AGI
Artificial General Intelligence
Door Dennis Claassen · Laatst bijgewerkt feb 2026Simpele Uitleg
AGI staat voor Artificial General Intelligence — in het Nederlands: kunstmatige algemene intelligentie. Het is een (tot nu toe hypothetische) vorm van AI die net zo breed en flexibel kan denken als een mens: niet goed in één klusje, maar in staat om over vrijwel elke verstandelijke taak te leren, kennis van het ene gebied naar het andere over te dragen en nieuwe problemen op te lossen zonder dat een mens het systeem opnieuw moet programmeren. Belangrijk om meteen te zeggen: AGI bestaat nog niet als algemeen erkend feit, en er is geen afgesproken definitie. Wie 'AGI' zegt, bedoelt vaak iets anders dan de volgende persoon. De AI die je nu dagelijks gebruikt is iets anders: 'smalle' AI.
Technische Definitie
AGI wordt door Wikipedia omschreven als een hypothetisch type AI dat menselijke vermogens evenaart of overtreft over vrijwel alle cognitieve taken. Het onderscheidende kenmerk is generalisatie: AGI zou kennis veralgemenen, vaardigheden tussen domeinen overdragen en nieuwe problemen oplossen zonder taakspecifieke herprogrammering, terwijl huidige systemen zoals ChatGPT een competentie hebben die beperkt blijft tot duidelijk afgebakende taken. De definitie is omstreden omdat er geen enkele afgesproken definitie van 'intelligentie' voor computers bestaat — open vragen zijn onder meer of bewustzijn nodig is en of zelf doelen stellen erbij hoort. De huidige generatie LLM's, gebouwd op de transformer-architectuur, valt in het invloedrijke DeepMind-kader onder het laagste algemene niveau ('Emerging AGI').
Waarom Dit Belangrijk Is
AGI is een van de meest beladen begrippen in de AI-wereld, en juist daarom is nuchterheid waardevol. Het woord wordt gebruikt om miljardeninvesteringen te rechtvaardigen, om angst te zaaien en om producten te verkopen — terwijl er geen overeenstemming is over wat het precies is, of het er ooit komt, en wanneer.
Voor bedrijven is de praktische conclusie eenvoudig: of AGI nu over vijf jaar of nooit komt verandert niets aan wat je vandaag kunt doen. De huidige, smalle AI is al krachtig genoeg om concrete waarde te leveren — in marketing, klantenservice, analyse en code. Wachten op AGI is geen strategie; leren werken met de AI die er nu is wel.
Wat AGI-discussies wél nuttig maakt: ze dwingen je scherp na te denken over wat AI nu wel en niet kan. Dat onderscheid — tussen indrukwekkende patroonherkenning en echt begrip — bepaalt waar je AI vertrouwt en waar een mens moet controleren. In een gedegen AI-training leer je die grens in de praktijk herkennen.
Hoe Het Werkt
Om AGI te begrijpen helpt het om eerst te zien hoe de huidige AI werkt — en waar die ophoudt.
Een LLM zoals ChatGPT voorspelt het meest waarschijnlijke volgende woord op basis van patronen in enorme hoeveelheden tekst. Dat werkt verbluffend goed binnen taal, maar het is gebonden aan de taken waarvoor het patronen heeft gezien. AGI zou dat doorbreken: leren in het ene domein en die kennis zelfstandig toepassen in een totaal ander domein, zoals een mens dat doet.
Omdat 'wel of geen AGI' te zwart-wit is, stelde Google DeepMind in de paper 'Levels of AGI' een matrix voor met twee assen: hoe breed een systeem is (van smal naar algemeen) en hoe goed het presteert. De prestatieniveaus lopen van 'Emerging' (zo goed als een ongeschoolde mens) via 'Competent' (≥50e percentiel van bekwame volwassenen), 'Expert' (≥90e) en 'Virtuoso' (≥99e) tot 'Superhuman' (beter dan alle mensen). In dit kader vallen de huidige chatbots onder 'Emerging AGI' — het laagste algemene niveau. Ter vergelijking: een gespecialiseerd systeem als AlphaFold geldt als 'Superhuman Narrow AI': bovenmenselijk, maar alleen op één smal terrein.
Een andere veelbesproken meetlat komt van een groep van 33 onderzoekers (onder leiding van Dan Hendrycks, met bijdragers als Yoshua Bengio en Gary Marcus) in de paper 'A Definition of AGI'. Zij definiëren AGI als het evenaren van de cognitieve veelzijdigheid en bekwaamheid van een goed opgeleide volwassene en meten dat via een gevestigd psychologiemodel (Cattell-Horn-Carroll). Hun observatie is leerzaam: huidige modellen hebben een 'jagged', ongelijkmatig profiel — sterk in kennisintensieve onderdelen, maar met serieuze gaten in fundamentele bouwstenen van denken, vooral langetermijngeheugen.
Use Cases
Verwachtingen managen in je organisatie
Als directie of team een AI-strategie bepaalt, helpt het om AGI-hype te scheiden van wat AI nu echt kan. 'Wachten tot de AI alles kan' is geen plan. Begin met smalle, concrete taken waar de huidige AI al waarde levert — dat is waar het rendement zit.
Inschatten wat je wél en niet aan AI uitbesteedt
Het 'jagged' profiel van huidige modellen — briljant op het ene moment, onbetrouwbaar op het volgende — bepaalt waar je een mens in de lus houdt. Begrijpen dat dit geen menselijke, algemene intelligentie is, voorkomt dat je AI te veel vertrouwt op taken die echt begrip vragen.
Marketing- en verkoopclaims kritisch lezen
Leveranciers gebruiken 'AGI', 'bijna-AGI' of 'menselijk niveau' graag als verkoopargument. Wie weet dat er geen afgesproken definitie bestaat, kan zulke claims op waarde schatten en beoordelen wat een tool echt voor het team of de organisatie doet.
Onderbouwd meepraten over AI-beleid
In discussies over AI-risico's en regulering (zoals de EU AI Act) valt het woord AGI vaak. Een nuchter beeld — geen doembeeld, geen belofte — helpt om mee te praten zonder mee te gaan in de uitersten.
Voorbeelden
Smalle AI versus AGI
AGI zou daarentegen — net als een mens — een nieuw vakgebied kunnen oppikken, een onbekend probleem kunnen aanpakken en kennis uit het ene domein in het andere kunnen toepassen, zonder dat iemand het systeem daarvoor speciaal heeft klaargestoomd. Dat laatste bestaat (nog) niet.
Waarom experts het oneens zijn
Veelgemaakte Fouten
"AGI is er al, of komt zeker in 20XX"
Er is geen consensus dat enig bestaand systeem AGI is, en geen betrouwbaar jaartal. Schattingen lopen sterk uiteen — van enkele jaren tot decennia tot 'deze eeuw waarschijnlijk niet'. Wie een concreet jaartal als feit presenteert, presenteert een mening als zekerheid.
"AGI en de AI die ik nu gebruik zijn hetzelfde"
De huidige AI is 'smal': competent binnen afgebakende taken, maar zonder de brede, overdraagbare flexibiliteit van een mens. In het DeepMind-kader vallen de beste chatbots onder het láágste algemene niveau ('Emerging AGI').
"Iedereen bedoelt hetzelfde met AGI"
Er is geen afgesproken definitie. OpenAI hanteert een economische ('systemen die mensen verslaan op het meeste economisch waardevolle werk'), DeepMind een niveau-matrix, en andere onderzoekers een cognitieve ('net zo veelzijdig als een goed opgeleide volwassene'). Die definities spreken elkaar deels tegen.
"Als AGI komt, is werk zoals we het kennen voorbij"
Dat is speculatie, geen vaststaand feit — net als de tegenovergestelde belofte dat AGI alle problemen oplost. Voor je organisatie is de relevante vraag niet wat een hypothetische toekomst brengt, maar wat de AI van vandaag concreet voor je kan doen.
Tools Die Dit Gebruiken
Veelgestelde Vragen
Bestaat AGI al?
Wat is het verschil tussen AGI en de AI die ik nu gebruik?
Waarom is de definitie van AGI zo omstreden?
Wanneer komt AGI?
Is AGI gevaarlijk?
Wie bepaalt eigenlijk wanneer iets AGI is?
Gerelateerde Termen
Wil je deze term in de praktijk leren toepassen?