From Intelligence to Impact: The AI Agentic Era

April 15, 2026

Geachte relatie,

In de tijd die het kost om deze nieuwsbrief te schrijven, is het AI-landschap alweer veranderd. Dat is de realiteit van het verslaan van een vakgebied dat zich in razend tempo ontwikkelt en daarom is het belangrijk om dit moment vast te leggen. Howard Marks, een van de beleggers die wij het meest bewonderen, ging hier onlangs op in in zijn memo ‘AI Hurtles Ahead’ (www.oaktreecapital.com/insights/memo/ai-hurtles-ahead), waarin hij zowel zijn praktijkervaring als zijn zorgen over AI-tools deelde. Als u minder bekend bent met AI-terminologie, biedt zijn artikel waardevolle context. Te midden van deze snelle evolutie hebben geopolitieke ontwikkelingen, waaronder het conflict in Iran, bijgedragen aan de recente marktvolatiliteit. Bij beleggen is dit niet zomaar ruis; het is een kans. Hoewel deze ontwikkelingen belangrijk zijn, blijft onze focus liggen op de AI-trends die volgens ons de komende jaren ons leven en onze beleggingsresultaten zullen bepalen.

In februari werd OpenClaw geïntroduceerd, een autonome AI-agent die menselijke workflows kan nabootsen. Het kan taken uitvoeren, obstakels overwinnen en de beoogde resultaten leveren. Nog opmerkelijker is dat AI-agenten hun eigen broncode kunnen beoordelen en verbeteren. Mensen kunnen instructies aan AI-agenten doorgeven via een eenvoudige berichtenapp, net zoals ze opdrachten geven aan een echt persoon. Als de hardwarecapaciteit het toelaat, kunnen gebruikers 24/7 meerdere projecten tegelijkertijd uitvoeren via verschillende AI-agenten. Naarmate deze mogelijkheden zich verder ontwikkelen, worden de praktische toepassingen ervan steeds concreter.

Sommigen hebben voorgesteld om AI-agenten in te zetten om COBOL-code – een oudere programmeertaal die nog steeds de basis vormt voor veel systemen bij banken, luchtvaartmaatschappijen en overheden – te controleren, fouten op te sporen en deze te corrigeren. Deze taak zou in recordtijd tot enorme productiviteitswinst leiden. Nog maar een paar jaar geleden zou dit als sciencefiction zijn beschouwd. Nu begint de menselijke verbeeldingskracht achter te blijven bij de mogelijkheden van AI.

Recente modelreleases, waaronder Google’s Gemini 3, Anthropic’s Sonnet 4.5, Opus 4.6 en Cowork, en OpenAI’s GPT-5.3-Codex, hebben zorgen gewekt over het verlies van banen voor hoger opgeleiden, met name in instapfuncties. We zien nu al de eerste tekenen van deze verschuiving. Veel IT-bedrijven bouwen hun personeelsbestand op het gebied van software-engineering af. Ervaren engineers maken nu gebruik van AI voor het uitvoeren van eenvoudiger programmeerwerk, waardoor junior medewerkers volledig worden omzeild. Dit leidt tot een paradox op de langere termijn: juist de banen die traditioneel de volgende generatie talent opleidden, verdwijnen, wat over enkele jaren mogelijk een tekort aan vaardigheden op senior niveau veroorzaakt. De dreiging strekt zich zelfs uit tot bedrijfssoftwarebedrijven die kennisgebaseerde diensten leveren. Naar onze mening is de dreiging reëel en actueel. De snelheid waarmee deze technologie wordt geïmplementeerd, zal echter uiteindelijk afhangen van het vertrouwen van besluitvormers in de beveiliging, het beheer en de bredere maatschappelijke impact.

Terwijl op software gebaseerde AI-agenten kenniswerk ingrijpend veranderen, vormt de fysieke wereld de volgende uitdaging. Jaren geleden, toen we het hadden over de vergrijzing, was robotica nog puur theorie. Tegenwoordig kunnen robots dansen en complexe taken uitvoeren met steeds grotere precisie en consistentie en we kijken er nauwelijks nog van op.

Naarmate robots leren van en gegevens uit de echte wereld over hun omgeving doorgeven, zullen hun mogelijkheden zich uitbreiden naar rollen die geen mens zou durven of kunnen vervullen. Dit heeft belangrijke implicaties: ondersteuning van de vergrijzende bevolking, hulp bij herstel en zorg en het uitvoeren van taken die moeilijk, repetitief of onveilig zijn. De integratie van robotica-technologie wordt een praktische oplossing voor veel van deze uitdagingen en ligt nu binnen ons bereik.

Kansen voor het te gelde maken van AI-modellen
We horen voortdurend over honderden miljarden aan AI-uitgaven, maar minder over hoe bedrijven die investeringen zullen terugverdienen. Deze bezorgdheid zorgde eerder dit jaar voor marktvolatiliteit. We zien drie manieren om AI-modellen te gelde te maken: kosten in rekening brengen voor intelligentie, aanbevelingen of resultaten.

Sommige AI-modellen hebben gekeken naar het tonen van advertenties tijdens het gebruik. Naar onze mening is deze aanpak achterhaald. Het volgt het draaiboek van zoekmachines en leidt gebruikers af van hun beoogde workflow. In tegenstelling tot zoeken, waarbij gebruikers verwachten te bladeren en opties te vergelijken, is AI ontworpen om taken uit te voeren. Het onderbreken van dat proces met advertenties vermindert de productiviteit en ondermijnt het kerndoel ervan.

Nu AI een exponentiële groeicurve ingaat, verwachten we dat de eerste twee methoden voor het genereren van inkomsten – intelligentie en aanbevelingen – steeds meer een commodity zullen worden. Na verloop van tijd zal de waarde verschuiven naar resultaten en uitvoering. Waarom? Omdat intelligentie op zichzelf geen intrinsieke waarde heeft. Het gaat erom wat die intelligentie mogelijk maakt. Een AI-systeem dat code schrijft, is nuttig. Een systeem dat die code autonoom implementeert, bewaakt en corrigeert, wordt veel waardevoller.

Met dit in gedachten zullen lezers begrijpen waarom de introductie van autonome AI-agenten van cruciaal belang is voor het bredere AI-ecosysteem, aangezien dit commerciële transacties rechtstreeks koppelt aan de waarde die AI biedt. Het genereren van inkomsten kan nu worden gebaseerd op gebruik via tokens, waardoor kosten rechtstreeks worden gekoppeld aan resultaten.

Tokens kunnen worden gezien als de valuta van AI; het zijn de teksteenheden die modellen verwerken. Elke query, elk antwoord en elke regel code verbruikt tokens, en daarom vertaalt de groei in het gebruik van tokens zich direct in de vraag naar rekenkracht en de kosten daarvan. Raadpleeg de onderstaande tabellen om de impact van de agent-applicatie op het gebruik van AI-tokens en internetbandbreedte te zien. (Bronnen: Cloudflare en Akamai, samengevat door Gemini)

Beleggingsfocus
Ik heb Nano Banana van Gemini, een AI-tool voor het genereren van afbeeldingen, gevraagd om een afbeelding te maken die de recente aandachtspunten op het gebied van beleggen weergeeft. Zoals je je kunt voorstellen, kost het handmatig maken van een vergelijkbare afbeelding enorm veel tijd en vaardigheid in vergelijking met het gebruik van AI. Gemini heeft de onderstaande afbeelding in slechts enkele seconden gemaakt.

Onze beleggingsvisie blijft onveranderd: dit allesomvattende ecosysteem biedt talrijke instapmogelijkheden. Sommige bedrijven profiteren er direct van, terwijl andere de cruciale infrastructuur, componenten en diensten leveren die AI-platforms, datacenters en eindapparaten mogelijk maken. Nu het thema AI-infrastructuur al een tijdje speelt, moeten we onze portefeuilles aanpassen aan de volgende ontwikkelingsfase.

Als we drie tot vijf jaar vooruitkijken, welke AI-toepassingen zullen dan werkelijkheid worden? Welke huidige beleggingen dreigen achterhaald te raken? En welke bedrijven blijven, naast pure AI-spelers, essentieel? Dit zijn onze voorspellingen:

1. Er zullen oligopolies ontstaan in de AI-infrastructuur, waaronder modellen, chips, servers en fabrieken.
2. We verwachten een explosieve groei van AI-apparaten in persoonlijke, zakelijke en overheidscontexten. Uw volgende auto zal niet alleen navigatie hebben, maar ook een AI-agent die uw agenda kent, u omleidt bij files en afspraken boekt als u te laat bent.
Mensen zullen eraan wennen om AI te gebruiken wanneer en waar ze die nodig hebben, net zoals ze nu bijna overal wifi of internettoegang verwachten, van vliegtuigen tot metro’s en zelfs in nationale parken.
3. Blijvende investeringen zullen voorzien in fundamentele menselijke behoeften en verlangens. Een wereld vol AI stelt ons in staat om efficiënter te werken en meer tijd te besteden aan het leven zelf.

Risico’s en beperkingen
Wanneer iedereen strijdt om dezelfde hulpbronnen, zoals AI-chips en energie, zijn tekorten onvermijdelijk. Sinds het begin van de pandemie zijn de risico’s in de toeleveringsketens voor halfgeleiders – met name de concentratie van productiecapaciteit en -locaties – algemeen bekend en uitgebreid besproken. Het zal jaren duren voordat de toeleveringsketen voldoende gediversifieerd is om aan de eisen van de belangrijkste afnemers te voldoen. Hoewel het proces van het terughalen van productiecapaciteit in de Verenigde Staten, Japan en Duitsland is begonnen, zal dit niet gemakkelijk versneld kunnen worden.

Kapitaal kan snel worden verplaatst. Talent en infrastructuur kunnen dat niet. Het ontwikkelen van geschoold personeel en het aanpakken van milieukwesties vereist langetermijnplanning door de overheid en beleidscoördinatie op zowel nationaal als lokaal niveau, processen die inherent traag en moeilijk uit te voeren zijn.

Die machtige AI-modellen draaien uiteindelijk op elektriciteit, en de huidige voorraad op aarde is eindig, tenzij er een doorbraak komt in energie uit de ruimte. Vanwege energiebeperkingen zal het aantal duidelijke winnaars in de AI-race beperkt zijn. Daarom zal de strijd om stabiele energievoorziening waarschijnlijk een steeds belangrijker geopolitieke kwestie worden in de AI-wereld. Landen met een overschot aan energiecapaciteit zijn in de positie om AI-grootmachten te worden, terwijl landen zonder dat overschot mogelijk afhankelijk worden van anderen voor toegang tot intelligentie.

Het perspectief vanuit Taiwan
Dit werd nog eens onderstreept tijdens een recent bezoek aan Hsinchu, de stad waar ik ben geboren en waar Taiwan Semiconductor Manufacturing Company (TSMC) zijn hoofdkantoor heeft. De omvang van de ontwikkelingen in de industrieparken was indrukwekkend. Het zien van de concentratie van productiefaciliteiten, toeleveranciers en de lopende bouwprojecten maakte duidelijk hoe cruciaal deze regio is voor de wereldwijde toeleveringsketen van halfgeleiders.

Het bezoek bracht ook een breder punt naar voren: de AI-revolutie wordt niet alleen aangedreven door softwareontwikkelingen, maar ook door een zeer gespecialiseerde productie-infrastructuur die jaren kost om op te bouwen en op te schalen. Zonder Hsinchu en zonder TSMC zou het tempo van de AI-ontwikkeling zoals we die vandaag de dag kennen niet mogelijk zijn.

Conclusie
De sleutel tot intelligentie is leren. Bij Noesis is leren zowel onze naam als onze discipline. We hebben het bedrijf rond die waarheid opgebouwd. Leren om AI in te zetten om de productiviteit te verhogen, redundantie te verminderen en de nauwkeurigheid te verbeteren, zal op korte termijn een prioriteit zijn in alle sectoren. Hoewel het loslaten van vertrouwde workflows eng is, zou de kans om samen te werken met superintelligente technologie spannend moeten zijn – en lonend.

We zullen binnenkort weer over AI praten, waarschijnlijk in een nieuwe vorm, of dat nu via een podcast, video of een virtuele wereld is waarvoor een VR-headset nodig is. Stel je voor dat je content kunt pauzeren om vragen te stellen en direct antwoord te krijgen. In de wereld van AI is verbeelding misschien wel de enige beperking. Voor onze klanten strekt die verbeelding zich uit tot hoe we je investeringen positioneren om te profiteren van de kansen in de toekomst.

Met vriendelijke groet,

Shihfang Chuang