De afgelopen tijd zie je een nieuwe generatie AI-programma's opkomen.
ChatGPT Codex. Claude Cowork. Google Gemini Antigravity.
Zelf ben ik inmiddels helemaal van Codex. En ik merk dat ik daardoor ineens anders ga werken. Niet een beetje anders, maar fundamenteel anders.
Ik gebruik bijna geen normale programma's meer als beginpunt.
Een programma als Word of Google Documenten open ik eigenlijk nauwelijks nog. Niet omdat die programma's slecht zijn, maar omdat Codex steeds vaker mijn startpunt is geworden. Ik schrijf mijn gedachten op in Codex en laat Codex het daarna netjes uitwerken.
Zoals deze blog.
Zelfs het publiceren hoef ik in principe niet meer handmatig te doen. Codex kan de tekst plaatsen, de pagina aanmaken en zorgen dat alles goed op de website terechtkomt. Daardoor voelt werken ineens anders. Minder alsof ik zelf steeds losse programma's moet bedienen. Meer alsof ik een opdracht geef en het werk daarna wordt uitgevoerd.
API's als nieuwe werklaag
In mijn ontdekkingstocht naar dit nieuwe werken merkte ik dat ik ook steeds vaker gebruikmaak van API's.
Een API kun je zien als een soort lijntje tussen jouw programma, app of website en een AI-tool zoals ChatGPT, Claude, Google Gemini of DeepSeek. Via zo'n lijntje kun je een AI-model automatisch iets laten doen binnen je eigen omgeving.
Een simpel voorbeeld.
Op mijn website robbertvanempel.nl schrijf ik mijn blogs in het Nederlands. Maar ik wil ze ook in het Engels aanbieden. Dan kan ik natuurlijk alles nog een keer zelf in het Engels schrijven. Of ik kan mijn website zo laten werken dat een blog automatisch wordt vertaald zodra ik op publiceren klik.
Dat laatste is precies waar een API handig voor is.
En toen ontdekte ik iets interessants.
Als ik een blog laat vertalen via ChatGPT, kost dat mij ongeveer 19 cent. Doe ik hetzelfde via de Chinese AI-tool DeepSeek, met voor deze taak nagenoeg dezelfde kwaliteit, dan kost het mij ongeveer 1 cent.
Dat verschil lijkt klein als je naar een enkele blog kijkt.
Maar op schaal is het enorm.
De gevoeligheid rond Chinese AI
Tijdens mijn lezingen zie ik dat bijna alle organisaties vooral werken met Amerikaanse AI-tools.
Bedrijven, overheid, zorg, onderwijs: de standaardnamen zijn ChatGPT, Claude, Gemini en Microsoft Copilot. Zodra je Chinese AI-tools noemt, komen er direct bezwaren naar boven. Privacy. Veiligheid. Geopolitiek. Afhankelijkheid. Vertrouwen.
En die bezwaren zijn niet onbelangrijk.
Je moet goed nadenken over welke data je waarheen stuurt. Zeker als je werkt met gevoelige informatie, persoonsgegevens, bedrijfsgeheimen of publieke taken. Niet elke tool hoort in elke context thuis.
Maar tegelijkertijd zie ik iets anders gebeuren.
Veel organisaties willen AI gebruiken, maar ze willen of kunnen het geld niet vrijmaken om goede AI-toegang aan al hun medewerkers te geven. Dan krijgt een kleine groep mensen toegang tot de beste tools en de rest moet het doen met beperkte alternatieven of helemaal niets.
Dat is een duivels dilemma.
Want als je echt goed met AI wilt leren werken, moet je er veel mee kunnen experimenteren. Je moet fouten kunnen maken, prompts kunnen testen, verschillende modellen kunnen vergelijken en ontdekken welke taken zich wel en niet lenen voor AI.
Als mensen bij elke vraag denken: kost dit geld, zit ik aan mijn limiet, mag ik dit wel gebruiken, dan leren ze het minder snel.
De kosten gaan zwaarder wegen
In het bedrijfsleven zie je daarom steeds vaker dat er toch wordt gekeken naar Chinese AI-tools.
Niet per se omdat organisaties daar ideologisch voor kiezen. Maar omdat de rekensom soms zo duidelijk is. Als een Chinese AI-tool dezelfde taak goed genoeg uitvoert voor een fractie van de kosten, dan wordt het lastig om dat te negeren.
Ik merk dat zelf ook.
Voor het vertalen van mijn blogs kan ik kiezen voor een Amerikaanse AI-tool die ongeveer 19 keer zo duur is als de Chinese optie. En het bizarre is: ik kies voor de Chinese AI-tool.
Niet omdat ik daar vooraf een groot standpunt over had.
Maar omdat bij deze specifieke taak de kosten uiteindelijk de doorslag geven.
Het gaat om een relatief eenvoudige vertaaltaak. De tekst is van mij. Er staat geen geheime klantinformatie in. De kwaliteit is goed genoeg. En het prijsverschil is enorm.
Dan wordt de keuze ineens heel praktisch.
Niet elke taak vraagt om het beste model
Dat is misschien wel de belangrijkste les.
We doen vaak alsof je altijd het beste AI-model nodig hebt. De nieuwste, slimste, krachtigste versie. State of the art.
Maar eerlijk gezegd: voor heel veel taken hoeft dat helemaal niet.
Een blog vertalen.
Een samenvatting maken.
Een eerste opzet schrijven.
Een simpele analyse doen.
Een interne tekst herschrijven.
Een lijst structureren.
Een standaardmail voorbereiden.
Daarvoor heb je niet altijd het allerbeste model ter wereld nodig. Je hebt een model nodig dat goed genoeg is voor de taak, betrouwbaar genoeg werkt en betaalbaar blijft als je het vaak gebruikt.
En precies daar kunnen Chinese AI-tools heel sterk worden.
Niet omdat ze altijd beter zijn.
Maar omdat ze vaak goed genoeg zijn en veel goedkoper.
Wie wint de AI-race?
Ik ben benieuwd hoe dit zich gaat ontwikkelen.
Op dit moment neig ik ernaar dat Chinese AI-tools een veel grotere rol gaan spelen dan veel organisaties nu willen toegeven. Misschien niet bij de meest gevoelige taken. Misschien niet bij alles waar compliance, privacy of geopolitiek zwaar wegen.
Maar wel bij de enorme hoeveelheid dagelijkse AI-taken waar vooral prijs, snelheid en beschikbaarheid tellen.
En dat is een groot deel van het werk.
Als een organisatie duizenden medewerkers AI wil laten gebruiken, wordt prijs ineens strategisch. Niet alleen de kwaliteit van het model bepaalt dan de keuze, maar ook de vraag of je het gebruik breed kunt uitrollen zonder dat de kosten exploderen.
Daarom denk ik dat de AI-race niet alleen wordt gewonnen door het slimste model.
De race wordt ook gewonnen door het model dat betaalbaar genoeg is om overal gebruikt te worden.
En als ik eerlijk kijk naar mijn eigen gedrag, zie ik precies dat gebeuren.
Ik kan kiezen voor duurder.
Maar voor deze taak kies ik goedkoper.
Omdat goed genoeg soms gewoon goed genoeg is.