Waar gaat deze blog over?
Inleiding: het ongemakkelijke gevoel
Er hangt iets in de lucht. Een combinatie van euforie en onbehagen. Terwijl de tech-industrie miljarden investeert in kunstmatige intelligentie en experts ons voorhouden dat we aan de vooravond staan van een nieuwe industriële revolutie, groeit bij steeds meer mensen een ander gevoel: dit hebben we eerder gezien. En dat eindigde niet goed.
Die euforie is niet moeilijk te begrijpen. ChatGPT brak alle records en haalde binnen twee maanden 100 miljoen gebruikers. Bedrijven kondigden massaal AI-strategieën aan. Beurswaarderingen schoten omhoog - Nvidia's marktwaarde explodeerde naar meer dan 3 biljoen dollar. Overal ontstonden AI-afdelingen, AI-consultants, AI-opleidingen. Het leek alsof de hele wereld tegelijk ontdekte dat kunstmatige intelligentie de toekomst was.
En misschien is dat ook zo. Maar er zit een verschil tussen 'de toekomst' en 'nu direct winstgevend'. Tussen 'technologisch interessant' en 'economisch houdbaar'. Tussen 'mogelijkheden' en 'realiteit'.
Want onder die glanzende oppervlakte van enthousiasme ontstaat steeds vaker een ongemakkelijke vraag: wat als de verwachtingen te hoog zijn? Wat als de investeringen vooruitlopen op wat de technologie daadwerkelijk kan waarmaken? Wat als we, in ons enthousiasme om niet achter te blijven, opnieuw een bubbel aan het creëren zijn?
De waarschuwingssignalen zijn er. Ze worden alleen nog genegeerd, weggewuifd als doemdenken of als misverstand van mensen die 'het niet snappen'. Maar als je de data bekijkt, de investeringen analyseert en de patronen vergelijkt met eerdere tech-bubbles, ontstaat een zorgwekkend beeld.
De vraag is dus niet of er een AI-bubbel is. De vraag is wanneer deze knapt, en hoe hard de klap zal zijn.
Probleem nummer één: er is geen stroom
Hier is iets grappigs. We bouwen overal ter wereld datacenters voor AI. Grote gebouwen, vol met dure computers. Maar er is één klein probleempje: veel van deze datacenters kunnen niet op volle capaciteit draaien, omdat het elektriciteitsnet simpelweg niet genoeg stroom levert.
In Virginia, de grootste datacenterhub ter wereld, zijn er wachtlijsten van jaren voor netaansluitingen. Ierland heeft tijdelijk nieuwe datacenteraanvragen geweigerd. Nederland heeft bouwstops. Het patroon is overal hetzelfde.
Een modern AI-datacenter verbruikt tussen de 100 en 500 megawatt. Dat is ongeveer evenveel als een middelgrote stad. Maar waar steden decennia hebben gehad om hun infrastructuur te bouwen, verwacht de AI-industrie dat dit in een paar jaar geregeld is.
Dus wat gebeurt er? We investeren miljarden in servers die niet kunnen draaien. En tegen de tijd dat de stroomvoorziening er wel is, zijn die servers alweer verouderd. AI-chips verbeteren namelijk razendsnel - elke 1 tot 2 jaar komt er een nieuwe generatie die significant beter is.
Dit is investeren met je vingers gekruist, en hopen dat iemand anders het probleem oplost.
Probleem nummer twee: het geld gaat in een cirkel rond
Dan hebben we nog iets interessants. Nvidia, het bedrijf dat de chips maakt voor AI, investeert in OpenAI. OpenAI gebruikt dat geld voor een groot deel om Nvidia-chips te kopen. Microsoft investeert miljarden in OpenAI, die vervolgens Microsoft's clouddiensten gebruikt.
Zie je het patroon? Het geld gaat rond in een cirkel. Iedereen investeert in elkaar, koopt bij elkaar, en vertelt vervolgens dat de business groeit. Maar hoeveel van die groei is echt, en hoeveel is gewoon geld dat wordt rondgepompt in een gesloten systeem?
Dit doet me denken aan wat we zagen voor de financiële crisis van 2008. Complexe structuren waarin onduidelijk was waar de échte waarde zat. En we weten allemaal hoe dat afliep.
Probleem nummer drie: het werkt niet
Nu komen we bij het fundamentele probleem. AI levert niet wat beloofd wordt.
Een recent onderzoek van MIT toont aan dat 95% - laat dat even bezinken, vijfennegentig procent - van de pogingen om generatieve AI in bedrijven te implementeren faalt. Deze implementaties hebben geen meetbare impact op de winstgevendheid.
Het probleem is niet eens dat de technologie niet goed genoeg is. Het probleem is dat bedrijven niet weten hoe ze het moeten gebruiken, of dat de toepassingen simpelweg niet rendabel zijn. Een CIO in het onderzoek zei: "We hebben dit jaar tientallen demo's gezien. Misschien dat één of twee echt nuttig zijn."
We praten hier over 30 tot 40 miljard dollar aan investeringen, waarvan 95% nul rendement oplevert. Dat is geen goede businesscase.
Mijn eigen ervaring
Nu zou je kunnen zeggen: "Maar Hans, AI helpt mij wel!" En misschien is dat zo. Mij helpt het ook, soms. Voor simpele taken - een tekstdraft maken, wat codesuggesties, basisanalyse. Dat werkt.
Maar voor complexe taken? Voor genuanceerde analyses? Voor dingen waar fouten kostbaar zijn? Daar faalt het structureel. En de data bevestigt dit: 70% van de gebruikers prefereert AI voor snelle taken, maar 90% verkiest mensen voor complexe projecten.
Het punt is niet dat AI nutteloos is. Het punt is dat het niet de economische revolutie is waar iedereen het over heeft. Het is een handige tool voor specifieke taken. Niet meer, niet minder.
De 2008-parallel
Laten we even terugkijken naar 2008. Wat hoorden we toen?
- "Huizenprijzen kunnen niet dalen"
- "Het risico is gespreid"
- "De fundamentals zijn sterk"
Tot Lehman Brothers viel en plotseling iedereen doorhad dat het niet klopte.
Wat horen we nu?
- "AI is transformatief"
- "Dit is anders dan eerdere hypes"
- "De investeringen zijn verantwoord"
Het patroon is hetzelfde. Te veel geld dat te snel naar één sector gaat, gebaseerd op verwachtingen die niet gerealiseerd worden, met mensen die blijven beweren dat alles prima is tot het moment dat het niet meer prima is.
Waarom we dit blijven doen
Je zou denken dat we inmiddels geleerd hebben. We hebben de tulpenmanie gehad - letterlijk hier in Nederland in de 17e eeuw. We hebben de dotcom-crash meegemaakt, de huizencrisis, de crypto-winter. En toch doen we het elke keer opnieuw.
Waarom? Omdat de incentives verkeerd zijn ingericht.
Neem een Nederlandse pensioenfondsbestuurder. Die ziet dat Amerikaanse pensioenfondsen massaal in AI-tech investeren. Als hij niet meedoet en AI blijkt wel te slagen, staat hij voor een Tweede Kamer-commissie uit te leggen waarom Nederlandse gepensioneerden rendement zijn misgelopen. Maar als hij wel meedoet en het gaat mis? Dan kan hij zeggen: "Iedereen deed het. Niemand had dit kunnen voorzien."
Of kijk naar een Nederlandse IT-manager bij een groot bedrijf. Zijn concurrent implementeert AI en communiceert daar breed over. Als hij niet meegaat, vraagt de Raad van Bestuur waarom hij achterloopt. Zijn bonus hangt af van 'innovatie' en 'digitale transformatie'. Dat hij over drie jaar gelijk krijgt dat het niet werkte? Dan is hij allang doorgestroomd of werkt hij ergens anders.
Mensen die waarschuwen, worden niet beloond. Integendeel. Een analist die in 2023 adviseerde om geen AI-aandelen te kopen miste 200% rendement. Zijn klanten stapten over naar adviseurs die wel meegingen in de hype. Dat hij uiteindelijk gelijk zou kunnen krijgen doet er niet meer toe - zijn reputatie is al beschadigd.
En dan is er de collectieve amnesie. Hoeveel Nederlandse investeerders herinneren zich nog de telecombubble van 2000? Hoeveel CFO's waren er in 2008 al werkzaam en maakten de financiële crisis bewust mee? De generatie die nu de beslissingen neemt is vaak een andere dan de generatie die de klappen heeft opgevangen.
Plus, niemand wil toegeven dat ze te laat zijn. Nederlandse bedrijven die niet meedoen aan AI voelen zich achterlopers. In bestuurskamers, op conferenties, in jaarverslagen - overal wordt gevraagd: "Wat is jullie AI-strategie?" Geen AI-strategie hebben voelt als een zwaktebod. Dus creëert iedereen er één, ook als de businesscase wankel is.
Dit is geen individueel falen. Dit is een systemisch probleem waarbij alle prikkels wijzen richting meedoen met de hype, en alle consequenties pas later zichtbaar worden - wanneer de verantwoordelijken allang ergens anders zitten.
Wat kan er gebeuren?
Laten we eens een scenario schetsen. Stel dat bedrijven over een jaar of twee realiseren dat hun AI-investeringen niet renderen. Ze beginnen projecten te schrappen. Startups die alleen op hype draaiden gaan failliet.
Plotseling heeft niemand meer nieuwe GPU's nodig. Nvidia's omzet daalt. Hun aandelenkoers crasht. Omdat veel investeerders overgeïnvesteerd zijn in tech, begint er een bredere sell-off. Datacenters staan half leeg. Die dure stroomcontracten? Die moet nog steeds betaald worden.
We praten over meer dan een biljoen dollar aan investeringen in infrastructuur, hardware en diensten. Als dat waardeloos blijkt te zijn, is dat een kapitaalvernietiging van historische omvang.
Is dit zeker? Nee. Is het mogelijk? Absoluut.
De data wijst één kant op
Laten we samenvatten wat we weten:
- 95% van AI-implementaties faalt (MIT-onderzoek)
- Datacenters kunnen niet op volle capaciteit draaien door stroomtekorten
- Investeringen zijn deels circulair - geld dat wordt rondgepompt binnen het ecosysteem
- Waarderingen zijn gebaseerd op groei die nog niet gerealiseerd is
Dit zijn geen meningen. Dit zijn meetbare feiten.
Nu kun je twee dingen doen met deze informatie. Je kunt zeggen: "dit keer is het anders" en doorgaan met investeren. Of je kunt voorzichtig zijn.
Historisch gezien is "dit keer is het anders" meestal de duurste zin in de economie.
Wat ik hiervan vind
Kijk, misschien heb ik het mis. Misschien lost de AI-industrie de stroomproblemen op, vinden bedrijven wel manieren om rendement te maken, en blijkt het wel een revolutie te zijn.
Maar de data die we nu hebben suggereert dat niet. En wanneer de data je één ding vertelt en het narratief iets anders, moet je naar de data luisteren.
Het probleem is dat niemand naar de data wil luisteren als het narratief zo aantrekkelijk is. Iedereen wil geloven in de AI-revolutie. Investeerders willen rendement, CEO's willen niet achterblijven, media willen clicks.
Dus blijven we investeren, blijven we bouwen, en blijven we beweren dat alles geweldig is.
Tot het niet meer geweldig is.
Conclusie
De AI-industrie heeft een probleem. Eigenlijk heeft het drie problemen: onvoldoende infrastructuur, circulaire financiering, en falende implementaties. Elk van deze is op zich al zorgwekkend. Samen vormen ze een recept voor een mogelijke crisis.
Zal deze crisis komen? Ik weet het niet. Niemand weet dat. Maar de waarschuwingssignalen zijn er. De data is duidelijk. En historische parallellen zijn verontrustend.
Misschien is het tijd om wat kritischer te kijken naar waar we ons geld in stoppen. En misschien, heel misschien, moeten we het narratief van de "AI-revolutie" wat genuanceerder bekijken.
Want op dit moment investeren we een biljoen dollar in iets waar 95% van faalt, terwijl we niet eens genoeg stroom hebben om het te laten draaien.
Dat klinkt mij niet als een solide businessplan.
Maar wat weet ik ervan? Ik ben maar een eenvoudig mens die naar data kijkt.
