Nee, AI staat niet stil. Je kijkt naar het verkeerde scorebord

Bestuurders beginnen te twijfelen aan hun AI-roadmap. Na de eerste golf van generatieve tools in 2023, is het natuurlijk om te vragen of de momentum is vertraagd. Maar die vraag leest het scorebord verkeerd. AI-voortgang is niet stilgevallen. Het is verschoven.

Wat eerst voelde als exponentiële verandering aan de oppervlakte, vloeiende schrijfstijl, gepolijste samenvattingen, gebeurt nu in diepere, meer consequente gebieden: redenering, code, workflow-orchestratie en multimodale begrip. Deze vooruitgang is minder spectaculair, maar veel impactvoller. Als je AI nog steeds meet aan zijn vermogen om een betere alinea te schrijven, mis je de werkelijke transformatie.

De echte winst gebeurt waar het werk gedaan wordt

Vooruitgang versnelt waar het het meest telt. Op nieuwe, strenge benchmarks zoals GPQA, die graduate-niveau wetenschappelijke redenering evalueert, steeg de prestatie van modellen met bijna 49% punten per jaar. Op MMMU, die cross-domein- en multimodale taken test, steeg de score met bijna 19 punten. SWE-bench, een benchmark die het repareren van echte GitHub-codebases en het doorstaan van geautomatiseerde tests vereist, steeg van 4,4% naar meer dan 71% in één jaar.

Dit zijn geen marginale verbeteringen. Ze laten zien dat grote taalmodellen taken meester worden die precisie, redenering en integratie over complexe systemen vereisen. SWE-bench, in het bijzonder, gaat voorbij aan speelgoedproblemen en toont aan of modellen kunnen deelnemen aan echte softwareontwikkeling, een drempel die eerst jaren weg leek.

Tegelijkertijd evolueren ondernemingen hun verwachtingen. Het is niet langer genoeg dat modellen “algemeen intelligent” zijn, ze moeten specifiek nuttig zijn. De verschuiving naar domein-aangepaste modellen, tool-verbonden systemen en multi-agent-kaders weerspiegelt de groeiende vraag naar prestaties die operationeel, controleerbaar en geïntegreerd zijn in echte workflows.

Het verhaal komt niet overeen met de realiteit

Waarom voelt het alsof dingen vertragen? Er zijn twee redenen. Ten eerste, de benchmarks die aanvankelijk aandacht trokken, tekstsamenvatting, e-mailgeneratie en eenvoudige chat-taken, hebben natuurlijke plafonds bereikt. Zodra een model consistent presteert met 90% nauwkeurigheid op die taken, lijken de verbeteringen minimaal. Dit is een plafondeffect, niet een plateau in de vooruitgang.

Vandaag betreffen de verbeteringen lange-context-geheugen, tool-integratie, redenering op inferentietijd en domeinspecifieke nauwkeurigheid. Deze mogelijkheden produceren geen virale demos, maar ze verbeteren dramatisch wat modellen kunnen doen in echte workflows. Terwijl traditionele taalbenchmarks een plateau bereiken, operationele benchmarks gekoppeld aan echte wereldredenering, toolgebruik en ondernemingsbetrouwbaarheid verbeteren sneller dan ooit. Die kloof verklaart de disconnect: casual observers zien stagnatie omdat het oppervlak niet is veranderd, maar beoefenaars zien transformatie gebeuren net onder het oppervlak.

Van demos naar implementatie

AI is niet langer beperkt tot flashy demos of smalle prototypes. Het overschrijdt de drempel naar mainstream-implementatie, met name in ondernemingsomgevingen waar betrouwbaarheid, nauwkeurigheid en resultaatlevering ertoe doen. De verschuiving naar gestructureerde, taak-specifieke systemen is al gaande.

Against 2026, 40% van ondernemingsapplicaties zal ingebedde AI-agents hebben, een enorme sprong van slechts 5% in 2025. Deze agents zijn ontworpen om niet alleen prompts te beantwoorden, maar om taken uit te voeren, workflows te orkestreren en tastbare resultaten te leveren op gebieden zoals financiën, cybersecurity en klantoperaties.

Deze evolutie weerspiegelt een diepere technische verschuiving. Leidende AI-ontwikkelaars, waaronder OpenAI, gaan voorbij aan brute-force schaling en omarmen inferentie-tijdredenering, waardoor modellen problemen kunnen doorlopen, uitvoer kunnen valideren en dynamisch met externe tools kunnen interactiveren. Wat eerst leek op smalle automatisering wordt iets veel capabelers: agents die plannen, aanpassen en betrouwbaar uitvoeren. Dit is niet grotere AI, maar slimmere AI, gebouwd voor echte werk.

En dat echte werk wordt gemeten, niet alleen verbeeld. Ondernemingen gaan voorbij proof-of-concept-cycli en naar productieklare implementaties met duidelijke KPI’s en bedrijfsdoelstellingen gekoppeld aan resultaten. Deze rijpingsfase is minder over nieuwheid en meer over betrouwbaarheid.

De fout die bestuurders op het punt staan te maken

Het echte risico dat ondernemingsleiders vandaag tegenkomen, is niet dat AI-voortgang is stilgevallen. Het is dat ze zullen geloven dat het is stilgevallen en de investeringen pauzeren op het exacte moment waarop de mogelijkheden onder het oppervlak versnellen.

De organisaties die voorop lopen, wachten niet op de volgende GPT-achtige onthulling. Ze integreren vandaag AI in high-value, cross-functionele workflows en leveren meetbare bedrijfsimpact. Meer dan twee derde van de organisaties die AI gebruiken, melden significante kostenreducties of omzetgroei die rechtstreeks zijn gekoppeld aan deze implementaties. De meest succesvolle adoptanten waren diegenen die AI integreerden over meerdere bedrijfsfuncties en gehele procesketens automatiseerden.

Nog steeds blijven veel bestuursteams steken in verouderde evaluatiekaders. Ze vertrouwen op academische benchmarks die de complexiteit van echte ondernemingstaken niet langer weerspiegelen. Ze optimaliseren te veel voor token-efficiëntie en negeren de operationele waarde van nauwkeurigheid, herstelbaarheid en integratie.

Dit is niet alleen een technische vertraging, maar ook een strategische. De kloof tussen bedrijven die hun aanpak van AI hebben herzien en diegenen die dat niet hebben gedaan, wordt groter. En binnenkort zal het niet worden gemeten in modellen die zijn geïmplementeerd, maar in marktaandeel dat is veroverd en tijd-tot-waarde gerealiseerd.

Hoe AI-evaluatie opnieuw te bekijken

Het is tijd om het scorebord bij te werken. Organisaties moeten volledige taakvoltooiing, tool-orchestratie en cross-modale workflows volgen. Modellen moeten worden geëvalueerd niet alleen op of ze “een vraag beantwoorden”, maar of ze een multi-staptaak voltooien, herstellen van falen en output produceren die integreert in bestaande systemen.

Benchmarks zoals GPQA, MMMU en SWE-bench zijn een begin. Maar interne benchmarks gebouwd rond een ondernemings specifieke domein en workflows zijn nog belangrijker.

Moderne AI is in staat om high-value resultaten te leveren, maar alleen als je test op de resultaten die ertoe doen.

Wat de volgende golf van succes zal definiëren, zal niet zijn modellen met de meeste parameters, maar systemen die betrouwbaar presteren binnen een specifieke bedrijfscontext. Nauwkeurigheid, controleerbaarheid, tool-ketenondersteuning en herstel van fouten zullen meer gewicht hebben dan vloeiendheid of toon.

De frontier is verplaatst

AI staat niet stil. Het verplaatst zich naar de lagen waar het werk daadwerkelijk gebeurt, waar systemen moeten redeneren, valideren en interactiveren over domeinen. Het verlaat de noviteitsfase en treedt de infrastructuurfase binnen.

De bedrijven die deze verschuiving begrijpen, bouwen al een voordeel op. Ze jagen niet achter de volgende virale demo aan. Ze vangen echte productiviteit, verbeteren de tijd-tot-oplossing, en schalen processen met precisie en snelheid.

Als je nog steeds naar het oude scorebord kijkt, mis je de punten die elders worden gescoord. De volgende leiders zullen niet degene zijn die wachtten op vuurwerk. Ze zullen degene zijn die door de ruis heen keken en handelden op het echte signaal.