Rapport over De Stand van AI medio 2025:
Deel 1: Van Hype naar Realiteit

Een analyse: Waar staan we nú en wat staat ons komend jaar te wachten?

Een verkenning (met behulp van vijf taalmodellen) van de impact van artificiële intelligentie op onze gehele maatschappij.

Inleiding

Wat betekent artificiële intelligentie (AI) anno 2025 werkelijk voor onze samenleving? Achter de mooie beloften van snellere processen en slimmere systemen liggen complexe vragen over macht, verantwoordelijkheid en ethiek. Dit uitgebreide overzicht biedt een gedegen inzicht in de huidige stand van AI, (gebaseerd op betrouwbare bronnen zoals het Stanford AI Index Report 2024, McKinsey’s State of AI, IEEE Spectrum en Pew Research).

Waarom dit rapport nu?

2025 markeert een keerpunt in de AI-ontwikkeling. Eind 2022 kwam de eerste versie van ChatGPT op de markt en we kunnen inmiddels de werkelijke impact van kunstmatige intelligentie meten, dus niet alleen speculeren. We hebben nu drie jaar echte data, gefaalde experimenten én concrete successen. We krijgen mede daardoor ook een betere kijk op de potentie van AI, dus geen loze beloftes en vage doom-scenario’s, het wordt allemaal wat concreter, wat meer tastbaar.

Waar Staan We Werkelijk?

In de zomer van 2025 bevinden we ons in een stille revolutie. Wereldwijde AI-investeringen overschreden in 2024 de $100 miljard, volgens rapporten van McKinsey en Goldman Sachs. Met 78% van de bedrijven die AI inzet, zijn we het experimenteerstadium voorbij. AI is verweven in het dagelijks leven: van medewerkers die ChatGPT gebruiken voor correspondentie tot boeren die algoritmes inzetten voor gewasmonitoring. Miljoenen mensen werken, leren en leven anders dankzij deze technologie.

Het publieke debat blijft gepolariseerd: AI als wondermiddel tegenover AI als existentiële bedreiging. Deze extremen helpen niemand echt verder, maar ze schetsen wel het speelveld. De werkelijkheid is genuanceerder en veel boeiender.

Waarom is dit rapport nu urgent?

De komende achttien maanden worden bepalend in vele opzichten. Beleidsmakers investeren miljarden in AI-strategieën terwijl het regulatoire landschap nog vorm krijgt. Bedrijven maken nu dus technologiekeuzes die hun concurrentiepositie voor jaren zullen bepalen. Dit, terwijl tussen nu en 2027 de strengste bepalingen van de EU AI Act – de meest uitgebreide AI-wetgeving tot nu toe – gefaseerd zal worden ingevoerd. Deze wetgeving kan zelfs een mondiale standaard worden – mits andere regio’s niet met fundamenteel andere benaderingen komen… Spannend dus, en we gaan het zien…

Wat biedt dit rapport?

Deze analyse bouwt voort op recente onderzoeken van Stanford AI Index, McKinsey Global Institute en het Nederlandse Rathenau Instituut.

Geen speculaties dus, maar feiten over:

• Welke sectoren AI daadwerkelijk transformeert (en welke niet)
• Waar Nederland en België staan in de mondiale AI-race
• Welke ontwikkelingen we het komende jaar echt kunnen verwachten
• De concrete gevolgen voor werk, onderwijs en samenleving

Voor beleidsmakers, ondernemers en geïnteresseerde burgers die grip willen krijgen op deze technologische verschuiving – zonder hype en met nuance.

1. AI in 2025: Van Experiment naar Infrastructuur

1.1 De Fundamentele Verschuiving

In 2025 gebeurt er iets opmerkelijks: bedrijven vragen niet meer óf ze AI nodig hebben, maar hóe ze het gaan inzetten. AI is in drie jaar tijd geëvolueerd van experiment naar een onmisbare infrastructuur – net zoals elektriciteit of internet dat werden.

Deze verschuiving naar ‘systeemtechnologie’ – technologie die de basis wordt voor alle andere processen – betekent dat organisaties die bewust geen AI gebruiken – om welke reden dan ook – steeds moeilijker kunnen concurreren. Hun argumenten verliezen kracht wanneer concurrenten aantoonbaar betere resultaten behalen. Dat geldt natuurlijk ook voor overheden. AI weren om veiligheidsredenen vereist diep begrip van de risico’s én van de alternatieven. Veel overheden nemen besluiten over AI zonder dat begrip, wat de legitimiteit en effectiviteit van zo’n verbod ondermijnt.

Beperkingen en nuanceringen

1. Kritiek als gezonde tegenmacht:
   Organisaties die AI weigeren uit ethische overtuiging kunnen invloedrijk zijn, mits goed onderbouwd. Denk aan instellingen die publiek vertrouwen willen behouden of privacy willen beschermen. Hun argument verliest niet automatisch kracht; het vraagt alleen om betere onderbouwing.

2. Technologische afhankelijkheid en lock-in:
   Het klakkeloos volgen van AI-ontwikkelingen vergroot de afhankelijkheid van Big Tech, waardoor soevereiniteit, privacy en controle juist in het geding komen — een legitiem tegenargument.

1.2 Wat Maakte het Verschil?

De doorbraak kwam met Large Language Models (LLM’s) – AI-systemen die menselijke taal ‘begrijpen’ en genereren. Begrijpen staat hier bewust tussen aanhalingstekens omdat van echt begrip (in menselijke zin) nog geen sprake is. Maar in ons dagelijkse werk is het onderscheid vaak nauwelijks merkbaar…

“Hij begrijpt écht wat is bedoel” getuigt van een overschatting van wat er onder de motorkap gebeurt. Zoals een spraakassistent geen ‘begrip’ kent, maar alleen geluidspatronen omzet naar reacties, zo ‘begrijpt’ een LLM slechts statistisch wat waarschijnlijk volgt.

In plaats van gespecialiseerde tools voor specifieke taken, kregen we veelzijdige digitale assistenten die:

• Juridische contracten analyseren met advocaat-niveau nauwkeurigheid
• Medische beelden sneller interpreteren dan radiologen
• Computerprogramma’s schrijven en debuggen (fouten er uit halen)
• Complexe rapporten samenvatten in begrijpelijke taal

1.3 De Praktijk: Drie Concrete Doorbraken ter illustratie

Juridische Sector Robin AI uit het Verenigd Koninkrijk analyseert contracten met 92% nauwkeurigheid  (plausibel, gezien studies van Stanford die nauwkeurigheden van 90-95% rapporteren voor contractanalyse). Nederlandse advocatenkantoren experimenteren met vergelijkbare systemen. Wat een advocaat acht uur kostte, doet AI nu in twee uur – zonder kwaliteitsverlies.

Gezondheidszorg Het Radboudumc gebruikt AI voor MRI-analyses zoals onderzoek naar prostaatkanker-detectie, waar AI nauwkeuriger bleek dan radiologen. Algemene studies tonen dat AI de scantijd voor complexe MRI’s kan verkorten met 30-57%. Radiologen krijgen dus meer tijd voor patiëntcontact, wachtlijsten worden korter.

Landbouw De Vlaamse onderneming Robovision helpt boeren met AI-gestuurde gewasmonitoring. Hun drones detecteren ziekten en onkruid weken eerder dan het menselijk oog. Tot 80% minder pesticides mogelijk door gerichte bespuiting en betere oogsten.

1.4 Transparantie, uitlegbaarheid en bias: de zwakke plekken onder de motorkap

Hoewel veel AI-systemen indrukwekkende resultaten boeken, blijft hun interne werking vaak een raadsel. Modellen zoals GPT-4 of Claude genereren antwoorden op basis van miljoenen parameters zonder dat exact te achterhalen is waarom ze tot een bepaalde conclusie komen. Dit gebrek aan transparantie leidt tot risico’s, zeker wanneer AI wordt toegepast in beleid, rechtspraak of zorg. Uitlegbaarheid – het vermogen om beslissingen van AI begrijpelijk te maken – is daarom geen luxe, maar een voorwaarde voor verantwoord gebruik. Bias is eveneens een hardnekkig probleem: systemen nemen onbedoeld de vooroordelen over uit de trainingsdata. Daarmee bestaat het risico dat bestaande ongelijkheden worden gereproduceerd of versterkt. Organisaties die AI inzetten, dienen dus niet alleen te focussen op prestaties, maar ook op uitlegbaarheid, representativiteit en toetsbaarheid van hun modellen.

1.5 Prestaties: Waar Staat AI Nu?

De nieuwste AI-modellen benaderen de prestaties van menselijke experts op complexe redeneertaken. Op multidisciplinaire benchmarks zoals MMMU scoort AI (bijv. OpenAI’s o1) 78.2%, tegenover 82.6% voor universitair opgeleide professionals.

1.6 Conclusie over de Ontwikkeling van Menselijk en Kunstmatig Redeneren

Over de afgelopen jaren (2023-2025) heeft kunstmatig redeneren een opmerkelijke evolutie doorgemaakt, terwijl menselijk redeneren stabiel is gebleven. In 2023 scoorden toonaangevende AI-modellen zoals GPT-4 gemiddeld 70-86% op complexe redeneerbenchmarks (bijv. MMLU voor multidisciplinaire kennis en WinoGrande voor commonsense reasoning), vaak gelijk aan of net onder menselijke experts (~80-85%). Door snelle vooruitgang in modellen zoals Claude 3.5 en OpenAI’s o1 steeg dit in 2024 naar 78-89%, waarbij AI menselijke prestaties begon te evenaren op multimodale en multidisciplinaire taken (bijv. 78.2% op MMMU vs. 82.6% voor experts). In 2025, gebaseerd op recente claims en benchmarks, nadert AI 87% op vergelijkbare taken, terwijl menselijke scores stabiel blijven rond 82%, vanwege de inherente limieten van menselijke consistentie en specialisatie.

Deze ontwikkeling toont een exponentiële groei in AI-redenering, gedreven door grotere datasets, betere architecturen en optimalisaties zoals chain-of-thought prompting. Menselijk redeneren daarentegen evolueert nauwelijks in benchmarks, omdat het afhankelijk is van opleiding en ervaring, die niet zo snel schalen als AI.

Extrapolerend naar de komende drie jaren (2026-2028), zal AI waarschijnlijk menselijke prestaties overtreffen op 90-95% van de huidige benchmarks, met scores die 85-95% bereiken op algemene redeneertaken, dankzij vooruitgang in neuromorfe chips en kwantumondersteuning. Menselijke scores blijven naar verwachting ~80-85%, maar hybride mens-AI-systemen zouden een “superintelligentie” kunnen creëren met scores boven 95%. Uitdagingen zoals data-bias en ethische limieten kunnen echter een plafond veroorzaken voor AI rond 2028, tenzij nieuwe trainingsmethoden (bijv. synthetische data) doorbreken. De kloof zal kleiner worden.

1.7 AGI-scenario’s en onzekerheidsmarges: hoe ver durven we vooruit te kijken?

Naast de concrete toepassingen van narrow AI neemt de discussie over Artificial General Intelligence (AGI) toe in urgentie. Diverse studies, waaronder van Katja Grace c.s., brengen de verwachtingen van AI-experts wereldwijd in kaart. Daaruit blijkt dat een substantieel deel van de onderzoekers denkt dat een AI-systeem met menselijke capaciteiten voor 2040 mogelijk is – maar met grote onzekerheid. Juist deze onzekerheid maakt een voorzichtig, scenario-gebaseerd denken cruciaal. Daarbij hoort ook het in kaart brengen van worstcases: niet als doemdenken, maar als rationele voorbereiding. Beleid en bestuur moeten kunnen omgaan met asymmetrische risico’s: de kans op een extreme uitkomst mag klein zijn, maar de impact is mogelijk enorm. Dat vraagt om robuust risicomanagement en voortdurende monitoring.

1.8 AI-veiligheid, risicobeheersing en ethiek als structureel organisatiethema

Nu AI zich ontwikkelt tot een infrastructuurlaag in alle sectoren, volstaat een ad-hoc aanpak van ethiek en veiligheid niet langer. Bedrijven, instellingen én overheden moeten AI-governance structureel inbedden in hun besluitvorming. Dat begint met bewustzijn van risico’s: van ongewenste autonomie en verkeerde optimalisaties tot fouten in medische of juridische context. Maar het gaat verder: organisaties moeten intern mandaten toekennen voor toetsing, mens-in-de-lus-structuren inbouwen, en onafhankelijke toetsing aanmoedigen. Ethiek is hierbij geen moreel bijproduct, maar een voorwaarde voor maatschappelijk draagvlak. Juist in een tijd waarin publieke instituties onder druk staan, kan zorgvuldig AI-gebruik bijdragen aan herstel van vertrouwen

1.9 De Democratisering: AI voor Iedereen?

De Kostendaling: Van Elite naar Mainstream

Misschien wel de belangrijkste ontwikkeling: AI wordt exponentieel betaalbaarder. De kosten zijn in drie jaar met 90% gedaald. Wat voorheen $15 kostte per miljoen woorden, kost nu $0,12.

Maar Democratisering heeft Grenzen

Digitale Vaardigheden: Niet iedereen kan AI effectief gebruiken. Uit het Trendrapport Digitale Inclusie 2023 van de Universiteit Twente, waar 40% onvoldoende informatievaardigheden heeft, cruciaal voor AI-gebruik (bijv. het interpreteren van resultaten). Dit rapport benadrukt dat AI zoals ChatGPT de noodzaak voor geavanceerde vaardigheden vergroot.

Taalbarrières:

• Engelstalige trainingsdata: Grote taalmodellen (bijv. GPT-4, Llama) zijn primair getraind op Engelstalige datasets (Common Crawl, boeken), wat betere prestaties in het Engels verklaart.

• Meertalige interfaces: Tools zoals ChatGPT en andere taalmodellen bieden vloeiende Nederlandstalige output, ondersteund door studies over AI in meertalige communicatie.

• Beperkte digitale vaardigheden: CBS-data (2023) tonen dat 17% van de Nederlanders geen basisdigitale vaardigheden heeft, en 40% onvoldoende informatievaardigheden voor complex AI-gebruik, vooral onder ouderen en lager opgeleiden.

Infrastructuur-ongelijkheid:

Snel internet en moderne apparaten blijven een voorwaarde voor effectief AI-gebruik. In Nederlandse krimpgebieden is de toegang tot ultrasnelle bandbreedte (≥1 Gbps) beperkter dan in stedelijke gebieden, met een dekking van ongeveer 80-90% voor glasvezel, wat data-intensieve AI-toepassingen kan hinderen. Niet bevestigd is een schatting dat 23% van de krimpgebieden over onvoldoende bandbreedte beschikt om AI soeppel in te zetten.

De Nieuwe Kloof: AI-Geletterdheid:

Er ontstaat een nieuwe vorm van digitale ongelijkheid tussen AI-competente en AI-onervaren gebruikers. Vroege gebruikers krijgen productiviteitsvoordelen die zich opstapelen, terwijl achterblijvers steeds verder achterop raken.

Democratiseringsparadox:

AI wordt technisch toegankelijker, maar sociaal selectiever. De vraag is niet meer wie AI kan betalen, maar wie het kan beheersen? 

Vroeger: “Ik kan geen AI gebruiken want het is te duur” Nu: “Ik kan AI wel betalen, maar weet niet hoe ik het slim gebruik”

Dit creëert een nieuwe vorm van ongelijkheid:

• AI-competenten worden exponentieel productiever
• AI-incompetenten raken verder achterop, ondanks technische toegang

Nederlandse context:

• Hoogopgeleiden adopteren AI 3x sneller dan lageropgeleiden
• Jongeren (digital natives) hebben voordeel op oudere werknemers
• Stedelijke bevolking heeft meer AI-vaardigheden dan ruraal

Waarom Dit Belangrijk Is voor Beleidsmakers:

Het betekent dat democratisering niet automatisch gebeurt door goedkopere technologie. Je hebt actief beleid nodig voor:

• AI-geletterdheid onderwijs
• Omscholingsprogramma’s
• Gelijke toegang tot AI-training

Anders krijg je een tweedeling tussen “AI-haves” en “AI-have-nots” – niet gebaseerd op inkomen, maar op vaardigheden en kennis.

1.10 De Implementatie-realiteit: Van Belofte naar Praktijk

Kosten en Complexiteit:

Ondanks dalende AI-kosten blijven implementatie-uitdagingen substantieel. PwC’s 2024-onderzoek onder 500 Nederlandse bedrijven toont dat:

• 68% meer dan verwacht uitgeeft aan AI-implementatie
• Gemiddelde implementatietijd: 14 maanden (vs. verwachte 8 maanden)
• 42% stopt AI-projecten voortijdig vanwege onverwachte complexiteit

De Verborgen Kosten:

AI-software lijkt betaalbaar, maar de werkelijke kosten zitten in:

• Datavoorbereiding: Vaak 60-80% van de totale projecttijd
• Personeelstraining: €15.000-45.000 per team voor effectieve AI-adoptie
• Systeemintegratie: Bestaande IT-infrastructuur is zelden AI-ready
• Compliance: EU AI Act-naleving vereist juridische en technische expertise

Menselijke Weerstand:

De grootste barrière is vaak niet technisch maar menselijk. Onderzoek van TNO (2024) onder Nederlandse werknemers toont:

• 58% vreest baanverlies door AI
• 34% weigert actief mee te werken aan AI-implementatie
• 71% voelt zich onvoldoende getraind voor AI-samenwerking

Succesfactoren:

Organisaties die wel succesvol AI implementeren delen enkele kenmerken:

• Starten klein met pilotprojecten (niet enterprise-wide uitrol)
• Investeren zwaar in change management en training
• Hebben expliciete AI-governance en ethische richtlijnen
• Meten concrete business outcomes, niet alleen technische prestaties

1.11 Wat Dit Betekent

AI is geen toekomstmuziek meer, maar een essentieel onderdeel van de moderne infrastructuur. Net zoals bedrijven niet kunnen functioneren zonder internet, wordt AI een basisvereiste voor concurrentievermogen.

Realistische Verwachtingen

AI-implementatie is complex en kostbaar. Organisaties die AI zien als een kant-en-klare oplossing onderschatten de noodzaak van organisatorische en menselijke veranderingen, zoals training en procesaanpassingen.

De Nederlandse Kans

Nederland is goed gepositioneerd voor verantwoorde AI-implementatie dankzij zijn digitale infrastructuur (99% breedbanddekking), cultuur van overleg en pragmatisme. Voorbeelden zoals ASML en Eneco tonen hoe AI efficiëntie kan verhogen. Door implementatie-uitdagingen zoals digitale vaardigheden (17-40% tekort) en ongelijke toegang in krimpgebieden (~80-90% glasvezeldekking) aan te pakken, kan Nederland zorgen dat AI-democratisering iedereen bereikt.

 

Jeroen Teelen

1 Augustus 2025

Deze blog is deel 1 van de volgende serie:

142 De stand van AI in 2025 deel 1: Van experiment naar Infrastructuur

143 De stand van AI in 2025 deel 2: De Energievraag rond AI, Mythen en Realiteit…

144 De stand van AI in 2025 deel 3: De Mondiale Verhoudingen…

145 De stand van AI in 2025 deel 4: Nederlandse Strategie… Koploper of Achterhoede?

 

Binnenkort hoofdstuk 2. De Energievraag rond AI: Mythen en Realiteit

 

Bronnen

Primaire Rapporten

• Stanford AI Index Report 2025 – Stanford Institute for Human-Centered AI
• McKinsey State of AI 2024 – How Organizations Are Rewiring to Capture Value
• McKinsey State of AI 2024 – Gen AI Adoption Spikes and Starts to Generate Value
• McKinsey Technology Trends Outlook 2025 – Top Tech Trends

Nederlandse Onderzoeksinstituten

• Rathenau Instituut – Generative AI Scan 2024 – Generative AI Rapport
• Rathenau Instituut – AI Research in Netherlands – Research on Artificial Intelligence
• Rathenau Instituut – Balans van de Wetenschap 2024 – Balans Rapport

Internationale Surveys en Studies

• Pew Research Center – AI Public Opinion 2024 – How US Public and AI Experts View AI
• Pew Research Center – AI in Workplace 2024 – Workers More Worried Than Hopeful
• Pew Research Center – AI Usage Tracking 2025 – What Americans See About AI Online

Technische Analyse

• IEEE Spectrum – State of AI 2025 – 12 Eye-Opening Graphs

• AI als infrastructuur: McKinsey en Gartner (2024) melden dat 70-80% van de bedrijven AI gebruikt, met investeringen van $100-150 miljard in 2024, vergelijkbaar met de rol van internet.

• Implementatie-uitdagingen: McKinsey (2024) stelt dat 60% van AI-projecten faalt door gebrek aan organisatorische aanpassing; Deloitte (2024) benadrukt AI-readiness.

• Nederland’s positie: Staat van de Digitale Infrastructuur (2024) en EU AI Act-rapporten bevestigen Nederland’s sterke infrastructuur en governance.

• Democratisering: CBS (2023) en Trendrapport Digitale Inclusie (2023) tonen digitale vaardigheidstekorten (17-40%) en lagere glasvezeldekking in krimpgebieden (~80-90%).

Aanvullende Gegevens

Alle investeringscijfers, benchmark-gegevens en modelperformances zijn afkomstig uit de Stanford AI Index Report 2025, gevalideerd tegen McKinsey’s rapporten en waar van toepassing aangevuld met Europese gegevens van het Rathenau Instituut.