AI kantelt van belofte naar verdienmodel: technologie wordt economische motor

De ontwikkeling van kunstmatige intelligentie versnelt zichtbaar, juist terwijl financiële markten onder druk staan. Recente signalen wijzen erop dat de economische potentie van AI groter is dan eerder gedacht. De consistente vooruitgang suggereert dat de technologie nog in een vroege fase zit, met een impact die verder reikt dan tot nu toe werd aangenomen. Volgens Humberto Nardiello (DPAM) is dit een van de zeldzame momenten waarop zowel de fundamentele groei als de beleggingscase uitzonderlijk sterk zijn.

Humberto Nardiello

AI-codering bereikt doorbraak

Een van de duidelijkste doorbraken voltrekt zich in softwareontwikkeling. AI-tools zijn inmiddels in staat om zelfstandig hoogwaardige software te bouwen, met minimale menselijke input. Andrej Karpathy, medeoprichter van OpenAI merkte op dat het programmeren is veranderd van "80% handmatig en 20% machinaal" naar "80% door een AI-agent en 20% handmatige aanpassingen", en dat hij nu "voornamelijk in het Engels programmeert" ​

​Daarmee verschuift ook de rol van AI. De opkomst van zogeheten agents - systemen die zelfstandig taken uitvoeren, processen aansturen en beslissingen nemen - markeert een volgende stap. Waar chattoepassingen vooral informatie ontsluiten, fungeren agents als een uitvoerende laag in de economie. Ze werken continu, plannen en optimaliseren processen en opereren vaak zonder directe menselijke tussenkomst. Dat vertaalt zich in een sterke toename van het gebruik van AI en een snel stijgende vraag naar rekenkracht.

AI bewijst verdienkracht op grote schaal

Tegelijk wordt de commerciële doorbraak van AI steeds tastbaarder. Toonaangevende spelers laten in korte tijd een explosieve omzetgroei zien. Anthropic rapporteerde per 7 april een geannualiseerde omzet van circa $30 mrd, tegen $9 mrd drie maanden eerder - een stijging van $21 mrd aan jaarlijks terugkerende omzet (ARR) in één kwartaal. OpenAI groeide in dezelfde periode van ongeveer $20 mrd naar meer dan $25 mrd ARR.

Opvallend is niet alleen de snelheid van de groei, maar ook de efficiëntie. Beide bedrijven opereren met circa 3.000 medewerkers, waar Alphabet ongeveer 30.000 werknemers nodig had om een vergelijkbare omzet te realiseren. Dat wijst op een fundamenteel ander bedrijfsmodel, waarin softwarematige schaalbaarheid wordt gecombineerd met infrastructuurachtige verdienkracht. Het resultaat is een uitzonderlijk hoge omzet per werknemer.

Verdienmodel verschuift naar gebruik

Die ontwikkeling wordt versterkt door een fundamentele verandering in het verdienmodel. Waar AI voorheen werd aangeboden via vaste abonnementen, verschuift de markt naar gebruiksgebaseerde tarieven - feitelijk ‘betalen per gebruik’. Dat maakt prijsdifferentiatie mogelijk op basis van intensiteit en waardecreatie. Vooral intensieve gebruikers, zoals bedrijven die continu agents inzetten, verbruiken aanzienlijk meer tokens - de rekeneenheid van AI die staat voor verwerkte tekst en rekenkracht - en zijn minder prijsgevoelig. Hierdoor groeien inkomsten mee met het daadwerkelijke gebruik en de economische waarde die AI oplevert.

Dat heeft twee belangrijke gevolgen. Enerzijds neemt de omzetpotentie sterk toe, omdat inkomsten niet langer begrensd zijn door het aantal gebruikers. Anderzijds wordt het verdienmodel robuuster: omzetgroei is direct gekoppeld aan productiviteit en economische activiteit, en niet aan kunstmatige stimulansen.

AI breidt uit naar de fysieke wereld

De impact van AI beperkt zich inmiddels niet meer tot digitale toepassingen. De technologie breidt zich snel uit naar de fysieke wereld, waar grootschalige modellen, datastromen en infrastructuur samenkomen. In sectoren als autonoom rijden verschuift de technologie van regelgebaseerde systemen naar end-to-endmodellen die volledige situaties begrijpen en direct handelen.

Die ontwikkeling is al zichtbaar. Waymo heeft het aantal betaalde ritten met autonome voertuigen in minder dan twee jaar vertienvoudigd tot circa 500.000 per week. Daarmee ontstaat wat kan worden gezien als het ‘ChatGPT-moment’ voor de fysieke wereld: AI herkent niet alleen objecten, maar begrijpt en analyseert dynamische omgevingen.

De implicaties reiken verder dan zelfrijdende auto’s. Er ontstaat een bredere intelligentielaag voor fysieke systemen, toepasbaar in sectoren als logistiek, industrie en mobiliteit.

Steile groeicurve versnelt adoptie

De adoptie van AI volgt een bekend patroon, maar met een hoger tempo. In eerdere technologische cycli liep infrastructuur voor op toepassingen — dat is nog steeds het geval, maar de kloof wordt sneller gedicht. De uitrol van infrastructuur ging snel, terwijl de toepassing binnen bedrijven nu scherp versnelt. De markt voor enterprise-AI kan uitgroeien tot $3.000–$5.000 mrd, terwijl de penetratie nog onder de 10% ligt. Het adoptiepad wordt daarbij steeds duidelijker: van chat naar integratie in bedrijfsprocessen, vervolgens naar taakgerichte tools en uiteindelijk naar autonome agents en netwerken van samenwerkende systemen.

Opvallend is dat macro-economische onzekerheid deze ontwikkeling eerder versnelt dan afremt. In een zwakkere economische omgeving neemt de druk toe om kosten te verlagen en productiviteit te verhogen. AI fungeert daarbij als een instrument om efficiëntie te verbeteren, waardoor bedrijven sneller geneigd zijn bestaande werkwijzen los te laten.

Conclusie: zeldzaam sterk investeringsmoment

AI ontwikkelt zich daarmee van een technologisch thema tot een bredere economische cyclus rond productiviteit, arbeid en kapitaal. De toepassing verschuift van experiment naar uitvoering, en van ondersteuning naar daadwerkelijke waardecreatie.

Hoewel veel disruptieve technologieën uiteindelijk overbelegd raken, lijkt AI nog altijd onderbelegd in verhouding tot de omvang van de kans. Volgens Nardiello is dit een van de zeldzame momenten waarop zowel de fundamentele groei als de beleggingscase uitzonderlijk sterk zijn.