Auteur: Derk van der Harst

Het kabinet reserveert 500 miljoen euro voor het Nationaal Agentschap voor Disruptieve Innovatie (NADI). NADI is geïnspireerd op het Amerikaanse Defense Advanced Research Projects Agency (DARPA). DARPA is het gerenommeerde agentschap dat baanbrekende innovaties aanjaagt en het stond aan het begin van de ontwikkeling van onder meer het internet. Hierdoor liggen de verwachtingen voor NADI als beoogde Nederlandse kraamkamer van technologische doorbraken en disruptieve innovaties, hoog.

Kloof dichten tussen wetenschap en onderzoek enerzijds en de markt anderzijds

NADI vormt het antwoord op de vraag hoe de kloof kan worden gedicht tussen wetenschap en onderzoek enerzijds en de markt anderzijds. Want voor onderzoek met hoog (technologisch) risico is geen of nauwelijks financiering te vinden. Hoe groter het risico, hoe moeilijker het wordt om investeerders bereid te vinden hun portemonnee te trekken. Met als gevolg dat echte grote (maatschappelijke) uitdagingen niet worden geadresseerd.

NADI kiest als onafhankelijk agentschap voor een operationeel model dat juist die kloof dicht. Niet door ‘alleen maar’ het verstrekken van subsidies, maar via het aankopen van innovatieve onderzoeksdiensten en prototypes voordat die op de markt beschikbaar zijn. Hiermee treedt de overheid op als ‘launching customer’. NADI functioneert daardoor als aanjager van innovatie binnen de Nederlandse markt.

Het agentschap zal hiervoor ook een praktische aanpak hanteren: dus verwacht geen (bureaucratische) commissies, complexe overlegstructuren en eindeloze analyses. Maar juist pragmatische programma’s met kleine teams rondom complexe maatschappelijke of strategische vraagstukken.

Pragmatische aanpak voor innovatie

Deze pragmatische aanpak van NADI is voor mij hierdoor zo ontzettend aansprekend en maakt dit voor mij een kansrijk initiatief. NADI laat op macroniveau zien wat ik in mijn boek Innoventie! op organisatieniveau beschrijf: leer zo snel mogelijk van innovatie in de praktijk. Het gaat erom minder te praten over innovatie en vast te lopen in ellenlange theoretische analyses, en juist de nadruk te leggen op innovatie in de praktijk. En hierbij samen te innoveren binnen een ecosysteem waarin verschillende partijen samen toewerken naar het oplossen van echte hardnekkige problemen. En deze problemen op een duurzame en disruptieve manier te adresseren en de huidige status quo afbreken.

Innoventie! voor pragmatische innovatie die werkt

In Innoventie! toon ik ook aan dat innovatie niet altijd gaat om nieuwe ideeën, maar vooral ook het toepassen van bestaande ideeën in een nieuwe context. Ik zeg ook: leer zo snel mogelijk van innovatie in de praktijk. Innoventie! richt zich primair op de organisatie als onderwerp van verandering. In Innoventie! beschrijf ik mijn visie op wat je kunt doen om innovatie binnen jouw organisatie te versnellen en te versterken. Hierbij introduceer ik twee nieuwe concepten: Antipatronen voor innovatie en innoventies.

Antipatronen zijn ineffectieve oplossingen voor innovatie, innoventies zijn juist de pragmatische oplossingen voor deze antipatronen. Als je de antipatronen herkent, de innoventies toepast en combineert met de kracht van AI, versterk jij als leidinggevende de innovatiekracht binnen jouw organisatie.

Met NADI wordt een bestaand en succesvol concept uit de Verenigde Staten naar de Nederlandse context vertaald. En dat is misschien wel een mooie illustratie van innovatie op zichzelf:

Beter goed geleend en toegepast, dan slecht bedacht.

Bronnen:

https://www.rijksoverheid.nl/actueel/nieuws/2026/09/15/prinsjesdag-2026-nieuwe-investeringen-innovatieve-economie-klimaat-energie

https://mtsprout.nl/tech-innovatie/ook-het-nieuwe-agentschap-voor-disruptieve-innovatie-heeft-de-mosterd-gehaald-bij-het-amerikaanse-darpa

https://nadi.nl/nl

https://www.managementboek.nl/boek/9789493480032/innoventie-derk-van-der-harst?affiliate=44044

Het was een bewogen week voor de tekstschrijvers van onze minister-president.

Veel ophef ontstond rondom het nieuws dat de tekstschrijvers van de minister-president gebruik maken van AI. Voorstanders zeggen dat AI slechts een instrument is, overeenkomstig met de spellingscontrole in een tekstverwerker of het gebruik van een computer voor het schrijven van teksten. In plaats van een ganzenveer, inkt en papier te gebruiken. Of ballpoint.

Tegenstanders gingen vooral in op de aspecten van onechtheid en onoprechtheid bij het schrijven over emotioneel beladen onderwerpen met behulp van AI. Op zich valide punten van beide zijden.

Ik moest vooral terugdenken aan een eerdere post die ik had gedeeld, met de titel ‘AI kan onze authenticiteit eroderen. Token voor token.’

Hier ging ik nader in op de ontwikkeling dat door het gebruik van AI voor het schrijven of herschrijven van persoonlijke berichten juist de authenticiteit van de auteur in het gedrang komt. Ik zette het iets steviger aan: ‘De authenticiteit van de auteurs is vaak in geen velden of wegen meer te herkennen.’

En: ‘Wanneer ik die gewaarwording vertaal naar de toepassing van AI, zou ik kunnen spreken van een soort “uittreding uit het eigen denken”: het risico dat mensen zich steeds meer losmaken van hun eigen waarnemingen, intuïtie, oordeel en stem doordat AI een deel van hun denkwerk overneemt, waardoor onze persoonlijkheid steeds minder zichtbaar wordt. Hierdoor verdwijnt de menselijke aanwezigheid. En zal onze authenticiteit eroderen.’

Deze inzichten ontleende ik aan een mooi gesprek tussen Deborah Ancona en Katherine W. Isaacs van MIT. De recente ophef vormde voor mij een hernieuwde aanleiding om die video nogmaals terug te kijken. Ze bieden een interessant en relevant perspectief op het toepassen van AI binnen de dagelijkse praktijk.

In mijn boek Innoventie! ga ik nader in op de kansen en aandachtspunten van het gebruik van AI binnen het domein van innovatie. Waar en hoe je AI inzet voor het grootste effect.

Via 17 antipatronen die innovatie in de weg staan en 27 innoventies die innovatie in de praktijk versnellen, neem ik je mee in mijn innovatievisie anno 2026.

‘Veel managers voelen de druk om te vernieuwen: markten veranderen snel, klanten verwachten meer en concurrenten zitten niet stil. Toch blijft innovatie in de praktijk vaak steken in goede voornemens, losse brainstorms of ideeën die de werkweek niet overleven. De kernvraag is dan niet of je moet innoveren, maar hoe je vernieuwing structureel onderdeel maakt van hoe je organisatie werkt.’

Innoventie! is opgenomen in de vraag & antwoord rubriek op Managementboek.

Nadat de geautomatiseerde kwaliteitscontrolesystemen en AI-tools van Ford tekortschoten, nam de autofabrikant in de afgelopen drie jaar 350 ervaren engineers opnieuw in dienst, nadat AI tekortschiet Hun taak was om jongere collega’s te begeleiden en de ondermaatse technologie opnieuw te trainen en te verbeteren.

Omkeer van de ‘AI jobs apocalypse’?

AI zou mensen overbodig maken. Vanwege de gevreesde ‘AI jobs apocalypse’. En onder die noemer werden velen ontslagen. Eén zwaluw maakt nog geen zomer, maar het bericht dat Ford opnieuw ervaren engineers aanneemt nadat AI tekortschiet, die eerder waren ontslagen juist door Ford, lijkt het begin van een tegenbeweging.

“Kunstmatige intelligentie is een fantastisch hulpmiddel, maar het is slechts zo goed als de informatie waarmee je het traint,” aldus Charles Poon, vicepresident Vehicle Hardware Engineering bij Ford.

“In de afgelopen jaren hebben we onvoldoende aandacht besteed aan de ervaring van onze meest deskundige engineers, mensen die gedurende vele productcycli waardevolle kennis hebben opgebouwd.”

“We gingen er ten onrechte van uit dat AI, gevoed met onze ontwerpspecificaties, automatisch hoogwaardige producten zou opleveren, […] gaandeweg beseften we dat onze automatisering, machine learning en AI pas echt beter worden wanneer ze worden gevoed door de kennis en ervaring van onze meest ervaren engineers.”

“De crux is dat de AI simpelweg niet alle menselijke expertise kan vervangen, zonder dat deze is vastgelegd of doorgegeven. De engineers van Ford beschikten over niet-tastbare kennis die blijkbaar nergens was gedocumenteerd, of zonder de juiste context niet op de juiste manier kon worden toegepast door de AI.” – Derk van der Harst

De crux is dat de AI simpelweg niet alle menselijke expertise kan vervangen, zonder dat deze is vastgelegd of doorgegeven. De engineers van Ford beschikten over niet-tastbare kennis die blijkbaar nergens was gedocumenteerd, of zonder de juiste context niet op de juiste manier kon worden toegepast door de AI.

Innoveren met artificiële intelligentie (AI)

✨ In mijn boek Innoventie! schrijf ik ook over AI en de toepassing binnen het innovatiedomein. Ik beschrijf vijf fasen van het innovatieproces: van idee tot implementatie. AI – zoals ChatGPT – kun je in elke fase inzetten, bijvoorbeeld voor het genereren van ideeën en het verkrijgen van nieuwe inzichten.

Ook schrijf ik over hoe je AI kunt integreren in producten en diensten om hun functionaliteit, intelligentie en gebruikerswaarde te vergroten. Daarvoor is het wel noodzakelijk om als organisatie sterk te investeren in kennisontwikkeling rondom AI.

Alleen zo word je ‘AI-savvy’ en kan de organisatie als geheel toewerken naar een toekomst waarin AI een centrale rol speelt.

Link naar het nieuwsartikel.

AI kan onze authenticiteit eroderen. Token voor token.

Het is één van de onderwerpen die terugkomt in dit gesprek tussen Deborah Ancona en Katherine W. Isaacs van MIT.

Ancona beschrijft een voorbeeld dat gaat over hoe zij een zelfgeschreven voordracht door een AI liet herschrijven, zodat het wat lekkerder liep en beter klonk.

Maar tijdens het uitspreken van die tekst bekroop haar het gevoel dat het haar eigen tekst niet meer was. Het klonk anders. Niet herkenbaar als haarzelf.

Veel ophef op LinkedIn over gebruik AI

Voor velen zal dit herkenning oproepen. Steeds vaker lees ik op het wilde LinkedIn dat mensen helemaal klaar zijn met alle door AI gegenereerde teksten en andere inhoud. De authenticiteit van de auteurs is vaak in geen velden of wegen meer te herkennen.

Toen zij dit zo uitsprak, moest ik denken aan het fenomeen waarbij iemand zich als het ware “buiten zichzelf” geplaatst ziet worden. Dit gaat over het gevoel los te raken van je eigen lichaam.

Wanneer ik die gewaarwording vertaal naar de toepassing van AI, zou ik kunnen spreken van een soort “uittreding uit het eigen denken”: het risico dat mensen zich steeds meer losmaken van hun eigen waarnemingen, intuïtie, oordeel en stem doordat AI een deel van hun denkwerk overneemt, waardoor onze persoonlijkheid steeds minder zichtbaar wordt. Hierdoor verdwijnt de menselijke aanwezigheid. En zal onze authenticiteit eroderen.

Iets om rekening mee te blijven houden.

Verdere onderwerpen in het gesprek over AI

Verder bespreken zij:

• Waarom betekenis en menselijke aanwezigheid zich niet laten automatiseren.
• Hoe AI ongemerkt ons beoordelingsvermogen en onze authenticiteit kan uithollen.
• Wat bewustzijn van lichaamssignalen toevoegt aan effectief menselijk leiderschap.

Kortom, interessant en relevant perspectief op het toepassen van AI binnen de dagelijkse praktijk.

In mijn boek Innoventie! ga ik nader in op de kansen en aandachtspunten van het gebruik van AI binnen het domein van innovatie. Waar en hoe je AI inzet voor het grootste effect.

Via 17 antipatronen die innovatie in de weg staan en 27 innoventies die innovatie in de praktijk versnellen, neem ik je mee in mijn innovatievisie anno 2026.

We live in ‘maxximal’ times. Due to a development called ’token maxxing.’ It fits within a broader zeitgeist in which optimization, visibility, and measurability have become more important . But is a phenomenon like ’token maxxing’ actually a good development for measuring productivity? And what does it mean for innovation in times of ’token maxxing’? Do innovation and ’token maxxing’ even go well together?

‘Token maxxing’ or ’token maxing’ is a measurement method used to track workplace productivity, especially among employees who use artificial intelligence (AI)-based services. AI services charge costs per token. Tokens represent units of computational effort delivered by an AI service to solve a problem. Some companies and individuals assume that higher token consumption equals higher productivity. As a result, they use it as a metric (KPI) to monitor employee performance.¹

‘Token maxxing’ in the AI-sphere

‘Token maxxing’ originates from the AI-sphere and refers to the broader social, technological, and economic ecosystem surrounding AI. The AI-sphere consists of companies, users, developers, researchers, influencers, communities, media, and cultural trends that develop, use, discuss, or shape AI technologies.

Supporters believe that higher token consumption indicates greater productivity and more intensive use of powerful AI services.

Critics of ’token maxxing’ as a KPI argue that rational employees will maximize any metric management considers important in order to gain an advantage in the workplace.

For example, engineers in the technology sector who are under pressure to consume as many tokens as possible may deploy multiple AI agents simultaneous. They enter unnecessarily long prompts, or automate additional tasks simply to increase token usage. To management, this higher token consumption may appear to indicate greater productivity. However, in reality it may lead to higher token costs, employee burnout, or bloated lower-quality code.

Other critics argue that providers of AI services may benefit from this focus on token consumption. And may actively encourage the trend.

‘Token maxxing’ within Amazon

And now Amazon employees themselves appear to have started ’token maxxing,’ precisely because of the pressure to use AI tools. They are using an internal AI tool to automate non-essential tasks in an attempt to demonstrate to managers that they are using the technology more frequently. In recent weeks, Amazon has begun rolling out its internal product ‘MeshClaw’ at scale.

Some Amazon employees claim that colleagues are using the software to automate unnecessary AI-driven activities so their token consumption increases. This reflects internal pressure within Amazon to adopt the technology after Amazon introduced targets requiring more than 80 percent of developers to use AI weekly. Earlier this year, the company also began internally tracking AI token usage through executive leaderboards.²

‘When a measure becomes a target, it ceases to be a good measure.’ – Goodhart’s Law

Goodhart’s Law

The developments at Amazon appear to confirm Goodhart’s Law. Goodhart’s Law states: ‘When a measure becomes a target, it ceases to be a good measure.’³

This also means that innovation and ’token maxxing’ do not necessarily form an healthy relationship once the KPI of ’token maxxing’ becomes dominant.

Higher customer value, higher customer satisfaction, more efficiency, and more profit through AI-driven innovation

The use of AI has become inseparable from innovation in times of ’token maxxing’. And AI certainly offers many opportunities for innovation. But ’token maxxing’ as a KPI for measuring productivity and innovation is a misguided development. In this situation, the use of a new technology is no longer a means to an end, but becomes the goal itself. And that completely misses the point of innovation.

In my book Innoventie! (in Dutch only, for now), I wrote that every AI initiative should contribute to greater customer value, higher customer satisfaction, improved efficiency, and increased profitability. Especially when it comes to innovation in times of token maxxing.

‘Token maxxing’ is the wrong objective for achieving those goals. In fact, since AI services are not free, it will ultimately only result in higher costs.

‘Token maxxing’ may sound like mere internet jargon, but it says a great deal about our era, in which AI continues to dominate news cycles. An era in which work, technology, and even human value are increasingly judged through metrics, rankings, and visible performance.

The real question, however, is this: are we truly optimizing value — or merely optimizing its measurability?

1. https://en.wikipedia.org/wiki/Token_maxxing ↩︎
2. https://arstechnica.com/ai/2026/05/amazon-employees-are-tokenmaxxing-due-to-pressure-to-use-ai-tools/ ↩︎
3. https://nl.wikipedia.org/wiki/Wet_van_Goodhart ↩︎

We leven in ‘maxximale’ tijden. Vanwege een ontwikkeling die ’token maxxing’ heet. Dit past in de tijdsgeest waarin optimalisatie, zichtbaarheid en meetbaarheid centraal staan. Maar is een fenomeen als ’token maxxing’ een goede ontwikkeling voor het meten van productiviteit? En wat betekent dit voor innovatie in tijden van ’token maxxing’? Gaan innovatie en ’token maxxing’ eigenlijk wel goed samen?

‘Token maxxing’ of ’token maxing’ is een meetmethode die in gebruik is om productiviteit op de werkvloer te volgen. Vooral bij medewerkers die gebruikmaken van op artificiële intelligentie (AI) gebaseerde diensten. AI-diensten rekenen kosten per token. Tokens vertegenwoordigen eenheden van inspanning die een AI-dienst levert om een probleem op te lossen. Sommige bedrijven en mensen gaan ervan uit dat een hoger tokenverbruik gelijkstaat aan hogere productiviteit. Ze gebruiken dit daarom als maatstaf (KPI) om het werk van medewerkers te monitoren.¹

‘Token maxxing’ in de AI-sphere

‘Token maxxing’ stamt uit de AI-sphere en verwijst naar het bredere sociale, technologische en economische ecosysteem rondom AI. De AI-sphere bestaat uit bedrijven, gebruikers, ontwikkelaars, onderzoekers, influencers, gemeenschappen, media en culturele trends die AI-technologie ontwikkelen, gebruiken, bespreken of beïnvloeden.

Voorstanders geloven dat een hoger tokenverbruik wijst op hogere productiviteit en een intensiever gebruik van krachtige AI-diensten.

Critici van ’token maxxing’ als KPI stellen dat rationeel handelende werknemers elke metriek die het management belangrijk maakt, zullen maximaliseren om een voordeel op de werkvloer te behalen.

Zo zouden engineers in de technologiesector, die onder druk staan om zoveel mogelijk tokens te verbruiken, meerdere AI-agents tegelijkertijd kunnen inzetten, langere prompts invoeren of hun werkzaamheden automatiseren om hun tokenverbruik te verhogen. Voor het management kan dit hogere tokengebruik wijzen op potentiële productiviteit, terwijl het in werkelijkheid juist kan leiden tot extra tokenkosten, burn-outs bij medewerkers of opgeblazen code van lagere kwaliteit.

Andere critici stellen dat aanbieders van AI-diensten mogelijk profiteren van deze nadruk op tokenverbruik en deze trend actief aanmoedigen.

‘Token maxxing’ binnen Amazon

En nu lijken werknemers van Amazon aan het ’token maxxing’ te zijn geslagen, juist vanwege de druk om AI-tools te gebruiken. Ze gebruiken een interne AI-tool om niet-essentiële taken te automatiseren, in een poging aan managers te laten zien dat zij de technologie vaker gebruiken. Amazon is de afgelopen weken begonnen met het grootschalig inzetten van zijn interne product ‘MeshClaw’.

Sommige medewerkers van Amazon zeggen dat collega’s de software gebruiken om extra, onnodige AI-activiteiten te automatiseren, zodat hun verbruik van tokens stijgt. Dit weerspiegelt de druk binnen het bedrijf om de technologie te adopteren, nadat Amazon doelstellingen had ingevoerd waarbij meer dan 80 procent van de ontwikkelaars wekelijks AI moet gebruiken. Eerder dit jaar begon het bedrijf bovendien het tokenverbruik van AI intern bij te houden via ranglijsten voor leidinggevenden.²

Wet van Goodhart

De ontwikkeling bij Amazon lijkt de wet van Goodhart te bevestigen. Deze wet van Goodhart luidt als volgt: “Wanneer een maatstaf een doel wordt, houdt ze op een goede maatstaf te zijn”.³ Het betekent dus ook, dat innovatie en ’token maxxing’ niet per se een goede relatie vormen als de KPI van ’token maxxing’ leidend wordt.

Hogere klantwaarde, hogere klanttevredenheid, meer efficiëntie en meer winst door innovatie met AI

Het gebruik van AI is niet meer weg te denken in tijden van innovatie en ’token maxxing’. En AI biedt veel kansen om te innoveren. Maar ’token maxxing’ als KPI voor het meten van productiviteit en innovatie is een verkeerde ontwikkeling. Hierbij is het gebruik van een nieuwe technologie niet meer een middel, maar juist een doel. En het slaat de innovatieplank dan volstrekt mis.

In mijn boek ‘Innoventie!’ heb ik geschreven dat ieder AI-initiatief moet bijdragen aan meer klantwaarde, klanttevredenheid, meer efficiëntie en meer winst. Zeker als het gaat om innovatie in tijden token maxxing.

‘Token maxxing’ is een verkeerde doelstelling om deze doelen te realiseren. Sterker nog, aangezien AI-diensten niet gratis zijn, zal het alleen maar resulteren in hogere kosten.

‘Token maxxing’ lijkt slechts internetjargon, maar spreekt boekdelen over onze tijd waarin AI de nieuwscycli blijft domineren. Een tijdperk waarin werk, technologie en zelfs menselijke waarde steeds vaker worden beoordeeld via metrieken, ranglijsten en zichtbare prestaties.

De vraag is echter: optimaliseren we daarmee daadwerkelijk waarde, of slechts de meetbaarheid ervan?

1. https://en.wikipedia.org/wiki/Token_maxxing ↩︎
2. https://arstechnica.com/ai/2026/05/amazon-employees-are-tokenmaxxing-due-to-pressure-to-use-ai-tools/ ↩︎
3. https://nl.wikipedia.org/wiki/Wet_van_Goodhart ↩︎