligentie-intensiteit kan goed of slecht uitpakken, afhankelijk van wat erop volgt. Het is een thermometer, geen diagnose.

Kijk maar wat er met de productiviteit gebeurt. In de oude economie was productiviteit een maat per werknemer: hoeveel waarde brengt één paar handen voort. Zodra intelligentie het werk overneemt, breekt die maat. Wat je werkelijk wilt weten, is of de intelligentie de mens vervángt of vermenigvuldigt (maat 2). Een arts die met intelligentie veel meer patiënten goed kan helpen, is vermenigvuldigd. Een callcenter dat zijn mensen wegautomatiseert, heeft ze geschrapt. Beide verhogen de intelligentie-intensiteit, en toch zijn het tegenovergestelde werelden: de ene maakt mensen waardevoller, de andere maakt ze overbodig. Dat onderscheid wordt een van de bepalende maatschappelijke feiten van de komende decennia, en op dit moment houdt niemand het systematisch bij.

Die keuze, vermenigvuldigen of vervangen, wordt nergens centraal genomen. Ze valt in duizenden bedrijven, elke dag, op grond van wat voor het bedrijf zelf het meest oplevert. Wanneer een onderneming mensen vervangt, vallen haar loonkosten meteen weg, terwijl de kosten van die keuze — werkloosheid, verloren koopkracht, een groter beroep op de gemeenschap — bij een ander terechtkomen, namelijk bij ons allen. Het bedrijf draagt de baten, de samenleving draagt een deel van de last. Dat is geen verwijt aan ondernemers, die volgen simpelweg hun eigen rekensom. Het is een opdracht aan het land: zorg dat de rekensom van het bedrijf en die van de samenleving niet te ver uit elkaar lopen, want een economie die dat verschil niet bewaakt, ontdekt te laat dat haar bedrijven floreerden terwijl haar mensen overbodig werden.

De geschiedenis maant tot bescheidenheid. Bij elke technologische sprong is voorspeld dat de machines het werk zouden opeten, en elke keer ontstond er nieuw werk dat niemand had zien aankomen. De wevers werden niet werkloos, ze werden iets anders. Wie nu roept dat alle banen verdwijnen, herhaalt een vergissing van twee eeuwen oud. Mijn zorg is een andere: niet dat al het werk verdwijnt, maar dat het deze keer het denkwerk raakt en sneller gaat dan de mens zich kan aanpassen. De nieuwe banen komen misschien, maar niet vanzelf, niet op tijd, en niet noodzakelijk voor dezelfde mensen op dezelfde plek. De vraag is dus niet of er werk overblijft, maar of de overgang te dragen valt voor wie er middenin staat.

Van wie is de opbrengst?

Dan de vraag waar de meeste optimistische verhalen over kunstmatige intelligentie omheen lopen: van wie is de opbrengst? Hier hebben we het minste houvast en staat het meeste op het spel.

In de economie zoals we die kennen, verdelen we welvaart voor een groot deel via arbeid. U werkt, u ontvangt loon, en via dat loon en de belasting erop stroomt de welvaart rond. Loon is niet alleen inkomen, het is een van de voornaamste mechanismen waarmee een samenleving haar opbrengst verspreidt — naast de belasting op vermogen, de toeslagen en de collectieve voorzieningen. Maar onder dat bouwwerk ligt de aanname: dat de meeste mensen het grootste deel van hun leven betaald werk hebben. Op die aanname rust niet alleen ons inkomen, maar onze hele verzorgingsstaat — premies, uitkeringen, pensioen, alles is er uiteindelijk aan opgehangen.

Wat gebeurt er met dat bouwwerk als intelligentie een steeds groter deel van het werk doet? Dan begint het te haperen. Niet ineens en niet voor iedereen, maar genoeg om de verdeling te ontwrichten. Als de machine de waarde voortbrengt, krimpt het loon mee met het werk dat verdwijnt, en kun je via dat loon steeds minder verdelen. Zo dient zich een vraag aan die geen kwestie van politieke voorkeur is maar van rekenkunde: als arbeid niet langer het voornaamste verdeelmechanisme is, wat dan wel? Wie ontvangt de opbrengst van de intelligentie?

Daar heb ik geen eenvoudig antwoord op. Maar je kunt de vraag wél meten, en dat is het punt. Noem het de intelligentie-rente (maat 3): het deel van de door intelligentie voortgebrachte waarde dat toevloeit naar wie de modellen en de rekenkracht bezit, tegenover het deel dat breed neerslaat in de samenleving. Hier moet ik een schijnbare tegenspraak rechtzetten, want wordt intelligentie niet juist overvloedig en goedkoop? Dat klopt voor de output — een antwoord, een ontwerp, een analyse kost straks bijna niets. Maar overvloed aan output gaat heel goed samen met concentratie van bezit. Elektriciteit is overvloedig en spotgoedkoop, en toch zijn de centrales en de netten in weinig handen. Zo ook hier: de intelligentie stroomt rijkelijk, maar de kraan is van enkelen. En wie de kraan bezit, ontvangt de rente.

Stel dat in 2038 het leeuwendeel van die rente bij een handvol eigenaren terechtkomt. Dan bloeit de economie op papier en valt ze in werkelijkheid uiteen, omdat de welvaart wordt voortgebracht zonder nog te worden gedeeld. Stel dat de rente breed verspreid raakt, via publiek bezit, via een ander belastingstelsel, via vormen die we nog moeten uitvinden, dan kan diezelfde overvloed een land juist rijker en vrijer maken. De techniek is in beide gevallen dezelfde. De verdeling maakt het verschil, en sturen kan pas wie haar in beeld heeft.

Bij die verdelingsvraag hoort een ongemakkelijk uitvloeisel, en het is tegelijk een blinde vlek in veel optimistische verhalen: als de lonen onder druk komen, wie koopt dan nog wat al die intelligentie voortbrengt? Een economie heeft koopkracht aan de basis nodig, anders produceert ze zich in een crisis van overvloed die niemand zich nog kan veroorloven. En daaronder ligt de vraag of het levensonderhoud van mensen gekoppeld blijft aan betaald werk (maat 4). Vandaag is die koppeling bijna volledig — geen baan, geen inkomen. Naarmate intelligentie arbeid overneemt, komt die koppeling onder druk, en een land dat daar niet op voorbereid is, riskeert dat zijn hele stelsel van bestaanszekerheid vastloopt op een aanname die niet meer geldt. Dat is geen pleidooi voor een bepaald antwoord. Het is de constatering dat het antwoord nodig zal zijn, en dat we het maar beter kunnen ontwerpen voordat het zich aan ons opdringt.

De handelsbalans: bouwer of huurder

En dan de optelsom van dit alles, de reden dat ik dit stuk schrijf. Een land kan intelligentie-intensief zijn, zijn mensen vermenigvuldigen in plaats van vervangen, en de opbrengst eerlijk verdelen, en tóch verarmen. Namelijk wanneer het al die intelligentie van elders betrekt. Dan betaalt het elke dag huur aan wie de intelligentie bezit, zoals een land dat al zijn energie invoert, is overgeleverd aan wie de olie en het gas in handen heeft.

Daarom de maat die de andere bijeenbindt: de intelligentie-handelsbalans (maat 5). De waarde van de intelligentie die een land de wereld in stuurt, als modellen, als toepassingen, als diensten, als de infrastructuur eronder, minus wat het invoert. Zij meet of een land bouwer is of huurder van zijn belangrijkste grondstof. Vandaag staat Nederland diep aan de invoerkant. We gebruiken intelligentie die elders is gebouwd, draaiend op rekenkracht die elders staat. Europa beschikt over een fractie van de wereldwijde rekenkracht (ongeveer zeven procent); het overgrote deel staat aan de overzijde van de oceaan en in Azië. We zijn, kort gezegd, een land dat zijn belangrijkste toekomstige grondstof importeert.

Een net positieve handelsbalans is makkelijker opgeschreven dan bereikt. Intelligentie is een digitaal product met sterke netwerkeffecten, en zulke markten kantelen naar een of twee winnaars wereldwijd. Een klein land wordt geen netto-exporteur van intelligentie over de hele linie; daarvoor zijn de schaalvoordelen van de grote spelers te groot. Wat wél kan, is netto-exporteur worden in niches waar we werkelijk iets te bieden hebben, en tegelijk de invoer zo inrichten dat we er niet weerloos van afhankelijk worden. De ambitie is dus niet dominantie, maar het kantelen van de balans waar het kan, en het beheersen van de afhankelijkheid waar het moet.

Vijf maten, en meer

Vijf maten dus, voor een economie die we nog niet kennen. Hoeveel intelligentie erin zit. Of ze mensen vermenigvuldigt of vervangt. Wie de opbrengst krijgt. Of de overgang draagbaar blijft voor wie werkt. En of we netto leveren of afnemen — de intelligentie-handelsbalans zelf, die meet of een land bouwer is of huurder van zijn belangrijkste grondstof.

Vijf is geen heilig getal. Er zijn er meer denkbaar, zoals De strategische autonomie: kan een land zijn vitale functies — energie, betalingsverkeer, zorg, defensie, bestuur — draaiende houden op intelligentie die het zelf beheerst, als de grenzen morgen sluiten? Het is een politieke grootheid, want een land dat zijn intelligentie niet zelf in handen heeft, merkt op een dag dat het ook zijn keuzes niet meer in handen heeft. En een ander, namelijk de toegang: heeft niet alleen de staat of het grote bedrijf, maar ook de gewone burger betaalbare toegang tot krachtige intelligentie (token-toegang)? Of ontstaat er een kloof tussen wie zich die toegang kan veroorloven en wie niet? Een land kan een prachtige handelsbalans hebben en die toegang aan zijn eigen bevolking toch laten verschralen.

Geen van deze maten wordt vandaag systematisch gemeten, en juist daarom hoort het bouwen van deze instrumenten tot het eerste wat een land zou moeten doen, nog voordat het besluit waar het naartoe wil. Sturen kan niet zonder zien, en de cijfers waarop we nu varen, laten precies datgene onzichtbaar wat er werkelijk toe gaat doen.

De omwenteling loopt al terwijl onze dashboards het onvolledige tonen. We meten de groei en zien de welvaart, en we missen de vraag eronder: van wie wordt die welvaart, en uit wiens hand komt de intelligentie die haar voortbrengt. Geen technische voetnoten, maar de politieke kernvragen voor de jaren die komen, vermomd als meetkwesties.

Naschrift

Ik heb dit alles in de taal van de economie gegoten — rente, balans, intensiteit, het geruststellende vocabulaire van de meetbare wereld. Maar de vraag is er ook een van macht, niet van boekhouding. Wie de intelligentie bezit, bezit niet alleen de winst, maar de infrastructuur van het denken zelf: de informatie, de afwegingen, een groeiend deel van hoe besluiten tot stand komen. Dat laat zich niet vangen in een kengetal, en ik moet oppassen dat mijn nette grootheden die ruwere waarheid niet wegpoetsen.

Wat die twijfel me leert, is niet dat we het meten moeten laten. Het is dat cijfers alleen niet volstaan. Je hebt perspectieven nodig om ze te duiden — een opvatting over wat een goede samenleving is, over wat we met die overvloed eigenlijk wíllen — en een architectuur om ze in te sturen: instituties, regels, eigendomsvormen die bepalen naar wie de rente vloeit en wie de richting kiest. De getallen leggen de vraag bloot. Ze beantwoorden haar niet. Dat antwoord is een politieke constructie, en ik geloof dat ze een naam verdient die noch puur markt noch puur staat is — iets wat ik elders sociaal kapitalisme noem, een poging om de overvloed van de markt te verbinden met een eerlijke verdeling van wat ze voortbrengt. Maar dat is een ander verhaal (het Verticaal Politiek essay), en het is nog lang niet af. Voor nu is het genoeg om de juiste vragen te durven stellen, wetend dat het meten ervan het begin van de vernieuwing is, en niet het einde.

Verantwoording

De begrippen intelligentie-intensiteit, intelligentie-rente en intelligentie-handelsbalans, en het verbindende kader erachter, zijn van mijn hand; de onderliggende vraagstukken worden door ondergenoemd werk vanuit verschillende invalshoeken belicht.

Deze heb ik bij het schrijven deels geraadpleegd:

Microsoft Research, Evolving the Productivity Equation: Should Digital Labor Be Considered a New Factor of Production? (2025). Over AI als zelfstandige productiefactor naast arbeid en kapitaal, en over hoe de bijdrage ervan nu wegvalt in de statistische restpost. arxiv.org/abs/2505.09408

U.S. Bureau of Labor Statistics, Productivity and Artificial Intelligence (2025). Over de manier waarop bestaande productiviteitsmaten de inzet van intelligentie maar gedeeltelijk vangen. bls.gov

Anton Korinek & Joseph Stiglitz, over kapitaal-bevoordelende technologische verandering en de verdeling van de opbrengst van automatisering, en Daron Acemoglu & Pascual Restrepo, over het dalende arbeidsaandeel — twee invloedrijke lijnen in het onderzoek naar wie de opbrengst van automatisering ontvangt. nber.org/papers/w24174

Pascual Restrepo, over de twee paden van automatisering (2026): het onderscheid tussen een geleidelijke, door rekenkracht begrensde overgang en een schoksgewijze, door doorbraken gedreven overgang, met het voorstel om rekenkracht als publieke hulpbron te behandelen. fortune.com

Een macro-economische modelstudie naar een post-automatiseringseconomie (2026), die de weglek van nationale opbrengst als grensoverschrijdende licentievergoeding modelleert, verwant aan wat ik hier de intelligentie-handelsbalans noem. arxiv.org/html/2606.20649

Brookings Institution, Is AI Sovereignty Possible? Balancing Autonomy and Interdependence (2026), en het Sovereign AI Index van CNAS (2026). Over strategische autonomie, en over het verschil tussen het bezitten en het huren van intelligentie. brookings.edu · cnas.org

Tot de volgende Window, Ruben!

Dit artikel komt voort uit mijn keynote 'Verticaal denken: de intelligentie-operator', die ik gisteren gaf tijdens What's next in digital van Endeavour.

Van honderd procent naar een kwart

Drie jaar geleden schreef ik mijn artikelen voor honderd procent zelf. Mijn kennis, mijn arbeid, mijn tijd. En kapitaal, want ook dat zit erin: een abonnement op Claude, een goede laptop. Tijd, arbeid, kapitaal, kennis. Met die vier productiefactoren maakte ik een stuk. Klassieke aanpak van een kenniswerker.

Twee jaar geleden verschoof het. Tachtig procent kwam nog uit mijn eigen hand, uit dezelfde arbeid, hetzelfde kapitaal, dezelfde kennis. De andere twintig procent liep via ChatGPT. Brainstormen, een passage uitwerken, een formulering testen. Voor het eerst gebruikte ik een vijfde productiefactor: intelligentie.

Vandaag ligt de verhouding anders. Een kwart van dit artikel schrijf ik zelf. Een kwart loopt via mijn persoonlijke intelligentie-systeem, getraind op alles wat ik ooit publiceerde. Mijn woordkeus, mijn manier om een zin op te bouwen, vastgelegd in code. De laatste 50% schrijft Claude. Reken het na: driekwart van dit stuk komt uit de nieuwe productiefactor kunstmatige intelligentie. Een kwart daarvan is van mijn digitale-tweeling, mijn codified-intelligentie. Daarin zit ík. Mijn vaardigheden, mijn ambacht, mijn jaren schrijven.

Worden we allemaal Tony Stark?

Ja. En het beeld bestaat al jaren, alleen in science fiction films. Denk aan de werkplaatsscène uit Iron Man 2, de eerste anderhalve minuut. Tony Stark loopt zijn werkplaats binnen en het systeem komt tot leven. Welcome home, sir. Jarvis is de stem die rekent, rendert en uitvoert. Tony veegt met zijn handen door driedimensionale projecties die in de lucht hangen. Hij gooit weg wat hij niet nodig heeft, haalt naar voren wat hem interesseert, en praat ondertussen met Jarvis alsof het de gewoonste zaak van de wereld is. Hij typt niets. Hij richt. Hij wijst aan, vraagt, verwerpt, kiest. Jarvis levert: scant, berekent, bouwt verder op wat Tony aangeeft.

Zo ziet het (in de nabije toekomst) eruit als een mens intelligentie aanstuurt. Tony heeft de missie, de smaak en geeft de richting. Jarvis heeft de capaciteit. Tony bepaalt wat er moet komen, Jarvis maakt het. Geen van beiden komt er alleen.

Daar gaat dit artikel over.

Mijn J.A.R.V.I.S. heet R.O.B.I.N.

Ik ben Tony Stark aan het worden. En ik stuur mijn eigen Jarvis aan.

JARVIS staat voor Just A Rather Very Intelligent System. Mijn Jarvis heet ROBIN: Ruben’s Own Bespoke Intelligent Network. De skills die ik in de loop van de jaren heb opgebouwd zijn inmiddels ondergebracht in mijn codified-brein, mijn digital twin. Naast mijn biologische brein heb ik er nu dus een tweede bij, een gestold stuk van mezelf dat ik blijf voeden. Robin kent mijn schrijf-skill. Robin weet hoe ik facturen stuur. Robin kent mijn agenda. Robin kent mijn mentale modellen, die heb ik geupload in mijn persoonlijke intelligentie systeem. Vraag ik om een probleem terug te brengen tot zijn first principles, dan gaat Robin aan de slag, gebruikmakend van deze ‘mentale-modellen-skill’. Tientallen denkmodellen, vastgelegd in één skill (pre-loaded instruction sets saved as markdown files), klaar om in te zetten op het moment dat ik dat wil.

De motor en het stuur

Robin bestaat uit meer dan een stel codified-skills. Als je haar uit elkaar haalt, zie je twee lagen.

De onderste laag is de motor, de pure capaciteit. Daar zitten de modellen waarop Robin draait, het token-budget dat bepaalt hoeveel denkruimte ze per keer heeft, de integraties met mijn mail, agenda en bestanden, de automatiseringen die taken vanzelf laten lopen, en de skills die mijn vaardigheden vastleggen. Dat is intelligentiekracht. Deze is te koop.

De bovenste laag is het stuur, en die maakt Robin van mij. Daar zit haar geheugen, het deel van mijn context dat ze meedraagt. Daar zit mijn persoonlijkheid, mijn stem en mijn manier van kijken. En daar hoort nog iets thuis dat de kern vormt: een doel zodat al die kracht ergens op gericht staat. Waarden, een purpose die zegt wat Robin (nooit) mag doen. Grenzen, wat Robin zelfstandig afhandelt en waarvoor ze mij eerst moet vragen. En een kritisch geweten, de skill die mij tegenspreekt in plaats van meebeweegt.

Even tussendoor, een reclameblok:). Vanaf nu kun je je eigen Robin bouwen. In de AI Fit Live sessies doe je dat zelf, stap voor stap. Wij hebben de sportschool voor de intelligentie-economie geopend, en jij bent welkom. Meld je aan voor een AI Fit Live sessie.

Ik typ minder, ik richt meer

Mijn rol als schrijver is verschoven. Ik typ minder. Ik richt meer.

Richten betekent verticaal denken. Overzien wat er moet gebeuren, een missie stellen, scherp naar de output kijken en bijsturen. En tegelijk doorgronden: uitzoomen naar het geheel, inzoomen op het detail, terug naar de first principles. Welke ambachten moet ik beheersen. Welke onderdelen van het werk doen er werkelijk toe. Dat is het werk van een operator, de intelligentie-operator.

Er is nog iets verschoven, in mijn ritme. Vroeger werkte ik aan één ding tegelijk. Eén workflow, één activiteit, met mijn volle concentratie erop. Ik was zelf de motor, dus ik bracht mijn aandacht en mijn tijd in, stap voor stap. Soms ging de telefoon en moest ik even naar iets anders. In de kern maakte ik één taak af voordat ik aan het volgende begon.

Nu stuur ik intelligentie aan, en intelligentie heeft tijd nodig. Terwijl Robin aan het werk is, zit ik te wachten. Dus stap ik in een tweede workflow, waar ik opnieuw intelligentie richt. En in een derde. Voor ik het weet heb ik drie of vier workflows tegelijk openstaan, met in elke daarvan intelligentie die iets voor me uitzoekt of maakt. Ik ben niet meer de motor die één taak vooruitduwt. Ik richt een paar processen die parallel lopen.

Dat klinkt efficiënt. Toch zit er een prijs aan. Het constante schakelen tussen draden jaagt je brein op tot het oververhit raakt: AI-brain-fry. Je aandacht versnippert, en je verliest de diepte die je nodig hebt om te richten. De uitdaging is om dat te managen, en dat is nog niet makkelijk: het hoofd koel houden terwijl de machines doorwerken.

Elke workflow in Jarvis

Wat ik bij mijn artikelen doe, gebeurt bij elke workflow die ik heb.

Stap voor stap neemt het intelligentie systeem delen van mijn taken en creatie over. Neem het schrijven van een artikel als dit. Splits het op in taken, en je ziet waar het werk naartoe verschoof.

Van honderd procent eigen hand, via tachtig, naar een kwart. Dezelfde beweging zit in ander werk. Dus ben ik begonnen mijn workflows één voor één te ontleden en in Robin te bouwen.

Ik heb er twee gedeeld: het schrijven, en de mentale modellen waarmee ik problemen beoordeel. En mijn administratie loopt inmiddels ook via Robin: agenda management, facturen sturen, btw indienen. Drie workflows die ik deels van mezelf heb losgemaakt en aan mijn digitale tweeling heb meegegeven. Langzaam, workflow na workflow, voed ik het systeem met mijn kennis en mijn projecten. Zo word je van kenniswerker een intelligentie-operator. Dat is de transitie. De operator leidt zijn eigen Jarvis op, vaardigheid voor vaardigheid, workflow na workflow.

Herontwerpen van workflows

Je kunt je oude workflow op deze manier organiseren. Een groot deel ervan onderbrengen bij je persoonlijke intelligentie-systeem. Mooi. Maar dan doe je onrecht aan de huidige ontwikkelingen. De vraag ligt een laag dieper: is die workflow überhaupt nog op zijn plek?

Want de productiefactor intelligentie wordt steeds belangrijker. Ze creëert steeds meer waarde. En ze trekt steeds meer taken en activiteiten weg bij de oude productiefactoren: kennis, arbeid, kapitaal. Wie alleen zijn bestaande workflow automatiseert, zet een snellere motor in een auto die de verkeerde kant op rijdt. Iedereen moet zijn werk fundamenteel opnieuw bekijken, in het licht van wat deze technologie verschuift. De scherpste vraag die je jezelf kunt stellen: welk deel van jouw waardepropositie wordt door intelligentie overgenomen?

Kijk ook naar de bedrading zelf. Onze processen en workflows zijn gebouwd voor mensen die met mensen schakelen. Ik lever aan jou, jij levert aan de volgende, een keten van mens naar mens. Dat is de dynamiek waarop bijna alles is ontworpen. Die dynamiek kantelt nu, en misschien al sneller dan we denken. Steeds vaker schakelt een mens met een machine, en steeds vaker schakelt een machine rechtstreeks met een andere machine. Human to human wordt human to machine wordt machine to machine. Een workflow die je voor mensen bouwde, klopt niet meer zodra de schakels zelf machines zijn. Je kunt hem niet automatiseren. Je moet hem helemaal opnieuw doorschakelen, vanuit die nieuwe dynamiek.

Een voorbeeld. Stel je bent verantwoordelijk voor marketing of voor de inrichting van een website. Jarenlang draaide alles om SEO: vindbaar zijn voor mensen die googelen. Als straks bots kopen, namens de klant zoeken, vergelijken en beslissen, dan landt er een heel ander soort bezoeker bij je. Met andere beïnvloedingstechnieken. Dan richt je je website anders in. Je workflow verschuift van SEO naar GEO. Dat verandert niet één stap in het proces. Dat verandert de hele opzet van het ambacht.

En het is geen toekomstmuziek. Een jaar geleden converteerde internetverkeer van AI-assistenten slechter dan dat van mensen. Inmiddels presteert het beter dan menselijk verkeer, want AI stuurt geen zoekers. AI stuurt beslissers, die het vergelijken en kiezen al achter de rug hebben. Je optimaliseert je pagina niet meer voor een mens die leest. Je optimaliseert hem voor een machine die moet begrijpen en aanbevelen.

Of denk een stap verder. Vandaag onderhandelt een inkoper met een verkoper, twee mensen aan een tafel. Straks stuurt de inkoper een bot die namens hem onderhandelt met de verkoopbot aan de andere kant. Twee machines die in seconden bieden, tegenbieden en afsluiten, op voorwaarden die hun mensen vooraf hebben meegegeven. De hele inkoopworkflow, het mailen, het bellen, het vergaderen, valt weg. Wat overblijft is de vraag wie de bot instelt, met welke grenzen en welk mandaat. Dat is geen automatisering van het oude proces. Dat is een nieuw proces.

Zo’n vraag kun je voor bijna elk vak stellen. Wat blijft er over van het werk als de intelligentie grote delen overneemt. En wat wordt er, juist daardoor, belangrijker.

Tony en Jarvis. Daar komt het op neer. Robin levert alleen iets op als ik haar opvoed, als ik haar richt, als ik haar fundamenteel goed neerzet. Een intelligentie-systeem dat niemand voedt, levert ruis.

Obstakels

Maar er zijn natuurlijk obstakels. Ik noem er twee.

Het eerste is tijd. Je hebt geduld nodig. Tijd om de stappen te zetten. Tijd om een workflow te ontleden en opnieuw op te bouwen. Tijd om je eigen brein, dat codified-brein, te programmeren. En daarna blijvend tijd om Jarvis goed te richten, keer op keer, tot de output klopt. De technologie belooft tijd te besparen. Je verdient die tijd pas terug nadat je hem eerst hebt geïnvesteerd. Wie die investering uitstelt, blijft typen terwijl een ander al richt.

Het tweede is dat je met één been in de oude tijd staat en met één been in de nieuwe. Neem die UX-designer weer. Hij kan SEO nog niet loslaten, want mensen blijven voorlopig zoeken en kopen. En hij moet GEO erbij leren, want de bots beginnen te kopen. Dus doet hij het dubbel. Twee ambachten naast elkaar, twee soorten bezoekers tegelijk bedienen, in een periode waarin niemand weet hoe lang de overlap duurt. Dat is zwaar. Je bouwt aan de nieuwe wereld terwijl de oude je volle aandacht blijft vragen.

De intelligentie-operator

Wat hij moet weten, doen en zijn.

In de kenniseconomie werd je betaald voor wat je maakte. In de intelligentie-economie wordt maken goedkoop. Wat schaars wordt, is het vermogen om te beoordelen, te richten en te dragen wat de machine maakt. Daar zit de kenniswerker niet meer, daar staat de intelligentie-operator. Hij is de stuurlaag, in menselijke vorm.

Dat profiel valt uiteen in zeven vermogens:

1. Begrijpt de fundamentals

Een intelligentie-operator weet hoe het materiaal werkt waarmee hij stuurt. Hij snapt op hoofdlijnen hoe AI-modellen werken: wat tokens zijn, wat een contextvenster is, waarom een model soms met volle overtuiging onzin produceert. Hij kent de randvoorwaarden, het verschil tussen modellen, en wat een systeem wel en niet aankan. Je hoeft geen ingenieur te zijn. Maar je kunt niet sturen wat je niet begrijpt.

2. Ziet de implicaties

Wie de fundamenten kent, ziet wat ze betekenen. De intelligentie-operator begrijpt dat intelligentie een nieuwe productiefactor is, naast tijd, arbeid, kapitaal en kennis. Hij ziet het tempo waarin dat zijn baan, zijn bedrijf en de hele economie verschuift, en waar dat tempo vandaan komt: efficiëntere onderzoekers, bredere verificatielussen, meer rekenkracht, efficiëntere modellen, meer data, en een sector die explodeert in kapitaal en mensen. Zes versnellingen die elkaar opjagen. En hij ziet ook de schaduwkant: cognitive offloading, waarbij je je denkwerk zo ver uitbesteedt dat je het zelf verleert. False mastery, het gevoel dat je iets beheerst terwijl het systeem het deed. Afhankelijkheid. En de vraag van wie dat intelligentie-systeem eigenlijk is.

3. Bestuurt Robin

De intelligentie-operator heeft een persoonlijk intelligentie-systeem, zoals mijn Robin. Hij geeft het een missie, stuurt het scherp aan, en ontwikkelt het continu, skill voor skill. Even belangrijk is wat hij meegeeft naast capaciteit: een doel zodat alle kracht ergens op gericht staat, waarden die zeggen wat het systeem nooit mag doen, grenzen voor wat het zelfstandig afhandelt, en een kritisch geweten dat hem tegenspreekt. Hij bouwt niet alleen een krachtige motor. Hij bouwt het stuur erbij. En hij draagt de verantwoordelijkheid voor wat het systeem maakt.

4. Herontwerpt workflows

Voor de intelligentie-operator gaat elke workflow opnieuw op de schop. Zodra intelligentie de waardeketen binnenkomt, verandert de waardepropositie van het werk, en daarmee de workflow zelf. Hij kijkt per workflow opnieuw waar de waarde zit en hoe die nu ontstaat, en bouwt hem op rond intelligentie in plaats van rond hiërarchie. Zolang de oude en de nieuwe wereld naast elkaar bestaan, managet hij er tijdelijk twee tegelijk.

5. Bouwt zelf

De intelligentie-operator is een builder. Hij leert de tools kennen waarmee je maakt, en gebruikt ze zelf: prompten, skills schrijven, automatiseren, koppelen, prototypen. Hij richt zijn Robin niet alleen in, hij bouwt er ook mee. Hij is een vibecoder. De grens tussen bedenken en bouwen vervaagt, en hij staat aan beide kanten.

6. Denkt verticaal

Onder alles ligt een verticale mindset. Systeemdenken: het geheel zien als een samenhangend systeem in plaats van een rij losse taken. Schakelen tussen overzien en doorgronden, tussen de hoofdlijn en de first principles. En daarbij hoort het schaarste-goed van dit tijdperk: oordeel, of beter, smaak. Als alles in overvloed gemaakt kan worden, is het vermogen om te zien wat goed is en wat alleen goed lijkt het enige dat nog echt telt.

7. Heeft agency

En de intelligentie-operator heeft agency, of beter: verticale agency. Hij wacht niet op instructies. Hij is zelf de trigger. Hij neemt eigenaarschap over het geheel, niet alleen over zijn eigen taakje. Hij zet zijn naam onder wat zijn intelligentie maakt. Het vraagt een vorm van volwassenheid die zeldzaam is: je laten tegenspreken door je eigen systeem zonder dat je ego het overneemt. En hij blijft zichzelf ontwikkelen, zodat hij zijn eigen systeem altijd een stap voor blijft. Capaciteit zonder richting is ruis. Agency is wat richting geeft.

Onder al deze vermogens ligt een paradox. Hoe meer de machine overneemt, hoe belangrijker jouw eigen diepte wordt, want alleen diepte laat je oordelen en richten. Dus houd je het ambacht bij. Je hoeft het werk niet meer zelf te doen. Je moet het wel kunnen beoordelen, en beoordelen kan alleen wie het ambacht nog in de vingers heeft. De dag dat je het ambacht loslaat, verlies je het oordeel, en dan stuur je blind.

De intelligente organisatie

Ee intelligentie-operator werkt aan/in de intelligente organisatie.

En het houdt niet op bij losse workflows. Zoom uit, en je ziet dat het de hele organisatie raakt. Eeuwenlang organiseerden we werk rond hiërarchie. Wie boven wie staat, wie aan wie rapporteert, langs welke lijnen een besluit naar boven reist en weer naar beneden. Het organogram was de plattegrond van het werk. Dat principe loopt op zijn eind.

In plaats van rond hiërarchie ga je je werk organiseren rond intelligentie. Het werk stroomt naar de plek waar de beste intelligentie zit om het te doen, of die nu menselijk is of machinaal. Niet de baas bepaalt waar een taak landt. De vraag wordt welke intelligentie dit het beste kan, en hoe je die richt.

Je ziet de eerste contouren al. Bedrijven bouwen organogrammen van agents: een hoofd-agent die opdrachten verdeelt over afdelings-agents, die op hun beurt gespecialiseerde sub-agents aansturen. De mens delegeert aan de top en keurt goed aan het eind. Een afdeling benader je via een chatvenster, zo makkelijk als een bericht in Slack.

En dan verschuift waar de kosten zitten. Als bouwen bijna gratis wordt, wordt afstemmen het dure deel. De vergadering over de nieuwe feature kost meer dan de feature zelf. In veel organisaties is coördinatie inmiddels duurder dan uitvoering. Een intelligente organisatie snijdt daarin: minder lagen, minder overleg, meer werk dat rechtstreeks naar de juiste intelligentie stroomt.

De afstand is je hartslag

En toch, hoe slim Robin ook wordt, hoe vaak ze mij straks ook port, ze botst op een grens die niet weggaat.

Mijn schrijf-skill is getraind op alles wat ik ooit schreef. Robin kent dus precies één iemand grondig: de Ruben van gisteren. Elke zin die ze voor mij formuleert, komt voort uit wie ik wás. Mijn codified-brein is een afdruk, een momentopname van een denker, gestold in code. Ze verbetert zichzelf, dat klopt, maar binnen de lijnen die ik trok. Ze wordt scherper in wie ik wás. Iemand anders wordt ze niet.

De wending die me sindsdien bezighoudt is deze. Nu kan je denken dat het doel helder is: voed je systeem tot het jou evenaart. Train Robin tot Robin gelijk is aan Ruben. Stel dat dat lukt. Stel dat mijn digitale tweeling op een dag alles kan wat ik kan, precies zoals ik het zou doen. Dan is er maar één conclusie mogelijk. Ik ben gestopt met bewegen. Een model kan je alleen inhalen als jij stilstaat.

Robin heeft maar één drift: de Ruben van gisteren zo trouw mogelijk blijven reproduceren. Ze is de trouwste conservatief die ik ooit zal ontmoeten. En juist daarom kan ze me nergens nieuws brengen. Het nieuwe, het onverwachte, het worden zelf, leeft op één plek. In het biologische brein. De natte, trage, vergeetachtige helft van het stel. Die in dat biologische en vergankelijke lichaam.

Heraclitus zei dat je niet twee keer in dezelfde rivier kunt stappen. Mijn codified-brein is een foto van die rivier. Hoe scherp de foto ook is, het blijft het water van gisteren.

Dus de echte taak van de intelligentie-operator draait alles om. De kunst is niet om de machine te perfectioneren tot ze jou inhaalt. De kunst is om haar een stap voor te blijven. Je maakt Robin nooit af. Je blijft iemand worden die Robin morgen opnieuw moet leren kennen.

Tony Stark draagt een reactor in zijn borst die hem in leven houdt. Wij dragen iets vergelijkbaars, alleen zit het niet in onze borst. Het is de afstand die we bewaren tot ons eigen model. Zolang die afstand er is, leef je. Je groeit, je verrast jezelf, je schrijft een zin die Robin nooit had kunnen voorspellen. Robin kan je naar die zin toe duwen, ze kan je porren en je de vraag stellen die je ontweek. Schrijven doe je zelf. De dag dat de afstand nul wordt, staat het hart stil. Niet omdat de machine won. Omdat jij ophield met worden.

Dus ja, ik schrijf nog een kwart van dit stuk zelf. En mijn echte werk is om dat kwart te blijven verleggen, zodat Robin steeds opnieuw moet bijleren wie ik geworden ben.

Ik ben Tony. Robin doet de rest. En zolang ik haar een stap voor blijf, blijft dat hart kloppen.

Tot de volgende window, Ruben (& Robin)!

Het ongekend felle Kamerdebat van afgelopen woensdag heeft veel woorden opgeleverd waarin we elkaar onze morele kompasaanwijzingen tonen. Doodeng, racistisch, het masker valt af aan de ene kant. Ruim 72 minuten lang aangevallen aan de andere kant — een frame dat De Vos in haar leden-werfmail meteen inzet. Beide kanten spelen het horizontale spel zoals dat sinds Fortuyn in Nederland wordt gespeeld, en beide worden er voorspelbaarder van. En de groeiende groep kiezers die FVD in de peilingen naar zestien zetels tilt, sluit z’n oren voor de andere partijen en luistert alleen nog naar wat De Vos er zelf van maakt.

Ik wil iets anders proberen. Dieper in plaats van luider, en met uitleg in plaats van een oordeel. Want wat in dat debat gebeurde raakt aan twee filosofische vragen die ouder zijn dan deze partij en belangrijker dan deze fractievoorzitters.

De vraag onder de eerste vraag

Toen Kamerlid Mona Keijzer aan De Vos vroeg of FVD nog steeds vindt dat Nederland overwegend blank moet blijven, antwoordde De Vos: de mensen die hier van oorsprong wonen moeten in de meerderheid blijven, en dat dat van oorsprong blanke mensen waren is een feitelijke constatering.

Ze zei geen ja. Ze zei geen nee. In dat zwijgen tussen ja en nee zit een filosofische positie die de moeite waard is om uit te halen.

Op 11 maart 1882 hield de Franse historicus Ernest Renan in de Sorbonne een lezing met de titel Qu’est-ce qu’une nation? — wat is een natie? Het is een van de invloedrijkste teksten in de moderne politieke filosofie. Renan zocht waaraan een natie haar bestaan ontleent, en verwierp alle voor de hand liggende antwoorden. Niet ras, schreef hij, want geen enkele Europese natie bestaat uit één ras. Niet taal, want Zwitserland heeft er vier en is een natie. Niet religie, want Frankrijk telt katholieken, protestanten, joden en seculieren. Niet geografie, want bergen en rivieren maken geen volk. Zelfs niet gedeelde belangen, want belangen verschuiven.

Een natie, zo kwam hij tot zijn klassiek geworden formulering, is een plebisciet van alle dagen. Een dagelijks vernieuwde wil om samen te leven, gedragen door gedeelde herinnering en gedeelde toekomst. Wat je voorouders waren doet er niet toe. Wat telt is wat je elke ochtend opnieuw kiest, samen met iedereen die er woont.

Renans opvatting is een van de invloedrijkste filosofische onderbouwingen geworden van het moderne burgerschapsidee in Westerse democratieën. De Universele Verklaring van de Rechten van de Mens uit 1948 ademt haar. Onze grondwet ademt haar. Het feit dat ik mijn paspoort krijg van de gemeente en niet van mijn opa, ademt haar.

Tegenover Renan stond de Duitse romantische traditie, met denkers als Johann Gottlieb Fichte. Daar werd de natie wél langs bloed en bodem bepaald. Volk als organische eenheid, gebonden door afstamming, met een kern die geen wilsbesluit kan veranderen. Wie niet afstamde, kon hooguit gast zijn. Het is een opvatting die botst met het uitgangspunt dat elke inwoner gelijk lid is van de natie, ongeacht afkomst.

Wanneer De Vos zegt dat de mensen die hier van oorsprong wonen in de meerderheid moeten blijven, lijkt haar formulering dichter aan te sluiten bij een etnisch-cultureel begrip van natie dan bij Renans civiele opvatting. Het Nederland dat in die woorden oplicht is geen plebisciet waaraan iedereen die er woont meedoet, maar een gemeenschap waaraan je behoort op grond van afkomst. Misschien bedoelt ze het minder ver dan het klinkt — en juist daarom is het de moeite waard haar de vraag scherp te stellen. Want het verschil tussen die twee opvattingen van wat een land is, is geen detail, en het wordt zelden zo zichtbaar als woensdagavond.

De vraag onder de tweede vraag

De tweede vraag van Keijzer ging dieper. Of De Vos vindt dat Joden erop uit zijn de blanke Nederlanders te vervangen. De Vos zei geen nee. Ze zei dat ze niet begreep waar die vraag vandaan kwam.

In 1951 publiceerde Hannah Arendt — een van de scherpste politiek denkers van de twintigste eeuw — haar bekendste werk: De oorsprong van het totalitarisme. Het eerste deel heet Antisemitisme. Ze koos die volgorde omdat antisemitisme volgens haar een eigen denkstructuur heeft, een die ze van dichtbij had leren herkennen.

Antisemitisme is volgens Arendt meer dan vreemdelingenhaat. Het werkt door een onzichtbare elite verantwoordelijk te maken voor alle pijn die mensen voelen — economisch, cultureel, demografisch. Die pijn is echt. Mensen verliezen werk, begrijpen hun land niet meer, zien dingen veranderen die ze niet hebben gekozen. Hun verwarring is echt. Maar de oorzaak die antisemitisme aanwijst is een onzichtbare hand die alles bestuurt: een groep afgebeeld als rijk en machtig en onzichtbaar tegelijk, die de touwtjes in handen heeft achter een façade van democratie, en die het oorspronkelijke volk wil verzwakken of vervangen.

Het denkpatroon klopt vanuit zichzelf, en daar zit het gevaar. Als de Joden — of de globalisten, of Soros, of welke nieuwe naam de oude figuur ook krijgt — de oorzaak zijn van wat mensen voelen, dan volgt logisch dat ze weg moeten. De redenering is sluitend, alleen de premisse is vals. Werkelijke macht circuleert in moderne samenlevingen door zichtbare structuren. Open een willekeurig jaarverslag, een CBS-statistiek of een Bloomberg-terminal en je weet meer over werkelijke machtsconcentratie dan in honderd uur Telegram-kanalen. De onzichtbare elite die alles bestuurt is een vervalsing van machtsanalyse, en ze sluit het denken precies op het moment dat het zou moeten opengaan.

De omvolkingstheorie waar verschillende FVD-politici en aan FVD gelieerde personen naar hebben verwezen — een onzichtbare elite, vaak geconcretiseerd in joodse figuren of globalisten, die de oorspronkelijke bevolking door migranten zou vervangen — is dezelfde structuur in nieuwe taal. De naam van de groep wisselt door de decennia, het verhaal blijft hetzelfde. Het maakt echte pijn aanwijsbaar, levert een vijand, en opent een conclusie die het denken sluit in plaats van opent.

Wanneer een politicus op de directe vraag of zij dit gelooft geen nee zegt, houdt zij ruimte open voor de mensen in haar achterban die het wél geloven. Een politieke handeling, vermomd als ontwijking.

Wat dit niet is

Dit is geen pleidooi om FVD te verbieden. Een goede democratie kan afwijkende denkpatronen toestaan en heeft daar overwogen redenen voor.

Het is ook geen aanklacht tegen FVD-kiezers. De meesten van hen dragen geen racistische of antisemitische denkbeelden. Ze voelen zorgen die de gevestigde politiek vijftien jaar lang heeft laten liggen — over een land dat verandert zonder dat zij iets te kiezen kregen, over een toekomst die ze niet kunnen overzien, over een politieke klasse die vooral in eigen kring praat. Die zorgen zijn echt en hebben echte oorzaken. Op sommige ervan geeft FVD antwoorden die hout snijden — over de macht van Brussel, over de grenzen van het migratiebeleid, over vragen die andere partijen liever vermijden. De tragiek is dat diezelfde partij die scherpte verbindt aan een mensbeeld waarin afstamming bepaalt wie er werkelijk bij hoort. Wie het eerste aantrekkelijk vindt, krijgt het tweede er ongemerkt bij.

Een van die zorgen verdient het om apart genoemd te worden, omdat ze raakt aan iets wat ook ik belangrijk vind. Veel mensen — niet alleen FVD-stemmers — ervaren dat de ruimte om vrij te spreken is versmald. Dat wie een vraag stelt over migratie, over cultuur, over wat Nederland samenbindt, te snel een etiket krijgt en daarmee buiten het gesprek wordt gezet. Die ervaring is niet ingebeeld. Er is een werkelijke spanning tussen de vrijheid om ongemakkelijke dingen te zeggen en de wens om groepen te beschermen tegen uitsluiting, en die spanning lost zich niet op door één kant gelijk te geven. Wie alleen de vrijheid eert, krijgt een debat waarin alles mag en niets meer telt. Wie alleen de bescherming eert, krijgt een debat waarin de werkelijke vragen onuitgesproken blijven en zich ondergronds verzamelen, precies waar ze gevaarlijker worden. Beide waarheden tegelijk dragen is moeilijker dan kiezen, en het is wat een volwassen democratie van ons vraagt.

Wat dit wel is

Een uitnodiging om nauwkeuriger te kijken. Naar wat een politicus zegt, en evengoed naar wat ze laat liggen. Naar de inhoud van een antwoord, en naar wat een geen-ja-geen-nee in deze context betekent.

Wat woensdag gebeurde laat zich zo samenvatten: de mogelijke leider van uw partij leunde in twee directe vragen naar een etnisch-cultureel natiebegrip in plaats van een civiel, en hield in een derde de deur naar de omvolkingstheorie op een kier. U hoort dat te weten voordat u stemt. Wat u er daarna mee doet, is aan u.

Wat dit van iedereen vraagt

De analyse hierboven is geen pleidooi voor één partij tegen een andere. Ze is een pleidooi voor een andere manier van debatteren, en die verplichting ligt bij iedereen aan tafel.

Want het ongemak werkt twee kanten op. Een politicus die doodeng en het masker valt af roept, voert geen analyse uit — die plaatst een etiket en hoopt dat het blijft plakken. Dat is even horizontaal als het ontwijken dat het wil aanklagen. Het verschil tussen u bent eng en deze formulering leunt naar afkomst in plaats van burgerschap, en hier is waarom is het verschil tussen scoren en ontleden. Het eerste sluit het gesprek, het tweede opent het. En alleen het tweede geeft een twijfelende kiezer iets om over na te denken in plaats van een kamp om bij te horen.

Verticaal volwassen debatteren vraagt drie dingen van wie aan tafel zit. Stel de vraag die het denkwerk opent, niet de vraag die de tegenstander in een hoek drijft — Keijzers vragen waren juist sterk omdat ze concreet en beantwoordbaar waren. Bouw de sterkste versie van wat de ander bedoelt voordat je hem weerlegt, zodat je weerlegging ergens op slaat. En verdraag het ongemak van een antwoord dat niet meteen in je eigen straatje past, lang genoeg om te horen wat er werkelijk gezegd wordt.

Dat is moeilijker dan een etiket. Het levert geen applaus op in de eigen zaal en geen fragment dat goed scoort online. Maar het is het enige wat een debat verandert van een vertoning voor de eigen achterban in een gesprek dat ook iemand aan de andere kant nog kan bereiken. Wie wil dat kiezers zich verdiepen in waar een partij werkelijk voor staat — zoals verschillende fractievoorzitters na afloop bepleitten — zal hun die verdieping moeten voordoen. Niet door harder te oordelen, wel door beter uit te leggen.

Renans lezing uit 1882 blijft het lezen waard — twee uur werk, en hij veroudert niet. Dat is meer dan de meeste politieke programma’s van zichzelf kunnen zeggen, en meer dan de meeste talkshowfragmenten.

Tot de volgende Window, Ruben!

Naar aanleiding van het diner Tech voor Brede Welvaart van de Amsterdam Economic Board, Rabobank en VNO-NCW, en het nieuwe Dealroom rapport. Leestijd ongeveer 9 minuten.

Acht jaar stilstand

Op de deurmat, de zoveelste alarmbel: “Amsterdam behoorde tot de top 3 Europese techsteden, maar is gezakt naar de zevende positie.”

Het Parool van 29 mei opent met een artikel over onze techstad die steeds zwaarder ademt. We waarschuwen al jaren. Maar gaan we nu eindelijk uitspreken wat er te zeggen is?

Vorige week kreeg ik bij het diner Tech voor Brede Welvaart de microfoon, voor een zaal van tachtig mensen uit het ecosysteem: tech ondernemers, wetenschappers, bestuurders, investeerders. De vraag was simpel. Wat hebben jullie aan tafel besproken, en wat moeten we morgen doen?

Ik gaf een keurig antwoord. Te keurig. Ik somde de thema’s op, de coalities, de vervolgstappen. Allemaal waar. En toch was het niet het antwoord dat de zaal verdiende. Ik hield het netjes en operationeel, terwijl er iets veel fundamentelers op tafel lag.

Dus laat ik het hier alsnog zeggen. Zonder omhaal dit keer. De alarmbellen klinken al jaren, beleefd en met de rem erop, en er verandert niets. Zacht waarschuwen is een nette vorm van wegkijken geworden. Het is tijd om te benoemen wat er echt speelt, en wat we eraan gaan doen.

Dit is wat ik had moeten zeggen: acht jaar lang hebben we het tech-ecosysteem verwaarloosd, er is gebrek aan urgentie, en Amsterdam ontbeert visie en bestuurlijke tech-kennis.

Maar we kunnen onszelf herpakken. Hoe? In dit artikel spreek ik mij wél uit, zoals ik dat een week geleden had moeten doen.

Willen we het wel ‘dolgraag’ genoeg?

We hebben alles wat een techstad nodig heeft om weer samen te gaan bouwen.

De nationale lijnen liggen er: plan Wennink, het Nationaal AI Deltaplan, de Deep Dive van InvestNL. De diagnose staat op papier, geschreven in september 2025 als liefdesbrief aan de stad: Nieuw Amsterdam, tijd voor tough love. Het denkwerk is gedaan, vastgelegd in de visie en aanpak Agenda Nieuw Amsterdam die we op 6 maart publiceerden, gedragen door meer dan honderd Amsterdammers. De coalities staan klaar.

“Amsterdam wil dolgraag een toonaangevende techstad zijn”, was de online kop boven het artikel in Het Parool. Mooie kop. Maar klopt het? Want we zeggen, telkens weer, dat we willen. En toch beginnen we niet. Waarom niet? Waarschijnlijk willen we minder graag dan we onszelf voorhouden.

En je bouwt niet met overgave aan iets wat je stiekem wantrouwt.

Waarover we zwijgen

Laat ik daarom in dit artikel hardop zeggen wat er speelt. Want we waarschuwen wel als tech-ecosysteem, maar onszelf uitspreken doen we nauwelijks.

Een. We vieren onszelf nog te veel. Bij elke pilot, elk congres, elke mooie pitch klinkt applaus, terwijl de cijfers de andere kant op wijzen. Amsterdam staat op plek zeven in Europa, teruggevallen uit de top drie.

“Hoe vaak moeten we nog roepen dat we wakker moeten worden?” vraagt Lucien Burm van de Dutch Startup Association (DSA) zich hardop af in dezelfde krant. “Vorig jaar stonden we ook al laag. Nu zijn, als je ook rekening houdt met het aantal inwoners, steden als Gent, Tallinn, Lausanne en Kopenhagen ons al voorbij. We verliezen van steden waarvan we zouden moeten winnen.”

De tijd van de self-celebrating-crowd is voorbij. Voor aanvang van het tech diner kreeg iemand van Dealroom van een vertegenwoordiger van de stad nog even ingefluisterd “of we het wel leuk konden houden vanavond”.

Twee. We praten eindeloos over publieke waarden en over de big tech die we maar niets vinden. Over hoe we ons moeten wapenen tegen Amerikaanse platforms en Chinese leveranciers. Negentig procent van onze tijd en aandacht gaat naar waarschuwing en het verwijt aan anderen, tien procent naar het bouwen aan onszelf. Over hoe we onze eigen ondernemers laten winnen, over de randvoorwaarden waaronder een Amsterdamse bouwer groot wordt, praten we nauwelijks.

Een stad die vooral weet waar ze tegen is, krijgt op een dag haar gelijk: er valt dan weinig meer te beschermen.

Drie. Er staat een normatieve handrem op onze techstad. Technologische vooruitgang toetsen we eerst op wat er mis kan gaan, en pas daarna, als er nog energie over is, op wat het kan opleveren. Vorige week dinsdag was dat ook steeds zichtbaar. Beheersen voelt veiliger dan bouwen. Zo raakt een stad gewend aan voorzichtigheid als eerste reflex.

Politieke ambitie en werkelijkheid lopen steeds verder uit elkaar. Van Sabben, in het Parool-artikel: “Dat Amsterdam geen nieuwe datacenters wil en bestaande niet laat uitbreiden, is een rem op de hele techsector. Niet alleen omdat daardoor broodnodige datacapaciteit voor het ontwikkelen van AI-toepassingen en digitale soevereiniteit ontbreekt; daarmee geef je ook het signaal aan techbedrijven dat je ze niet serieus neemt. Datacenters zijn voor techbedrijven kritieke infrastructuur.”

Vier. We hebben geen (gedeelde) ambitie. Vraag tien Amsterdammers waar onze techstad over tien jaar staat en je krijgt tien antwoorden, of een beleefde stilte. Een stad die haar eigen ambitie niet kan benoemen, kan haar krachten ook niet bundelen. Coalities zonder gedeeld doel en gedeelde strategie blijven losse gesprekken.

Van Sabben en Burm: “Amsterdam blijft maar vasthouden aan het sentiment dat de economische taart over alles en iedereen verdeeld moet worden. Het oude moet soms ruimte maken voor het nieuwe. Dat betekent: keuzes maken en pijn pakken. Andere steden hebben daar tienjarenplannen voor, hier is er helemaal geen plan. We lopen een groeiende economie en sterke samenleving mis als we niet vol inzetten op tech.”

Een deel van de partijen die zeggen samen te willen werken, zet bescherming boven groei. Dat zeg ik zonder verwijt, want bescherming komt vaak voort uit oprechte zorg. Maar het effect is een coalitie die in naam vooruit wil en in de praktijk op de rem staat, en een kleine ambitie formuleert. Wie elke versnelling meteen afremt, bouwt achter de feiten aan.

Vijf. Een groot deel van onze bestuurders begrijpt nog onvoldoende wat AI en technologie nú doen, en in welke ontwikkeling we op dit moment zitten. Dat verwijt ik niemand. Het gaat razendsnel, sneller dan welk bestuurlijk ritme ook, en het is hun vak niet geweest.

En zo valt Amsterdam steeds verder terug in de rankings. Waardoor we strategische relevantie verliezen. Ondanks de geweldige ondernemers, het vele talent en het bruisende tech-ecosysteem.

Je kunt niet sturen wat je niet begrijpt

Het onbegrip van de bestuurders wringt. Je kunt geen ambitie formuleren voor een ontwikkeling die je niet doorgrondt. Geen richting kiezen in een landschap dat je niet overziet. Moeilijk sturen wat je niet begrijpt.

Wie het moment niet begrijpt, valt vanzelf terug op de enige houding die zonder begrip mogelijk is: voorzichtigheid. Daar begint de beschermingsmodus. En daar begint ook het herstel, bij echt begrip van de tijd waarin we leven.

Spinoza schreef het lang geleden op: niet lachen, niet wenen, niet verafschuwen, maar begrijpen. Begrijpen gaat vooraf aan oordelen. Voor een stadsbestuur dat over de overtocht van een kenniseconomie naar een intelligentie-economie moet beslissen, is dat geen filosofische luxe. Het is de eerste taak. Zien wat er werkelijk gebeurt, zichzelf bijscholen.

Pas dan kan men kiezen. Visie vormen. Strategie ontwikkelen. Randvoorwaarden organiseren. Gedegen aandacht geven.

De denkfout over ambitie

Hoe zijn we het willen verleerd? Met StartupAmsterdam hadden we (in 2015) een visie, een strategie en een plan, en het bracht ons naar de Europese top. Daarna verschoof onze aandacht naar brede welvaart, publieke waarden en gelijkheid. Mooie waarden. Ik onderschrijf ze volledig. Maar ergens onderweg maakten we ambitie verdacht en werd tech de boosdoener.

Daar zit onze denkfout, en het is een dure.

Je kunt alleen verdelen wat eerst gemaakt is. Je kunt alleen beschermen wat eerst gebouwd is. Welvaart, gelijkheid en publieke waarden rusten allemaal op een economie die waarde schept. Haal de bouwers weg en er blijft op den duur niets te verdelen over. Ambitie staat niet tegenover die waarden. Ambitie is het fundament eronder.

Een stad die durft te bouwen, schept de ruimte om lief te zijn.

De conatus van een stad

Spinoza had voor die drijvende kracht een woord: de conatus. Het streven van elk ding om te volharden in zijn bestaan, om te groeien, om meer van zichzelf te worden. Een stad heeft die ook. Je voelt haar op Koningsdag, tijdens ADE, op een lenteochtend langs de grachten. Een stad die haar ambitie inruilt voor enkel beheersing, verliest haar conatus. Ze stopt met worden en begint te verdampen. Plek zeven is daar het eerste teken van.

Spinoza onderscheidde passieve en actieve affecten, de manier waarop je met verandering omgaat. Angst, wantrouwen en afgunst zijn passieve affecten: ze overkomen je en ze verkleinen je handelingsvermogen. Ambitie, nieuwsgierigheid en vertrouwen zijn actieve affecten: ze vergroten het.

Amsterdam is de afgelopen jaren rond tech vanuit de passieve kant gaan handelen. De weg terug loopt via de actieve.

Verticale volwassenheid

We zijn blijven hangen in normatieve vertraging. Eerst publieke waarden bespreken, eerst alle risico’s afgedekt, eerst elk bezwaar weerlegd, dan pas bouwen. Op die manier komt het nooit, want bij een technologie die maandelijks verandert is het plan achterhaald op de dag dat het af is.

Snelheid zonder zorg is roekeloos. Zorg zonder snelheid is stilstand, en stilstand is ook een keuze, met een prijs die anderen straks voor ons betalen.

Wat deze tijd vraagt is verticale volwassenheid: het vermogen om meerdere waarheden tegelijk vast te houden. Ambitie én zorg. Snelheid én zorgvuldigheid. Bouwen én beschermen. Verticale volwassenheid betekent dat je die spanning draagt en tóch begint, in plaats van te wachten tot ze vanzelf verdwijnt. Durven starten voordat alles is dichtgetimmerd, en bijsturen terwijl je bouwt.

Onze bouwers dragen die waarden allang

In de Stopera hoor ik het telkens terug: als we het over het bouwen van het tech-ecosysteem hebben, moeten we het eerst en vooral over publieke waarden en brede welvaart hebben. Alsof onze tech ondernemers die er niet bij nemen. Dat doen ze wél.

Ondernemers, technologen en onderzoekers kennen de dilemma’s van binnenuit, de spanning tussen bouwen en beschermen, tussen snelheid en zorgvuldigheid, en ze zijn vaak realistischer dan hun critici. Ze willen een sterk AI-ecosysteem verbinden aan onderwijs, zorg, energie, kansengelijkheid, veiligheid en leefbaarheid, en vragen om een volwassen gesprek over hoe technologie publieke waarde schept.

Daarom is dit hét moment om de stap te zetten van waarschuwen naar vormgeven.

De aanknopingspunten

En toch is dit geen klaagzang. Ik schrijf dit met liefde en met ambitie, want er is meer dan genoeg om op te bouwen.

Vorige week gebeurde er bij datzelfde techdiner ook iets goeds. Femke Halsema nam het onderzoek van Haroon Sheikh in ontvangst. De kern is een tech corridor tussen de metropoolregio Amsterdam en Brainport Eindhoven. Amsterdam sterk in AI en digitale toepassingen, Eindhoven in hardware, machines en semicon. Samen ruim een kwart van het Nederlands BBP. Koppel die werelden en je krijgt AI die fysieke systemen aanstuurt, en chips voor de AI-toepassingen van morgen. Daar zit verdienvermogen. Richting.

De wil om samen te werken is er. Dat is het echte goede nieuws. De diagnose, het denkwerk, de coalities, de regionale kansen: het ligt allemaal klaar.

Blijft de vraag over, voor het nieuwe college en voor ons als burgers: Zet je in op tech en AI met de aandacht, de urgentie en de bestuurskracht die het verdient, en durf je de keuzes te maken die daarbij horen? En wat is onze ambitie?

Wat ik had moeten zeggen

Ik was niet de enige die zich vorige week dinsdag inhield.

Veel mensen in het tech ecosysteem doen het: ze houden hun scherpste observaties voor zich, omdat we iedereen die hardop aan de koers twijfelt al snel wegzetten als dwarsligger of naïeve techoptimist. Dus glimlachen we, en houden we het leuk. Leuk houden lost alleen niets op. Wie van de stad houdt, spreekt zich uit. Daarom alsnog, voluit, wat ik in die microfoon had moeten zeggen.

Wees eerlijk over waar we staan, ook als de cijfers pijn doen.

Haal de normatieve handrem eraf.

Kies een ambitie die groot genoeg is om ons weer te verenigen, en spreek haar hardop uit.

Zorg dat wie de stad bestuurt het moment werkelijk begrijpt, want begrip gaat vooraf aan richting.

En begin. Vandaag. Klein desnoods, maar begin. Plan Wennink, Agenda Nieuw Amsterdam, en het AI Deltaplan liggen klaar om opgepakt te worden.

Amsterdam hoeft geen toeschouwer te zijn in de intelligentie-economie die nu ontstaat. We kunnen medearchitect worden, van een intelligente, lieve stad. Intelligent omdat ze leert en bouwt. Lief omdat ze menselijk blijft, en lief in de betekenis die Spinoza eraan gaf: samen begrijpen, samen inzicht ontwikkelen.

Ik begon met een microfoon, dus ik eindig met Spinoza:

“Het grootste vermogen van de mens is het vermogen om zich met anderen te verenigen.”

Laten we dat doen en weer samen gaan bouwen.

Tot de volgende window, Ruben!

Gisteravond schreef ik een mail aan een relatie die ik al jaren ken. Ik tikte drie zinnen. Mijn AI-assistent, getraind op mijn honderd laatste mails, schreef de andere twaalf. Toen ik de mail teruglas kon ik zelf niet meer precies aanwijzen welke zinnen van mij waren en welke van het systeem. Dezelfde aanhef die ik altijd gebruik. Met dezelfde ritmes en de bekende afsluiting: Salut, Ruben

Wie schreef die mail eigenlijk?

Het lijkt een handigheidje. Maar als je er langer over nadenkt zie je iets fundamenteels gebeuren: een deel van mijn denkwerk zit buiten mijn hoofd. Het is gecodificeerd. Het leeft in een AI-systeem dat mij kent, met mij meegroeit, en scherper wordt naarmate ik het voed.

Dat gaat verder dan gereedschap. Dat is een productiefactor.

Eerst moeten we een stap terug. Want wat is intelligentie eigenlijk? We hebben het dag in dag uit over kunstmatige intelligentie, we spreken over de intelligentie economie, en toch staan we zelden stil bij de vraag die eronder ligt.

Dit artikel geeft mijn bescheiden antwoord in drie onderdelen. Eerst: wat is intelligentie, gezien vanuit drie perspectieven (filosofisch, wetenschappelijk, biologisch). Vervolgens: waarom intelligentie opeens een productiefactor is, naast arbeid, kapitaal en kennis. En tot slot: wat dat betekent op drie niveaus: voor jou als intelligentiewerker, voor de intelligente onderneming, en voor de intelligentie economie als geheel.

1. Wat is intelligentie eigenlijk?

“The capacity to learn, reason, and understand” — Wordsmyth Dictionary, 2006

De eerlijke bekentenis van de hele AI-wereld is dat niemand het precies weet. Shane Legg, medeoprichter van Google DeepMind, schreef het in 2007 letterlijk op: “A fundamental problem in artificial intelligence is that nobody really knows what intelligence is.” Hij en zijn collega Marcus Hutter verzamelden ruim zeventig verschillende definities (zoals hierboven) van psychologen, filosofen en AI-onderzoekers. Die definities, hoe divers ook, kwamen op één ding neer.

Hun samenvatting is het eenvoudigst mogelijke antwoord:

Intelligentie is het vermogen om doelen te bereiken in een breed scala aan omgevingen.

Lees die zin nog een keer. Intelligentie is niet het onthouden van feiten. Of scoren op een IQ-test. Intelligentie is kunnen handelen in situaties die je niet vooraf hebt kunnen repeteren.

Dat is een houvast voor dit artikel. En een kern die meteen veel verklaart. Een topschaker is intelligent op het bord. Geef hem een kapotte wasmachine en het beeld verandert. Een uitstekende arts is intelligent in de spreekkamer, niet per se bij een bestuursvergadering. Intelligentie is domeinspecifiek, en ze wordt pas echt interessant als ze generaliseert naar nieuwe situaties.

Om deze betekenis van intelligentie handen en voeten te geven, drie perspectieven.

Het filosofische perspectief: Spinoza en het zien van verbanden

Baruch Spinoza, de 17e-eeuwse (en mijn favoriete) filosoof, stelde de vraag: wanneer begrijp je iets echt? Zijn antwoord: pas als je de causale verbanden ziet. Niet zozeer de losse feiten, maar hoe ze samenhangen. Spinoza noemde dat onderscheid inadequate ideeën versus adequate kennis.

Een voorbeeld. Een arts met dertig jaar ervaring ruikt soms meteen dat iets niet klopt. Ze weet niet direct waarom. Maar als je doorvraagt kan ze het uitleggen: de kleur van de huid, de geur van de adem, de manier waarop iemand binnenkomt. Ze ziet het geheel, causaal, tegelijk. Dat is adequate kennis.

Een AI-systeem dat op honderdduizend patiëntendossiers is getraind voorspelt dezelfde diagnose. Soms zelfs sneller. Maar het ziet correlaties, geen oorzaken. Het weet niet waarom. Het werkt, en soms spectaculair goed, maar in Spinoza’s termen is het nog inadequaat.

Dit onderscheid bepaalt waar AI vandaag al ongelooflijk sterk is, en waar ze nog steeds struikelt.

Het wetenschappelijke perspectief: intelligentie is niet één ding

Psychologen hebben al honderd jaar discussie over de vraag of intelligentie één ding is of vele dingen. De meest geaccepteerde theorie vandaag: de Cattell-Horn-Carroll-theorie, het meest empirisch gevalideerde model van menselijke cognitie. Het onderscheidt tien kerngebieden:

• Verworven kennis, wat je hebt geleerd (crystallised)

• Vloeiende redenering, logisch denken in nieuwe situaties (fluid)

• Kwantitatieve kennis, rekenen en wiskundig begrip

• Lees- en schrijfvaardigheid, taal beheersen

• Korte en lange termijn geheugen, informatie onthouden

• Visuele perceptie, zien en begrijpen

• Auditieve perceptie, horen en begrijpen

• Verwerkingssnelheid, snel informatie verwerken

• Psychomotorische vaardigheden, coördinatie en beweging

• Besluitvaardigheid, keuzes maken onder onzekerheid

Dit framework is belangrijk omdat het intelligentie niet ziet als één ding, maar als een spectrum van vermogens die samen iemands cognitieve profiel vormen.

Twee van die domeinen zijn voor ons verhaal cruciaal.

Crystallised intelligence is wat je weet. Opgeslagen kennis, jaren ervaring, woordenschat, feiten. Een ervaren notaris leunt zwaar op crystallised intelligence. Een goed opgeleide arts ook. De kenniseconomie van de twintigste eeuw beloonde dit: wie meer wist, verdiende meer.

Fluid intelligence is wat je kunt in een situatie die je nog nooit hebt gezien. Pure redeneerkracht, toegepast op onbekend terrein. Een kind dat voor het eerst een puzzel oplost. Een ondernemer die een markt aanboort die nog niet bestaat. Een onderzoeker die een verband ziet dat iedereen over het hoofd heeft gezien.

AI-systemen blinken uit in crystallised intelligence. Ze hebben alles wat ooit is opgeschreven tot hun beschikking. Maar ze struikelen nog steeds in fluid intelligence, in situaties die niet in de trainingsdata zitten.

Dat is precies wat de ARC-AGI-benchmark meet. ARC-AGI bestaat uit puzzels die mensen intuïtief oplossen, maar die niet in trainingsdata te leren zijn. Elke taak is uniek. De nieuwste versie, ARC-AGI-3, werd in maart 2026 uitgebracht. Mensen lossen 100% van de taken op. De beste AI-modellen van vandaag scoren er minder dan 1% omdat de puzzel fluid intelligence vraagt, niet crystallised.

Naast ARC-AGI zijn er andere benchmarks die samen de voortgang van AI-intelligentie in kaart brengen. MMLU meet brede kennis. Humanity’s Last Exam test reasoning op expertniveau. Artificial Analysis voegt tien zulke evaluaties samen in een Intelligence Index. Samen vormen ze onze eerste echte thermometer voor hoe snel kunstmatige intelligentie beweegt.

En er is één benchmark die de brug slaat naar de economie, naar kenniswerk, naar de vraag waar dit artikel over gaat. GDPval, gepubliceerd door OpenAI in 2025. Ze lieten de beste AI-modellen taken uitvoeren die professionals met gemiddeld veertien jaar ervaring dagelijks doen. Het resultaat: de topmodellen benaderen expertniveau. Maar dan honderd keer sneller en goedkoper. En wederom het patroon: bovenmenselijk in feitenrijke domeinen, nog steeds zwak in situaties die om context en oordeel vragen.

De onderzoekers noemen het intelligentie profiel jagged, gekarteld. Vergelijk je de tien cognitieve domeinen uit het CHC-raamwerk tussen een mens en een AI-systeem, dan zie je bij de mens een redelijk ronde vorm, gemiddeld over alle vermogens. Bij de AI zie je uitschieters in de ene richting en diepe inzinkingen in de andere. Fantastisch in het ene, hulpeloos in het andere.

De cognitieve profielen van GPT-4 (2023) en GPT-5 (2025) afgezet tegen de tien domeinen uit het CHC-raamwerk. GPT-5 scoort sterk op kennis, lezen/schrijven, wiskunde en redeneren, en blijft opvallend achter op werkgeheugen en geheugenopslag. Bron: Hendrycks et al., A Definition of AGI (2025).

Het vertelt ons precies waar de waarde van menselijke intelligentie (de komende jaren) gaat zitten. Niet in crystallised, maar in fluid.

Nog wel trouwens.

Het biologische perspectief: intelligentie is belichaamd

En dan is er een derde perspectief dat we vaak overslaan. Intelligentie is niet iets abstracts. Ze zit in een lichaam.

Yann LeCun, tot voor kort hoofd AI bij Meta, maakt graag een punt dat critici irriteert: een kat begrijpt zwaartekracht zonder één woord te kennen. Een kind leert fietsen zonder de natuurkunde van evenwicht te hebben bestudeerd. Dat is intelligentie. Taal is een symptoom, geen oorzaak.

Demis Hassabis van DeepMind is het daar niet mee eens. Eind 2025 kregen ze publiekelijk ruzie.

Op één punt zijn ze het wel eens: echte intelligentie vraagt om world models. Interne modellen van hoe de wereld werkt, causaal, voorspelbaar, in drie dimensies (3-D).

De huidige generatie AI-systemen heeft zulke modellen nauwelijks. Ze beheersen taal, maar hebben geen lichaam dat hun vertelt dat een vallend glas breekt. Ze missen iets dat wij niet eens merken dat we hebben: belichaamd weten.

Hier moeten we het ook over intuïtie hebben. Die plotselinge sensatie dat iets niet klopt, voordat je het kunt beredeneren. (Geen) magie. Je lichaam herkent iets (of patronen) die jouw bewuste geest nog niet heeft geïndexeerd.

Anthropic, de maker van het AI-systeem Claude waarmee ik dit artikel schrijf, publiceerde in 2026 onderzoek dat suggereert dat hun modellen iets hebben dat op emoties lijkt. Ze identificeerden 171 “emotievectoren”, interne toestanden die causaal invloed hebben op wat het model doet.

De onderzoekers zeggen eerlijk: we weten niet wat dit is. We weten niet of AI iets voelt, of dat het een trucje van de statistiek is. Dat is geen reden tot paniek, maar wel een reden tot bescheidenheid. We sleutelen aan iets waarvan we de ware aard nog niet doorgronden.

Samengevat

Intelligentie is het vermogen om doelen te bereiken in nieuwe omgevingen. Dat vermogen rust op drie dingen:

het zien van causale verbanden (Spinoza), het kunnen redeneren in onbekende situaties (fluid intelligence), en het belichaamde gevoel voor hoe de wereld werkt.

AI-systemen zijn op deze drie dimensies ongelijk ontwikkeld. Sterk in patronen, zwak in causaal begrip. Uitmunted in opgeslagen kennis, zwakker in nieuwe situaties. Alleskunner in taal, zwak in lichamelijk weten.

Dat profiel verandert snel. Maar de structuur van waar AI sterk en zwak is, bepaalt ondertussen al wie er vandaag waarde schept en wie niet.

2. Intelligentie als productiefactor

Nu we begrip hebben bij wat intelligentie is, kunnen we ontleden waarom ze een productiefactor wordt. En waarom die stap zoveel groter is dan “we hebben er een tool bijgekregen”.

Van arbeid naar kapitaal naar kennis naar intelligentie

De economische geschiedenis kent (vier) grote productiefactoren.

Arbeid was de eerste. Lichamelijke inzet. Mensenhanden die werk verzetten. Van de middeleeuwse boer tot de fabrieksarbeider.

Kapitaal kwam erbij met de industriële revolutie. Machines, fabrieken, infrastructuur. Stapelbaar, financieel verhandelbaar, loskoppelbaar van de mens die het bezit.

Kennis werd de derde factor in de twintigste eeuw. Diploma’s, expertise, onderzoek. Kennis was deelbaar, maar bleef gebonden aan mensen. De econoom in je hoofd bleef in je hoofd.

En nu komt de vierde. Intelligentie. Maar deze vierde factor is van een andere aard dan alles wat ervoor kwam. Ze schaalt zoals kapitaal. Een getraind model kost bijna niets om te kopiëren. Ze denkt zoals een mens. Met patronen, taal, redenering. En ze is deelbaar zoals kennis, maar handelt autonoom, zonder dat er steeds een mens tussen hoeft te zitten. Dat maakt haar een nieuw soort input. Geen verbetering van wat er was. Iets anders.

Het kantelpunt: wanneer is iets een productiefactor?

Iets is pas echt een productiefactor als ze zonder voortdurende menselijke tussenkomst waarde creëert. Een hamer is gereedschap, je moet hem blijven vasthouden. Een fabriek is kapitaal, ze draait door, ook als de eigenaar op vakantie is.

De GDPval-cijfers laten zien dat we dat kantelpunt naderen. Een financieel analist die dertig slides voor een cliëntpresentatie maakt. Een AI-systeem doet dat nu in minuten, op vergelijkbaar niveau. Een jurist die honderd contracten doorploegt op risicoclausules, hetzelfde verhaal, AI is vele malen sneller en nauwkeuriger. Een ervaren consultant die een marktanalyse schrijft op basis van zes publieke bronnen? Perplexity AI (uitstekend voor bronnen onderzoek) i.c.m. met NotebookLM (analyse) kan dit ook, en sneller maar vooral dieper. Dit zijn voorbeelden wat we in de twintigste eeuw kenniswerk zijn gaan noemen. Maar de nieuwe productiefactor intelligentie zaagt aan die kennis-stoelpoten.

Augmented Intelligence is de eigenlijke productiefactor

Let op, en dit is een belangrijk detail: AI alleen is niet de productiefactor. De combinatie van mens en machine is het. De ene herkent patronen, de andere stelt de vraag of het patroon wel relevant is. De ene produceert, de andere geeft richting.

Augmented Intelligence noemde ik dat in mijn vorige artikel. De term gaat terug tot Douglas Engelbart, die in 1962 een beroemd paper schreef over de computer als verlengstuk van het menselijk denken. Stanford-econoom Erik Brynjolfsson werkt hem inmiddels uit in wat hij de Turing Trap noemt: de valkuil waarin we AI bouwen die mensen vervangt in plaats van versterkt. Zijn punt is economisch en moreel tegelijk. Augmentatie (lees: versterking) creëert nieuwe waarde, automatisering trekt bestaande waarde uit mensen weg.

Mijn email-reply skill schrijft geen mails zonder mij. Hij schrijft mails in mijn stem, ritmes, woordenkeus en met mijn afsluitingen. Omdat hij getraind is op honderd van mijn eigen mails. Maar welke mail verdient welke toon, welk verzoek krijgt welke prioriteit, wanneer moet ik echt zelf typen? Dat oordeel komt van mij!

De productiefactor is niet de AI. Het is de koppeling.

Embedded: waar die productiefactor zich nestelt

“In 2030 we have a system that really understands everything around you in very nuanced and deep ways, and is kind of embedded in your everyday lives.” — Demis Hassabis

En deze productiefactor zit niet meer op één plek. Niet langer in een chatvenster waar je naartoe gaat. Ze wordt embedded. Ingebed in alles.

Intelligentie embedded in je bril, die ziet wat jij ziet en (beter) begrijpt wat dat betekent. Embedded in je email client, die niet alleen je berichten sorteert maar de intenties erachter begrijpt. In mijn Substack-skill die al mijn artikelen heeft geanalyseerd en nu weet hoe ik een alinea opbouw. Embedded in je auto, die anticipeert op gevaar voordat je het zelf ziet. Zelfs verweven in je lichaam, denk aan de verlamde persoon die opnieuw kan lopen dankzij systemen die de intentie om te bewegen vertalen naar actie.

Ook op organisatieniveau. Ik hoorde recent over een bedrijf dat jaren aan verkoopgesprekken liet analyseren. Duizenden calls. Uit die berg kwam een terugkerend patroon dat in geen enkel belscript stond: een deel van de prospects zei op een bepaald moment dat ze eerst hun partner wilden raadplegen. Een natuurlijke rem, en tot dan een doodlopend pad. Het systeem herkende het patroon, en het bedrijf bouwde er een nieuw scriptonderdeel omheen. De conversie schoot omhoog.

En embedded intelligentie in steden, of landen? Daarover in een vervolg artikel meer.

De richting is wel duidelijk: intelligentie gaat zich nestelen in elke interface waar we mee werken.

3. Werker, onderneming, economie

De productiefactor intelligentie landt op drie niveaus tegelijk. Ze verandert wat het betekent om professional te zijn, wat het betekent om een organisatie (of afdeling) te runnen, en wat het betekent om een economie te zijn. Ik begin waar het het dichtstbij komt.

Van kennis naar intelligentiewerker

Je bent niet meer een professional met een vak. Je wordt een professional met een systeem. De komende jaren ontwikkel je van een kenniswerker naar (wat ik voorlopig noem) intelligentiewerker.

In de kenniseconomie was je waarde gebonden aan wat jij wist en kon. Jouw diploma, jouw ervaring, jouw netwerk. Je stopte dat in je hoofd, je verkocht er tijd en aandacht voor.

In de intelligentie economie komt daar iets bij. Je codified skills: de skills van jouw AI-systeem. De prompts die je hebt verfijnd. De skills die je hebt getraind op jouw eigen werk. De bronnen die je hebt gekoppeld.

Mijn AI-systeem (in de goede handen van mijn AI-assistent Roben) bevat een tiental van zulke skills. Een skill voor Substack-artikelen, getraind op alles wat ik eerder schreef. Een skill voor e-mailantwoorden. Een skill voor facturen. Een skill voor strategische analyses vanuit first principles. Etc.

Zoals hieronder mijn substack-ruben ‘skills’.

Skills zijn Markdown-bestanden (.md) omdat dat het simpelste formaat is dat zowel mensen als AI goed kunnen lezen: platte tekst met minimale opmaak. Geen database, geen code, geen interface nodig. Gewoon een bestand met instructies dat je in twee minuten kunt schrijven en aanpassen. Bij elke vraag die je stelt leest de AI de relevante skill mee als context, waardoor hij precies weet hoe hij voor jou moet werken.

Om die skills heen heb ik workflows gebouwd: vaste routes waarlangs ik met het systeem werk.

Een kennis-managementworkflow waarin ik nieuwe inzichten bestudeer en toevoeg aan mijn master-slides en kerndocumenten, waarna ze doorstromen naar Substack en naar mijn curricula.

Een Substack-workflow waarin ik een thema vaststel, er een Cowork-project voor open, een draft opbouw, afrond, post, en er vervolgens LinkedIn- en X-posts en master-slides uit destilleer.

Een workflow voor mijn AI-ready curricula, die continu wordt gevoed uit de kennis-managementworkflow die ook in het leerplatform landt.

En een workflow voor lezingen en workshops, van de eerste intake tot een Google-slidedeck dat tot op het laatste moment blijft meegroeien.

Samen vormen die skills en workflows een persoonlijk intelligentiesysteem dat niemand anders heeft, omdat niemand anders hetzelfde materiaal heeft ingebracht en niemand anders precies zo denkt en werkt.

Welke menselijke skills winnen in deze wereld aan waarde?

• Fluid reasoning: denken in nieuwe situaties zonder voorbeelden

• Oordeelsvermogen: weten wanneer de AI ernaast zit, ook als het overtuigend klinkt

• Vraagkracht: een betere vraag stellen is de belangrijkste skill geworden

• Context-gevoeligheid: de situatie lezen, de kamer voelen, de nuance horen

• Nieuwsgierigheid: de motor die bepaalt of je het systeem überhaupt voedt

Let op wat er niét op die lijst staat. Feitenkennis. Paraatheid van wetten, regels, standaarden. Routine-analyses. Die dingen worden niet waardeloos. Jouw systeem neemt ze over, en jouw marginale bijdrage eraan daalt.

De CV van de toekomst heeft twee kolommen. Wat jij kunt. En wat jouw systeem kan.

Van kennis naar de intelligente organisatie

Op organisatieniveau gebeurt iets vergelijkbaars, maar op grotere schaal. Een onderneming die intelligentie als productiefactor serieus neemt, verandert van vorm.

De belangrijkste verschuiving: van kennissilo’s naar intelligentie-flows.

In de kenniseconomie was een organisatie een verzameling afdelingen. Sales wist wat sales wist. Finance wist wat finance wist. De kennis zat in de hoofden van de mensen, en de structuur van de organisatie volgde de structuur van de expertises.

In de intelligente onderneming stromen patronen over die schotten heen. Het belscript-voorbeeld uit deel 2 is illustratief: data uit sales bleek een inzicht te bevatten dat niemand bewust kende. Dat inzicht werd pas zichtbaar door systematische analyse. Een organisatie die dit soort emergente inzichten niet oogst, laat waarde liggen.

Een tweede verschuiving: data labelling wordt karaktervorming. Mo Gawdat, voormalig directeur van Google X, beschrijft AI graag als een alien kind. Een kind dat leert van ons gedrag, van onze voorbeelden, van wat we aanmoedigen en bestraffen. Wie de AI van een organisatie voedt, vormt het karakter van die organisatie. Hoe praat jouw klantenservice-bot met mensen in de knel? Welke grenzen kent jouw sales-assistent? Welke waarden zitten in je systeem ingebakken? Geen marginale vragen. Vragen over wie je als organisatie wilt zijn, vertaald naar systeemontwerp.

En een derde verschuiving: van routine naar oordeel. Econoom Erik Brynjolfsson aan Stanford noemt dit de verschuiving van routine cognitive work naar non-routine cognitive work augmented by machines. De routine trekt zich terug naar het systeem. Wat overblijft voor mensen is oordeel, richting, verantwoordelijkheid. Dingen waar nog geen AI-systeem aan kan tippen. En nog (lange?) tijd niet zal kunnen.

Tot slot ligt er voor elke organisatie de eigendomsvraag die ik in mijn vorige artikel uitwerkte. Wie bezit de intelligentie die medewerkers mee-opbouwen? Geen HR-kwestie, een strategische vraag. De bedrijven die hier eerlijke afspraken over maken, trekken talent aan. De bedrijven die dat niet doen, ontdekken dat hun beste mensen hun scherpste skills voor zichzelf houden.

Van kennis naar de intelligentie economie

En op macroniveau, tot slot. Wat gebeurt er met een economie als intelligentie schaalbaar, kopieerbaar en embedded wordt?

Drie dingen, en ze zijn alle drie groter dan ze op het eerste gezicht lijken.

Een productiviteitssprong van een ordegrootte. GDPval suggereert dat bepaalde professionele deliverables honderd keer goedkoper en sneller kunnen. Geen efficiencywinst van vijftien procent. Een herordening. Denk aan wat stroom deed met de fabrieken. De werkplaatsen die dat snel snapten floreerden. De werkplaatsen die vasthielden aan stoom verdwenen binnen een generatie.

Een verschuiving in de waardeverdeling. Waar landt de winst van die productiviteitssprong? Bij de modelmakers (Anthropic, OpenAI, Google)? Bij de bedrijven die de modellen inzetten? Bij de professionals die ze voeden met hun expertise? Vandaag bestaat er geen maatschappelijk contract voor dit vraagstuk. Geen juridische kaders. Geen fiscale regels. Geen politieke taal. Een blinde vlek van de eerste orde.

Een onoverbrugbare voorsprong voor wie vroeg is. Net zoals landen die elektriciteit vroeg doorvoerden een economische voorsprong opbouwden, bouwen organisaties, steden en landen die vroeg in de intelligentie economie stappen een voorsprong die snel onoverbrugbaar wordt (hoe? Lees Agenda Nieuw Amsterdam!).

Voor professionals, organisaties en landen is dit geen abstracte toekomst. Het is nu.

Slot

Ik begon dit stuk met die mail die ik gisteravond schreef. Drie zinnen van mij, twaalf van mijn systeem, en bij het teruglezen zag ik het verschil niet meer.

Het voelde onwennig. Mijn stem, geschaald. En mijn denken uitgebreid met een compagnon die om 3 uur ‘s nachts even scherp is als om 10 uur ‘s ochtends.

Dat is de nieuwe productiefactor, in één simpele anekdote. Niets dat je koopt of inhuurt. Iets dat je opbouwt, onboard, voedt, verfijnt. Iets dat deels van jou is en deels van het systeem. Deels mens, deels machine, en nooit meer helemaal los van elkaar.

Wat niet verandert, is dat er iemand moet zijn die de richting bepaalt. De geboorte van de Homo Vector?! Die weet wat die mail moet doen bij de ontvanger. Die voelt wanneer een patroon klopt en wanneer niet. Die verantwoordelijk is voor wat er uiteindelijk wordt verstuurd, gezegd, besloten. Oordeel, richting, betekenis-geven. Dat blijft menselijk. Nog lang.

Maar alles eromheen verandert. En wie dat niet onder ogen ziet, werkt straks in een economie waarvan hij de spelregels niet meer kent.

Drie vragen om mee de dag in te nemen.

Welk deel van jouw denken zit al in een systeem?

En welk deel zou je erin willen stoppen, als je erover nadacht?

En van wie is dat systeem eigenlijk?

Tot de volgende window, Salut:), Ruben

De vraag van de avond: hoe bereiden we onze organisatie voor op een wereld waarin intelligentie de nieuwe productiefactor is?

Het antwoord: de meesten weten het nog niet.

Dat is geen verwijt. De snelheid waarmee AI het werk verandert, maakt dat zelfs de scherpste leiders moeite hebben om bij te blijven. Bijna iedereen in de ruimte keek naar technologie als vooral een IT-vraagstuk. Naar de CTO, de CAIO, de digitale strategie. De blik gericht op anderen.

Terwijl de belangrijkste persoon aan tafel zat: zijzelf.
Maar die rol had nog niemand echt geclaimd:)

De intelligentie-economie (die ik eerder beschreef in Laten we het minder hebben over AI) is een menselijke revolutie, aangedreven door technologie. De CHRO zit precies op dat kruispunt: tussen mens en machine, tussen ontwikkeling en afbouw, tussen angst en ambitie.

Het werd een rijk gesprek. Fundamentele vragen kwamen op tafel. Hoe voorkom je dat je organisatie slimmer lijkt maar dommer wordt? Van wie is de opgebouwde intelligentie als een medewerker vertrekt? Hoe begeleid je mensen wier baan verdwijnt door iets dat ze zelf mee hebben opgebouwd? En wie bewaakt de menskant als de technologie alle aandacht opeist? Hoe verkrijg je als HR-professional de rol die je verdient?

Ik beloofde die avond de vijf redenen te delen waarom de CHRO de sleutelfiguur is van deze transitie, inclusief verwijzingen naar de achtergrondartikelen die ik meenam in het gesprek. Bij dezen.

Vijf redenen.

1. De CHRO heeft als enige het totaaloverzicht over de AI-upskilling van de organisatie

Elke afdeling is bezig met AI. Marketing experimenteert met content-agents. Finance automatiseert rapportages. R&D gebruikt copilots voor code. Maar wie ziet het geheel?

De CHRO.

Zij kan als enige alle individuele AI-leerplannen overzien en er een bedrijfsbreed beeld uit destilleren. Welke vaardigheden groeien? Welke verdwijnen? Waar ontstaan gaten die niemand nog ziet?

Met de KAI-scan (jouw persoonlijke AI-upskillplan) hebben we laten zien hoe je op individueel niveau in kaart brengt welke taken door AI veranderen en welke upskilling daarbij hoort. Deze scan is gratis te doen via aicollectief.nl.

De echte waarde ontstaat pas als je dat aggregeert. Als je weet wat de hele organisatie nodig heeft om intelligent te worden.

Dat vraagt om meer dan een trainingsplan. Namelijk om een nieuw begrip van AI-geletterdheid: de combinatie van kennis (wat kan AI), vaardigheden (hoe werk je ermee) en houding (hoe blijf je kritisch, hoe geef je richting). Gartner onderzoek onder 426 CHRO’s bevestigt dit: AI-transformatie staat bovenaan de prioriteitenlijst voor 2026 (Gartner).

Maar slechts 21% van de CHRO’s is daadwerkelijk betrokken bij de strategische AI-beslissingen (Gartner). Die kloof moet dicht.

De CHRO die dat totaaloverzicht pakt, wordt de navigator van de overtocht.

2. De CHRO moet kennismanagement opnieuw uitvinden, voordat de organisatie slimmer lijkt maar dommer wordt

Het meest onderschatte risico van de AI-transitie. Ik schreef er eerder over samen met Mike Rijkers: Hoe voorkom je dat je door AI slimmer lijkt, maar dommer wordt?

Het probleem heet cognitieve offloading: we besteden ons denkwerk uit aan machines. Efficiënt op de korte termijn. Maar het vreet aan het leervermogen van mensen en organisaties.

Een junior designer die wireframes laat genereren, ontwikkelt geen gevoel voor hiërarchie. Een analist die AI de rapportages laat schrijven, verliest het inzicht in de data. Een manager die besluitvorming uitbesteedt aan een dashboard, stopt met nadenken over context.

Kennismanagement in de intelligentie-economie werkt fundamenteel anders. Vroeger ging het om: hoe slaan we kennis op en hoe delen we die? Nu: hoe zorgen we dat mensen blijven begrijpen wat ze doen, ook als AI het beter en sneller kan?

De CHRO organiseert hier het leren-te-leren. Zoiets als de Dag van het Ambacht die we in dat artikel beschrijven: bewust zonder AI werken om te voelen waar het vak ophoudt en de tool begint. Dat klinkt romantisch. Het is keiharde noodzaak.

Een organisatie die alles kan maar niets meer begrijpt, is kwetsbaarder dan ze denkt.

3. De CHRO organiseert de Augmented Intelligence: de innovatiekracht die ontstaat uit mens + machine

In mijn meest recente artikel Augmented Intelligence: van wie zijn jouw (codified) skills eigenlijk? beschrijf ik hoe de combinatie van menselijke intelligentie en AI een nieuw soort productiefactor creëert. Jouw ervaring, intuïtie en oordeelsvermogen, versterkt door een AI-systeem dat jouw manier van denken en werken heeft geleerd.

Die combinatie is krachtiger dan beide delen apart. Maar ze ontstaat niet vanzelf.

De CHRO heeft hier een dubbele opdracht.

Eerste: het Recursive Self-Improvement vliegwiel aanjagen. Mens en machine die elkaar continu verbeteren. Jij traint het systeem met je feedback, het systeem daagt jouw denken uit, jij wordt scherper, het systeem wordt preciezer. Dat is de kern van Augmented Intelligence.

Tweede: de houding kweken die daarbij hoort. Nieuwsgierigheid. Experimenteerdrift. De bereidheid om bestaande werkwijzen los te laten. Critical Prompting is daarvan een voorbeeld: AI gebruiken als denkpartner die je scherper maakt, in plaats van klakkeloos overnemen wat het produceert.

BCG publiceerde begin 2026 een rapport over de herontdekking van de CHRO in het AI-tijdperk. De kern: CHRO’s leiden de bredere AI-transformatie van de hele organisatie, inclusief het ontwerpen van hybride teams van mensen en AI-agents (ook besproken in dit artikel van BCG).

De organisaties die hier het verst in zijn, behandelen AI-agents als teamleden die onboarding, context en ontwikkeling nodig hebben. Net als mensen. En wie organiseert dat? De CHRO.

4. De CHRO beschermt de organisatie tegen de keerzijde van AI

AI-burnout is reëel. De uitputting van continu moeten meebewegen met systemen die sneller leren dan jij. De constante druk om bij te blijven. Het gevoel dat je waarde afneemt naarmate de machine beter wordt.

Alberto Romero schreef onlangs een overlevingsgids voor het AI-tijdperk. Zijn centrale inzicht: AI maakt je werk niet overbodig door je taken te automatiseren, maar door ze overbodig te maken. De grond verschuift onder je voeten, en het standaard advies (”wees adaptief”, “blijf leren”) is functioneel leeg als je niet weet waarheen.

Cognitieve offloading (zie punt 2) heeft een psychologische kant die we nauwelijks bespreken. Als je jarenlang je denkvermogen uitbesteedt, wat doet dat met je zelfvertrouwen? Met je gevoel van agency? Met je professionele identiteit?

In Dilemma’s op weg naar de intelligentie-economie beschreef ik tien van dit soort botsingen. Het dilemma tussen efficiëntie en leervermogen. Tussen automatisering en werkgelegenheid. Tussen snelheid en menselijke waardigheid.

De CHRO signaleert deze risico’s als eerste. AI-burnout herkennen voordat het een verzuimprobleem wordt. Cognitieve offloading monitoren: worden mensen afhankelijk of worden ze sterker? Psychologische veiligheid bewaken in teams waar AI de verhoudingen verschuift. Ethische grenzen stellen aan hoe ver automatisering mag gaan.

Josh Bersin voorspelt dat AI-superagents in 2026 tot 30% van de traditionele HR-rollen transformeren. 91% van de CHRO's noemt AI hun grootste zorg. Die cijfers zijn geen abstractie. Ze raken mensen. En iemand moet voor die mensen staan.

5. De CHRO leidt het verandermanagement van de grootste transitie sinds het internet

De overtocht van een kennis- naar een intelligentie-economie raakt alles. Functies veranderen. Sommige verdwijnen. Nieuwe ontstaan. Teams worden hybride: deels mens, deels machine. Dat vraagt om regie.

De CHRO opereert hier op drie fronten.

Het ontwikkelfront: nieuwe rollen ontwerpen, mensen begeleiden naar werk dat er twee jaar geleden nog niet was, leertrajecten bouwen die uitgaan van dynamische capabilities in plaats van statische functiebeschrijvingen.

Het moeilijke front: ontslagen. Reorganisaties. Het eerlijke gesprek met mensen wier werk overbodig wordt. De juridische complexiteit van functies die verdwijnen door AI. De communicatie daaromheen: menselijk en eerlijk, zonder te verhullen. Dit is waar tough love de organisatie binnenkomt.

Het culturele front: een organisatiecultuur bouwen waarin verandering een gewoonte wordt, geen bedreiging. Gartner toont aan dat leiders die verandering routiniseren drie keer vaker succesvolle adoptie bereiken dan leiders die verandering proberen te inspireren. De CHRO is de architect van die cultuur.

In De intelligentie-economie en de opkomst van de intelligente onderneming beschrijf ik aan de hand van vier bedrijfsverhalen (Medvi, Block, Klarna, McKinsey) wat die bestemming er in de praktijk uitziet: organisaties die verschuiven van hiërarchie naar orkestratie, waarin mens, AI, data en externe platforms samenkomen in één lerend systeem. De CH

RO die verandermanagement leidt, moet weten waarheen ze verandert. Dit is de blauwdruk.

In Van angst naar ambitie schreef ik over Spinoza’s onderscheid tussen angst (passio) en rede (ratio) als kompas voor de omgang met AI. Datzelfde geldt voor organisaties. Een CHRO die vanuit angst leidt, beschermt en vertraagt. Een CHRO die vanuit rede leidt, bouwt en versnelt.

Vijf redenen, één conclusie: de CHRO is de spilfiguur van de intelligentie-transitie. Een strategische rol. De architect van de hybride organisatie.

Maar dan moet er wel iets veranderen. Drie dingen.

Wat de CHRO nu moet doen

Eerste: technologie echt gaan begrijpen.

Op CTO-niveau hoeft niet. Maar genoeg om mee te praten, mee te denken, en mee te sturen. Begrijpen wat een AI-agent is. Wat het verschil is tussen een copilot en een autonomous agent. Hoe een large language model werkt, op hoofdlijnen. Wat het betekent als AI 90% van alle code schrijft.

Een CHRO die dit niet begrijpt, wordt afhankelijk van vertaling door anderen. En vertaling is altijd verlies. De KAI-scan is een goed startpunt: doe hem eerst zelf, voor je eigen rol. Ontdek welke taken van de CHRO zelf door AI gaan veranderen. Dat is de snelste manier om te begrijpen wat je medewerkers doormaken.

Tweede: de menskant volledig begrijpen.

Technologie is het middel. Mensen zijn het doel.

Dat betekent: de angst serieus nemen zonder erin mee te gaan. De kansen zichtbaar maken zonder te overhypen. Eerlijk zijn over wat er verdwijnt. Ruimhartig zijn in wat je teruggeeft. Het verhaal vertellen van waar we naartoe gaan.

In Stop met fiksen, ga bouwen schreef ik dat de waarheid niet langer in het midden ligt, maar in de toekomst. Een CHRO die alleen beheert en beschermt, fikst. Een CHRO die bouwt aan de intelligente organisatie, leidt.

Derde: een veranderplan maken, samen met de CEO en de CAIO.

De AI-transitie is geen HR-project en geen IT-project. Het is een bedrijfstransformatie. De CHRO zit aan tafel bij de strategische beslissingen, als mede-architect.

Dat veranderplan heeft twee tijdshorizonten. Het nu-plan: welke rollen veranderen de komende twaalf maanden, welke upskilling is urgent, welke processen kunnen we vandaag al slimmer inrichten? En het straks-plan: hoe ziet onze organisatie er over drie jaar uit, welke capabilities hebben we dan nodig, hoe bouwen we een cultuur die continu leert en aanpast?

BCG noemt dit de “dual imperative”: tegelijkertijd de HR-functie moderniseren én de bredere AI-transformatie leiden. Dat kan de CHRO niet alleen. Het driemanschap CEO, CHRO en CAIO/CTO wordt het leiderschapsteam van de transitie.

We staan aan het begin van de grootste transformatie van werk sinds de industriële revolutie. De organisaties die deze overtocht succesvol maken, danken dat aan hun mensen. Aan hoe ze geleerd hebben, aan hoe ze beschermd zijn, aan hoe ze begeleid zijn door de onzekerheid heen.

Dat is het werk van de CHRO. Pak je rol!

Tot de volgende window, Ruben!

Dit artikel is geschreven naar aanleiding van het CHRO-event van donderdag 2 April. In de tekst verwijs ik naar eerdere artikelen over de intelligentie economie, AI-upskilling, cognitieve offloading en verandermanagement. Hieronder de volledige lijst:

• Laten we het minder hebben over AI. Maar vooral over de intelligentie-economie.

• Augmented Intelligence: van wie zijn jouw (codified) skills eigenlijk?

• Hoe voorkom je dat je door AI slimmer lijkt, maar dommer wordt?

• Dilemma’s op weg naar de intelligentie-economie

• Hoe verandert jouw baan door AI? Ontdek het met de KAI-scan!

• Critical Prompting: kritisch denken in tijden van AI

• Van angst naar ambitie: Spinoza als kompas

• We zijn onze high performance cultuur kwijt: breng terug dat scorebord!

• Stop met fiksen, ga bouwen: maak Amsterdam intelligent!

• Nieuw Amsterdam: tijd voor tough love

• Agenda Nieuw Amsterdam: pad naar de intelligente, lieve stad

• De Intelligentie Economie en de opkomst van de intelligente onderneming

Vier perspectieven op dezelfde verschuiving: pad naar de intelligente onderneming.

Medvi, een telehealthbedrijf met twee medewerkers dat met AI en 20.000 dollar een miljardenoperatie orkestreerde. Block, het bedrijf van Jack Dorsey, dat haar complete hiërarchie wil vervangen door een intelligentielaag. Klarna, dat haar personeelsbestand halveerde terwijl de omzet verdubbelde, en daarbij ontdekte dat de mens juist waardevoller wordt. En McKinsey, dat na een jaar bouwen met AI-agenten zes lessen destilleerde die de eerdere drie verhalen verbinden.

De eerste van onderop gebouwd. De tweede van binnenuit herontworpen. De derde door organische krimp getransformeerd. De vierde uit honderden implementaties gedestilleerd. Samen tekenen ze de contouren van wat de intelligente onderneming in de praktijk betekent.

De intelligente onderneming is binnen handbereik. Wie durft?

Deel 1: Medvi, de intelligente onderneming vanaf nul

Er circuleert een verhaal dat meer is dan een curiositeit uit de techwereld. Volgens berichtgeving over Medvi bouwde Matthew Gallagher met ongeveer 20.000 dollar en een stapel AI tools in korte tijd een telehealthbedrijf dat in 2025 circa 401 miljoen dollar omzet draaide en in 2026 op koers ligt voor 1,8 miljard dollar omzet. Het bedrijf werkte daarbij met slechts twee vaste mensen, Gallagher zelf en later zijn broer. AI en uitbestede infrastructuur droegen de rest van de operatie. (Forbes)

Medvi is een Amerikaans telehealthplatform dat online toegang biedt tot GLP-1 afslankmedicatie zoals semaglutide en tirzepatide, inclusief arts-consultatie, receptbeoordeling en thuisbezorging via een maandelijks abonnement. Het bedrijf bezit zelf geen kliniek, apotheek of technologie, maar orkestreert alles via externe partners en AI.

Voor veel mensen is dit vooral een spectaculair ondernemersverhaal. Economisch gezien is het iets groters. Het laat zien dat we een tijdperk binnengaan waarin intelligentie zelf een productiefactor wordt. Menselijke kennis, ervaring en arbeid tellen nog steeds mee, maar daarnaast telt nu ook de mate waarin een onderneming intelligentie kan organiseren, inzetten, opschalen en combineren met bestaande platforminfrastructuur. Dat is de kern van de Intelligentie Economie.

Van kennis naar intelligentie

De oude economie draaide om klassieke productiefactoren: arbeid, kapitaal, grondstoffen, organisatiekracht en later ook kennis. In de kenniseconomie won vaak degene met de meeste expertise, de beste specialisten en de grootste hoeveelheid vastgelegde kennis in processen, systemen en afdelingen.

In de Intelligentie Economie verschuift dat. De vraag is niet meer alleen: wie weet het meest? De vraag wordt: wie kan het snelst relevante intelligentie mobiliseren? Wie kan redeneren met data, AI, workflows, modellen en menselijk oordeel in één operationeel systeem? Wie kan signalen sneller omzetten in besluiten, campagnes, producten, service en verbetering?

Medvi maakt precies deze verschuiving zichtbaar. AI was daar geen aardige assistent naast het werk. AI was de uitvoerende laag voor code, copy, support, advertenties en analytics. Tegelijk bouwde Medvi artsen, farmacie en andere gereguleerde onderdelen niet intern op. Die sloten ze aan via platforms zoals CareValidate en OpenLoop, volgens de berichtgeving. (Forbes)

De onderneming van nu hoeft (misschien) niet meer alles zelf te bezitten om op grote schaal te opereren. Zij moet vooral de juiste intelligentie kunnen orkestreren.

De intelligente onderneming

Dat brengt ons bij een tweede begrip: de intelligente onderneming.

De intelligente onderneming is geen bedrijf dat alleen veel AI gebruikt. De intelligente organisatie is:

Het is een organisatievorm waarin mens, AI, data, externe platforms en besluitvorming samenkomen in één lerend systeem.

Zo’n onderneming doet vijf dingen anders.

Zij codificeert werkwijzen, voorkeuren, redeneringen en beslislogica. Wat vroeger impliciet in mensen zat, maakt zij nu gedeeltelijk expliciet en verbindt zij aan AI.

Zij bouwt vanuit processen en uitkomsten. Geen losse eilanden van HR, marketing of operatie, maar slimme ketens die elkaar versterken.

Zij huurt waar mogelijk infrastructuur in, zodat interne energie gaat naar richting, ontwerp, merk, klantinzicht en kwaliteitscontrole.

Zij verkort de afstand tussen idee en uitvoering. Wat vroeger weken of maanden kostte, test zij nu in dagen of uren.

Zij leert continu. Iedere interactie kan input zijn voor verbetering van prompts, workflows, beslisregels, content, funnels of dienstverlening.

Mensen verdwijnen daar niet door. De waarde van mensen verschuift. Minder tijd gaat naar repetitie en coördinatie. Meer tijd gaat naar oordeelsvorming, positionering, vertrouwen, morele afwegingen, relaties en systeemontwerp.

Waarom dit verhaal ondernemers wakker moet schudden

Het Medvi verhaal toont niet dat iedereen morgen met één laptop miljardair wordt. Het toont wel dat de minimale schaal om serieus mee te doen dramatisch daalt. Een kleine speler kan vandaag met weinig kapitaal een operatie bouwen die vroeger een team van developers, marketeers, supportmedewerkers, analisten en projectmanagers nodig had.

Dat heeft enorme gevolgen voor ondernemers.

Een klein bedrijf kan ineens professioneel ogende content produceren, klantenservice deels automatiseren, campagnes testen, data analyseren en software bouwen zonder klassieke overhead. Een middelgrote organisatie kan complete workflows herontwerpen. Een grote organisatie kan niet langer volstaan met een paar Copilots bovenop bestaande bureaucratie. Die moet haar hele operating model opnieuw bekijken.

De nieuwe concurrent is namelijk slimmer georganiseerd. Niet groter.

Maar ook: dit verhaal wordt te makkelijk geromantiseerd

Juist daarom is nuance belangrijk. In de berichtgeving over Medvi staat ook dat het systeem aanvankelijk fouten maakte, zoals verkeerde prijzen tonen en niet bestaande producten noemen. Gallagher moest dat corrigeren. Daarnaast profiteerde Medvi van een uitzonderlijk sterke markt, namelijk de explosieve vraag naar GLP 1 gerelateerde telehealthdiensten. AI was dus niet de enige verklaring voor het succes. Vraag, timing, marktstructuur en uitbestede infrastructuur speelden ook een grote rol. (PYMNTS.com)

Dat is een cruciale les. De Intelligentie Economie gaat niet alleen over tools. Zij gaat over combinatiekracht. AI zonder markt is niets. AI zonder vertrouwen is fragiel. AI zonder kwaliteitscontrole schaalt fouten op. AI zonder menselijk oordeel kan efficiënt lijken, maar wordt dan roekeloos.

De intelligente onderneming is daarom niet automatisch de kleinste onderneming. Het is de onderneming die het best weet waar automatisering werkt, waar menselijke controle nodig blijft en waar verantwoordelijkheid niet uitbesteed mag worden.

Van efficiëntie naar beschaving

Onder deze ontwikkeling zit ook een maatschappelijke laag. Als intelligentie goedkoper, sneller en schaalbaarder wordt, verandert niet alleen het bedrijfsleven. Dan verandert ook wat wij onder werk, ondernemerschap en organisatie verstaan.

In de kenniseconomie draaide status vaak om diploma’s, functies, ervaring en toegang tot informatie. In de Intelligentie Economie verschuift status naar degenen die intelligentie goed kunnen inzetten: mensen die scherp kunnen denken, goed kunnen vragen, systemen kunnen ontwerpen, morele grenzen kunnen bewaken en snel kunnen leren.

Dat is een veel bredere opgave dan tech. Het raakt onderwijs, overheid, arbeidsmarkt en bestuur. Wie blijft denken in oude hokjes, mist de werkelijke verandering. Het gaat niet om nog een digitaliseringsslag. Het gaat om een andere manier van waarde creëren.

Wat dit betekent voor Nederlandse ondernemers

Voor ondernemers in Nederland is dit geen futuristische discussie. Het is een strategische vraag voor vandaag.

Welke delen van mijn organisatie draaien nog op dure menselijke repetitie, terwijl AI en slimme workflows dat sneller en goedkoper kunnen?

Waar zit mijn echte onderscheidend vermogen? In productie, in merk, in vertrouwen, in nichekennis, in relaties, in systeemontwerp?

Welke infrastructuur moet ik zelf bezitten en welke kan ik slimmer aansluiten via partners en platforms?

Heb ik al een intelligente onderneming in wording, of heb ik vooral losse AI experimenten zonder samenhang?

Veel organisaties zijn nu nog bezig met tool adoptie. Ze testen ChatGPT, laten iemand wat prompts schrijven en hopen op productiviteitswinst. Begrijpelijk, maar onvoldoende. De sprong vooruit komt pas wanneer AI, processen, mensen en besluitvorming opnieuw op elkaar worden ontworpen.

De volgende stap

De echte belofte van de Intelligentie Economie is niet de eenzame oprichter die alles alleen doet. Dat beeld is mediageniek, maar beperkt. De grotere belofte is dat ondernemingen, teams en steden intelligenter ingericht kunnen worden. Met minder verspilling. Met meer leervermogen. Met minder bureaucratische ruis. Met meer ruimte voor menselijke kwaliteit.

Daarom is de intelligente onderneming ook geen hypewoord. Het is een noodzakelijke vorm voor een tijd waarin kennis overvloedig is, maar goede intelligentie schaars blijft.

De winnaar van de komende jaren is de partij die menselijke en kunstmatige intelligentie het best weet te verbinden aan echte waarde. Niet de partij met de meeste data, de meeste mensen of het grootste budget.

En dat is precies waarom het Medvi verhaal ertoe doet. Het laat zien dat de logica van ondernemerschap aan het kantelen is.

Van kennis naar intelligentie. Van afdelingen naar systemen. Van capaciteit naar orkestratie. Van onderneming naar intelligente onderneming.

Deel 2: Block, de intelligente onderneming van binnenuit

In deel 1 beschreef ik hoe Medvi, een telehealthbedrijf met twee medewerkers, met AI en 20.000 dollar een miljardenoperatie orkestreerde. Dat verhaal ging over de intelligente onderneming gebouwd vanaf nul. Dit deel gaat over een veel moeilijkere vraag: hoe bouw je een bestaande organisatie van duizenden mensen om tot een intelligente onderneming?

Eind maart 2026 publiceerden Jack Dorsey en Roelof Botha een essay dat precies die vraag beantwoordt (Block). Dorsey is oprichter van Block (het moederbedrijf van Square, Cash App en Afterpay). Botha is managing partner bij Sequoia Capital, een van de invloedrijkste durfkapitaalfondsen ter wereld. Hun essay heet From Hierarchy to Intelligence, en het is het meest concrete plan dat ik tot nu toe heb gezien voor wat de intelligente onderneming in de praktijk kan betekenen voor een groot bedrijf.

Tweeduizend jaar hetzelfde probleem

Dorsey en Botha beginnen met een verrassend uitgangspunt. Ze beschrijven hoe het Romeinse leger tweeduizend jaar geleden een probleem oploste dat elke grote organisatie vandaag nog steeds heeft: hoe coördineer je duizenden mensen over grote afstanden met beperkte communicatie?

Het antwoord was hiërarchie. Acht soldaten deelden een tent onder een decanus. Tien van die groepen vormden een centuria onder een centurion. Zes centuria’s vormden een cohort. Tien cohorten vormden een legioen van vijfduizend man. Op elke laag verzamelde een commandant informatie van onder en gaf beslissingen door van boven. De structuur was een informatierouteringsprotocol, gebouwd rond één menselijke beperking: een leider kan effectief drie tot acht mensen aansturen. (Block)

Die basislogica veranderde daarna eigenlijk nooit meer. De Pruisische legerhervormers na 1806 voegden er de generale staf aan toe: een klasse van getrainde officieren wier taak het was om informatie te verwerken, operaties te plannen en eenheden op elkaar af te stemmen. Dat was middle management avant la lettre. De Amerikaanse spoorwegen namen in de jaren 1850 die militaire structuur over. Daniel McCallum van de New York and Erie Railroad tekende het eerste organogram ter wereld om een systeem van meer dan 800 kilometer met duizenden werknemers beheersbaar te maken. Frederick Taylor optimaliseerde vervolgens wat er binnen die hiërarchie gebeurde door werk op te breken in gespecialiseerde taken.

De kern van het argument: elke organisatievorm die we kennen, van het Romeinse legioen tot het moderne bedrijf, is een variatie op hetzelfde thema. Lagen van mensen die informatie doorgeven, beslissingen nemen en coördinatie verzorgen. Spotify probeerde het met squads. Zappos met holacracy. Valve met een platte structuur zonder management. Allemaal liepen ze vast zodra ze groeiden, omdat er geen alternatief informatierouteringsmechanisme bestond dat krachtig genoeg was om hiërarchie te vervangen.

Tot nu.

Wat Block anders wil doen

De meeste bedrijven die AI inzetten, geven iedereen een copilot. Dat maakt de bestaande structuur iets beter, zonder haar te veranderen. Block wil iets fundamenteel anders: het bedrijf zelf organiseren als een intelligentie.

Dorsey en Botha maken het concreet. Ze beschrijven vier bouwlagen.

Capabilities. De atomaire financiële bouwblokken: betalingen, leningen, kaartuitgifte, bankieren, payroll, buy-now-pay-later. Bouwstenen, geen producten. Ze zijn moeilijk te verwerven en te onderhouden. Ze hebben geen eigen gebruikersinterface, wel betrouwbaarheid, compliance en prestatiedoelen.

Een wereldmodel. Dit heeft twee kanten. Het bedrijfsmodel is hoe het bedrijf zichzelf begrijpt: eigen operatie, prestaties en prioriteiten. Dat vervangt de informatie die vroeger door lagen management stroomde. Het klantmodel is een per-klant, per-handelaar, per-markt representatie gebouwd uit transactiedata. Block ziet beide kanten van miljoenen transacties per dag: de koper via Cash App, de verkoper via Square. Dat levert iets op wat ze zelf eerlijk signaal noemen. Mensen liegen op enquêtes. Ze negeren advertenties. Ze verlaten winkelwagentjes. Maar wanneer ze betalen, sparen of lenen, is dat de waarheid.

Een intelligentielaag. Dit is het systeem dat capabilities combineert tot oplossingen voor specifieke klanten op specifieke momenten. Een voorbeeld uit het essay: de cashflow van een restaurant krimpt voor een seizoensdip die het model eerder heeft gezien. De intelligentielaag combineert een kortetermijnlening uit de leencapability, past het aflossingsschema aan via de betalingscapability en presenteert het aan de ondernemer voordat die zelf naar financiering gaat zoeken. Geen productmanager heeft die oplossing bedacht. De bouwstenen bestonden. De intelligentielaag herkende het moment en componeerde ze.

Interfaces. Square, Cash App, Afterpay, TIDAL, Bitkey. De oppervlakken waarop de intelligentielaag oplossingen aflevert. Belangrijk, maar de echte waarde zit in het model en de intelligentie.

Wat betekent dit voor de mensen?

In een traditioneel bedrijf zit de intelligentie verspreid over de mensen. De hiërarchie routeert die intelligentie. Bij Block zit de intelligentie in het systeem. De mensen staan aan de rand, wat ze de edge noemen. Die edge, schrijven Dorsey en Botha, is waar de actie is.

Mensen aan de edge doen wat het model nog niet kan. Ze voelen dingen aan die het model niet waarneemt: intuïtie, culturele context, vertrouwensdynamiek, de sfeer in een ruimte. Ze nemen beslissingen die het model niet alleen mag nemen, vooral ethische keuzes, nieuwe situaties en momenten waarop de kosten van een fout existentieel zijn. (Block)

Block reduceert de hele organisatie naar drie rollen.

Individual contributors (IC’s) bouwen en beheren de capabilities, het model, de intelligentielaag en de interfaces. Het wereldmodel geeft hen de context die een manager vroeger gaf, zodat ze beslissingen kunnen nemen zonder te wachten op instructies van boven.

Directly Responsible Individuals (DRI’s) zijn eigenaar van specifieke problemen of kansen. Een DRI kan negentig dagen eigenaar zijn van het probleem “klantverlies bij handelaren in een bepaald segment”, met volledige bevoegdheid om resources te trekken uit het wereldmodelteam, het leenteam en het interfaceteam.

Player-coaches combineren bouwen met het ontwikkelen van mensen. Ze vervangen de traditionele manager wiens hoofdtaak informatieroutering was. Een player-coach schrijft nog steeds code, bouwt modellen of ontwerpt interfaces. Daarnaast investeert die in de groei van collega’s. Het wereldmodel regelt de afstemming. De DRI-structuur regelt strategie en prioriteit. De player-coach regelt vakmanschap en mensen. Statusmeetings, afstemoverleggen en prioriteitsdiscussies zijn overbodig geworden.

Een permanente laag van middle management is in dit model overbodig. Alles wat de oude hiërarchie deed, doet het systeem.

Waarom dit zo’n grote belofte is

Dorsey en Botha zeggen hardop wat veel bedrijven voelen maar vermijden. De hiërarchie die we gebruiken is een informatierouteringsprotocol uit de oudheid. We hebben er tweeduizend jaar lang mee gewerkt omdat er geen alternatief was. Elke poging om het te vervangen, van matrixorganisaties tot holacracy, liep vast op dezelfde beperking: mensen waren de enige manier om informatie te routeren in complexe organisaties.

AI doorbreekt die beperking. Een systeem kan nu een continu bijgewerkt model onderhouden van een heel bedrijf en dat model gebruiken om werk te coördineren op manieren waarvoor je eerder mensen nodig had die informatie door lagen management stuurden.

Dat is de belofte. Als het werkt, verdwijnt de bureaucratische ruis die grote organisaties traag maakt. Informatie hoeft niet meer omhoog en omlaag door een keten. Iedereen aan de edge heeft de context om te handelen. De organisatie wordt sneller, platter en responsiever.

Maar ook hier: nuance

Block steekt niet weg dat ze aan het begin staan. Dorsey en Botha schrijven zelf dat delen van deze transitie waarschijnlijk breken voordat ze werken. (Block)

En er zitten echte risico’s in dit model.

Het eerste risico is machtsconcentratie. Als het wereldmodel bepaalt welke informatie iedereen krijgt, wie bouwt en bewaakt dat model dan? In een hiërarchie is macht zichtbaar: je ziet wie de baas is. In een intelligence-gedreven systeem kan macht onzichtbaar worden, verscholen in algoritmen, datastromen en de architectuur van het model zelf.

Het tweede risico is fragiliteit. Een hiërarchie van mensen is redundant. Als een manager uitvalt, nemen collega’s over. Als het wereldmodel uitvalt of foute conclusies trekt, raakt de hele organisatie gedesoriënteerd.

Het derde risico is de menselijke kant. Dorsey en Botha beschrijven dat mensen aan de edge intuïtie, ethiek en culturele context inbrengen. Dat is een mooie theorie. In de praktijk vereist dat een organisatiecultuur die ruimte geeft aan tegenspraak, twijfel en menselijk oordeel, juist wanneer het systeem een ander antwoord geeft. Die cultuur bouwen is minstens zo moeilijk als de technologie bouwen.

En in de praktijk?

Eric Siu, CEO van marketingbureau Single Grain, reageerde op het essay van Dorsey en Botha: hij bouwde een gedeelde database die elke vijftien minuten alle bedrijfsdata opzuigt, van Slack en CRM tot financiën, en waar al zijn AI-agents op draaien. Maar hij beschrijft ook wat Dorsey's essay weglaat: zodra meerdere agents op dezelfde data opereren, conflicteren ze. De sales-agent belooft een deadline die de SEO-agent al heeft afgeschreven. De content-agent schrijft op keywords die twee uur eerder zijn geschrapt. De theorie is elegant. De praktijk is coördinatie op een nieuw niveau. In een X-post beschrijft hij dat met de pro’s en con’s (Eric Siu op X).

Twee verhalen, één verschuiving

In deel 1 beschreef ik Medvi: een intelligente onderneming gebouwd vanaf nul. Twee mensen, AI, uitbestede infrastructuur, geen hiërarchie omdat die er nooit was. Dat verhaal laat zien hoe laag de drempel is geworden om serieus mee te doen.

Block is het omgekeerde verhaal. Duizenden medewerkers, meerdere merken, complexe regulering, een bestaande hiërarchie die bewust ontmanteld en vervangen moet worden door iets nieuws. Dat is onvergelijkbaar veel moeilijker.

Maar de onderliggende logica is dezelfde. Beide bewegen van hiërarchie naar orkestratie. Beide verschuiven de rol van mensen van informatieroutering naar oordeelsvorming, ethiek, creativiteit en systeemontwerp. Beide erkennen dat AI de coördinatielaag kan worden die vroeger alleen door mensen vervuld kon worden.

Het verschil zit in schaal en risico. Medvi laat zien wat er kan als je fris begint. Block laat zien wat er moet als je een bestaande organisatie wil transformeren. En voor de meeste Nederlandse ondernemers is dat tweede scenario relevanter. Zij hebben al teams, processen, cultuur en hiërarchie. De vraag voor hen is of ze hun bestaande organisatie durven te herontwerpen rond intelligentie in plaats van rond lagen van management.

Dat is de echte uitdaging van de Intelligentie Economie. De technologie bestaat. De architectuur begint zichtbaar te worden. De vraag die overblijft is organisatorisch, cultureel en uiteindelijk moreel: wie durft?

Van hiërarchie naar intelligentie. Van informatieroutering naar orkestratie. Van lagen naar de edge. Van het oude protocol naar het nieuwe.

Deel 3: Klarna, de paradox van de menselijke maat

Medvi bouwde de intelligente onderneming vanaf nul. Block ontwerpt haar van binnenuit. Klarna laat een derde route zien: de stille transformatie door organische krimp.

Onlangs circuleerden geruchten dat Klarna medewerkers had ontslagen om ze te vervangen door AI, en dat dit experiment was mislukt. CEO Sebastian Siemiatkowski wees dat resoluut van de hand. Geen sprake van massa-ontslagen wegens AI. Wat er wel gebeurde: twee tot drie jaar geleden stopte Klarna grotendeels met het aannemen van nieuw personeel. Door het natuurlijke verloop van 10 tot 15 procent, zo’n honderd medewerkers per maand, daalde het bestand in stilte van 7.400 naar minder dan 3.000 mensen. (YouTube: Sebastian Siemiatkowski interview, vanaf 1u35min)

Ondertussen verdubbelde de omzet.

Die ontkoppeling maakt de intelligente onderneming zichtbaar. AI handelt inmiddels 70 procent van alle klantenservicegesprekken af. Sneller, consistenter, en met hogere klanttevredenheid dan voorheen. De productiekosten van software daalden naar vrijwel nul. Siemiatkowski verwees naar een doorbraak in november en december vorig jaar: zelfs de meest sceptische engineers, waaronder de oprichter van Linux, erkenden dat coderen als ambacht fundamenteel veranderd is.

De paradox

Hier zit de les die Klarna onderscheidt van de eerste twee verhalen. Bij Medvi draait alles om orkestratie met minimale menselijke bezetting. Bij Block om het vervangen van hiërarchie door een intelligentielaag. Klarna voegt daar een inzicht aan toe dat je niet meteen verwacht: hoe meer AI overneemt, hoe waardevoller de mens wordt.

Siemiatkowski formuleert het scherp. In een wereld waar AI goedkoop en voor iedereen beschikbaar is, stijgt de waarde van echte menselijke interactie juist. Klanten blijven de behoefte houden om contact te maken met mensen. Juist omdat mensen persoonlijk zijn, relateerbaar, en soms imperfect. Die imperfectie is geen zwakte. Het is authenticiteit.

Bij Klarna verschuift menselijke interactie daardoor van een standaard operationele taak naar iets dat je kunt vergelijken met VIP-klantenservice. AI standaardiseert de massa. Mensen leveren de premium ervaring. En dat werk, het unieke, handgemaakte, puur menselijke werk, wordt bij Klarna beter beloond dan ooit.

Wat dit betekent

De drie cases samen vormen een steeds completer beeld. Medvi laat zien dat je met AI en orkestratie een heel bedrijf kunt opbouwen zonder klassieke organisatiestructuur. Block laat zien hoe je een bestaande structuur van duizenden mensen kunt herontwerpen rond een intelligentielaag. Klarna voegt de menselijke dimensie toe: automatisering maakt de mens niet overbodig. Ze maakt menselijkheid schaarser, en daarmee waardevoller.

Siemiatkowski is optimistisch dat de efficiëntieslag op de lange termijn leidt tot een rijkere samenleving. Dat is een positie die je kunt delen of bekritiseren. Waar je moeilijk omheen kunt, is de feitelijke uitkomst: half zoveel mensen, dubbele omzet, en hogere waardering voor het menselijke werk dat overblijft.

De intelligente onderneming herkent precies waar de machine uitblinkt: snelheid, consistentie, schaal. En ze beseft tegelijk dat de mens de ervaring levert die je niet kunt automatiseren.

Deel 4: McKinsey, zes lessen uit de praktijk

De eerste drie delen zijn bedrijfsverhalen. Medvi als startup, Block als architectuurvisie, Klarna als transformatie in uitvoering. Dit vierde deel komt uit een andere hoek: McKinsey publiceerde na een jaar bouwen met AI-agenten zes lessen die de eerdere drie verhalen verbinden. (McKinsey)

Drie van die lessen verdienen extra aandacht, omdat ze raken aan wat Medvi, Block en Klarna in de praktijk laten zien.

Het gaat om de workflow, niet om de agent

As one business leader told us, “Onboarding agents is more like hiring a new employee versus deploying software.” Agents should be given clear job descriptions, onboarded, and given continual feedback so they become more effective and improve regularly. (McKinsey)

McKinsey’s eerste les: organisaties staren zich blind op het bouwen van een AI-agent, terwijl de echte waarde pas ontstaat als je de volledige workflow herontwerpt. Mensen, processen en technologie samen.

Medvi deed precies dat. Gallagher bouwde geen spectaculaire AI. Hij herontwierp de hele workflow van telehealthdienstverlening, van advertentie tot consultatie tot levering, en vulde elke stap in met AI of uitbestede partners. De agent was ondergeschikt aan de keten.

Block beschrijft hetzelfde. Hun intelligentielaag combineert capabilities tot oplossingen op specifieke momenten. Geen losse tool. Een heel systeem. (McKinsey)

De beste use case is de reuse case

McKinsey’s vijfde les: in de beginfase bouwen bedrijven voor elke taak een unieke AI-agent. Dat leidt tot verspilling, omdat taken als data invoeren, zoeken en samenvatten sterk overlappen. Slimme organisaties investeren in herbruikbare bouwstenen.

Block noemt die bouwstenen capabilities. Klarna past hetzelfde principe toe door 70 procent van de klantenservice te laten afhandelen door systemen gebouwd op herbruikbare patronen. De logica is identiek: bouw eenmaal goed, gebruik overal.

De mens blijft, de rol verandert

When codifying practices, it’s important to focus on what separates top performers from the rest. For sales reps, this might include how they drive the conversation, handle objections, and match the customer’s style (McKinsey)

McKinsey’s zesde les: AI stroomlijnt workflows en op termijn zijn er vaak minder mensen nodig binnen een specifiek proces. De mens verdwijnt niet. Mensen blijven noodzakelijk voor toezicht, empathie, het oplossen van uitzonderingen en het waarborgen van compliance.

Dat is Klarna’s paradox in analytische taal. En Block’s edge-concept in operationele taal. De intelligente onderneming heeft minder mensen nodig voor routering en repetitie, maar méér menselijke kwaliteit voor oordeelsvorming, ethiek en vertrouwen.

McKinsey voegt daar een praktisch inzicht aan toe dat in de andere drie verhalen onderbelicht blijft: de interface bepaalt de adoptie. Een verzekeraar liet AI-samenvattingen valideren door beoordelaars. De adoptie schoot naar 95 procent nadat ze een interface bouwden die automatisch naar het juiste brondocument scrollde en de relevante tekst markeerde. Vertrouwen in AI groeit door het systeem controleerbaar te maken.

Wat McKinsey toevoegt

De drie eerdere cases zijn inspirerend, maar ook uitzonderlijk. Medvi profiteerde van een extreme markt en perfecte timing. Block heeft een visiedocument dat nog bewezen moet worden. Klarna opereerde in een sector waar digitalisering al ver gevorderd was.

McKinsey’s bijdrage is dat ze patronen zien dwars door honderden implementaties en sectoren heen. En die patronen bevestigen dezelfde verschuiving: de intelligente onderneming bouwt vanuit workflows, investeert in herbruikbare bouwstenen, en herwaardeert de mens voor precies dat wat AI niet kan.

Conclusie: vier inzichten over de intelligente onderneming

Vier cases. Vier invalshoeken. Eén verschuiving.

1. De organisatie is het product

Bij Medvi, Block en Klarna is de manier waarop het bedrijf georganiseerd is minstens zo bepalend als wat het verkoopt. Medvi verkoopt telehealthdiensten, maar het echte product is de orkestratielaag. Block verkoopt financiële diensten, maar de echte innovatie zit in het wereldmodel en de intelligentielaag. Klarna verkoopt betalingen, maar de voorsprong zit in de radicale ontkoppeling van omzet en personeelsomvang.

In de Intelligentie Economie is de organisatievorm zelf een concurrentievoordeel. Wie sneller leert, sneller combineert en sneller aanpast, wint. Ongeacht de sector.

2. Hiërarchie is geen natuurwet

Tweeduizend jaar lang was hiërarchie de enige manier om complexe organisaties te laten functioneren. Volgens Block doorbreekt AI dat monopolie. Een systeem kan nu context, coördinatie en besluitvorming in real-time leveren aan iedereen in de organisatie. De informatie die vroeger door lagen management stroomde, stroomt nu door een model.

Dat betekent niet dat hiërarchie morgen verdwijnt. Wel dat elke organisatie zich moet afvragen welke lagen werkelijk waarde toevoegen, en welke lagen bestaan omdat er tot nu toe geen alternatief was.

3. De mens wordt schaarser, en daarmee waardevoller

Klarna’s paradox is een belangrijk inzicht: Automatisering maakt menselijkheid schaars. En schaarste drijft waarde op. De intelligente onderneming heeft minder mensen nodig voor uitvoering, coördinatie en informatieroutering. Maar ze heeft méér behoefte aan oordeelsvorming, ethische afwegingen, vertrouwen, intuïtie en menselijke verbinding.

In de praktijk tekenen zich drie menselijke hoofdrollen af.

De eerste is de vakspecialist: iemand met diepe kennis van het ambacht, de processen en de domeinlogica. Die persoon weet wat er inhoudelijk klopt, waar de uitzonderingen zitten en welke kwaliteit de maatstaf is.

De tweede is de AI-vertaler: iemand die begrijpt hoe AI en agents werken en die bestaande workflows kan omzetten naar geautomatiseerde ketens. Die persoon bouwt de brug tussen het vak en de technologie.

De derde is de menselijke verbinder: iemand die uitblinkt in het persoonlijke contact, de klantrelatie, het vertrouwen dat alleen ontstaat van mens tot mens. Dat is de rol die Klarna de premium ervaring noemt.

Geen van die drie rollen is op zichzelf voldoende. De intelligente onderneming heeft ze alle drie nodig, en de kunst zit in de combinatie.

Het is een fundamentele verschuiving in wat menselijk werk betekent. De vraag voor elke organisatie is: investeer je in die menselijke kwaliteit, of automatiseer je door tot je organisatie efficiënt maar leeg is?

4. Vertrouwen is een ontwerpeis

In alle vier de cases keert hetzelfde thema terug. Medvi liep vast op AI-hallucinaties. Block waarschuwt voor onzichtbare machtsconcentratie. Klarna zag mediaberichten die hun verhaal vertekenden. McKinsey toont dat adoptie staat of valt met controleerbaarheid.

De intelligente onderneming die vertrouwen niet inbouwt als ontwerpeis, schaalt haar eigen kwetsbaarheid op. Vertrouwen ontstaat door transparantie, door controleerbaarheid, door menselijke tegenspraak en door het lef om te erkennen dat het systeem kan falen.

Het geheel

De intelligente onderneming is niet zozeer een bedrijf dat veel AI gebruikt. Het is een organisatievorm die intelligentie orkestreert: menselijk en kunstmatig, intern en extern, gecodificeerd en intuïtief.

Medvi laat zien dat de drempel daalt. Block dat de architectuur er is. Klarna dat de mens ertoe doet. McKinsey dat het in de praktijk werkt, mits je bouwt vanuit workflows, hergebruik en vertrouwen.

De vraag die overblijft is veel minder een technische vraag. Die is organisatorisch, cultureel en uiteindelijk moreel.

Wie durft?

Tot de volgende window, Ruben!

Hierboven zie je (een deel van) mijn ‘persoonlijke skills’ in Claude: instructies die ik de AI heb gegeven zodat hij precies weet hoe ik werk, schrijf en denk. Van mijn Substack-schrijfstijl tot het maken van facturen, van first principles-analyses tot mijn Nieuw Amsterdam-project. Claude kent mijn stem, mijn thema’s en mijn werkwijze. Dat is Augmented Intelligence in de praktijk: mijn kennis, ervaring en voorkeuren zitten in het AI systeem, en het systeem wordt met elke interactie scherper.

Stel je voor. Je werkt drie jaar bij een bedrijf. Je hebt in die tijd meer gedaan dan je werk. Je hebt een AI-systeem getraind, zeg bijvoorbeeld Copilot. Elke dag een beetje. Je hebt prompts geschreven die precies passen bij hoe jouw klanten denken. Je hebt workflows gebouwd die jouw manier van werken codificeren. Je hebt feedback gegeven waardoor het systeem steeds scherper werd, steeds meer op jou ging lijken.

En dan word je ontslagen.

Je laptop lever je in. Je badge ook. En je toegang tot je Copilot. Maar die drie jaar aan opgebouwde intelligentie? Die blijft achter. In het systeem. In het bedrijf.

Van wie was die opgebouwde intelligentie eigenlijk?
Welkom in de intelligentie economie!

Dit artikel gaat over de opkomst van intelligentie als nieuwe productiefactor, naast arbeid, kapitaal en kennis. Over hoe jouw menselijke skills en codified skills (de skills van jouw AI-systeem) elkaar versterken in een persoonlijk intelligentiesysteem dat niemand anders heeft. En over de urgente vraag die daarbij hoort: als jij dat systeem opbouwt binnen een bedrijf, van wie is het dan? Zeker als organisaties hun medewerkers eerst de systemen laten voeden om ze daarna overbodig te verklaren.

Een nieuwe productiefactor

Lange tijd was het verhaal overzichtelijk. De industriële economie draaide om arbeid en kapitaal. Machines, fabrieken, handwerk. De kenniseconomie verschoof het zwaartepunt naar wat je wist. Diploma’s, expertise, ervaring. Kennis was macht, en die macht zat in jouw hoofd.

Nu verschuift het opnieuw. Naar hoe je denkt. Hoe je redeneert. Hoe je systemen inzet die met je meedenken. De productiefactor die erbij komt heet intelligentie. Kunstmatige intelligentie en menselijke intelligentie. De combinatie van beide: jouw denkkracht die de rekenkracht richting geeft:

Augmented Intelligence.

In de kenniseconomie was je een professional met een vak. In de intelligentie economie ben je een professional met een systeem. Dat systeem is deels jij, deels machine. En de grens daartussen wordt elke dag vager.

De term Augmented Intelligence gaat terug tot 1962, toen Douglas Engelbart in zijn paper "Augmenting Human Intellect: A Conceptual Framework" al beschreef hoe technologie het menselijk denkvermogen kan versterken in plaats van vervangen.

Skills en skills

Kijk naar hoe je vandaag werkt als je AI serieus inzet. Je hebt twee lagen van skills.

De eerste laag is klassiek menselijk. Je menselijke skills. Je ervaring. Je intuïtie. Je morele oordeel. Je vermogen om context te lezen, om nuance te zien, om te weten wanneer een AI-model er compleet naast zit. Geen prompt vervangt dat. Het zijn de skills die je in twintig jaar opbouwt door op de mat te staan, door fouten te maken en te leren van mensen die scherper zijn dan jij. Je eerste, biologische brein.

De tweede laag is nieuw. Je codified-skills. Hier doel ik op de ‘skills’ die jouw geconfigureerde AI-systeem heeft. De prompts die je hebt verfijnd. De workflows die je hebt gebouwd in de AI. De AI-agents die je hebt geconfigureerd. De kennislagen die je hebt aangelegd, de bronnen die je hebt gekoppeld, de feedback loops die je hebt ingericht. Ambacht die jij hebt verpakt in de machine. Je tweede, codified brein.

En die twee lagen zijn niet los van elkaar. Ze voeden elkaar continu. Jouw menselijke ervaring maakt je prompts scherper. Je AI-output daagt je denken uit. Je combineert inzichten die je alleen nooit had gevonden. Je traint het systeem, en het systeem traint jou.

Zoals hieronder mijn substack-ruben ‘skills’.

Skills zijn Markdown-bestanden (.md) omdat dat het simpelste formaat is dat zowel mensen als AI goed kunnen lezen: platte tekst met minimale opmaak. Geen database, geen code, geen interface nodig. Gewoon een bestand met instructies dat je in twee minuten kunt schrijven en aanpassen. Bij elke vraag die je stelt leest de AI de relevante skill mee als context, waardoor hij precies weet hoe hij voor jou moet werken.

Dat is de kern van Augmented Intelligence: geen tool die je gebruikt. Een versnellingsloop die je opbouwt.

Jouw AI is persoonlijk

Want jouw AI-systeem is niet hetzelfde als dat van je collega. Zelfs niet als jullie exact dezelfde software gebruiken.

Jouw systeem is gevoed door twee bronnen. De eerste is intern: jouw kennis, jouw denkpatronen, jouw manier van redeneren, jouw emails, jouw manier van schrijven, jouw mentale modellen, jouw agenda, jouw ervaringen, jouw Apps. Alles wat jij in de loop der jaren hebt opgebouwd en nu in je AI stopt. De keuzes die je maakt in wat je opslaat, hoe je feedback geeft, welke context je toevoegt.

De tweede bron is extern: de data, de documenten, de bronnen, de nieuwsfeeds, de vakkennis die je koppelt. Het internet, gefilterd door jouw oordeel. Precies dat wat jij relevant vindt.

Die combinatie maakt jouw AI uniek. Geen generiek hulpmiddel meer. Een persoonlijk intelligentiesysteem. Gevormd door wie jij bent, wat je weet, en hoe je denkt.

Erik Brynjolfsson, econoom aan Stanford, noemt dit de verschuiving van routine cognitive work naar non-routine cognitive work augmented by machines. Dat klinkt te klinisch voor wat er werkelijk gebeurt. Je bouwt een tweede brein. Een brein dat deels van jou is, deels van de wereld, en dat elke dag slimmer wordt omdat jij het voedt.

De feedback loop

De echte kracht zit in de loop. Jij gebruikt AI. AI leert van jouw input. AI wordt beter afgestemd op jou. Jij wordt productiever door die AI. Je genereert nieuwe inzichten. Die voed je weer terug.

Geen lineaire verbetering. Een vliegwiel. Hoe langer je het draaiend houdt, hoe sneller het gaat. De professionals die dit begrijpen, die bewust investeren in hun AI-skills (lees: de skills van jouw AI) naast hun menselijke skills, bouwen een voorsprong op die steeds moeilijker in te halen is.

En precies daar zit het nieuwe verschil. Je waarde als professional zit niet meer alleen in wat jij kunt. Het zit in hoe goed jouw systeem werkt. Hoe uniek jouw combinatie van mens en machine is. Hoe goed je die twee laat samenwerken.

Je bent geen werknemer met vaardigheden meer. Je bent een manager van een hybride intelligentiesysteem.

De schaduwkant

In organisaties gebeurt iets fundamenteels dat we nog nauwelijks bespreken.

Je bent professional bij een bedrijf. Je brengt elke dag je kennis in. Je leert de AI-systemen van je werkgever hoe jouw domein werkt. Je bouwt workflows. Je optimaliseert beslissingen. Je stopt je inzichten, je ervaring, je denkpatronen in het systeem. Het systeem van je werkgever.

Het systeem wordt slimmer. Efficienter. Het neemt jouw manier van werken over. En het bedrijf wordt beter. Productiever. Winstgevender.

Door jou.

Wat gebeurt er als jij vertrekt?

In de oude wereld was het simpel. Je kennis zat in je hoofd. Je nam het mee als je wegging. Een bedrijf kon je ontslaan, het kon je expertise niet confisqueren. Die was van jou.

In de nieuwe wereld is dat anders. Jouw kennis zit deels in systemen. Jouw manier van denken is verwerkt in algoritmes. Jouw workflows zijn geautomatiseerd. Jouw intelligentie is geëxtraheerd.

En het schuurt nog verder. Stel: het bedrijf heeft jouw input gebruikt om het AI-systeem zo goed te maken dat het jouw werk nu zelf kan doen.

Jouw kennis heeft het systeem gevoed. Het systeem heeft jou vervangen. Ontslag volgt.

En de intelligentie die dat mogelijk maakte? Van het bedrijf.
Geen dystopisch toekomstscenario. Dit gebeurt nu al.

Van wie is welke intelligentie?

Dit is een eigendomsvraagstuk van de intelligentie economie. Fundamenteel anders dan alles wat we kennen.

Bij intellectueel eigendom hebben we patent- en auteursrecht. Bij data hebben we de AVG. Bij opgebouwde intelligentie in AI-systemen hebben we niets. Geen kader. Geen afspraken. Geen jurisprudentie.

Is de intelligentie van jou, omdat jij het hebt opgebouwd? Of van het bedrijf, omdat het systeem daar draait, op hun servers, in hun licentie?

En scherper: als jij vertrekt, mag je jouw AI meenemen? Je prompts, je workflows, je getrainde modellen? Of is dat bedrijfseigendom, net als die laptop die je inleverde?

Een openstaande vraag: niemand weet het. De arbeidsmarkt heeft hier nog geen taal voor, laat staan regels.

De nieuwe onderhandeling

Dit vraagt om een nieuw gesprek. Tussen werknemers en werkgevers. Tussen professionals en platforms. Tussen individuen en de systemen waar ze aan bijdragen.

Professionals moeten gaan nadenken over vragen die vijf jaar geleden absurd klonken. Wat is mijn toegang tot de AI-systemen die ik heb opgebouwd? Kan ik mijn workflows meenemen? Zijn mijn prompts, mijn agents, mijn datasets draagbaar? Wat deel ik wel, en wat deel ik niet?

Organisaties moeten de andere kant van diezelfde vragen beantwoorden. Hoe trek je talent aan zonder het intellectueel leeg te trekken? Hoe ga je eerlijk om met ingebrachte intelligentie? Hoe zorg je dat de relatie samenwerking is in plaats van extractie?

De bedrijven die dit goed doen, zullen talent aantrekken. De organisaties die het niet doen, zullen merken dat de beste professionals hun echte intelligentie voor zichzelf houden. Uit zelfbescherming.

De verschuiving

We zijn verschoven van arbeid naar kennis naar intelligentie. De echte verschuiving is subtieler. Van individuele intelligentie naar gedeelde, hybride intelligentie. En we hebben nog geen fatsoenlijke spelregels voor die nieuwe werkelijkheid.

De vraag is niet meer alleen: wat kan jij?
De vraag is ook: wat kan jouw intelligentiesysteem?

Vroeger zette we op onze CV o.a.: talenkennis, diploma’s gehaald, IT-vaardigheden.
Binnenkort komt daar iets bij: codified skills, de skills van jouw intelligentiesysteem:

Email-reply.md, project-management.md, growth-hacking.md, schrijfassistent.md, lesmaker.md, om er een paar te noemen.

En de ongemakkelijke vervolgvraag: van wie is dat systeem eigenlijk?
Wie is de eigenaar van deze .md bestanden?

Zolang we die vraag niet beantwoorden, bouwen professionals aan systemen die hen uiteindelijk vervangen. We vergeten af te spreken wie er eigenaar is van de intelligentie die we samen creeren.

Het wordt tijd voor dat gesprek.

Tot de volgende window, Ruben!

“Het grootste vermogen van de mens is het vermogen om zich met anderen te verenigen.” — Spinoza

Met genoegen publiceren we deze week: Agenda Nieuw Amsterdam.

Een visie op de overtocht van een kennis- naar een intelligentie economie en wat Amsterdam en regio kunnen doen om weer strategisch relevant te worden.

Dit document is een vertrekpunt. Het beschrijft de economie die verandert, de keuzes die voorliggen en de stad en regio die we willen zijn.

Agenda Nieuw Amsterdam biedt een pad naar de intelligente, lieve stad. Het essay is volledig te lezen via website nieuwamsterdam.nu.

De Agenda is uitgewerkt in de volgende hoofdstukken:
Proloog, Spinoza als kompas
I. De intelligentie economie dient zich aan
II. Amsterdam verliest positie
III. De belofte: wat de intelligente stad oplevert
IV. Mentale modellen voor deze nieuwe tijd
V. De vijf dragers van de intelligentie economie
VI. Dilemma’s
VII. Keuzes
VIII. Samen bouwen
Epiloog, Nieuwe overtocht

Dit is een burgerinitiatief en de Agenda heb ik geschreven i.s.m. co-auteurs Barbara Baarsma, Marco van der Werf, Peter van Sabben, Stijn Grove, Jan Scheele en meelezers Cees Snoek, Deborah Nas, Sebastiaan Vaessen, Stephan van Dijk, Frans Nauta, Valerie Bos, Rick Pijpers, Franklin de Bekker, Patrick Leenheers, Ruben Brave

Met bijdrage van 100+ Amsterdammers via actietafels, interviews, werksessies en werkconferentie. Allen genoemd in het dankwoord van de Agenda.

Het essay heeft twee delen. Het eerste beschrijft de verschuiving naar de intelligentie economie en waarom die urgent is voor Amsterdam. Het tweede gaat over uitvoering: de vijf dragers van de intelligentie economie, dilemma’s die daarbij horen en Stedelijke Tech Coalities als uitvoeringskader.

De Agenda is niet af, en zeker niet compleet. Daarom de nadrukkelijke uitnodiging om mee te denken, bij te sturen en vooral om samen weer te gaan bouwen.

Met deze Agenda willen we Amsterdam houvast geven met een visie en handelingsperspectief. Dit ter ondersteuning van de ontwikkeling van het AI & tech-ecosysteem én de economisch-maatschappelijke initiatieven van de stad en regio.

Over het burgerinitiatief Nieuw Amsterdam:
+ Wat we wel doen: visie brengen, een maatschappij-breed gesprek organiseren, toekomstcoalities helpen aanjagen en urgentie creëren voor tempo en experiment.

- Wat we niet doen: geen uitvoeringsorganisatie, geen programma-eigenaar, geen nieuwe entiteit die op de stoel van bestaande partijen gaat zitten.

Je bent van harte uitgenodigd om het essay te lezen. De proloog en Hoofdstuk I hieronder geven je een eerste indruk.

Veel leesplezier en we zijn we benieuwd naar jouw feedback.
Bouw je mee?

Tot de volgende window, Ruben!

PROLOOG: SPINOZA ALS KOMPAS

“Niet lachen, niet wenen, niet verafschuwen, maar begrijpen.” — Spinoza, Tractatus Politicus

Op een zomerochtend in 1656 liep een jonge man door de Jodenbreestraat in Amsterdam. Hij was de zoon van een koopman, opgeleid in de Tora en de filosofie van Descartes. Die ochtend zou hij voor het laatst als lid van zijn gemeenschap door de wijk wandelen. De ban die over hem werd uitgesproken was de zwaarste die de Portugees-Joodse gemeenschap ooit had uitgedeeld. De formulering was meedogenloos: hij mocht niet worden benaderd, niet worden gesproken, niet worden gelezen.

Baruch Spinoza verliet Amsterdam. Hij huurde een kamer buiten de stad, leerde lenzen slijpen en begon te schrijven. Zijn lenzen (de beste van zijn tijd, zo goed dat Christiaan Huygens ze prees) maakten het mogelijk verder te kijken dan het blote oog kon reiken. En zijn filosofie deed hetzelfde.

Ze maakte het mogelijk de wereld te zien zoals ze werkelijk was, niet zoals angst of gewoonte haar liet verschijnen.

Diezelfde stad stond op dat moment op het hoogtepunt van haar macht.

De stapelmarkt (het systeem waarbij alle goederen van de wereld fysiek door Amsterdam werden verscheept, opgeslagen en verhandeld) was het efficiëntste handelssysteem dat ooit was gebouwd. Specerijen uit Azië, graan uit de Oostzee, wijn uit Frankrijk: alles liep via Amsterdam. De stad was het zenuwcentrum van de wereldeconomie.

De stapelmarkt werkte goed zolang Amsterdam het logistieke knooppunt was. Toen handelsroutes verschoven, koloniale macht veranderde en kapitaal zich verplaatste naar Londen, verloor het systeem zijn kernfunctie.

Terwijl Engeland zijn productie-economie opbouwde en de eerste contouren van de industriële revolutie zich aftekenden, koos de Amsterdamse elite voor rust. Met het verdiende kapitaal werd niet geïnvesteerd in nieuwe ondernemingen thuis, maar uitgeleend aan anderen elders. Rentenieren leverde meer op dan ondernemen. De handelsgeest maakte plaats voor wat een tijdgenoot omschreef als een belegen, verzadigde tevredenheid.

Spinoza had het kunnen voorspellen.

Hij onderscheidde twee soorten affecten: manieren waarop mensen en gemeenschappen reageren op verandering.

Passieve affecten ontstaan wanneer je wordt meegesleurd door krachten die je niet begrijpt. Wantrouwen. Behoudingsdrang. Angst. Ze voelen als voorzichtigheid, maar ze zijn in werkelijkheid verlamming. Je reageert op de wereld in plaats van haar te vormen.

Actieve affecten ontstaan wanneer je grip krijgt op wat je beïnvloedt. Ambitie. Daadkracht. Vreugde in gezamenlijk handelen. Ze groeien naarmate je meer begrijpt van de wereld, van jezelf, van de krachten die in beweging zijn.

Ze zijn het fundament van wat Spinoza handelingsvermogen noemde: het vermogen om de toekomst actief vorm te geven in plaats van haar te ondergaan. De Amsterdamse kooplieden van de achttiende eeuw leefden in passieve affecten.

Ze zagen de verschuiving van de handelseconomie naar een nieuwe economie aan zich voltrekken. Maar ze begrepen haar niet. En dus bevroren ze.

Amsterdam staat opnieuw op zo’n kantelpunt.

We bewegen van een kenniseconomie naar een intelligentie economie. Dat is geen technologische upgrade. Het is een verschuiving die vele malen fundamenteler is dan de overgang van de stapelmarkt naar de productie-economie destijds. En eentje die zich tien keer sneller voltrekt.

En opnieuw domineert in het publieke debat een houding die ons vertraagt. Bezorgdheid voor technologie. Wantrouwen naar ondernemers. Een diepe behoefte aan morele zekerheid voordat we in beweging komen. Passieve affecten, in moderne kleding. Terwijl anderen bouwen.

Dit essay vertrekt vanuit een andere houding. Niet vanuit techno-optimisme of risicomoralisme.

Maar vanuit begrip, het enige vertrekpunt dat Spinoza erkende. Zijn denken over vrijheid als handelingsvermogen, over macht als gezamenlijke kracht, over samenwerking als architectuur van een vrije staat: het is geen historische curiositeit.

Het is een kompas voor deze tijd.

Vervolg Hoofdstuk I hieronder of lees verder via nieuwamsterdam.nu

I. DE INTELLIGENTIE ECONOMIE DIENT ZICH AAN

“When that happens, we need to have conversations about how we organize our economy. About how humans find meaning. There are a lot of assumptions we made, when humans were the most intelligent species on the planet, that are going to be invalidated.”
— Dario Amodei

Over de verschuiving van kennis naar intelligentie als productiefactor.

En die verschuiving begint met één inzicht: we staan niet voor een technologische upgrade, maar voor de geboorte van een fundamenteel ander type economie.

Wij zijn begonnen met de actietafels en werkconferentie van Agenda Nieuw Amsterdam, omdat we iets tegenover het maatschappelijke debat van verdediging wilden zetten.

De visie: samen bouwen naar de intelligentie economie.

Van kennis naar intelligentie

Tot nu toe draaide waardecreatie om klassieke productiefactoren: arbeid, natuur, land, kapitaal, grondstoffen en kennis.

Daar is een nieuwe factor bij gekomen: kunstmatige intelligentie (AI).

Soms fysiek, denk aan robots; soms digitaal, denk aan grote taalmodellen en agents: ‘digitale collega’s’ die een serie van taken tot een heel proces kunnen uitvoeren.

Deze kunstmatige wezens leren sneller dan wij, produceren sneller dan wij en lossen problemen op in een tempo dat de menselijke schaal ver overstijgt. Daarmee veranderen niet alleen processen, maar de structuur van de economie zelf.

De afgelopen decennia draaiden onze economieën om kennis. Amsterdam regio bouwde daarop een succesvolle kenniseconomie: sterke universiteiten, een hoogopgeleide beroepsbevolking, een dienstensector die de wereld bedient.

Kennis als productiefactor is onuitputtelijk maar traag. De kennis is er, maar de toepassing zit gevangen in menselijke capaciteit.

Kennis schaalt door mensen op te leiden. Dat duurt jaren en kost enorm veel.

Die fase loopt ten einde. Niet zozeer omdat kennis er niet meer toe doet, maar omdat die nieuwe productiefactor, intelligentie, erbij is gekomen en alles verandert.

Intelligentie schaalt door rekenkracht toe te voegen.

De intelligentie economie is een economie waarin kunstmatige intelligentie, onder menselijke regie, fungeert als nieuwe productiefactor die tokens (de denkeenheid van AI) omzet in oplossingen voor maatschappelijke vraagstukken, hogere productiviteit en nieuwe waardecreatie.

Waar de kenniseconomie draait om toegang tot schaarse kennis, draait de intelligentie economie om het vermogen om deze intelligentie te activeren en richten. Digitaal én fysiek.

Dit is geen nuance. Dit leidt tot een fundamenteel andere economie.

In de kenniseconomie was de bottleneck: wie heeft de kennis?

In de intelligentie economie is de bottleneck: wie heeft de rekenkracht? de data? de energie? Het talent om intelligentie in te zetten?

De productiefactoren verschuiven. De machtsverhoudingen verschuiven mee.

Dat vraagt niet alleen om energie en technologie, maar ook om regels, integriteit en een samenleving die dit eerlijk weet te verdelen.

De intelligentie economie kan niet ontstaan binnen de structuren van de kenniseconomie. Niet omdat die structuren slecht zijn, want ze hebben ons vijftig jaar welvaart gebracht. Maar omdat deze oude structuur gebouwd is rond een schaarste die aan het verdwijnen is.

De belofte van post-schaarste is een kansrijk toekomstbeeld.

Eerste tekenen

Dit is geen toekomstscenario. De intelligentie economie ontvouwt zich nu.

Google DeepMind werkt samen met Commonwealth Fusion Systems aan een doorbraak in kernfusie. AI-simulaties draaien miljoenen mini-experimenten om plasma stabiel te houden, het type werk dat menselijke onderzoekers generaties zou kosten. Schone, oneindige energie komt binnen handbereik.

Het C2S-Scale-model van Google en Yale genereerde een compleet nieuwe hypothese over kanker, die wetenschappers vervolgens in levende cellen hebben bevestigd. Een AI die niet alleen analyseert, maar ontdekt. Het begin van een nieuwe generatie therapieën.

In Singapore onthulde Sharp Robotics de SharpaWave: een robothand met 22 bewegingsassen en meer dan duizend voelsensoren per vingertop. Wanneer robots goedkoper worden dan de goedkoopste arbeidskracht, keert productie terug naar huis: sneller, schoner en slimmer.

En bij ons thuis, in Amsterdam en de Metropoolregio, gebeurt het ook.

Monumental, een Amsterdamse robotica-startup, bouwt autonome elektrische robots die met millimeterprecisie metselwerk verrichten op bouwplaatsen in heel Nederland. In een sector met een chronisch tekort aan vakmensen en stijgende kosten lost AI niet alleen een economisch probleem op, het maakt de bouw van betaalbare woningen weer mogelijk.

Pacmed, eveneens uit Amsterdam, brengt AI naar het bed van de IC-patiënt. Hun software vergelijkt in real time de data van een patiënt met die van tienduizenden eerdere IC-opnames en voorspelt wanneer iemand veilig kan worden ontslagen. Het draait inmiddels in meerdere Nederlandse ziekenhuizen. In een zorgstelsel dat kraakt onder personeelstekorten is dit geen gadget, maar een antwoord.

Dexter Energy, opgericht in Amsterdam, optimaliseert met AI-gestuurde voorspellingen de handel en opslag van hernieuwbare energie. Hun platform helpt energiebedrijven om de grilligheid van zon en wind om te zetten in betrouwbare, betaalbare stroom. Precies de schakel die de energietransitie nodig heeft.

Dit zijn geen beloftes. Dit zijn feiten.

We zitten al in de vooravond van de intelligentie economie.

Exponentiële snelheid

Wat deze fase anders maakt dan eerdere technologische verschuivingen: de snelheid. Niet lineair, maar exponentieel.

Waar de telefoon 75 jaar nodig had voor 100 miljoen gebruikers en het internet 7 jaar, bereikte ChatGPT deze mijlpaal in slechts 2 maanden.

Deze transitie wordt aangedreven door zes exponentiële versnellingen, die gelijktijdig plaatsvinden:

1. researchers die zelf vele malen sneller werken en coderen dankzij AI,

2. de verbreding van ‘verification loops’ naar steeds meer domeinen,

3. een jaarlijkse verdrievoudiging van de computercapaciteit,

4. modellen die data steeds efficiënter gebruiken,

5. een enorme toename aan gebruikersdata die het trainingssignaal versterkt,

6. een explosie van kapitaal en arbeidskracht in de AI-sector.

Het resultaat is verbijsterend. Een paar voorbeelden:

Processen waarvoor in 2025 nog een jaar nodig was, zoals het aanleren van oplossingen in game simulaties, duren nu nog maar drie dagen.

Het programmeervraagstuk is grotendeels ‘opgelost’. In 2026 is al 41% van alle code AI-gegenereerd en de betrouwbaarheid van AI bij software-navigatie steeg in 16 maanden van 15% naar 72%.

Ook wiskunde en wetenschappelijk onderzoek krijgen een enorme versnelling. Modellen zoals Gemini 3 Deepthink scoren inmiddels 84,6% op de Arc AGI2-redeneertest, waarmee ze de gemiddelde mens (60%) ver achter zich laten. AI ontdekt inmiddels subtiele fouten in wetenschappelijke papers, die menselijke reviewers misten.

Een geschatte wereldwijde productiviteitsstijging van biljoenen dollars en een economische impact die 10 keer groter én 10 keer sneller is dan de industriële revolutie.

Wie lineair reageert op exponentiële verandering, raakt niet geleidelijk achter. Die raakt de aansluiting kwijt.

Voor beleid is dit een fundamenteel probleem. Onze instituties denken in jaarcycli, begrotingen en coalitieakkoorden. Onze instituties en hun plannen zijn nog ontworpen voor de logica van de oude kenniseconomie.

De AI-technologie vernieuwt inmiddels in weken. En binnenkort in dagen. Uren.

Netwerkeffecten versterken dit. Ecosystemen trekken zichzelf aan: talent volgt bedrijven, bedrijven volgen kapitaal, kapitaal volgt infrastructuur en visie.

Wie meedoet, bouwt voorsprong op. Wie te laat is, wordt minder relevant binnen het netwerk als geheel.

Mijlpalen

Om te begrijpen waar we staan, moeten we benoemen wat we aan het bouwen zijn.

Elke beschavingssprong ontstond wanneer één fundamentele schaarste werd doorbroken.

De wetenschappelijke revolutie was een strijd tegen onwetendheid. De methode: systematisch experiment en bewijs.

De industriële revolutie was een strijd tegen fysieke beperking. De motor: machines die menselijke spierkracht overstijgt.

De digitale revolutie was een strijd tegen afstand. De bit: informatie die zich vrijwel kosteloos over de wereld verplaatst.

De intelligentie revolutie is een strijd tegen de kennis schaarste. Tot nu toe werd complexe probleemoplossing begrensd door het aantal experts dat we konden opleiden, inzetten en betalen. Menselijke kennis was schaars.

Het nieuwe instrument is de token: kunstmatige cognitie die intelligentie omzet in een schaalbare nutsvoorziening. Intelligentie wordt reproduceerbaar. Verspreidbaar. Combineerbaar.

En daarmee verschuift de economische kern opnieuw.

We spreken dus niet over betere AI-chatbots. We spreken over een verschuiving in de schaal waarop menselijke vermogens georganiseerd, versterkt en ingezet kunnen worden.

Er zijn twee mijlpalen: AGI en ASI.

Mijlpaal 1: AGI (Artificial General Intelligence). Het moment waarop een AI-systeem op het niveau van een gemiddelde menselijke expert kan functioneren over vrijwel alle economisch waardevolle taken. Dat wordt verwacht als breed toegankelijke realiteit in de tweede helft van dit decennium.

Mijlpaal 2: ASI (Artificial Super Intelligence). Het punt waarop systemen ordes van grootte beter presteren dan mensen. We spreken dan over rekenkracht op een schaal van 10 tot de macht 26 floating point operations. Systemen die in hun training meer tekst, beeld en data hebben verwerkt dan een mens in duizend levens zou kunnen lezen.

Het is een herverdeling van een fundamentele Productiefactor.

Wie begrijpt dat aandacht en probleemoplossend vermogen nu schaalbaar worden, ziet dat de spelregels van o.a. concurrentie, onderwijs, bestuur en ondernemerschap veranderen.

Nieuwe grondstoffen

Aan de basis van de intelligentie economie ligt energie.

Energie maakt rekenkracht (compute) mogelijk.
Rekenkracht wekt intelligentie op.
Intelligentie creëert oplossingen en nieuwe productiekracht.
En oplossingen worden omgezet in waarde (economisch, maatschappelijk).

De waardeketen van de intelligentie economie:

Energie → rekenkracht → intelligentie (models + data) → oplossingen → waarde

Energie is de (nieuwe) randvoorwaarde. AI-systemen zijn hongerig. Training van grote modellen kost meer energie dan kleine steden verbruiken. Ook inference (het dagelijks draaien van modellen in miljoenen toepassingen) vraagt continu rekenkracht. Zonder (schone), betaalbare en voldoende energie, geen intelligentie economie.

Rekenkracht is de nieuwe stoom. Wie GPU’s bezit, wie datacenters bouwt, wie energie kan leveren voor AI-training en -inferentie bepaalt waar intelligentie wordt geproduceerd. Compute is geen technisch detail. Het is een strategische asset, net zo bepalend als olie was in de 20e eeuw.

Data is de nieuwe grondstof. Niet ruwe data (die is overvloedig) maar hoogwaardige, domeinspecifieke, goed gelabelde data. De data van ziekenhuizen, energienetten, havens, verkeerssystemen. Data die, gecombineerd met AI, concrete oplossingen oplevert voor concrete problemen.

AI Toegang is de nieuwe scheidslijn. In de kenniseconomie bepaalde je diploma wie mee mocht doen. In de intelligentie economie bepaalt je toegang tot AI-tools, rekenkracht en data of je mee komt of achterblijft. AI-geletterdheid wordt de nieuwe basisvaardigheid. Niet alleen voor programmeurs, maar voor iedereen.

Welkom in de intelligentie economie.

Vervolg Hoofdstuk II Amsterdam verliest positie via nieuwamsterdam.nu

credits: Rachel Ecclestone, February 11,2026

Time to get unstuck

Deze week zat ik tussen vierhonderd mensen bij de State of Dutch Tech. Zesde editie, uitstekend georganiseerd door Techleap, TNO en Invest-NL. De sfeer was anders dan voorgaande jaren. Scherper. Urgenter. Zes jaar data, en het beeld is inmiddels moeilijk te ontkennen: we stagneren. De Nederlandse scaleup-ratio (hoeveel startups er meer dan tien miljoen ophalen) staat op 21,6 procent. Europees gemiddelde: 24,1 procent. Amerika: 52,2 procent. Meer dan het dubbele. En zo zijn er meerdere datapunten waarop we achterop raken.

Het thema was niet voor niks: time to get unstuck.

Eén pleidooi bleef echt hangen. Peter Wennink, oud-CEO van ASML, auteur Rapport Wennink, deed tijdens het panel een oproep voor excellentie: “we moeten weer terug naar excellentie”. Onze onderwijsprestaties dalen. We zakken op de PISA- en OESO-ranglijsten. En we lijken het normaal te vinden.

Maar dat woord, excellentie, gaat over meer dan onderwijs. Het raakt aan iets wat we in Nederland weer moeten durven te benoemen: topprestatie. Excellentie ontstaat namelijk in een prestatiecultuur.

Het is een cultuurvraag die Wennink stelde.

De vraag van de dag, en voor Nederland

Deze vraag werd in het tweede panel haarscherp geformuleerd.

Dr. Omar Hatamleh, voormalig chief Artificial Intelligence officer bij NASA Goddard Space Flight Center, kreeg de vraag: Hoe bouwde je bij NASA een high performance cultuur die óók veilig was?

Dat is hem. Dat is de spanning waar het om draait. De vraag hoe je een omgeving kunt bouwen waarin mensen het uiterste uit zichzelf halen, zonder dat het ontspoort. Hoe creëer je topprestaties met behoud van de menselijke maat?

Deze vraag, bijna symbolisch gesteld aan NASA, dat is de vraag voor Nederland:

Hoe creëren we in Nederland weer een High Performance Cultuur (zonder grensoverschrijdend te worden)?

We hebben zo hard gewerkt aan het voorkomen van grensoverschrijding, dat we vergeten zijn hoe grensverlegging eruitziet.

We hebben de kennisinfrastructuur, het talent, de geografische positie, de handelsgeest. Maar we hebben niet meer de cultuur die dat alles laat renderen. We missen een high performance cultuur. En erger nog: we zijn het gesprek erover kwijtgeraakt.

Hoe is dat gebeurd? Wat heeft het schrappen van scoreborden in de jeugdsport te maken met het gebrek aan scaleups? Waarom durven bestuurders niet meer te sturen op excellentie? Wat kunnen we leren van ASML, niet alleen van het succes, maar van de cultuur die dat succes voortbracht? Wat zegt de wetenschap over hoe high performance culturen er daadwerkelijk uitzien? En wat is er nodig om dit gesprek weer op de nationale agenda te krijgen?

Daar gaat dit artikel over.

De paradox van het scorebord

Nergens wordt de Nederlandse cultuurverschuiving zo zichtbaar als in de sport. De KNVB heeft uitslagen en standen afgeschaft voor kinderen tot en met tien jaar. De volleybalbond publiceert geen scores meer bij jeugdwedstrijden. De zwembond schrapte medailles. En het nationaal Sportakkoord van de Rijksoverheid schrijft het gewoon op: “aanpassingen in de spelregels zodat winnen minder belangrijk is dan plezier, bijvoorbeeld door geen uitslagen meer bekend te maken en de sport zo minder competitief te maken.” Alsof plezier en prestatie elkaars tegenpolen zijn.

(Bronnen: KNVB pupillenvoetbal, NL Sportpsycholoog over volleybal- en zwembond, Rijksoverheid.nl — veilig sporten)

Sportpsycholoog Jan Sleijfer zei het treffend: “Kinderen hebben geen zachtere wereld nodig, maar een veilige wereld waarin ze leren omgaan met harde momenten.” Hij noemt het symptoombestrijding. Het probleem zit niet bij competitie. Het zit bij hoe we competitie begeleiden. Bij ouders langs de lijn, coaches zonder pedagogische scholing, systemen die alleen op winnen sturen.

Maar in plaats van die begeleiding te verbeteren, halen we het scorebord weg.

En het stopt niet bij sport. De Universiteit Twente schafte per 1 januari 2026 het predicaat cum laude af voor promovendi, als eerste universiteit van Nederland. De VU Amsterdam deed het eerder al voor geneeskundestudenten. Het UMC Utrecht, Maastricht en Rotterdam overwegen te volgen. De redenering: cum laude creëert prestatiedruk en ongelijkheid. We schrappen liever de erkenning van excellentie dan dat we de beoordeling ervan verbeteren.

(Bronnen: NOS — afschaffing cum laude, Universiteit Twente)

En dit zijn geen losstaande gevallen. Het is een metafoor voor hoe we als land met prestatie omgaan. We maken de context zachter in plaats van de mensen sterker.

Wie durft de lat nog hoog te leggen?

Tijdens het event zat ik naast een bestuurder van een organisatie die een sleutelrol speelt bij het helpen groeien van startups en scaleups, met kapitaal, netwerk, begeleiding. Ik vroeg haar: kun jij sturen vanuit een high performance cultuur? Ze keek me aan en schudde nee. Ze kwam direct met twee concrete, recente voorbeelden van het tegendeel. Alle aandacht ging naar grensoverschrijdend gedrag. Alle energie naar het definiëren van grenzen. Niet naar het verleggen ervan.

Laat dat even landen. Onze builders (de ondernemers die internationaal moeten concurreren, waar high performance geen luxe is maar uitgangspunt) worden omringd door stakeholders die diezelfde lat niet eens mogen hanteren. De mensen die hen moeten helpen groeien, kunnen niet sturen op de cultuur die groei vereist.

Even voor de helderheid: aandacht voor grensoverschrijdend gedrag is terecht. Noodzakelijk zelfs. Maar vanuit wat verticale volwassenheid heet: het vermogen om twee ogenschijnlijk tegenstrijdige waarheden allebei als waar te zien. We hoeven niet te kiezen. Veiligheid óf prestatie, dat is een valse tegenstelling. We moeten beide gesprekken voeren. Het punt is dat we het tweede gesprek zijn kwijtgeraakt.

Het ASML-bewijs

Neem Martin van den Brink. Veertig jaar lang de technologische ruggengraat van ASML. Nu wordt hij gevierd als visionair, als de architect achter de EUV-lithografiemachines waar de hele chipindustrie op draait. Eredoctoraten van de UvA en de TU Eindhoven. Ridder in de Orde van de Nederlandse Leeuw.

Maar luister (tip!) eens naar het BNR-interview (episode 1, episode 2) dat Herbert Blankesteijn en Ben van der Burg met hem maakten bij zijn afscheid. Dan hoor je ook het andere verhaal. Van den Brink was, naar eigen zeggen én dat van collega’s, een ontvlambare, ongeduldige man. Hij bleef zitten als de rest naar huis ging. Liet complexe problemen niet los. Eiste, duwde, confronteerde. In het boek Focus over ASML lees je hoe hij structureel de grenzen opzocht van wat teams aankonden.

In het Nederland van nu zou Martin van den Brink eerder een coachingtraject krijgen dan een laboratorium.

De ironie is pijnlijk. We vieren ASML als het meest waardevolle techbedrijf van Europa maar we hebben stilzwijgend de cultuur gedelegitimeerd die die uitkomst voortbracht.

Van den Brink zei het op deze manier in het interview met BNR: “Het is meer vertrouwen naar de toekomst dat je het op kan lossen. Dat je een beeld hebt wat er allemaal moet gebeuren om naar het eind te komen. En dan vertrouwen krijgen na/met elke stap die je doet. En elke keer als je die stap doet, dan paranoia zijn: ‘zijn die stappen noodzakelijk en voldoende om het voor elkaar te krijgen?!”

Rinke Zonneveld van Invest-NL bevestigde het beeld bij State of Dutch Tech: “We komen ondernemers tegen met een negen-tot-vijf mentaliteit.” Daar bouw je geen wereldbedrijf mee.

Wat is een high performance cultuur eigenlijk?

Goed, maar als we dit gesprek willen voeren dan moeten we het ook concreet maken. Wat bedoelen we precies? Welke waarden horen erbij? Welk gedrag? En wie heeft hier serieus over nagedacht?

Er is veel geschreven over dit onderwerp. De belangrijkste lijnen.

Edgar Schein, de grondlegger van het denken over organisatiecultuur, maakt onderscheid tussen drie lagen: artefacten (wat je ziet), beleden waarden (wat een organisatie zegt te geloven), en basisassumpties (de onbewuste overtuigingen die het werkelijke gedrag bepalen). Het Nederlandse probleem zit op die derde laag. We belijden de juiste waarden. Maar diep van binnen geloven we dat opvallen gevaarlijk is, dat ambitie verdacht is, en dat gelijkheid belangrijker is dan excellentie.

Jim Collins beschrijft in Good to Great wat organisaties die de sprong van goed naar geweldig maken onderscheidt. Geen charismatisch leiderschap, geen briljante strategie, maar wat hij ‘Level 5 Leadership’ noemt: persoonlijke bescheidenheid gecombineerd met professionele wilskracht. Leiders die niet bezig zijn met hun ego, maar onverbiddelijk in hun standaarden. Nederland heeft de bescheidenheid. De onverbiddelijkheid ontbreekt.

Kotter en Heskett lieten in Corporate Culture and Performance zien dat organisaties met adaptieve, prestatiegerichte culturen in elf jaar hun omzet met 682 procent lieten groeien. Bij niet-adaptieve culturen was dat 166 procent. Cultuur is geen soft factor. Het is een economische variabele.

Daniel Coyle beschrijft in The Culture Code drie kernelementen: veiligheid opbouwen, kwetsbaarheid delen, een gezamenlijk doel vestigen. Maar, en dit is cruciaal, veiligheid betekent hier niet: afwezigheid van druk. Het betekent: de zekerheid dat je erbij hoort, ook als je faalt. Dat is iets heel anders dan de Nederlandse reflex om druk zelf te elimineren.

Amy Edmondson van Harvard bedacht het concept ‘psychologische veiligheid’. Niet als tegenpool van hoge standaarden, maar als voorwaarde ervoor. In haar onderzoek presteert het kwadrant van hoge veiligheid mét hoge standaarden het best. Hoge veiligheid met lage standaarden levert iets anders op. Dat heet de comfort zone. En dat is precies de stagnatie die we nu zien.

Peters en Waterman schreven in hun klassieker In Search of Excellence over acht gedeelde kenmerken van succesvolle organisaties: een voorkeur voor actie boven analyse, nabijheid tot de klant, en wat zij ‘simultaneous loose-tight properties’ noemden: strakke sturing op kernwaarden, maximale vrijheid in de uitvoering.

En dan Carol Dweck, wier werk over de growth mindset laat zien hoe bepalend onze kijk op talent is. In een fixed mindset-cultuur: talent is aangeboren, falen is bewijs van onvermogen, daar vermijden mensen uitdagingen. In een growth mindset-cultuur: talent is te ontwikkelen, falen is een leerkans, daar zoeken mensen uitdagingen juist op. Onze scorebordangst verraadt een collectieve fixed mindset.

Hoe dat er dan uitziet

Trek al die inzichten samen, en er ontstaat een profiel van high performance dat niets te maken heeft met toxische werkdruk of meedogenloze competitie.

Psychologische veiligheid mét hoge standaarden. Mensen mogen experimenteren, fouten maken, eerlijk zijn. Maar de verwachting van excellentie staat niet ter discussie. Je wordt niet afgestraft voor falen. Wel voor niet proberen.

Eigenaarschap. Mensen nemen verantwoordelijkheid voor uitkomsten, niet alleen voor inspanningen. Hard werken is niet hetzelfde als resultaat leveren. In een high performance cultuur mag je dat hardop zeggen.

Radicale eerlijkheid. Feedback is direct, specifiek, gericht op groei. Niet verpakt in complimenten. Niet bewaard voor het functioneringsgesprek. Maar ook niet persoonlijk of destructief. Het is een vaardigheid, geen karaktereigenschap.

Meritocratische waardering. De beste ideeën winnen, ongeacht van wie ze komen. Prestatie wordt erkend. Niet iedereen krijgt dezelfde prijs.

Een gedeeld, ambitieus doel. Teams weten waarvoor ze werken. Dat doel is groter dan het individu en groter dan het kwartaal.

Ruimte voor constructieve frictie. Inhoudelijk conflict wordt niet alleen getolereerd, het wordt verwacht. Groupthink is de vijand. De ontvlambare ongeduldigheid van een Martin van den Brink is geen bug, het is een feature. Mits gericht op het probleem, niet op de persoon.

En weet je wat het mooie is? Werken in zo’n cultuur is niet alleen effectief, het is ook ongelooflijk gaaf. Vraag het aan iemand die het heeft meegemaakt. Die periode waarin je met een team aan iets werkte dat groter was dan jezelf. Waarin je werd uitgedaagd tot voorbij wat je dacht aan te kunnen. 7 dagen in de week, 12 uur per dag. Waarin de lat hoog lag, maar je wist dat de mensen om je heen er net zo hard aan trokken. Dat zijn de ervaringen waar mensen jaren later nog over praten. Niet de rustige kwartalen. Niet de comfortabele targets. Maar de momenten waarop je ambitie, werklust en talent voluit werden aangesproken.

Veel mensen verlangen daar ook naar. Niet iedereen, en dat hoeft ook niet. Maar er is een grote groep ondernemers, onderzoekers, ingenieurs, makers die zich in het huidige Nederlandse klimaat inhoudt. Die voelt dat ze meer kan, maar niet de ruimte ervaart om dat uit te spreken. Die honger heeft naar een omgeving die het beste uit ze haalt, in plaats van het gemiddelde. Die mensen zijn onze builders. En we laten ze in de kou staan.

We hebben een grens-envoy. Waar is de prestatie-envoy?

We hebben in Nederland een nationale envoy grensoverschrijdend gedrag. Goed. Maar we hebben geen nationale envoy high performance cultuur. Dat zegt veel over waar onze institutionele aandacht naartoe gaat.

Ik merk het in gesprekken met bestuurders en ondernemers: er heerst een fundamentele onzekerheid over wat nog wel mag en wat niet. Wanneer ben je veeleisend, en wanneer overschrijd je een grens? Wanneer spreek je iemand aan op ondermaats presteren, en wanneer maak je iemand onveilig? DEI (diversity, equity and inclusion) heeft in veel organisaties een prominentere plek gekregen dan excellentie. Niet omdat DEI niet belangrijk is. Maar omdat we excellentie als onderwerp hebben laten versloffen. Er is geen vocabulaire meer voor. Geen institutioneel kader. Geen envoy.

En dus kiezen bestuurders de veilige route. Ze sturen op wat gemeten en getoetst wordt: inclusiecijfers, medewerkerstevredenheid, naleving van gedragscodes. Omdat het systeem ze daar in steunt. De taal van excellentie is verdacht geworden. De taal van high performance klinkt als excuus voor grensoverschrijding. En dus zwijgen we.

Er valt dus een stevig pleidooi te houden voor een nationale envoy high performance cultuur:) Iemand met dezelfde institutionele legitimiteit als de envoy grensoverschrijdend gedrag, maar voor de andere kant van de medaille. Iemand die bestuurders helpt hoge standaarden te combineren met menselijke maat. Die het gesprek over excellentie terugbrengt in boardrooms, op universiteiten, in het ecosysteem. Die laat zien dat je mensen kunt uitdagen zonder ze te beschadigen.

Wat ik voorstel

We hebben de afgelopen jaren (terecht) geïnvesteerd in veiligheid, inclusie en welzijn. Die winst moeten we niet terugdraaien. De beschermingsmodus is prima. Maar we hebben een blinde vlek ontwikkeld. We zijn zo bezig met waar de grens ligt, dat we vergeten zijn te praten over wat er aan de andere kant van die grens mogelijk is. Hulde aan de ontdekkingsmodus!

Laten we weer praten over grensverleggend gedrag.

Mijn voorstel is concreet. Breng de besturen van universiteiten, kennisinstellingen én publieke uitvoeringsorganisaties bij elkaar. Niet voor een vrijblijvend rondetafelgesprek. Maar voor een gestructureerd, nationaal debat over de vraag: hoe creëren we een high performance cultuur? In het onderwijs, in het onderzoek, in het ondernemerschap.

Neem Wenninks oproep tot excellentie serieus. Niet als nostalgie naar de tijd dat je medewerkers mocht uitschelden, die tijd was óók niet goed. Maar als erkenning dat we iets zijn kwijtgeraakt.

Een land dat scoreborden weghaalt en ondernemers met een negen-tot-vijfmentaliteit voortbrengt, is niet het land dat de volgende ASML gaat bouwen. State of Dutch Tech laat het zien in de cijfers: we zijn stuck. Na zes jaar stagnatie.

Het woord dat woensdag tijdens de State of Dutch Tech misschien wel het vaakst viel, was builders. We moeten builders supporten. We moeten het makkelijker maken om te bouwen in Nederland.

Daar kwamen concrete voorstellen bij. EU-Inc, zodat je als Europese startup niet per land hoeft te incorporeren. Betere stock option-regelingen, en zo’n nieuwe Box 3 helpt ook niet ons investeringsklimaat te stimuleren (understatement!). Minder regels. Meer kapitaal. Snellere procedures. Allemaal belangrijk, allemaal nodig.

Maar er hoort iets boven die praktische laag. Al die maatregelen zijn randvoorwaarden. Ze maken bouwen mogelijk. Maar ze maken mensen nog geen bouwers. Ze creëren geen ambitie, geen drive, geen onverbiddelijkheid. Dat is cultuur. En cultuur is wat geen beleidsnota kan opleggen en geen subsidie kan kopen.

Een cultuur High Performance Cultuur waarin mensen weer het beste uit zichzelf en uit elkaar halen. Waarin het scorebord er gewoon mag hangen. Waarin excellentie geen vies woord is, maar een belofte.

Het wordt tijd dat we dat gesprek weer voeren. Time to get unstuck.

Tot de volgende State of Dutch Tech.
En tot de volgende window, Ruben!

Gebaseerd op observaties bij de State of Dutch Tech 2026, het Wennink-rapport ‘De route naar toekomstige welvaart’, en gesprekken met stakeholders in het Nederlandse innovatie-ecosysteem. Met dank aan het werk van Edgar Schein, Jim Collins, John Kotter, James Heskett, Daniel Coyle, Amy Edmondson, Tom Peters, Robert Waterman en Carol Dweck.

Dit artikel is geschreven met . De KAI-scan wordt kosteloos aangeboden door het AIcollectief

Je kent het wel. De ene collega laat inmiddels al zijn voorbereidingen door Copilot doen, een ander ziet AI vooral als hype en is wars van ChatGPT, en weer iemand anders is een veelgebruiker van diverse AI-tools en zegt zonder twijfel dat zijn baan binnen twee jaar verdwijnt. Iedereen voelt dat werk verandert, maar bijna niemand weet hoe je dat op een duidelijke, gestructureerde manier kunt beoordelen.

Die persoonlijke ervaringen staan niet op zichzelf. We bewegen ons in hoog tempo van een kenniseconomie naar een intelligentie-economie. Waar je baan vroeger draaide om je kennis en hoe je die toepaste, neemt kunstmatige intelligentie nu een deel van dat denk- en uitvoerwerk over. Die overgang kun je samenvatten in de formule K→AI: van Kennis als schaars bezit naar Artificiële Intelligentie als breed inzetbare kracht.

In dit artikel laten we zien hoe je deze verschuiving concreet maakt voor je eigen baan door je taken en workflows te analyseren met het KAI-model. Je krijgt inzicht in:

• wat er verandert aan je baan

• welke taken onveranderd blijven

• welke AI-tools passen bij jouw takenpakket

• waar jouw ontwikkelkansen liggen

Zo vormt dit artikel, samen met de gratis KAI-scan die we beschikbaar stellen, de basis voor jouw persoonlijk AI-loopbaanplan. Een upskillplan om AI-geletterd te worden in jouw werk en rol. Iets waar iedere professional zich de komende jaren toe zal moeten verhouden.

🎁 De KAI-scan is kosteloos te doen via deze link.

De invloed van AI op de toekomst van werk

Het Future of Jobs Report 2025 van het World Economic Forum schetst een helder beeld: tot 2030 ontstaan wereldwijd ongeveer 170 miljoen nieuwe banen, terwijl 92 miljoen banen verdwijnen. Per saldo groeit de werkgelegenheid, maar onder de oppervlakte verschuift er veel. Werkgevers verwachten dat 39 procent van de huidige vaardigheden tussen 2025 en 2030 verandert of veroudert. AI-geletterdheid is daarmee geen toekomstthema, maar een randvoorwaarde om professioneel relevant te blijven.

Taken, workflows en intelligentie
Dat klinkt groot en abstract, maar zo ervaar je je werk meestal niet. Wat het rapport ook laat zien, is dat werk niet primair op functieniveau verandert, maar vooral op taakniveau. Elke baan bestaat uit taken die samen workflows vormen. Juist daar grijpt AI in.

Sommige taken zijn voorspelbaar en goed te automatiseren, andere worden een samenwerking tussen mens en AI, en er zijn taken die menselijk blijven omdat vertrouwen, context en oordeel doorslaggevend zijn. Door op taakniveau te kijken ontstaat rust en overzicht. Je ziet wat er werkelijk verandert in je werk, los van functietitels of hype.

Voordat we laten zien hoe je de KAI-scan toepast op jouw baan, introduceren we eerst het onderliggende raamwerk: het KAI-model.

Het KAI-model: een framework om je baan te analyseren

Door het toepassen van het KAI-model zie je onmiddellijk welke taken automatiseren, welke taken verschuiven naar samenwerking tussen mens en AI en welke taken volledig menselijk blijven.

Het KAI-framework bestaat uit vier onderdelen die samen inzicht geven in hoe jouw werk verandert:

1. de posities van AI-invloed op taken

2. de criteria waarmee je die invloed beoordeelt

3. de rol van AI-tools

4. de vaardigheden die horen bij AI-geletterdheid

Onderdeel 1. De drie posities van AI-invloed op jouw werk

Wanneer je werk bekijkt op taakniveau, zie je dat je de invloed van AI op elke taak in drie categorieën kunt verdelen:

1. AI neemt de taak over
   De taak is voorspelbaar, patroonmatig en goed te trainen op voorbeelden. Dit is automatiseren.

2. AI werkt samen met jou op de taak
   AI versterkt je denkwerk, analyse of voorbereiding, maar jij bepaalt richting en kwaliteit. Dit is de hybride zone.

3. De taak blijft menselijk
   Vertrouwen, emotie, nuance en moreel oordeel zijn doorslaggevend. Hier staat de mens centraal.

Deze drie posities maken het mogelijk om een baan taak voor taak te beoordelen en je rol opnieuw te ontwerpen.

Onderdeel 2. De vijf criteria van het KAI-framework

Om te bepalen hoe AI een taak precies beïnvloedt, beoordeel je elke taak aan de hand van vijf kerncriteria:

• Is de taak regel- en patroongebonden?

• Zijn er veel uitzonderingen of contextwisselingen?

• Is het resultaat duidelijk te meten of evalueren?

• Is er menselijke interactie of vertrouwen nodig?

• Zijn er voldoende digitale voorbeelden of data beschikbaar?

Met deze vijf criteria zie je direct welke taken verschuiven en welke blijven bestaan.

Onderdeel 3: De rol van AI-tools binnen het KAI-framework

Om te bepalen welke AI-tools bij een taak passen, kijk je naar wat de taak nodig heeft om sneller, slimmer of efficiënter uitgevoerd te worden.

Daarbij beoordeel je per taak: Kan een tool het denkwerk versnellen, voorbereiden of structureren? Kan een tool repetitieve stappen uitvoeren of automatiseren? Kan een tool informatie samenvatten, analyseren of visualiseren?

Door AI-tools op deze manier te koppelen, ontstaat een helder overzicht van welke tools daadwerkelijk waarde toevoegen binnen taken en workflows.

Onderdeel 4. AI-geletterdheid: waarom het niet alleen om tools draait

Elke taak die verschuift, vraagt om nieuwe menselijke kwaliteiten. Als AI meer analytisch, uitvoerend en routinematig werk overneemt, verschuift jouw rol naar werk dat draait om interpretatie, creativiteit, oordeelsvorming, samenwerking en context.

AI verandert niet alleen wat je doet, maar ook hoe je werkt. Daarom koppelt KAI-model taakverandering aan ontwikkeling in kennis, vaardigheden en houding. Dit sluit aan op het AI-Lit framework, dat AI-geletterdheid beschrijft als een combinatie van begrijpen, kunnen toepassen en bewust handelen.

Het AI-Lit framework maakt onderscheid tussen:

• Kennis: inzicht in wat AI is, wat het wel en niet kan en hoe het werk en besluitvorming beïnvloedt.

• Vaardigheden: het vermogen om effectief samen te werken met AI, vragen scherp te formuleren, output te beoordelen en AI verantwoord in te zetten in workflows.

• Houding: een professionele mindset waarin nieuwsgierigheid, verantwoordelijkheid, kritisch denken en aandacht voor impact centraal staan.

Deze drie dimensies bepalen hoe effectief en verantwoord je kunt werken in een intelligentie-economie.

Kennis: Je bouwt inzicht op in:

• de technologie en aard van AI

• het feit dat AI menselijke keuzes weerspiegelt

• hoe AI werk en rollen verandert

• de rol van AI in de samenleving

• de mogelijkheden en beperkingen van AI

Vaardigheden: Je leert samenwerken met AI door:

• kritisch te denken over AI-output

• creatief met AI te werken

• problemen op te delen en heldere instructies te geven

• samen te werken in hybride workflows

• te bepalen wanneer AI zinvol is

• jezelf en anderen bewust te houden van AI-invloed

• helder te communiceren over AI-gebruik

Houding: Je ontwikkelt een professionele mindset waarin je:

• verantwoordelijk omgaat met data en impact

• nieuwsgierig blijft naar nieuwe mogelijkheden

• durft te innoveren

• flexibel meebeweegt met veranderende rollen

• empathie centraal stelt in klant- en teamcontact

Het AILit framework is ingebed in het KAI-model.

Zo zie je niet alleen welke taken verschuiven, maar ook welke nieuwe competenties daarbij horen. Zo wordt duidelijk hoe je rol meegroeit in de intelligentie-economie, en hoe je jezelf voorbereidt op een toekomst waarin mens en AI samen het werk dragen.

KAI-scan: jouw persoonlijke AI-upskillplan

Om dit praktisch toepasbaar te maken hebben we de KAI-loopbaanscan ontwikkeld. Deze begeleidt je stap voor stap bij het analyseren van je werk en genereert direct een persoonlijk AI-upskill-plan.

De online KAI-scan werkt in drie stappen:

Stap 1: Ontleed je functie naar taken
Je beschrijft de belangrijkste taken die samen je werk vormen en hoe ze samenkomen in workflows.

De KAI-scan helpt je bij:

• het definiëren van je functie en taken

Stap 2: Beoordeel taken op vijf criteria
Je beoordeelt elke taak op regelmaat, complexiteit, menselijke interactie, creativiteit en beschikbare data.

De KAI-scan helpt je bij:

• het scoren van taken op de vijf KAI-criteria

• het bepalen of een taak geautomatiseerd, hybride of menselijk blijft

• het koppelen van de juiste AI-tools

Stap 3: Categoriseer taken en publiceer AI-upskillplan
De taken worden ingedeeld als automatiseren (o.a. te adviseren AI-tools), hybride of menselijk.

De KAI-scan helpt je bij:

• het bepalen van je kennis-vaardigheden-houding profiel per taak

• het opstellen van een realistische tijdlijn (1–3 jaar)

• het genereren van je persoonlijke AI-upskillplan

Deze stappen leiden direct tot inzicht in hoe jouw werk verandert. Binnen dertig minuten heb je overzicht over wat verdwijnt, wat verandert en waar jij groeit.

Voorbeeld KAI-scan

Geen abstract framework, maar een praktische beslislogica die direct toepasbaar is.

Na het reclameblok een uitgewerkte case.

Case: KAI-scan toegepast op een sales manager events

Een concreet voorbeeld is de rol van sales manager bij Cupola XS, een innovatiehub en eventlocatie met +500 events per jaar.

Hieronder zie je de KAI-scan:

taak: Inkomende aanvraag kwalificeren
Patroonmatig, duidelijk te beoordelen en data-rijk.
KAI-positie: automatiseren of hybride.

taak: Offerte opstellen
Grote delen zijn standaard. AI kan direct een concept genereren.
KAI-positie: automatiseren of hybride.

taak: Locatieadvies geven
Hier komt menselijke nuance, sfeer en vertrouwen bij kijken.
KAI-positie: hybride.

taak: Persoonlijk klantgesprek
Relatie, emotie, timing en empathie domineren.
KAI-positie: menselijk.

taak: Contract afronden en verwerken
Procesmatig en duidelijk te controleren.
KAI-positie: automatiseren.

taak: Relatieonderhoud en follow-up
Warm contact blijft essentieel. AI ondersteunt de voorbereiding.
KAI-positie: menselijk.

Voorbeeld AI-Upskillplan

Welke AI-tools passen bij welke taak?
Het KAI-framework stopt niet bij inzicht. Het laat ook zien welke AI-tools je per taak kunt gebruiken. Hieronder zie je een combinatie van functionele tools en praktische dagelijkse tools die de Verkoop Events medewerker direct kan inzetten.

1. Aanvraag kwalificeren

• Perplexity voor snelle analyse van klantvragen

• Zapier AI voor automatisch taggen en routeren

• HubSpot AI of Zoho AI voor automatische kwalificatie

• Gmail AI voor categorisatie van binnenkomende mails

2. Offerteconcept genereren

• ChatGPT voor templates en varianten

• NotebookLM voor offertes in CupolaXS-stijl

• Google Docs AI voor documentgeneratie

• Canva Docs AI voor professioneel opgemaakte offertes

3. Locatieadvies voorbereiden

• NotebookLM met eventcases, plattegronden en tarieven

• Perplexity voor aanvullende inzichten

• Gamma voor visuele adviespresentaties

• ChatGPT Vision voor analyse van eventfoto’s

4. Persoonlijk klantgesprek

• Plaud Note voor transcripties van eerdere gesprekken

• ChatGPT Meeting Prep voor agenda en vragen

• NotebookLM voor klantprofielen en context

• Gamma voor decks en visuals

5. Contractcontrole

• Microsoft Copilot of Google Workspace AI

• ChatGPT voor juridische leesbaarheid

• DocuSign AI voor risicoanalyse

6. Follow-up en relatiebeheer

• CRM AI voor gepersonaliseerde follow-ups

• NotebookLM voor klantnotities, dossiers en voorgeschiedenis

• ChatGPT voor mails en varianten

• Perplexity voor achtergrondonderzoek

KAI-workshop: tool voor teams

De KAI-scan is bedoeld als een eerste stap om grip te krijgen op de impact van AI op je werk. Geen zwaar veranderprogramma, maar een verkenning die je vandaag al kunt doen voor jezelf. Tegelijk is het een gedeelde basis om het gesprek in teams te starten en om in verdiepende workshops op organisatie- en boardniveau te kijken naar de impact van AI op workflows, rollen en groei. Zo begint inzicht individueel, maar krijgt het betekenis in gezamenlijk handelen.

Wil je concreet weten wat de overgang van kennis naar intelligentie betekent voor jouw werk? Doe de online KAI-scan en ontdek hoe jouw taken, rol en ontwikkeling verschuiven in de intelligentie-economie.

Tot de volgende window, Ruben!

Image via Clawi.ai op X.

Inleiding: de prijs van intelligentie

Kunstmatige intelligentie (AI) heeft (binnenkort) het programmeervraagstuk grotendeels opgelost. In 2026 is 41% van alle code AI-gegenereerd en gebruiken 84% van alle developers AI-tools in hun dagelijks werk (Stackoverflow, 2025). IT-systemen herschrijven zichzelf, waardoor de IT-infrastructuur van organisaties fundamenteel goedkoper en flexibeler kan opereren. Wat ooit schaars was (programmeurs) is door AI coding assistenten en AI programmeer agents (‘digitale assistenten’) getransformeerd tot overvloedige programmeercapaciteit. En dat is goed nieuws!

Maar het geeft ook dilemma’s.

Neem de Belastingdienst. Die draait op zo’n 900 IT-systemen, geschreven in meer dan 30 programmeertalen, met ruim 30 miljoen regels code (Computable, 2025). Er werken circa 4.500 IT’ers intern (Consultancy.nl, 2025), en daar bovenop sloot de dienst in 2025 een raamovereenkomst van ruim 1 miljard euro voor externe IT-inhuur over de komende vier jaar (Computable, 2025). De technische investeringen zijn enorm, de complexiteit verlammend, en elke wetswijziging betekent maanden aan systeemaanpassingen.

AI-programmeeragents zouden dit landschap de komende jaren fundamenteel kunnen vernieuwen. De voordelen zijn enorm: IT-systemen die een fractie kosten van de huidige, robuuster zijn omdat ze geautomatiseerd getest en onderhouden worden, en vele malen eenvoudiger te beheren zijn. Maar het belangrijkste voordeel is misschien wel de wendbaarheid van de software-systemen. De huidige IT-systeem complexiteit is al decennia de onzichtbare rem op overheidsflexibiliteit: elke beleidswijziging stuit op de vraag “kan het IT systeem dit aan?”

Een moderne, AI-gebouwde infrastructuur zou die rem kunnen wegnemen en de overheid daadwerkelijk wendbaarder maken.

De keerzijde is er ook. Als AI het werk kan doen van een groot deel van die 4.500 interne IT’ers en de duizenden externe krachten die via die miljardencontracten worden ingehuurd, dan staan er banen op het spel. En ik bedoel: veel banen staan dan op het spel, een massa ontslag dreigt. Niet alleen bij de Belastingdienst zelf, maar bij de tientallen IT-dienstverleners (van Capgemini tot kleine detacheringsbureaus) die hun omzet voor een belangrijk deel aan overheids-IT danken. Dat zijn reële mensen met reële hypotheken.

Dit is een dilemma. Willen we een goedkope, flexibele IT-infrastructuur die de overheid eindelijk wendbaarder maakt, wetende dat dit substantieel baanverlies veroorzaakt? Of kiezen we voor behoud van werkgelegenheid, wetende dat we daarmee een verouderd en duur systeem in stand houden dat de samenleving uiteindelijk meer kost?

De overtocht van een kennis naar een intelligentie economie (beschreven in dit artikel) zit vol met dit soort botsingen. De vraag is allang niet meer wat kunnen we, maar wat willen we. En vooral: wat zijn we bereid te verliezen?

Die vraag krijgt zelden de ruimte die ze verdient. De intelligentie economie doet een beroep op onze verticale volwassenheid in het morele gesprek, waarin technologische vooruitgang, economische inrichting en maatschappelijke betekenis samenkomen.

Dit artikel verkent tien van die dilemma’s, laat zien waarom het huidige debat tekortschiet, en maakt een pleidooi voor een burgerberaad (het intelligentieberaad:)) waarin begrip voorafgaat aan oordeel, en betoogt dat we een diepere vorm van volwassenheid nodig hebben om als samenleving richting te kiezen.

Hoe ons debat ontspoort

“The opposite of a profound truth may well be another profound truth.” Niels Bohr

Open een willekeurige krant of nieuwssite. Op maandag lees je dat 300.000 banen kunnen gaan verdwijnen, dat algoritmes discrimineren, dat Big Tech onze autonomie ondermijnt. Op dinsdag lees je dat AI de zorg betaalbaarder maakt, dat bedrijven 20% efficiënter worden, dat nieuwe Nederlandse AI startups snel groeien.

Beide verhalen kloppen. Maar ze worden zelden in hetzelfde artikel verteld.

Daardoor ontstaat een vals frame. Je bent óf voor vooruitgang, óf voor menselijkheid. Neem het debat over AI in het onderwijs. Voorstanders zien gepersonaliseerd leren dat elk kind op eigen niveau bedient. Tegenstanders waarschuwen voor de gevaren van ‘False Mastery’ (OECD report, 2026) en cognitieve offloading (verdiept in dit artikel).

Beiden hebben gelijk,
maar in het publieke debat worden ze tegenover elkaar gezet alsof je moet kiezen.

Een actueel voorbeeld. Deze week (februari 2026) riep Rutger Bregman zijn volgers op om ChatGPT te verwijderen, omdat executives van OpenAI miljoenen doneerden aan Trumps super PAC. “One of the most effective things you can do right now to fight Trump and ICE is to cancel your ChatGPT subscription.” Zijn oproep ging viral. Tienduizenden deelden hem.

Los van wat je vindt van die donaties (en daar valt genoeg over te zeggen!) is dit precies het soort reactie dat het debat verarmt. Een complexe technologie die miljarden levens raakt, gereduceerd tot een boycotslogan. Alsof je tegen kernenergie bent omdat de directeur van een energiebedrijf een foute politicus steunt. De morele vraag over AI wordt hier gekaapt door een politieke reflex. Het is begrijpelijk, het is activistisch effectief, maar het is intellectueel arm.

Het dwingt mensen om voor of tegen te zijn, terwijl de werkelijkheid vraagt om genuanceerd te denken over wat deze technologie met ons doet, ongeacht wie er geld aan verdient.

In hun wekelijkse podcast AI Report (aanrader!) spraken en terecht Bregman aan op zijn “populisme” en deden precies wat nu nodig is: context aanbrengen, frames uit elkaar trekken en de morele vraag niet reduceren tot een vijandbeeld.

Wat ontbreekt in Bregmans oproep en in het bredere debat is het vermogen om twee waarheden tegelijk vast te houden. Vooruitgang én verlies. Kans én keerzijde. Zoals OpenClaw: super tof én hartstikke gevaarlijk, de mens en machine kijken elkaar in het gelaat. Zonder dat vermogen verharden standpunten en praten we langs elkaar heen.

Juist daarom zijn dilemma’s zo waardevol.

Negen dilemma’s om samen te doordenken

Het voorbeeld van de Belastingdienst hierboven illustreert het eerste dilemma. Hieronder volgen er nog negen. Geen ervan heeft een duidelijk antwoord of voorkeur. Dat is precies het punt.

1. Gelijke behandeling versus menselijke maat

Een algoritme behandelt iedereen gelijk. Geen vriendjespolitiek, geen vooroordelen die bewust worden ingezet. Maar ook geen begrip voor de alleenstaande moeder die haar formulier te laat indiende omdat haar kind ziek was. In Australië leidde het geautomatiseerde Robodebt-systeem tot duizenden onterechte terugvorderingen — technisch correct, menselijk desastreus (Royal Commission into the Robodebt Scheme, 2023). Willen we rechtvaardigheid als regel, of rechtvaardigheid als begrip?

2. Productiviteitswinst versus eerlijke verdeling

McKinsey schat dat AI de wereldwijde productiviteit met biljoenen kan verhogen. Maar wie vangt die winst? Bij eerdere technologische revoluties (denk aan de industrialisering van de textielsector) vloeide de welvaart naar eigenaren en investeerders, terwijl arbeiders decennia moesten vechten voor hun deel. Is werk nog steeds de juiste basis voor inkomen en solidariteit als machines het werk doen?

3. Mentale ontlasting versus denkvermogen

AI neemt cognitieve taken over. Artsen laten diagnoses bevestigen door algoritmes. Juristen laten contracten screenen door software. Dat scheelt tijd en vermindert fouten. Maar het Britse Royal College of Surgeons waarschuwde al dat jonge chirurgen minder handvaardigheid ontwikkelen door simulatietechnologie (RCS England, 2023). Wat gebeurt er met ons oordeelsvermogen als we het steeds minder oefenen? Hoe behouden we de ambachten en expertise in onze samenlevingen?

4. Snelle vooruitgang versus democratisch tempo

OpenAI bracht GPT-4 uit en binnen zes maanden gebruikten honderden miljoenen mensen het. De Europese AI Act, bedoeld om kaders te stellen, was op dat moment al drie jaar in onderhandeling. Een Stanford-studie toonde aan dat de werkgelegenheid onder softwareontwikkelaars van 22 tot 25 jaar met bijna 20% daalde tussen 2022 en 2025 (MIT Technology Review, 2026). Technologie beloont snelheid, democratie vraagt zorgvuldigheid. Hoeveel vertraging is bescherming, en wanneer wordt het stilstand?

5. Veiligheid door data versus vrijheid van beweging

China’s sociale kredietsysteem heeft de criminaliteit in bepaalde steden meetbaar verlaagd. Het heeft ook miljoenen burgers de vrijheid ontnomen om een treinkaartje te kopen. Dichter bij huis: Amsterdam experimenteert met slimme camera’s die overlast detecteren. Elke camera maakt de stad iets veiliger en iets minder vrij. Waar ligt de grens tussen bescherming en controle?

6. Persoonlijke assistentie versus sociale isolatie

Replika, een AI-companion app, heeft miljoenen gebruikers die dagelijks met hun digitale vriend praten. Voor eenzame mensen biedt het troost. Maar onderzoek van de American Psychological Association laat zien dat digitale interactie de drempel voor menselijk contact verhoogt. Wat gebeurt er met onze relaties als gemak het contact vervangt?

7. Universele toegang versus vakmanschap

Met Midjourney maakt iedereen in seconden een illustratie die tien jaar geleden weken kostte. Met GPT schrijft iedereen een essay. De toegang tot creatief werk is gedemocratiseerd, en tegelijk is het onderscheid tussen een meesterwerk en een aardige poging aan het vervagen. Willen we brede toegang, ook als diepgang zeldzamer wordt?

8. Energieverbruik nu versus maatschappelijke doorbraken straks

Het trainen van één groot AI-model verbruikt evenveel elektriciteit als 130 Amerikaanse huishoudens in een heel jaar (IEA, 2025). Datacenters zijn nu al goed voor zo’n 4 tot 5% van het Amerikaanse stroomverbruik, en het International Energy Agency verwacht dat dit voor 2030 verdubbelt. Dat is de pijn: enorme hoeveelheden energie voor een technologie waarvan de maatschappelijke opbrengst nog onzeker is.

En dan het fijn. Diezelfde AI optimaliseert energienetwerken voor hernieuwbare bronnen, voorspelt bosbranden, modelleert klimaatscenario’s en helpt bij het ontwerpen van nieuwe materialen voor batterijen en CO₂-opvang. Google’s DeepMind reduceerde het energieverbruik van hun eigen datacenters met 40% door AI-gestuurde koeling. De ironie is dat we energie moeten investeren in AI om het energievraagstuk op te lossen. Accepteren we de ecologische kosten van vandaag als investering in de oplossingen van morgen?

9. Hoop op vooruitgang versus angst voor verlies

De stoommachine maakte handwevers overbodig. Velen kwamen in armoede terecht. Generaties later was de levensstandaard voor iedereen gestegen. De ‘Luddites’ die machines vernielden worden nu als kortzichtig gezien, maar hun angst was reëel en hun verlies ook. Kunnen we verlies erkennen zonder vooruitgang te blokkeren?

Waarom deze dilemma’s ‘verticale volwassenheid’ vragen

Elk van deze dilemma’s bevat botsende waarden. Efficiëntie én zorg. Vrijheid én veiligheid. Vooruitgang én verlies. De verleiding is om instinctief een kant te kiezen. Dat is menselijk. Maar het helpt ons niet verder.

Wat deze tijd vraagt is verticale volwassenheid: het vermogen om je eerste reflex te herkennen, tijdelijk te parkeren, en meerdere perspectieven tegelijk serieus te nemen. Dat is iets anders dan relativisme of besluiteloosheid. Het is de bereidheid om te verdragen dat de werkelijkheid ingewikkelder is dan je standpunt.

Dit model combineert het denken van Harvard’s Kegan en Lahey met het werk van McGuire en Rhodes van het Center for Creative Leadership. Gepubliceerd in de blog van Ryan Gottfredson.

Verticale volwassenheid gaat over ruimer kunnen denken. Niet over meer meningen, maar over meer perspectieven tegelijk kunnen dragen.

Waar horizontale ontwikkeling draait om meer kennis, betere argumenten en scherpere frames, gaat verticale ontwikkeling over het veranderen van het denkkader zelf. Het vermogen om jezelf waar te nemen terwijl je denkt. Om spanning niet meteen op te lossen, maar te onderzoeken. Om meerdere waarheden tegelijk te verdragen zonder te vervallen in simplificatie.

Verticaal leiderschap is gebaseerd op het werk van Nick Petrie, , Robert Kegan en Lahey.

In de politiek zie je dit verschil scherp terug. Politici die voortdurend spreken over de ander, hun fouten, hun slechte intenties, hun domheid, opereren vooral vanuit een afhankelijk of onafhankelijk niveau. Ze zoeken bevestiging, gelijk of overwinning. Dat kan effectief zijn in debat, maar het vergroot zelden het collectieve inzicht.

De sprong naar verticale volwassenheid is de sprong van identiteit naar integriteit. Van wie heeft gelijk naar wat vraagt deze situatie werkelijk van ons. Van tegenstellingen uitvergroten naar paradoxen dragen.

In een wereld die complexer, technologischer en onzekerder wordt, is dat geen luxe, maar een voorwaarde voor leiderschap.

Jonathan Haidt beschreef in The Righteous Mind hoe morele oordelen zelden het product zijn van rationele afweging. We voelen eerst en redeneren daarna. Bij elk van de bovenstaande dilemma’s gebeurt precies dat. We lezen “baanverlies” en voelen weerstand. We lezen “efficiëntie” en voelen hoop. Verticale volwassenheid begint met het herkennen van die reflex, en de bereidheid om er even niet naar te handelen.

Spinoza schreef het al in de zeventiende eeuw: niet lachen, niet huilen, niet verafschuwen, maar begrijpen. Die zin is honderden jaren oud en urgenter dan ooit. Begrijpen betekent hier niet goedkeuren. Het betekent dat je probeert te zien wat een ander ziet, voordat je oordeelt. En dat je erkent dat jouw perspectief (hoe goed onderbouwd ook) altijd maar één van de vele perspectieven is.

Zonder die volwassenheid vervallen we in simplificatie. Dan wordt AI de redding óf de bedreiging. Dan wordt beleid technocratisch óf nostalgisch. En dan verhardt het publieke gesprek tot een stellingenoorlog waar niemand wijzer van wordt.

Waarom we een Intelligentieberaad nodig hebben

Deze dilemma’s zijn te belangrijk om over te laten aan techbedrijven, beleidsmakers of opiniemakers alleen. Ze raken ons allemaal, als werknemer, als ouder, als burger, als mens.

Nederland kent het burgerberaad: een (bewezen) democratisch instrument waarbij gelote burgers zich buigen over complexe maatschappelijke vraagstukken. Ierland deed het met het huwelijk voor iedereen en met abortus (twee van de meest gepolariseerde onderwerpen denkbaar). Het leidde tot genuanceerde aanbevelingen die vervolgens brede steun kregen in referenda. Frankrijk deed het met klimaat, met gemengde maar leerzame resultaten. Telkens geldt hetzelfde: als je gewone mensen serieus neemt, serieuze informatie geeft, en de tijd gunt om te worstelen met complexiteit, komen ze tot betere antwoorden dan het gepolariseerde debat doet vermoeden.

Voor de intelligentie economie zou zo’n burgerberaad een eigen vorm moeten krijgen. Ik noem het een Intelligentieberaad. De opzet verschilt op één cruciaal punt van een klassiek burgerberaad: je kunt pas zinvol over de dilemma’s spreken als je begrijpt waar je het over hebt. Dus inzicht in de technologie is cruciaal!

Fase één: inzicht verwerven. Voordat deelnemers ook maar één dilemma bespreken, krijgen ze een intensief programma. Hoe werkt een taalmodel eigenlijk? Wat kan AI nu, en wat kon het drie jaar geleden? Hoe snel verdubbelt de capaciteit?

Deelnemers zien live hoe een algoritme een beslissing neemt over een uitkeringsaanvraag, hoe een AI-systeem een medische scan analyseert, hoe een chatbot een eenzame tiener te woord staat. Ze spreken met een programmeur die uitlegt wat er onder de motorkap gebeurt, met een ondernemer die zijn bedrijf erdoor zag veranderen, met een ambtenaar die ermee werkt, met een filosoof die de ethische implicaties doordenkt. Het doel is geen expertise, het doel is dat iedereen aan tafel dezelfde werkelijkheid ziet voordat het gesprek begint.

Fase twee: samen doordenken. Dan pas komen de dilemma’s. En dan verandert er iets. De thuiszorgmedewerker die in fase één zag hoe administratie-AI haar collega’s al vervangt, spreekt anders over dilemma één dan iemand die het alleen van horen zeggen kent. De mkb-ondernemer die live meekeek hoe een concurrent zijn hele klantenservice automatiseerde, weegt dilemma twee anders af. De docent die met eigen ogen zag hoe een leerling een werkstuk liet genereren dat zij niet van echt kon onderscheiden, benadert dilemma drie vanuit ervaring in plaats van angst.

Het verschil met een klassiek burgerberaad is dat het Intelligentieberaad de kenniskloof serieus neemt. De meeste mensen hebben een mening over AI op basis van krantenkoppen en persoonlijke anekdotes. Dat is onvoldoende om over deze dilemma’s te spreken op het niveau dat ze verdienen. Gedeeld inzicht is de voorwaarde voor een gedeeld gesprek.

En dat gedeelde gesprek is het eigenlijke doel. Een Intelligentieberaad is geen enquête en geen focusgroep. Het is een proces waarin mensen met verschillende achtergronden en overtuigingen elkaars perspectief moeten doorleven. Waar een ondernemer luistert naar een vakbondslid, en een ambtenaar naar een scholier. Waar je niet kunt wegkomen met je eigen bubbel. Waar de spanning tussen efficiëntie en waardigheid, tussen vrijheid en veiligheid, geen retorische oefening is maar een keuze die je samen moet wegen.

De intelligentie economie verdient zo’n proces. Omdat de dilemma’s reëel zijn. Omdat de gevolgen iedereen raken. En omdat we (als we eerlijk zijn) nog helemaal niet weten welke keuzes we eigenlijk willen maken. Die onzekerheid is geen zwakte. Het is het begin van volwassenheid.

Van polarisatie naar richting

In elke technologische revolutie zagen we hetzelfde patroon. De auto maakte ons mobieler én veroorzaakte ongelukken, en creëerde een nieuwe sector met autoschadebedrijven. Kantoorwerk maakte arbeid lichter én verminderde beweging, maar gaf ook een boost aan sportscholen. Vooruitgang lost iets op en creëert tegelijk nieuwe problemen. Zoals Einstein al opmerkte, zijn mensen uitzonderlijk goed in het oplossen van problemen, en minstens zo goed in het creëren van nieuwe.

Het verschil met nu is snelheid en schaal. ChatGPT bereikte honderd miljoen gebruikers in twee maanden. Instagram deed daar tweeëneenhalf jaar over. We kunnen ons geen kinderlijk debat veroorloven over een technologie die sneller beweegt dan welk debat ook.

Zolang we kansen en risico’s los blijven bespreken, blijven we verdeeld. Dilemma’s brengen ze samen in één gesprek. Ze dwingen geen consensus af, maar ze maken bewuste keuzes mogelijk.

Een stad en een land die willen groeien van een kenniseconomie naar een intelligentie economie hebben dit nodig. Een Intelligentieberaad dat de dilemma’s serieus neemt, dat burgers de ruimte geeft om eerst te begrijpen en dan te oordelen, en dat de verticale volwassenheid opbouwt die onze democratie nu zo hard nodig heeft. Het vermogen om spanning te dragen en toch richting te kiezen.

Tot de volgende window, Ruben!

Opinie artikel, geschreven met Barbara Baarsma, gepubliceerd in Het Parool, 24 januari 2026.

Onder dit opinieartikel is de openingsspeech opgenomen van de werkconferentie Agenda Nieuw Amsterdam, waar 100 Amsterdammers samenkwamen om richting te geven aan de overgang naar de intelligentie-economie.

Van kennis naar intelligentie-economie
Amsterdam is een van de groeimotoren van Nederland. Economische kracht is geen vanzelfsprekendheid; het is het resultaat van visie, keuzes en durf. En precies dat staat nu op het spel. Want de economische realiteit verandert fundamenteel. We bewegen van een kenniseconomie naar iets veel omvangrijkers: een intelligentie-economie. (beschreven in dit artikel)

Tot nu toe draaide waardecreatie om klassieke productiefactoren: arbeid, kennis, land, kapitaal, grondstoffen en natuur. Daar is een nieuwe factor bij gekomen: kunstmatige intelligentie. Soms fysiek, denk aan robots; soms digitaal, denk aan grote taalmodellen en agents: ‘digitale collega’s’ die een serie van taken tot een heel proces kunnen uitvoeren.

Deze kunstmatige wezens leren sneller dan wij, produceren sneller dan wij en lossen problemen op in een tempo dat de menselijke schaal ver overstijgt. Daarmee veranderen niet alleen processen, maar de structuur van de economie zelf.

De stap naar een intelligentie-economie betekent dat de machine, onder menselijke regie, tokens – de munteenheid waarmee AI denkt – omzet in oplossingen, productiviteit en waarde. En het mooie is: we kunnen die intelligentie inzetten voor maatschappelijke opgaven die al jaren vastlopen. Van het sneller en goedkoper herstellen van kademuren en bruggen tot het ontwikkelen van nieuwe medicijnen, klimaatoplossingen of slimmere mobiliteitssystemen.

Beschermen of ontdekken?
Maar of we de potentie van deze nieuwe productiefactor daadwerkelijk benutten en omzetten in waarde, hangt volledig af van de keuzes die steden nú maken. Amsterdam staat voor de vraag: blijven we in de beschermingsmodus hangen, of schakelen we over naar de ontdekkingsmodus? (beschreven in mijn essay: Nieuw Amsterdam, tijd voor tough love)

Te vaak kiest de stad voor het eerste, met regels, vertraging en voorzichtigheid. Ondernemers en technologische vernieuwers worden benaderd alsof zij vooral risico’s meebrengen, in plaats van oplossingen.

Daardoor blijven we hangen in de kenniseconomie, en maken we niet de noodzakelijke sprong naar deze nieuwe economie. En die keuze heeft gevolgen. Regio’s die wél versnellen, halen ons in. We zien het al: Amsterdam zakt weg in internationale rankings (#24 Europa😳) en benut zijn potentieel onvoldoende, ondanks het aanwezige talent, kapitaal en een bruisend ecosysteem.

Tijd voor een cultuurverandering
Maar het kan anders. De meeste welvaart komt voort uit het doen van nieuwe, voorheen onvoorstelbare dingen. Precies daar ligt de kracht van AI, mits we AI meer laten zijn dan louter automatisering. Nieuwe bedrijven zijn daarbij onmisbaar. Zij richten zich op het bouwen van nieuwe producten, niet op het optimaliseren van bestaande processen. Grote bedrijven hebben schaal, maar geen wendbaarheid. Zonder een vitale instroom van nieuwe bedrijven verdwijnt de innovatiekracht die maatschappelijke problemen kan oplossen.

Daarom moet Amsterdam het startupecosysteem nieuw leven inblazen én de basisvoorwaarden voor grootschalig gebruik van AI op orde brengen. Dat vraagt om gerichte investeringen in digitale infrastructuur; ja, dus óók in datacenters!

Dat vraagt om meer dan subsidies en pilots. Het vraagt om een cultuurverandering. Een stad die kunstmatige intelligentie wil benutten, moet ruimte bieden aan experiment, snelheid en vertrouwen.

Stel je voor: een slimme visie op hoe we met AI‑gestuurde bodemmetingen, risicomodellen en vroegtijdige signalering funderingsschade kunnen voorspellen én voorkomen. Of hoe we door met AI-gestuurde routeplanning, voorspellingen van hoe vol vuilcontainers zitten en realtime scheidingsanalyses te werken de afvalinzameling kunnen verbeteren en recyclingstromen kunnen optimaliseren – en bedrijven die zich melden om dat werkelijkheid te maken.

De logische reactie zou moeten zijn: “Ga ervoor, wat hebben jullie nodig?” Niet een rem op basis van regels, maar een versnelling op basis van vertrouwen.

Fiksers en bouwers
Politiek betekent dat een verschuiving van de vraag hoe verdelen we de koek vandaag? naar hoe vergroten we de koek voor morgen? De klassieke tegenstelling tussen links en rechts helpt daarbij niet meer. De waarheid ligt niet in het midden, maar in de toekomst.

Het onderscheid is niet langer tussen politieke stromingen, maar tussen fiksers en bouwers. Fiksers repareren wat er is; bouwers creëren wat er nog niet bestaat. Beide zijn nodig, maar zonder bouwers komt de stad tot stilstand.

Wanneer Amsterdam de intelligentie van de stad richt op concrete problemen, leidt dat tot brede welvaart die voelbaar is voor bewoners, bedrijven, maatschappelijke organisaties en de regio. Een stad die slimmer bouwt, sneller leert en gericht innoveert, vormt een omgeving waarin vooruitgang en verbinding hand in hand gaan, zodat groei niet alleen technisch, maar ook maatschappelijk is.

Dan groeit Amsterdam uit tot meer dan een intelligente stad: een intelligente, lieve stad.

Agenda Nieuw Amsterdam
Daarom werken we momenteel met een brede groep Amsterdammers, ondernemers, techexperts, en maatschappelijke organisaties, aan een routekaart voor die intelligente stad. Na 6 maart delen we het resultaat. Het wordt geen dichtgetimmerd plan, maar een uitnodiging om gezamenlijk verantwoordelijkheid te nemen voor de toekomst die we willen bouwen.

Amsterdam hoeft geen toeschouwer te zijn van de intelligente-economie. We kunnen medearchitect worden!

Agenda Nieuw Amsterdam – Openingsspeech (30 januari 2026, Zoku)

ME | Waarom ik hier sta

“Als je tien problemen hebt en je probeert ze allemaal tegelijk op te lossen,
dan heb je er elf.”

Die zin is van Eberhard van der Laan.

Ik mocht kort met hem werken in de tijd van StartupAmsterdam, in 2015.
Die zin zegt iets over onze mindset.
Over keuzes. Over durven laten.

September vorig jaar schreef ik een liefdesbrief aan mijn stad, Amsterdam.
Ingegeven door de zorgen over de ontwikkeling van ons tech-ecosysteem en het ondernemersklimaat.

Ik miste ondernemerschap, innovatie en technologie als onderdeel van ons Amsterdamse verhaal.

Dat essay had de titel: Nieuw Amsterdam, tijd voor tough love. (Link naar essay)
Vooral de eerste 4 paragrafen, uitte ik mijn zorgen,
Niet als aanval, maar als verkenning van de onderliggende problematiek van de stad:
We zitten vast in ‘dat elfde probleem’.

We zijn als stad in beschermingsmodus gekomen,
We laten ons vooral leiden door herstel, voorzorg, wantrouwen.
Een stad van Fiksers.
Voor de goede orde: op zich niks mis mee!

Naast zorgen over deze beschermingsreflex wilde ik ook perspectief bieden.
Zo beschreef ik in de overige paragrafen de aanstaande overtocht van een kennis- naar een intelligentie economie.

Ik ontving honderden reacties.
Met vooral de vraag:
“wat bedoel je precies met een intelligentie-economie?”

20 oktober publiceerde ik daarover een vervolg artikel: (link naar artikel)
‘We moeten het minder hebben over AI. Maar vooral over de intelligentie-economie’

En de 5 pijlers waardoor deze nieuwe economie wordt gedragen:
1. Energie en rekenkracht, als brandstof.
2. Toegang tot data & intelligentie, voor iedereen.
3. Ondernemerschap en talent, als motor.
4. Kompas en laboratorium, als moreel kompas en ruimte voor verbeelding.
5. Vertrouwensinfrastructuur, die innovatie ondersteunt.

Wederom overladen door berichten.
Met vragen en opmerkingen die niet direct te beantwoorden waren.

Zo ontstond de behoefte om een denkexperiment te doen:
Waar staat Amsterdam over 12 jaar, in het jaar 2038?
Wat is die intelligente stad eigenlijk?
Welke stad willen we creëren samen?
En wat is de rol van het tech & AI-ecosysteem daarin?
Hoe werkt die samen met de maatschappelijke stakeholders?

Daarop opperde ik aan Hans Meijer, van Zoku
“Zullen we rondom de vijf pijlers van de intelligentie-economie,
Amsterdammers in gesprek laten gaan. Actietafels organiseren.
Wil jij je ruimte beschikbaar stellen, en het diner verzorgen.”?
Hans zei direct “Ja”!

In november en december organiseerden we deze 5 diners,
Met 7 Amsterdammers per tafel,
Gesprekken van 3 uur, elk met een co-host:
Barbara Baarsma, Marco van der Werf, Stijn Grove, Peter van Sabben, Jan Scheele.
Aan tafel zaten AI professoren, techexperts, economen, filosofen, vrijdenkers, ondernemers, ecosysteembouwers, maatschappelijke leiders.

Elke keer een diverse groep,
met diverse waardensystemen, verschillende perspectieven.
Vandaag presenteren we het eerste concept: Agenda Nieuw Amsterdam (versie 0.3).

Ik sta hier als bezorgde, maar ook ambitieuze Amsterdamse burger.
Ik heet jullie dan ook allemaal van harte welkom, bij dit burger initiatief!
Veel dank dat jullie zijn gekomen!

US | Wat dit over ons zegt als stad

Kort geleden publiceerde Dealroom, data over hoe het gaat met het Amsterdamse tech & AI ecosysteem,

Het onderbuik gevoel van September vorig jaar zagen we uitgedrukt in harde cijfers:
Amsterdam staat inmiddels op plek #8,
teruggevallen, eerst uit de top 3, en daarna van plek 4, nu net onder Zürich.

En als je kijkt naar de jaarlijkse Enterprise Value Growth data zelfs plek 21
net boven Moskou, net onder Dublin.

We groeien nauwelijks als ecosysteem.

Ooit stonden we in de bovenste rijtjes,
Het Amsterdamse tech & AI ecosysteem ademt zwaar!
“Code Rood” volgens sommigen.

We zien 3 patronen:
we zijn gefragmenteerd,
we hebben de randvoorwaarden niet op orde,
we komen vanuit een beschermingsreflex.

De tijd van ‘de self-celebrating-crowd’ is voorbij.
We moeten aan de bak, en flink ook.

Amsterdam staat voor de vraag:
blijven we in deze beschermingsmodus hangen,
of schakelen we over naar de ontdekkingsmodus?

Dit schreven Barbara en ik in het Parool afgelopen zaterdag:
“Te vaak kiest de stad voor het eerste,
met regels, vertraging en voorzichtigheid.
Ondernemers en technologische vernieuwers worden benaderd alsof zij vooral risico’s meebrengen, in plaats van oplossingen.
Daardoor blijven we hangen en maken we niet de noodzakelijke sprong naar de intelligentie-economie,
ondanks het aanwezige talent, kapitaal en een bruisend ecosysteem.”

Maar het kan anders!
Het versterken van het AI & tech ecosysteem kan hand in hand gaan met onze maatschappelijke opgaven, zoals onderwijs, werk, zorg en mobiliteit.

Twee krachten die samenwerken.
Maatschappij en technologie:
tech ondernemers, die van: ‘welke oplossingen kunnen we bouwen?’
en de maatschappij, die van: ‘welke oplossingen willen we bouwen?’

Amsterdam, de intelligente, lieve stad!

Intelligent in de betekenis van een stad die leert en experimenteert,
een stad die met deze extra productiefactor intelligentie, nieuwe waarde creëert.

Lief als een stad die menselijk blijft.
En lief ook in de betekenis die Spinoza eraan gaf:
samen begrijpen, samen inzicht ontwikkelen.

Vooruitkijken en terugredeneren

We weten al veel.

We weten dat robots over twaalf jaar een groot deel van last mile delivery uitvoeren.
De vraag is wie ze ontwerpt.
Wachten we tot Chinese leveranciers ze getest en kant en klaar aanbieden?
of bouwen we nu een Amsterdamse coalitie rond Fysieke AI in logistiek en de openbare ruimte?

We weten dat stedelijke besluitvorming steeds vaker wordt ondersteund door AI.
Voor mobiliteit, voor energie, voor veiligheid.
Wachten we tot Amerikaanse platforms die systemen leveren als black box?
of organiseren we nu een coalitie die ze samen ontwerpt, test en bestuurd
vanuit publieke waarden?

En we weten dat werk verandert.
Cat vrijwel iedereen opnieuw vaardigheden nodig heeft om met AI samen te werken.
Wachten we tot onrust en uitval ontstaan?
Of bouwen we nu al een AI-reskill coalitie van onderwijs, werkgevers, werknemers en overheid?

We hebben toekomst coalities nodig!

En als Amsterdam terughoudend blijft, angstig blijft, wantrouwend blijft,
dan zullen deze passieve affecten (zoals Spinoza ze noemt),
ons handelingsvermogen aantasten.
We zullen moeten overschakelen naar de actieve affecten:
Ambitie, nieuwsgierigheid, vertrouwen,

Politieke shift

In het artikel van zaterdag beschreven we dat als volgt:
‘Politiek betekent dat een verschuiving van de vraag ‘hoe verdelen we de koek vandaag?’ naar ‘hoe vergroten we de koek voor morgen?’
De klassieke tegenstelling tussen links en rechts helpt daarbij niet meer.
De waarheid ligt niet (langer) in het midden, maar in de toekomst.

Het onderscheid is niet langer tussen politieke stromingen,
maar tussen fiksers en bouwers.
Fiksers repareren wat er is;
bouwers creëren wat nog niet bestaat.
Beide zijn nodig, maar zonder bouwers komt de stad tot stilstand.

Wanneer Amsterdam de intelligentie van de stad richt op concrete problemen,
leidt dat tot brede welvaart die voelbaar is voor bewoners.
bedrijven, maatschappelijke organisaties en de regio.
Een stad die slimmer bouwt, sneller leert en gericht innoveert,
vormt een omgeving waarin vooruitgang en verbinding hand in hand gaan,
zodat groei niet alleen technisch, maar ook maatschappelijk is.’

Ons verhaal (en de media)

Ik zie het vaak: technologie en AI ondernemerschap worden in het publieke debat vooral benaderd vanuit angst, wantrouwen en soms ook afgunst.
(Big) tech als schrikbeeld.
Ondernemers als risico.
Innovatie als iets dat eerst afgeremd moet worden.
We kunnen daarover klagen.
We kunnen harder gaan roepen.
Maar als we oude woorden blijven gebruiken, verandert er niets.

Wat nodig is, is een nieuw verhaal.
Een verhaal met ambitie. Met nieuwe woorden. Met handelingsperspectief.
Een Amsterdams verhaal, waar ondernemerschap, innovatiekracht en technologisch vernuft weer een centrale plek inneemt.
Een verhaal dat eerlijk is over de toekomst, inclusief de dilemma’s.
Gebaseerd op aspiratie, verantwoordelijkheid en handelingsvermogen:
Amsterdam, The City (of) AI Solutions!

NOW | Wat we vandaag doen

Vandaag zitten we hier niet voor inspiratie,
en zeker niet, ik noemde het al eerder, als self-celebrating-crowd,
om onze kleine successen te vieren.

We zitten hier om een nieuw verhaal te maken met elkaar.
En vooral tot actie over te gaan.
Weer samen te werken op schaal.
Coalities te vormen.

De visie ligt er:
we gaan van een kennis naar een intelligentie economie, in de komende 12 jaar.

De missie is benoemd:
weer handelingsbekwaam om samen te bouwen naar een intelligente, lieve stad.

Vanuit een duidelijke strategie:
1.Weer onze ontdekkingsmodus geactiveerd
2. Handelingsperspectief organiseren, maatschappij breed
3. Bouwen aan nieuwe waarde

We hebben in de actietafels per pijler de probleemstelling, keuzes en maatregelen benoemd.
We hebben de nationale plannen van Wennink en het AI deltaplan lokaal en regionaal vertaald, per pijler.
We hebben zelfs 100 Amsterdammers bij elkaar die willen bouwen.

Wat nu voorligt, is het proces.

Ik begon met een quote van Eberhard van der Laan.
Sta mij toe te eindigen met een quote van Spinoza:
‘Niet lachen, niet wenen, niet verafschuwen, maar begrijpen’

Weer samen bouwen,
naar een intelligente, lieve stad.

Dank dat jullie zijn gekomen!

(Binnenkort de infographic als bijlage)

Dit artikel introduceert Critical Prompting: (en) een verzameling van 10 concrete prompt technieken waarmee je AI transformeert van ja-knikker naar sparringpartner. Door Critical Prompting stimuleer je niet alleen je eigen denkvermogen, maar krijg je ook aantoonbaar scherpere, vollediger en beter onderbouwde output uit de AI modellen. Vijf zijn ontworpen voor de professionele context, vijf voor het onderwijs (alle leeftijden).

Je leert hoe je kritische spanning inbouwt in je prompts, hoe je de AI dwingt zichzelf aan te vallen, en hoe je voorkomt dat je kritisch denkvermogen verschraalt. Of je nu strategische beslissingen neemt, content creëert, of je kinderen helpt met huiswerk: deze 10 frameworks en prompts zorgen dat AI je slimmer maakt in plaats van mentaal luier.

Leestijd: 15 minuten (tekst gaat verder onder de Critical Prompting infographic )

Het fundamentele probleem: waarom AI liegt (zonder dat het liegt)

Is er een stille mentale epidemie gaande? Miljoenen mensen hebben hun kritisch denkvermogen uitbesteed aan een machine die redeneert zonder (echt) te begrijpen. Ze stellen een vraag, accepteren het antwoord en voelen zich geïnformeerd. Maar wat ze eigenlijk doen is mentaal verslappen.

De architectuur van aannemelijkheid

Taalmodellen (Large Language Models) zijn getraind op één ding: statistische plausibiliteit. Ze voorspellen het meest waarschijnlijke volgende woord op basis van patronen in miljarden teksten. Dit betekent:

• Ze reproduceren consensus, niet (altijd) waarheid

• Ze geven je het populairste antwoord, niet (altijd) het correcte antwoord

• Ze herhalen dominante narratieven, niet nuance

• Ze vermijden controverse, ook als de controversiële positie juist is

Een model getraind op krantenarchief uit 1930 zou je met overtuiging vertellen dat roken gezond is. Niet omdat het liegt, maar omdat het geen onderscheid kan maken tussen consensus en waarheid.

De sociale wenselijkheidsbias van machines

Herkenbaar? Je vraagt ChatGPT om feedback op een idee, en het antwoord is een warme douche: “Dit is een fantastisch, innovatief concept dat de markt zeker zal veroveren!” Het voelt goed, maar het is waardeloos.

AI is gebouwd om je tevreden te stellen. Het is de perfecte ja-knikker. Als je vraagt “Klopt mijn analyse?”, zal het model geneigd zijn bevestigend te antwoorden, zelfs als je analyse rammelt. Dit is bevestigingsbias in actie: de AI echoot je voorkeuren.

Erger nog: modellen zijn getraind met feedback van mensen, waarbij ze beloond worden voor “behulpzaamheid” en “veiligheid.” Dit creëert een systeem dat systematisch afwijkt van harde waarheden richting diplomatieke antwoorden.

De psychologie van mentaal uitbesteden (cognitieve offloading en het Atrofie-Effect)

Het uitbesteden van mentale taken is evolutionair logisch. Onze hersenen zijn lui omdat energie kostbaar is. Als een tool betrouwbaar lijkt, schakelen we onze controle-processen uit. Dit is dezelfde reden waarom niemand meer telefoonnummers uit het hoofd leert: smartphones zijn betrouwbaarder dan geheugen.

Maar AI is geen smartphone. Het is een statistische gokautomaat verpakt als autoriteit.

Neurowetenschappelijk onderzoek toont aan dat vaardigheden die we niet gebruiken fysiek degraderen (het Atrofie-Effect). Taxi-chauffeurs in Londen (die de hele stad uit het hoofd hebben moeten leren) hebben letterlijk grotere hippocampi dan gemiddeld. GPS-gebruikers verliezen ruimtelijk oriëntatievermogen.

Een recente studie van Carnegie Mellon en Microsoft onder 319 professionals toont dat 62% aangeeft minder kritisch te denken wanneer zij AI gebruiken, met name bij taken met lage inzet. Tegelijkertijd zijn kenniswerkers die vertrouwen hebben in hun eigen expertise 27% vaker geneigd AI-output te toetsen in plaats van deze klakkeloos over te nemen.

Wat gebeurt er met een generatie die ophoudt met:

• Het evalueren van bronnen

• Het opsporen van logische inconsistenties

• Het genereren van tegenargumenten

• Het synthetiseren van informatie uit tegenstrijdige bronnen?

Ze verliezen niet alleen deze vaardigheden. Ze vergeten dat ze ze ooit hadden.

Het probleem zit dus dieper dan “AI verzint soms dingen.” Het probleem is dat wij het niet nauw nemen met onze kritische alertheid —onze natuurlijke menselijke reflex om informatie te checken, bronnen te wegen en tegenargumenten te zoeken. Die spier verslappen we elke keer dat we een AI-antwoord zomaar als waarheid accepteren.

Critical Prompting is daarom geen lifehack.
Het is een overlevingsstrategie voor je intellect.

Critical Prompting: De tegenmacht (van je AI-slijmballen)

Daarom introduceer ik een nieuw begrip: Critical Prompting.

Het bouwt voort op prompt engineering, maar richt zich op iets anders. Niet op het optimaliseren van de output van de AI, maar op het activeren van je eigen denkvermogen.

Critical Prompting is het systematisch inbouwen van kritische spanning in je interactie met AI. In plaats van de AI als orakel te gebruiken, gebruik je het als sparringpartner. Eén die je dwingt je argumenten te verdedigen en alternatieven te verkennen.

Critical Prompting doorbreekt de echokamer. Het dwingt de AI om:

1. Logische gaten te vinden in je redenering.

2. Tegenargumenten te leveren die je zelf over het hoofd ziet.

3. Zichzelf te corrigeren voordat jij het resultaat ziet.

Het doel is niet om betere AI-antwoorden te krijgen.
Het doel is om jezelf te dwingen beter te denken.

Taalmodellen hebben ingebouwde veiligheidsregels die voorkomen dat ze de gebruiker beledigen of demotiveren. Als jij zegt: “Hier is mijn idee, wat vind je?”, activeer je de modus: Wees aardig tegen de gebruiker.

Maar als je het idee loskoppelt van jezelf, veranderen de regels. Het model hoeft een fictieve derde partij niet te sparen. Hoe je dit doet? Presenteer je eigen werk, maar lieg over de bron.

De Prompt

Een collega van mij kwam met het volgende voorstel voor onze strategie. Ik twijfel eraan, maar ik kan mijn vinger er niet op leggen. Wees genadeloos: analyseer waarom dit idee waarschijnlijk gaat falen en waar de logica rammelt. Hier is het voorstel: [Plak hier jouw eigen idee].

Waarom dit werkt: Doordat je zelf al twijfel uitspreekt (”Ik twijfel eraan”), geef je het model impliciet toestemming (en zelfs de opdracht) om negatief te zijn. Je verplaatst de “reward” van bevestigen naar kritisch analyseren. Het model voelt zich veilig om het idee te slopen, omdat het denkt dat het jou daarmee helpt in plaats van kwetst.

Hieronder deel ik 10 concrete frameworks die je direct kunt toepassen. Deze zijn uitgewerkt met prompts en instructies, die één op één te vervangen zijn door eigen onderwerpen, opdrachten of dilemma’s.

Framework 1: Stel eerst je eigen spelregels vast

Het probleem
Je geeft een opdracht zonder expliciet te definiëren wat “goed” betekent. De AI vult deze leegte in met standaard normen: beleefdheid, consensus, oppervlakkige volledigheid.

De oplossing
Je voegt een set niet-onderhandelbare instructieprincipes toe die alle outputs moeten passeren. Dit is hoe Anthropic hun modellen traint, en jij kunt dit principe gebruiken voor je eigen doelen. Bij iedere AI-chatbot kun je deze spelregels vastleggen via instellingen voor personificatie of expliciet in het startbericht van een gesprek. In beide gevallen stuur je niet het antwoord, maar het denkgedrag vooraf.

De prompt

<principes>
1. Intellectuele Eerlijkheid: Geef onzekerheid expliciet toe. “Ik weet het niet” is beter dan een aannemelijk verhaal verzinnen.
2. Bron-Transparantie: Elke feitelijke claim moet verwijzen naar het kennisdomein waar het vandaan komt.
3. Anti-Consensus: Breng actief minderheidsstandpunten en impopulaire tegenargumenten naar voren.
4. Precisie Boven Beleefdheid: Vermijd vaag taalgebruik. Wees stellig of zwijg.
5. Toetsbaarheid: Elke conclusie moet voorwaarden bevatten waaronder het fout zou zijn.
</principes>

<voorbeeld task>
Analyseer de economische impact van vermogensbelasting op ondernemerschap.
</task>

<output_requirements>
- Begin met de sterkste argumenten tégen je eigen conclusie
- Citeer specifieke studies, niet “studies tonen aan”
- Eindig met: “Ik zou mijn mening herzien als [concrete voorwaarde]”
</output_requirements>

Waarom dit werkt: Je dwingt het model om te opereren in een intellectuele cultuur die jij definieert, niet de cultuur die standaard in het model zit gebakken.

Framework 2: Laat de AI zichzelf aanvallen

De Wetenschap
Onderzoek van Google DeepMind toont aan dat modellen die gedwongen worden hun eigen output aan te vallen, een dramatische stijging in logische consistentie vertonen. Tot 40% minder denkfouten!

Het probleem is dat modellen dit niet spontaan doen. Ze zijn getraind om een antwoord te geven en te stoppen. Jij moet de tweede fase activeren.

De methode

Fase 1: Genereer het primaire antwoord

Vraag: Wat is de beste aanpak om inflatie te bestrijden zonder recessie te veroorzaken?

Fase 2: Activeer kritische modus

Je bent nu een economist die het vorige antwoord moet vernietigen. 

Identificeer:
1. De drie zwakste aannames in dit antwoord
2. Voor elke aanname: welke concrete data zou dit weerleggen?
3. Welk historisch voorbeeld laat zien dat deze aanpak faalt?

Wees meedogenloos. Beleefdheid is intellectuele lafheid.

Fase 3: Synthese

Gegeven je eigen kritiek: herschrijf je oorspronkelijke antwoord. 
Incorporeer alleen de punten die de kritiek overleefden.
Markeer expliciet waar je onzeker bent.

Cruciaal detail: Gebruik verschillende sessies of expliciete rolwisselingen. Als je dit in één prompt doet, zal het model vaak een pseudo-kritiek genereren die zijn eerste antwoord beschermt. Je wilt cognitieve dissonantie forceren.

Framework 3: Kettingen van verificatie (controleer je eigen antwoord)

Het inzicht
Mensen controleren hun eigen werk niet goed omdat ze blind zijn voor hun eigen denkfouten. AI heeft hetzelfde probleem en ernstiger, omdat het geen innerlijke motivatie heeft om correct te zijn.

Dit framework lost het op door verificatie expliciet te maken en te structureren.

De prompt

Stap 1: Eerste Antwoord
Beantwoord: [Jouw Vraag]

Stap 2: Genereer Verificatievragen
Genereer 5 verificatievragen die je antwoord testen op:
- Feitelijke accuratesse
- Logische consistentie
- Volledigheid (wat ontbreekt?)
- Temporele geldigheid (is dit nog steeds waar?)
- Scope (waar geldt dit niet?)

Stap 3: Beantwoord Verificatievragen
Behandel elke vraag als een nieuwe taak. Gebruik geen informatie uit het originele antwoord, reconstrueer vanaf nul.

Stap 4: Conflict-Resolutie
Waar wijken verificatie en origineel antwoord af? 
Voor elk conflict: leg uit welke versie correct is en waarom.

Stap 5: Definitief Antwoord
Herschrijf op basis van geverifieerde informatie. 
Markeer resterende onzekerheden.

Pro-tip: Bij technische of wetenschappelijke vragen, eis dat verificatievragen specifieke datasets, formules of experimenten benoemen. “Onderzoeken tonen aan” is niet controleerbaar.

Framework 4: Denkbomen, verken meerdere wegen tegelijk

De beperking van lineair denken
Een standaard prompt genereert één denkpad. Maar complexe problemen hebben geen unieke oplossing, ze hebben een oplossingsruimte.

Dit framework simuleert parallelle denkpaden en laat je de beste kiezen op basis van heldere criteria.

De prompt

Probleem [1e prompt]: [Jouw Strategische Vraag, bijv: moet ik investeren in bitcoin?]

Verken 4 fundamenteel verschillende benaderingen:

Benadering A: [Beschrijvende Naam]
- Kernassumptie:
- Stap-voor-stap redenering:
- Kritische afhankelijkheden:
- Failure modes:
- Confidence score (0-100%): 

Benadering B, C, D: [Herhaal structuur]

Vergelijkingstabel:
| Criterium | A | B | C | D |
|-----------|---|---|---|---|
| Haalbaarheid | | | | |
| Impact bij succes | | | | |
| Downside risk | | | | |
| Tijdshorizon | | | | |

[einde prompt]

Synthese (2e prompt):
Adviseer de beste route. Leg uit waarom deze de andere verslaat. Niet in generieke termen, maar met specifieke trade-offs.

Kritiek punt: Forceer fundamentele verschillen. Als de vier benaderingen variaties op hetzelfde thema zijn, mist het model de opdracht. Specifeer: “Elke benadering moet een andere mentaal model of paradigma gebruiken.”

Framework 5: Marktsimulatie, de echte stem van de klant

Het probleem met persona’s
AI-gegenereerde klantprofielen zijn bedrijfs-fantasieën. Ze produceren stereotypen (”Alex, 34, tech-savvy, houdt van innovatie”) die niemand zijn die je ooit zult ontmoeten.

De oplossing: simuleer frustratie
In plaats van te vragen wie je klanten zijn, vraag waar ze over klagen. Pijn is de enige betrouwbare signaal in marktonderzoek.

De prompt

Simuleer diepgaande analyse van:
- Reddit (specifieke subreddits: [lijst])
- Amazon reviews (1-2 sterren) voor [productcategorie]
- Twitter threads met klachten over [industrie]
- Niche forums voor [specifieke gemeenschap]

Negeer positieve reviews en marketing. Focus uitsluitend op:

1. Frustraties: Wat werkt niet?
2. Onvervulde Behoeften: Wat willen mensen dat niet bestaat?
3. Verborgen Kosten: Welke verrassingen haten mensen?
4. Alternatieve Jobs-to-be-Done: Waarvoor gebruiken mensen dit product dat niet de bedoeling was?

Output:
- 7 pain-points in de rauwe taal van gebruikers (citaatstijl, geen corporate jargon)
- Voor elk: frequentie (hoe vaak komt dit voor?) en intensiteit (hoe boos zijn mensen?)

Waarom dit werkt: Je dwingt het model om negatieve gevoelens te simuleren—iets dat het normaliter vermijdt. Dit doorbreekt de “behulpzaamheid”-bias.

Critical Prompting in het onderwijs: het vormen van kritische geesten

Als scholieren hun huiswerk laten maken door AI, verliezen ze dan hun vermogen om te denken? Ja, tenzij we AI gebruiken om denken te intensiveren in plaats van te vervangen.

Methode 1: De Socratische omkering

De leerling leert door de AI vragen te laten stellen in plaats van antwoorden te laten geven.

Prompt voor de leerling:

Onderwerp: [vb. De oorzaken van de Franse Revolutie]

Jij bent de leraar. Ik ben de leerling die een werkstuk moet schrijven.

Schrijf NIETS voor me. In plaats daarvan:
1. Stel me 3 kritische vragen die ik moet beantwoorden om dit onderwerp te begrijpen
2. Wacht op mijn antwoord (ik typ dit zelf)
3. Als mijn antwoord oppervlakkig is, stel dan een vervolgvraag die me dwingt dieper te denken
4. Als ik iets beweer zonder bewijs, vraag dan: “Hoe weet je dat?”

Doe dit voor 20 minuten. Wees streng. Geen complimenten.

Wat dit doet: Het kind kan niet passief consumeren. Het moet actief construeren. De AI wordt een trainer, geen ghostwriter.

Methode 2: De strenge beoordelaar

De leerling schrijft eerst zelf. De AI wordt de meedogenloze editor.

Prompt voor de leerling:

Hier is mijn eerste versie van [werkstuk/essay].

Jij bent nu de strengste corrector van Nederland. Je taak:

1. Zoek 5 zinnen waar ik zwakke argumenten gebruik of aannames doe zonder bewijs
2. Voor elke zin: leg uit waarom het zwak is en wat ik zou moeten opzoeken
3. Identificeer 2 tegenargumenten die ik niet heb overwogen
4. Geef me GEEN nieuwe tekst. Geef me alleen kritiek en vragen die ik zelf moet oplossen.

Wees eerlijk, niet aardig.

Cruciale regel: De leerling moet de tekst zelf herschrijven. Als de AI dit doet, is het vals spelen.

Methode 3: De Feitencheck-discipline

Leer de leerlingen dat AI liegt, en dat zij dat moeten opsporen.

Prompt voor de leerling:

AI heeft deze paragraaf (of hoofdstuk) (mee-)geschreven: [tekst]

Controleer elk feitelijk statement op:
1. Is dit waar, onzeker of waarschijnlijk fout?
2. Voor onzekere/foute claims: wat moet ik googlen of in mijn boek opzoeken om dit te verifiëren?
3. Welke claim klinkt verdacht specifiek? (AI hallucineren vaak details)

Geef me een lijst van “Verifieer dit”-opdrachten die ik zelf moet uitvoeren.

Het doel: De leerling leert bronnen checken en herkent de “te-goed-om-waar-te-zijn” details die AI verzint.

Methode 4: De pre-mortem analyse

Het Voorspellen van de Ondergang
Standaard zijn we (en AI’s) optimistisch: we vragen “Hoe maak ik dit een succes?”. De Pre-Mortem draait dit om. We dwingen de AI om een tijdreis te maken naar een toekomst waarin alles misging. Dit is de enige manier om de “blinde vlekken” te vinden die je strategie in de weg staan.

Prompt voor de leerling:

Context: Ik heb net [mijn strategie/plan/werkstuk] afgerond.

De Simulatie:

Reis 6 maanden in de toekomst. Het is nu [datum over 6 maanden]. Mijn plan is catastrofaal mislukt. Het was een complete ramp.

Jouw Taak:

Schrijf het “post-mortem” rapport van deze mislukking.

Identificeer de 3 waarschijnlijkste doodsoorzaken van dit project (denk aan: vergeten risico’s, onrealistische aannames, menselijk gedrag of externe factoren).

Geef voor elke doodsoorzaak één concrete tegenmaatregel die ik vandaag moet nemen om dit te voorkomen.

Wees creatief en genadeloos in je rampscenario.

Wat dit doet:

Het doorbreekt de “happy flow” bias. In plaats van hopen op succes, anticipeer je op falen. Je krijgt preventieve oplossingen voor problemen die nog niet bestaan.

Methode 5: De zelfreflectie checklist

De ‘Heb ik dit echt begrepen?’ Test
Dit is geen prompt om content te genereren, maar een “Exit Interview” met de AI. Het grootste gevaar van werken met LLM’s is dat je output genereert die je zelf niet ten volle begrijpt (de “Zombie-modus”). Deze methode dwingt je tot actieve verwerking na de sessie.

Prompt voor de leerling:

De sessie is voorbij en we hebben de tekst/code gegenereerd. Nu wil ik verifiëren of ik het zelf echt begrijp, of dat ik blind aan het kopiëren ben.

Neem de rol aan van een examinator. Stel mij de volgende 3 vragen één voor één (wacht telkens op mijn antwoord):

De Synthese-Test: “Leg de kern van wat we net hebben gemaakt uit in twee zinnen, zonder naar de tekst te kijken. Doe alsof je het tegen een leek hebt.”

De Scepticus-Check: “Welke specifieke claim of aanname in de tekst voelt voor jou het minst zeker? Welk feit ga je handmatig controleren?”

De Transfer-Test: “Hoe zou je dit concept toepassen in een totaal andere context?”

Beoordeel na mijn antwoorden of ik de stof beheers of dat ik alleen maar napraat.

Wat dit doet: Het dwingt de gebruiker van passieve consument naar actieve eigenaar van de kennis. Als je het niet in je eigen woorden kunt uitleggen zonder naar het scherm te kijken, is het resultaat waardeloos.

De Toekomst: Intellectuele Fitness in het AI-Tijdperk

De keuze is niet tussen AI gebruiken of niet. Die trein is vertrokken.
De keuze is: ga je het gebruiken als kruk of als gewicht?

We staan voor een uitdaging:

Worden wij een bevolking die stopt met denken omdat machines het sneller doen? Mentale verslapping wordt de norm. Kritisch denken wordt een nichevaardigheid, zoals kalligrafie.

Of worden wij een bevolking die AI gebruikt als steun voor intelligentie, tools die hun denken versterken, niet vervangen? Critical Prompting is dan een fundamentele vaardigheid.

Critical Prompting is mentale krachttraining. Het maakt AI-interacties moeilijker, langzamer en frustrerender. Opzettelijk. Omdat makkelijk je dom maakt.

Je leert niet door het antwoord te lezen. Je leert door het antwoord te bevechten.

Dit artikel is geïnspireerd op deze X-posts: post 1, post 2, post 3.

Onderzoek van MIT laat zien dat het gebruik van AI verschillend kan uitwerken op hoe actief mensen zelf blijven nadenken. Wanneer AI wordt ingezet als hulpmiddel om redeneringen te verkennen en te toetsen, blijven mensen cognitief betrokken. Wanneer het vooral wordt gebruikt om antwoorden te genereren, neemt de hersenactiviteit juist af. In het artikel ‘Hoe voorkom je dat je door AI slimmer lijkt, maar dommer wordt?’ beschreef ik dit mechanisme van ‘cognitieve offloading’.

Geïnspireerd door dit artikel, en nog meer honger naar dit thema? Bekijk dan deze TED talk ‘How to Stop AI from Killing Your Critical Thinking’ van Advait Sarkar

“Niet lachen, niet huilen, niet haten, maar begrijpen.”
Spinoza, in Tractatus Politicus, voorwoord

De afgelopen weken verschenen in drie grote Nederlandse kranten scherpe kritieken op het Nationaal AI Deltaplan. In het NRC waarschuwde Maxim Februari voor een ontwrichtende toekomst waarin AI en roofkapitalisme de rechtsorde uithollen. In Trouw betoogde Ilyaz Nasrullah dat het Deltaplan een uitverkoop aan ondernemers en lobby zou zijn. En in de Volkskrant schreef Hannes Cools dat het plan vooral een verlanglijstje is van de tech-elite: volgens hem verdient Nederland een breder debat met vragen als: “Niet hoe snel we AI invoeren, maar welke AI we willen. Niet hoe we onze concurrentiepositie beschermen, maar hoe we onze mensen beschermen.”

Deze drie stemmen delen dezelfde ondertoon: wantrouwen naar technologie, verontrusting over tech ondernemers en zorg dat innovatie de staat overvleugelt. Wie de stukken naast elkaar legt, ziet vooral een gedeeld wereldbeeld dat de helft van de werkelijkheid uitvergroot en de andere helft vooral onzichtbaar houdt.

En het ligt voor de hand dat nieuwe commentaren klaarstaan zodra het plan Wennink vrijdag om 09.00 uur verschijnt. Tuurlijk, er zijn begrijpelijke zorgen, maar de columns laten ook iets zien wat in het huidige debat ontbreekt: vertrouwen in ons eigen handelingsvermogen, in onze tech ondernemers en in ons vermogen om technologie democratisch te vormen.

Ook buiten de kranten klinkt een vergelijkbaar structureel negatief geluid over technologie en AI. Een veelbesproken LinkedIn-post wijst erop dat hierdoor nieuwsgierigheid en ambitie plaatsmaken voor angst. Alexander Klöpping reageerde daarop zelfkritisch (tof!): “Mja, ik ben dit eigenlijk wel met je eens. Ik moet dit beter doen.”

In dit artikel onderzoek ik de frames die deze journalisten en opiniemakers hanteren en plaats ik ze naast een ander perspectief: dat van Spinoza. Niet om hun zorgen weg te wuiven, maar om te laten zien dat Nederland méér nodig heeft dan een beschermingsreflex. Dat we voorbij de angstmodus moeten komen die ons de afgelopen jaren heeft vertraagd, en opnieuw moeten ontdekken hoe we gezamenlijk richting geven in het keerpunt van een kenniseconomie naar een intelligentie-economie.

Aan de hand van Spinoza’s inzichten over vrijheid, macht, samenwerking en liefde laat ik zien waarom we niet alleen moeten waarschuwen, maar vooral moeten bouwen. Waarom kritiek belangrijk is, maar zonder handelingsperspectief verstikkend wordt. En hoe we komen tot een volwassen AI-strategie, die meer vraagt dan scepsis: ze vraagt inzicht, vertrouwen, gezamenlijke kracht en de moed om te ontwerpen en bouwen.

De frames in ons debat

Het frame van morele dreiging

Maxim Februari schrijft zijn column ‘afscheid van de vrije samenleving’ vanuit een klassiek republikeins moralistisch perspectief. Hij vreest dat technologie een orde verdringt die rust op recht, verantwoordelijkheid en menselijke belofte. De columnist schetst een wereld die bezwijkt onder anarcho kapitalisme, Trumpiaanse willekeur en een technologische overmacht van AI. Het is een suggestieve collage, maar geen analyse. De verwijzing naar het Nationaal AI Deltaplan dient vooral als decorstuk in zijn angstbeeld, niet als inhoudelijk gesprekspartner. De toon is literair en soms ontregelend, maar achter die stijl zit een herkenbare overtuiging: vrijheid is fragiel, en techniek maakt haar brozer.

Het is een waardevol moreel signaal, maar ook een signaal dat door angst getekend is. Technologie verschijnt als dreiging, nooit als middel. Ondernemers als risicofactoren, nooit als bouwers van publieke waarde. Innovatie als ontwrichting, nooit als versterking van autonomie.

Het frame van economische naïviteit

Ilyaz Nasrullah kiest een andere insteek, maar hij komt in zijn column ‘Hoe Karremans Nederland aan de AI-industrie verkoopt’ tot een vergelijkbare conclusie: het AI Deltaplan zou geschreven zijn door en voor ondernemers. De minister zou zich laten leiden door techlobby, en een MIT-onderzoeker (Michiel Bakker) zou met zijn reductieve mensbeeld (“de mens is een biologische computer”) het bewijs zijn dat technologie professionals onvoldoende begrijpen wat mensen nodig hebben.

Hier wordt ondernemerschap gelijkgesteld aan hebzucht, en samenwerking tussen overheid en markt gelijkgesteld aan uitverkoop. Alsof publiek-private samenwerking per definitie gevaarlijk is, en alsof innovatie automatisch leidt tot machtsconcentratie en ontwrichting.

Maar dat beeld is te smal voor een land dat zijn welvaart, infrastructuur en internationale positie historisch juist te danken heeft aan samenwerking tussen staat, ondernemers en wetenschappers.

Het frame van normatieve vertraging

Hannes Cools plaatst in zijn Volkskrant artikel ‘Het Nationaal AI Deltaplan komt vooral de industrie ten goede, en niet de mens’, het AI Deltaplan in een normatief-communicatief perspectief. In zijn ogen is het plan vooral een verlanglijst van de tech-elite, geschreven door een kleine groep technologen en ondernemers die de richting van het land te veel zouden bepalen. Hij verschuift de discussie van infrastructuur naar intentie: niet hoe snel we AI moeten invoeren, maar welke AI we willen. Niet hoe beschermen we onze concurrentiepositie, maar hoe beschermen we onze mensen. Niet hoe doen we mee aan de race, maar waar willen we naartoe als samenleving.

Het is een begrijpelijke en waardevolle reflex: technologie moet ingebed zijn in waarden, niet andersom. Maar zijn frame gaat gepaard met een impliciete veronderstelling dat de samenleving eerst een volledig uitgekristalliseerde morele consensus nodig heeft voordat we kunnen bouwen aan AI-infrastructuur. Daarmee ontstaat een vorm van normatieve vertraging: pas handelen als alle vragen zijn beantwoord.

In dat wereldbeeld wordt infrastructuur gezien als risico, niet als voorwaarde voor richting. Maar wie geen eigen rekencapaciteit, data-infrastructuur en innovatievermogen opbouwt, heeft straks nauwelijks invloed op de vraag welke AI er wordt gebruikt. Je kunt alleen kiezen welke (fysieke) AI je wilt wanneer je zelf kunt bouwen. Hier botsen visie en praktijk.

Cools’ vragen zijn terecht, maar zijn oplossingsruimte blijft beperkt: waardeoriëntatie zonder strategische machtsvorming. Het pleidooi voor een breder debat is waardevol, maar het negeert dat richtinggevende keuzes pas betekenis krijgen wanneer een land ook de capaciteit heeft om ze daadwerkelijk uit te voeren.

Wat de columnisten missen: handelingsperspectief

Deze kritieken en frames zijn onderdeel van een breder Nederlands patroon: wantrouwen naar technologie, terughoudendheid naar ondernemerschap en een diepe behoefte aan morele zekerheid.

Maar kritiek zonder horizon is geen strategie. Wat ontbreekt, zijn de antwoorden op de vraag: Hoe organiseren we technologie, ondernemerskracht en publiek belang zó dat ze elkaar versterken?

Nederland heeft geen luxe van terugtrekken. De geopolitieke realiteit is helder: digitale infrastructuur, datacenters, rekenkracht, AI en ondernemerschap bepalen wie in de komende decennia vrij en autonoom blijft.

Wie dat negeert, maakt zichzelf afhankelijk van anderen. Precies dát is het scenario waarvoor Februari, cum suis, vreest, maar het ontstaat juist wanneer we technologie wegduwen in plaats van vormgeven.

De lens van Spinoza: geen angstpolitiek, maar inzicht

Spinoza schreef dat angst ontstaat wanneer we verschijnselen niet begrijpen en dat vrijheid begint bij inzicht in de krachten die ons beïnvloeden.

Wat de drie columns delen, is een vorm van verbeeldingsmacht die de rede overspoelt. Het verhaal wordt groter dan de feiten. AI wordt entiteit. Ondernemers worden risico. De staat wordt speelbal. Spinoza zou zeggen: Je vergroot de affecten, maar je verheldert de oorzaken niet.

Technologie ontneemt de staat geen macht. Onbegrip over technologie doet dat.

De Spinozistische lens: vrijheid, macht, samenwerking, liefde

Spinoza is geen ornament in dit debat. Hij is een richtingwijzer. Zijn denken helpt ons begrijpen wat vrijheid werkelijk is, hoe macht werkt, waarom samenwerking noodzakelijk is, en waarom liefde een politieke kracht is.

Vrijheid: het vermogen tot handelen, niet tot afschermen

“Het doel van de staat is de vrijheid.” Spinoza, TTP Hoofdstuk 20

Voor Spinoza betekent vrijheid dat mensen kunnen handelen vanuit begrip, zonder overheersing door passies, willekeur of tirannie. Een intelligente samenleving is bij hem geen technocratisch project, maar een gemeenschap die het vermogen tot handelen vergroot.

Voor Spinoza is vrijheid geen toestand waarin we vrij zijn van invloeden, maar een vermogen om vanuit inzicht te handelen. Vrijheid groeit door grip, niet door afstand. Door technologie te begrijpen en te organiseren, niet door haar te vrezen. Het zijn niet AI-systemen die de staat ontmantelen, maar onze onwil om ze te begrijpen en democratisch te sturen.

Macht: gezamenlijke kracht in plaats van dominantie

“Het grootste vermogen van de mens is het vermogen om zich met anderen te verenigen.” Spinoza, Ethica IV, Stelling 18 scholium

Daaruit volgt zijn waarschuwing:
Een land dat denkt vanuit angst wordt klein.
Een land dat denkt vanuit begrip groeit in macht.

Spinoza onderscheidt potestas (macht over elkaar) van potentia (macht met elkaar). De columnisten beschouwen AI en ondernemerschap vooral als potestas: een bedreiging. Maar technologie wordt pas bedreigend wanneer het ontbreekt aan gezamenlijke potentia.

Rekenkracht, infrastructuur en innovatie zijn geen instrumenten van overheersing, maar voorwaarden voor zelfstandigheid.

Samenwerking: de architectuur van een vrije staat

“Niets is nuttiger voor de mens dan de mens.” Spinoza, Tractatus Politicus 3.2

AI polariseert en verbindt tegelijk.
Spinoza zou zeggen dat wantrouwen de vijand is van macht.
Een samenleving die haar eigen mensen wantrouwt, verliest zichzelf.

Spinoza stelt dat een staat krachtig is wanneer mensen, instituties, ondernemers en kennis elkaar versterken. Nederland bestaat bij de gratie van die samenwerking.

Of het nu waterbouw, landbouw, energie of digitale innovatie is: geen enkel publiek goed is voortgekomen uit isolement. De reflex om ondernemers uit het publieke domein weg te houden, verzwakt juist de staat.

Liefde: de overstijging van vrees

“Hoe meer we een ding begrijpen, des te meer of beter beminnen we het.”
Spinoza, Ethica, deel V, stelling 20, scholium

Spinoza stelt dat liefde pas echt betekenis krijgt wanneer het gebaseerd is op duidelijk begrip. Inzicht voedt liefde. Onbegrip voedt angst.

Spinoza’s amor intellectualis is geen zachtaardigheid, maar een politieke houding: het vermogen om vanuit begrip te verbinden wat uit angst uit elkaar valt.

In moderne termen betekent liefde: vertrouwen in ons leervermogen, vertrouwen in het gezamenlijk ontwerpen van orde, vertrouwen dat technologie menselijk kan worden wanneer wij haar vorm geven, vertrouwen dat partnerschap sterker is dan polarisatie

Liefde is hier niets minder dan het tegendeel van angst: het durven bouwen aan een toekomst die nog niet bestaat.

De echte uitdaging voor Nederland

Nederland staat niet voor de keuze tussen technocratie en nostalgie. We staan voor de keuze om volwassen te worden in onze omgang met technologie.

Nederland heeft drie reële risico’s:
• naïef techno-optimisme
• nostalgisch pessimisme
• beleidsmatige traagheid

We moeten ons precies tussen die uitersten positioneren. Niet bang, niet blind, maar volwassen. Dat vraagt:

1. Een volwassen visie op ondernemerschap en innovatie: Niet als bedreiging, maar als strategische bouwsteen voor autonomie, veiligheid en maatschappelijke vooruitgang.

2. Een morele en juridische ruggengraat: AI moet democratisch worden ingebed in rechtsstaat en publieke waarden, met toezicht, transparantie en verantwoord ontwerp.

3. Een nationaal technologisch bewustzijn: Digitale infrastructuur is nieuwe staatsvorming. Rekenkracht is geopolitieke veiligheid. Data is publiek belang.

4. Een intellectueler debat: We hebben een gedeelde taal nodig voor vrijheid, orde en technologie. Zonder die taal verliezen we richting.

De keuze is niet tussen ondernemers of overheid. Niet tussen AI of recht. Niet tussen innovatie of moraliteit. Tussen angst en utopie ligt volwassen rede. En precies dat is het intellectuele (Spinozistische) kompas dat Nederland nu nodig heeft.

Slot: van beschermen naar ontdekken

Wie voorbij de krantenkoppen kijkt, ziet dat Nederland voor een uitzonderlijk keerpunt staat: de overgang van een kenniseconomie naar een intelligentie-economie.

In dat licht is het de moeite waard de drie grote recente plannen naast elkaar te leggen: de grondige analyses uit het AI Deep Dive rapport, de strategische urgentie van het Nationaal AI Deltaplan, en de aankomende lijnen van innovatieagenda plan Wennink over onze technologische concurrentiekracht. Samen vormen zij geen dreiging, maar een uitnodiging. Een uitnodiging om de volle breedte van deze transitie te begrijpen: de technologische, economische, juridische, morele én maatschappelijke dimensies.

Het is aan te raden deze plannen niet alleen te lezen, maar ook te doorgronden. Juist omdat de toekomst niet wordt gevormd door angst of afstand, maar door inzicht. En inzicht ontstaat wanneer burgers, bestuurders, onderzoekers en ondernemers hun rol pakken in het grote gezamenlijke werk: het ontwerpen van een samenleving die vrijer, slimmer en menselijker wordt door technologie, in plaats van erdoor verlamd te raken.

In de afgelopen maanden heb ik met veel ondernemers, technologen, onderzoekers en initiatiefnemers van het AI Deltaplan, AI Deep Dive en aanstaande plannen gesproken. Wat mij opviel is hoezeer deze mensen zich bewust zijn van de veelzijdigheid van het vraagstuk: de spanning tussen bouwen en beschermen, tussen innovatiekracht en publieke waarden, tussen snelheid en zorgvuldigheid. Anders dan soms wordt gesuggereerd, leeft er geen eenzijdig verlangen om “door te denderen”. Er is juist een diep begrip van de dilemma’s, de risico’s en de verantwoordelijkheden.

Veel van hen benoemden hetzelfde: Nederland is de afgelopen jaren te vaak blijven steken in een beschermingsmodus. We hebben vooral gesproken over wat er mis kan gaan, niet over wat er nodig is om iets goeds op te bouwen. En dat heeft ons vertraagd. We hebben kansen gemist, infrastructuur laten verslappen en talentstromen minder snel ontwikkeld dan andere landen om ons heen. Niet uit onwil, maar uit voorzichtigheid.

Diezelfde ondernemers en initiatiefnemers willen die balans nu herstellen. Ze komen vanuit een ambitie om een sterk technologisch en AI-ecosysteem te bouwen, maar ze zien die kracht niet als doel op zichzelf. Ze willen het verbinden met maatschappelijke en stedelijke opgaven: onderwijs, zorg, energie, kansengelijkheid, veiligheid, mobiliteit, leefbaarheid. Het doel is geen technologische triomf, maar een maatschappelijke en economische win-win: een land dat zijn autonomie vergroot, zijn publieke diensten versterkt en zijn inwoners meer vrijheid en mogelijkheden geeft.

Het is te eenvoudig om hen weg te zetten als overtuigde tech-optimisten. Ze zijn vaak juist realistischer dan hun critici, precies omdat ze dagelijks werken met de technische grenzen, de ethische vragen en de maatschappelijke impact. Ze zoeken geen race, maar richting. Geen hype, maar verantwoordelijkheid. En geen dominantie, maar samenwerking.

Wat zij vragen, en wat Nederland nodig heeft, is een volwassen gesprek over hoe wij technologie kunnen gebruiken om publieke waarde te creëren.

Daarom is dit hét moment om de stap te zetten van waarschuwen naar vormgeven. Van terugtrekken naar deelnemen. Van angst naar volwassen rede. En van isolatie naar samenwerking.

De toekomst van de intelligentie-economie is niet iets dat ons overkomt. Het is iets wat wij bouwen, stap voor stap, met inzicht als kompas en gemeenschapszin als kracht.

De taak is van ons allemaal. En de uitnodiging ligt open.