De AI-bubbel en de Amerikaanse economie: hoe lang houden de “hallucinaties” stand?

Yves hier. Dit is een vernietigend, onmisbaar artikel van Servaas Storm over hoe AI er niet in slaagt om de herhaaldelijk gehypete prestatiebeloften waar te maken, en dat ook nooit zal kunnen, ongeacht hoeveel geld en rekenkracht erin wordt gestoken. Toch krijgt AI, dat Storm ‘Artificial Information’ noemt, nog steeds waarderingen die slechter zijn dan tijdens de dotcom-rage, zelfs nu de fouten alleen maar toenemen.

Door Servaas Storm, hoofddocent economie, Technische Universiteit Delft. Oorspronkelijk gepubliceerd op de website van het Institute for New Economic Thinking

In dit artikel wordt betoogd dat (i) we de ‘piek van GenAI’ hebben bereikt wat betreft de huidige Large Language Models (LLM’s); schaalvergroting (het bouwen van meer datacenters en het gebruik van meer chips) zal ons niet verder brengen in de richting van het doel van ‘Artificial General Intelligence’ (AGI); het rendement neemt snel af; (ii) de AI-LLM-industrie en de bredere Amerikaanse economie maken een speculatieve bubbel door, die op het punt staat te barsten.

De VS maakt een buitengewone, door AI aangedreven economische boom door: de aandelenmarkt stijgt dankzij uitzonderlijk hoge waarderingen van AI-gerelateerde technologiebedrijven, die de economische groei stimuleren door honderden miljarden dollars uit te geven aan datacenters en andere AI-infrastructuur. De AI-investeringsboom is gebaseerd op de overtuiging dat AI werknemers en bedrijven aanzienlijk productiever zal maken, wat op zijn beurt de bedrijfswinsten naar ongekende hoogten zal stuwen. Maar de zomer van 2025 bracht geen goed nieuws voor liefhebbers van generatieve kunstmatige intelligentie (GenAI), die allemaal waren opgezweept door de opgeblazen belofte van mensen als Sam Altman van OpenAI dat “kunstmatige algemene intelligentie” (AGI), de heilige graal van het huidige AI-onderzoek, binnen handbereik zou liggen.

Laten we de hype eens nader bekijken. Al in januari 2025 schreef Altman dat “we er nu zeker van zijn dat we weten hoe we AGI moeten bouwen”. Het optimisme van Altman sloot aan bij de beweringen van OpenAI’s partner en belangrijkste financiële ondersteuner Microsoft, dat in 2023 een paper had gepubliceerd waarin werd beweerd dat het GPT-4-model al “vonken van AGI” vertoonde. Elon Musk (in 2024) was er evenzeer van overtuigd dat het Grok-model, ontwikkeld door zijn bedrijf xAI, AGI zou bereiken, een intelligentie die “slimmer is dan de slimste mens”, waarschijnlijk tegen 2025 of uiterlijk tegen 2026. Meta-CEO Mark Zuckerberg zei dat zijn bedrijf zich inzette voor het “bouwen van volledige algemene intelligentie” en dat superintelligentie nu “in zicht” is. Evenzo zei Dario Amodei, medeoprichter en CEO van Anthropic, dat “krachtige AI”, d.w.z. slimmer dan een Nobelprijswinnaar op welk gebied dan ook, al in 2026 zou kunnen komen en een nieuw tijdperk van gezondheid en overvloed zou kunnen inluiden – de VS zou een “land van genieën in een datacenter” worden, als … AI ons niet allemaal zou doden.

Voor Musk en zijn GenAI-medereizigers is het grootste obstakel op weg naar AGI het gebrek aan rekenkracht (geïnstalleerd in datacenters) om AI-bots te trainen, wat op zijn beurt te wijten is aan een gebrek aan voldoende geavanceerde computerchips. De vraag naar meer data en meer dataverwerkingscapaciteit zal volgens schattingen van Morgan Stanley tegen 2028 ongeveer 3 biljoen dollar aan kapitaal vergen. Dat zou de capaciteit van de wereldwijde krediet- en derivatenmarkten overschrijden. Aangespoord door de noodzaak om de AI-race met China te winnen, zijn de GenAI-propagandisten er vast van overtuigd dat de VS op de gele bakstenen weg naar de Smaragdstad van AGI kan worden gezet door sneller meer datacenters te bouwen (een onmiskenbaar “accelerationistische” uitdrukking).

Interessant is dat AGI een slecht gedefinieerd begrip is, en misschien meer een marketingconcept dat door AI-promotors wordt gebruikt om hun financiers te overtuigen om in hun inspanningen te investeren. Grofweg komt het erop neer dat een AGI-model verder kan gaan dan de specifieke voorbeelden in zijn trainingsdata, vergelijkbaar met hoe sommige mensen bijna elk soort werk kunnen doen nadat ze een paar voorbeelden hebben gezien van hoe een taak moet worden uitgevoerd, door te leren van ervaringen en methoden aan te passen wanneer dat nodig is. AGI-bots zullen in staat zijn om mensen te slim af te zijn, nieuwe wetenschappelijke ideeën te bedenken en zowel innovatieve als routinematige codering uit te voeren. AI-bots zullen ons vertellen hoe we nieuwe medicijnen moeten ontwikkelen om kanker te genezen, de opwarming van de aarde tegen te gaan, onze auto’s te besturen en onze genetisch gemodificeerde gewassen te verbouwen. In een radicale creatieve destructie zou AGI dus niet alleen de economie en de werkplek transformeren, maar ook de systemen voor gezondheidszorg, energie, landbouw, communicatie, entertainment, transport, R&D, innovatie en wetenschap.

Altman van OpenAI pochte dat AGI “nieuwe wetenschap kan ontdekken”, omdat “ik denk dat we het redeneren in de modellen hebben gekraakt”, en voegde eraan toe dat “we nog een lange weg te gaan hebben”. Hij “denkt dat we weten wat we moeten doen” en zegt dat het o3-model van OpenAI “al behoorlijk slim is” en dat hij mensen heeft horen zeggen “wauw, dit is net een goede PhD”. Bij de aankondiging van de lancering van ChatGPT-5 in augustus plaatste Altman een bericht op internet: “We denken dat u GPT-5 veel leuker zult vinden dan eerdere AI’s. Het is nuttig, slim, snel en intuïtief. Met GPT-5 is het nu alsof u met een expert praat – een echte expert op doctoraatsniveau in elk gebied dat u nodig hebt, die u kan helpen met al uw doelen.”

Maar toen begon het snel bergafwaarts te gaan.

ChatGPT-5 is een teleurstelling

Het eerste slechte nieuws is dat het veelgeprezen ChatGPT-5 een flop bleek te zijn – incrementele verbeteringen verpakt in een routeringsarchitectuur, verre van de doorbraak naar AGI die Sam Altman had beloofd. Gebruikers zijn teleurgesteld. Zoals de MIT Technology Review meldt: “De veelgeprezen release brengt verschillende verbeteringen aan in de gebruikerservaring van ChatGPT. Maar het is nog steeds ver verwijderd van AGI.” Verontrustend is dat uit interne tests van OpenAI blijkt dat GPT-5 bij ongeveer één op de tien reacties op bepaalde feitelijke taken ‘hallucineert’ wanneer het verbonden is met het internet. Zonder toegang tot het internet is GPT-5 echter in bijna één op de twee reacties onjuist, wat zorgwekkend is. Nog zorgwekkender is dat ‘hallucinaties’ ook vooringenomenheden kunnen weerspiegelen die in datasets verborgen zitten. Een LLM kan bijvoorbeeld ‘hallucineren’ over misdaadstatistieken die aansluiten bij raciale of politieke vooringenomenheden, simpelweg omdat het heeft geleerd van vooringenomen gegevens.

Opvallend hierbij is dat AI-chatbots actief kunnen worden gebruikt om verkeerde informatie te verspreiden (zie hier en hier). Volgens recent onderzoek verspreiden chatbots in 35% van de gevallen valse beweringen wanneer ze vragen krijgen over controversiële nieuwsthema’s – bijna het dubbele van het percentage van 18% een jaar geleden (hier). AI selecteert, ordent, presenteert en censureert informatie, beïnvloedt interpretaties en debatten, en promoot dominante (gemiddelde of geprefereerde) standpunten terwijl alternatieven worden onderdrukt, ongemakkelijke feiten stilletjes worden verwijderd of gemakkelijke feiten worden verzonnen. De belangrijkste vraag is: wie controleert de algoritmen? Wie stelt de regels voor de techbroers vast? Het is duidelijk dat GenAI, door het gemakkelijk te maken om “realistisch ogende” desinformatie en vooroordelen te verspreiden en/of kritisch bewijs of argumentatie te onderdrukken, niet te verwaarlozen maatschappelijke kosten en risico’s met zich meebrengt en zal blijven meebrengen – die moeten worden meegerekend bij het beoordelen van de impact ervan.

Het bouwen van grotere LLM’s leidt nergens toe

De ChatGPT-5-episode roept ernstige twijfels en existentiële vragen op over de vraag of de kernstrategie van de GenAI-industrie om steeds grotere modellen te bouwen op basis van steeds grotere gegevensdistributies al tegen een muur is gelopen. Critici, waaronder cognitiewetenschapper Gary Marcus (hier en hier), stellen al lang dat het simpelweg opschalen van LLM’s niet zal leiden tot AGI, en de teleurstellende struikelblokken van GPT-5 bevestigen die bezorgdheid. Het wordt steeds meer algemeen aanvaard dat LLM’s niet zijn gebaseerd op deugdelijke en robuuste wereldmodellen, maar zijn gebouwd om automatisch te voltooien op basis van geavanceerde patroonherkenning. Daarom kunnen ze bijvoorbeeld nog steeds niet eens betrouwbaar schaken en blijven ze met verbazingwekkende regelmaat verbijsterende fouten maken.

Mijn nieuwe INET Working Paper bespreekt drie ontnuchterende onderzoeken die aantonen dat nieuwe, steeds grotere GenAI-modellen niet beter worden, maar slechter, en niet redeneren, maar eerder redeneringsachtige tekst napraten. Ter illustratie: een recent artikel van wetenschappers van MIT en Harvard toont aan dat zelfs wanneer ze zijn getraind op alle natuurkunde, LLM’s er niet in slagen om zelfs maar de bestaande algemene en universele natuurkundige principes te ontdekken die ten grondslag liggen aan hun trainingsgegevens. Vafa et al. (2025) dat LLM’s die een “Kepler-achtige” benadering volgen, weliswaar met succes de volgende positie in de baan van een planeet kunnen voorspellen, maar er niet in slagen de onderliggende verklaring van de wet van Newton te vinden (zie hier). In plaats daarvan nemen ze hun toevlucht tot verzonnen regels, waarmee ze de volgende baanpositie van de planeet met succes kunnen voorspellen, maar deze modellen slagen er niet in om de krachtvector te vinden die ten grondslag ligt aan Newtons inzicht. Het artikel van MIT-Harvard wordt uitgelegd in deze video. LLM’s kunnen en zullen geen natuurkundige wetten afleiden uit hun trainingsgegevens. Opmerkelijk genoeg kunnen ze zelfs de relevante informatie op internet niet identificeren. In plaats daarvan verzinnen ze die.

Erger nog, AI-bots worden gestimuleerd om te gissen (en een onjuist antwoord te geven) in plaats van toe te geven dat ze iets niet weten. Dit probleem wordt erkend door onderzoekers van OpenAI in een recent artikel. Gissen wordt beloond – want wie weet, het zou wel eens goed kunnen zijn. De fout is op dit moment niet te corrigeren. Daarom is het misschien verstandig om bij het gebruik van de afkorting AI te denken aan “Artificial Information” in plaats van “Artificial Intelligence”. De conclusie is duidelijk: dit is zeer slecht nieuws voor iedereen die hoopt dat verdere schaalvergroting – het bouwen van steeds grotere LLM’s – tot betere resultaten zou leiden (zie ook Che 2025).

95% van de generatieve AI-proefprojecten in bedrijven mislukt

Bedrijven hadden haastig AI-investeringen aangekondigd of AI-mogelijkheden voor hun producten geclaimd in de hoop hun aandelenkoersen een boost te geven. Toen kwam het nieuws dat de AI-tools niet doen wat ze zouden moeten doen en dat mensen zich dat realiseren (zie Ed Zitron). Een rapport uit augustus 2025 met de titel The GenAI Divide: State of AI in Business 2025, gepubliceerd door het NANDA-initiatief van het MIT, concludeert dat 95% van de generatieve AI-proefprojecten in bedrijven er niet in slaagt de omzetgroei te verhogen. Zoals gemeld door Fortune, “stagneren generieke tools zoals ChatGPT [….] in zakelijk gebruik omdat ze niet leren van of zich aanpassen aan workflows”. Inderdaad.

Bedrijven maken inderdaad een stap terug nadat ze honderden banen hebben geschrapt en deze hebben vervangen door AI. Zo pochte het Zweedse “Buy Burritos Now, Pay Later” Klarna in maart 2024 dat zijn AI-assistent het werk van 700 (ontslagen) werknemers deed, om hen vervolgens in de zomer van 2025 weer in dienst te nemen (helaas als gig-werknemers) (zie hier) . Andere voorbeelden zijn IBM, dat gedwongen was om personeel opnieuw in dienst te nemen na het ontslaan van ongeveer 8.000 werknemers om automatisering door te voeren (hier). Recente gegevens van het Amerikaanse Census Bureau naar bedrijfsgrootte laten zien dat de acceptatie van AI afneemt bij bedrijven met meer dan 250 werknemers.

MIT-econoom Daren Acemoglu (2025) voorspelt een vrij bescheiden productiviteitseffect van AI in de komende 10 jaar en waarschuwt dat sommige toepassingen van AI een negatieve maatschappelijke waarde kunnen hebben. “We zullen nog steeds journalisten hebben, we zullen nog steeds financiële analisten hebben, we zullen nog steeds HR-medewerkers hebben“, zegt Acemoglu. ”Het zal gevolgen hebben voor een aantal kantoorbanen die te maken hebben met gegevenssamenvatting, visuele matching, patroonherkenning, enz. En die maken in wezen ongeveer 5% van de economie uit.” Op dezelfde manier tonen Anders Humlum en Emilie Vestergaard (2025) in een recent NBER Working Paper aan de hand van twee grootschalige enquêtes over de invoering van AI (eind 2023 en 2024) onder 11 blootgestelde beroepen (25.000 werknemers op 7.000 werkplekken) in Denemarken aan dat de economische gevolgen van de invoering van GenAI minimaal zijn: “AI-chatbots hebben geen significante invloed gehad op het inkomen of het aantal geregistreerde uren in welk beroep dan ook, met betrouwbaarheidsintervallen die effecten van meer dan 1% uitsluiten. Bescheiden productiviteitswinst (gemiddelde tijdwinst van 3%), in combinatie met een zwakke loondoorberekening, helpen deze beperkte effecten op de arbeidsmarkt te verklaren.” Deze bevindingen bieden een broodnodige realitycheck voor de hyperbool dat GenAI al onze banen zal overnemen. De werkelijkheid is daar nog lang niet.

GenAI zal zelfs techneuten die zich bezighouden met coderen niet overbodig maken, in tegenstelling tot wat AI-enthousiastelingen voorspellen. OpenAI-onderzoekers hebben ontdekt (begin 2025) dat geavanceerde AI-modellen (waaronder GPT-4o en Anthropic’s Claude 3.5 Sonnet) nog steeds geen partij zijn voor menselijke programmeurs. De AI-bots slaagden er niet in om te begrijpen hoe wijdverbreid bugs zijn of om hun context te begrijpen, wat leidde tot onjuiste of onvoldoende uitgebreide oplossingen. Een ander nieuw onderzoek van de non-profitorganisatie Model Evaluation and Threat Research (METR) concludeert dat programmeurs die begin 2025 AI-tools gebruiken, in de praktijk juist langzamer zijn wanneer ze AI-hulpmiddelen gebruiken. Ze besteden 19 procent meer tijd aan het gebruik van GenAI dan wanneer ze zelf actief coderen (zie hier). Programmeurs besteedden hun tijd aan het controleren van AI-output, het aansturen van AI-systemen en het corrigeren van door AI gegenereerde code.

De Amerikaanse economie als geheel hallucineert

De teleurstellende introductie van ChatGPT-5 doet twijfels rijzen over het vermogen van OpenAI om consumentenproducten te bouwen en op de markt te brengen waarvoor gebruikers bereid zijn te betalen. Maar het punt dat ik wil maken, gaat niet alleen over OpenAI: de Amerikaanse AI-industrie als geheel is gebouwd op de premisse dat AGI om de hoek ligt. Het enige wat nodig is, is voldoende “rekenkracht”, d.w.z. miljoenen Nvidia AI-GPU’s, voldoende datacenters en voldoende goedkope elektriciteit om de enorme statistische patroonmapping uit te voeren die nodig is om (een schijn van) “intelligentie” te genereren. Dit betekent op zijn beurt dat “schaalvergroting” (miljarden dollars investeren in chips en datacenters) de enige weg vooruit is – en dit is precies waar techbedrijven, durfkapitalisten uit Silicon Valley en financiers uit Wall Street goed in zijn: fondsen mobiliseren en uitgeven, dit keer voor het “opschalen” van generatieve AI en het bouwen van datacenters om aan alle verwachte toekomstige vraag naar AI-gebruik te voldoen.

In 2024 en 2025 investeerden grote technologiebedrijven maar liefst 750 miljard dollar in datacenters en ze zijn van plan om in de periode 2026-2029 in totaal 3 biljoen dollar in datacenters te investeren (Thornhill 2025). De zogenaamde “Magnificent 7” (Alphabet, Apple, Amazon, Meta, Microsoft, Nvidia en Tesla) hebben in het tweede kwartaal van 2025 meer dan 100 miljard dollar uitgegeven aan datacenters; Figuur 1 geeft de kapitaaluitgaven weer voor vier van de zeven bedrijven.

FIGUUR 1

Christopher Mims (2025), https://x.com/mims/status/1951…

De stijging van de bedrijfsinvesteringen in “informatieverwerkingsapparatuur” is enorm. Volgens Torsten Sløk, hoofdeconoom bij Apollo Global Management, is de bijdrage van investeringen in datacenters aan de (trage) reële bbp-groei in de VS in de eerste helft van 2025 even groot geweest als die van de consumentenbestedingen (Figuur 2). Financieel investeerder Paul Kedrosky constateert dat de kapitaaluitgaven voor AI-datacenters (in 2025) het hoogtepunt van de telecomuitgaven tijdens de dotcom-zeepbel (van 1995-2000) hebben overschreden.

FIGUUR 2

Bron: Torsten Sløk (2025). https://www.apolloacademy.com/…

In de nasleep van de AI-hype en -hyperbool zijn tech-aandelen enorm in waarde gestegen. De S&P500-index steeg tussen 2023 en 2024 met circa 58%, voornamelijk dankzij de stijging van de aandelenkoersen van de Magnificent Seven. De gewogen gemiddelde aandelenkoers van deze zeven bedrijven steeg met 156% in de periode 2023-2024, terwijl de andere 493 bedrijven een gemiddelde stijging van hun aandelenkoersen van slechts 25% kenden. De Amerikaanse aandelenmarkt wordt grotendeels aangedreven door AI.

De aandelen van Nvidia zijn de afgelopen twee jaar met meer dan 280% gestegen door de explosieve vraag naar zijn GPU’s vanuit AI-bedrijven. Als een van de meest prominente begunstigden van de onverzadigbare vraag naar GenAI heeft Nvidia nu een marktkapitalisatie van meer dan 4 biljoen dollar, de hoogste waardering ooit voor een beursgenoteerd bedrijf. Is deze waardering logisch? De koers-winstverhouding (P/E) van Nvidia piekte in juli 2023 op 234 en is sindsdien gedaald tot 47,6 in september 2025 — wat historisch gezien nog steeds erg hoog is (zie Figuur 3). Nvidia verkoopt zijn GPU’s aan neocloud-bedrijven (zoals CoreWeave, Lambda en Nebius), die worden gefinancierd met krediet van Goldman Sachs, JPMorgan, Blackstone en andere private-equitybedrijven uit Wall Street, met als onderpand de datacenters vol met GPU’s. In belangrijke gevallen, zoals uitgelegd door Ed Zitron, bood Nvidia de neocloud-bedrijven, die verliesgevend zijn, aan om onverkochte cloudcomputing ter waarde van miljarden dollars te kopen, waardoor het zijn klanten effectief ondersteunde – allemaal in de verwachting van een AI-revolutie die nog moet komen.

Evenzo steeg de aandelenkoers van Oracle Corp. (dat niet is opgenomen in de “Magnificent 7”) met meer dan 130% tussen half mei en begin september 2025, na de aankondiging van zijn overeenkomst met OpenAI voor een cloudcomputinginfrastructuur ter waarde van 300 miljard dollar. De koers-winstverhouding van Oracle schoot omhoog naar bijna 68, wat betekent dat financiële investeerders bereid zijn bijna 68 dollar te betalen voor 1 dollar aan toekomstige winst van Oracle. Een duidelijk probleem met deze deal is dat OpenAI geen 300 miljard dollar heeft; het bedrijf leed in de periode 2023-2025 een verlies van 15 miljard dollar en zal naar verwachting in de periode 2026-2028 nog eens 28 miljard dollar aan cumulatieve verliezen lijden (zie hieronder). Het is onduidelijk en onzeker waar OpenAI het geld vandaan zal halen. Het is onheilspellend dat Oracle de infrastructuur voor OpenAI moet bouwen voordat het enige inkomsten kan genereren. Als OpenAI niet kan betalen voor de enorme rekencapaciteit die het van Oracle heeft gekocht, wat waarschijnlijk lijkt, blijft Oracle zitten met de dure AI-infrastructuur, waarvoor het misschien geen alternatieve klanten kan vinden, vooral als de AI-bubbel eenmaal is verdwenen.

Tech-aandelen zijn dus aanzienlijk overgewaardeerd. Torsten Sløk, hoofdeconoom bij Apollo Global Management, waarschuwde (in juli 2025) dat AI-aandelen nog meer overgewaardeerd zijn dan dotcom-aandelen in 1999. In een blogpost illustreert hij hoe de koers-winstverhoudingen van Nvidia, Microsoft en acht andere technologiebedrijven hoger zijn dan tijdens het dotcom-tijdperk (zie figuur 3). We herinneren ons allemaal hoe de dotcom-bubbel eindigde — en daarom heeft Sløk gelijk als hij alarm slaat over de kennelijke marktmanie, aangewakkerd door de “Magnificent 7” die allemaal zwaar hebben geïnvesteerd in de AI-industrie.

Big Tech koopt deze datacenters niet en exploiteert ze ook niet zelf; in plaats daarvan worden de datacenters gebouwd door bouwbedrijven en vervolgens gekocht door datacenterbeheerders die ze verhuren aan (bijvoorbeeld) OpenAI, Meta of Amazon (zie hier). Private-equitybedrijven uit Wall Street, zoals Blackstone en KKR, investeren miljarden dollars om deze datacenterbeheerders op te kopen, met commerciële hypotheekgedekte effecten als financieringsbron. Datacentervastgoed is een nieuwe, gehypete activaklasse die financiële portefeuilles begint te domineren. Blackstone noemt datacenters een van zijn “meest overtuigende investeringen”. Wall Street is dol op de leaseovereenkomsten van datacenters, die langdurige, stabiele en voorspelbare inkomsten bieden, betaald door klanten met een AAA-rating, zoals AWS, Microsoft en Google. Sommige Cassandra’s waarschuwen voor een mogelijk overaanbod aan datacenters, maar gezien het feit dat “de toekomst gebaseerd zal zijn op GenAI”, wat kan er dan nog misgaan?

FIGUUR 3

Bron: Torsten Sløk (2025), https://www.apolloacademy.com/…

In een zeldzaam moment van openhartigheid had Sam Altman, CEO van OpenAI, gelijk. “Bevinden we ons in een fase waarin investeerders als geheel overdreven enthousiast zijn over AI?”, zei Altman tijdens een dinerinterview met verslaggevers in San Francisco in augustus. “Mijn mening is ja.” Hij vergeleek de huidige AI-investeringsrazernij ook met de dotcom-bubbel van eind jaren negentig. “Ik denk dat iemand daar zijn vingers zal branden”, zei Altman. “Iemand zal een fenomenaal bedrag verliezen – we weten niet wie …”, maar (afgaande op wat er in eerdere bubbels is gebeurd) zal dat hoogstwaarschijnlijk niet Altman zelf zijn.

De vraag is dus: hoe lang investeerders de torenhoge waarderingen van de belangrijkste bedrijven in de GenAI-race zullen blijven ondersteunen, valt nog te bezien. De inkomsten van de AI-industrie blijven in het niet vallen bij de tientallen miljarden dollars die worden uitgegeven aan de groei van datacenters. Volgens een optimistisch onderzoeksrapport van S&P Global dat in juni werd gepubliceerd, zal de GenAI-markt in 2025 naar verwachting 85 miljard dollar aan inkomsten genereren in 2029. Alphabet, Google, Amazon en Meta zullen echter samen alleen al in 2025 bijna 400 miljard dollar aan kapitaaluitgaven doen. Tegelijkertijd heeft de AI-industrie een gezamenlijke omzet die nauwelijks hoger is dan de omzet van de smartwatch-industrie (Zitron 2025).

Wat als GenAI gewoon niet winstgevend is? Deze vraag is relevant gezien de snel afnemende opbrengsten van de torenhoge kapitaaluitgaven voor GenAI en datacenters en de teleurstellende gebruikerservaring van 95% van de bedrijven die AI hebben geïmplementeerd. Een van de grootste hedgefondsen ter wereld, het in Florida gevestigde Elliott, vertelde klanten dat AI overgewaardeerd is en dat Nvidia zich in een bubbel bevindt, en voegde eraan toe dat veel AI-producten “nooit kostenefficiënt zullen zijn, nooit echt goed zullen werken, te veel energie zullen verbruiken of onbetrouwbaar zullen blijken te zijn”. “Er zijn maar weinig echte toepassingen”, aldus het bedrijf, behalve “het samenvatten van notulen van vergaderingen, het genereren van rapporten en het helpen bij het coderen van computers”. Het voegde eraan toe dat het “sceptisch” was dat grote technologiebedrijven de grafische verwerkingseenheden van de chipfabrikant in zulke grote hoeveelheden zouden blijven kopen.

Het vastzetten van miljarden dollars in AI-gerichte datacenters zonder een duidelijke exitstrategie voor deze investeringen voor het geval de AI-rage voorbij is, betekent alleen maar dat het systeemrisico in de financiële wereld en de economie toeneemt. Nu investeringen in datacenters de economische groei in de VS aanjagen, is de Amerikaanse economie afhankelijk geworden van een handvol bedrijven, die nog geen dollar winst hebben weten te genereren op de ‘rekenkracht’ die door deze investeringen in datacenters wordt geleverd.

Amerika’s riskante geopolitieke gok mislukt

De AI-boom (bubbel) ontwikkelde zich met de steun van beide grote politieke partijen in de VS. De visie dat Amerikaanse bedrijven de grenzen van AI verleggen en als eerste GenAI bereiken, wordt breed gedeeld – er bestaat zelfs een tweeledige consensus over hoe belangrijk het is dat de VS de wereldwijde AI-race wint. De industriële capaciteit van Amerika is in hoge mate afhankelijk van een aantal potentiële vijandige natiestaten, waaronder China. In deze context wordt de voorsprong van Amerika op het gebied van GenAI beschouwd als een potentieel zeer krachtige geopolitieke hefboom: als Amerika erin slaagt om als eerste AGI te bereiken, zo luidt de analyse, kan het een overweldigend langetermijnvoordeel opbouwen ten opzichte van met name China (zie Farrell).

Dat is de reden waarom Silicon Valley, Wall Street en de regering-Trump dubbel inzetten op de “AGI First”-strategie. Maar scherpzinnige waarnemers wijzen op de kosten en risico’s van deze strategie. Opvallend is dat Eric Schmidt en Selina Xu zich in de New York Times van 19 augustus 2025 zorgen maken dat “Silicon Valley zo geobsedeerd is geraakt door het bereiken van dit doel [AGI] dat het het grote publiek van zich vervreemdt en, erger nog, cruciale kansen om de reeds bestaande technologie te gebruiken, voorbij laat gaan. Door zich uitsluitend op dit doel te fixeren, loopt ons land het risico achterop te raken bij China, dat zich veel minder bezighoudt met het creëren van AI die krachtig genoeg is om mensen te overtreffen, en veel meer gericht is op het gebruik van de technologie die we nu hebben.”

Schmidt en Xu maken zich terecht zorgen. Misschien wordt de benarde situatie van de Amerikaanse economie het best weergegeven door Sam Altman van OpenAI, die fantaseert over het plaatsen van zijn datacenters in de ruimte: “Misschien bouwen we een grote Dyson-bol rond het zonnestelsel en zeggen we: ‘Hé, het heeft eigenlijk geen zin om deze op aarde te plaatsen.’” Zolang dergelijke ‘hallucinaties’ over het gebruik van zonne-energie verzamelde satellieten om (onbeperkte) sterrenenergie te oogsten, goedgelovige financiële investeerders, de overheid en gebruikers van de “magie” van AI en de AI-industrie blijven overtuigen, is de Amerikaanse economie zeker ten dode opgeschreven.

Vind je het belangrijk dat er nog onafhankelijke berichtgeving bestaat die niet wordt gestuurd door grote belangen? Met jouw steun kunnen we blijven schrijven en onderzoeken. Klik hieronder en draag bij aan het voortbestaan van Frontnieuws.

Copyright © 2025 vertaling door Frontnieuws. Toestemming tot gehele of gedeeltelijke herdruk wordt graag verleend, mits volledige creditering en een directe link worden gegeven.

Het nieuwste gevaar van kunstmatige intelligentie

Volg Frontnieuws op 𝕏 Volg Frontnieuws op Telegram

Lees meer over: