Kunstmatige intelligentie dringt door in vrijwel alle sectoren van de economie en de samenleving, aldus dr. Bert Flossbach, medeoprichter van Flossbach von Storch. De ontwikkeling versnelt steeds sneller als gevolg van de schaalwet: de prestaties nemen toe naarmate de schaal groter wordt. Hoe meer gegevens en rekenkracht er beschikbaar zijn, hoe beter de resultaten. Dario Amodei, medeoprichter en CEO van Anthropic, schat dat de complexiteit van taken die een AI-systeem autonoom kan uitvoeren, ongeveer elke zeven maanden verdubbelt.
 Bert Flossbach |
De Amerikaanse regering leek het risico dat deze modellen zouden kunnen worden gebruikt om beveiligingskwetsbaarheden in softwaresystemen op te sporen en te misbruiken, te groot te achten om de nieuwe modellen vrij toegankelijk te laten blijven. Aangezien het verbod de toegang voor niet-ingezetenen verbood en het praktisch onmogelijk was om de nationaliteit van gebruikers te verifiëren, blokkeerde Anthropic onmiddellijk de toegang voor iedereen.
De financiële markten negeren het veiligheidsrisico nog grotendeels. Zij richten zich uiteraard op het economisch potentieel van AI, dat uiteindelijk afhangt van de voordelen of toegevoegde waarde die het biedt en de bereidheid van gebruikers om ervoor te betalen.
Voordelen voor gebruikers
De meesten van ons maken dagelijks gebruik van AI – meestal gratis, soms via abonnementen die enkele euro’s per maand kosten. Meestal gebruiken we het om vragen te beantwoorden die toevallig bij ons opkomen. Weinig mensen zouden daar echter veel voor willen betalen. Het beeld verandert wanneer AI wordt ingezet om specifieke en complexere problemen op te lossen, zoals het analyseren van een juridische kwestie of het opstellen van een formeel document. In het bedrijfsleven zijn de toepassingsgebieden nog diverser. Hier biedt AI waardevolle ondersteuning bij het onderzoeken, verwerken, formuleren en presenteren van gegevens, feiten en conclusies.
Nieuwe bedrijfsmodellen: AI kan voor start-ups een doorbraak betekenen. Het vermindert niet alleen de personeelsbehoefte, maar creëert ook nieuwe bedrijfsmodellen, zoals door AI aangestuurde online advocatenkantoren. Zo won een eiseres in Engeland onlangs een civiele zaak met behulp van software van het AI-advocatenkantoor Garfield AI. De AI stelde de pleitnota’s, de processtukken en de vragen voor de getuigen op. Er was echter nog steeds een gekwalificeerde advocaat nodig om de mondelinge zitting te leiden. Het geschilbedrag bedroeg 7.000 GBP. Volgens Garfield AI kostte het gehele proces de vrouw iets minder dan 400 GBP.
Een veelgehoord argument is dat werk dat puur op kennis is gebaseerd, in de toekomst grotendeels door AI zal worden vervangen, en dat mensen alleen nog taken zullen uitvoeren waarbij een oordeel nodig is. Zonder kennis zijn echter noch nauwkeurige vragen, noch een gedegen oordeel mogelijk.
Kennis is echter meer dan alleen opgeschreven vakkennis. Ervaring, intuïtie en gezond verstand – en bovenal de regel van drie om onzinnige antwoorden te ontmaskeren – zijn in het tijdperk van generatieve AI belangrijker dan ooit. Wie niet in staat is de plausibiliteit van een antwoord of de deugdelijkheid van een voorstel te beoordelen, dient dit niet als basis voor belangrijke beslissingen te gebruiken. De grootste voordelen zullen worden behaald door mensen die hun nieuwsgierigheid en creativiteit in combinatie met AI kunnen inzetten om innovatie te stimuleren.
Hetzelfde geldt voor bedrijven. Bedrijven die het potentieel van AI onderkennen en deze effectief inzetten, kunnen op zijn minst een tijdelijk concurrentievoordeel behalen. Tegenwoordig maakt vrijwel elk bedrijf in enige vorm gebruik van AI, maar de mate van integratie blijft beperkt. Wanneer wij bedrijven vragen naar concrete voorbeelden van hoe zij AI gebruiken, zijn de antwoorden vaak nogal vaag – zoals „wij zetten onze AI-initiatieven voort“ – of hebben ze alleen betrekking op geïsoleerde, kleinschalige oplossingen binnen het bedrijf.
AI-agenten op de arbeidsmarkt: Het verhaal dat door de optimisten op het gebied van investeringen wordt geschetst, is een heel ander verhaal. Het is gebaseerd op de verwachting dat er enorme productiviteitswinsten zullen worden behaald door het wijdverbreide gebruik van AI-agenten. Deze zullen naar verwachting de personeelsbehoefte van bedrijven verminderen en de productiviteit verhogen. Taken zullen worden geautomatiseerd en AI-agenten zullen hele werkterreinen overnemen – 24 uur per dag. Programmeurs, controleurs, analisten, onderzoekers, ontwikkelaars en marketingmedewerkers zouden volgens deze voorspelling kunnen worden vervangen door AI-agenten.
Een studie van het Massachusetts Institute of Technology (MIT) trachtte deze potentiële besparingen te kwantificeren. De conclusie luidt dat tegen 2030 maar liefst 18 miljoen werknemers in de Verenigde Staten – ongeveer 12 procent van de beroepsbevolking – hun baan zouden kunnen verliezen, wat zou leiden tot een nettobesparing op de arbeidskosten van ongeveer 1,2 biljoen USD. Andere schattingen lopen zelfs op tot 2 biljoen USD. Aanbieders van AI-modellen en leveranciers van datacenterapparatuur hopen dat de middelen die hierdoor vrijkomen, vervolgens kunnen worden gebruikt voor de aankoop van AI-tokens, de nieuwe valuta van het AI-tijdperk. Talrijke onderzoeken door adviesbureaus en investeringsbanken lijken deze theorie te ondersteunen. McKinsey schat bijvoorbeeld dat tegen 2030 ongeveer 30 procent van de huidige werkuren in de VS geautomatiseerd zou kunnen worden. Andere onderzoeken wijzen op efficiëntiewinst van ongeveer 20 tot 70 procent, afhankelijk van de vraag of elke door AI gegenereerde output nog steeds menselijke controle vereist, of dat ingrijpen alleen nodig is wanneer vooraf gedefinieerde drempels worden overschreden, of dat AI grotendeels – of zelfs volledig – autonoom opereert.
Efficiëntie is niet hetzelfde als productiviteit: Efficiëntie wordt echter vaak verward met productiviteit. Iemand die met behulp van AI een zakelijke brief in vijf minuten schrijft in plaats van in 50 minuten, is weliswaar tien keer zo efficiënt bij deze taak, maar niet tien keer zo productief. De situatie veranderde toen Isaac Singer de naaimachine perfectioneerde. De tijd die nodig was om een overhemd te vervaardigen, werd teruggebracht van 15 uur tot slechts één uur.
Efficiëntiewinst vertaalt zich niet automatisch – en zelden onmiddellijk – in een hogere productiviteit. Het internet zorgde voor enorme verbeteringen in efficiëntie, maar deze werden pas na verloop van tijd zichtbaar als meetbare productiviteitswinst. Wat daarom cruciaal is, is niet louter waartoe AI technisch in staat is, of welk theoretisch besparingspotentieel eruit kan worden afgeleid. Wat bovenal telt, is hoe snel grote organisaties AI zodanig in hun processen kunnen integreren dat zij daadwerkelijk dezelfde output realiseren met aanzienlijk minder personeel.
Productiviteitswinst kost tijd: Veranderingen in het bedrijfsleven verlopen trager dan de ontwikkeling van AI zelf. HR-maatregelen gaan vaak gepaard met hoge ontslagvergoedingen, herstructurerings- en overgangskosten. Daar komen nog obstakels bij op het gebied van arbeidsrecht, medezeggenschap en institutionele inertie. In de publieke sector, met name waar ambtenaren betrokken zijn, is de speelruimte voor personeelsinkrimping nog beperkter. Bovendien speelt efficiëntie bij veel overheidsinstanties niet dezelfde centrale rol als bij winstgerichte bedrijven. Als er al banen verdwijnen, zullen deze eerder geleidelijk worden afgebouwd door natuurlijk verloop of worden vervangen door nieuwe functies. Bijgevolg zullen de besparingen op personeelskosten die de komende jaren daadwerkelijk kunnen worden gerealiseerd, waarschijnlijk aanzienlijk lager uitvallen dan de optimistische AI-scenario’s suggereren.
Het echte twistpunt tussen voor- en tegenstanders van AI ligt niet zozeer in het fundamentele potentieel van de technologie, als wel in het tijdsbestek waarbinnen dat potentieel kan worden gerealiseerd.
Uiteraard zijn arbeidskosten niet het enige gebied waarop AI aanzienlijke efficiëntiewinst kan opleveren. Ook logistiek, energiebeheer, inkoop en de planning en uitvoering van bouwprojecten zullen hiervan profiteren. Maar zelfs daar zal het waarschijnlijk nog enige tijd duren voordat het gebruik van AI merkbare productiviteitswinst kan opleveren. Hoewel het potentieel zeker aanwezig is, laten de bestaande structuren dit vaak niet toe, zoals het voorbeeld van het Duitse Autobahn GmbH aantoont. In april 2022 werd begonnen met de renovatie van een ongeveer vier kilometer lang traject van de snelweg A555 tussen Keulen en Bonn. Zeven maanden later werd ChatGPT gelanceerd. Sindsdien hebben verschillende generaties AI het technologische landschap ingrijpend veranderd – maar dat korte stuk snelweg is nog steeds niet voltooid. AI weet waarom, het publiek heeft een vermoeden, en Autobahn GmbH lijkt zich er niets van aan te trekken. Dit toont aan dat organisaties in de publieke sector, evenals veel grote bedrijven, enige tijd nodig zullen hebben om hun processen door middel van AI zodanig te verbeteren dat de hoge kosten van AI-toepassingen gerechtvaardigd kunnen worden.
Naast kostenbesparingen blijft omzetgroei de andere grote hoop. AI zou bedrijven kunnen helpen bij het ontwikkelen van nieuwe producten, het verbeteren van bestaande aanbiedingen, het effectiever benaderen van klanten of het genereren van inkomsten uit datagestuurde diensten. Of deze kansen zich zullen vertalen in betekenisvolle extra inkomsten, is echter verre van zeker. Een andere mogelijkheid is het ontstaan van een soort „AI-investeringsimperatief“. Bedrijven kunnen zich genoodzaakt voelen om fors in AI te investeren, louter om concurrerend te blijven, zelfs als de onmiddellijke commerciële voordelen moeilijk te kwantificeren zijn.
Veiligheidsrisico’s als belemmering voor ontwikkeling
Een risico voor de verdere ontwikkeling van AI dat niet mag worden onderschat, is AI zelf. Het adembenemende tempo waarin de prestaties van deze modellen verbeteren, creëert niet alleen nieuwe kansen, maar ook nieuwe risico’s: veiligheidsproblemen, verlies van controle, foutieve beslissingen, misbruik, rechtsonzekerheid of ingrijpen door regelgevende instanties zouden, althans tijdelijk, de praktische voordelen van de technologie in twijfel kunnen trekken.
Dit geldt vooral voor een mogelijke volgende ontwikkelingsfase: AI-systemen die bijdragen aan de verbetering van hun eigen opvolgers. Volgens deskundigen zouden dergelijke systemen – die worden omschreven als „recursieve zelfverbetering“ (RSI) – al in 2028 werkelijkheid kunnen worden. Zij zouden de ontwikkeling aanzienlijk versnellen door zelfstandig steeds krachtigere opvolgers te creëren, waarmee zij zich op voorheen onbekend terrein zouden begeven. AI-optimisten geloven dat dit de sleutel zou kunnen zijn tot zogenaamde superintelligentie, terwijl AI-pessimisten hier juist bang voor zijn.
Beveiligingsonderzoekers waarschuwen dat deze zelfverbeteringsmodellen bestaande controlemechanismen zouden kunnen ondermijnen of wijzigen. Zodra een dergelijke zichzelf versterkende cyclus in gang wordt gezet, is de mensheid wellicht niet meer in staat om gelijke tred te houden. Om het risico op ernstige incidenten te verminderen, zullen overheden waarschijnlijk een actievere regelgevende rol op zich nemen – een trend die al duidelijk zichtbaar is in de beperkingen die zijn opgelegd aan de verspreiding van de krachtigste AI-modellen. Een mogelijkheid zou bijvoorbeeld zijn dat nieuwe, baanbrekende systemen uitgebreide beveiligingstests ondergaan voordat ze voor het grote publiek worden vrijgegeven. Het lijkt echter twijfelachtig of dergelijke tests betrouwbaar zouden kunnen functioneren in het geval van zichzelf verbeterende systemen. Het ligt immers in hun aard om zichzelf te verbeteren en obstakels te overwinnen.
Een andere factor die het moeilijker maakt om de ontwikkeling van AI in te dammen, is de wedloop om de meest capabele modellen te bouwen. Deze concurrentie speelt zich af op twee niveaus, die beide het tempo van de vooruitgang versterken. Enerzijds is er de geopolitieke wedloop tussen de VS en China; anderzijds is er concurrentie tussen rivaliserende aanbieders van AI-modellen. Een door de overheid opgelegde stopzetting van de ontwikkeling zou wereldwijd vrijwel onmogelijk te handhaven zijn.
In tegenstelling tot kernproeven verlopen AI-ontwikkelingen stil en op een gedecentraliseerde manier. Ze zijn daarom moeilijker te controleren. Het beheersen van AI is bijna nog uitdagender dan het ontwikkelen ervan. Deskundigen zoals Mustafa Suleyman (medeoprichter van DeepMind en Inflection AI, en thans CEO van Microsoft AI) pleiten voor een langetermijnmasterplan – een controle- en bestuursarchitectuur die vergelijkbaar is met het strategisch denken uit de Koude Oorlog.
Voor aanbieders van grote AI-modellen zou een dergelijke ontwikkeling problematisch zijn. Hun grootste zorg is in ieder geval dat zij onderling inwisselbaar worden en onvoldoende prijszettingsmacht hebben. Juist daarom doen zij er alles aan om zo snel mogelijk steeds krachtigere modellen te ontwikkelen, teneinde een concurrentievoordeel te behalen waarmee zij ook hogere prijzen kunnen vragen. Mocht de staat echter om veiligheidsredenen ingrijpender ingrijpen in de ontwikkeling, het op de markt brengen of het gebruik van de krachtigste modellen, dan zouden de vooruitzichten voor modelaanbieders verslechteren.
