Kunstmatige intelligentie ontwikkelt zich sneller tot krachtigere systemen dan veel experts hadden verwacht, maar ons vermogen om de risico's ervan in de praktijk te meten, houdt dat tempo niet bij. Dat is de kern van de spanning die centraal staat in het International AI Safety Report 2026, een wetenschappelijke evaluatie onder leiding van Yoshua Bengio, tot stand gekomen met bijdragen van meer dan 100 onafhankelijke experts die zijn voorgedragen door ruim 30 landen en internationale organisaties.
Het rapport is geen voorspelling dat een bepaalde dramatische uitkomst onvermijdelijk is. Het biedt een overzicht van wat onderzoekers weten en niet weten, en waarom onzekerheid op zich van belang is wanneer AI voor algemene doeleinden op grote schaal wordt ingezet.
Drie risicocategorieën
Het rapport groepeert opkomende risico's in drie brede categorieën:
- Kwaadwillig gebruik, waaronder oplichting, fraude, cyberoperaties en misbruik van synthetische content.
- Storingen, waarbij een systeem zich onbetrouwbaar gedraagt, een verkeerd doel nastreeft of schadelijke uitvoer levert.
- Systemische risico's, waarbij grootschalige invoering gevolgen heeft voor arbeid, informatieomgevingen, marktconcentratie of kritieke instellingen.
Het bewijsmateriaal is ongelijk verdeeld. Sommige vormen van schade, zoals fraude met behulp van AI en de verspreiding van intiem beeldmateriaal zonder toestemming, zijn reeds gedocumenteerd. Andere scenario's blijven onzeker, met name wanneer ze afhangen van toekomstige technologische mogelijkheden of complexe maatschappelijke ketens van gebeurtenissen. Verantwoorde verslaglegging moet dat onderscheid zichtbaar houden.
De evaluatiekloof
Een benchmarkscore kan aantonen dat een model goed presteert bij een specifieke test. Op zichzelf kan deze echter niet voorspellen hoe datzelfde systeem zich zal gedragen in een chaotische werkomgeving, onder vijandige druk of wanneer het gekoppeld is aan tools en gevoelige gegevens.
Het rapport spreekt in dit verband van een 'evaluatiekloof'. Modellen kunnen gevoelig zijn voor prompts en context, tests kunnen verouderen en resultaten uit een laboratoriumomgeving laten zich niet altijd direct vertalen naar de praktijk. Dit maakt evaluatie echter niet zinloos. Het betekent wel dat evaluatie gelaagd moet zijn: capaciteitstests, red-team-oefeningen, monitoring tijdens de inzet, incidentrapportage en menselijke beoordeling beantwoorden elk andere vragen.
De waarborgen verbeteren, maar zijn niet doorslaggevend.
Ontwikkelaars en onderzoekers hebben de evaluatie van modellen, training in weigeringsgedrag, toegangscontroles, herkomsttools en veiligheidskaders voor grensverleggende modellen uitgebreid. Het rapport benadrukt echter ook de beperkingen ervan. Vaardige aanvallers kunnen beveiligingsmaatregelen omzeilen, watermerken kunnen kwetsbaar zijn en de effectiviteit van veel maatregelen in de praktijk is nog steeds lastig te kwantificeren.
De verstandige reactie is niet om beveiligingsmaatregelen op te geven. Het gaat erom dat men geen enkele maatregel als een garantie beschouwt. Gelaagde beveiliging is essentieel: beperk toegangsrechten, isoleer gevoelige systemen, registreer ingrijpende acties, test scenario's bij falen en zorg voor een terugdraaimogelijkheid.
Wat praktische teams kunnen doen
- Stem de mate van toezicht af op de gevolgen van de taak.
- Houd mensen verantwoordelijk voor financiële, medische, juridische en veiligheidskritieke beslissingen.
- Geef AI-tools de minimale hoeveelheid gegevens en rechten die ze nodig hebben.
- Meet de prestaties na de uitrol, niet alleen vóór de lancering.
- Registreer mislukkingen en bijna-incidenten, zodat de empirische basis kan worden verbeterd.
- Informeer gebruikers wanneer AI een wezenlijke rol speelt bij inhoud of beslissingen.
De Mythic Mode perspectief
De nuttigste les is van culturele aard: vertrouwen moet gebaseerd zijn op bewijs. AI kan onderzoek, ontwerp en operationele processen versnellen, maar snelheid staat niet gelijk aan betrouwbaarheid. Een systeem wordt betrouwbaarder wanneer de grenzen ervan zichtbaar zijn, de handelingen controleerbaar zijn en de gebruikers bereid zijn te zeggen: "Dat weten we nog niet."
Het rapport beslecht niet elke discussie. Het biedt een gemeenschappelijke wetenschappelijke basis voor het nemen van betere beslissingen, terwijl de capaciteiten en risico's voortdurend veranderen.