[Uitgelegd: Waarom de IBM-CEO denkt dat miljardengok op AI-datacenters een miskoop is]

**TL;DR**: De CEO van IBM stelt dat er “geen enkele manier” is waarop de billjoenen euro’s die techgiganten uitgeven aan AI-datacenters ooit zullen terugverdienen. Deze uitspraak zet vraagtekens bij de huidige AI-investeringsrage en suggereert dat veel bedrijven mogelijk te veel geld in de verkeerde richting pompen.

## De waarschuwing die Silicon Valley deed opschrikken

Terwijl techbedrijven wereldwijd miljarden euro’s uitgeven aan nieuwe datacenters voor kunstmatige intelligentie, komt er plots een koude douche uit onverwachte hoek. Arvind Krishna, de CEO van IBM – zelf een pionier op het gebied van AI – stelt onomwonden dat deze investeringsgolf gedoemd is te mislukken.

“Er is geen enkele manier waarop deze uitgaven zich zullen terugbetalen,” aldus Krishna. Die uitspraak is bijzonder opmerkelijk, omdat ze komt van iemand die aan het hoofd staat van een bedrijf dat decennialang heeft geïnvesteerd in AI-technologie.

## Wat zijn AI-datacenters eigenlijk?

Om te begrijpen waarom deze uitspraak zo belangrijk is, moeten we eerst uitleggen wat AI-datacenters precies zijn.

Een datacenter is simpel gezegd een enorm gebouw vol computers die dag en nacht draaien. Bij AI-datacenters gaat het om gespecialiseerde computercentra die specifiek ontworpen zijn om AI-modellen te trainen en te laten werken.

Denk aan het verschil tussen een gewone werkplaats en een hoogtechnologische autofabriek. Beide maken dingen, maar de autofabriek heeft veel duurdere, gespecialiseerdere machines nodig. Zo is het ook met AI-datacenters: ze hebben veel krachtigere en duurdere computers nodig dan gewone datacenters.

Deze AI-computers, vaak “GPU’s” genoemd (Graphics Processing Units), kunnen tussen de 10.000 en 40.000 euro per stuk kosten. Een enkel AI-datacenter kan tienduizenden van deze machines huisvesten.

## De miljardengok van Big Tech

Techgiganten zoals Google, Microsoft, Amazon en Meta (Facebook) geven momenteel astronomische bedragen uit aan deze AI-datacenters. We praten hier over investeringen die in de honderden miljarden euro’s lopen, met projecties die richting de biljoenen euro’s gaan.

Ter vergelijking: dat is meer dan het jaarlijkse budget van heel België. Het geeft aan hoe groot deze investeringswave werkelijk is.

De redenering achter deze uitgaven lijkt logisch: AI wordt steeds belangrijker, dus moeten bedrijven massaal investeren in de infrastructuur om AI-diensten aan te kunnen bieden. Wie achterblijft, verliest marktaandeel.

## Waarom denkt IBM dat dit misgaat?

Krishna’s scepsis komt niet uit de lucht vallen. Er zijn verschillende redenen waarom deze investeringen problematisch kunnen zijn:

### 1. **Overcapaciteit**
Als iedereen tegelijk enorme datacenters bouwt, ontstaat er mogelijk een overschot aan capaciteit. Het is alsof iedereen in een klein dorp tegelijk een supermarkt opent – er zijn gewoon niet genoeg klanten voor iedereen.

### 2. **Technologische veroudering**
AI-technologie evolueert razendsnel. De computers die bedrijven vandaag kopen, kunnen over twee jaar al verouderd zijn. Het is alsof je een enorme investering doet in DVD-spelers net voordat streaming populair wordt.

### 3. **Onduidelijke vraag**
Hoewel AI veel potentieel heeft, is het nog onduidelijk hoeveel consumenten en bedrijven bereid zijn te betalen voor AI-diensten. De vraag kan kleiner zijn dan verwacht.

### 4. **Energiekosten**
AI-datacenters verbruiken enorme hoeveelheden stroom. Met stijgende energieprijzen kunnen de operationele kosten hoger uitvallen dan verwacht.

## IBM’s andere aanpak

Interessant is dat IBM zelf een andere strategie volgt. In plaats van te focussen op het bouwen van enorme datacenters, concentreert het bedrijf zich op:

– **Efficiëntere AI-technologie**: Ontwikkelen van AI die minder rekenkracht nodig heeft
– **Hybride oplossingen**: Combinaties van cloud- en lokale AI-systemen
– **Gespecialiseerde toepassingen**: AI voor specifieke industrieën in plaats van algemene AI-modellen

Deze aanpak suggereert dat IBM gelooft dat de toekomst van AI niet ligt in steeds grotere datacenters, maar in slimmere, efficiëntere oplossingen.

## De bredere context: AI-hype of realiteit?

Krishna’s uitspraken passen in een groeiende discussie over de AI-hype. Critici stellen dat veel van de huidige AI-investeringen gebaseerd zijn op verwachtingen die mogelijk te hoog gegrepen zijn.

We hebben dit patroon eerder gezien:
– **Dotcom-bubbel (2000)**: Massale investeringen in internetbedrijven die later instortten
– **3D-TV’s (2010s)**: Verwachtingen dat iedereen 3D-televisies zou willen, wat niet uitkwam
– **Virtual Reality (2016)**: Voorspellingen dat VR snel mainstream zou worden, wat trager ging dan verwacht

Dat betekent niet dat AI niet belangrijk is – internet, televisie en VR bestaan nog steeds. Het gaat erom dat de timing en schaal van investeringen soms niet overeenkomen met de werkelijke vraag.

## Wat zeggen andere experts?

De meningen zijn verdeeld. Voorstanders van massale AI-investeringen stellen dat:
– AI de basis zal vormen van de toekomstige economie
– Wie nu niet investeert, loopt onherstelbare achterstand op
– De toepassingen van AI zullen exponentieel groeien

Critici, zoals Krishna, waarschuwen dat:
– De kosten hoger zijn dan de opbrengsten
– Veel investeringen gebaseerd zijn op hype in plaats van solide businessplannen
– Er efficiëntere manieren zijn om van AI te profiteren

## Wat betekent dit voor Europa?

Voor Europa is deze discussie bijzonder relevant. Europese landen investeren ook zwaar in AI-infrastructuur, vaak met overheidssteun. De vraag is of we het Amerikaanse model moeten kopiëren of onze eigen weg moeten vinden.

Voordelen van een voorzichtigere aanpak:
– Minder risico op verspilde overheidsgelden
– Focus op duurzame, efficiënte oplossingen
– Kans om van Amerikaanse “fouten” te leren

Nadelen:
– Risico om achter te blijven bij wereldwijde concurrentie
– Mogelijk missen van economische kansen
– Afhankelijkheid van Amerikaanse en Chinese AI-platforms

## De impact op gewone mensen

Deze discussie lijkt misschien abstract, maar heeft concrete gevolgen:

**Voor consumenten:**
– AI-diensten kunnen duurder worden als investeringen niet terugverdienen
– Mogelijk tragere ontwikkeling van AI-toepassingen
– Kans op meer gefocuste, nuttige AI-tools in plaats van “alles kan” oplossingen

**Voor werknemers:**
– Minder snelle automatisering van banen
– Meer tijd om zich aan te passen aan AI-veranderingen
– Mogelijke focus op AI die mensen helpt in plaats van vervangt

**Voor investeerders:**
– Waarschuwing om voorzichtig te zijn met AI-aandelen
– Kansen voor bedrijven die efficiënte AI-oplossingen ontwikkelen
– Mogelijk einde van de huidige AI-hype cyclus

## De belangrijkste punten om te onthouden

1. **De IBM-CEO waarschuwt** dat miljarden-investeringen in AI-datacenters mogelijk niet zullen terugverdienen

2. **Overcapaciteit en snelle technologische veroudering** zijn belangrijke risico’s bij massale AI-investeringen

3. **IBM kiest voor een andere strategie**: efficiëntere technologie in plaats van grotere datacenters

4. **Deze discussie past in een patroon** van technologie-hypes die niet altijd uitkomen zoals verwacht

5. **Voor Europa betekent dit** een kans om bewuster te investeren in AI, maar ook het risico om achter te blijven

6. **De uitkomst beïnvloedt iedereen**: van de prijs van AI-diensten tot de snelheid waarmee AI ons werk verandert

De waarschuwing van IBM’s CEO is geen voorspelling dat AI onbelangrijk wordt, maar wel een oproep tot realisme. Misschien is het tijd om te focussen op slimme AI-toepassingen die echt nuttig zijn, in plaats van te wedden op steeds grotere en duurdere computercentra.