Waarom maakt AI ons nog niet productiever?

Beluister Turing Station op Spotify | Apple Podcasts | YouTube.

Nederlandse bedrijven horen bij de koplopers in AI-gebruik. Waarom zie je dat dan nog nauwelijks terug in de productiviteitscijfers? Die vraag kwam deze week steeds terug: in het rapport van De Nederlandsche Bank, in de kostencurves van AI-modellen en in een omstreden manifest bij Proton. Peter was er deze keer niet bij, dus Bart en Bert namen het met z'n tweeën op.

TL;DR

• [00:06:13] Volgens DNB leidt breed AI-gebruik niet automatisch tot productiviteit. Bert beschrijft tien sluisdeuren die allemaal open moeten. Bart vraagt zich af wie er nog consumeert en belasting betaalt als AI banen van hoogopgeleiden overneemt.
• [00:44:00] Bart deelt de MCP's die hij dagelijks gebruikt: Stripe, Moneybird, GitHub, n8n, Home Assistant, DaVinci Resolve en Cloudflare. Daarmee zette hij in twee uur een complete website met e-mail op.
• [01:00:49] Met de Progress Index van Artificial Analysis zie je dat hetzelfde competentieniveau binnen een half jaar zo'n 100 keer goedkoper wordt. Een conclusie als 'het kan niet' betekent dus eigenlijk 'het kan nu nog niet'.
• [01:19:19] Het AI-manifest van Proton-CTO Bart Butler bevat een scherpe analyse, maar Bart vindt dat de CTO het oplossen te veel bij zijn engineers neerlegt.

DNB: tijdsbesparing door AI is nog geen productiviteit

DNB bracht een goed leesbaar rapport uit over AI, productiviteit en werkgelegenheid. De kernboodschap: Nederland heeft een gunstige uitgangspositie, maar de winst komt niet vanzelf. Bedrijven moeten AI echt in hun werkprocessen inbouwen, succesvolle toepassingen moeten zich verspreiden en productieve bedrijven moeten ruimte krijgen om te groeien.

Bert werkte dat uit tot tien 'sluisdeuren' op drie niveaus. Staat er één dicht, dan stroomt er geen water. Voor het individu gaat het om betrouwbare en betaalbare modellen, om kennis, tijd, budget en regelruimte, en om leiders die zien dat niets doen een groter risico is dan wel handelen. Voor het bedrijf gaat het om een netto positief resultaat (inclusief tokens en foutherstel), om het vermogen van de organisatie om te veranderen, om de juiste prikkels (wie per uur declareert, wordt gestraft voor efficiëntie) en om een plan voor de capaciteit die vrijkomt. Voor de economie als geheel moeten werkwijzen zich verspreiden, moeten succesvolle bedrijven kunnen groeien en moeten mensen en kapitaal kunnen bewegen. Bert stelde zelf voor dat de overheid het goede voorbeeld geeft met MCP's voor bijvoorbeeld de KVK, het Kadaster en de RDW. Hij opperde ook een aparte regeling voor 'ontslag vanwege AI', met scholing en begeleiding erbij.

Bart duwde terug. Als je echt gelooft dat AI banen van hoogopgeleiden kan overnemen, kun je volgens hem niet tegelijk zeggen dat er gewoon weer nieuwe banen bijkomen. Wie gaat er dan nog consumeren? En als de winst bij bedrijven en aandeelhouders terechtkomt in plaats van bij werknemers, krijgt de overheid minder binnen. Winst wordt namelijk lager belast (zo'n 25% vennootschapsbelasting) dan arbeid. Bert bracht de Jevons-paradox in stelling en het voorbeeld van de radiologen: daar ontstond juist een tekort. Maar hij erkent ook dat werknemers niet zomaar uitwisselbaar zijn. Een boekhouder kun je niet zomaar in de zorg zetten.

De MCP's die Bart echt gebruikt

Vorige week zeiden we dat bedrijven een MCP moeten aanbieden. Deze week laat Bart zien welke hij zelf gebruikt. Met Stripe en Moneybird samen vraagt hij Claude hoe deze maand zich verhoudt tot vorige maand. Via GitHub gaan pull requests en deployments rechtstreeks vanuit zijn agent. Met de n8n-MCP heeft hij al een half jaar zelf geen workflow meer gebouwd: Claude doet dat vrijwel foutloos. Verder gebruikt hij Home Assistant voor automatische gordijnen en DaVinci Resolve om het mechanische montagewerk te automatiseren.

Het mooiste voorbeeld: met de MCP's van Cloudflare en Resend en de API van Chatwoot stond in twee uur een website met DNS, e-mail en helpdesk. Twee jaar geleden was Bart nog de doorgeefluik die DNS-records overtikte. Nu regelt de agent het zelf. Bert legt uit waarom dat werkt: API-documentatie is geschreven voor mensen, een MCP verpakt de API zo dat een agent er direct mee aan de slag kan. Hij zet wel een kanttekening bij het PostHog-voorbeeld, waarin zoek-endpoints werden vervangen door directe SQL-toegang. Bij een bedrijf als Stripe zit tussen de database en de API business logic die je niet zomaar kunt overslaan.

Meningen over AI hebben een houdbaarheidsdatum

Benchmarks raken snel verzadigd: eerst scoort elk model 0%, een jaar later 100%. Met de Progress Index van Artificial Analysis kun je modellen vanaf november 2022 toch op één schaal vergelijken. Open-weights modellen lopen zo'n twee tot acht maanden achter op gesloten modellen. Het opvallendst vindt Bert de kostengrafiek. Score 280 kostte eerst $12 per miljoen tokens (Gemini 3 Pro Preview High), daarna $2,50 (Grok 4.20) en nu $0,23 (DeepSeek V4 Flash). Dat is zo'n 100 keer goedkoper in een half jaar. Bart merkt op dat elk nieuw topniveau wel duurder begint.

De les van Bert: de uitkomst van een experiment is nooit 'het kan niet', maar 'het kan nu nog niet'. Een Stanford-studie naar 45 bekende zwaktes van LLM's onderbouwt dat. Er zijn er 22 opgelost en 17 verbeterd, acht zijn onveranderd en drie zijn erger geworden, waaronder het slijmen naar gebruikers. Bart houdt een slag om de arm: modellen hallucineren nog steeds, en Elon Musk moest het gebruik van Grok inperken omdat het te duur werd. Dus ook 'het gaat zeker lukken' is te stellig.

Het AI-manifest van Proton: visie of afschuiven?

Een onderzoek van 404 Media beschrijft hoe bij Proton, met zo'n 100 miljoen gebruikers en 600 medewerkers, AI-gebruik steeds harder wordt opgelegd. Extra dagen pentesten werden afgedaan als 'loser thinking'. CTO Bart Butler schreef een manifest met als kern 'Programming is dead. Engineering is not.' Hij noemt drie oorzaken voor het uitblijven van productiviteitswinst: developers behandelen de LLM als hulpje, de bottlenecks liggen nu elders in het proces, en er is nog geen goede vorm voor multiplayer AI.

Bert vindt de analyse grotendeels terecht. Het is de Theory of Constraints van Goldratt: los je één bottleneck op, dan verschuift die naar een andere plek. Hij denkt dat we, net als bij Agile en DevOps, een nieuwe manier van werken nodig hebben die past bij agentic engineering. Wel valt het hem op dat CEO's die zelf meeprogrammeren, zoals Jack Dorsey, overtuigender klinken. Bart is kritischer, zowel over de vorm als over de inhoud. Het manifest legt het uitvinden van nieuwe processen bij de engineers neer, terwijl dat juist de taak van de CTO is. Zijn oproep aan techbestuurders: 'read the room'. Een Amerikaanse vriend van hem vond het manifest juist inspirerend.

Bronnen

Tijdsbesparing door AI leidt niet automatisch tot hogere productiviteit en snellere economische groei.

• DNB-rapport: AI biedt kansen voor Nederland, maar succes komt niet vanzelf
• FD: DNB wil starre polder opschudden voor succesvolle inzet van AI

MCP

• Cloudflare: MCP-servers voor Cloudflare
• GitHub: officiële MCP-server
• n8n: verbinden met de n8n MCP-server
• Resend: documentatie MCP-server
• Chatwoot: introductie API-documentatie
• Stripe: MCP-server documentatie
• Moneybird: AI-koppeling via MCP
• Blackmagic Design: aankondiging MCP voor DaVinci Resolve
• Home Assistant: MCP-server integratie

Meningen over AI hebben een houdbaarheidsdatum

• Stanford: de houdbaarheid van onderzoeksbevindingen over LLM's
• Artificial Analysis Progress Index: AI-modellen door de tijd vergeleken

Proton

• 404 Media: groot onderzoek naar de AI-cultuur binnen Proton

Ik heb mijn eigen CRM systeem gebouwd. Van A tot Z. Met AI.

• LinkedIn: Nick Burgers bouwde met AI zijn eigen CRM-systeem

Timestamps

[00:00:00] - Intro
[00:06:13] - Tijdsbesparing door AI
[00:44:00] - MCP
[01:00:49] - Meningen over AI hebben een houdbaarheidsdatum
[01:19:19] - Proton