Generatieve kunstmatige intelligentie heeft gerichte investeringen uitgelokt, de vraag naar datacenters enorm doen toenemen en NVIDIA, TSMC en de grote hyperscalers centraal gesteld in de technologische conversatie. Maar er blijft nog een open vraag: waar ligt de daadwerkelijke waarde? Benedict Evans, technologieanalist en voormalig partner bij Andreessen Horowitz, besprak deze twijfel tijdens zijn lezing “AI Eats the World” op SuperAI Singapore 2025, met een minder euforisch en meer gestructureerd beeld van het huidige moment.
Zijn insteek maakt AI niet tot een vluchtige trend, maar plaatst ook geen onkritische glimlach op het verhaal dat een onmiddellijke transformatie van de gehele economie plaatsvindt. Volgens Evans kan generatieve AI de volgende grote platformverandering worden na de PC, het web en de smartphone. Daarnaast zou het kunnen eindigen als een extra laag software, geïntegreerd in dagelijke producten tot het onzichtbaar wordt. Het verschil tussen deze opties wordt niet beslist door meer koppen in kranten, maar door daadwerkelijke implementatie, bedrijfsadoptie en nieuwe businessmodellen.
AI wordt altijd software
Evans herinnert aan een gedachte van Larry Tesler, een van de pioniers in de informatietechnologie: kunstmatige intelligentie is datgene wat machines nog niet kunnen. Zodra ze dat goed doen, noemen we het geen AI meer, maar software.
Deze observatie verklaart veel van de recente technologische geschiedenis. Databases beschikten over opslagcapaciteit die “overtrof de menselijke”, maar worden nu niet meer als AI gezien. Beeldherkenning op smartphones leek tien jaar geleden magie en is nu standaard in elke fotogalerij. Machine learning was jarenlang de grote belofte van AI, maar wordt inmiddels in veel sectoren als een normale tool binnen applicaties en systemen erkend.
De vraag is of grote taalmodellen hetzelfde pad zullen volgen. ChatGPT leek een doorbraak te betekenen toen het publiek het omarmde, maar de overgang van verbazing naar langdurige bruikbaarheid is niet vanzelfsprekend. Evans schetst twee uiterwaarden. In één scenario zijn er duizenden modellen, zoals er veel databases, spreadsheets en softwareplatforms bestaan. In het andere scenario kan een soort “wereldwijde supercomputer” ontstaan die complexe taken van begin tot eind kan oplossen. Tussen deze uitersten liggen talloze mogelijkheden.
| Belangrijkste vragen over AI | Waardebepaling |
|---|---|
| Is het gewoon weer een nieuwe softwaretechnologie? | Kan worden geïntegreerd in bestaande tools totdat het onzichtbaar wordt |
| Is het een platformverschuiving? | Kan investeringen en innovatie concentreren zoals bij de PC, het web of de smartphone |
| Wordt er één winnaar? | Evans ziet nog geen duidelijke tekenen van technologische monopolies |
| Waar ligt de waarde? | Waarschijnlijk in producten, workflows, data en integratie |
| Welke sectoren lopen voorop? | Programmeren, marketing, ondersteuning en specifieke interne processen |
| Waarom is er zoveel onzekerheid? | Nog onduidelijk hoe de markt zich ontwikkelt en wie de inkomsten zal pakken |
| Wordt het meteen massaal aangenomen? | Nee. Net als bij cloudoplossingen kost het bedrijfsdeploi meerdere jaren |
Hoge kapex, goedkopere modellen en minder barrières dan gedacht
Een van de meest opvallende punten uit Evans’ verhaal is het hoge investeringsvolume. Hij wijst erop dat de vier grote technologische platformen vorig jaar circa 220 miljard dollar uitgaven aan infrastructuur en dat dit jaar mogelijk meer dan 300 miljard werd uitgegeven aan datacenters. Microsoft, volgens zijn analyse, is overgestapt van zeer winstgevende softwareverkoop naar een situatie waarin meer dan 30% van de inkomsten wordt besteed aan capex, een aandeel dat zelfs hoger ligt dan bij veel telecombedrijven.
De belangrijkste zichtbare ontvanger van deze investeringen is NVIDIA. Het bedrijf staat in het hart van de AI-keten met kwartaalomzet van meer dan 45 miljard dollar uit datachipverkopen, volgens Evans. De opkomst van AI heeft geleid tot een race om rekenkracht te bouwen, modellen te voeden en steeds intensievere diensten te ondersteunen.
Toch heeft deze investeringsgolf vooralsnog geen duidelijk monopolie gecreëerd in de modellen. Evans stelt dat de grensmodellen steeds meer commodity worden. OpenAI heeft met ChatGPT de markt veranderd, maar inmiddels kunnen meerdere partijen modellen van vergelijkbare kwaliteit aanbieden. DeepSeek toonde aan dat met honderden miljoenen dollars een bedrijf dicht bij dat grensgebied kan komen, wat voor veel bedrijven een enorme, maar voor grote techbedrijven ook behapbare investering is.
Tegelijk neemt de kosten om met taalmodellen een concreet resultaat te behalen snel af—mogelijk met één of twee orden van grootte per jaar. De paradox is dat, terwijl er enorm wordt geïnvesteerd in AI-infrastructuur, de kosten per gebruiksmoment dalen. Daardoor wordt het model zelf mogelijk minder onderscheidend, en verschuift de waarde verder omhoog in de keten.
Van benchmark naar product
Evans vergelijkt deze fase met de jaren negentig, toen PC’s nog complexe technologie waren met processors, MHz, geheugen en modems. Gaandeweg werd die complexiteit geëlimineerd. Gebruikers kochten niet meer op basis van technische specificaties, maar op basis van applicaties, gebruikservaring, merk en ecosysteem.
AI kan een vergelijkbaar pad bewandelen. Vandaag wordt er veel gesproken over benchmarks, tokens, modellen en termen. Maar als alle modellen goedkoper worden en veel op elkaar lijken, zal de grootste toegevoegde waarde niet in de modellen liggen, maar in de toepassingen en de bouw eromheen.
Merknaam blijft belangrijk. Evans merkt op dat ChatGPT echt lijkt te worden, zoals Google dat ooit was. Maar hij herinnert er ook aan dat MySpace ooit zo’n ‘verbum’ was. Bekendheid kan een grote voorsprong geven, maar betekent niet automatisch blijvend dominantie.
Voor bedrijven en startups betekent dit dat het niet genoeg is om simpelweg te zeggen dat een product AI gebruikt. Het doel moet zijn om een specifieke taak beter uit te voeren dan voorheen. Automatisering van facturatie bij telecombedrijven, migratie van legacy-code, verbeteren van support, documentatie structureren of marketing versnellen—dit zijn misschien minder spectaculaire verhalen, maar precies waar de meeste waarde begint te ontstaan.
Echte adoptie blijft ongelijk verdeeld
Technologische hype moet niet worden verward met brede acceptatie. Evans deelt enquêtes waaruit blijkt dat slechts ongeveer 7% tot 10% van de mensen dagelijks gebruikmaakt van generatieve AI-chatbots. Een andere 20% gebruikt ze wekelijks of om de twee weken. Velen hebben ze één keer geprobeerd, maar wisten niet goed wat ze ermee moesten.
Dat is niet verrassend. In het begin was bijvoorbeeld de spreadsheet alleen duidelijk voor mensen die al financiële modellen op papier maakten. Voor een accountant kon VisiCalc veel tijd besparen. Voor iemand zonder die achtergrond was de toegevoegde waarde minder vanzelfsprekend. Een vergelijkbare situatie geldt voor grote taalmodellen: sommige gebruikers zien meteen nut, anderen weten niet wat ze moeten vragen.
Voor ontwikkelaars is de bruikbaarheid het snelst zichtbaar. Evans vergelijkt codegeneratie met een soort nieuwe “AWS”, omdat het de moeite vermindert om software te ontwikkelen en uit te rollen. Ook wordt veel gebruikt bij marketing, klantenservice en door professionals die al vertrouwd zijn met flexibele tools zoals Notion, Airtable of no-code platforms.
Bij bedrijfsniveau is de grote barrière niet alleen het begrip van de voordelen. Veel organisaties begrijpen de potentie wel, maar kampen met praktische problemen zoals beveiliging, rommelige data, gebrek aan technisch talent, kosten, regelgeving en integratie met bestaande systemen. Zoals bij cloud, kan de daadwerkelijke implementatie jaren duren en langer uitlopen dan de hype doet vermoeden.
AI verandert de vraag, niet alleen het antwoord
Een van Evans’ meest interessante ideeën betreft zoekopdrachten. Meestal wordt gedacht dat als gebruikers in plaats van Google ChatGPT gebruiken, ze directe antwoorden krijgen in plaats van een lijst van links. Maar de diepere verandering ligt mogelijk op een ander niveau: AI stelt vragen die voorheen niet eens konden worden gesteld.
Een eenvoudig voorbeeld: een foto van een koelkast tonen en vragen wat je kunt koken. Dit soort interactie past niet bij de traditionele zoekmachine. Het gaat niet om tien links vinden, maar om het interpreteren van de afbeelding, begrijpen van de context, aanbevelingen doen en mogelijk deze koppelen aan aankopen, dieet of voorkeuren. Als deze manier van interactie zich doorbreekt, verandert de manier waarop je informatie ontdekt, producten koopt en advertenties krijgt.
Evans wijst erop dat jaarlijks ongeveer een biljoen dollar wordt verdiend in reclame, grotendeels via Google, Meta en Amazon. Als AI de manier waarop gezocht, beslist en gekocht wordt ingrijpend beïnvloedt, kan een deel van dat geld verschuiven. Maar het is nog niet duidelijk waarheen.
Zijn conclusie is voorzichtiger: sommige vragen over AI zullen worden beantwoord via inherente patronen van adoptie, integratie en concurrentie, zoals bij eerdere platformveranderingen. Andere vragen blijven voorlopig onbeantwoord. Ook in 1995 was nog niet duidelijk dat het web waarde zou genereren via zoekmachines, advertenties en sociale netwerken. Nu is duidelijk dat AI-gerelateerde “incidentele” dingen komen, maar welke structuur het marktlandschap krijgt, is nog onzeker.
Generatieve AI kan delen van de wereld beïnvloeden, maar waarschijnlijk niet zo snel, rechtlijnig of grootschalig als de meest ambitieuze verhalen suggereren. Grote kansen blijven vooral bestaan in het maken van krachtige technologieën bruikbaar voor echte toepassingen die processen verbeteren en veranderen.
Veelgestelde vragen
Wie is Benedict Evans?
Benedict Evans is een technologieanalist gespecialiseerd in digitale platformen, investeringen, internet, mobiel, cloud, software en kunstmatige intelligentie. Hij staat bekend om zijn essays en presentaties over structurele technologische veranderingen.
Wat verdedigt hij in “AI Eats the World”?
Evans gelooft dat generatieve AI een grote platformverschuiving kan veroorzaken, maar waarschuwt dat het nog onduidelijk is waar het daadwerkelijke waardecreatie zal plaatsvinden en of modellen een blijvend voordeel bieden.
Waarom vergelijkt hij AI met de PC of het web?
Omdat grote technologische veranderingen meestal door cycli gaan: eerst onzekerheid, dan integratie in bestaande producten en uiteindelijk de vorming van nieuwe markten, applicaties en bedrijfsmodellen.
Waar ligt de potentiële markt voor AI?
Waarschijnlijk in applicaties, bedrijfsprocessen, gegevens, gebruikservaring en workflows, niet zozeer in geïsoleerde modellen.
