De dag dat de AI-bubbel een waarschuwing kreeg
Het gebeurde op een maandag in januari 2025, een datum die in de tech-geschiedenisboeken waarschijnlijk gemarkeerd blijft staan. Niet vanwege een nieuwe iPhone of een flitsende presentatie van Sam Altman, maar vanwege een koersval. Nvidia, de absolute koning van de AI-hardware, zag in één klap bijna 600 miljard dollar aan beurswaarde verdampen. Waarom ik dit aanhaal? Omdat dit niet zomaar beursnieuws is; het is een direct signaal voor jouw bedrijfsvoering. De paniek werd veroorzaakt door een relatief onbekend Chinees lab, DeepSeek, dat een AI-model lanceerde (R1) dat qua prestaties niet onderdeed voor de allerduurste Amerikaanse varianten, maar ontwikkeld was voor een fractie van de kosten.
Dit moment markeerde een omslagpunt waar we eerlijk gezegd al even op zaten te wachten. Tot voor kort was het narratief simpel: als je als MKB-ondernemer ‘goede’ AI wilde gebruiken, moest je de hoofdprijs betalen aan de grote Amerikaanse techreuzen. Zij bezaten de rekenkracht, de data en de infrastructuur. Maar wat de opkomst van krachtige open source AI laat zien, is dat die muur begint af te brokkelen. We zien nu dat efficiëntie het wint van brute kracht. Voor jou als ondernemer betekent dit dat de ‘belasting’ die je betaalt op intelligentie – in de vorm van dure licenties en API-kosten – op het punt staat drastisch te dalen. Het is een correctie op de markt die aangeeft dat slimme software geen luxeproduct blijft, maar een nutsvoorziening wordt die voor iedereen toegankelijk is, zonder dat je vastzit aan één leverancier.
Waarom efficiëntie belangrijker is dan brute kracht
Laten we even dieper inzoomen op wat er nu technisch en economisch gebeurt, zonder te verzanden in ingewikkelde codetaal. De afgelopen jaren leek de strategie van Silicon Valley vooral te bestaan uit ‘meer is beter’. Meer datacenters, meer energieverbruik, meer chips. Er werd, zoals Peter Thiel het onlangs treffend omschreef, gegokt op AI als het enige grote ‘Manhattan Project’ van deze tijd. Maar die focus op gigantische infrastructuur heeft een keerzijde: het maakt de eindgebruiker afhankelijk en de kosten kunstmatig hoog. Wat we nu zien met de opkomst van open weights modellen – modellen waarvan de ‘hersenen’ openbaar en aanpasbaar zijn – is dat je die gigantische infrastructuur niet altijd nodig hebt voor het gebruik ervan.
Het draait allemaal om ‘inference’, oftewel: het daadwerkelijk gebruiken van het model om een antwoord te genereren. Uit de recente ontwikkelingen blijkt dat je met slimme optimalisaties, zoals DeepSeek deed, dezelfde intelligentie kunt draaien op veel goedkopere hardware. In de praktijk betekent dit dat de angst voor een ‘AI-bubbel’ – waarbij de kosten van de infrastructuur nooit worden terugverdiend door de opbrengsten – reëel is voor de investeerders, maar juist goed nieuws is voor de afnemers. Als de bubbel van dure infrastructuur leegloopt, blijven we achter met zeer capabele, goedkope software. We zien nu al dat Amerikaanse bedrijven, die voorheen huiverig waren, achter gesloten deuren stiekem gebruikmaken van deze efficiënte open source alternatieven. Waarom? Omdat het simpelweg de marge verbetert. Het idee dat je alleen kwaliteit krijgt als er een Amerikaans logo op staat, is in 2025 definitief achterhaald.
Geen vendor lock-in, maar keuzevrijheid
Wat moet je hier nu concreet mee op de werkvloer? Het belangrijkste inzicht is dat je kritisch moet gaan kijken naar je softwareleveranciers en je eigen automatiseringsplannen. Tot nu toe was de standaardvraag: “Welk abonnement nemen we op ChatGPT of Copilot?” De nieuwe vraag moet zijn: “Hoe kunnen we open source AI inzetten om onze data privé te houden en kosten te drukken?” Met open source AI heb je de mogelijkheid om modellen lokaal of op een eigen (goedkope) server te draaien. Dit klinkt misschien technisch, maar er komen steeds meer laagdrempelige oplossingen beschikbaar die dit voor je regelen. Het grote voordeel is onafhankelijkheid.
Als je je hele bedrijfsprocessen ophangt aan één propriëtair model van een grote techreus, ben je overgeleverd aan hun prijsverhogingen en beleidswijzigingen. Met open source modellen, die je zelf kunt ‘hosten’ of via goedkopere aanbieders kunt afnemen, pak je de controle terug. Bovendien lost het een groot privacy-vraagstuk op: je hoeft je gevoelige bedrijfsdata niet meer naar een ‘black box’ in de VS te sturen. Mijn advies is niet om morgen zelf te gaan programmeren, maar wel om bij elke nieuwe software-implementatie te vragen: welk model zit hierachter? Is dit een gesloten systeem waar we de hoofdprijs voor betalen, of maken we slim gebruik van de efficiëntieslag die nu gaande is? De markt verschuift van schaarste naar overvloed; zorg dat je contracten en tools daarop zijn afgestemd.