Betekent aiバブル崩壊dat kunstmatige intelligentie niet meer werkt? Nee. De Japanse uitdrukking betekent "het uiteenspatten van de AI-bubbel" of "het barsten van de AI-bubbel". In een marktdiscussie beschrijft het een mogelijke scherpe daling van de prijzen van aan AI gekoppelde activa wanneer de verwachtingen de verwachte kasstromen van beleggers overtreffen. Het bewijst niet dat nuttige AI-producten gefaald hebben of dat de acceptatie ervan is gestopt.
Op 3 november 2026 toonde het hier besproken bewijsmateriaal niet aan dat er sprake was van een sectorbrede AI-crash. Het Internationaal Monetair Fonds (IMF) beschreef de markten als veerkrachtig te midden van solide groei en sterke bedrijfswinsten, maar waarschuwde tegelijkertijd dat haperende AI-investeringen of -winstgevendheid een correctie in AI-gerelateerde activa zouden kunnen veroorzaken. Dat is een risicoscenario, geen rapport van een ineenstorting. De analyse van het IMF van 13 oktober 2026 is een nuttig uitgangspunt om marktrisico's te onderscheiden van productprestaties.
Illustratief hypothetisch voorbeeld: Stel je voor dat een middelgrote winkelketen een AI-assistent test die antwoorden voor de klantenservice opstelt. Dit voorbeeld is fictief. De resultaten ervan kunnen ons niet vertellen of een project van een echt bedrijf succesvol zou zijn, en een pilot bij één enkele winkelketen zou de waarde van de AI-industrie niet bepalen. Het laat echter wel zien waarom aandelenwaarderingen, kapitaaluitgaven, projecteconomie en brede acceptatie afzonderlijk moeten worden beoordeeld.
Wat zou een "AI-bubbel die barst" nu eigenlijk betekenen?
Een aandelenmarkt kan de waarde van bedrijven aanpassen, zelfs terwijl hun technologie blijft verbeteren. Een aandelenkoers weerspiegelt de verwachtingen over toekomstige winst, groei, risico en rentetarieven. Als beleggers rekening hadden gehouden met een zeer snelle omzetgroei en hoge marges in de AI-sector, zou een trager – maar nog steeds positief – bedrijfsresultaat die verwachtingen kunnen teleurstellen.
Houd vier verschillende vragen uit elkaar:
- Waarderingen: Zijn aandelenkoersen afhankelijk van groei en winst die bedrijven mogelijk niet zullen realiseren?
- Producten en projecten: Lossen specifieke AI-tools een reëel probleem betrouwbaar op tegen acceptabele totale kosten?
- Kapitaaluitgaven: zullen datacenters, chips, stroomvoorziening en netwerkapparatuur gedurende hun levensduur rendement opleveren?
- Adoptie: Zijn klanten bereid hun werkprocessen aan te passen en te betalen voor duurzame waarde, of blijven ze bij proefprojecten?
Een daling van aandelen in AI-gerelateerde bedrijven zou op zichzelf geen van die vragen beantwoorden. Een mislukte pilot met een chatbot zou niet bewijzen dat elke AI-investering onproductief is. Evenmin betekent een toenemend gebruik automatisch dat een bedrijf genoeg kan verdienen om de aandelenkoers of de investeringen in infrastructuur te rechtvaardigen.
Wat zegt het bewijsmateriaal uit 2026 over het waarderingsrisico?
Het Global Financial Stability Report van het IMF van 14 april 2026 wees op overgewaardeerde aandelen en marktconcentratie – met name bij bedrijven die zich bezighouden met kunstmatige intelligentie – als risico's. In de bespreking van Europa en de wereldwijde AI-race van 21 september 2026 werd ook beschreven hoe schulden, grensoverschrijdende deelnemingen en circulaire financiering een eventuele teleurstelling zouden kunnen versterken. Dit zijn waarschuwingen over blootstelling en transmissiekanalen, geen bewijs dat alle AI-aandelen dezelfde waardering hebben of tegelijkertijd zullen dalen.
Een van de zorgen is dat een kleine groep bedrijven met elkaar verbonden kan zijn door investeringen, leningen, cloud-aankopen en toekomstige afspraken over diensten of chips. In haar analyse van oktober vatte het IMF 14 openbaar gemaakte transacties samen sinds 2023, waarbij het ging om ongeveer 300 miljard dollar aan aandeleninvesteringen en 650 miljard dollar aan schulden, naast 1,4 biljoen dollar aan toekomstige omzetverplichtingen. Deze cijfers beschrijven openbaar gemaakte financiering en verplichtingen; het zijn geen gerealiseerde verliezen, gegarandeerde inkomsten of een maatstaf voor de schulden van elk AI-bedrijf. Het risico is dat problemen bij een belangrijke deelnemer meerdere onderling verbonden verwachtingen tegelijk kunnen ondermijnen.
Rentepercentages en concentratie spelen ook een rol. Hogere disconteringspercentages kunnen de contante waarde die beleggers toekennen aan winsten die ver in de toekomst worden verwacht, verlagen. Als een handvol grote AI-gerelateerde bedrijven ook een groot aandeel in een marktindex vertegenwoordigen, kan een herwaardering van die aandelen gevolgen hebben voor portefeuilles buiten de AI-sector. Dat is iets anders dan beweren dat de onderliggende technologie geen waarde heeft.
Hoe kan een hoge uitgavenpost tegelijkertijd een groeisignaal en een risico zijn?
Grote uitgaven kunnen een weerspiegeling zijn van de werkelijke vraag, maar ze verhogen ook het rendement dat toekomstige inkomsten moeten ondersteunen. Een nuttig voorbeeld is de winstpresentatie van Alphabet op 28 oktober 2026. Het bedrijf meldde dat de omzet van Google Cloud in het derde kwartaal met 103% op jaarbasis was gestegen tot $ 30,7 miljard, en handhaafde de prognose voor de kapitaaluitgaven voor heel 2026 van $ 195 miljard tot $ 205 miljard. Het rapporteerde ook $ 51,4 miljard aan kapitaaluitgaven in het derde kwartaal en een negatieve vrije kasstroom van $ 9,1 miljard voor dat kwartaal, wat werd toegeschreven aan de druk op investeringen en andere effecten van voorraden en een boete van de toezichthouder. Alphabet zei dat afschrijvingen en operationele kosten van datacenters, inclusief energie, zouden stijgen met investeringen in infrastructuur. Dit zijn door het bedrijf gerapporteerde resultaten en verwachtingen , geen onafhankelijke audit van het totale rendement over de gehele levensduur van elk AI-project.
Het voorbeeld is bewust gemengd: de gerapporteerde groei van de cloud kan de vraag ernaar ondersteunen, terwijl de kapitaaluitgaven, kasstroom, afschrijvingen en energiekosten laten zien wat er terugverdiend moet worden. Een kwartaal met een negatieve vrije kasstroom is op zichzelf geen bewijs van een mislukt project, zeker niet wanneer de investeringen toenemen. De relevante vraag is of het gebruik en de inkomsten uiteindelijk de bouw-, financierings-, exploitatie- en vervangingskosten dekken.
Hoe moet een bedrijf een AI-project beoordelen?
Keer terug naar de ondersteuningsassistent van de fictieve retailer. Voordat de retailer deze uitbreidt, moet hij de pilot vergelijken met zijn bestaande proces en de kosten bovenop de geadverteerde prijs van het model meerekenen:
- Meet de voltooide werkzaamheden: houd bij hoeveel zaken correct zijn afgehandeld, welke escalaties zijn doorgevoerd en hoeveel tijd medewerkers hebben bespaard, en niet alleen hoeveel meldingen, aanmeldingen of concepten er zijn verwerkt.
- Bereken de totale kosten per succesvol resultaat: neem inferentie, software, integratie, menselijke beoordeling, beveiliging, monitoring, downtime en de kosten voor het corrigeren van fouten mee.
- Test de kwaliteit op een manier die ertoe doet: maak onderscheid tussen conceptuele fouten met een lage impact en fouten die betrekking hebben op terugbetalingen, toegang tot accounts, persoonsgegevens of wettelijke verplichtingen.
- Controleer of de tool na de introductieperiode nog steeds wordt gebruikt: ga na of medewerkers de tool ook na de introductieperiode blijven gebruiken en of de workflow daadwerkelijk verandert.
- Stel een evaluatie- en exitpunt vast: bepaal van tevoren welk bewijs een uitbreiding, een beperkter gebruik, een andere aanbieder of het stopzetten van de pilot zou rechtvaardigen.
Deze controles gelden op projectniveau. Een retailer kan stoppen met het ene gebruiksscenario, terwijl hij AI blijft inzetten voor een ander. Dat is normale projectselectie en geen bewijs van een sectorbrede explosie.
Welke scenario's voor 2026 moeten lezers onderscheiden?
De productiviteit haalt de verwachtingen in.
Klanten integreren AI in waardevolle workflows, het gebruik neemt toe en de inkomsten of kostenbesparingen compenseren de computer- en implementatiekosten. In dit scenario kunnen sommige aandelen nog steeds duur of volatiel zijn, maar de reële operationele winsten ondersteunen een deel van de investeringscyclus. Voor de fictieve retailer zou uitbreiding alleen zinvol zijn als de gemeten resultaten na aftrek van alle kosten en menselijke beoordeling beter blijven dan de beginsituatie.
Selectieve prijsaanpassing en projectsanering
AI blijft nuttig, maar de acceptatie en commercialisering ervan verloopt trager dan beleggers hadden verwacht. Bedrijven schrappen minder succesvolle pilots, heronderhandelen over capaciteit of verschuiven budgetten naar goedkopere modellen en specifiekere taken. Aandelenkoersen kunnen dalen, zelfs als de ingezette tools blijven verbeteren. De retailer kan de assistent alleen nog gebruiken voor routinematige vragen en ermee stoppen wanneer de beoordelingskosten het voordeel tenietdoen.
Een scherpere correctie met financiële overloopeffecten.
Tegenvallende inkomsten, een hoge financieringsbehoefte of een lager rendement kunnen ertoe leiden dat bedrijven hun datacenterplannen vertragen en investeerders de aan AI gekoppelde winsten heroverwegen. Schulden en onderling verbonden verplichtingen kunnen deze herwaardering versterken, zoals het IMF heeft gewaarschuwd. Een dergelijke schok kan gevolgen hebben voor leveranciers, kredietverstrekkers en markten met een geconcentreerde blootstelling aan AI. Het zou hoe dan ook een financiële en investeringsgebeurtenis zijn; of specifieke AI-mogelijkheden nuttig blijven, vereist afzonderlijk onderzoek.
Dit zijn scenario's, geen voorspellingen of beleggingsadviezen. Dat onderscheid is belangrijk: een technologie kan in de loop der tijd een grote impact hebben, terwijl sommige bedrijven, projecten of waarderingen onderweg tegenvallen.
Een praktische checklist voor het bijhouden van AI-risico's
Bij het lezen van een bedrijfsrapport is het belangrijk om de inkomsten en het gebruik door klanten met betrekking tot AI te vergelijken met de kapitaaluitgaven, de operationele kasstroom, afschrijvingen, energiekosten, financiering en verplichtingen die mogelijk moeilijk af te wikkelen zijn. Zoek naar bewijs van herhaalaankopen en terugkerende klanten, en vraag je af of de vraag sterk afhankelijk is van een klein aantal gerelateerde bedrijven. Beschouw de prognoses van het management als een verwachting en niet als een vaststaand resultaat.
Bij de evaluatie van een project moet de prestatie worden vergeleken met een gedocumenteerde basislijn, de totale kosten per succesvol resultaat worden berekend, de ernst van fouten en de menselijke beoordelingslast worden onderzocht, en een beslissingsdatum worden vastgesteld. Het beste signaal voor de fictieve retailer zou niet een spectaculaire productdemonstratie zijn, maar een aanhoudende verbetering van de klantenservice na aftrek van alle kosten en risico's.
De vraag of AI-technologie een rol speelt, kan daarom het beste worden begrepen als een kwestie van verwachtingen en blootstelling, en niet als een oordeel over AI zelf. In 2026 is de realistische benadering om te kijken of uitgaven leiden tot duurzame rendementen, of projecten werken binnen daadwerkelijke werkprocessen en of marktprijzen meer veronderstellen dan de beschikbare gegevens kunnen onderbouwen.
Bronnen en tijdsbestek