Een praktische kaart van het volgende tech-decennium

Geen decennium rond één model. Een decennium rond systemen die weten, beslissen, uitvoeren, verbeteren, en uiteindelijk handelen in de wereld.

Dit is de samenvattende laag bovenop vier eerdere artikels:

Samen wijzen ze één kant op. Geen decennium gebouwd op één model. Geen decennium gebouwd op één appcategorie. Een decennium gebouwd op systemen die kunnen weten, beslissen, uitvoeren, verbeteren, en uiteindelijk handelen in de fysieke wereld.

Hier is de kaart, samengedrukt.

Van tools naar systemen

AI zal verkocht blijven worden als modelreleases, benchmarks en demo's. De duurzame waarde zit ergens stiller: het systeem rond het model. Context. Regels. Uitvoering. Validatie.

Dat is de minimale bedrading voor betrouwbaarheid. Het model is niet langer de eenheid. Het besturingssysteem eromheen wel.

Doen en weten zijn twee jobs

Zodra AI een systeemprobleem wordt, wordt de splitsing duidelijk. Eén laag duwt het werk vooruit. Eén laag houdt de juiste context beschikbaar.

Ik noem ze de harness en de Knowledge OS. De harness plant, genereert, evalueert, gate. De Knowledge OS neemt in, haalt op, relateert, compileert.

Uitvoering zonder geheugen blijft oppervlakkig. Geheugen zonder uitvoering is een archiefkast.

Prompting raakt op

Prompting blijft nuttig. Het stopt gewoon met de hele architectuur te zijn.

Een smalle taak die duizend keer terugkomt, hoort niet thuis in steeds langere prompt-scaffolding. De volgende serieuze laag is specialisatie via training: kleinere lokale modellen, smalle rollen, lagere latency, minder prompt-overhead.

Niet om redeneren te vervangen. Om redeneren te bewaren voor waar het echt nodig is, en de rest te stabiliseren.

Zelfverbetering, zonder de mystiek

"Zelfverbeterende systemen" wordt te los gebruikt. Wat ik bedoel is saai en praktisch: uitvoering levert bewijs op, en het systeem leert daaruit.

Wat herhaaldelijk faalde. Wat te veel prompting vroeg. Wat een regel moet worden, trainingsdata, of de job van een gespecialiseerd model. Verbeter de architectuur rond repetitief werk, en het systeem verbetert mee.

Dan krijgt het een lichaam

Als die vier standhouden, verlaat intelligentie de schermen. Dat is robotica.

Geen apart veld. Dezelfde stack, doorgetrokken in de fysieke wereld. Zodra een systeem kan redeneren, onthouden, evalueren, specialiseren en verbeteren, schrijft de volgende vraag zichzelf: wat gebeurt er als het een lichaam krijgt?

Niet humanoid eerst. De markt wordt gebouwd via robotarmen, drones, mobiele inspectie-eenheden, educatieve robots, smalle industriële machines. Humanoids worden misschien cultureel belangrijk. Nuttige belichaming komt in vele vormen.

De lagen, op volgorde

Vijf lagen. Elke laag maakt de volgende mogelijk.

De impact blijft niet in software. Ze verspreidt zich naar diensten, operations, logistiek, veiligheid, onderwijs, industrie, fysieke assistentie. Het volgende decennium gaat niet over betere chatinterfaces. Het gaat over de convergentie van AI, training, uitvoeringssystemen, open source, goedkopere hardware en belichaamde deployment.

De mens stapt niet uit

Ik lees dit niet als een verhaal over het weghalen van mensen. Op korte termijn geven deze systemen ons tijd, focus en uitvoeringskracht terug.

Mensen kiezen nog altijd de richting. Mensen beslissen nog altijd wat belangrijk is. Mensen leggen nog altijd het verband tussen capaciteit en betekenis.

Nu het eerlijke deel: dit is een weddenschap, geen voorspelling. Ik beschrijf de richting die ik bouw, geen tijdlijn die ik kan bewijzen. De eerste lagen heb ik geleverd. Het lichaam blijft theorie.

Eén zin voor het decennium: van modellen naar systemen, van systemen naar betrouwbare specialisatie, van specialisatie naar belichaamde intelligentie.

Eerst leert het weten. Dan doen. Dan verbeteren. Dan handelen.

Daar denk ik dat het echte decennium naartoe gaat.