Een opvallende voorspelling
In de nieuwste editie van zijn nieuwsbrief Import AI (4 mei 2026) doet Jack Clark — mede-oprichter van Anthropic en voormalig beleidsmedewerker bij OpenAI — een voorspelling die opvalt door zijn precisie: een kans van meer dan 60% dat AI-systemen vóór eind 2028 in staat zijn om hun eigen opvolgers te trainen. Voor 2027 schat hij die kans nog op ongeveer 30%.
Clark is geen doomdenker en geen techno-optimist die alles roze ziet. Hij is een van de meer nuchtere stemmen in de AI-industrie. Juist daarom is zijn observatie het overwegen waard: "alle puzzelstukken zijn er nu om de productie van AI-systemen te automatiseren".
Wat is "AI die zichzelf bouwt"?
Het idee is simpel maar de implicaties ingrijpend. Vandaag wordt elk nieuw AI-model gebouwd door teams van menselijke onderzoekers en engineers: zij ontwerpen experimenten, optimaliseren trainingscode, evalueren resultaten en stellen bij. Clark's stelling: die hele cyclus is op het punt zich te automatiseren. AI-systemen worden zo goed in coderen, debuggen en wetenschappelijk werk dat ze die taken zelfstandig kunnen uitvoeren.
Hij illustreert dat met een aantal benchmarks die de afgelopen jaren spectaculair zijn opgeschoven:
- SWE-Bench, een test waarin AI software-bugs moet oplossen: van 2% in 2023 tot ruim 93% eind 2025. De benchmark is daarmee feitelijk verzadigd.
- Tijdshorizon: in 2022 konden AI-systemen taken van zo'n 30 seconden volledig uitvoeren. In 2026 zit dat op taken van 12 uur. Clark verwacht eind dit jaar 100 uur.
- MLE-Bench, waarin AI machine-learning-competities (Kaggle) zelfstandig oplost: van 17% in 2024 tot 64% begin 2026.
- PostTrainBench, een test voor het zelf fine-tunen van modellen: AI haalt nu 25–28% van het menselijk niveau.
De richting is duidelijk, ook al ligt het exacte moment waarop de drempel van "AI verbetert AI" wordt overschreden, niet vast.
Drie implicaties
Clark schetst drie hoofdgevolgen.
1. Alignment wordt urgenter. De technieken die we vandaag gebruiken om AI veilig en bedoeld te laten gedragen, zijn niet ontworpen voor systemen die honderden generaties doorkruisen zonder menselijke tussenkomst. Hij illustreert het met simpele rekenkunde: een proces dat per generatie 99,9% accuraat is, eindigt na 500 generaties op 60%. Kleine fouten worden grote.
2. Economische versnelling. Sectoren waarin AI breed wordt ingezet, zullen volgens Clark een productiviteitsversnelling zien zoals we die zelden hebben meegemaakt. Maar die versnelling wordt gerantsoeneerd door wie er toegang toe heeft, en door welke werkprocessen niet schaalbaar zijn met AI ("Amdahl's Law" in de praktijk: de traagste schakel bepaalt het tempo).
3. Een "machine-economie" binnen onze economie. Clark voorziet de mogelijkheid van bedrijven die volledig door AI worden gerund — kapitaalintensief, met weinig menselijke betrokkenheid. Dat roept fundamentele governance-vragen op: wie is verantwoordelijk, hoe verzeker je toezicht, hoe ga je om met aansprakelijkheid?
Waarom dit voor controllers, bestuurders en schoolleiders relevant is
De verleiding om dit weg te zetten als "iets voor over een paar jaar, als het al gebeurt" is groot. En misschien terecht — Clark's voorspelling is een waarschijnlijkheid, geen zekerheid. Maar twee observaties verdienen aandacht:
Strategische tijdshorizon. Veel beslissingen die je vandaag in de bedrijfsvoering neemt — over IT-systemen, personeelsbeleid, informatieveiligheid, investeringen in datakwaliteit — werken door tot ver na 2028. Als de kans dat de AI-context dan fundamenteel anders is écht ergens rond de 60% ligt, is dat een variabele die in elk meerjarenplan thuishoort. Niet als wensdenken, maar als reëel scenario.
Bestaande processen. Clark spreekt over volledig geautomatiseerde R&D, maar de onderliggende dynamiek — AI dat steeds langere taken aankan — speelt nu al. Een controller die verzuimanalyse doet, een bestuurder die beleid samenvat, een schoolleider die een investeringscasus opstelt: dat zijn allemaal taken die qua complexiteit en duur in de buurt komen van wat AI vandaag al beheerst. De vraag is niet of AI deze taken raakt, maar hoe je daar in jouw organisatie regie over voert.
Geen voorspelling, wel een richting
Clark sluit zijn stuk af met een eerlijke kanttekening: dit alles berust op extrapolatie van trends. AI-vooruitgang is volgens hem vooral "transpiratie boven inspiratie" — incrementele engineering, niet plotselinge doorbraken. Maar incrementele vooruitgang heeft ons gebracht waar we nu zijn, en zal ons nog verder brengen.
De vraag is dus minder óf AI-systemen zichzelf gaan bouwen, en meer wanneer — en hoe we daar als organisatie, als sector en als samenleving op voorbereid willen zijn.
Het volledige stuk van Jack Clark lees je in Import AI 455: AI Systems Are About to Start Building Themselves (4 mei 2026).