Andrew Ng zegt dat AI-labs angst misbruiken voor een regulatoire voorsprong, terwijl Coursera zijn weddenschap van 100 miljoen dollar op individuele AI-bijlessen steunt
Interview gepubliceerd op 3 september 2026 over AI-regulering, banenverlies en de lancering van LearnVector
Andrew Ng, medeoprichter van Google Brain en Coursera wiens online machinelearningcursussen meer dan 8 miljoen lerenden hebben bereikt, heeft in een uitgebreid interview een van zijn scherpste publieke kritieken tot nu toe geuit op hoe de AI-industrie praat over haar eigen risico's. Zijn kernpunt: de golf van doemscenario's rond AI die socialemediadebatten en het beleidsdebat de afgelopen twee à drie jaar overspoelt, is geen spontane reactie op echthandelingen, maar een gecoördineerde commerciële strategie van een selecte groep toonaangevende labs om wettelijke voordelen te verankeren.
Bangmakerij als bedrijfsstrategie, geen wetenschap
Ng windt er geen doekjes om. "Een handvol toonaangevende AI-bedrijven roept heel hard dat AI gevaarlijk is om zo wetgeving af te dwingen die een ongelijk speelveld creëert in het voordeel van de gevestigde orde. Zo moeten we allemaal de hoofdprijs betalen voor het gebruik van AI, terwijl andere teams, of het nu onderzoekers zijn of andere bedrijven, worden tegengewerkt die simpelweg open-weight modellen willen weggeven die iedereen veel goedkoper kan gebruiken," aldus Ng. In zijn optiek zijn vergelijkingen van AI met kernwapens, selectief gewikkelde faalgevallen en misleidende statistieken over het waterverbruik van datacenters geen toevallige overdrijvingen, maar een bewuste "stroom van op angst gebaseerde boodschappen". Dit heeft volgens hem de maatschappelijke perceptie van AI negatief gekleurd en remt momenteel de Amerikaanse adoptie en concurrentiekracht actief af. Voor beleggers die de beleidsomgeving rond de regulering van frontier-modellen volgen, zijn Ngs opmerkingen een herinnering dat de lobbybelanghebbenden in deze sector één bepaalde kant op koersen: richting nalevingskosten die grotere, kapitaalkrachtige labs veel makkelijker kunnen absorberen dan open-source uitdagers of kleinere nieuwkomers.
Het narratief van de banenapocalyps klopt niet met de data, stelt Ng
Wat betreft de ontwrichting van de arbeidsmarkt, nam Ng fel stelling tegen beweringen dat AI de helft van alle banen zal elimineren. Onder verwijzing naar taakgericht onderzoek van de economen Erik Brynjolfsson van Stanford en Andrew McAfee van MIT, merkte hij op dat AI 30% tot 40% van de taken binnen veel banen kan automatiseren, waardoor de resterende 60% tot 70% van de menselijke taken juist economisch waardevoller wordt, in plaats van minder waardevol. De duidelijkste proefsteen hiervan is software engineering, het vakgebied dat het directst door AI is geraakt. "Het aantal openstaande vacatures in software engineering is gestegen, in tegenstelling tot wat de doemdenkers beweren," aldus Ng, eraan toevoegend dat "alle goede software engineers die ik ken drukker zijn dan ooit." Zijn waarschuwing is scherper voor iedereen die nog op dezelfde manier codeert als voor ChatGPT: die werknemers "zitten in de problemen" tenzij ze zich snel omscholing ondergaan. Hij ziet dezelfde verschuiving nu optreden in marketing, werving en HR, waar door AI ondersteunde generalisten smalle specialisten verdringen in plaats van dat het aantal formatieplaatsen volledig instort.
LearnVector: een weddenschap van 100 miljoen dollar dat onderwijs van één-op-veelvroud verouderd is
Het meest concrete nieuws uit het interview is Ngs onthulling van LearnVector, een nieuwe onderneming die hij leidt met een investering van 100 miljoen dollar van Coursera. Het uitgangspunt is een directe afwijzing van het MOOC-model dat Ng vijftien jaar geleden zelf hielp pionieren. "Vijftien jaar geleden had ik de voorrechten om deel te nemen aan de beweging van online cursussen die volgens mij de manier waarop veel mensen leren heeft veranderd, maar dat was en blijft grotendeels een ervaring van één-op-veel waarbij iedereen minstens dezelfde video bekijkt," zei hij. LearnVector gokt erop dat AI het nu technisch en economisch voor het eerst op schaal haalbaar maakt om volledig gepersonaliseerde leerervaringen van één op één aan te bieden. Ng zei dat het team verwacht "tegen begin volgend jaar" meer te kunnen laten zien, wat dit een naam maakt die beleggers in Coursera's ecosysteem nauwlettend in de gaten moeten houden, zowel als kapitaalallocatiebeslissing als een signaal van waar Ng gelooft dat de margestructuur van de edtech naartoe beweegt.
De ongemakkelijke twist: AI is slecht voor het leerproces
Ngs onderbouwing voor LearnVector rust op een bevinding die volgens hem bijna taboe is om openlijk uit te spreken: huidige large language models zijn slechte hulpmiddelen om mee te leren, ondanks dat ze uitstekend van pas komen om werk gedaan te krijgen. "De data zijn heel helder. Studenten scoren hoger op huiswerk als ze AI gebruiken. Joepie, hogere huiswerkcijfers. Maar het behoud van kennis, hun prestaties op de lange termijn, is een stuk slechter omdat AI het werk voor ze doet," aldus Ng. Hij trok die lijn door naar zijn eigen workflow, en merkte op dat hij zes maanden nadat hij een frontier-model heeft gebruikt om een technisch probleem op te lossen, de oplossing vaak niet meer kan terughalen en het model opnieuw moet raadplegen. Zijn conclusie is glashelder: "We moeten ophouden met de gedachte dat AI nuttig is om te leren, tenminste op de overgrote meerderheid van manieren waarop de overgrote meerderheid van de mensen tegenwoordig AI-modellen gebruikt. Het is absoluut verschrikkelijk om mee te leren." Dit is de kloof die LearnVector expliciet wil dichten, waarmee het de commerciële these onderscheidt van generieke AI-bijleshype.
De menselijke "contextvoorsprong" als de structurele gracht tegen automatisering
Ten grondslag aan Ngs scepticisme over banenverlies op korte termijn ligt een concept dat hij de menselijke contextvoorsprong noemt: de opgehoopte, situationele kennis die werknemers in de loop der jaren opbouwen en waar AI-systemen op geen enkele praktische manier bij kunnen. "Het blijkt dat bijna alle mensen simpelweg heel veel weten waarvoor de infrastructuur niet bestaat, en naar ik vermoed in de afzienbare toekomst ook niet zal bestaan, zodat AI erbij kan," zei hij. Hij omschrijft dit als de technische verklaring voor wat men in de wandelgangen oordeelt of smaak noemt, en betoogt dat het een duurzame slotgracht is in plaats van een tijdelijke, aangezien er geen duidelijk technisch pad is voor AI om decennia aan impliciete menselijke ervaring te absorberen. Voor beleggers die modelleren hoe snel AI geschoolde arbeid over industriesectoren heen vervangt, is dit een betekenisvol conservatiever raamwerk dan de vervangingscurves die uit sommige commentaren van frontier-labs naar voren komen.
Dataprivacy: vertrouw de hyperscalers, wees op je hoede voor de labs
Ng maakte een scherp onderscheid tussen hyperscalers en sommige AI-native bedrijven als het gaat om de omgang met gevoelige data. Hij zei te vertrouwen op grote cloudaanbieders dat zij hun servicevoorwaarden nakomen, omdat het schenden daarvan "zo schadelijk zou zijn voor het langetermijnbedrijfsmodel," maar wees ten minste één niet-bij-naam-genoemd AI-bedrijf aan om wat hij omschreef als opportunistische wijzigingen in de gebruiksvoorwaarden die het bedrijf stilletjes het recht gaven om te trainen op gebruikersdata. Voor echt gevoelig materiaal, waaronder niet-openbare financiële informatie die wordt behandeld door AI Aspire (een van de ondernemingen waarbij hij betrokken is die met banken werkt), is Ngs praktijk om te vermijden dat dergelijke data überhaupt naar frontier-labs worden gestuurd; in plaats daarvan vertrouwt men op lokaal gedraaide open-weight modellen. Hij gaf specifiek krediet aan Meta's nieuwste open-weight releases en Alibaba's Qwen-modellen omdat deze bijna het niveau van frontier-capaciteiten bereiken en tegelijkertijd klein genoeg zijn om op lokaal hardware te draaien, al waarschuwde hij wel dat het leaderboard om de paar weken verschuift en raadde hij af om je vast te pinnen op één enkel model.
Over AGI: nog tientallen jaren weg, en Ng haalt fel uit naar Jensen Huang van Nvidia
Gevraagd naar artificial general intelligence, definieerde Ng dit als AI die in staat is om elke intellectuele taak uit te voeren die een mens kan, inclusief taken als het produceren van een proefschrift op PhD-niveau of leren om een vrachtwagen te besturen op onbekend terrein na slechts enkele minuten oefenen. Volgens die norm blijft AGI nog "tientallen jaren weg", waarmee hij impliciet de publieke beweringen van Nvidia-CEO Jensen Huang verwerpt dat AGI inmiddels al is bereikt. Ng schreef een deel van de definitorische verwarring toe aan commerciële prikkels, en merkte op dat OpenAI's inmiddels heronderhandelde overeenkomst met Microsoft eerder een financieel motief had gecreëerd om AGI eerder vroeger dan later als bereikt te verklaren. Over de verwante angst om de controle te verliezen over steeds capablelere AI-systemen, bood Ng een technische analogie in plaats van een filosofische, waarbij hij AI-veiligheid vergeleek met de luchtvaartveiligheid: niemand heeft ooit een perfect bestuurbaar vliegtuig gebouwd, maar stapsgewijze, zorgvuldige uitbreiding van mogelijkheden heeft vliegreizen zo veilig gemaakt dat passagiers niet voor hun leven vrezen, en hij verwacht dat de ontwikkeling van AI dezelfde route zal volgen.