Wat zijn de negatieve kanten van AI?

Nadelen van AI: 48% van consumenten twijfelt aan online authenticiteit

De nadelen van AI gaan verder dan alleen technische beperkingen; ze beïnvloeden onze denkvaardigheden, het vertrouwen in informatie en het milieu. Overmatig AI-gebruik leidt tot afname van kritisch denken, toename van nepnieuws en een zware ecologische voetafdruk. Inzicht in deze negatieve aspecten helpt om bewuster met AI om te gaan. Lees verder voor de belangrijkste punten.

AI is niet alleen maar goed nieuws

Kunstmatige intelligentie is niet meer weg te denken uit ons dagelijks leven. Het helpt ons sneller te werken, creatiever te zijn en zelfs medische diagnoses te stellen. Maar zoals bij elke krachtige technologie, zit er ook een keerzijde aan. De vraag Wat zijn de nadelen van AI? wordt steeds relevanter naarmate de technologie zich razendsnel ontwikkelt. Van het uithollen van onze eigen denkvaardigheid tot het op een nieuwe manier bewapenen van cybercriminelen, de schaduwzijden zijn divers en ingrijpend.

1. Het risico van een 'leeg hoofd' door AI-afhankelijkheid

Het grootste gevaar van AI zit m misschien wel in ons eigen gemak. Het aantal AI-toepassingen is het afgelopen jaar flink gestegen, waardoor we er steeds meer op gaan leunen (citation:2).

Maar wat gebeurt er met onze hersenen als we alle denkwerk uitbesteden? Onderzoek van MIT laat zien dat mensen die ChatGPT gebruiken veel minder hersenactiviteit vertonen (^[2] citation:1). We worden als het ware lui.

Een jonge arts die ChatGPT gebruikt, is een handige assistent, maar wil je geopereerd worden door iemand die volledig op AI vertrouwt en zijn eigen medische kennis niet paraat heeft? Het verlies van kritisch denkvermogen en basisvaardigheden is een reëel risico. Softwareontwikkelaar Luciano Nooijen merkte dat toen hij leunde op GitHub Copilot, hij niet alleen zijn programmeervaardigheden, maar ook zijn professioneel zelfvertrouwen en werkplezier verloor (citation:1).

Natuurlijk, we zijn al eerder afhankelijk geworden van technologie. Sinds we GPS gebruiken, is ons gevoel voor richting achteruitgehold. Spelling en grammatica verleer je door de automatische correctie op je telefoon. Met AI is de stap echter groter: we besteden niet alleen een geheugenfunctie uit, maar een groot deel van ons denkproces. AI-breinleegte noemen experts dit fenomeen. Studenten gebruiken AI voor antwoorden zonder de onderliggende kennis te begrijpen, met als gevolg dat hun probleemoplossende vaardigheden bijna volledig verdwijnen (citation:2).

2. Cybercriminaliteit: AI als wapen

De impact van AI op cybercriminaliteit is misschien wel het meest zichtbare gevaar. Waar je vroeger een ervaren programmeur moest zijn om geavanceerde malware te schrijven, kan nu bijna iedereen het. Uit rapporten blijkt dat criminelen AI-agents inzetten die zelfstandig kunnen handelen, van het identificeren van slachtoffers tot het uitvoeren van een volledige aanval (citation:7). Het stelt hen in staat om in één klap ransomware- en phishingaanvallen te optimaliseren en te automatiseren. De drempel voor het misbruik van AI door criminelen is daarmee weggeslagen.

Het meest verontrustende is de opkomst van polymorfe malware, mogelijk gemaakt door AI. Dit is kwaadaardige code die zichzelf automatisch herschrijft. Elke keer dat de malware zich verspreidt of uitvoert, ziet het er anders uit. De bestandshash en de statische code veranderen continu, waardoor traditionele antivirusprogrammas, die werken met handtekeningen, het niet meer kunnen herkennen (citation:8).

Stel je voor: een AI die duizenden unieke malwarevarianten genereert en ze automatisch test tegen de nieuwste beveiligingssoftware tot er eentje door de mazen van het net glipt. Dat is de realiteit waar we ons tegen moeten wapenen. Een volledige aanvalskit voor gijzelsoftware is daarnaast voor een paar honderd dollar al te koop op online criminele fora (citation:7).

3. Fake news en de vertrouwenscrisis

In een wereld waarin je met AI haarfijne beelden kunt maken van dingen die nooit zijn gebeurd, is het vertrouwen in wat we zien en horen snel aan het verdwijnen. Uit recent internationaal onderzoek blijkt dat bijna de helft van de consumenten, 48% om precies te zijn, zegt aan de authenticiteit van bijna alles wat ze online tegenkomen te twijfelen^[3] (citation:9). Dit wordt ook wel AI en nepnieuws gevaren genoemd.

Een schrijnend voorbeeld hiervan is hoe AI-beelden van een dodelijk incident in Minneapolis tot verwarring leidden. AI-programmas verscherpten onscherpe beelden, maar verzonnen daarbij details. Zo leek het alsof het slachtoffer naar een wapen greep, terwijl hij in werkelijkheid een smartphone in zijn hand had (citation:5). De AI hallucineerde simpelweg, met nepnieuws als gevolg.

Deze constante onzekerheid verandert ons gedrag. Meer dan de helft van de mensen, 52%, zegt alleen nog vertrouwde nieuwswebsites te bezoeken om zeker te zijn van hun informatie (citation:9). Een kwart van de sociale mediagebruikers geeft aan minder tijd op die platformen door te brengen om nepcontent te vermijden. De vraag wie er verantwoordelijk is voor het oplossen van dit probleem is duidelijk: 87% van de mensen legt de bal bij instituties zoals techplatformen, banken en de overheid, en niet bij het individu (^[5] citation:9).

De prijs van twijfel in de financiële sector

Het gebrek aan vertrouwen raakt ook direct de portemonnee. Maar liefst 74% van de consumenten zou overwegen over te stappen naar een bank die garant staat voor het verifiëren van een echte mens^[6] (citation:9). En mocht je slachtoffer worden van fraude met een deepfake, dan vindt 52% dat de bank daarvoor aansprakelijk is. De financiële sector staat dus voor een enorme uitdaging om haar klanten te beschermen en hun vertrouwen niet te verliezen.

4. De verborgen kosten voor het milieu

Achter elke AI-chatbot of gegenereerde afbeelding schuilt een kolossale infrastructuur van datacenters. En die slurpen energie. Waar een traditionele internetzoekopdracht een bepaalde hoeveelheid stroom kost, verbruikt het stellen van een vraag aan een groot taalmodel tot wel tien keer zoveel energie (citation:10). Het trainen van één enkel groot taalmodel kan al evenveel CO2 uitstoten als een kleine woonwijk met enkele honderden huizen in een heel jaar (^[9] citation:10). Dit illustreert de verborgen nadelen van artificial intelligence voor onze planeet.

De nieuwste generatie datacenters heeft een vermogen van één gigawatt of meer. Genoeg om een stad van drie miljoen mensen van stroom te voorzien (citation:10).

Om aan deze enorme energievraag te voldoen, worden vaak tijdelijke oplossingen gebruikt, zoals dieselgeneratoren, wat leidt tot aanzienlijke luchtvervuiling en gezondheidsproblemen in de regio. In de VS wordt het elektriciteitsgebruik van datacenters nu geschat op meer dan 4% van het nationale totaal, een verdubbeling in tien jaar tijd (citation:10).

En dan hebben we het nog niet over water gehad. Voor koeling en energieproductie wordt enorm veel water verbruikt. Sommige modellen gebruiken omgerekend een halve liter water, een volle fles, voor slechts 10 tot 50 antwoorden (^[10] citation:10). In regios met waterstress, waar ruim twee derde van de nieuwe Amerikaanse datacenters worden gebouwd, is dat een groot probleem.

5. Vooringenomen algoritmes en privacy

AI-systemen zijn zo goed als de data waarop ze getraind zijn. Als die data historische vooroordelen bevat, zal de AI die discriminerende patronen reproduceren en vaak zelfs versterken. Dit zijn duidelijke negatieve kanten kunstmatige intelligentie. Een bekend voorbeeld is een wervingstool die mannelijke kandidaten systematisch boven vrouwen verkoos, simpelweg omdat het algoritme had geleerd dat mannen in het verleden vaker werden aangenomen voor die functie (citation:3). Dit soort vooringenomenheid kan grote maatschappelijke gevolgen hebben, van ongelijke behandeling op de arbeidsmarkt tot discriminatie in de rechtsgang.

Daarnaast is er het risico's van AI voor privacy. AI-systemen draaien op enorme hoeveelheden data, waaronder vaak zeer persoonlijke informatie. Een datalek bij een AI-bedrijf kan leiden tot identiteitsdiefstal op grote schaal. Een pijnlijk voorbeeld was de bug bij ChatGPT waarbij gebruikers per ongeluk elkaars chatgeschiedenis te zien kregen (citation:4). Bovendien worden AI-systemen ontworpen voor marketing en profilering, wat kan leiden tot een vorm van surveillance die onze privacy ernstig onder druk zet.

Twee gezichten van dezelfde medaille: AI voor vs. door criminelen

AI voor Cybersecurity (Verdediging)

• AI kan onmiddellijk afwijkend netwerkverkeer of gebruikersgedrag herkennen en alarm slaan (citation:8).
• Automatische systemen kunnen een aanval in realtime isoleren en stoppen, veel sneller dan een mens (citation:8).
• Beveiligen van systemen, data en gebruikers door proactief bedreigingen te identificeren en te neutraliseren.

AI als Wapen (Aanval)

• AI kan zelfstandig nieuwe, ondetecteerbare malware schrijven en varianten genereren om beveiliging te omzeilen (citation:8).
• AI-gestuurde aanvallen kunnen razendsnel opschalen, zich aanpassen en meerdere doelen tegelijk bestoken, zonder menselijke vertraging (citation:7).
• Binnendringen van systemen, stelen van data, afpersen van slachtoffers en ontwrichten van organisaties.

Hoe een AI-agent een Nederlands bedrijf bijna platlegde

Midden 2025 merkte de IT-afdeling van een middelgroot logistiek bedrijf in Utrecht vreemde activiteiten op. 's Nachts, als het systeem rustig was, werden er kleine hoeveelheden data geëxporteerd naar een onbekende server in het buitenland. De gangbare virusscanner sloeg geen alarm.

Bij nader onderzoek door een extern cyber security team bleek de boosdoener een AI-agent te zijn. Die was het netwerk binnengekomen via een ogenschijnlijk onschuldige phishingmail, maar niet zomaar eentje. De mail was in perfect Nederlands geschreven, verwees naar een lopend project en leek te komen van een bekende zakenpartner. Een klassiek voorbeeld van sociale engineering, maar dan geperfectioneerd door AI.

Wat volgde was een kat-en-muisspel. De AI-agent verspreidde zichzelf door het netwerk, zocht zwakke plekken en probeerde toegang te krijgen tot de backup-systemen. Elke keer dat de beveiliging een deel van de malware isoleerde, paste de agent zich aan en muteerde hij naar een nieuwe, onherkenbare variant. De aanval was niet voorgeprogrammeerd, maar leerde en evolueerde.

Na drie weken van continu ingrijpen door een speciaal team van experts, werd de agent uiteindelijk uit het systeem verwijderd. De schade viel mee, maar de kosten voor de inhuur van specialisten en de gederfde productie liepen in de tonnen. De IT-manager vertelde achteraf: "Het was alsof we tegen een onzichtbare vijand vochten die slimmer werd van onze eigen verdediging."