OpenAI zegt dat een nieuw tijdperk van superintelligente AI is begonnen. Het bedrijf presenteerde deze week een nieuw systeem dat beter redeneert en complexere taken aan kan, via ChatGPT en de API. De stap moet kunstmatige intelligentie bruikbaarder maken voor werk, onderzoek en softwareontwikkeling. Dit raakt ook Europa, waar de Europese AI-verordening gevolgen overheid en bedrijven nu al richting geeft.
OpenAI zet nieuwe stap
OpenAI brengt een nieuwe generatie redeneermodellen naar chatdiensten en bedrijfssoftware. Het bedrijf stelt dat het systeem langer kan plannen, nauwkeuriger kan rekenen en beter instructies volgt. Het gaat om functies voor analyse, programmeren en het aansturen van externe tools. Daarmee wil OpenAI laten zien dat algemene AI verder opschuift richting zelfstandig inzicht.
De functies komen beschikbaar in ChatGPT en voor ontwikkelaars via een programmeerkoppeling. Bedrijven kunnen het model inbedden in eigen apps en workflows. Denk aan het samenvatten van dossiers, het bouwen van prototypes of het doorrekenen van scenario’s. Voor Europese organisaties is aansluiting op bestaande beveiliging en logging een praktisch vereiste.
Het bedrijf positioneert de update als een sprong in “redeneren”. Redeneren betekent hier dat het systeem stap voor stap een probleem ontleedt en tussentijdse resultaten bewaart. Dat moet slordige fouten verminderen, zoals verkeerde wiskunde of losse conclusies. Ook het gebruik van hulpmiddelen, zoals code-runners en webzoekfuncties, is verder geïntegreerd.
De markt voor generatieve AI is op dit punt fel concurrerend. Google scherpt Gemini aan, Anthropic ontwikkelt Claude, en Meta investeert in open modellen. In Europa probeert Mistral AI met lichtere modellen te overtuigen. OpenAI wil met de nieuwe release het tempo en de lat voor redeneerprestaties bepalen.
Wat is superintelligentie
Met “superintelligentie” bedoelt OpenAI een systeem dat mensen op veel cognitieve taken kan evenaren of voorbijstreven. Het is geen juridische of technische standaard, maar een ambitieus doel. De term zegt niets over bewustzijn of gevoel. Het gaat om prestaties op uiteenlopende taken, zoals wiskunde, programmeren en analyse.
Hoe meet je zo’n claim? Bedrijven tonen scores op examens en benchmarks. Zulke toetsen geven richting, maar blijven kunstmatig. In de praktijk telt of het systeem in echte workflows minder fouten maakt en sneller tot betrouwbare uitkomsten komt.
Voor gebruikers betekent dit vooral dat het model beter meedenkt in meer stappen. Het kan bronnen combineren, alternatieven afwegen en een plan maken. Toch blijft menselijke controle nodig. Het systeem kan nog steeds misleiden, feiten verzinnen of context missen.
Ook is er geen algemene consensus dat superintelligentie nu al is bereikt. Wetenschappers vragen om onafhankelijke toetsen en openbaar vergelijkingsmateriaal. Beleidsmakers willen zicht op risico’s, zoals misinformatie of kwetsbaarheden. De discussie verschuift zo van belofte naar bewijs en toezicht.
Redeneren groeit, grenzen blijven
De update richt zich op taken met veel tussenstappen. Voorbeelden zijn lange rekenketens, het debuggen van code of het ontleden van juridische tekst. Het model houdt interne tussenredeneringen bij en kiest gerichter vervolgstappen. Dat helpt bij problemen die eerder te snel of te grof werden aangepakt.
Toch is er nog geen volledige autonomie. Het systeem werkt binnen opgegeven doelen, tijd en hulpmiddelen. Het neemt niet zelfstandig langdurige besluiten buiten die kaders. Voor gevoelige taken blijft taakafbakening en menselijke toetsing de norm.
Fouten, of “hallucinaties”, zijn niet weg. Verwijzingen kunnen onvolledig zijn, en redeneringen kunnen ontsporen bij vage input. Integratie met bronnen en toolgebruik verlaagt dit risico, maar garandeert geen juist antwoord. Heldere instructies en broncontrole blijven nodig.
Prestatiewinst kost rekenkracht en tijd. Complexe ketens betekenen hogere kosten en soms meer vertraging. Organisaties moeten daarom keuzes maken: wanneer vol redeneren, en wanneer snel een kort antwoord volstaat. Slimme instellingen en cache-technieken kunnen hier helpen.
Europese regels gelden nu
De Europese AI-verordening (AI Act) is op het moment van schrijven gefaseerd van kracht. Aanbieders van algemene AI-modellen (GPAI), zoals grote chat- en redeneermodellen, moeten technische documentatie, risicobeheersing en transparantie leveren. Voor modellen met “systemisch risico” gelden extra plichten, zoals onafhankelijke evaluaties en cyberbeveilingsmaatregelen. Ook moeten aanbieders rekening houden met EU-auteursrecht en tekst- en datamining-regels.
Voor overheden en publieke instellingen in Nederland weegt dit extra zwaar. Inkoop moet risicoklassen en beveiliging meenemen, inclusief logging, versleuteling en dataminimalisatie. Dit raakt direct de Europese AI-verordening gevolgen overheid, zoals eisen aan uitlegbaarheid en incidentmelding. Praktisch betekent dit proefprojecten met duidelijke afbakening en toezicht.
Ook de AVG blijft leidend bij gegevensverwerking. Training of gebruik met persoonsgegevens vraagt een rechtmatige grondslag en doelbinding. Gegevensminimalisatie en bewaartermijnen zijn verplicht. Voor bijzondere gegevens, zoals gezondheidsdata, gelden strengere grenzen.
De AI-verordening verplicht aanbieders van algemene AI-modellen tot veiligheidsdocumentatie, risicobeheersing en een beknopte samenvatting van de gebruikte trainingsdata.
Impact op Nederland
Overheden zien kansen voor dossieranalyse, vergadersamenvattingen en het voorbereiden van besluiten. Tegelijk vraagt dit om menselijk toezicht en duidelijke rolverdeling. Rijks- en gemeentelijke richtlijnen adviseren kleine, controleerbare pilots. Dat beperkt risico’s en maakt het leren meetbaar.
In het onderwijs gaat het om schrijf- en programmeerhulp, met nadruk op bronvermelding en vakdidactiek. Scholen hanteren beleid voor toetsing en begeleiding, ondersteund door organisaties als Kennisnet en SIVON. Nieuwe redeneerfuncties kunnen leerlingen meer stappen laten zien. Docenten moeten dan expliciet toetsen op begrip, niet alleen op uitkomst.
In de zorg kan een model dienst doen als “scribe” of triage-assistent. Dat vraagt technische en organisatorische maatregelen, zoals pseudonimisering en toegangsbeheer. NEN-7510 en de AVG zijn hierbij richtinggevend. Zonder die waarborgen is gebruik van patiëntdata onwenselijk.
Voor bedrijven ligt de winst in snellere analyses en softwarebouw. Mkb’ers moeten letten op kosten per taak en op lock-in bij één cloudaanbieder. Contracten over data-eigendom en auditrechten worden belangrijker. Ook is het zinvol om alternatieven te testen, zoals Europese modellen met on-premise opties.
Toezicht en data-vragen
Transparantie over trainingsdata blijft een heet hangijzer. Een samenvatting helpt, maar zegt weinig over exacte herkomst en rechten. Uitgevers en makers willen duidelijkheid over gebruik en vergoeding. Voor gebruikers telt vooral: waar baseren antwoorden zich op, en hoe controleer ik dat?
Het Europese AI Office coördineert op het moment van schrijven de uitvoering van de AI Act. In Nederland houden onder meer de Autoriteit Persoonsgegevens en de Autoriteit Consument & Markt toezicht op aspecten van data en mededinging. Incidentmeldingen en externe audits worden belangrijker bij grotere modellen. Dit moet helpen om claims over “superintelligentie” te toetsen aan feitelijk gedrag.
De rekenvraag groeit mee met redeneren. Datacentercapaciteit en energieverbruik spelen daarom ook in het Nederlandse beleid. Ruimtelijke inpassing en duurzaamheidseisen worden scherper meegewogen. Efficiëntere modellen en hardware kunnen de druk verlagen, maar lossen het niet direct op.
Waar moet u op letten? Vraag om modelkaarten, eval-rapporten en beleid voor misbruik. Controleer of leveranciers voldoen aan AI Act- en AVG-verplichtingen. Start met beperkte, meetbare use-cases en bouw pas op bij aantoonbare winst. Zo blijft innovatie in balans met veiligheid en recht.