De huidige stand van AI in 15 kerninzichten

1) De capaciteiten van AI versnellen en bereiken meer mensen dan ooit

De industrie produceerde in 2025 meer dan 90% van de opmerkelijke frontiermodellen. Verschillende van die modellen halen of overtreffen nu menselijke benchmarks bij wetenschappelijke vragen op doctoraatsniveau, multimodale redenering en wedstrijdwiskunde. Op een belangrijke programmeerbenchmark steeg de prestatie in één jaar van 60% tot bijna 100% van de menselijke baseline. De adoptie door organisaties bereikte 88%, en 4 op de 5 universiteitsstudenten gebruiken nu generatieve AI.

2) De prestatiekloof tussen Amerikaanse en Chinese AI-modellen is in feite gedicht

Amerikaanse en Chinese modellen hebben sinds begin 2025 meerdere keren de leiding van elkaar overgenomen. In februari 2025 evenaarde DeepSeek-R1 kortstondig het beste Amerikaanse model. In maart 2026 leidt Anthropic’s topmodel nog maar met 2,7%. De VS produceren nog steeds meer AI-modellen van topniveau en patenten met grote impact, terwijl China leidt in publicatievolume, citaties, patentoutput en industriële robotinstallaties. Zuid-Korea valt op door zijn innovatiedichtheid en leidt wereldwijd in AI-patenten per hoofd van de bevolking.

3) De Verenigde Staten huisvesten de meeste AI-datacenters, terwijl het merendeel van hun chips door één Taiwanese fabrikant wordt gemaakt

De Verenigde Staten tellen 5.427 datacenters, meer dan tien keer zoveel als eender welk ander land, en verbruiken meer energie dan elk ander land. Eén bedrijf, TSMC, produceert bijna elke toonaangevende AI-chip, waardoor de wereldwijde AI-hardwareketen afhankelijk is van één smelterij in Taiwan, al ging een uitbreiding van TSMC in de VS in 2025 van start.

4) AI-modellen kunnen een gouden medaille winnen op de International Mathematics Olympiade, maar kunnen niet betrouwbaar kloklezen, een voorbeeld van wat onderzoekers de grillige grens van AI noemen

Gemini Deep Think behaalde een gouden medaille op de IMO, maar het beste model leest analoge klokken slechts in 50,1% van de gevallen correct. AI-agents maakten een sprong van 12% naar ongeveer 66% taaksucces op OSWorld, dat agents test op echte computertaken over verschillende besturingssystemen heen, al falen ze nog steeds in ongeveer 1 op de 3 pogingen op gestructureerde benchmarks.

5) Robots falen nog steeds bij de meeste huishoudelijke taken, ook al presteren ze sterk in gecontroleerde omgevingen

Robots slagen slechts in 12% van de huishoudelijke taken, wat aantoont hoe ver AI nog verwijderd is van beheersing van de fysieke wereld. Op RLBench, een benchmark voor robotmanipulatie in softwarematige simulaties, is een succespercentage van 89,4% bereikt. Maar de kloof tussen voorspelbare labo-omgevingen en onvoorspelbare huishoudelijke omgevingen blijft groot.

6) Responsible AI houdt geen gelijke tred met de capaciteiten van AI: veiligheidsbenchmarks lopen achter en incidenten nemen sterk toe

Bijna alle toonaangevende frontier-AI-ontwikkelaars rapporteren resultaten op capaciteitsbenchmarks, maar rapportage over responsible-AI-benchmarks blijft fragmentarisch. Het aantal gedocumenteerde AI-incidenten steeg naar 362, tegenover 233 in 2024. Daarbovenop bleek uit recent onderzoek dat verbetering op één responsible-AI-dimensie, zoals veiligheid, een andere dimensie, zoals nauwkeurigheid, kan verslechteren.

7) De VS leiden in AI-investeringen, maar hun vermogen om wereldwijd talent aan te trekken neemt af

Private AI-investeringen in de VS bereikten in 2025 ruim 285,9 miljard dollar, meer dan 23 keer de 12,4 miljard dollar die in China werd geïnvesteerd, ook al onderschatten louter private investeringscijfers waarschijnlijk de totale AI-uitgaven van China, gezien de rol van overheidsgeleide fondsen. De VS leidden ook in ondernemerschap, met 1.953 nieuw gefinancierde AI-bedrijven in 2025, meer dan tien keer zoveel als het dichtstvolgende land. Toch is het aantal AI-onderzoekers en -ontwikkelaars dat naar de VS verhuist sinds 2017 met 89% gedaald, met een daling van 80% alleen al in het afgelopen jaar.

8) AI-adoptie verspreidt zich met historische snelheid, en consumenten halen aanzienlijke waarde uit tools die ze vaak gratis gebruiken

Generatieve AI bereikte binnen drie jaar 53% adoptie onder de bevolking, sneller dan de PC of het internet. Wel verschilt het tempo per land en hangt het sterk samen met bbp per hoofd. Sommige landen tonen een hoger dan verwachte adoptie, zoals Singapore met 61% en de Verenigde Arabische Emiraten met 54%. Dat terwijl de VS op plaats 24 staan met 28,3%. (België haalde in het tweede semester van 2025 een adoptiegraad van 36%, buurlanden Frankrijk (44%) en Nederland (38,9%) doen beter. Duitsland doet met 28,6% slechter.) De geschatte waarde van generatieve-AI-tools voor Amerikaanse consumenten bereikte begin 2026 jaarlijks 172 miljard dollar, waarbij de mediane waarde per gebruikerssessie tussen 2025 en 2026 verdrievoudigde.

9) Productiviteitswinsten door AI verschijnen in veel van dezelfde domeinen waar startersbanen beginnen af te nemen

Studies tonen productiviteitswinsten van 14% tot 26% in klantenondersteuning en softwareontwikkeling, met zwakkere of zelfs negatieve effecten bij taken die meer oordeelsvermogen vereisen. De inzet van AI-agents blijft in vrijwel alle bedrijfsfuncties beperkt tot enkele procenten. In softwareontwikkeling, waar de gemeten productiviteitswinsten van AI het duidelijkst zijn, daalde de werkgelegenheid voor Amerikaanse ontwikkelaars van 22 tot 25 jaar met bijna 20% sinds 2024, terwijl het personeelsbestand van oudere ontwikkelaars blijft groeien.

10) De ecologische voetafdruk van AI groeit mee met haar capaciteiten

De geschatte trainingsemissies van Grok 4 bedroegen 72.816 ton CO₂-equivalent. De stroomcapaciteit van AI-datacenters steeg naar 29,6 GW, vergelijkbaar met de piekvraag van de staat New York. Alleen al het jaarlijkse waterverbruik voor GPT-4o-inferentie kan groter zijn dan de drinkwaterbehoefte van 1,2 miljoen mensen.

11) AI-modellen voor wetenschap kunnen menselijke wetenschappers overtreffen, al presteren grotere modellen niet altijd beter

Frontiermodellen presteren gemiddeld beter dan menselijke chemici op ChemBench. Toch scoren ze minder dan 20% op replicatie in astrofysica en 33% op vragen over aardobservatie. Een proteïnetaalmodel met 111 miljoen parameters, MSAPairformer, overtrof eerdere toonaangevende methodes op ProteinGym, en een genomicsmodel met 200 miljoen parameters, GPNStar, presteerde beter dan een model dat bijna 200 keer groter was. De meeste AI-foundationmodellen voor wetenschap komen voort uit samenwerkingen tussen verschillende sectoren, in tegenstelling tot het door de industrie gedomineerde landschap van algemene AI.

12) AI transformeert de klinische zorg, maar robuust bewijs blijft beperkt

AI-tools die automatisch klinische notities genereren op basis van patiëntconsultaties kenden in 2025 een sterke adoptie. In meerdere ziekenhuissystemen rapporteerden artsen tot 83% minder tijdsbesteding aan het schrijven van notities en een duidelijke vermindering van burn-out. Buiten bepaalde tools blijft de bewijsbasis voor klinische AI echter dun. Een review van meer dan 500 klinische AI-studies vond dat bijna de helft steunde op examengerichte vragen in plaats van echte patiëntgegevens, en dat slechts 5% echte klinische data gebruikte.

13) Formeel onderwijs loopt achter op AI, maar mensen leren AI-vaardigheden in elke levensfase

Meer dan 80% van de Amerikaanse middelbare scholieren en studenten gebruikt AI nu voor schoolgerelateerde taken. Maar slechts de helft van de secundaire en hogere scholen heeft AI-beleid, en amper 6% van de leerkrachten zegt dat dat beleid duidelijk is. Buiten de klas groeien AI-engineeringvaardigheden het snelst in de Verenigde Arabische Emiraten, Chili en Zuid-Afrika. Het aantal nieuwe AI-doctoraten in de VS en Canada steeg met 22% tussen 2022 en 2024. De gediplomeerden die deze stijging verklaren, gingen aan de slag in de academische wereld, niet in de industrie.

14) AI-soevereiniteit wordt een bepalend kenmerk van nationaal beleid. Capaciteiten blijven ongelijk verdeeld, ook al helpt open source om deelname breder te verspreiden

Nationale AI-strategieën breiden zich uit, vooral in ontwikkelende economieën. Door de staat gesteunde investeringen in AI-supercomputing nemen parallel toe. Een teken van groeiende ambities om binnenlandse controle te krijgen over AI-ecosystemen. Toch blijft de productie van modellen geconcentreerd in de VS en China. Open-sourceontwikkeling begint deelname te herverdelen: bijdragen vanuit de rest van de wereld overtreffen inmiddels Europa en naderen de Verenigde Staten op GitHub. Dat leidt tot taalkundig diversere modellen en benchmarks.

15) AI-experts en het brede publiek kijken heel verschillend naar de toekomst van de technologie. Wereldwijd is het vertrouwen in instellingen om AI te beheren sterk versnipperd

Wat betreft de impact op hoe mensen hun job doen, verwacht 73% van de experts een positief effect. Tegenover slechts 23% van het publiek of een kloof van 50 procentpunten. Vergelijkbare verschillen bestaan rond de impact van AI op de economie en de medische zorg. Wereldwijd verschilt het vertrouwen in overheden om AI te reguleren sterk. Van de bevraagde landen rapporteerden de Verenigde Staten het laagste vertrouwen in hun eigen overheid om AI te reguleren, met 31%. Wereldwijd wordt de EU meer vertrouwd dan de VS of China om AI effectief te reguleren.

Het "Artificial Intelligence Index Report 2026" bevat 384 pagina´s en staat hier.