Vorige week stond er 84% op onze track-record-pagina. Vandaag staat er 72%. Er is geen bug, er is niets misgegaan, en de radar is niet ineens slechter gaan kijken. Wij hebben zelf de meetlat aangescherpt. Dit stuk legt uit wat er veranderde, wat er gelijk bleef, en waarom we een daling publiceren waar geen mens om vroeg.
Wat er veranderde: 30 calls verdwenen uit de teller
Het oude cijfer, 84% dekking over 62 calls, had een probleem dat je pas ziet als je de lijst induikt. Tussen de voorspellingen zaten termen als “large language model”, geteld als vondst met 39 dagen “voorsprong” op de mainstream. Lees die zin nog eens. Een radar die in 2026 voorspelt dat large language models in het nieuws komen, voorspelt dat er water uit de kraan komt.
Zulke calls zijn niet fout, ze zijn triviaal. En triviale treffers blazen een track record op zonder dat er informatie bijkomt. Dus hebben we ze eruit gehaald: generieke vaktermen, namen die al maanden mainstream waren, en signalen die zo breed zijn dat ze niet kúnnen missen. Wat overblijft zijn 32 niet-triviale calls, en daarvan kwam 72% daadwerkelijk terug in het nieuws, met een gemiddelde voorsprong van 9,8 dagen en een mediaan van 5.
Het verschil tussen die twee getallen is precies de hoeveelheid lucht die in het oude cijfer zat: twaalf procentpunt.
Beginner-tip:“dekking” betekent hier: het percentage van onze gevlagde signalen dat later daadwerkelijk in reguliere media opdook. Het zegt dus of de radar echte onderwerpen ziet. Of we ze ookeerderzien dan de rest, is een aparte en strengere vraag — die komt hieronder.
De aanscherping laat ook zien wáár de radar sterk is. Signalen die al in meerdere bronsoorten tegelijk versnelden (“emerging”) haalden een dekking van 95% (20 van de 21). Prille signalen uit één bron (“weak signals”) maar 27% (3 van de 11). Dat is geen verrassing, wel een nuttige kalibratie: hoe vroeger het signaal, hoe groter de kans dat het niets wordt. Wie onze eerste editie van Wat we voorzagen las, herkent het patroon — corroboratie is de motor, niet de glazen bol.
Wat gelijk bleef: timing is nog steeds niet beter dan toeval
Er is één oordeel dat we bewust níet hebben aangepast, want het bleef bij herberekening vrijwel exact staan. De placebo-toets (een permutatietoets): hussel de vlag-datums duizend keer willekeurig over de trefwoorden en kijk of onze echte timing de mainstream vaker voor is dan de geschudde versies.
Op de nieuwe, strengere set: 28% van onze calls was echt vroeg, tegen 30% bij willekeurige datums. De p-waarde is 0,76 — het aandeel van die duizend geschudde varianten dat minstens zo goed scoorde als onze echte volgorde. In gewone taal: onze vroege timing is niet te onderscheiden van geluk. In de vorige meting (24% om 27%, p=0,83, op de oude set van 62) was de conclusie hetzelfde. De meetlat werd strenger, de calls werden schoner, en het eerlijke antwoord op “zien jullie het eerder dan de rest?” bleef: dat kunnen we niet hard maken.
Eerlijk gezegd hadden we stiekem gehoopt dat het schrappen van de triviale calls dit cijfer zou verbeteren. Als de lucht eruit is, blijft het zuivere signaal over, toch? Nou, nee. Ook de schone set laat geen aantoonbare timing-voorsprong zien. De steekproef is met 32 calls klein, dus “nog niet aantoonbaar” is een eerlijker samenvatting dan “bewezen afwezig”. Maar wie op deze pagina’s een orakel zoekt, kan beter een kop koffie halen.
Gevorderden:de dekking (72%) en de timing-toets (p=0,76) meten verschillende dingen. Dekking is een binomiaal gegeven zonder controle-conditie; de permutatietest ís de controle-conditie, specifiek voor de vraag of de vlag-datum informatie draagt. Een hoge dekking met een kansloze permutatietest betekent: de radar selecteert echte onderwerpen, maar het moment van vlaggen voegt (nog) geen meetbare voorsprong toe. Bij n=32 is de power bovendien beperkt; het onderscheidend vermogen groeit vanzelf mee met de teller.
Concreet betekent dat: elke editie van Wat we voorzagen scoort een nieuwe batch calls op dezelfde, strengere lat, en die tellen we cumulatief bij de bestaande 32 op. Bij een tempo van zo’n twintig tot dertig nieuwe niet-triviale calls per editie — vergelijkbaar met de huidige batch — is een cumulatieve set van 100+ over drie à vier edities haalbaar. Zodra dat aantal gehaald is, herhalen we de permutatietest op de grotere set: dan wordt zichtbaar of er alsnog een timing-voorsprong opduikt, of dat p rond de 0,7-0,8 blijft hangen en de conclusie standhoudt.
Wat wél overeind blijft: het funding-nulmodel
Niet alles wat we toetsen sneuvelt, en dat contrast is leerzaam. Naast de trend-timing draaien we sinds kort een tweede meting: voorspelt een AI-fundingronde dat een bedrijf substantieel meer aandacht gaat krijgen?
Daarvoor bouwden we een gepaard nulmodel. Elk bedrijf met een fundingronde vergelijken we met zichzélf, op een controledatum 180 dagen vóór de ronde, met exact dezelfde meetvensters en dezelfde drempels. Zo meet je niet “krijgen hippe AI-bedrijven aandacht” (ja, duh) maar “voegt de ronde zelf iets toe”. Uitkomst over 409 gepaarde controles: na een fundingronde haalt 19,8% van de bedrijven binnen 90 dagen substantieel meer aandacht in onze bronnenset; op de controledatum zonder ronde is dat 1,2%. Een verschil van ruwweg 16 keer.
Dit is vooralsnog zelfrapportage, geen onafhankelijke audit — dat erkennen we. Wat we wel bieden: de weging per bron, de meetvensters en de drempels waarmee de 409 paren zijn gebouwd staan volledig uitgeschreven op de methode-pagina, zodat je de constructie van het nulmodel zelf kunt narekenen in plaats van ons op ons woord te geloven.
Dat is het soort signaal dat een strenge toets overleeft. Hoe dat er in de praktijk uitziet, hertelden we vorige week per bedrijf in de eerste Beloftecheck: vier van de vijf fundingbeloftes verdampen, en de drie die het waarmaakten zijn per kop geverifieerd. Dezelfde nuchterheid, andere dataset.
Waarom we dit publiceren
Omdat het alternatief erger is. Een track record dat alleen kan stijgen is marketing; eentje dat kan dalen is een meting. Zodra je een dashboard alleen bijwerkt als het cijfer meevalt, is het geen dashboard meer maar een reclamebord, en verdient het net zoveel vertrouwen als de gemiddelde “wij zagen het aankomen”-post op LinkedIn.
We hebben eerder gemerkt wat openheid over eigen fouten oplevert. Toen onze AI-pijplijn feiten verzon in onze eigen profielen, schreven we dat op, inclusief wat we structureel veranderden. Dit stuk is het zusje daarvan: geen incident dit keer, maar een meetlat die we zelf strenger maakten terwijl niemand erom vroeg. Het cijfer op de track-record-pagina wordt bij elke run opnieuw berekend en kan dus ook morgen weer bewegen, twee kanten op. De criteria staan op de methode-pagina, zodat je ons kunt narekenen.
En voor het bredere plaatje: dat wij streng zijn voor onze eigen voorspellingen past in een landschap waar de cijfers over AI zelf ook voortdurend om context vragen — zie de staat van AI in Nederland. De volgende editie van Wat we voorzagen scoort een verse set signalen tegen de nieuwe, strengere lat. Als het cijfer dan stijgt, weet je dat het echt is. Als het daalt, lees je dat hier net zo groot.