De volgende AI-sprong: hoe je bedrijf er nu al klaar voor is

AI-modellen worden niet langzaam beter

De meeste technologie verbetert geleidelijk. Elke versie is wat sneller, wat goedkoper, wat betrouwbaarder.

AI-modellen werken anders. Ze verbeteren in sprongen. En er staat een grote sprong aan te komen.

Anthropic bevestigde onlangs het bestaan van Claude Mythos: een model uit een volledig nieuwe generatie, getraind op hardware die twee jaar geleden nog niet bestond. OpenAI werkt tegelijkertijd aan een opvolger voor GPT-5.4. Beide worden beschreven als stap-veranderingen -- niet incrementeel, maar fundamenteel anders in wat ze aankunnen.

Wat een stap-verandering in de praktijk betekent

Huidige AI-modellen zijn uitstekend in afgebakende taken. Een e-mail samenvatten, een document analyseren, een vraag beantwoorden. Ze hebben begeleiding nodig bij complexere beslissingen en herhalen soms fouten die ze zelf niet opmerken.

De volgende generatie modellen wordt verwacht significant sterker te zijn op:

• Autonome meerstapstaken -- zelfstandig een taak uitvoeren die meerdere stappen vereist, inclusief foutafhandeling en bijsturing, zonder tussenkomst
• Systeem-niveau denken -- niet alleen een losse vraag beantwoorden, maar het hele proces begrijpen en waar nodig aanpassen
• Complexe documentanalyse -- contracten, offertes, rapporten kruisrefereren en conclusies trekken

Voor jou als ondernemer betekent dit: wat je AI nu doet met veel instructies en menselijke controle, kan straks betrouwbaarder en zelfstandiger.

De bitter lesson van AI bouwen

Er is één inzicht dat steeds terugkomt bij developers en consultants die met AI bouwen: hoe krachtiger het model, hoe minder instructies je nodig hebt.

Processen die nu werken met uitgebreide promptinstructies ("controleer eerst X, doe dan Y, stuur het daarna naar Z") zijn eigenlijk compensaties voor wat een minder krachtig model niet zelf kan bedenken. Zodra het model slimmer is, zijn die instructies overbodig -- of werken ze zelfs averechts.

Dit betekent concreet: bedrijven die nu al helder hebben wat ze willen bereiken -- niet hoe ze het willen bereiken -- zijn beter gepositioneerd om de volgende generatie modellen direct te benutten.

Vijf dingen die je nu kunt doen

1. Documenteer je processen op outcome, niet op stappenplan

Schrijf per proces op: wat is de gewenste uitkomst? Wat zijn de randvoorwaarden? Welke informatie is daarvoor nodig?

Niet: "controleer het klantdossier, open de factuur, vergelijk het bedrag met de offerte, stel een mail op..." Maar: "factuur klopt met offerte -- stuur betalingsbevestiging; klopt niet -- leg het verschil uit en vraag om correctie."

Het tweede format werkt straks beter. Het eerste vervang je vanzelf als het model slimmer is.

2. Breng je data op orde

Krachtige AI-modellen halen het meeste uit goed gestructureerde, betrouwbare data. Een CRM met verouderde contacten, facturen in meerdere formaten, klantcommunicatie verspreid over e-mail en WhatsApp -- dat leidt tot matige resultaten, ongeacht hoe krachtig het model.

Begin met één systeem. Zorg dat klantinformatie op één plek staat. Structureer je factuurhistorie. Dat fundament betaalt zich terug zodra de modellen er meer mee kunnen.

3. Bouw nu al met schaalbare architectuur

Een automatisering die vandaag werkt met het huidige Claude-model, moet straks eenvoudig te upgraden zijn naar een krachtiger model. Dat is mogelijk als de architectuur goed is: heldere inputs, heldere outputs, logica die losstaat van het specifieke model.

Wie nu een snel gebouwde, modelafhankelijke oplossing bouwt, begint straks opnieuw. Wie nu investeert in een schone opzet, past over zes maanden simpelweg één instelling aan.

4. Betrek je medewerkers eerder dan je denkt

Onderzoek van PwC en Deloitte is eensgezind op dit punt: de bottleneck bij AI-implementatie is zelden technologie. Het is mensen. Medewerkers die tools omarmen, processen aanpassen, en actief meedenken over wat ze van een AI-assistent verwachten, halen aantoonbaar meer waarde uit dezelfde systemen.

Hoe eerder je dat gesprek voert -- liever nu dan tijdens de implementatie -- hoe soepeler het verloopt.

5. Zorg dat je software bereikbaar is voor AI

MCP (Model Context Protocol) is de standaard geworden voor hoe AI-systemen communiceren met externe tools. Bedrijven waarvan de software via API of MCP-connector bereikbaar is, kunnen morgen direct profiteren van een krachtigere AI zonder hun systemen opnieuw in te richten.

Check of je huidige software -- boekhoudpakket, CRM, projectmanagementtool -- beschikbaar is via API of een MCP-connector. Voor populaire Nederlandse tools zoals Moneybird bestaat die koppeling al. Meer over MCP-koppelingen voor Nederlandse software.

Wanneer is "nu" eigenlijk?

Claude Mythos wordt verwacht in de komende maanden. GPT-6 op vergelijkbaar tijdstip.

Dat klinkt als de toekomst -- maar de stappen hierboven nemen tijd. Processen documenteren, data structureren, architectuurbeslissingen nemen: dat doe je niet in een week. Bedrijven die nu beginnen, staan straks op dag één klaar om het maximale te halen uit de volgende generatie.

Die die wachten, beginnen dan pas.

Wil je weten hoe jouw bedrijf er nu voor staat en wat de logische eerste stap is? We denken graag mee.