De grenzen van AI: energie, kosten en de toekomst van werk

De afgelopen twee jaar is kunstmatige intelligentie veranderd van een interessante technologie naar een allesomvattende infrastructuur. Waar AI eerst vooral een softwareprobleem leek – betere modellen, meer data, slimmere algoritmes – wordt nu steeds duidelijker dat de echte bottleneck elders ligt: in fysieke capaciteit. Datacenters, elektriciteitsnetten en kapitaalintensieve hardware bepalen in toenemende mate wat mogelijk is.

De vraag is daarom niet langer alleen wat AI kan, maar wat we ons kunnen veroorloven. Is er nog ruimte – fysiek en energetisch – voor nieuwe datacentra? Gaan de kosten per gebruiker stijgen? En wat betekent dit alles voor programmeurs en andere kenniswerkers?

De harde grens: datacenters en energie

De groei van AI-gebruik is explosief. Waar traditionele software relatief licht was, zijn moderne AI-toepassingen extreem rekenintensief. Zeker de opkomst van “agentische AI” – systemen die urenlang zelfstandig taken uitvoeren – zorgt voor een veelvoud aan belasting per gebruiker.  

Dat leidt tot een fundamenteel probleem: capaciteit. Grote technologiebedrijven hebben miljarden geïnvesteerd in hardware, maar lopen alsnog tegen grenzen aan. Niet alleen omdat chips schaars zijn, maar vooral omdat datacenters zelf moeilijker te bouwen zijn geworden. Vergunningen duren langer, publieke weerstand groeit en – misschien wel het grootste probleem – het elektriciteitsnet zit vol.  

Dit is geen lokaal probleem. Van Nederland tot de Verenigde Staten zien we dezelfde patronen: netcongestie, vertragingen in aansluiting en stijgende kosten. In feite botsen twee trends frontaal op elkaar. Aan de ene kant elektrificatie van de economie (warmtepompen, EV’s, industrie), aan de andere kant een explosie in digitale vraag door AI.

Dat betekent dat de groei van AI niet alleen een technologisch vraagstuk is, maar een infrastructuurvraagstuk. Nieuwe datacenters concurreren direct met andere maatschappelijke prioriteiten: woningbouw, industrie, mobiliteit.

De implicatie is scherp: er is niet onbeperkt ruimte voor AI. Niet fysiek, en zeker niet energetisch.

De economische realiteit: AI wordt duurder

Tot nu toe hebben veel gebruikers AI ervaren als goedkoop of zelfs “gratis”. Maar dat beeld is misleidend. De werkelijke kosten zijn enorm en worden momenteel grotendeels gedragen door investeerders en Big Tech.

Er zijn steeds meer signalen dat dit model onder druk staat. Bedrijven beperken toegang, verlagen gebruikslimieten of verhogen abonnementskosten. Sommige diensten worden zelfs tijdelijk stopgezet omdat ze te duur zijn om te draaien.  

Dit is klassieke economie: als vraag sneller groeit dan aanbod, stijgen prijzen. En precies dat gebeurt hier. De capaciteit van datacenters groeit niet snel genoeg om de vraag naar AI bij te benen.

Daarnaast verandert het type gebruik. Een simpele chatbot-interactie kost relatief weinig, maar een AI-agent die urenlang code schrijft, documenten analyseert en systemen aanstuurt, verbruikt orders van grootte meer rekenkracht. Dat maakt de kostenstructuur fundamenteel anders.

Op langere termijn lijkt het onvermijdelijk dat AI-diensten differentiëren:

• goedkope, beperkte modellen voor massagebruik
• dure, krachtige modellen voor professioneel gebruik
• en mogelijk zelfs “premium compute” voor bedrijven die continu AI-agents willen inzetten

Daarmee verschuift AI van een algemeen hulpmiddel naar een strategische resource, vergelijkbaar met energie of grondstoffen.

De verwachting dat AI “voor iedereen gratis en onbeperkt” beschikbaar zal zijn, is simpelweg niet realistisch.

Een paradox: meer vraag, minder toegankelijkheid

Hier ontstaat een interessante paradox. AI wordt steeds belangrijker voor productiviteit, maar tegelijkertijd duurder en schaarser.

Dit heeft twee mogelijke gevolgen.

Ten eerste kan het leiden tot een tweedeling. Bedrijven en professionals die zich dure AI kunnen veroorloven, krijgen een enorme productiviteitsvoorsprong. Anderen blijven achter met beperktere tools.

Ten tweede kan het innovatie juist afremmen. Als toegang tot krachtige AI beperkt wordt, verschuift de focus van experimenteren naar optimaliseren. Minder “speelruimte”, meer kostenbewust gebruik.

Dit sluit aan bij bredere zorgen over een mogelijke AI-bubbel. Er wordt momenteel gigantisch veel kapitaal geïnvesteerd in infrastructuur en modellen, terwijl de winstgevendheid nog onzeker is.  

Als de kosten hoger blijken dan de opbrengsten, volgt er onvermijdelijk een correctie. En die zal direct voelbaar zijn voor gebruikers.

Wat betekent dit voor programmeurs?

Misschien wel de meest zichtbare impact van AI is die op softwareontwikkeling. Tools als Copilot en Claude Code veranderen de manier waarop code wordt geschreven.

De klassieke rol van programmeur – handmatig code schrijven – verschuift snel. AI kan vandaag al grote delen van het programmeerwerk overnemen, zeker bij standaardtaken.

Maar dat betekent niet dat programmeurs verdwijnen. Het betekent dat hun rol verandert.

Waar vroeger de nadruk lag op implementatie, verschuift die nu naar:

• probleemdefinitie
• architectuur
• validatie en testing
• en het aansturen van AI-systemen

In feite wordt de programmeur minder “codeklopper” en meer regisseur.

Interessant is dat dit leidt tot een verschuiving in tijdsbesteding. Minder tijd gaat naar schrijven, meer naar controleren en corrigeren. Sommige ontwikkelaars ervaren zelfs dat testen en reviewen meer tijd kost dan het genereren van code zelf.

Dat is logisch. AI kan snel produceren, maar niet altijd betrouwbaar. De verantwoordelijkheid voor kwaliteit blijft bij de mens.

De nieuwe hiërarchie in IT

Deze verschuiving creëert een nieuwe hiërarchie in IT-functies.

Aan de onderkant verdwijnen of krimpen rollen die puur gericht zijn op uitvoerend werk. Junior developers die vooral standaardcode schrijven, krijgen het moeilijker.

Aan de bovenkant ontstaat juist meer vraag naar mensen die:

• systemen kunnen ontwerpen
• complexe problemen kunnen structureren
• AI-output kritisch kunnen beoordelen
• en verantwoordelijkheid nemen voor eindresultaten

Met andere woorden: abstract denken wordt belangrijker dan technische uitvoering.

Dit sluit aan bij een bredere trend in kenniswerk. AI neemt niet zozeer banen over, maar verschuift de waarde naar andere vaardigheden.

De mythe van volledige automatisering

Toch is het belangrijk om een nuance aan te brengen. De gedachte dat AI programmeurs volledig gaat vervangen, is overdreven.

AI heeft fundamentele beperkingen. Het begrijpt geen context zoals mensen dat doen, heeft geen echte verantwoordelijkheid en maakt fouten die moeilijk te detecteren zijn zonder domeinkennis.

Bovendien blijft softwareontwikkeling een sociaal proces. Het gaat niet alleen om code, maar om samenwerking, afstemming en begrip van gebruikersbehoeften.

In dat opzicht sluit dit aan bij een bredere filosofische discussie over AI. De vraag is niet alleen hoe “slim” systemen zijn, maar wat intelligentie eigenlijk betekent. Menselijke intelligentie omvat ook empathie, contextbegrip en creativiteit – aspecten waar AI nog ver van verwijderd is.  

Dat betekent dat de mens voorlopig onmisbaar blijft, maar wel in een andere rol.

De toekomst: minder mensen, meer output?

Een logische vervolgvraag is: als AI de productiviteit verhoogt, hebben we dan minder programmeurs nodig?

Het eerlijke antwoord is: waarschijnlijk wel, maar niet lineair.

In sommige organisaties zal het aantal developers dalen. Teams kunnen met minder mensen meer werk verzetten. Tegelijkertijd ontstaan er nieuwe toepassingen en daarmee nieuwe vraag.

Historisch gezien leidt technologische vooruitgang vaak tot beide: efficiency én expansie.

Het verschil met AI is de snelheid. De productiviteitswinst kan zo groot zijn dat aanpassing moeilijk wordt. Dat kan tijdelijk leiden tot disbalans op de arbeidsmarkt.

Voor individuen betekent dit dat stilstand geen optie is. De waarde verschuift snel, en wie niet meebeweegt, loopt risico.

Terug naar de kern: fysieke grenzen

Wat deze hele discussie interessant maakt, is dat AI ons terugbrengt naar iets wat we lange tijd vergeten zijn: fysieke grenzen.

In de digitale economie leek alles schaalbaar. Meer gebruikers, meer software, meer data – zonder echte limieten.

AI doorbreekt dat beeld. Het is geen pure software, maar een combinatie van software, hardware en energie. En die laatste twee zijn schaars.

Dat betekent dat de toekomst van AI niet alleen bepaald wordt door algoritmes, maar door:

• energieprijzen
• beschikbaarheid van grondstoffen
• geopolitiek
• en infrastructuur

Het is een verschuiving van een digitale naar een fysiek-digitale economie.

Conclusie: AI wordt volwassen

De eerste fase van AI werd gekenmerkt door hype en overvloed. Alles leek mogelijk, kosten waren ondergeschikt en groei stond centraal.

We gaan nu een tweede fase in: die van beperkingen en keuzes.

Er is niet onbeperkt ruimte voor datacenters. Energie wordt een beperkende factor. Kosten per gebruiker zullen stijgen. En de arbeidsmarkt zal zich aanpassen.

Voor programmeurs betekent dit geen einde, maar een transformatie. De rol verschuift van uitvoerder naar ontwerper en controleur. Wie die stap maakt, profiteert van de productiviteitsgolf. Wie dat niet doet, komt onder druk.

Misschien is dat wel de belangrijkste les van dit moment. AI is geen magische oplossing die alle beperkingen opheft. Het is een technologie die ons dwingt opnieuw na te denken over schaarste, waarde en menselijke vaardigheden.

En precies daarom is deze fase interessanter dan de hype die eraan voorafging.