Kort idee: AGI is “algemene” kunstmatige intelligentie: een systeem dat niet één trucje kan, maar breed kan leren, redeneren en taken kan oppakken zoals mensen dat doen. Het probleem: iedereen gebruikt het woord anders — en dat maakt hype makkelijk. In dit artikel krijg je een simpele uitleg, een duidelijke vergelijkingstabel én een checklist om claims (zoals “AGI in 2027”) nuchter te beoordelen.
Wat is AGI in 3 zinnen (zonder jargon)
AGI staat voor Artificial General Intelligence: een hypothetische vorm van AI die breed kan denken en leren, dus niet alleen binnen één afgebakende taak.
In tegenstelling tot de meeste AI van nu (die heel goed is in specifieke taken) zou AGI kennis kunnen overdragen naar nieuwe situaties, plannen maken en problemen oplossen die het niet letterlijk eerder heeft gezien.
Belangrijk: er is geen universeel meetlint voor AGI. Daarom kan de één “bijna AGI” roepen terwijl de ander zegt: “nog lang niet”.
AI, generatieve AI, agents, AGI en ASI — het verschil
Veel verwarring komt doordat termen door elkaar worden gebruikt. Hieronder een heldere, praktische indeling.
| Begrip | Wat is het? | Waar is het sterk in? | Grootste beperking (vandaag) | Voorbeeld |
|---|---|---|---|---|
| ANI (smalle AI) | AI voor één taak of domein | Herhaling, patroonherkenning, optimalisatie | Kan niet generaliseren naar “alles” | Spamfilter, route-optimalisatie, beeldherkenning |
| Generatieve AI (GenAI) | Modellen die content maken (tekst/beeld/audio/code) | Snel concepten, samenvatten, varianten genereren | Kan overtuigend fout zitten; begrijpt niet “zoals een mens” | Tekstassistent, beeldgenerator, codehulp |
| AI-agents | GenAI + tools + workflow (meerdere stappen automatisch) | Taken ketenen: zoeken → schrijven → mailen → plannen | Betrouwbaarheid, veiligheid, grenzen/controle | Agent die tickets triageert en antwoorden voorstelt |
| AGI | Algemene intelligentie over veel domeinen (hypothetisch) | Brede probleemoplossing, transfer learning, adaptatie | Bestaat (nog) niet als bewezen, algemeen systeem | “Eén systeem” dat vrijwel alles op mensniveau kan |
| ASI | Superintelligentie: ver boven menselijk niveau | Alles (in theorie) sneller/beter dan mensen | Speculatief + enorme veiligheidsvragen | Sciencefiction-scenario’s |
Vuistregels (handig voor nieuws lezen)
- Als het om één taak gaat: meestal ANI.
- Als het tekst/beeld produceert: GenAI.
- Als het stappen uitvoert met tools: agent.
- Als iemand zegt “het kan alles”: vraag meteen wat bedoelen ze met ‘alles’? (AGI-claim).
Waarom “wanneer AGI er is” zo discutabel is
AGI is geen simpele feature die je “aan” zet. De discussie gaat meestal mis op drie punten:
- Definitie: bedoelen we “mensniveau op bijna alle taken” of “beter dan de meeste mensen op veel taken”?
- Testbaarheid: benchmarks meten vaak een deel van intelligentie, en kunnen “getraind” worden door data of trucjes.
- Generaliseerbaarheid: het moeilijkste stuk is niet “goed zijn op test A”, maar betrouwbaar blijven in nieuwe, rommelige situaties.
Daarom zie je dat sommige artikelen zeggen: “AGI komt snel”, terwijl anderen wijzen op fundamentele barrières. Beide kunnen deels gelijk hebben — afhankelijk van de definitie.
Hype-checklist: 10 vragen bij elke AGI-headline (zoals “2027”)
Gebruik dit als filter. Als een artikel deze vragen niet kan beantwoorden, is het meestal meer hype dan informatie.
- Welke definitie van AGI gebruiken ze? (mensniveau op alles, of “best goed op veel dingen”?)
- Welke taken zijn bewezen? Noem concrete taken, niet alleen “kan redeneren”.
- Wie heeft het getest? Intern marketingteam of onafhankelijke evaluatie?
- Is het reproduceerbaar? Kunnen anderen dezelfde resultaten halen?
- Wat gebeurt er bij onbekende situaties? (out-of-distribution) — blijft het stabiel?
- Hoe gaat het om met fouten? Kan het zichzelf corrigeren, onzekerheid tonen, of checken?
- Heeft het tool-toegang? Zo ja: welke veiligheidsrails, logging, permissions?
- Is er sprake van autonomie? Hoeveel beslissingen neemt het zonder mens?
- Wat is het business-incentive? Wie verdient aan “AGI is nabij” (funding, aandelen, marketing)?
- Welke claim is minimaal waar, zelfs als AGI níet komt? (Bijv. “agents worden nuttiger”) — dat is vaak het echte nieuws.
Snelle score
- 0–3 antwoorden → vooral hype.
- 4–7 antwoorden → interessant, maar check bronnen.
- 8–10 antwoorden → zeldzaam; waarschijnlijk serieus materiaal.
Kansen en risico’s (zonder doemdenken of utopie)
Kansen
- Productiviteit: meer werk met minder frictie (schrijven, analyseren, plannen).
- Onderzoek: snellere iteratie in software, materiaalonderzoek, biomedische hypotheses.
- Onderwijs: persoonlijke uitleg op tempo van de leerling (mits goed ingericht).
Risico’s
- Betrouwbaarheid: overtuigend klinkende fouten blijven een probleem, zeker bij “agents”.
- Macht & concentratie: wie de beste modellen + data + compute heeft, krijgt disproportioneel voordeel.
- Misbruik: phishing, deepfakes, social engineering, geautomatiseerde scams.
- Alignment & controle: hoe zorg je dat doelen en middelen menselijk blijven, ook als systemen autonomer worden?
Realistische takeaway: je hoeft niet te beslissen of “AGI in 2027” waar is om de impact te voelen. De grootste, tastbare verandering komt al van beter wordende GenAI en agents — mits we betrouwbaarheid en veiligheid serieus nemen.
Signalen om te volgen in 2026 (praktisch)
Wil je bijblijven zonder elke hypegolf te surfen? Let op deze “signalen” in nieuws en productupdates:
- Robuustheid: minder hallucinaties, betere foutafhandeling, echte bronvermelding met controleerbaarheid.
- Autonomie met remmen: agents die taken uitvoeren, maar met duidelijke permissies, logging en “stopknoppen”.
- Onafhankelijke evaluaties: benchmarks + real-world tests door derde partijen.
- Veiligheidspraktijken: red-teaming, incidentrapportage, toegang tot gevaarlijke tools beperken.
- Economische realiteit: niet alleen “slimmer”, maar ook betaalbaar, schaalbaar en nuttig in dagelijkse processen.
Als je deze signalen ziet verbeteren, dan is dat concreter dan een losse jaartal-voorspelling.
FAQ
Bestaat AGI al?
Er is geen breed geaccepteerde, onafhankelijke bevestiging van een systeem dat “algemeen op mensniveau” presteert. Veel huidige systemen zijn indrukwekkend, maar vallen meestal onder GenAI of agents.
Waarom gebruiken bedrijven het woord AGI zo graag?
Het woord staat voor een enorme belofte (markt, macht, investeringen). Tegelijk is het vaag genoeg om op meerdere manieren te claimen.
Is “AGI in 2027” realistisch?
Het is een voorspelling, geen feit. Beoordeel het met de 10 vragen: definitie, bewijs, onafhankelijke tests, reproduceerbaarheid en veiligheid. Zonder dat blijft het vooral verhaalvorming.
Wat is het verschil tussen AGI en generatieve AI?
Generatieve AI maakt content op basis van patronen; AGI zou breed kunnen begrijpen/leren/handelen over domeinen heen, zoals mensen. In praktijk wordt die grens vaak vaag gepresenteerd.
Zijn AI-agents al “gevaarlijk”?
Ze kunnen risico’s vergroten omdat ze meerdere stappen automatiseren (bijv. zoeken + handelen). Daarom zijn permissies, logging en menselijke controle cruciaal.
Welke skills heb ik nodig als lezer/werker?
Kritisch bronlezen, basisbegrippen (AI/GenAI/agents), en het vermogen om claims te checken. Dat is precies wat de checklist traint.
Wat is ASI dan?
ASI is “superintelligentie”: duidelijk boven menselijk niveau. Dat is nog speculatiever en brengt grotere controle- en veiligheidsvragen mee.
Checklist op 1 scherm
- Definitie? Wat bedoelen ze met AGI?
- Bewijs? Concrete taken + resultaten.
- Onafhankelijk getest? Door wie?
- Herhaalbaar? Kunnen anderen het reproduceren?
- Robuust? Doet het het ook buiten benchmarks?
- Veilig? Tool-toegang, permissies, logging, noodstop.
- Incentives? Wie wint bij hype?
Woordenlijst
- AGI
- Artificial General Intelligence: hypothetische AI met brede, mensachtige competenties over veel taken/domeinen.
- ANI
- Artificial Narrow Intelligence: AI die uitblinkt in één specifieke taak.
- Generatieve AI (GenAI)
- AI die nieuwe content genereert (tekst, beeld, audio, code).
- AI-agent
- Een systeem dat (GenAI + tools) gebruikt om taken in meerdere stappen uit te voeren.
- Benchmark
- Gestandaardiseerde test om modellen te vergelijken, maar niet altijd gelijk aan “real-world” vaardigheid.
- Hallucinatie
- Wanneer een model een overtuigend, maar onjuist antwoord produceert.
- Alignment
- Het afstemmen van AI-gedrag op menselijke doelen en waarden, inclusief veiligheid en controle.