Misschien ben je doordat je de afgelopen periode thuis moest werken erachter gekomen dat je draadloze netwerk toch niet zo goed werkte als je dacht. Een goede draadloze verbinding in je hele huis is tegenwoordig geen luxe, maar soms bijna een primaire levensbehoefte. Hoe zorg je in je hele huis voor een goede wifi-dekking en hoe kom je erachter wat je wifi-probleem veroorzaakt?

Wifi-problemen kun je onderverdelen in twee problemen: dekkings- en snelheidsproblemen. Deze problemen kunnen dezelfde oorzaak en oplossing hebben, maar dat hoeft niet. Voordat we beginnen met het oplossen van wifi-problemen, gaan we terug naar de basis. Wifi maakt gebruik van twee frequentiebanden op 2,4 en 5 GHz. De 2,4GHz-band staat aan de basis van de oudere wifi-standaarden 802.11b en -g, terwijl 802.11n zowel van de 2,4- als de 5GHz-band gebruikmaakt. De huidige 802.11ac-standaard maakt gebruik van de 5GHz-band, maar alle draadloze routers en accesspoints bieden ook ondersteuning voor 802.11n op de 2,4GHz-band.

Bereik versus bandbreedte

Beide banden hebben hun eigen voor- en nadelen. De 2,4GHz-signalen dringen makkelijk door materialen heen en hebben hierdoor een relatief groot bereik. De beschikbare bandbreedte is echter heel beperkt en netwerken overlappen elkaar al snel. Dit zorgt voor storing met onder meer een lagere snelheid als gevolg. Het grote bereik van de 2,4GHz-band lijkt dus een voordeel, maar is een belangrijke reden van problemen die ervaren worden. De 5GHz-band biedt dan weer veel meer bandbreedte, maar heeft dan weer een veel beperkter bereik. Verwacht niet dat je op een andere verdieping als je accesspoint een goed 5GHz-signaal zult hebben. Beide frequentiebanden hebben dus hun eigen nadelen, maar één ding is wel duidelijk: het is onrealistisch om te verwachten dat je met één draadloze router of accesspoint je héle huis van een goed draadloos netwerk voorziet.

©PXimport

Meerdere accesspoints

Wil je dus zowel een dekkend als een snel wifi-netwerk, dan heb je in de meeste woningen meerdere wifi-accesspoints nodig. Hier zijn verschillende mogelijkheden voor. Je kunt bijvoorbeeld een oude router instellen als accesspoint of een relatief goedkoop extra accesspoint aanschaffen. Het nadeel hiervan is dat het accesspoint dan losstaat van je andere accesspoint (waarschijnlijk je draadloze router) waardoor je je draadloze netwerk op meerdere plekken moet beheren. Voor consumenten was een centraal beheerd draadloos netwerk lang onbereikbaar, maar tegenwoordig heel goed mogelijk. Zo bieden bijvoorbeeld de merken Ubiquiti en TP-Link wifi-systemen op basis van bedraad aangesloten accesspoints die met een prijs vanaf zo’n tachtig euro per accesspoint ook voor thuisgebruik aanvaardbaar is. Daarnaast zijn er natuurlijk de wifi-mesh-systemen die je koopt als kit bestaande uit twee of drie accesspoints. Ook moderne wifi-powerline-adapters werken tegenwoordig goed als één systeem samen.

©PXimport

Bedraad is het beste

Uit onze praktijkervaringen blijkt dat qua prestaties bedraad aangesloten accesspoints nog altijd het beste zijn, gevolgd door de betere wifi-mesh-systemen. Bij de meeste wifi-mesh-systemen kun je accesspoints overigens naar keuze ook bedraad aansluiten. Dat is een voordeel, want bedraad aangesloten accesspoints werken altijd beter én ze verbeteren de snelheid in de rest van het draadloze mesh-netwerk.

Powerline-adapters blijken niet altijd de prestaties te leveren die je verwacht. Verderop in het artikel komen we hier op terug. Dan is er natuurlijk nog de repeater. Die raden we je hooguit aan als je op één plek in je huis een slechte dekking hebt. Repeaters bieden namelijk niet de beste snelheid. Zelf gebruiken we af en toe nog wel een repeater voor dekking op een dakterras. Een betere oplossing zou voor zo’n plek te veel kosten en met de repeater is er stabiele, maar niet heel snelle dekking.

Internetproviders bieden tegenwoordig ook allerlei oplossingen aan op basis van meerdere accesspoints. Het nadeel van deze systemen kan zijn dat ze alleen goed samenwerken met de router van de internetprovider zelf.

©PXimport

Met welk accesspoint ben ik verbonden?

©PXimport

Dekking in kaart brengen

Het oplossen van wifi-problemen begint met het in kaart brengen van de wifi-dekking in huis. Heb je wel overal een goede signaalkwaliteit? In Computer!Totaal nummer 5/2020 zijn we uitgebreid aan de slag gegaan met WinFi Lite (pagina 46). Je vindt het artikel ook op onze website via deze link. WinFi Lite laat na een scan alle draadloze accesspoints in jouw omgeving zien. Om te achterhalen of de dekking voldoende is, kun je het beste naar de kolommen RSSI en SNR kijken die je tevoorschijn haalt door via de knop rechtsboven in beeld om te schakelen naar de Pro-view. Rssi staat voor Received Signal Strength Indicator en wordt in negatieve dBm-waarden uitgedrukt (decibel-milliwatts). Hoe hoger de negatieve waarde, hoe slechter het signaal is. Een waarde van -60 dBm is dus beter dan een waarde van -70 dBm. Die laatste waarde is de grens voor een signaal dat nog enigszins bruikbaar is, maar niet de beste snelheid biedt. Een goed signaal zit tussen -50 en -60 dBm, terwijl alles boven -50 uitstekend is. Ook de kolom SNR dat voor Signal To Noise Ratio staat is belangrijk. Deze waarde wordt in dB uitgedrukt, waarbij geldt dat een hogere waarde beter is. Een waarde tussen 25 en 40 dB is een goede richtlijn, hoger is natuurlijk nog beter. Door de scan op verschillende plekken in huis uit te voeren, krijg je snel inzicht in hoe het met je wifi-dekking gesteld is.

©PXimport

Ingebouwde wifi-scanner macOS

©PXimport

Snelheid meten

Uiteindelijk draait het meestal niet primair om dekking, maar om een stabiele haalbare snelheid. Voor een goede internetervaring is een snelheid van zo’n 50 Mbit/s al heel netjes en daarmee kun je vrijwel alle diensten op internet optimaal gebruiken. Heb je echter een sneller internetabonnement en maak je veel gebruik van clouddiensten of werk je thuis draadloos over een vpn-verbinding, dan heb je waarschijnlijk behoefte aan een hogere snelheid. Wil je weten of je draadloze netwerk overal snel genoeg is voor je internetverbinding? Dan raden we www.speedtest.net aan. Ter controle voer je de meting eerst bedraad uit, zodat je inzichtelijk hebt wat de maximaal haalbare snelheid is.

Mogelijk gebruik je je draadloze netwerk niet alleen voor surfen op internet, maar in het geval van een laptop ook voor een verbinding met je nas. In dat geval geldt dat de verbinding niet snel genoeg kan zijn. Je kunt dan het beste een lokale speedtest binnen je thuisnetwerk gebruiken om je verbindingssnelheid te achterhalen. Hiervoor heb je naast een laptop met een goede wifi-kaart ook een bedraad aangesloten computer nodig. Een programma waarmee je de snelheid binnen je netwerk kunt meten is TamoSoft Throughput Test die je voor Windows en macOS kunt downloaden. De client is ook voor Android beschikbaar. Op je bedrade pc draai je de test als server, terwijl je op een laptop de client gebruikt. Vervolgens kun je de snelheidstest uitvoeren en worden zowel je down- als uploadsnelheden inzichtelijk.

©PXimport

Goede dekking toch lage snelheid

Een probleem waar je bij een bedraad aangesloten accesspoint niet zo snel tegenaan zult lopen, is dat je wel een uitstekend wifi-signaal hebt, maar toch een tegenvallende snelheid haalt. Dat komt doordat de verbinding tussen je wifi-accesspoint en je laptop of smartphone maar één van de schakels in de keten is. Gebruik je een draadloos aangesloten accesspoint als een repeater of wifi-mesh-systeem, dan is het accesspoint zelf ook weer via een draadloze verbinding aangesloten. Wanneer de zogenoemde backhaul niet snel genoeg is, dan zul je nooit een goede snelheid halen. Een wifi-mesh-systeem is natuurlijk geen magie: in de basis zijn het repeaters. De nadelen van repeaters zie je in de praktijk dan deels ook wel terug. Oftewel een wifi-mesh-punt op je zolder dat via een wifi-mesh-punt op de eerste verdieping is verbonden zal een minder hoge snelheid hebben dan het wifi-mesh-punt op de begane grond. Bij powerline-adapters wordt powerline gebruikt als backhaul en de snelheid van die powerline-verbinding kan in de praktijk een stuk lager zijn dan de snelheid die via het ingebouwde accesspoint mogelijk is.

Plaatsing wifi-mesh optimaliseren

Heb je wel een goede dekking, maar een tegenvallende snelheid? Dan is dat een indicatie dat de draadloze link tussen de netwerkapparatuur niet goed is. Je zult dan je wifi-mesh-punt of repeater moeten verplaatsen naar een locatie waar er een beter contact is met andere wifi-mesh-punten of de draadloze router. Veel wifi-mesh-systemen en repeaters hebben iets van een indicatie die je helpt bij een goede plaatsing. Dat varieert van een simpel lampje tot aanwijzingen in de bijbehorende app. Uiteraard houd je bij het verplaatsen van repeaters en wifi-accesspoints ook rekening met de signaalwaarde die je met je laptop of smartphone haalt. Je hebt immers niets aan een uitstekende link tussen je netwerkapparatuur als vervolgens de dekking voor je clients niet goed meer is. Probeer niet te strak vast te houden aan een uitstekend signaal. Bij een systeem op basis van draadloos aangesloten accesspoints draait het om de optimale balans tussen alle onderdelen in de keten. Het kan namelijk dat je ondanks een wat slechter signaal voor je clients uiteindelijk toch een betere snelheid haalt.

Een tip uit de praktijk is om indien mogelijk op alle verdiepingen je wifi-mesh-punten in de buurt van het trapgat te zetten. Zo kan de onderliggende draadloze verbinding profiteren van het trapgat, terwijl je apparaten profiteren van het accesspoint op dezelfde verdieping. Verder is het zo dat de duurdere tri-band-systemen met een extra radio voor de onderlinge verbinding minder gevoelig zijn voor plaatsing. Kortom, probeer je wifi-mesh-punten op verschillende plekken in huis neer te zetten om uit te proberen wat het beste werkt.

©PXimport

Roaming

©PXimport

Powerline optimaliseren

Dat je met een wifi-powerline-adapter een teleurstellende snelheid haalt, zit hem doorgaans niet in het wifi-gedeelte. Het is het achterliggende powerline-signaal dat de snelheidsbeperking veroorzaakt. In sommige huizen werkt powerline uitstekend, maar in andere huizen totaal niet. Helaas is het zonder uitproberen niet te voorspellen hoe powerline zich in jouw huis gedraagt. Een echt goede powerline-adapter haalt in de meest optimale omstandigheden een snelheid van zo’n 130 Mbit/s, dat is dan ook gelijk de maximale snelheid die je via het accesspoint kunt halen. Helaas is de snelheid die je haalt soms veel lager, het zou zomaar kunnen dat in jouw huis slechts 20 Mbit/s mogelijk is. Zeker als je met meerdere gebruikers tegelijkertijd werkt, wordt dat krap. Je kunt bij problemen proberen om de powerline-adapter op andere stopcontacten aan te sluiten. Kies indien mogelijk voor stopcontacten op dezelfde fase (wanneer je een driefase-aansluiting hebt) en groep. Kan dat niet, probeer dan andere elektrische apparaten op andere fasen of groepen aan te sluiten. Een oplossing op basis van powerline kies je dan ook vooral om op een heel eenvoudige manier een goede wifi-dekking te realiseren.

Conclusie

Achterhalen waar je wifi-dekking nodig hebt, is met programma’s als WinFi Lite of Ekahau Heatmapper een relatief eenvoudig klusje. Je dekkings- en snelheidsproblemen vervolgens optimaal oplossen kan daarna een lastigere puzzel zijn. Een goede snelheid is zonder goede dekking niet mogelijk, maar een goede draadloze dekking zorgt helaas niet automatisch voor een goede doorvoersnelheid. Door de juiste conclusies te trekken en te spelen met de positie van accesspoints kun je gelukkig vrijwel altijd een goede balans halen tussen dekking en snelheid zodat je overal in huis kunt werken, gamen en streamen.

AI is inmiddels doorgedrongen tot in bijna elk digitaal domein. Van vertaaltools en chatbots tot beeldmakers en medische toepassingen. Veel gebruikers vinden AI handig, efficiënt en zelfs creatief. Toch brengt deze evolutie ook minder zichtbare risico's met zich mee, op persoonlijk, maatschappelijk en ecologisch vlak.

AI is inmiddels doorgedrongen tot in bijna elk digitaal domein. Van vertaaltools en chatbots tot beeldmakers en medische toepassingen. Veel gebruikers vinden AI handig, efficiënt en zelfs creatief. Toch brengt deze evolutie ook minder zichtbare risico's met zich mee, op persoonlijk, maatschappelijk en ecologisch vlak.

In dit artikel bekijken we verschillende AI-risicozones. Wat is bijvoorbeeld de milieu-impact van AI? Hoe betrouwbaar zijn de antwoorden van chatbots? Wat als synthetische media (alles wat met AI wordt gemaakt) niet meer van echt te onderscheiden zijn? En hoe beïnvloeden AI-systemen onze economie, privacy en ons denkvermogen? De grens tussen mens en machine vervaagt.

Dit artikel is bedoeld voor wie voorbij de hype wil kijken en wil begrijpen wat er op het spel staat. Elk onderdeel behandelt een specifiek risico, met voorbeelden en toepassingen. Zo krijg je een goed beeld van de schaduwkanten van AI. Niet om de technologie af te wijzen, maar om er bewuster en verantwoordelijker mee om te gaan.

Ecologische voetafdruk

Hoewel AI vaak als iets immaterieels en 'in de cloud' wordt voorgesteld, is de milieu-impact allesbehalve onzichtbaar. De menselijke hersenen verbruiken continu ongeveer 20 watt, vergelijkbaar met een gloeilampje. Daarmee worden 86 miljard neuronen en duizenden synapsen per neuron gevoed.

Grote taalmodellen als GPT of Gemini vragen daarentegen enorm veel rekenkracht. De trainingsfase kan duizenden MWh vereisen en miljoenen liters water voor koeling, afhankelijk van het datacenter en de gebruikte hardware. Ook het gebruik (inferentie) is belastend: elke prompt/antwoord-interactie bij modellen uit deze klasse vraagt energie en koeling aan de serverzijde.

AI heeft dus een stevige ecologische voetafdruk. Tegelijk worden oplossingen ontwikkeld, zoals restwarmtehergebruik, luchtkoeling in plaats van waterkoeling, meer hernieuwbare energie en efficiëntere modellen. Denk aan compacte taalmodellen, zoals TinyML, quantisatietechnieken (kleinere getallen en minder geheugen) en lokaal draaiende AI's (edge AI).

©(c) Wikipedia, CC BY-SA

Hallucinaties

AI-chatbots doen de gebruiker graag een plezier. Daarbij zijn ze opvallend overtuigend, ook wanneer ze onzin produceren, oftewel wanneer ze hallucineren.

Hallucinaties kunnen ernstige gevolgen hebben, bijvoorbeeld wanneer juristen verwijzen naar niet-bestaande wetsartikelen of wanneer medische informatie klakkeloos wordt overgenomen. Controleer gevoelige informatie daarom altijd via meerdere bronnen. Doe dit zeker bij gevoelige of complexe thema's. Weet ook dat AI-modellen zich vaak verontschuldigen als je teruggeeft dat er een fout is gemaakt. Vervolgens herhalen ze zich doodleuk.

Hallucinaties zijn hardnekkiger bij fenomenen als data- en conceptdrift. Bij het eerste herkent het model je eigen input minder goed doordat de vorm afwijkt van de trainingsinput. Bij het tweede is de inputvorm hetzelfde gebleven, maar is de betekenis inmiddels veranderd. Meer weten over datadrift en conceptdrift.

Verder kan het model te veel details uit trainingsdata opnemen en zo irrelevante informatie meenemen (overfitting). Of omgekeerd: onvoldoende zinvolle data gebruiken (underfitting). Ook deze fenomenen kunnen het hallucineren versterken.

Bias en manipulatie

AI-modellen krijgen enorme datahoeveelheden van het internet als input. Deze zijn zelden neutraal, waardoor vooroordelen of een westers wereldbeeld in het leerproces sluipen. Dat zorgt voor vertekening of bias (vooringenomenheid). AI-modellen kunnen bijvoorbeeld vrouwen aan zorgberoepen linken en mannen aan leidinggevende functies, of etnische groepen benadelen bij risicobeoordelingen.

Bias is niet alleen maatschappelijk, maar ook technisch. Een model leert niet alleen wat er ín de data staat, maar ook hoe die data zijn verdeeld. Als een bepaalde bron oververtegenwoordigd is, of als een schrijfstijl vaker voorkomt, dan krijgt dat automatisch meer gewicht. De architectuur en trainingsmethode versterken die patronen. Daardoor kunnen antwoorden die objectief lijken toch subtiel een voorkeur bevatten.

Interessant is ook dat onderzoekers political compass-testvragen voorlegden aan grote AI-taalmodellen (LLM's). De conclusie: zowat alle LLM's situeren zich in het links-economische, sociaal-libertaire kwadrant. Besef dat ook deze testvragen een vooroordeel (kunnen) bevatten, wat aantoont hoe moeilijk het is bias correct te beoordelen.

Nog problematischer wordt het bij manipulatie, wanneer deze bias opzettelijk in het model zit. Denk aan AI-toepassingen in advertenties die inspelen op angsten of overtuigingen. Algoritmische sturing kan bovendien gemakkelijk tot gelijkgezinde groepen (echo chambers) en polarisering leiden.

Omdat AI-modellen zo complex zijn, is vaak onduidelijk hoe de output tot stand komt (de black box). Dit vergroot de transparantiebehoefte en verklaart waarom veel wetenschappers pleiten voor explainable AI, of LLM's en AI-algoritmen opensource willen maken.

Synthetische media

De term synthetische media verwijst naar beelden, audio of tekst die volledig of deels AI-gegenereerd zijn. Denk aan deepfakes, nagebootste stemmen of automatisch gegenereerde nieuwsartikelen. Zulke toepassingen lijken creatief en handig, je maakt bijvoorbeeld een marketingvideo zonder camera of acteurs, maar de keerzijde is zorgwekkend.

Deepfakes kunnen personen dingen laten zeggen die zo zijn uitgesproken. Andersom kunnen echte beelden als deepfake worden afgedaan, ook wel 'the liar's dividend' genoemd. Deepnudes (gefingeerde naaktbeelden) kunnen dan weer gebruikt worden voor wraakporno.

Deze technologieën maken ook nepnieuws: desinformatie waarbij feiten doelbewust worden verdraaid. Dit tast het vertrouwen in communicatie en bewijsvoering aan en doet steeds meer mensen geloven in de maakbaarheid van de realiteit. Wat echt is, hangt vooral af van hoe je deze zelf vormgeeft. Feit en fictie raken verstrengeld, waardoor we belanden bij concepten als alternate truth en postrealiteit. Daarin wegen perceptie, gevoel en overtuiging zwaarder dan feiten. Synthetische media vragen daarom niet alleen om kritische blik, maar mogelijk ook om watermerken en regulering.

Zelfbevlekking

AI-modellen gebruiken vrijwel alle beschikbare internetbronnen als trainingsmateriaal. Omdat generatieve AI zelf steeds meer online content produceert, gebruiken modellen ook hun eigen output opnieuw. Zo ontstaat een zichzelf versterkende kringloop waarbij AI zich voedt met AI-gegenereerde inhoud. Deze vorm van zelfbevlekking verhoogt het risico op kwaliteitsverlies in digitale content, ook wel slop of enshittification genoemd.

AI genereert output namelijk op basis van patronen, niet vanuit betekenis of intentie. Als deze patronen ook nog eens uit andere AI-bronnen komen, ontstaat een neerwaartse spiraal met nauwelijks nuancering en steeds herhaalde ideeën. Hierdoor verhoogt ook het risico op hallucinaties en bias en de mens raakt out-of-the-loop. Op termijn dreigt model collapse: AI-modellen worden minder intelligent naarmate ze vaker op eigen output trainen.

Sommigen spreken van een zombie-internet. Zo blijkt inmiddels al zeker vijf procent van de nieuwe Engelstalige Wikipedia-inhoud AI-gegenereerd te zijn. Bovendien nemen mensen typische AI-taal, met herkenbare woordkeuzes, steeds vaker over. Om deze dynamiek te doorbreken, moeten menselijke input en creativiteit centraal blijven staan in het AI-trainingsproces.

Auteursrecht

AI roept fundamentele vragen op rond auteursrecht. Modellen worden getraind op grote hoeveelheden tekst, beeld en audio zonder dat makers altijd toestemming hebben gegeven. Dit leidt tot discussies over schending van auteursrecht.

Er lopen inmiddels meerdere rechtszaken tegen AI-bedrijven. Het gaat onder meer om claims rond ongeoorloofd gebruik van beschermde werken voor training en ongewenste herhaling van fragmenten in AI-output. Bedrijven worden daardoor steeds bewuster van licenties, databescherming en toestemmingseisen.

De VS en Europa hanteren verschillende juridische kaders. In de VS wordt soms gesproken van 'fair use' bij transformatief gebruik, terwijl Europa zich baseert op strengere richtlijnen en opt-out-mechanismen via het TDM-AI-protocol.

AI-output roept ook andere auteursrechtelijke vragen op. Wie is bijvoorbeeld de auteur van een AI-tekening? Is dat de modelontwikkelaar, de gebruiker of niemand? AI kan ook onbedoeld tekst- of beeldfragmenten uit het trainingsmateriaal overnemen, met mogelijk plagiaat. Er bestaat dus een juridische grijze zone en er is behoefte aan duidelijke regelgeving, aangepast aan de AI-evoluties.

Privacy

AI kan verder een bedreiging voor onze privacy vormen. In China zie je dit scherp: gezichtsherkenning en camera's ondersteunen er een sociaal kredietsysteem. Burgers worden continu gevolgd. Wie een overtreding begaat, riskeert sancties.

Ook in het Westen ontstaan zorgwekkende trends. Het Amerikaanse bedrijf Clearview AI bijvoorbeeld bouwt een databank met miljarden gezichten, geplukt uit sociale media en websites, zonder toestemming van de betrokkenen. Beveiligingsbedrijven gebruiken deze beelden om burgers te identificeren, nagenoeg zonder controle.

Een bijkomend gevaar is dat je zelf te veel prijsgeeft. Steeds meer AI-tools gebruiken bijvoorbeeld Retrieval-Augmented Generation (RAG), waarbij je eigen of andere data kunt uploaden voor betere antwoorden. Maar wie garandeert dat deze informatie niet elders wordt opgeslagen of hergebruikt?

Daarnaast ondermijnt AI je informatievrijheid via filterbubbels. Algoritmen tonen vooral inhoud die aansluit bij eerdere voorkeuren, waardoor je blik vernauwt en confirmation bias toeneemt: je vertrouwt vooral informatie die je bestaande overtuiging bevestigt. Gecombineerd met micro-targeting, waarbij je gericht wordt beïnvloed met politieke of commerciële boodschappen, ontstaan risico's op manipulatie.

Geestelijke ontwikkeling

Steeds meer AI-tools nemen cognitieve taken over: ideeën bedenken, teksten samenvatten of wiskundeproblemen oplossen. Dit is handig, maar geeft ook risico's. Als je brein weinig wordt uitgedaagd, komt je mentale ontwikkeling in het gedrang.

Vooral jongeren (digital natives) zijn kwetsbaar. Schoolopdrachten worden sneller aan AI-bots uitbesteed dan zelf uitgewerkt. Daardoor oefenen ze minder op formulering, redenering en foutcorrectie, wat juist belangrijk is voor de intellectuele groei.

Dit daagt ook het onderwijs uit, bijvoorbeeld wat betreft lesmethodes. Mogelijk biedt een aanpak als flip the classroom enig soelaas: leerlingen bereiden thuis (met hulp van AI) de leerstof voor en in de klas worden samen oefeningen gemaakt en besproken.

Bovendien zijn AI-antwoorden vaak vlot geschreven, maar missen ze nuance of tegenstrijdige ideeën. Wie zijn denkproces voortdurend daaraan spiegelt, loopt het risico op vervlakking van mening en expressie.

AI-bots creëren ook onrealistische sociale verwachtingen. Ze zijn vaak opvallend geduldig en meegaand, wat mensen minder sociaal vaardig kan maken. Sommigen raken meer sociaal geïsoleerd of ontwikkelen parasociale relaties met bots als Replika en CharacterAI.

Politiek en economie

AI dreigt ook de politiek-economische verhoudingen grondig te herschikken. Waar staten traditioneel economische groei sturen via beleidsinstrumenten (Keynesiaans model), nemen Big Tech-giganten het steeds meer over. Overheden worden afhankelijker van deze bedrijven, wat machtsasymmetrie versterkt. Er zijn al duidelijke tekenen van deregulatie: regels worden versoepeld om innovatie aan te trekken.

Ook op microniveau is de impact zichtbaar. Ontwikkelingen (zoals agentic AI) kunnen de economie en de productiviteit stimuleren en er ontstaan ook nieuwe functies, zoals prompt engineers, AI-ethici en data-curatoren. Maar helaas gaat het voornamelijk om laagbetaalde ghost workers die AI-modellen helpen trainen. Daarnaast veranderen veel jobs inhoudelijk, zoals in administratie, marketing, financiën en juridische diensten. Andere functies zullen ongetwijfeld verdwijnen. Het is dan ook niet verwonderlijk dat bijvoorbeeld vertalers, copywriters, klantenservicemedewerkers, boekhoudassistenten en junior programmeurs zich ernstig zorgen maken.

AI zal daarnaast ongetwijfeld ook de internationale machtsverhoudingen beïnvloeden. Geopolitieke spelers als de VS en China dreigen met hun AI-overmacht nog dominanter te worden, ten koste van andere (supra)nationale entiteiten. Is Europa hier een goed voorbeeld van?

Veiligheid

Vooralsnog kwamen vooral risico's aan bod die niet per se bedoeld of gewild zijn, maar er zijn ook partijen die bewust de destructieve kracht van AI inzetten. Zo worden cyberaanvallen steeds geavanceerder. Aanvallers gebruiken zelflerende algoritmen om netwerken te exploiteren. Er bestaan AI-tools die phishingmails opstellen, perfect afgestemd op het slachtofferprofiel.

Ook maatschappelijke structuren staan onder druk. Een AI die (via sociale media) nepnieuws verspreidt over bijvoorbeeld verkiezingen, kan wijdverspreide onrust veroorzaken. Door hun schaal en snelheid kunnen AI-systemen hele informatienetwerken ontregelen, zonder aanwijsbare dader.

Daarnaast loert het gevaar van verkeerde afstemming (misalignment): een AI die geen kwaad wil, maar schade aanricht omdat het doel fout werd geformuleerd. Denk aan een AI die waterverbruik wil beperken en daarom irrigatiesystemen stillegt.

Militaire toepassingen zijn er uiteraard ook. Autonome drones en zelflerende wapensystemen worden volop ontwikkeld. Grote spelers zijn bijvoorbeeld het Amerikaanse Anduril (AI-drones)en Palantir (militaire AI-software). Tekenend is dat een oprichter een ultranationalistisch manifest publiceerde waarin hij stelt dat de VS absoluut de AI-oorlog moet winnen.

Cyborgisering

Misschien wel het grootste gevaar van AI dringt langzaam en ongemerkt ons leven binnen: cyborgisering. Dit is het vervagen van de grens tussen mens en de machine. Denk aan avatars die levensecht reageren, digitale dubbelgangers van echte personen of AI-influencers met miljoenen volgers. Daardoor wordt het steeds moeilijker om te onderscheiden waar de mens stopt en de machine begint.

Nieuwe categorieën digitale wezens duiken op, zoals virtuele klantenadviseurs, AI-therapeuten en synthetische gezelschapsdieren. Een Spaanse vrouw trouwde zelfs met een AI-hologram.

Op termijn ontstaat er een samenleving waarin mensen voortdurend zijn verbonden met AI, via brillen, lenzen, implantaten of herseninterfaces (denk aan Neuralink van Elon Musk: AI-in-the-human). Technieken als de Turingtest of Winograd-challenge volstaan al lang niet meer om mens van machine te onderscheiden. Daardoor komen autonomie en authenticiteit steeds meer onder druk te staan.

Cyborgisering roept fundamentele vragen op. In hoeverre blijven we menselijk? Wellicht is niet iedereen een transhumanist zoals Ray Kurzweil, die reikhalzend uitkijkt naar de singulariteit: het moment waarop AI slimmer wordt dan de mens.

Black Friday staat weer voor de deur en dat betekent dat je overspoeld wordt met aanbiedingen. Maar let goed op voordat je op de bestelknop drukt: uit onderzoek van de Autoriteit Consument & Markt (ACM) blijkt dat veel van deze 'megadeals' in werkelijkheid misleidend zijn. Driekwart van de onderzochte winkels houdt zich niet aan de regels.

De toezichthouder nam 24 grote webshops en fysieke winkels onder de loep. De conclusie is schokkend: maar liefst 18 van de 24 winkels gaan de fout in met hun kortingsacties.

Sjoemelen met de 'van-prijs'

De grootste valkuil voor consumenten zit hem in de zogenoemde 'van-prijs'. Wettelijk is vastgelegd dat de doorgestreepte prijs (waar de korting vanaf gaat) de laagste prijs moet zijn die de winkel in de afgelopen 30 dagen heeft gerekend.

In de praktijk lappen veel winkeliers deze regel aan hun laars. Ze baseren de korting bijvoorbeeld op de (vaak veel hogere) adviesprijs, of een oude prijs van maanden geleden. Hierdoor lijkt het alsof je een enorme korting pakt, terwijl je in werkelijkheid soms nauwelijks goedkoper – of zelfs duurder – uit bent.

Volgens Fleur Severijns van de ACM is dit niet alleen oneerlijk tegenover de consument, maar ook tegenover concurrenten die wél netjes de regels volgen. De toezichthouder heeft de overtredende winkels aangeschreven. Vorig jaar kregen ketens als Leen Bakker en Jysk al boetes van boven de een ton voor dit soort praktijken; dat risico lopen de huidige overtreders nu ook.

Ook Bol, Amazon en Wehkamp genoemd

De ACM maakt de namen van de 18 winkels nog niet bekend, omdat zij nog bezwaar mogen maken. De Consumentenbond deed echter eigen onderzoek en noemt man en paard. Volgens de bond gaan onder andere Amazon, Wehkamp en Bol de mist in:

Waarom trappen we erin?

Winkeliers worden steeds creatiever in het verhullen van de werkelijke prijshistorie. Niels Holtrop, universitair docent Marketing, legt aan de NOS uit dat dit een bewust psychologisch spel is. Omdat aanbiedingen vaak tijdelijk zijn, ontstaat er bij consumenten de angst om de deal te missen (Fear Of Missing Out).

Doordat het voor de ACM onmogelijk is om elke (kleine) webshop te controleren, nemen veel winkeliers de gok. "Prijsconcurrentie is een krachtig wapen; klanten zijn er enorm gevoelig voor," aldus Holtrop.

Wat kun je doen?

Controleer zelf of de prijzen van producten niet stiekem zijn verhoord door gebruik te maken van de prijshistorie. Op vergelijkingssites kun je bijvoorbeeld zien wat het prijsverloop van een bepaald product is geweest gedurende een jaar.

Op Kieskeurig.nl kun je bijvoorbeeld de prijsdalers bekijken, hier vind je producten die de afgelopen periode sterk in prijs zijn gedaald.