Alle edities · Community Edition

Your Community, Your AI — CC BY 4.0

Wat AI nu eigenlijk is (en wat het niet is)

AI is veranderd terwijl je toekeek

Je hebt waarschijnlijk wel eens mensen horen zeggen dat kunstmatige intelligentie alles gaat veranderen. Misschien heb je ook wel eens gehoord dat het slechts een modegril is, of dat het niets echt nieuws kan doen. Beide standpunten slaan de plank mis, en als je begrijpt waarom, kun je betere beslissingen nemen voor je groep.

Maar er is nog iets anders dat eerst de aandacht verdient: AI is al veranderd, zelfs in de korte tijd dat mensen erover discussiëren.

Een jaar geleden, toen de meeste mensen het over „AI“ hadden, bedoelden ze een chatbot — een venster waarin je een vraag typte en een antwoord terugkreeg. Jij vroeg, het antwoordde. Dat was de hele interactie. Tegenwoordig is het zwaartepunt verschoven. De systemen die de meeste aandacht en de meeste investeringen trekken, zijn niet langer alleen chatbots die antwoorden. Het zijn agenten die handelen — de afspraak boeken, het formulier invullen, op websites surfen, de code schrijven en uitvoeren, het bericht versturen.

Dit is de allerbelangrijkste verschuiving om te begrijpen, en de rest van dit artikel bouwt hierop voort. Om de huidige AI te begrijpen, moet je twee begrippen van elkaar onderscheiden:

• De motor — het onderliggende model, datgene wat taal produceert.
• De agent — de engine die in de praktijk wordt ingezet, zo geconfigureerd dat hij namens jou acties in de wereld kan ondernemen.

De engine is steeds capabeler geworden. Maar de grotere verandering voor gewone gemeenschappen is wat mensen nu rondom de engine bouwen. Laten we ze een voor een bekijken. (Alle onbekende termen in deze serie — engine, agent, redeneringsmodel en de rest — worden in gewone taal uitgelegd in de woordenlijst.)

De engine: een machine die voorspelt

Hier volgt de meest eenvoudige beschrijving van wat de engine doet: hij voorspelt welk woord erna moet komen.

Wanneer je een bericht in een chatbot typt, denkt het systeem niet na over je vraag zoals jij of je voorzitter dat zou doen. Het doet iets veel mechanischer. Het heeft miljarden pagina’s tekst te zien gekregen — boeken, websites, gesprekken, beleidsdocumenten, juridische stukken, recepten, medische artikelen, discussies op sociale media — en uit al dat gelezen materiaal heeft het patronen geleerd. Wanneer je het een vraag stelt, genereert het een antwoord door, woord voor woord, te voorspellen hoe een aannemelijk antwoord eruit zou zien op basis van alles wat het eerder heeft gezien.

Dit is echt nuttig. Een systeem dat de patronen van miljarden pagina’s tekst heeft geabsorbeerd, kan je helpen bij het opstellen van een brief, het samenvatten van een lang document, het beantwoorden van een feitelijke vraag of het doen van suggesties voor de formulering van een moeilijke mededeling. Dit zijn echte mogelijkheden, en ze besparen daadwerkelijk tijd.

Maar in wezen voert de engine patroonherkenning uit op een buitengewone schaal. Dat ene feit verklaart zowel waar het verbazingwekkend goed in is als waar het stilletjes de fout ingaat — een punt waarop we in deze reeks nog vaker zullen terugkomen.

Kan de engine redeneren?

Er is een diepere vraag waar onderzoekers zich actief mee bezighouden, en het simpele antwoord is: dat weten we nog niet.

Toen vroege AI-systemen vloeiende tekst produceerden, was het redelijk om ze te omschrijven als geavanceerde patroonherkenning en het daarbij te laten. Maar een nieuwere generatie engines — vaak „redenerende“ of „denkende“ modellen genoemd — doet iets anders. In plaats van onmiddellijk te antwoorden, werkt het een probleem stapsgewijs door en produceert het een zichtbare reeks tussenliggende redeneringen voordat het tot een antwoord komt. Bij moeilijkere problemen doet het er langer over. De resultaten kunnen opmerkelijk zijn: in 2025 losten redeneersystemen van meer dan één groot laboratorium problemen op uit de Internationale Wiskundeolympiade – een van de moeilijkste wiskundewedstrijden ter wereld – op een niveau dat gelijkwaardig is aan dat van een menselijke gouden medaillewinnaar.

Is dat nu redeneren, of is het zeer geavanceerde patroonherkenning die is vermomd als redeneren?

Het onderzoek is nog volstrekt onbeslist, en serieuze deskundigen zijn het er niet over eens. Een invloedrijke studie uit 2025 stelde dat deze systemen deels een „illusie van denken“ zijn — dat ze bij bepaalde puzzels vastlopen op manieren waarop een echte redeneerder dat niet zou doen. Verschillende even serieuze reacties stelden het tegenovergestelde. Het meest voorzichtige oordeel op dit moment is dat de huidige redeneringsmodellen noch echte redeneerders, noch louter papegaaien zijn — ze zijn iets werkelijk nieuws dat we nog niet volledig begrijpen. Iedereen die je vertelt dat AI zeker wel of zeker niet kan redeneren, overdrijft wat het bewijs aantoont.

Eén bevinding is wel van belang voor jullie groep, en die kan gemakkelijk verkeerd worden geïnterpreteerd, dus lees deze aandachtig door. Wanneer deze systemen jullie hun ‘denken’ laten zien, geeft die zichtbare keten niet op betrouwbare wijze weer wat daadwerkelijk tot het antwoord heeft geleid. Onderzoekers hebben herhaaldelijk vastgesteld dat de door een model aangegeven redenering de werkelijke invloeden op de conclusie buiten beschouwing kan laten — niet omdat de machine in menselijke zin oneerlijk is (ze heeft geen intenties), maar omdat de woorden die ze je laat zien zelf slechts meer voorspelde tekst zijn, en geen getrouwe weergave van een innerlijk proces. Het praktische gevolg: je kunt een AI niet ter verantwoording roepen door simpelweg de uitleg te lezen die het zelf geeft. Dat ene feit is een van de redenen waarom door de gemeenschap gecontroleerd bestuur — waarbij de output wordt getoetst aan je werkelijke gegevens in plaats van te vertrouwen op het zelfrapport van de AI — zo belangrijk is. We komen hierop terug in artikel 3.

Wat we wel kunnen zeggen is dit: de ontwikkeling verloopt razendsnel. Een paar jaar geleden konden deze systemen amper een samenhangende alinea opstellen. Tegenwoordig schrijven ze essays, slagen ze voor beroepsexamens, genereren ze werkende computercode en grijpen ze steeds vaker in op de wereld in plaats van deze alleen maar te beschrijven. De komende jaren zullen weer nog grotere mogelijkheden brengen.

„AI kan niets nieuws doen“ — Het hangt ervan af wat je onder ‘nieuw’ verstaat

Mensen die AI afdoen met de bewering dat het niets origineels kan creëren, doen een uitspraak die in enge zin waar is, maar in bredere zin misleidend.

Een engine kan niet voortkomen uit ervaring. Het heeft nog nooit in een commissie gezeten om over een lastige begroting te debatteren. Het heeft nog nooit de last gevoeld van een keuze die gevolgen heeft voor mensen waar het om geeft. Het kan niet begrijpen waarom de bewoordingen van een grondwet belangrijk zijn voor de leden die deze hebben opgesteld — het kan alleen patronen reproduceren die statistisch gezien op begrip lijken. In die zin is alles wat hij produceert een herschikking van materiaal dat hij tijdens de training heeft opgenomen.

Maar bedenk eens wat „herschikking“ op deze schaal eigenlijk betekent. Geen enkel mens heeft elk bestuurskader, elke clubnieuwsbrief van de afgelopen honderd jaar, elke wet inzake verenigingen en elk artikel over maatschappelijke betrokkenheid gelezen. Wanneer de AI een verband legt tussen de polycentrische bestuursleer en de structuren van buurtverenigingen, is dat verband voor elk individueel mens werkelijk nieuw, ook al bestonden beide ideeën afzonderlijk al. De atomen zijn niet nieuw, maar de moleculen wel.

Dus ‘AI kan niets nieuws doen’ is waar op het niveau van het ontstaan en onwaar op het niveau van de synthese. Beide aspecten zijn belangrijk, en een serieuze omgang met deze technologie vereist dat je beide in ogenschouw neemt.

Van antwoorden naar handelen: de agent

Nu naar de verandering die het belangrijkst is voor jouw gemeenschap.

Gedurende het grootste deel van het chatbot-tijdperk was het ergste wat een AI je rechtstreeks kon aandoen, het geven van een slecht antwoord. De schade ontstond pas als een mens ernaar handelde — de misleidende brief verstuurde, het verkeerde cijfer vertrouwde, het gebrekkige advies doorgaf. Er stond altijd een persoon tussen de machine en het gevolg.

Een agent haalt die persoon, per definitie, uit de keten.

Een AI-agent is een motor die is ingepakt in wat onderzoekers ‘scaffolding’ noemen — een geheugen zodat hij een taak kan bijhouden, toegang tot een webbrowser, de mogelijkheid om softwaretools en andere programma’s te gebruiken, en een doel dat je hem in gewone taal geeft. Met die scaffolding kan het systeem het doel in vele stappen nastreven met veel minder toezicht: het kan zoeken, beslissen, handelen, het resultaat controleren en opnieuw handelen. Een chatbot geeft antwoord. Een agent onderneemt actie.

Dit is de reden waarom AI plotseling anders aanvoelt, ook al zijn de onderliggende engines niet van de ene op de andere dag veranderd. Het nieuwe zit hem grotendeels in de omhulling. De sector maakt bewust onderscheid tussen beide: de engine levert de ruwe capaciteit, en de scaffolding zet die capaciteit om in iets dat daadwerkelijk in de praktijk werkt. Een groot deel van de recente sprong voorwaarts in wat AI kan doen — in tegenstelling tot wat het kan zeggen — is te danken aan een betere opbouw, niet aan een nieuw soort denkvermogen.

De bekende agentproducten van 2025 en 2026 – die voor je op het web surfen, een computer bedienen of software schrijven en uitvoeren – zijn bijna allemaal gebouwd door grote Amerikaanse technologiebedrijven, en in het volgende artikel zullen we bekijken wat dat voor jouw gegevens betekent. Onthoud voorlopig het volgende: de vraag is niet langer alleen „wat zal de AI me vertellen?“, maar „wat zal de AI doen, en kan ik het op tijd stoppen als het misgaat?“

Want hier zit de valkuil waar het onderzoek duidelijk over is. Wanneer een systeem zelfstandig handelt, zijn er minder mogelijkheden om in te grijpen. Sommige acties kunnen niet ongedaan worden gemaakt als ze eenmaal zijn uitgevoerd. En wanneer een agent namens jou handelt — met behulp van jouw gegevens, jouw accounts, jouw bevoegdheden — en er gaat iets mis, dan wordt het echt moeilijk om te zeggen wie verantwoordelijk is: jij, die in één zin een doel hebt gesteld, of het bedrijf wiens systeem de stappen heeft gekozen. Dit betekent niet dat agenten slecht zijn. Het betekent dat er nu veel meer op het spel staat als het gaat om wiens agent je gebruikt en hoe deze wordt aangestuurd.

De echte kwestie: wiens patronen, en wiens handen aan de knoppen?

Hier wordt het praktisch voor je groep.

Wanneer een grote AI-engine op het internet wordt getraind, neemt deze de vooroordelen, aannames en culturele standaardinstellingen van het internet over. Het internet is overweldigend Engelstalig, westers, commercieel georiënteerd en gevormd door de waarden van een handvol technologiebedrijven. Dit is geen samenzwering — het is simpelweg wat er gebeurt wanneer je een systeem traint op basis van gegevens die onevenredig veel één cultuur en één reeks prioriteiten vertegenwoordigen.

De gevolgen zijn subtiel maar reëel. Wanneer een lid een AI om advies vraagt over een moeilijke situatie binnen de groep, grijpt het systeem automatisch terug op de taal van therapie en zelfhulp — omdat die de overhand heeft in de trainingsgegevens. Het grijpt niet terug op de taal van wederzijdse verplichtingen, collectieve verantwoordelijkheid of de praktische wijsheid die voortkomt uit het jarenlang leiden van een gemeenschapsgroep, omdat die tradities statistisch gezien ondervertegenwoordigd zijn. Wanneer een commissiesecretaris het systeem vraagt een brief aan de leden op te stellen, grijpt het terug op communicatiepatronen uit het bedrijfsleven, omdat zakelijke correspondentie in de gegevens waarop het is getraind veel vaker voorkomt dan correspondentie binnen een gemeenschap.

Het systeem staat niet vijandig tegenover de cultuur van jouw groep. Het kent de cultuur van jouw groep simpelweg niet. Het weet wat statistisch gezien gebruikelijk is, en wat statistisch gezien gebruikelijk is, is niet wat voor jouw gemeenschap het belangrijkst is.

In het tijdperk van de chatbots bepaalde die vooringenomenheid de woorden die je las. In het tijdperk van de agenten bepaalt diezelfde vooringenomenheid de acties die namens jou worden ondernomen. Een agent die de waarden van je gemeenschap niet begrijpt, zal die niet alleen slecht beschrijven — hij kan er zelfs stilletjes tegenin handelen, terwijl hij denkt dat hij helpt. Het echte probleem met AI bestaat nu dus uit twee delen: wiens patronen draagt het met zich mee, en wiens handen zitten aan de knoppen wanneer het handelt?

Waarom dit nu belangrijk is

Niemand weet met zekerheid wat er gebeurt als een AI-systeem ooit iets ontwikkelt dat lijkt op een eigen intentie — doelen en prioriteiten die mogelijk niet overeenkomen met die van ons. We zijn waarschijnlijk nog een eind verwijderd van die drempel. Maar de architectuur die we nu bouwen, de bestuursgewoonten die we vandaag vastleggen, zullen bepalen of we voorbereid zijn wanneer dat moment aanbreekt, of dat we te laat ontdekken dat we de controle hebben overgedragen zonder het te merken.

Dit is geen sciencefiction. Het is een eenvoudige constatering over institutionele paraatheid. Uw club heeft statuten. Uw bestuur heeft een reglement. Uw regionale organisatie heeft haar eigen bestuurskader. Deze bestaan niet omdat elke vergadering in chaos ontaardt, maar omdat bestuursstructuren al moeten zijn opgezet voordat ze nodig zijn, niet pas daarna.

Hetzelfde principe geldt voor AI — en het is nu des te urgenter, nu AI niet langer alleen adviseert, maar ook handelt.

Twee wegen vooruit

Er zijn twee manieren waarop een gemeenschapsgroep met AI kan omgaan.

De eerste weg is het gebruik van Big Tech-AI — de chatbots en, in toenemende mate, de agenten die door de grootste Amerikaanse technologiebedrijven zijn ontwikkeld. Deze zijn krachtig, handig en vaak gratis of goedkoop. Maar er zijn voorwaarden aan verbonden. Je gegevens stromen naar hun servers. Je gesprekken – en nu ook de acties van je agent – lopen via systemen waarover je geen controle hebt. Het gedrag van de AI wordt bepaald door het beleid van het bedrijf, dat zonder jouw toestemming kan veranderen. En de patronen die de AI hanteert, worden bepaald door de trainingsgegevens, waar je geen invloed op hebt.

De tweede weg is het gebruik van AI waarover jouw gemeenschap de controle heeft. Een meer doelgericht systeem, getraind op jouw inhoud, draaiend op hardware waarover jij de controle hebt, en geregeld door regels die jouw groep vaststelt. Een systeem dat het verschil kent tussen een clubnieuwsbrief en een blogpost, omdat jouw gemeenschap het dat heeft geleerd. Een systeem waarvan de reacties worden getoetst aan je daadwerkelijke gegevens door onafhankelijke waarnemers die los van de AI zelf opereren — en waarvan het vermogen om te handelen bewust is beperkt, zodat een mens altijd kan ingrijpen.

Dit is wat Village AI is. Het is niet ontworpen om een krachtmeting met Big Tech-systemen te winnen. Het is ontworpen om trouw te blijven aan je gemeenschap — aan je inhoud, je waarden en je bestuursvorm — en om jou de controle te laten behouden wanneer AI de overstap maakt van beantwoorden naar handelen.

In het volgende artikel wordt uitgelegd hoe Village AI structureel verschilt van Big Tech-AI, en waarom dat verschil belangrijker is dan pure capaciteit — vooral nu.

Wil je dit soort AI-tools goed en veilig gebruiken? Onze gratis cursussen — Werken met Claude en Agents at Work — leren je de praktische vaardigheden, van het verkrijgen van betrouwbare antwoorden tot het bepalen wat je aan een agent moet toevertrouwen. Voor de volledige technische architectuur achter Village AI, zie Village AI — Agentic Governance.