Elke twee weken brengen we op de Xylos-blog een scherp en eerlijk overzicht van wat er echt beweegt in de wereld van generatieve AI, met de nodige duiding. De basis blijft het tweewekelijkse LinkedIn-overzicht van Tom Van ’t veld, Learning Innovator bij OASE (powered by Xylos). Tom volgt de AI-ontwikkelingen nauwgezet, en wij vertalen zijn observaties naar wat ze concreet betekenen voor organisaties en de mensen die erin werken. Welkom bij editie zeven.
EDITIE 7 • 6 JULI 2026
Hieronder de verhalen uit de voorbije twee weken die voor jouw organisatie het meeste opleveren.
Loop engineering: tussen echte techniek en tokenrekening
‘Loop engineering’ is de term die je de voorbije weken overal zag opduiken. Het idee is simpel: je typt niet langer losse prompts, maar laat een AI-agent in een lus lopen die zichzelf bijstuurt. Proberen, het resultaat controleren, opnieuw proberen, tot een doel bereikt is. Boris Cherny, de man achter Claude Code, vatte het samen met ‘ik prompt niet meer, ik schrijf loops’. Wie al met agentische tools werkte, herkent het meteen. Het komt neer op een scherpe opdracht geven waarin je vraagt om het werk zelf na te kijken.
Toch zit er meer achter dan een betere prompt. Het verschil zit in geheugen en controle. Een prompt draait één keer, een lus onthoudt wat er misging en probeert het de volgende keer beter. Het echte werk zit in twee dingen: scherp bepalen wanneer iets af is, en remmen inbouwen. Zonder die remmen blijft een agent draaien, blijft hij tokens verbruiken en bouwt hij een stevige rekening op. Anthropic geeft zelf toe dat zo’n meervoudige opzet al snel vijftien keer meer tokens slikt dan een gewoon gesprek. Ook de keuze van het juiste model per taak wordt hier bepalend.
Voor organisaties zit in dit thema een principe dat verder reikt dan de buzzword. De techniek is echt, de kost is even echt, en de winst zit in bewuste keuzes. Je beschrijft voortaan de eindstreep in plaats van elke stap, en je blijft er als mens bij om te beslissen wanneer het goed genoeg is. Bouw agentische workflows daarom op met een duidelijk eindpunt, een verbruikslimiet per use case en een menselijke controlestap. Zo haal je de snelheid binnen zonder dat de tokenfactuur een verrassing wordt. Onze AI-experts helpen je die keuzes maken voor je breed uitrolt.
Goedkopere standaardmodellen, maar niet elk model past bij elke taak
De modellenmakers bekampen elkaar met snellere en goedkopere versies. Anthropic bracht Claude Sonnet 5 uit, een model dat tegen 40 tot 60 procent lagere kosten dicht bij het duurdere Opus 4.8 komt en meteen de standaard wordt voor gratis- en Pro-gebruikers. OpenAI deed iets vergelijkbaars en zette GPT-5.5 Instant als nieuwe standaard voor alle ChatGPT-gebruikers, met minder hallucinaties en beknoptere antwoorden.
Mooi op papier, al toont de praktijk de nuance. Toen Tom zelf een complexe interface probeerde te bouwen, liep Sonnet 5 vast, terwijl het duurdere Opus de opdracht van de eerste keer oploste. Voor meer standaard taken in de Claude-app werkt het goedkopere model dan weer prima. Google duwt Gemini intussen verder van chatbot naar iets dat effectief op je scherm handelt. In Gemini 3.5 Flash zit voortaan computer use ingebouwd, waarmee een agent zelf schermen bekijkt en klikt en typt, tegen ongeveer een derde van de tokenkost van GPT-5.5.
Daarnaast kreeg Gemini een reeks kleinere functies voor de dagelijkse werkstroom. Het kan sinds kort notities maken tijdens je gesprekken in Google Meet, en intussen ook in Zoom en Teams, en zet de beslissingen en actiepunten netjes in een document. Handig, al blijft ook hier de vraag wie je die toegang geeft en waar de data belandt.
De les voor organisaties is dat het goedkoopste model zelden het beste antwoord is voor elke taak. Een lichte samenvatting vraagt een ander model dan een complexe redenering of gevoelige code. Wie per use case bewust kiest welk model de taak doet, wint aan kwaliteit en houdt de kosten in de hand. Leg die afweging vast in heldere richtlijnen, zodat medewerkers weten wanneer ze naar een zwaarder model grijpen en wanneer het lichtere volstaat.
Toegang tot topmodellen wordt een strategische kwestie
Het zwaartepunt van de voorbije weken lag bij overheden die mee bepalen wie de sterkste modellen mag gebruiken. OpenAI moest zijn nieuwe GPT-5.6 aanvankelijk klant per klant laten goedkeuren door de Amerikaanse overheid, waardoor voorlopig maar een twintigtal gescreende bedrijven toegang kreeg en Europese klanten moesten wachten. Kort daarna bewoog het de andere kant op: de Amerikaanse regering hief de exportbeperkingen op Mythos 5 en Fable 5 weer op, waarna Anthropic de buitenlandse toegang begon te herstellen met extra veiligheidsmaatregelen.
Tegelijk liep de spanning tussen Anthropic en China verder op. Anthropic beschuldigt operatoren van Alibaba’s Qwen-lab ervan via zo’n 25.000 valse accounts bijna 29 miljoen gesprekken met Claude te hebben gevoerd om de sterkste vaardigheden na te bootsen. Alibaba verbood op zijn beurt zijn werknemers om Claude Code te gebruiken. Ook de grote spelers herschikten hun posities. Microsoft kondigde Frontier Co. aan, een eenheid van 6.000 mensen die AI bij klanten moet helpen invoeren, terwijl Meta en Amazon lieten weten zich losser te willen maken van één modellenleverancier.
Voor Belgische organisaties weegt hier een principe zwaarder dan het concrete model. Toegang tot topmodellen is niet langer enkel een commerciële keuze, ze wordt mee bepaald door geopolitiek. Ook VRT-expert Tim Verheyden trekt die les: AI en geopolitiek zijn verweven geraakt, en Europa doet er goed aan minder afhankelijk te worden van één leverancier. De juiste reflex is vendor lock-in actief vermijden. Bouw je AI-stack flexibel genoeg om op een ander model over te schakelen, en hou kritieke processen rond een doordachte mix van leveranciers met een duidelijk migratiepad als één speler wegvalt.
AI verschuift jobs, en de mens blijft de versterker
De impact op werk werd deze weken heel concreet. Oracle schrapte het voorbije jaar zo’n 21.000 banen en noemt AI daarbij expliciet als factor. Ford deed het omgekeerde en haalde honderden ervaren ingenieurs terug nadat zijn AI-kwaliteitscontrole tekortschoot. Het bedrijf eindigde daarna voor het eerst sinds 2010 bovenaan een belangrijke kwaliteitsranking. Het voorbeeld dat het meest bijblijft, komt van IKEA: het schoolde zo’n 8.500 callcenter-medewerkers om tot interieuradviseurs op afstand in plaats van ze te ontslaan, nadat zijn AI-assistent ‘Billie’ bijna de helft van de eenvoudige vragen overnam.
Tegelijk blijft de kostenvraag terugkomen. Gartner waarschuwt dat AI-programmeren tegen 2028 duurder kan worden dan het gemiddelde ontwikkelaarssalaris, vooral door het oplopende tokenverbruik. Uit een gesprek over de waarde van menselijk contact in sales komt een geruststellend beeld naar voren: AI werkt vooral als versterker van de medewerker, zolang een mens de eindregie houdt. Berichten die door AI worden opgesteld maar door een mens worden nagelezen, halen volgens Linqed 25 tot 40 procent meer respons, terwijl volledig geautomatiseerde reeksen snel als generiek worden herkend.
De boodschap voor werkgevers is dubbel. AI neemt taken over, en net daarom wordt de vaardigheid om AI te sturen en te beoordelen een basiscompetentie op elk niveau. Investeer in omscholing in plaats van enkel in tools, en zorg dat medewerkers leren prompten, beoordelen en kritisch lezen. Dat sluit aan op wat Tom en zijn collega’s bij OASE en Xylos Learning dagelijks bouwen: leerprogramma’s die mensen sterker maken en meegroeien met de tooling die binnenkomt.
Makers eisen controle terug over hun werk
Opvallend veel makers zetten deze weken een concrete stap om grip terug te pakken. Cate Blanchett lanceerde in het Europees Parlement een gratis register waarmee artiesten in kleurcodes kunnen vastleggen in welke mate hun gezicht, stem of bewegingen door AI mogen worden gebruikt, met steun van namen als Tom Hanks en Emma Thompson. Nederlandse uitgevers en auteurs bouwen met een eigen boekenpact aan afspraken over hoe hun werk gebruikt mag worden. En streamingdienst Tidal stopt als eerste grote speler met het uitbetalen van royalty’s aan volledig AI-gegenereerde muziek.
Wat deze drie stappen delen, is dat toestemming vragen stilaan concreet begint te worden. Waar het gesprek lang bij principes bleef, komen er nu registers, afspraken en betalingsregels die vastleggen wat wel en niet mag.
Voor organisaties raakt dit rechtstreeks aan je eigen AI-output en je merk. Dezelfde vraag naar herkomst en toestemming komt straks bij jouw content terecht. Maak vandaag al afspraken over het labelen van AI-gegenereerd materiaal en over welke bronnen je modellen mogen gebruiken. Zo bouw je vertrouwen op bij klanten en medewerkers, en voorkom je verrassingen wanneer de regels rond auteursrecht verder aanscherpen.
De keerzijde van te veel AI: kwaliteit, privacy en verbruik
Bedrijven die zwaar op AI leunen, voelen intussen de keerzijde. Het inmiddels gekende ‘workslop’, output van lage kwaliteit die vertrouwen uitholt en collega’s tijd kost om fouten eruit te halen, duikt vaker op. Onderzoekers wijzen daarnaast op ‘AI brain fry’ bij een deel van de intensieve gebruikers, veroorzaakt door het voortdurend controleren van AI-antwoorden.
Ook rond data en privacy stapelden de signalen zich op. Bij Meta lekten interne toetsaanslagen, schermopnames en zelfs personeelsbeoordelingen die het bedrijf verzamelde om modellen te trainen, waarna het programma werd stilgelegd. Anthropic gaat vanaf 8 juli gebruikers vragen zich te identificeren met een live selfie en een identiteitsdocument, om zeker te zijn dat er geen minderjarigen meebabbelen, en zegt die beelden niet voor training te gebruiken. Tot slot werd de fysieke kost tastbaar: tijdens de recente hittegolf bleken grote datacenters de omgeving mee op te warmen, met koeling die al zo’n 40 procent van hun energie opslokt. Cambridge-onderzoekers schatten dat dat effect meer dan 340 miljoen mensen kan raken.
De les is dat meer AI niet vanzelf meer waarde betekent. Zonder governance en menselijke review holt de output net vertrouwen en kennis uit, en groeit het risico dat bedrijfsdata via consumententools de organisatie verlaten. Een werkbaar antwoord combineert technologie en awareness: heldere AI-richtlijnen, een officieel ondersteund platform zodat de behoefte aan schaduw-tools wegvalt, en een doorlopend trainingstraject dat de grens bewaakt van wat je aan een AI-assistent toevertrouwt. Onze cybersecurity– en learningteams werken vaak samen op dat snijvlak.
Over twee weken zijn we terug met de volgende editie.
Over Tom Van ’t veld
Tom werkt al jaren voor Xylos, waar hij begon als Microsoft Office-trainer en uitgroeide tot de drijvende kracht achter vernieuwende leerconcepten. Hij ligt mee aan de basis van OASE, het online leerplatform van Xylos, en van PlayForward, het nieuwe gamified learning brand van Xylos. Daarnaast ontwikkelde hij onder meer het Digital Coach-concept, een Microsoft Teams Escape Room-app en de mAindset-game waarmee medewerkers op een speelse manier leren prompten met AI. Als Learning Innovator richt hij zijn blik de voorbije jaren steeds meer op wat AI betekent voor de manier waarop we leren en werken. Reageren of doorpraten? Vind hem op LinkedIn.
