In 2022 en 2023 was het simpel: elke demo was magisch, elke persbericht rook naar revolutie. Twee jaar later weten we beter. Sommige beloften zijn gelandt — bruikbaar, soms verrassend goed. Andere zijn stil weggegleden, opgelost in een combinatie van hype, haast en slechte producten. En een derde categorie begint nu pas echt gestalte te krijgen, verder van de schijnwerpers. Hieronder de balans.

Wat 2024 echt heeft geleverd: stille productiviteitswinst

De meest eerlijke manier om 2024 te beschrijven? Stil nuttig. Niet de revolutie die vendor-presentaties beloofden, maar een bescheiden, consistente productiviteitsboost voor wie wist hoe er mee om te gaan.

Code-assistenten als GitHub Copilot, Cursor en Codeium zijn standaard geworden in het arsenaal van gemiddelde ontwikkelaars. Niet omdat ze perfect zijn, maar omdat ze het routinewerk — boilerplate schrijven, documentatie genereren, eenvoudige functies autocompleten — afhandelen zonder dat je er over na hoeft te denken. Dat is geen hype, dat is gewoon efficiëntie.

Hetzelfde geldt voor taalmodellen in kenniswerk. Juridische documenten doorzoeken, samenvattingen maken van lange rapporten, e-mails structureren: LLM's doen dit inmiddels goed genoeg dat ze echt tijd besparen. Niet altijd foutloos. Maar snel en "goed genoeg" wint van "perfect maar nooit af" in de meeste kantooromgevingen.

Multimodale modellen — die tekst én afbeeldingen begrijpen — zijn in 2024 van laboratoriumcuriosa geworden naar bruikbare tools. GPT-4o kan een foto van een foutmelding op een monitor begrijpen en oplossen. Gemini kan een schermopname analyseren. Dat was twee jaar geleden sciencefiction.

"Meer dan 74% van de bedrijven heeft AI geïmplementeerd, maar minder dan 26% ziet daadwerkelijk meetbare bedrijfswaarde. Dat is geen adoptieprobleem — dat is een verwachtingsprobleem."

De belofte die niet uitkwam: autonome AI-agenten

Het woord "agent" was in 2024 het meest misbruikte woord in tech. De belofte was verleidelijk: je geeft een AI een complex doel, en die werkt het zelfstandig af — zoekt informatie, schrijft code, verstuurt e-mails, beheert kalenders. Volledig autonoom.

De werkelijkheid bleef daar ver van af. Devin, gelanceerd door Cognition Labs in maart 2024 als "s werelds eerste AI software engineer", haalde meer dan 13% op de SWE-bench benchmark. Dat klonk indrukwekkend, totdat je realiseerde dat de benchmark zorgvuldig geselecteerde, goed geformuleerde problemen bevat. In echte codebases, met vage vereisten en tien jaar aan legacy, zakte de prestatie significant. Inmiddels is Devin geëvolueerd naar een nuttige junior-ontwikkelaar die goed is in migratietaken met duidelijke input/output. Dat is waardevol — maar het is niet de autonome programmeur die de demo suggeerde.

Gartner schatte in 2025 dat meer dan 40% van de agentic AI-projecten voor eind 2027 geannuleerd zal worden vanwege te hoge kosten, onduidelijke bedrijfswaarde of onvoldoende risicobeheersing. Dat is niet pessimisme — dat is de hype cycle die zijn normale loop loopt.

Het fundamentele probleem is betrouwbaarheid over meerdere stappen. Een LLM-agent die tien beslissingen autonoom neemt, heeft bij elke stap een foutmarge. Die fouten accumuleren. In een gecontroleerde demo verberg je dit. In productie, met echte data en echte gevolgen, wordt het snel een probleem. Agentic AI slaagt momenteel in slechts 35% van multi-turn taken — voor enkelvoudige taken ligt dat op 58%. Dat is veelbelovend voor specifieke use-cases, niet voor algemene autonomie.

Hardware die zijn naam niet verdiende: R1, Ai Pin en de les die ze leren

2024 werd ook het jaar van de mislukte AI-hardware. Twee producten illustreren dit pijnlijk goed.

De Rabbit R1 haalde op CES in januari 2024 meer dan 100.000 pre-orders met een demo van een oranje gadgetje dat taken kon uitvoeren — eten bestellen, taxi's boeken, appjes bedienen — puur via spraak en een "Large Action Model". Founder Jesse Lyu suggereerde dat dit het app store-model zou ontwrichten. Toen het apparaat in april verscheep, kon het nauwelijks een timer instellen. De camera had "bijna geen intelligentie", de batterij ging twee keer per dag leeg, en van de getoonde features waren er meerdere nooit gelanceerd. Tegen september 2024 waren er nog 5.000 actieve gebruikers van de 40.000 verzonden apparaten.

De Humane Ai Pin had een vergelijkbaar lot, alleen duurder. $699 plus $24 per maand voor een pin op je revers die traag reageerde, commando's misbegreep, oververhitte en met een laserprojectie die buiten amper zichtbaar was. Minder dan een jaar na lancering werd het apparaat stopgezet. HP kocht de technologie voor $116 miljoen — niet voor het product, maar voor het team.

De les is niet dat AI-hardware onmogelijk is. De les is dat een AI-demo op het podium fundamenteel anders is dan een product in handen van echte gebruikers, in echte situaties, met echte verwachtingen. Beide bedrijven verwarden een indrukwekkende proof-of-concept met een klaar product.

Enterprise AI: veel pilotprogramma's, weinig schaalbare waarde

Het meest verrassende cijfer van 2024 komt van BCG: 74% van de bedrijven wereldwijd heeft AI geïmplementeerd in minstens één bedrijfsproces. Maar datzelfde rapport stelt dat 74% van diezelfde bedrijven nog geen meetbare waarde heeft gerealiseerd op schaal. Hoe kun je tegelijk overal en nergens zijn?

De verklaring is het pilot-paradox. Bedrijven lanceren AI-projecten, zien in een gecontroleerde omgeving bruikbare resultaten, en kunnen het daarna niet opschalen. De redenen zijn voorspelbaar maar onderschat: slechte datakwaliteit (het meest genoemde probleem), gebrek aan AI-geletterdheid bij medewerkers, en verwachtingen die gebaseerd zijn op demo's in plaats van productierealiteit. Bovendien stelde MIT-onderzoek vast dat 95% van de bedrijven die AI inzetten geen meetbare bottom-line impact rapporteert — ondanks een gemiddelde investering van $1,9 miljoen per initiatief in 2024.

Meer dan een derde van de executives noemt generatieve AI "een grote teleurstelling". Dat is niet hetzelfde als zeggen dat het niet werkt. Het betekent dat de verwachtingen systematisch te hoog waren — en dat de industrie die verwachtingen actief heeft aangemoedigd.

Waar het wél begint: bescheiden, specifiek en infrastructureel

De meest duurzame AI-winsten van 2024 komen niet van flitsende demos maar van smalle, goed gedefinieerde toepassingen. Code-reviews die foutieve patronen opsporen. Klantenservice die veelgestelde vragen afhandelt met acceptabele nauwkeurigheid. Documenten die automatisch worden samengevat voor juristen. Niet glamoureus, maar schaalbaar.

Wat ook begint te verschijnen zijn de fundamentele infrastructuurlagen. Vector-databases, retrieval-augmented generation, fine-tuning op eigen data, lokale inferentie op krachtige consumer-GPU's — dit was in 2023 het domein van AI-researchers, in 2025 is het beschikbaar voor elke engineer die een weekend wil investeren. Dat is een stille maar ingrijpende verschuiving.

En de modellen zelf worden — ondanks alle cynisme — aantoonbaar beter. Claude 3.5, GPT-4o, Gemini 1.5 Pro: de kwaliteitssprong ten opzichte van twee jaar geleden is niet marginaal. Redeneren over complexe problemen, code debuggen over meerdere bestanden, nuance herkennen in vage vragen — dit gaat écht beter. Alleen niet snel genoeg voor de roadmaps die in 2022 werden beloofd.

Veelgestelde vragen

Heeft ChatGPT de verwachtingen van 2022 waargemaakt?
Als alledaags hulpmiddel voor schrijven, samenvatten en code: ja, ruimschoots. Als fundament voor autonome AI-agenten die bedrijfsprocessen overnemen: nog lang niet. De consumentenproducten zijn beter dan verwacht; de enterprise-implementaties zijn moeilijker dan gehoopt.

Is Devin echt de eerste AI software engineer?
De marketingclaim was overdreven, maar het product is nuttig. Devin is goed in migratietaken met duidelijke vereisten en verifieerbare uitkomsten. Zelfstandig werken aan een complex, gedocumenteerd project? Dat is iets heel anders.

Waarom mislukken AI-projecten zo vaak in bedrijven?
De drie meest voorkomende oorzaken: slechte datakwaliteit (geen AI-model werkt goed op rommelige data), onrealistische verwachtingen gebaseerd op demo's, en gebrek aan begeleiding bij de medewerkers die het moeten gebruiken. Technologie is zelden het hoofdprobleem.

Is de Rabbit R1 nog iets waard?
Als curiosum uit een specifiek moment in AI-hardware-hype: misschien. Als serieus hulpmiddel: nee. Het apparaat is een duurzame herinnering aan het verschil tussen een indrukwekkende CES-demo en een bruikbaar product.

Wat is de meest veelbelovende AI-trend voor de komende twee jaar?
Smalle, betrouwbare agenten voor specifieke taken — niet de algemene autonome AI van de sci-fi. Denk aan een agent die elke dag automatisch je monitoring-dashboards controleert en anomalieën rapporteert, niet één die je volledige IT-infrastructuur beheert. Begrensd, gecontroleerd, controleerbaar.