Bijna iedereen die over AI schrijft, zegt achteraf dat ze het zagen aankomen. Wij wilden dat controleerbaar maken, en daar zit een ongemakkelijk randje aan. Achter deze site draait een trend-radar die elke dag opkomende termen vastlegt (met datum, met bron) en een meet-engine die ze weken later scoort. Dit is editie één van Wat we voorzagen. En in plaats van te showen hoe vaak we gelijk hadden, beginnen we met de eerlijke vraag: werkt dat ding eigenlijk wel? We hebben het streng getoetst, en het antwoord is genuanceerder dan ons lief is.
Twee getallen, eerlijk naast elkaar
Er zwerft één cijfer rond waar je makkelijk mee kunt pronken: 87,3%. Dat is verleidelijk, en daarom leggen we het meteen open.
De radar legt dagelijks opkomende termen vast. Een term “materialiseert” als hij binnen een week van fase verspringt, zijn vermeldingen verdrievoudigen, of in minstens twee reguliere bronnen opduikt. Van álle 1.349 gescoorde signalen haalt 12,0% die drempel. Dat is de ruwe, eerlijke noemer.
Filter je op gecorroboreerde signalen (termen die op één dag in minstens drie losse bronsoorten tegelijk opdoken), dan loopt het op naar 87,3%. De gradiënt is strak: bij één bronsoort blijft 2,2% stijgen, bij vijf ruim 90%. Dat is een echte correlatie. Maar wees scherp op wat het meet: vooral dát momentum doorzet. Een term die al overal tegelijk opduikt, blijft meestal even doorrollen. Dat is iets anders dan de toekomst zien.
💡 Hoe lees je dit? 87,3% is geen “wij hebben 87% gelijk”. Het is “gecorroboreerde termen blijven meestal nog even stijgen”. Een nuttige correlatie, geen profetie.
Dus stelden we de strengere vraag. Niet “komt het uit?”, maar: zien wíj het eerder dan je met een willekeurige gok zou doen? Daarvoor draaiden we een placebo-toets. Neem onze echte voorspellingen, hussel de flag-datums duizend keer willekeurig over de trefwoorden, en kijk telkens hoe vaak we de mainstream “vroeg” voor waren. Als onze timing echt informatie draagt, scoort de echte volgorde beter dan de geschudde.
Dat deed-ie niet. Onze echte voorspellingen waren in 24% van de gevallen vroeg; de willekeurig geschudde versies in gemiddeld 27%. De kans dat dit verschil toeval is: 0,83. In gewone taal: onze vroege timing is statistisch niet te onderscheiden van geluk. De steekproef is klein (62 voorspellingen die streng genoeg waren voor deze toets), dus het is eerlijker om “nog niet aantoonbaar” te zeggen dan “bewezen waardeloos”. Maar het staat hier, want het is wat de cijfers zeggen.
Gevorderden:De twee getallen botsen niet, ze meten andere dingen. De 87,3% is een binomiale toets op interne materialisatie; de placebo-toets is een permutatietest tegen échte mainstream-perscoverage. Het eerste meet of corroboratie met momentum samenhangt (ja), het tweede of onze timing een voorsprong geeft (nog niet aantoonbaar).
De vijf signalen van eind maart
Goed, met die eerlijkheid op tafel: hoe zien concrete voorspellingen er dan uit? We pakten vijf signalen die de radar rond 19 tot 28 maart vastlegde, en zochten op wat er daarna gebeurde.
1. Nvidia — gevlagd 19 maart, doorbraak ~2 april. ✅ De radar zag de aandacht rond Nvidia versnellen in drie bronsoorten tegelijk. Veertien dagen later rolde het breed: de Rubin-chips en een nieuwe AI-supercomputer, gevolgd door Ising op 14 april. Eerlijk: “Nvidia komt in het nieuws” is geen gewaagde gok. Precies zo’n term waarvan de placebo-toets zegt dat je ‘m met een willekeurige datum ook had gepakt.
2. TTFT — gevlagd 24 maart, doorbraak 2 mei. ✅ Dit is de interessantste. TTFT staat voor time to first token: hoe lang een AI-model erover doet om met antwoorden te beginnen. Op 24 maart dook de term op in precies één bron, een arXiv-paper. Negenendertig dagen later was-ie verdrievoudigd, en inmiddels is het een standaard prestatiemaat die zelfs IBM uitlegt. Dit is het type vondst waar de radar voor bedoeld is. Maar het was een signaal op één bron, dus reken het niet als bewijs: het is precies de hoge-variantie-categorie.
3. GitHub-agents — gevlagd 27 maart, doorbraak ~2 april. ✅ Versnelling in drie bronsoorten, zes dagen later kantelde het thema breed met de opmars van Copilot als agent-native app. Bescheiden voorsprong, herkenbare naam.
4. GPT-5 — gevlagd 6 maart, en hier zaten we ernaast. ❌ De belangrijkste van de vijf. Op 6 maart vlagde de radar ‘GPT-5’ met ons állersterkste corroboratie-signaal: zes bronsoorten tegelijk. Het brak niet door. De reden is leerzaam: GPT-5 was toen al lang mainstream. Het echte nieuws kwam later en heette GPT-5.5 (de hele reeks staat in alles over GPT-5). Veel ruis rond een naam die iedereen al kent, is geen voorspelling. Dáárom filteren we zulke termen nu uit het logboek.
5. Kleine taalmodellen (SLM’s) — nu op de radar, nog open. ⏳ Deze week vlagde de radar ‘SLM’, oftewel small language models: AI klein genoeg om lokaal op je laptop of telefoon te draaien, zonder cloud. Verwante termen warmen mee op. Het is nog een zwak signaal, dus reken er niets op. Dat is het punt: we zetten het vast, en volgende editie zie je of het iets werd.
Het overzicht in één tabel
| Signaal | Vastgelegd | Verdict | Voorsprong | Bewijs |
|---|---|---|---|---|
| Nvidia (Rubin/Ising) | 19 mrt | ✅ hit | 14 dagen | Nvidia Newsroom |
| TTFT (snelheidsmaat) | 24 mrt | ✅ hit | 39 dagen | IBM — TTFT |
| GitHub-agents | 27 mrt | ✅ hit | 6 dagen | GitHub Blog |
| GPT-5 | 6 mrt | ❌ misser | — | Echte nieuws: GPT-5.5 |
| Kleine taalmodellen (SLM) | 22 jun | ⏳ open | nog te zien | volgt in editie 2 |
Wat dit betekent
Geen orakel-show, dus. Wat we hebben is een meetdiscipline: een radar die signalen vastlegt en een engine die ze eerlijk scoort, inclusief de toets die ons deels ongelijk geeft. De corroboratie-correlatie is echt en bruikbaar — meerdere onafhankelijke bronnen tegelijk is een beter teken dan één toevallige vermelding. Maar de harde claim “wij zien het eerder dan de rest” kunnen we vandaag niet onderbouwen. Dus doen we dat ook niet.
Waarom is dit dan de moeite waard? Omdat geen enkele Nederlandse AI-redactie z’n eigen null-model publiceert. De meeste track records die je tegenkomt zijn een rijtje hits zonder noemer. Wij zetten de noemer, de missers én de placebo-toets erbij. Dat maakt het verhaal minder spectaculair en een stuk betrouwbaarder. Wie de bredere cijfers wil, vindt ze in de staat van AI in Nederland.
Volgende keer
De meetdiscipline heeft er inmiddels een zusje bij: in de eerste Beloftecheck hertellen we AI-fundingrondes een kwartaal later, met dezelfde nulmodel-aanpak. De komende editie scoren we een nieuwe set en kijken we wat er van de kleine taalmodellen geworden is. Belangrijker: naarmate de teller oploopt, wordt de placebo-toets scherper. Als die voorsprong er echt is, zien we het bij grotere aantallen vanzelf opduiken. Als-ie er niet is, lees je dat hier net zo eerlijk. Wil je het meevolgen, schrijf je dan in voor de nieuwsbrief onderaan deze pagina.