Origineel gepubliceerd bij Apache.
De manier waarop generatieve AI wordt verkocht en gefinancierd is oplichterij, zegt techspecialist en schrijver Ed Zitron. Dure, onbetrouwbare software wordt aangeprezen als magie, de sector financiert zichzelf deels circulair en niemand mag de rekeningen zien. Zijn financiële analyse snijdt hout. Tegelijk onderschat Zitron hoe AI arbeid, infrastructuur en macht blijvend herschikt.
Je betaalt twintig euro per maand en zet AI de hele dag aan het werk. Voor dat bedrag lijkt het bijna gratis. Achter die simpele interface staan datacenters ter grootte van fabriekshallen, energiecontracten en investeringen die in de honderden miljarden lopen. De echte rekening is veel groter.
Techspecialist, schrijver en podcaster Ed Zitron wijst al sinds 2024 op die discrepantie. In een recent interview met Steven Bartlett op The Diary of a CEO noemt hij de manier waarop generatieve AI wordt verkocht en gefinancierd een con. Bedrijven overdrijven wat AI kan, de echte kosten van training en gebruik blijven onzichtbaar, en de abonnementsprijzen lijken niet alle kosten te dekken. De sector financiert zichzelf voor een deel in een kring: dezelfde bedrijven zijn tegelijk investeerder, leverancier en klant.
Zitron heeft een punt. De variabele kosten zijn hoog, de verliezen lopen in de miljarden, de rekeningen zijn ondoorzichtig. AI maakt fouten, AI-adoptie wordt deels opgedrongen en AI-output vraagt nog vaak veel menselijke bewerking.
De publieke reacties op het interview zijn bijna even veelzeggend als het interview zelf. Eindelijk gezond verstand. Een verademing. Een intelligente kijk, broodnodig vandaag. Er is duidelijk een behoefte aan tegenspraak. Voor velen is AI niet alleen een overdreven belofte, maar een dreiging die ze het liefst zien verdwijnen.
En toch. Uit een onhoudbare rekening volgt niet dat AI economisch onbelangrijk is.
Meer dan ChatGPT
Zitron analyseert vooral de commerciële uitbouw van grote generatieve modellen, niet het hele AI-veld.
Veel wetenschappelijke en industriële AI gebruikt geen taalmodel. Voorspellende AI optimaliseert processen en helpt machines onderhouden voor ze stukgaan. Beeldherkenning leest scans en spoort fouten op productielijnen op. Wetenschappelijke AI helpt het weer voorspellen en elektriciteitsnetten aansturen. Robotica geeft AI via sensoren een greep op de fysieke wereld. Zulke systemen verschillen ook in kosten en betrouwbaarheid: een medische beeldanalyse hallucineert niet zoals een chatbot maar voert een afgebakende taak uit die je systematisch kunt testen.
Er bestaan ook veel hybride systemen, waarin een taalmodel maar één onderdeel is. In engineering software kan je bijvoorbeeld intypen: ontwerp een beugel die een gegeven last draagt, zo licht mogelijk en printbaar in aluminium. Het taalmodel vertaalt die vraag naar ontwerpdoelen, een generatief systeem stelt vormen voor, en klassieke simulaties rekenen ze door: houdt de beugel de kracht, buigt hij niet te veel, kan de printer hem maken? De AI stelt voor. De fysica beslist.
Een crash in de commerciële generatieve-AI-sector zou dus niet alle AI op dezelfde manier raken. Toepassingen die afhankelijk zijn van een groot commercieel taalmodel kunnen uitvallen als hun aanbieder verdwijnt. Overschakelen naar een ander model kan, maar vraagt mogelijk aanpassingen en nieuwe tests. Maar veel opgebouwde kennis, software en datasets blijven bestaan. Waardevolle infrastructuur en onderzoeksteams kunnen door andere spelers worden overgenomen. De ontwikkeling stopt dus niet, maar kan wel vertragen en verschuiven naar kleinere, open en gespecialiseerde modellen.
Impact op de arbeidsmarkt
Dat een technologie functioneert, dat ze de gebruiker geld bespaart en dat de aanbieder eraan verdient, zijn drie verschillende dingen. De eerste twee kunnen kloppen terwijl de derde faalt. Je betaalt twintig euro voor iets dat je bruikbaar werk oplevert, terwijl dat bedrag mogelijk niet volstaat om de kosten van de aanbieder te dekken. Dat maakt het bedrijfsmodel kwetsbaar. Maar het maakt de technologie nog niet waardeloos.
De echte vraag is waar de waarde wordt verzilverd. Zelfs als generatieve AI economisch belangrijk wordt, hoeven de bedrijven die de grote modellen bouwen niet de winnaars te zijn. Modellen verouderen snel, de vaste kosten zijn hoog en de prijsconcurrentie is moordend. De waarde kan net zo goed worden verzilverd door de gebruikers, door bedrijven met unieke data, door de chip- en cloudleveranciers of door gespecialiseerde toepassingen.
Volgens Zitron zijn de kosten ruïneus: elke dollar omzet kost drie tot dertien dollar aan rekenkracht, en die kosten dalen niet snel genoeg. Critici, zoals Kelsey Piper, verwijten Zitron dat hij die kosten overschat en hun daling onderschat. Eigenlijk zijn er twee vragen: dalen de kosten per taak genoeg voor een gezonde marge, en groeit de betalende vraag snel genoeg om ook training, infrastructuur en kapitaal terug te verdienen? Op beide is er nog geen zeker antwoord.
Stel nu dat Zitron gelijk krijgt en de bubbel barst. Dan zijn er in de tussentijd al dingen in beweging gezet die niet zomaar terugveren.
Neem de arbeidsmarkt. Ontslagen die aan AI worden toegeschreven, bewijzen nog niet dat AI het werk heeft overgenomen. Het kan ook verschoven, uitbesteed of gewoon slechter gedaan zijn. En toch kan de verwachting van vervanging de verhoudingen nu al veranderen. Het duidelijkste signaal zit bij starters. Bij twintigers groeit de werkgelegenheid in beroepen die sterk aan AI zijn blootgesteld trager dan in minder blootgestelde beroepen. De kloof is intussen opgelopen tot ongeveer 19%, al is er geen hard bewijs dat AI de oorzaak is.
De dreiging van vervanging kan daarbovenop aanwervingen uitstellen en de norm opdrijven, ook zonder dat de automatisering al echt werkt.
Onderhandelingsmacht kan ook veranderen. Ze hangt immers mede af van hoe onmisbaar werknemers zijn. Nemen AI en robots meer werk over dan ze creëren, dan staan werknemers zwakker.
Kringfinanciering
De tweede verschuiving staat in beton gegoten, letterlijk. Stargate werd aangekondigd als een infrastructuurproject dat over vier jaar tot vijfhonderd miljard dollar wil investeren in datacenters voor AI. Die infrastructuur moet vandaag worden gebouwd voor inkomsten die pas morgen worden verwacht.
Een deel ervan wordt met schuld en langlopende verplichtingen gefinancierd. Naast de datacenters ontstaan afnamecontracten, energieovereenkomsten en investeringsbeloften. Die blijven bestaan, ook als de verwachte inkomsten uitblijven.
Binnen de generatieve-AI-sector financieren en bedienen dezelfde bedrijven elkaar. De Bank for International Settlements (BIS) noemt het circulaire financiering.
SoftBank is tegelijk een grote investeerder in OpenAI, financieel trekker van Stargate en partner in energie- en datacenterprojecten. OpenAI en SoftBank staken elk vijfhonderd miljoen dollar in SB Energy, waarna OpenAI dat bedrijf uitkoos voor een aangekondigde datacentersite in Texas.
Nvidia investeert in het cloudbedrijf CoreWeave, levert er de chips aan en garandeert bovendien dat het tot 2032 voor maximaal 6,3 miljard dollar aan onverkochte capaciteit koopt. Rond OpenAI zie je een vergelijkbaar patroon. Het haalde begin 2026 honderdtien miljard dollar op bij Amazon, SoftBank en Nvidia, een ronde die later tot honderdtweeëntwintig miljard opliep. Met dat kapitaal koopt het op grote schaal infrastructuur bij precies die investeerders.
Door die kringfinanciering is niet duidelijk hoe groot de echte vraag is van onafhankelijke klanten die de volle prijs uit eigen zak betalen. Dezelfde geldstroom kan binnen de kring verschijnen als investering, omzet en nieuwe vraag.
Dezelfde toekomstverwachting weegt ook fysiek. Volgens het Internationaal Energieagentschap gebruikten datacenters in 2024 ongeveer 415 terawattuur stroom, zowat anderhalf procent van de wereldvraag. Datacenters concurreren om stroom, water en netaansluitingen die ook elders nodig zijn.
Zo legt die verwachting nu al kapitaal, chips, energie en bouwcapaciteit vast. Als de verwachte vraag uitblijft, kan de financiële waarde van die infrastructuur sterk dalen. En de verbruikte energie en materialen krijg je niet terug.
Privaat gewin, publiek verlies
Het AI-debat vraagt meestal wie de winst krijgt als AI slaagt. Zitrons scenario dwingt tot de omgekeerde vraag: wie draagt het verlies als de belofte niet uitkomt?
De BIS waarschuwt dat een scherpe omslag in het AI-sentiment via de kredietmarkten kan doorwerken in de reële economie. Ook het IMF ziet hoe een schok zich door de circulaire financiering naar andere bedrijven en de bredere markt kan verspreiden. Het noemt het huidige risico voor de financiële stabiliteit wel nog bescheiden.
De eerste verliezen zijn voor aandeelhouders en kredietverstrekkers. Maar daar hoeft het niet te blijven. Datacenterschuld kan ook op de balansen van banken, verzekeraars, pensioenfondsen en beleggingsfondsen terechtkomen. Zo kunnen mensen die nooit rechtstreeks in een AI-bedrijf investeerden toch via hun pensioen of beleggingen worden geraakt. Ze zitten niet aan tafel wanneer de verplichtingen worden aangegaan, maar kunnen later wel een deel van de rekening krijgen.
Het patroon is ondertussen bekend. Eerst nemen bedrijven en hun financiers op eigen houtje de beslissingen en bouwen ze de verplichtingen op. Zodra ze too big to fail zijn, staat het publiek voor een voldongen feit. Hun falen kan dan zoveel schade veroorzaken dat de overheid onder grote druk komt te staan om hen te redden.
Zonder tegenprestatie blijven de winsten en de macht privaat, terwijl het publiek voor het verlies opdraait. Bij een reddingsoperatie met publiek geld zou de overheid dus op zijn minst eigendom en zeggenschap in ruil moeten krijgen.
De Pro-Human AI Declaration, ondertekend over politieke grenzen heen, trekt een hardere grens: geen overheidsredding voor AI-bedrijven, echte waarde in plaats van opgeklopte beloften, en democratische zeggenschap over keuzes die werk en samenleving omvormen.
Wie mag de boeken zien?
Transparantie over AI gaat vaak over trainingsdata en modelgedrag. Maar ook de financiële en fysieke constructie hoort zichtbaar te zijn. Zitron staat daarin niet alleen. De BIS waarschuwt dat de ondoorzichtigheid van de AI-financiering de weerbaarheid van de financiële markten ondermijnt. Vier Amerikaanse senatoren vroegen de toezichthouder om een onderzoek naar precies die opaciteit.
Minstens moet zichtbaar zijn hoeveel inkomsten van onafhankelijke klanten komen, wat training en gebruik werkelijk kosten, welke schulden en langlopende contracten zijn aangegaan en wie het verlies draagt bij een afwaardering. Ook het fysieke beslag moet openbaar zijn: hoeveel energie, water en netcapaciteit de projecten vragen.
Eerst alles verbergen tijdens de opbouw en later beweren dat je onmisbaar bent. Dat liedje kennen we ondertussen.
Een bubbel kan echte grond verplaatsen
Een crash doet AI niet verdwijnen. Het internet overleefde de dotcomcrash ook. Sommige bedrijven overleven het niet. Een deel van de technologie wel.
Zitrons waarschuwing is grotendeels terecht: de uitbouw draait deels op schuld, kosten blijven verborgen en circulaire financiering is wijdverspreid. Maar dat betekent nog niet dat AI economisch onbelangrijk is. Een bubbel kan barsten terwijl de onderliggende technologie arbeid, infrastructuur en macht blijvend herschikt.
Als de bubbel barst, ligt de oude bodem er niet meer.