De meeste AI-koppen gaan over chatbots en bedrijven. Maar in juni gebeurde er iets stillers en misschien wel belangrijkers: AI ging echt aan het werk in de wetenschap en de fysieke wereld. Geen demo's, maar concrete problemen die worden opgelost. Ik vind dat het interessantste nieuws van de maand, en er zit een les in die ook voor jou geldt.
AI die materialen ontwerpt
MIT bouwde een methode om metaallegeringen veel nauwkeuriger te voorspellen. Klinkt technisch, maar de impact is groot: betere voorspellingen helpen bij gieten, lassen en warmtebehandeling, en dus bij vliegtuigbouw, energie en duurzamer staal. Het mooie zit in de aanpak. In plaats van een groter model te trainen, kozen de onderzoekers slimmer wélke gegevens ze gebruikten. Daarmee versloegen ze zelfs grotere modellen van Google en Microsoft.
Die les komt deze maand steeds terug: goede data verslaat brute rekenkracht.
AI tegen overstromingen en voor de natuur
Google maakte het systeem achter zijn overstromingsvoorspellingen openbaar. Iedereen mag het nu gebruiken en aanpassen met lokale gegevens. Het voorspelt de waterstand in rivieren op basis van bodem, regen, temperatuur en landschap, en is bedoeld voor onderzoekers en overheden die mensen op tijd willen waarschuwen.
Google liet daarnaast een systeem zien dat vanuit satellietbeelden fijne landschapsdetails herkent, zoals houtwallen en bosjes, die gewone satellieten missen. De uitkomst is direct bruikbaar voor natuurherstel en het bijhouden van koolstof. AI die niet alleen iets herkent, maar er een plan van maakt.
AI als hulp voor mensen, niet als vervanger
In de zorg dook een mooi voorbeeld op. Google testte een hulpmiddel dat bij een huidaandoening een rij mogelijke diagnoses met foto's laat zien. De kans dat iemand de aandoening juist benoemde steeg van 8% met een gewone zoekopdracht naar 23% met de AI-hulp. Belangrijk detail: het is bedoeld als ondersteuning, niet als vervanging van de arts.
Dat patroon zie je overal terug. Van de planning van woningbouw in het Verenigd Koninkrijk tot een robot die onthoudt waar hij dingen zag: AI neemt het saaie voorwerk over, de mens houdt de beslissing.
En zelfs de hardware wordt slimmer hergebruikt
Eén voorbeeld dat me bijbleef: onderzoekers bouwen een rekencluster uit afgedankte telefoons. Een oud telefoon-moederbordje is goed voor ongeveer de helft van de CO2 die in het toestel zit, dus hergebruik scheelt echt iets. Vijfentwintig tot vijftig telefoons kunnen op sommige taken een moderne server evenaren. Slim omgaan met wat er al is, in plaats van steeds nieuw kopen.
Wat jij hiervan meeneemt
Deze verhalen lijken ver van een mkb-bedrijf af te staan, maar de onderliggende les niet. AI levert de meeste waarde als je hem op een concreet, afgebakend probleem zet, met goede data en een mens die de eindbeslissing houdt. Niet het grootste model wint, maar de scherpste toepassing.
Dat is precies hoe ik werk. Eerst kijken welk probleem echt tijd of geld kost, dan een systeem bouwen dat daarop past. Wil je zo'n concreet probleem eens naast een oplossing leggen? Stuur een bericht.
Gebaseerd op internationale AI-berichtgeving, juni 2026.
Wil je weten welk proces bij jou het meeste oplevert? Neem contact op — ik denk graag mee.