Stanford HAI heeft deze week de negende editie van de AI Index gepubliceerd, en het is eerlijk gezegd het meest volledige beeld dat we dit jaar gaan krijgen van waar AI staat. Geen marketing, geen keynote-gezwets, maar 400+ pagina's met cijfers over modellen, geld, banen en publiek vertrouwen. Ik heb het rapport doorgespit zodat jij dat niet hoeft te doen, en er zitten een paar grafieken in die je kijk op 2026 zullen veranderen.
De rode draad is niet dat AI beter wordt, want dat wisten we al. De rode draad is dat de kloof steeds groter wordt. Tussen wat experts denken en wat het publiek denkt. Tussen wat bedrijven zeggen te doen en wat ze transparant maken. En tussen de paar spelers die winnen en de rest.
Modellen lopen niet tegen een muur aan
Een jaar geleden schreef half Silicon Valley nog opinieartikelen over hoe AI-ontwikkeling tegen een plafond zou lopen. Stanford laat zien dat dat simpelweg niet klopt. Op SWE-bench Verified, de belangrijkste codebenchmark voor software engineering, ging de prestatie van topmodellen in twaalf maanden van 60 procent naar bijna 100 procent. Dat is geen incrementele verbetering. Dat is een benchmark die praktisch verzadigd is.
Ook op PhD-niveau natuurwetenschappelijke vragen, multimodaal redeneren en wedstrijdwiskunde halen frontier-modellen nu menselijke baselines of zitten daarboven. Als je je afvraagt of de huidige generatie modellen zoals Opus 4.7 echt een stap verder is dan wat je vorig jaar gebruikte, dan is het antwoord ja, en het verschil is groter dan je denkt. Dat merk je vooral als je met de nieuwste modellen echt complexe taken probeert.
Het geld gaat naar een handvol winnaars
De investeringscijfers zijn wat mij betreft het meest onthutsend. Amerikaanse private AI-investeringen bereikten in 2025 een totaal van 285,9 miljard dollar. Ter vergelijking, China kwam uit op 12,4 miljard. Dat is een factor 23 verschil. En toch, en dit is waar het interessant wordt, zijn Amerikaanse en Chinese topmodellen qua prestaties aan elkaar gewaagd. Sinds begin 2025 wisselen ze elkaar af op de eerste plek.
De economische impact voor consumenten is ook niet mis. Stanford schat dat generatieve AI-tools alleen al in Amerika begin 2026 zo'n 172 miljard dollar per jaar aan waarde toevoegen voor gebruikers. De mediaanwaarde per gebruiker is in twaalf maanden verdrievoudigd. Dat is niet hype, dat is reële tijdbesparing en productiviteit.
Tegelijk pakt een piepkleine groep bedrijven bijna alle winst. Volgens een parallel PwC-rapport dat op 13 april uitkwam, gaat driekwart van alle economische winst uit AI naar slechts 20 procent van de bedrijven. Kortom, gewoon wat tools inzetten is niet meer genoeg om voorop te lopen.
Adoptie is ineens overal
Een cijfer dat ik moest laten bezinken, 88 procent van alle organisaties gebruikt inmiddels generatieve AI op enige manier. Bij universitair studenten is het 4 op de 5. En in de brede bevolking bereikte generatieve AI binnen drie jaar 53 procent penetratie, sneller dan de pc of het internet destijds deden.
Wat dit betekent, is dat je als organisatie niet meer op de rand van adoptie kunt blijven zitten. De vraag is niet meer of je collega's AI gebruiken, maar hoe goed ze het gebruiken. Als je wilt weten waar jouw organisatie staat ten opzichte van anderen, bekijk dan de vijf niveaus van AI-adoptie. Mijn inschatting, de meeste bedrijven zitten nog op niveau 2 terwijl ze denken op niveau 4 te zitten.
De vertrouwenskloof wordt pijnlijk zichtbaar
Het onthutsendste cijfer zit niet in de capaciteitsgrafieken maar in de sentimentdata. 73 procent van de Amerikaanse AI-experts denkt dat AI een positief effect heeft op de arbeidsmarkt. Van het grote publiek denkt slechts 23 procent dat. Dat is een verschil van vijftig procentpunten tussen mensen die het bouwen en mensen die het gebruiken.
Tegelijk gaat het slechter met transparantie. De Foundation Model Transparency Index, die meet hoe open bedrijven zijn over trainingsdata, compute, risico's en gebruiksbeleid, daalde van gemiddeld 58 punten vorig jaar naar 40 dit jaar. Bedrijven worden geslotener, terwijl het publiek juist meer wil weten. Dat zie je ook terug in hoe labs zoals Anthropic harder moeten werken om te laten zien dat ze het serieus menen met veiligheid.
Infrastructuur is de nieuwe bottleneck
Een cijfer dat lekker concreet is, AI-datacenters trekken wereldwijd inmiddels 29,6 gigawatt aan stroomcapaciteit. Dat is genoeg om de hele staat New York op piekmoment van stroom te voorzien. De bottleneck voor de volgende stap is niet meer modelkwaliteit of data, maar gewoon stroom en koeling.
Voor Nederland is dit direct relevant. Datacenters worden politiek gevoeliger, stroomschaarste is een realiteit, en tegelijkertijd komt de AI Act-deadline snel dichterbij. Wie nu AI-infrastructuur probeert op te bouwen heeft te maken met een dubbele klem, regelgeving en energie.
Dit is wat je maandag anders doet
De AI Index van dit jaar is niet gewoon een rapport om doorheen te bladeren. Het is een wake-up call in drie richtingen. Eén, de modellen zijn echt beter dan vorig jaar, dus ga checken of jouw workflow nog wel klopt. Twee, de kloof tussen voorlopers en achterblijvers groeit hard, dus urgentie is terecht. En drie, publiek vertrouwen is broos, dus werk aan transparantie voordat je klanten erom vragen.
Lees het rapport zelf als je kunt. Het volledige document staat gratis online via Stanford HAI, en de samenvatting van IEEE Spectrum is een goede eerste hap als je vandaag weinig tijd hebt. Waar je dan nog mee aan de slag moet, is duidelijk, het is tijd om te stoppen met experimenteren en te beginnen met schalen.
