Een van de invloedrijkste AI-wetenschappers ter wereld verlaat zijn positie bij Meta. Niet om met pensioen te gaan, maar om met meer dan een miljard dollar aan startkapitaal een totaal andere richting in te slaan. Yann LeCun, winnaar van de Turing Award en jarenlang hoofd van Meta’s AI-divisie, richt AMI Labs op in Parijs. Zijn stelling: de large language models waar iedereen vandaag op bouwt, zijn een "statistische illusie". Indrukwekkend in taal, maar fundamenteel beperkt.
Dit is geen doemscenario. Het is een observatie die elke organisatie die met AI werkt zou moeten interesseren.
Wat er gebeurde
Yann LeCun is geen onbekende. Samen met Geoffrey Hinton en Yoshua Bengio ontving hij in 2018 de Turing Award voor zijn pionierswerk in deep learning. Bij Meta leidde hij FAIR, een van de meest productieve AI-onderzoekslabo’s ter wereld. En toch koos hij ervoor om te vertrekken.
AMI Labs, voluit Advanced Machine Intelligence Labs, haalde een seed-ronde op van $1,03 miljard. De grootste seed-ronde ooit voor een Europees bedrijf. Waardering: $3,5 miljard. Investeerders zijn onder andere Nvidia, Samsung, Jeff Bezos en Eric Schmidt. Het team bestaat uit voormalige topwetenschappers van Meta.
Het bedrijf is gevestigd in Parijs. Dat is geen toeval. LeCun positioneert AMI Labs expliciet als een Europees alternatief voor de Amerikaanse techgiganten.
Waar LeCun aan werkt, verschilt fundamenteel van ChatGPT of Claude. Huidige taalmodellen zijn getraind op tekst. Ze voorspellen het volgende woord in een reeks. Dat levert indrukwekkende resultaten op, maar het betekent niet dat het model de wereld begrijpt. LeCun vergelijkt het met een papegaai: vloeiend in taal, blind voor de werkelijkheid.
Zijn alternatief heet "world models", gebaseerd op een architectuur die hij JEPA noemt (Joint Embedding Predictive Architecture). Het idee: AI die leert zoals een kind. Niet door miljarden zinnen te lezen, maar door de fysieke wereld te observeren, patronen te herkennen en oorzaak en gevolg te begrijpen. AI die weet dat een bal naar beneden valt. Niet omdat het dat ergens gelezen heeft, maar omdat het de wereld modeleert.
Waarom dit ertoe doet voor jouw organisatie
De neiging bij dit soort nieuws is om af te wachten. "Laat de wetenschap maar uitzoeken wie gelijk heeft." Dat is begrijpelijk. Maar het punt is niet of LeCun gelijk krijgt of niet. Het punt is wat dit zegt over de fase waarin AI-technologie zich bevindt.
We zitten niet in een stabiele, uitgekristalliseerde markt. We zitten in een periode van fundamentele verschuivingen. De modellen van vandaag zijn krachtig. Ze leveren echte waarde op. Maar de kans dat de tools die je vandaag inzet er over drie jaar nog hetzelfde uitzien, is klein.
Dat is geen reden om te wachten. Het is wel een reden om heel bewust na te denken over hoe je AI inzet. Drie inzichten.
Begrijp wat je gebruikt. Veel organisaties zetten AI in als een black box. Er komt iets in, er komt iets uit, en zolang het resultaat bruikbaar is, stelt niemand vragen. Maar als de technologie verschuift, en dat doet ze, dan wil je weten wat je hebt gebouwd. Welke processen draaien op welke modellen? Waar zitten de afhankelijkheden? Wat gebeurt er als een leverancier zijn API verandert of zijn prijsmodel aanpast? Organisaties die hun AI-stack begrijpen, kunnen meebewegen. De rest staat stil wanneer de grond verschuift.
Investeer in mensen, niet alleen in tools. De tools veranderen. Dat is zeker. Wat niet verandert, is de waarde van teams die begrijpen hoe AI werkt, die kunnen beoordelen wanneer een model betrouwbaar is en wanneer niet, die weten hoe ze een prompt moeten aanpassen of een workflow moeten herontwerpen. AI-geletterdheid is geen eenmalige training. Het is een doorlopende competentie. De organisaties die vandaag investeren in de AI-kennis van hun mensen, bouwen aan het aanpassingsvermogen dat morgen het verschil maakt.
Blijf onafhankelijk. LeCun bouwt een alternatief. China investeert zwaar in eigen modellen. Open-source modellen worden steeds krachtiger. De markt wordt niet smaller, maar breder. Wie zich vandaag vastzet op een platform of leverancier, beperkt morgen zijn opties. Vendor-neutraliteit is geen luxe voor grote bedrijven. Het is een strategische noodzaak voor elke organisatie die AI serieus neemt. Kies tools op basis van wat je nodig hebt, niet op basis van wat een verkoper aanbiedt. En zorg dat je altijd kunt overstappen.
De echte les
Het is verleidelijk om dit verhaal te lezen als een technisch debat tussen wetenschappers. LLMs versus world models, transformers versus JEPA. Maar voor wie een organisatie leidt, gaat het niet over architectuur. Het gaat over eigenaarschap.
De technologie is nog volop in beweging. Dat maakt het spannend en tegelijk onvoorspelbaar. De organisaties die daar het best mee omgaan, zijn niet degene die op het juiste paard wedden. Het zijn de organisaties die hun eigen koers kunnen bepalen, ongeacht welk paard wint. Omdat ze het begrijpen. Omdat ze de mensen hebben. Omdat ze niet afhankelijk zijn van een leverancier.
Eigenaarschap over je AI-strategie is niet nice-to-have. Het is wat het verschil maakt tussen meebewegen en stilstaan.