AI en de menselijke cel, slop grenades en slim modellen delegeren

TL;DR

• Wat: Vier AI-ontwikkelingen in één week — van virtuele cellen tot het slim verdelen van werk tussen AI-modellen.
• Waarom relevant: De kosten en kwaliteit van AI-gebruik worden steeds meer een managementvraagstuk, niet alleen een techvraagstuk.
• Wat je ermee kunt: Kijk kritisch naar hoe AI-output in je organisatie wordt doorgegeven — en of je dure modellen inzet waar een goedkoper model volstaat.

Vandaag viel mijn oog op een overzicht van The Rundown AI met vier verhalen die op het eerste gezicht weinig met elkaar te maken hebben. Een virtueel celmodel, een nieuw begrip voor slechte AI-output, slimmer delegeren tussen AI-modellen en een chatbot die meerdere AI-aanbieders aanspreekt. Maar als ik ze naast elkaar leg, zie ik één rode draad: AI wordt volwassener, en daarmee worden de keuzes die je als ondernemer maakt rondom AI-gebruik ook complexer.

De menselijke cel als AI-project

Het Arc Institute, opgericht door onder anderen Stanford-biochemicus Silvana Konermann, werkt aan wat zij een "virtuele cel" noemen. Het idee: een AI-model dat het gedrag van menselijke cellen kan simuleren. Niet één type cel, maar breed — van stamcellen tot kankercellen. Konermann presenteerde het project in april 2026 op het TED-podium als onderdeel van The Audacious Project.

Wat mij hier opvalt, is de schaal. Het Arc Virtual Cell Atlas bevat inmiddels data van meer dan 300 miljoen cellen. De 2026 Virtual Cell Challenge, een competitie die het instituut organiseert, vraagt deelnemers om te voorspellen hoe cellen reageren op genetische ingrepen — zonder dat het model voorbeelden van die specifieke reactie heeft gezien. Dat heet in vaktaal "zero-shot": het model moet generaliseren op basis van wat het elders heeft geleerd.

Wat betekent dit voor ondernemers?

Direct? Waarschijnlijk weinig, tenzij je in de farmaceutische industrie of biotech zit. Maar indirect vind ik het wel degelijk relevant. Als AI-modellen straks celgedrag kunnen voorspellen, versnelt dat de ontwikkeling van medicijnen en behandelingen. Dat kan op termijn invloed hebben op zorgkosten, verzekeringspremies en de beschikbaarheid van nieuwe therapieën. Stel dat je als ondernemer in de zorgsector werkt — dan is dit een ontwikkeling om in de gaten te houden.

Ik wil er wel bij zeggen: het gaat hier nog om onderzoek en competities, niet om kant-en-klare producten. Termen als "virtuele cel" klinken concreter dan de werkelijkheid op dit moment is.

Slop grenades: als AI-output een last wordt

Een begrip dat ik steeds vaker tegenkom is "slop grenade". De term werd geïntroduceerd door Shopify-CEO Tobi Lütke op de podcast The Knowledge Project in september 2026. Het beschrijft een heel herkenbaar probleem: iemand heeft één punt te maken, laat een AI-model er een lang verhaal van schrijven, en stuurt dat naar een collega. Die collega moet vervolgens uitzoeken wat er eigenlijk staat — en vraagt op zijn beurt een AI-model om het samen te vatten.

Het is AI-ping-pong, en niemand leest meer wat er eigenlijk wordt gecommuniceerd.

Onderzoek van BetterUp Labs en het Stanford Social Media Lab ondersteunt dit beeld: meer dan de helft van de Amerikaanse kantoormedewerkers had ongecontroleerde AI-output naar collega's gestuurd. Ontvangers besteedden gemiddeld 3,4 uur per maand aan het corrigeren ervan.

Herkenbaar op de werkvloer

Ik vind dit een van de belangrijkste onderschatte risico's van AI op de werkvloer. Het probleem is niet dat mensen AI gebruiken — het probleem is dat ze de output niet meer lezen voordat ze op "verzenden" klikken. De verificatielast verschuift naar de ontvanger.

Kun je je voorstellen wat dit betekent als je een team van tien mensen hebt en iedereen begint met het doorsturen van ongelezen AI-teksten? Dan vermenigvuldig je niet productiviteit, maar ruis.

Wat mij betreft is dit een goed moment om binnen je organisatie af te spreken: als je AI gebruikt voor communicatie, ben jij verantwoordelijk voor wat je verstuurt. Niet het model.

Slim delegeren tussen AI-modellen

Een derde ontwikkeling die in het overzicht van The Rundown AI werd genoemd, gaat over het verdelen van werk tussen AI-modellen van verschillende kalibers. Het principe is simpel: gebruik een krachtig (en duurder) model voor complexe taken zoals planning en architectuurbeslissingen, en een kleiner, goedkoper model voor routinewerk zoals classificatie, data-extractie of het schrijven van standaardteksten.

Anthropics eigen documentatie beschrijft dit patroon voor hun modellijn. Een krachtiger model fungeert als manager die het werk opdeelt, en een kleiner model voert de deeltaken uit. Dat werkt het best wanneer taken helder afgebakend en makkelijk te controleren zijn.

Er zit een belangrijke kanttekening aan: een goedkoop model wordt duur als het slechte output levert die je achteraf moet corrigeren. De besparing zit dus niet alleen in de prijs per token, maar in het goed definiëren van wat je het kleine model laat doen.

Praktisch: denk in lagen

Stel dat je als ondernemer AI inzet voor klantenservice. Een eenvoudige vraag ("Wat zijn jullie openingstijden?") hoeft niet door het duurste model beantwoord te worden. Maar een complexe klacht met meerdere aspecten wél. Dit soort "routing" — het juiste model voor de juiste taak — wordt steeds gangbaarder.

Ik merk op dat in het overzicht ook werd gesuggereerd dat xAI's Grok Bot de mogelijkheid zou bieden om verzoeken door te sturen naar andere modellen, waaronder Claude. Ik kon dit niet bevestigen via officiële bronnen van xAI. Het past wel in een bredere trend: steeds meer platforms bieden multi-model-routing aan, waarbij niet één AI-model alles doet, maar een orkestratielaag het juiste model kiest per taak.

Wat deze vier verhalen samen zeggen

Als ik een stap terug doe, zie ik in deze vier berichten hetzelfde thema terugkomen. AI is niet meer één ding dat je wel of niet gebruikt. Het wordt een landschap van keuzes: welk model gebruik je waarvoor, wie controleert de output, en hoe voorkom je dat de belofte van productiviteit verandert in een bron van extra werk?

Voor mij is dit vooral een signaal dat de "AI aan"-fase voorbij is. De vraag is niet meer óf je AI inzet, maar hoe doordacht je het doet. En dat is, eerlijk gezegd, een managementvraagstuk dat me meer bezighoudt dan welk nieuw model er volgende week uitkomt.