Strategische winst zit in herontwerp, niet in optimalisatie alleen
AI wordt efficiënter. Maar precies daardoor verbruikt het meer. Dat klinkt als een paradox, maar het is een oude wetmatigheid in een nieuw jasje. In de negentiende eeuw merkte econoom William Jevons al dat efficiëntere stoommachines niet leidden tot minder steenkoolverbruik, maar tot meer. Goedkoper en efficiënter gebruik maakt iets niet schaars, maar aantrekkelijk. En wat aantrekkelijk wordt, wordt massaal gebruikt. Met AI gebeurt nu hetzelfde.
Met AI gebeurt nu hetzelfde
De belofte is bekend: sneller werken, lagere kosten, minder repetitief gedoe. In de praktijk klopt dat ook. Eén prompt vervangt minuten of uren werk. Alleen blijft het daar niet bij. Zodra de drempel verdwijnt, verandert het gedrag. Wat vroeger “te veel moeite” was, wordt plots vanzelfsprekend. Nog een versie. Nog een samenvatting. Nog een rapport dat eigenlijk niemand nodig had.
Dat is geen detail, op schaal verandert het alles
Het Internationaal Energieagentschap schat dat datacenters tegen 2030 zo’n 945 terawattuur elektriciteit zullen verbruiken, meer dan het dubbele van vandaag. AI is de belangrijkste reden. In de Verenigde Staten alleen al zou bijna de helft van de extra stroomvraag uit die hoek komen. Dat zijn geen abstracte cijfers meer; dat is infrastructuur die onder druk staat.
De gevolgen worden zichtbaar buiten de techwereld. In verschillende Amerikaanse staten vertraagt de groei van datacenters de energietransitie. Fossiele centrales die eigenlijk zouden verdwijnen, blijven langer draaien. Netbeheerders zoeken naar manieren om de vraag af te remmen of flexibeler te maken. In Texas ligt een voorstel op tafel dat nieuwe datacenters verplicht om hun verbruik aan te passen of zelf energie op te wekken.
Het begint niet bij energiebeleid, maar op kantoor
Wanneer iemand “even snel” AI gebruikt om extra slides te maken, drie varianten van een mail te genereren of een rapport uit te breiden, voelt dat triviaal. Het kost nauwelijks tijd. Maar vermenigvuldig dat met een hele organisatie, elke dag opnieuw. Wat je krijgt, is geen efficiënter werk, maar meer werk. Meer tekst, meer versies, meer ruis.
AI maakt output goedkoop. En precies daarom wordt overproductie normaal. AI tijd bespaart, wat gebeurt er met die gewonnen tijd. Wordt er minder gedaan, of gewoon meer van hetzelfde? In veel gevallen is het tweede waar. De tijdswinst wordt meteen opnieuw geïnvesteerd in extra output, zonder dat de kwaliteit of de beslissingen echt verbeteren.
Dat is de Jevons-paradox in actie, maar dan digitaal
Voor bedrijven schuift daarmee een ongemakkelijke vraag naar voren: welke taken zijn het eigenlijk nog waard om te doen? Niet: wat kunnen we automatiseren? Maar: wat moeten we schrappen?
Wie AI alleen gebruikt om bestaande processen sneller te laten draaien, krijgt een organisatie die zwaarder wordt in plaats van lichter. Meer documenten, meer communicatie, meer prikkels, allemaal zonder duidelijke meerwaarde. Een soort digitale obesitas: alles groeit, behalve de scherpte.
De echte winst zit ergens anders. Niet in optimalisatie, maar in herontwerp. AI heeft pas zin wanneer het helpt om dingen niet meer te doen. Minder stappen. Minder overleg. Minder tussenlagen. Betere beslissingen met minder input.
Dat vraagt discipline. Want de technologie zelf duwt in de andere richting: meer prompts, meer tools, meer mogelijkheden. De paradox is dus geen reden om AI te wantrouwen. Wel om er grenzen aan te stellen. Efficiëntie verlaagt de kost, maar zonder keuzes verhoogt ze vooral het volume.
En daar wringt het. Hoeveel AI kan een organisatie inzetten en hoeveel extra output ze kan verdragen voordat ze haar focus verliest.