# Goedkope intelligentie maakt de rest schaars

20 januari 2026 · Beschouwing · 3 min lezen

Door [Ahsan Fazal](https://axiomatic.digital/over-ons#ahsan), Oprichter en CEO

De modelmakers zeggen zelf dat het kunnen voorloopt op het gebruik, en dat een bepaald niveau elk jaar goedkoper wordt. Als dat klopt, is niet intelligentie schaars, maar zijn dat de bronnen met een eigenaar, de controles en het werk om een antwoord bij één organisatie te laten passen. Wat dat betekent voor een bedrijf dat op taalmodellen bouwt.

In november publiceerde OpenAI een notitie met de titel [AI progress and recommendations](https://openai.com/index/ai-progress-and-recommendations/). Eén ding erin trof me meer dan de voorspellingen: het bedrijf dat de modellen bouwt, zegt dat wat ze kunnen ver vooruitloopt op wat mensen en organisaties er in de praktijk mee doen. Sam Altman beschreef al in [The Gentle Singularity](https://blog.samaltman.com/the-gentle-singularity) een wereld waarin intelligentie zo goedkoop wordt dat we haar niet meer tellen. En Dario Amodei maakte in [On DeepSeek and Export Controls](https://darioamodei.com/post/on-deepseek-and-export-controls) het nuchterdere punt: een bepaald niveau van kunnen bereiken wordt elk jaar fors goedkoper.

Ik neem dat serieus, want het verandert waar een klein bedrijf zijn tijd aan moet besteden.

## Als intelligentie een goedkope grondstof is

Leg de drie naast elkaar en er volgt een eenvoudig beeld. Een model van vast niveau is een onderdeel dat goedkoper wordt en vervangbaar is. Wat je vandaag goed doet, doet het volgende model voor minder. Wat vorig jaar het hoogste was, is dit jaar de ondergrens. Dat schreef ik in [Herbouwd op open bouwstenen](https://axiomatic.digital/updates/herbouwd-op-open-bouwstenen) over software, en het geldt evengoed voor het model zelf.

Wat blijft er dan schaars? Intelligentie niet. Ik zie in mijn werk vier dingen.

De bronnen van de organisatie, met een eigenaar en een versie, zodat duidelijk is welke tekst geldt. De verbindingen met de plekken waar die bronnen staan. De goedkeuringen: wie wat mag wijzigen en wie het heeft bevestigd. En het toetsen, waarover ik [in november](https://axiomatic.digital/updates/eigen-toetsset-maakt-elk-model-waar) schreef. Achter alle vier staat het werk om dit bij één organisatie te laten passen, en dat doet niemand voor je.

## De controle komt niet met het model mee

Er is een tweede reden. Voor zover ik kan zien, worden modellen het snelst beter waar een programma het antwoord kan nakijken: code die draait of faalt, een som die klopt of niet. Dat is een eigenschap van de taak, niet van het model. In de zorg, in de apotheek, in het sociaal werk bestaat geen programma dat zegt of een advies over een doorligwond past bij deze cliënt volgens het protocol van deze organisatie. Dus moet het systeem rond het model de controle leveren. Daar ontstaat waarde, en die komt niet als gratis update.

## Waar ik het mee oneens ben

OpenAI leest het gat tussen kunnen en gebruik als traagheid: de samenleving loopt nog achter. Voor werk waar een fout antwoord gevolgen heeft, lees ik het anders. Vaak is het een redelijke weigering om te handelen naar een antwoord dat niemand kan herleiden. In de zorg zijn de details het product. Een organisatie die wacht tot ze ziet waar een antwoord vandaan komt, loopt niet achter. Ze doet haar werk.

En ik trek niet de conclusie dat het model er niet meer toe doet. Het model bepaalt het plafond. Het systeem eromheen bepaalt of werk met gevolgen dat plafond ooit in de buurt komt.

## Wat ik laat liggen

Ik beoordeel geen voorspelling in deze teksten als uitgekomen of niet. Ik zet geen bedrag op wat dit allemaal kost. Ik noteer alleen dat wie de modellen bouwt zelf zegt dat het moeilijke deel elders ligt, en dat dat een reden is om onze weken te besteden aan bronnen, controles en invoering, en niet aan proberen slimmer te zijn dan het volgende model.

## Werkt u in de zorg met Inora?

Inloggen en hulp lopen via uw eigen organisatie: de projectleider en de ambassadeurs van uw team helpen u verder.

## Verder lezen

- [Variatie tussen professionals is informatie](https://axiomatic.digital/updates/variatie-is-geen-ruis.md): Het pleidooi om het oordeel van professionals door algoritmes te vervangen staat of valt met één aanname: dat een brein een computer is. Waar een oordeel geen juist antwoord heeft buiten het oordeel zelf, is verschil tussen professionals informatie. Geef ze dezelfde bronnen, niet dezelfde conclusie.
- [Verkoop het werk, houd het oordeel](https://axiomatic.digital/updates/verkoop-het-werk-houd-het-oordeel.md): Investeerders zeggen nu dat de volgende grote softwarebedrijven het werk verkopen en niet het gereedschap. De scheiding die ze gebruiken, tussen intelligentiewerk en oordeelswerk, is bruikbaar. Waar ik afwijk: de lijn ertussen wordt getrokken door het systeem rond het model en door de wet, en wat zich opstapelt, is geen data die je van al je klanten samenvoegt.
- [Een eigen toetsset maakt ‘elk model’ waar](https://axiomatic.digital/updates/eigen-toetsset-maakt-elk-model-waar.md): Sinds de herbouw zeg ik dat Inora aan geen enkel taalmodel vastzit. Die zin klopt pas als we het kunnen laten zien. Zonder de eigen vragen en antwoorden van een organisatie is een model wisselen een sprong in het diepe; mét die vragen is het een testronde. Waarom ik toetsing een voorwaarde noem, en waar ik van het gangbare advies afwijk.