Slagter schetst eerst de technische achtergrond. Moderne taalmodellen zijn neurale netwerken die tijdens hun training grote hoeveelheden tekst verwerken en leren voorspellen welk tekstdeel waarschijnlijk volgt (pre-training). Daarna worden ze verder afgestemd op gewenst gedrag, bijvoorbeeld met menselijke feedback en andere trainingsmethoden (post-training). Sinds 2022 zijn vooral de schaal van modellen, hun contextvenster, de post-training en het gebruik van tools sterk uitgebreid. Recente frontiermodellen kunnen honderdduizenden tot meer dan een miljoen tokens verwerken en hulpmiddelen inzetten voor bijvoorbeeld zoeken, rekenen, programmeren en documentanalyse.

Een volgende stap is de overgang van chat naar agents. Bij een gewone chat stelt de gebruiker een vraag en volgt een antwoord; bij een agent krijgt het systeem een doel en kan het binnen ingestelde grenzen meerdere handelingen uitvoeren. Denk aan informatie verzamelen, documenten analyseren, een mailbox doorzoeken of administratieve taken voorbereiden. Die handelingsruimte is gedelegeerd: mensen en organisaties bepalen nog steeds het doel, de beschikbare tools, toegangsrechten en beperkingen. Slagter verwacht dat zulke systemen zich verder ontwikkelen tot persoonlijke assistenten en digitale medewerkers.

Een voorbeeld van die ontwikkeling is het onlangs opgeloste Navier-Stokes-probleem dat volgens OpenAI met ongeveer 10.000 gelijktijdige agents werd gevonden. Het vinden van het resultaat duurde volgens eigen zeggen circa 88 uur (geen 40 uur). De formele beoordeling van het bewijs loopt nog. Het voorbeeld laat vooral zien dat grote aantallen gespecialiseerde agents gezamenlijk aan een complex probleem kunnen werken. Het is te vroeg om daaruit brede conclusies te trekken over autonome wetenschappelijke ontdekking, maar het heeft wel consequenties voor wetenschappelijk onderzoek, leren, werken en veiligheid.

In zijn podcast Turing Station werkt Slagter het veiligheidsvraagstuk verder uit. Daarbij maakt hij onderscheid tussen risico’s die inmiddels in de praktijk zijn aangetoond en veel onzekerdere toekomstscenario’s. Recente incidenten met AI-agents laten zien dat systemen met gedelegeerde toegang inmiddels operationele, data- en cyberincidenten met reële externe gevolgen hebben veroorzaakt, vooral bij ruime bevoegdheden, externe toegang en zwakke technische begrenzing. De veiligheidsvraag gaat daarom niet alleen over modelcapaciteit, maar ook over rechten, infrastructuur en toezicht. Zwaardere scenario’s, zoals een toekomstige superintelligentie die zich aan menselijke controle onttrekt, blijven onzeker. Daarvoor bestaat geen betrouwbaar risicopercentage; genoemde percentages zijn deskundigeninschattingen, geen empirisch gemeten kansen. Ook voor huidige incidenten ontbreekt een betrouwbare frequentie. AI-veiligheid is daarmee zowel een technisch als een organisatorisch en geopolitiek vraagstuk.

Van daaruit maakt Slagter de stap naar fysieke robotica. Digitale agents kunnen op termijn worden gekoppeld aan voertuigen, drones en robots. Voor bruikbare robotica zijn volgens Slagter drie dingen nodig: voldoende goede AI, een geschikt hardwareontwerp en voldoende productiecapaciteit. Zelfrijdende voertuigen vormen daarvan al een beperkte toepassing, maar algemeen inzetbare mensachtige robots zijn veel moeilijker, omdat ze voortdurend moeten omgaan met veranderende fysieke situaties.

Een belangrijk deel van het gesprek gaat over onderwijs en wetenschap. Van Baardenwijk beschrijft hoe studenten met AI in korte tijd papers kunnen produceren waarvoor eerder veel meer tijd nodig was. Zijn zorg is dat daarmee niet alleen het schrijfwerk, maar ook een deel van het denkproces wordt uitbesteed. Slagter maakt daarom onderscheid tussen AI als hulpmiddel en AI als vervanging van het leerproces. Een model kan helpen bij het structureren, formuleren en zoeken en kan tegenargumenten aandragen, maar als het hele proces wordt uitbesteed, kan ook het ontwikkelen van kennis en vakmanschap deels verdwijnen. Niet alleen het eindproduct telt, maar ook de route ernaartoe.

Daarmee hangt ook de vraag naar authenticiteit samen. Bij persoonlijke teksten, speeches, essays en politieke communicatie is niet alleen van belang of de tekst goed klinkt, maar ook of de spreker de ervaring of overtuiging zelf heeft doordacht. Naarmate synthetische tekst goedkoper wordt, kan menselijke authenticiteit juist belangrijker worden. Bij functionele communicatie, zoals reserveringsbevestigingen of standaardmededelingen, speelt dat veel minder.

Economisch ziet Slagter AI als een technologie die de productiviteit kan verhogen, maar hij benadrukt dat de baten en lasten ongelijk verdeeld kunnen worden. Sommige beroepen en vaardigheden kunnen waardevoller worden, terwijl aan andere werkvormen minder behoefte ontstaat. In een optimistisch scenario leiden AI en robotica tot goedkopere productie van goederen en diensten. In een ongunstiger scenario concentreren bezit en economische macht zich juist sterker. Slagter wijst daarbij op de omvangrijke investeringen in chips, datacenters en rekenkracht. Of die investeringen uiteindelijk gerechtvaardigd blijken, hangt volgens hem af van de vraag of AI voldoende economische waarde oplevert en of daar voldoende betalingsbereidheid voor bestaat.

Geopolitiek draait het gesprek vooral om de Verenigde Staten, China en Europa. De Verenigde Staten hebben volgens Slagter een sterke positie in geavanceerde AI-modellen en cloudinfrastructuur, terwijl China sterk is in industriële productie en robotica. Europa beschikt over kennis en belangrijke onderdelen van de chipketen, maar is afhankelijker van buitenlandse aanbieders voor frontiermodellen en grootschalige rekeninfrastructuur. Tegelijk laat de internationale chipketen zien dat geen van deze machtsblokken volledig zelfstandig opereert.

In het laatste deel verschuift het gesprek naar geld en crypto, waarbij ik eerlijk gezegd wat afhaakte. Slagter onderscheidt Bitcoin van andere cryptonetwerken. Netwerken zoals Ethereum en Solana ziet hij vooral als digitale infrastructuur waarop bezittingen kunnen worden vastgelegd en verplaatst. Stablecoins zijn daarvan een voorbeeld: digitale tokens die een bestaande valuta vertegenwoordigen. De stablecoinmarkt heeft inmiddels een omvang van honderden miljarden dollars. Zulke systemen kunnen bruikbaar worden voor software-agents die onderling betalingen uitvoeren, al verschillen snelheid, kosten, juridische positie en mogelijkheden tot blokkeren per netwerk en uitgever.

Bitcoin heeft volgens Slagter een andere ontwikkeling doorgemaakt. Sommige beleggers en instellingen behandelen het minder als dagelijks betaalmiddel en meer als een vorm van ‘digitaal goud’. Dat is geen objectieve functieverandering, maar een marktinterpretatie. De dollar behoudt ondertussen sterke netwerkeffecten, doordat veel handel, financiële contracten en reserves al in dollars zijn georganiseerd. In een meer multipolaire wereld kunnen meerdere valuta en reserve-assets belangrijker worden, maar dat blijft een toekomstscenario.

Het gesprek raakt ook aan de digitale euro en cryptografie. De Europese Centrale Bank stelt expliciet dat de digitale euro geen programmeerbaar geld met bestedingsbeperkingen moet worden. Voorwaardelijke betalingen kunnen wel onderdeel van het systeem zijn, maar het is niet de bedoeling dat een centrale instantie bepaalt waar of waaraan burgers hun digitale euro mogen besteden. Slagter wijst er ook op dat AI op zichzelf moderne cryptografie niet automatisch breekt. Een voldoende krachtige quantumcomputer zou bepaalde vormen van asymmetrische cryptografie, zoals RSA en elliptische-krommecryptografie, wel kunnen bedreigen. Daarom zijn inmiddels post-quantumstandaarden ontwikkeld en wordt organisaties geadviseerd met de migratie te beginnen.

De belangrijkste conclusie is dat AI niet los kan worden gezien van de systemen eromheen: bedrijven, datacenters, gebruikers, onderwijsinstellingen, overheden en internationale machtsverhoudingen bepalen mede hoe de technologie wordt ingezet en welke gevolgen daaruit voortkomen. De technische ontwikkeling maakt meer automatisering mogelijk, maar schrijft de maatschappelijke uitkomst niet voor. Daardoor worden keuzes over gebruik, eigendom, veiligheid, toezicht en verdeling steeds belangrijker.

Een tweede conclusie is dat de waarde van menselijk werk mogelijk verschuift. Routinematige productie van tekst en informatie wordt eenvoudiger te automatiseren, terwijl begrip, oordeel, ervaring, verantwoordelijkheid en authenticiteit relatief belangrijker kunnen worden. De centrale vraag is daarmee welke taken mensen willen uitbesteden, hoeveel handelingsruimte ze systemen willen geven en welke vaardigheden en vormen van menselijke controle ze willen behouden.

Bronnen

• AI-agents als veiligheidsrisico. (2026). AI-agents als veiligheidsrisico: wat concrete incidenten sinds 2018 daadwerkelijk aantonen [Onderzoeksrapport, stand van zaken 29 september 2026].
• De Nieuwe Wereld. (2026). Gesprek met Bert Slagter over kunstmatige intelligentie, agents, robotica, economie en geld [Video].
• Grace, K., Sandkühler, J. F., Stewart, H., Weinstein-Raun, B., Thomas, S., Stein-Perlman, Z., Salvatier, J., Brauner, J., & Korzekwa, R. C. (2025). Thousands of AI authors on the future of AI. Journal of Artificial Intelligence Research, 84.
• International AI Safety Report. (2026). International AI Safety Report 2026.
• National Institute of Standards and Technology. (2024–2026). Post-quantum cryptography standardization. NIST.
• Turing Station. (2026). Aflevering 13: Gaat AI de mensheid uitroeien? [Podcastaflevering].