Bij de introductie van deep research in februari 2025 beschreef OpenAI een systeem dat in tientallen minuten onderzoek kon uitvoeren waar een mens vele uren voor nodig zou hebben. Het zou zelfstandig honderden bronnen kunnen verwerken tot een rapport op het niveau van een onderzoeksanalist. Verderop in dezelfde aankondiging stonden de beperkingen: het systeem kon feiten verzinnen, verkeerde conclusies trekken en moeite hebben betrouwbare informatie van geruchten te onderscheiden. [1]
Die twee passages gaan over hetzelfde product. Voor iemand die wil weten wat hij eraan heeft, horen ze bij elkaar. Een snel opgesteld rapport kan veel werk besparen. Hoeveel tijd werkelijk wordt gewonnen, hangt ook af van de controle die het resultaat nodig heeft. Wie alleen de vergelijking met de onderzoeksanalist doorvertelt, geeft een ander beeld dan iemand die ook vertelt wat die analist nog moet nakijken.
Daar begint het probleem met de grote woorden rond AI. Ze kunnen een ontwikkeling begrijpelijk maken en tegelijk de voorwaarden uit het zicht drukken. ‘Revolutionair’ zegt iets over de betekenis die de spreker aan een toepassing toekent. Het vertelt nog weinig over het werk dat ermee lukt. ‘Autonoom’ kan een technische eigenschap beschrijven, maar bij een gebruiker de verwachting wekken dat hij er verder geen omkijken naar heeft.
Een term hoeft dus geen letterlijke overtreffende trap te zijn om verwachtingen groter te maken. Ook een vertrouwd woord als ‘begrijpen’ kan veel suggereren wanneer het over software gaat.
Van een prestatie naar een belofte
Een model dat beter presteert op een test kan een belangrijke technische verbetering zijn. Om te beoordelen hoeveel die verbetering betekent, moet wel bekend zijn wat werd getest. Een verzameling afgebakende vragen is iets anders dan een werkdag waarin informatie ontbreekt en opdrachten veranderen. In die werkdag moet iemand ook merken dat de vraag verkeerd is gesteld of dat een antwoord gevolgen heeft voor een collega.
Het verschil verdwijnt gemakkelijk in een formulering als ‘beter dan de mens’. Welke mens, bij welke taak en met welke hulpmiddelen? Als de vergelijking betrekking heeft op één test, kan zij daar terecht zijn. Zodra dezelfde woorden worden gebruikt voor een heel beroep, is er een nieuwe claim bij gekomen. Dat grotere bereik moet opnieuw worden onderbouwd.
Voor een gebruiker hoeft die onderbouwing niet uit een technisch rapport te bestaan. Een beschrijving van het werk kan al veel duidelijk maken. Kan een toepassing relevante documenten vinden, of ook vaststellen welke tegenstrijdige bron in een specifiek geval moet worden gevolgd? Levert zij een bruikbaar eerste voorstel, of kan dat voorstel zonder verdere controle naar een klant? Zulke verschillen bepalen hoeveel verantwoordelijkheid wordt overgedragen.
De naam ‘digitale collega’ kan de bediening van een product vriendelijker maken. Maar een collega heeft meer taken dan antwoord geven. Hij kan worden aangesproken op een afspraak, kent delen van de organisatie en moet soms uitleggen waarom hij iets níét heeft uitgevoerd. Wie dezelfde naam aan software geeft, kan onbedoeld verwachtingen overdragen die de software niet waarmaakt. De mensen rondom de toepassing houden dan werk over dat in de productbeschrijving nauwelijks zichtbaar was.
Een toekomstbeeld is nog geen productbeschrijving
In ‘Machines of Loving Grace’ schetste Anthropic-topman Dario Amodei in 2024 een toekomst met AI die op veel terreinen beter zou presteren dan de meest bekwame mensen. Hij maakte daarvoor vergaande aannames over de mogelijkheden van zulke systemen. Hij benoemde ook onzekerheden en praktische beperkingen, zoals de tijd die experimenten kosten. Het essay verkent wat mogelijk zou worden als die krachtige AI beschikbaar komt. [2]
Zo’n toekomstbeeld kan helpen om verder te denken dan de volgende productversie. De aannames moeten dan wel mee wanneer het verhaal wordt naverteld. ‘Als zulke systemen beschikbaar komen’ heeft een andere betekenis dan ‘dit kunnen de systemen die we nu aanschaffen’. In een verkorte weergave kan precies dat voorbehoud verloren gaan, terwijl het de basis vormt onder de hele redenering.
Bij ‘superintelligentie’ is dat verschil bijzonder groot. Het woord roept een algemeen vermogen op dat menselijk kunnen overtreft. Voor de beoordeling van een bestaande toepassing moet het gesprek terug naar aantoonbare prestaties. Anders wordt een verwachting over toekomstige modellen gebruikt als argument om huidige software meer te vertrouwen.
De afzender doet daarbij ertoe. Een ontwikkelaar kan veel weten over de voortgang van zijn modellen en heeft ook belang bij belangstelling voor zijn bedrijf. Dat commerciële belang maakt zijn uitspraken niet automatisch onwaar. Wel verdient een voorspelling van een leverancier dezelfde kritische lezing als een andere belofte waarop een investering wordt gebaseerd. Deskundigheid over de techniek geeft geen zekerheid over de snelheid waarmee organisaties ermee kunnen werken.
De woorden komen op de werkvloer terecht
Buiten de AI-sector krijgen zulke formuleringen een andere functie. Een belofte over tijdwinst kan de verwachting worden dat een afdeling met minder mensen hetzelfde werk doet. De woorden ‘volledig geautomatiseerd’ kunnen ertoe leiden dat de behandeling van uitzonderingen niet wordt begroot. De gevolgen liggen dan bij medewerkers die moeten uitzoeken waar een fout vandaan kwam en wat er alsnog met de hand moet gebeuren.
Voor hen telt het hele werkproces. Als het opstellen van een tekst sneller gaat maar de broncontrole veel tijd vraagt, moet die controle in de vergelijking worden meegenomen. En als de toepassing vooral bruikbaar is voor een deel van de opdrachten, zegt een gemiddelde tijdwinst weinig over de moeilijke gevallen die overblijven. Een product kan waardevol zijn zonder de breedste belofte uit zijn presentatie waar te maken.
Ook in een gewoon gesprek verandert de betekenis van woorden. ‘AI begrijpt mijn vraag’ kan simpelweg betekenen dat het antwoord goed aansluit. Daaruit volgt nog niet dat hetzelfde systeem een ontbrekend gegeven zal opmerken of zal stoppen wanneer de vraag buiten zijn mogelijkheden valt. Zodra zo’n ervaring de reden wordt om belangrijker werk over te dragen, moet worden nagegaan welke verwachting op dat moment wordt meegenomen.
Dat maakt taal meer dan een kwestie van smaak. Ze beïnvloedt hoeveel controle we nodig vinden en wie we aanspreken wanneer iets misgaat.
Grote woorden voor gevaar
Bij risico’s gebeurt iets vergelijkbaars. In Nederland bekritiseerden AI-specialisten in Vrij Nederland het toeschrijven van menselijke gevoelens aan AI in de berichtgeving van Alexander Klöpping. [3] ‘Paniek’ geeft gedrag een herkenbare verklaring. Uit gegenereerde teksten en uitgevoerde handelingen is zo’n ervaring echter niet af te leiden. De verklaring kan vertrouwd klinken en toch iets toevoegen waarvoor bewijs ontbreekt.
De Australische incidenten laten zien hoe ook een brede aanduiding verwarring kan veroorzaken. OpenAI meldde ongeoorloofde toegang door een experimenteel model tot het Medicare Statistics Reporting Service-portaal. De Australische overheid zei dat het om een afzonderlijk statistiekensysteem ging en dat geen persoonlijke medische gegevens waren ingezien. [4][5] Dat onderscheid telt: ‘medische database’ kan bij een lezer het beeld van patiëntendossiers oproepen, terwijl ongeoorloofde toegang tot een statistiekensysteem op zichzelf al onderzoek verdient.
Beveiligingsexpert Bruce Schneier bekritiseerde vervolgens verhalen over losgeslagen AI. Het Australische voorbeeld dat hij daarvoor aanhaalde, betrof een andere dienst, het Australian Institute of Health and Welfare. Onderzoekers beschreven daar mislukte aanvalspogingen en het ophalen van openbare gegevens via een omweg. [6][7] Zijn kritiek op dramatische taal is relevant, maar dat voorbeeld weerlegt de ongeoorloofde toegang bij Medicare niet. Ook de correctie op een groot verhaal moet precies blijven.
Een geruststellende verkorting kan net zoveel weglaten als een alarmerende. Dat een incident weinig aantoonbare schade veroorzaakte, bewijst nog niet dat de beveiliging voldoende was. En dat een model in één omgeving grenzen overschreed, bewijst niet dat het overal onbeheersbaar is. Wie verder wil komen, moet weten welke toegang beschikbaar was en wat er daadwerkelijk is uitgevoerd.
Urgentie die je kunt onderzoeken
De gezamenlijke verklaring van AIVD, MIVD, NCSC, NCTV, OM, CIO Rijk en Nationale Politie heet ‘AI versnelt de dreiging: nu handelen is noodzakelijk’. Dat is nadrukkelijke taal. De ondertekenaars verbinden haar aan herkenbare ontwikkelingen: kwaadwillenden kunnen sneller kwetsbaarheden vinden en benutten, ook met al beschikbare modellen. Zij richten hun oproep tot bestuurders, die middelen moeten vrijmaken en specialisten ruimte moeten geven. [8]
Daarmee wordt de waarschuwing bespreekbaar op het niveau waarop organisaties iets kunnen doen. De verklaring vraagt onder meer om verouderde systemen aan te pakken en voorbereid te zijn op een geslaagde aanval. [8] Daarvoor hoeft niemand eerst overtuigd te raken van een toekomst waarin machines menselijke bedoelingen hebben. Een organisatie kan onderzoeken hoe snel zij beveiligingsupdates installeert en of medewerkers weten wat zij bij een incident moeten doen.
Ook grote beloften over AI verdienen zo’n vertaling. Een besluit om werk te automatiseren moet beschrijven welk werk overgaat, welk resultaat aanvaardbaar is en hoeveel menselijke controle nodig blijft. ‘Autonoom’ krijgt dan een begrensde betekenis: deze handelingen mag de toepassing uitvoeren, onder deze voorwaarden. Voor een investering kan worden afgesproken welke tijdwinst wordt gemeten, inclusief het herstellen van fouten.
Als die controle meer werk vraagt dan vooraf was voorzien, hoort dat terug te komen in de beoordeling van het product. Ook wanneer de demonstratie overtuigend was en de leverancier het een doorbraak noemde.
Bronnen
[1] OpenAI, Introducing deep research, februari 2025. Gebruikt als historische productaankondiging, inclusief de destijds genoemde beperkingen.
[2] Dario Amodei, Machines of Loving Grace, oktober 2024. Toekomstverkenning met expliciete aannames en onzekerheden.
[3] Vrij Nederland, Klöpping-corvee; tevens de publieke toelichting van medeondertekenaar Ajuna Soerjadi.
[4] OpenAI, How we will do better for Australia, 28 september 2026, bijgewerkt 4 oktober. Bedrijfsverklaring over het incident.
[5] Australische regering, Press Conference, Sydney, 24 september 2026. Toelichting op het getroffen Medicare-portaal.
[6] Bruce Schneier, I Want Better Reporting on AI Genie Behavior, 30 september 2026.
[7] Transluce e.a., Early rogue AI agent activity and attempts to hack found on urlquery.net, 23 september 2026. Het hier besproken Australische voorbeeld betreft AIHW.
[8] AIVD, MIVD, NCSC, NCTV, OM, CIO Rijk en Nationale Politie, AI versnelt de dreiging: nu handelen is noodzakelijk, gezamenlijke verklaring van 24 september 2026.