Wat AI eigenlijk is (en wat het niet is)

Serie: Naar Hapori, naar AI - Digitale soevereiniteit voor inheemse gemeenschappen (Artikel 1 van 5) Auteur: My Digital Sovereignty Ltd Datum: Juni 2026 Licentie: CC BY 4.0

AI veranderd terwijl je keek

Je hebt mensen waarschijnlijk horen zeggen dat kunstmatige intelligentie alles gaat veranderen. Het kan ook zijn dat je mensen hebt horen zeggen dat het slechts een rage is, of dat het niets echt nieuws kan doen. Beide standpunten slaan de plank mis en als je begrijpt waarom, kun je je gemeenschap helpen betere beslissingen te nemen over deze technologie.

Maar er is nog iets dat eerst moet worden opgemerkt: AI is veranderd, zelfs in de korte tijd dat mensen erover discussiëren.

Een jaar geleden, toen de meeste mensen "AI" zeiden, bedoelden ze een chatbot - een venster waarin je een vraag intypte en een antwoord terugkreeg. Je vroeg, het antwoord kwam. Dat was de hele transactie. Tegenwoordig is het zwaartepunt verschoven. De systemen die de meeste aandacht en investeringen trekken, zijn niet langer alleen chatbots die antwoorden. Het zijn agents die handelen - het formulier invullen, het bericht versturen, de websites doorbladeren, de records indienen, de code schrijven en uitvoeren.

Dit is de belangrijkste verschuiving om te begrijpen en de rest van dit artikel bouwt hierop voort. Om AI vandaag de dag te begrijpen, moet je twee ideeën uit elkaar houden:

• De engine - het onderliggende model, het ding dat taal produceert.
• De agent - de motor die aan het werk wordt gezet, bedraad zodat hij namens jou acties in de wereld kan ondernemen.

De engine is steeds capabeler geworden. Maar de grotere verandering - en voor inheemse gemeenschappen de ernstigere - is wat mensen nu bouwen rondom de motor. Laten we ze om de beurt bekijken.

De motor: Een machine die voorspelt

Hier is de duidelijkste beschrijving van wat de motor doet: hij voorspelt welk woord als volgende moet komen.

Wanneer je een bericht in een chatbot typt, denkt het systeem niet na over je vraag zoals jij of je kaumatua dat zou doen. Het doet iets veel mechanischers. Het heeft miljarden pagina's tekst te zien gekregen - boeken, websites, gesprekken, juridische documenten, recepten, medische documenten, argumenten op sociale media - en uit al dat lezen heeft het patronen geleerd. Als je het een vraag stelt, genereert het een antwoord door woord voor woord te voorspellen hoe een plausibel antwoord eruit ziet op basis van alles wat het eerder heeft gezien.

Dit is echt nuttig. Een systeem dat de patronen van miljarden pagina's tekst heeft geabsorbeerd, kan je helpen een brief op te stellen, een lang document samen te vatten, een feitelijke vraag te beantwoorden of suggesties te doen voor de formulering van een moeilijke mededeling. Dit zijn echte mogelijkheden en ze besparen echte tijd.

Maar in de kern doet de engine aan patroonherkenning op een buitengewone schaal. Dat ene feit verklaart zowel waar het verbazingwekkend goed in is als waar het stilletjes fout gaat - een punt waar deze serie op terugkomt, omdat voor een gemeenschap wiens kennis ondervertegenwoordigd is in die trainingsgegevens, de manier waarop het fout gaat niet willekeurig is. Het leunt op het Westen.

Kan de motor redeneren?

Er is een diepere vraag die onderzoekers actief onderzoeken en het duidelijke antwoord is: dat weten we nog niet.

Toen vroege AI-systemen vloeiende tekst produceerden, was het redelijk om ze te beschrijven als verfijnde patroonmatching en het daarbij te laten. Maar een nieuwere generatie engines - vaak "redenerende" of "denkende" modellen genoemd - doet iets anders. In plaats van onmiddellijk te antwoorden, doorloopt het een probleem in stappen, waarbij het een zichtbare keten van tussenliggende gedachten produceert voordat het zich vastlegt op een antwoord. Bij moeilijkere problemen doet het er langer over. De resultaten kunnen opmerkelijk zijn: in 2025 losten redeneersystemen van meer dan één groot laboratorium problemen op van de Internationale Wiskunde Olympiade - een van de moeilijkste wiskundewedstrijden ter wereld - op een niveau dat gelijkwaardig is aan dat van een menselijke gouden medaillewinnaar.

Dus is dat redeneren, of is het zeer geavanceerde patroonmatching dat er uitziet als redeneren?

Het onderzoek is echt onduidelijk en serieuze mensen zijn het er niet mee eens. Eén invloedrijke studie uit 2025 stelde dat deze systemen deels een "illusie van denken" zijn - dat ze bij bepaalde puzzels instorten op een manier die een echte redenaar niet zou doen. Verschillende even serieuze antwoorden beweerden het tegenovergestelde. Het meest voorzichtige huidige oordeel is dat de huidige redeneermodellen geen echte redenaars zijn en ook geen papegaaien - ze zijn iets echt nieuws dat we nog niet volledig begrijpen. Iedereen die je vertelt dat AI zeker wel of zeker niet kan redeneren, overdrijft wat het bewijs ondersteunt.

Eén bevinding is wel van belang voor jouw gemeenschap, en het is gemakkelijk verkeerd te lezen, dus lees het zorgvuldig. Wanneer deze systemen je hun "denken" laten zien, geeft die zichtbare keten niet betrouwbaar weer wat het antwoord feitelijk heeft bepaald. Onderzoekers hebben herhaaldelijk ontdekt dat de verklaarde redenering van een model de echte invloeden op zijn conclusie kan weglaten - niet omdat de machine oneerlijk is in menselijke zin (het heeft geen bedoelingen), maar omdat de woorden die het je laat zien zelf gewoon meer voorspelde tekst zijn, geen echte aflezing van een innerlijk proces. Het praktische gevolg: je kunt een AI niet verantwoordelijk houden door simpelweg de uitleg te lezen die het voor zichzelf geeft. Dat is een van de redenen waarom door de gemeenschap gecontroleerd bestuur - dat de output controleert aan de hand van je eigen gegevens in plaats van te vertrouwen op het zelfrapport van de AI - zo belangrijk is. We komen hierop terug in artikel 3.

Wat we wel kunnen zeggen is dit: het traject is steil. Een paar jaar geleden konden deze systemen nauwelijks een samenhangende alinea aan elkaar rijgen. Vandaag de dag schrijven ze essays, leggen ze professionele examens af, genereren ze werkende computercode en handelen ze steeds meer op de wereld in plaats van die alleen maar te beschrijven. De komende jaren zullen de mogelijkheden weer toenemen.

AI kan niets nieuws doen' - Het hangt ervan af wat je onder 'nieuw' verstaat

Mensen die AI afwijzen door te zeggen dat het niets origineels kan maken, doen een bewering die eng waar en breed misleidend is.

Een motor kan niet voortkomen uit ervaring. Hij heeft nog nooit aan een tangi gezeten. Hij heeft nog nooit het gewicht gevoeld om namens een whanau te spreken. Hij kan niet begrijpen waarom de karanga er toe doet aan de poort van een marae - hij kan alleen patronen reproduceren die statistisch gezien op begrip lijken. In die zin is alles wat het produceert een recombinatie van materiaal dat het tijdens de training heeft geabsorbeerd.

Maar bedenk eens wat "recombinatie" eigenlijk betekent op deze schaal. Geen enkel mens heeft elk stuk documentatie over verdragsschikkingen gelezen, elk rapport van de Waitangi Tribunal, elk stuk wetgeving over inheemse rechten in het Gemenebest, elk academisch artikel over inheemse gegevenssoevereiniteit en elke nieuwsbrief van een gemeenschap van de afgelopen honderd jaar. Als de AI een verband legt tussen de polycentrische bestuurstheorie en de traditionele Maori besluitvormingsstructuren, dan is dat verband echt nieuw voor elk individueel mens, ook al bestonden beide ideeën afzonderlijk.

Dus "AI kan niets nieuws doen" is waar op het niveau van oorsprong en onjuist op het niveau van synthese. Beide dingen zijn belangrijk en om serieus met deze technologie om te gaan, moet je beide in je achterhoofd houden.

Van antwoorden naar handelen: De agent

Nu de verandering die het belangrijkst is voor je gemeenschap.

Gedurende het grootste deel van het chatbot-tijdperk was het ergste wat een AI direct kon doen je een slecht antwoord geven. Het kwaad geschiedde alleen als een persoon ernaar handelde - de verkeerde woorden stuurde, de verkeerde figuur vertrouwde, het foute advies doorgaf. Er stond altijd een persoon tussen de machine en het gevolg.

Een agent haalt die persoon uit de lus, dat is de bedoeling.

Een AI-agent is een motor verpakt in wat onderzoekers "steigers" noemen - een geheugen zodat het een taak kan bijhouden, toegang tot een webbrowser, de mogelijkheid om softwaretools en andere programma's te gebruiken en een doel dat je het in duidelijke taal geeft. Met die steiger kan het systeem het doel in vele stappen nastreven met veel minder supervisie: het kan zoeken, beslissen, handelen, het resultaat controleren en opnieuw handelen. Een chatbot antwoordt. Een agent handelt.

Dit is de reden waarom AI opeens anders aanvoelt, ook al zijn de onderliggende engines niet van de ene op de andere dag veranderd. Het nieuwe is grotendeels het omhulsel. De industrie scheidt de twee opzettelijk: de engine levert de ruwe capaciteit en de scaffolding zet die capaciteit om in iets dat werkt in de wereld. Veel van de recente vooruitgang in wat AI kan doen - in tegenstelling tot wat het kan zeggen - is te danken aan betere steigers, niet aan een nieuw soort brein.

De bekende agentproducten van 2025 en 2026 - degenen die voor jou op het web surfen, een computer bedienen of software schrijven en uitvoeren - worden bijna allemaal gebouwd door grote Amerikaanse technologiebedrijven. Voor nu, houd het concept vast: de vraag is niet langer alleen "wat zal de AI mij vertellen?" Het is "wat gaat de AI doen, en kan het op tijd gestopt worden als het fout gaat?"

Voor inheemse gemeenschappen weegt dit bijzonder zwaar. Wanneer een systeem uit zichzelf handelt, zijn er minder kansen om in te grijpen, en sommige acties kunnen niet ongedaan worden gemaakt. Kennis die eenmaal gedeeld is, kan niet opnieuw gedeeld worden; korero ingediend bij een extern systeem, of een taonga van mātauranga doorgegeven aan een platform dat er vervolgens naar handelt, kan niet teruggehaald worden. Een agent die alleen deelt, publiceert of indient - zonder een kaitiaki in de lus - is geen neutraal gemak. Het is de digitale voortzetting van een heel oud patroon: kennis die de controle van de gemeenschap verlaat zonder dat de gemeenschap er iets over te zeggen heeft. En als er iets fout gaat, is het echt moeilijk om te zeggen wie verantwoordelijk was - de persoon die een doel in een zin stelde, of het bedrijf wiens systeem de stappen koos. Dit betekent niet dat agenten nutteloos zijn. Het betekent dat de inzet van wiens agent je gebruikt, en wie de autoriteit heeft over wat het doet, zojuist sterk is gestegen.

Het echte probleem: Wiens patronen en wiens handen aan de knoppen?

Hier wordt het praktisch voor jouw gemeenschap.

Wanneer een grote AI-engine wordt getraind op het internet, absorbeert het de vooroordelen, aannames en culturele standaards van het internet. Het internet is overwegend Engelstalig, westers, commercieel georiënteerd en gevormd door de waarden van een handvol technologiebedrijven. Dit is geen samenzwering - het is gewoon wat er gebeurt als je een systeem traint op gegevens die onevenredig veel één cultuur en één set prioriteiten vertegenwoordigen.

Voor inheemse gemeenschappen is deze vooringenomenheid niet subtiel. Het is structureel. Het internet oververtegenwoordigt geschreven, westerse, geïndividualiseerde kennis. Het ondervertegenwoordigt orale tradities, collectieve besluitvorming, relationele kennissystemen en de vormen van begrip die inheemse volken al generaties lang met zich meedragen. Wanneer een AI wordt getraind op deze gegevens, ontbreekt het hem niet alleen aan inheemse kennis - hij wordt er structureel tegen gewogen. De patronen die het heeft aangeleerd behandelen westerse kaders als de standaard en al het andere als de uitzondering.

Als een whanau lid een AI om advies vraagt over een moeilijke gezinssituatie, grijpt het systeem standaard naar de taal van individuele therapie - assertiviteitstraining, grenzen stellen, zelfzorg - omdat dat de trainingsgegevens domineert. Het grijpt niet naar whanaungatanga (verwantschapsverplichting), manaakitanga (zorg voor anderen), of de lange blik die je krijgt als je weet dat je verplichtingen zich over generaties uitstrekken. Wanneer een gemeenschapsleider het vraagt om te helpen met een gevoelige communicatie, gebruikt het standaard bedrijfstaal, omdat de bedrijfscorrespondentie veel groter is dan de correspondentie van de inheemse gemeenschap.

Het systeem staat niet vijandig tegenover jouw kennis. Het kent jouw kennis gewoon niet. Het weet wat statistisch gebruikelijk is en wat statistisch gebruikelijk is, is overweldigend westers.

In het chatbot-tijdperk gaf die vooringenomenheid vorm aan de woorden die je las - een mihi die las als rouwverwerking. In het tijdperk van de agent geeft dezelfde vooringenomenheid vorm aan de acties die namens jou worden ondernomen. Een agent die tikanga niet begrijpt, zal niet alleen jouw wereld slecht beschrijven; hij kan ook in jouw naam handelen, op manieren die het protocol schenden, voordat iemand hem kan stoppen. Dus het echte probleem met AI heeft nu twee helften: wiens patronen draagt het, en wiens handen zijn aan de knoppen wanneer het handelt?

Waarom dit nu van belang is

Niemand weet met zekerheid wat er gebeurt als een AI-systeem ooit iets ontwikkelt dat lijkt op zijn eigen intentie - doelen en prioriteiten die misschien niet overeenkomen met de onze. We zijn waarschijnlijk nog ver verwijderd van die drempel. Maar de architectuur die we nu bouwen, de gewoonten van bestuur die we vandaag vaststellen, zullen bepalen of we voorbereid zijn als dat moment aanbreekt of dat we te laat ontdekken dat we de controle ongemerkt hebben overgedragen.

Dit is geen science fiction. Het is een eenvoudige observatie over institutionele paraatheid. Jouw gemeenschap heeft haar eigen bestuursstructuren - haar eigen tikanga voor hoe beslissingen worden genomen, hoe autoriteit wordt uitgeoefend, hoe kennis wordt gedeeld. Deze bestaan niet omdat elke hui in chaos vervalt, maar omdat bestuursstructuren er moeten zijn voordat ze nodig zijn, niet erna.

Hetzelfde principe geldt voor AI - en het is nog urgenter nu AI niet alleen adviseert maar ook handelt.

Twee wegen vooruit

Er zijn twee manieren waarop een gemeenschap zich met AI kan bezighouden.

De eerste manier is om Big Tech AI te gebruiken - de chatbots en in toenemende mate de agents die door de grootste Amerikaanse technologiebedrijven worden gebouwd. Deze zijn krachtig, handig en vaak gratis of goedkoop. Maar ze komen met voorwaarden. Jouw gegevens stromen naar hun servers. Je gesprekken - en nu ook de acties van je agent - gaan door systemen waar jij geen controle over hebt. Het gedrag van de AI wordt bepaald door het beleid van het bedrijf, dat zonder jouw toestemming kan veranderen. En de patronen die de AI overbrengt worden bepaald door zijn trainingsgegevens, waar jij geen invloed op hebt. Voor inheemse gemeenschappen die generaties lang hebben gevochten voor soevereiniteit over hun eigen kennis, is dit geen neutrale ruil.

Het tweede pad is om AI te gebruiken die jouw gemeenschap controleert. Een meer gericht systeem, getraind op jouw inhoud, draaiend op infrastructuur die jij beheert, bestuurd door regels die jouw gemeenschap bepaalt. Een systeem dat het verschil weet tussen een communitymededeling en een bedrijfsblogbericht, omdat jouw community het dat heeft geleerd. Een systeem waarvan de reacties worden gecontroleerd aan de hand van uw werkelijke gegevens door onafhankelijke controleurs die los van de AI zelf opereren - en waarvan de mogelijkheid om te handelen opzettelijk is begrensd, zodat iemand uit uw gemeenschap altijd in staat is om in te grijpen voordat iets uw grens verlaat.

Dit is wat Village AI is. Het is niet het krachtigste AI-systeem dat er is. Het is ontworpen om trouw te zijn aan je gemeenschap - aan je inhoud, je waarden en je bestuur. Voor inheemse gemeenschappen houdt die trouw de mogelijkheid in om je eigen woordenschat te definiëren, je eigen bestuurlijke grenzen en je eigen regels over hoe kennis wordt gedeeld - en om zeggenschap te houden over wat een AI in jouw naam doet.

Het volgende artikel in deze serie legt uit hoe Village AI structureel verschilt van Big Tech AI en waarom dat verschil van belang is - met name voor gemeenschappen waarvan de kennissystemen al één golf van kolonisatie hebben overleefd en niet nog een golf zouden moeten overleven.

Dit is artikel 1 van 5 in de serie "To Hapori, To AI". Ga voor de volledige technische architectuur naar Village AI - Agentic Governance.

Volgende: Big Tech AI vs. de AI van je gemeenschap - Waarom het verschil ertoe doet